2.1知識(shí)表示與專家系統(tǒng)教學(xué)設(shè)計(jì)人教-中圖版高中信息技術(shù)選擇性必修4

第2章人工智能技術(shù)基本原理2.1知識(shí)表示與專家系統(tǒng)教學(xué)設(shè)計(jì)教學(xué)背景信息科技是現(xiàn)代科學(xué)技術(shù)領(lǐng)域的重要部分，主要研究以數(shù)字形式表達(dá)的信息及其應(yīng)用中的科學(xué)原理、思維方法、處理過(guò)程和工程實(shí)現(xiàn)。當(dāng)代高速發(fā)展的信息科技對(duì)全球經(jīng)濟(jì)、社會(huì)和文化發(fā)展起著越來(lái)越重要的作用。義務(wù)教育信息科技課程具有基礎(chǔ)性、實(shí)踐性和綜合性，為高中階段信息技術(shù)課程的學(xué)習(xí)奠定基礎(chǔ)。信息科技課程旨在培養(yǎng)科學(xué)精神和科技倫理，提升自主可控意識(shí)，培育社會(huì)主義核心價(jià)值觀，樹(shù)立總體國(guó)家安全觀，提升數(shù)字素養(yǎng)與技能。教材分析本節(jié)課的教學(xué)內(nèi)容選自人教/地圖出版社選擇性必修4人工智能初步第2章人工智能技術(shù)基本原理2.1知識(shí)表示與專家系統(tǒng)。智能已成為人們生活的一部分，它到底隱藏著多少人工智能的神奇“魔術(shù)”？智能助理和智能聊天等應(yīng)用，正顛覆著我們與的交互方式；新聞資訊、在線購(gòu)物等熱門應(yīng)用總在推送著適合我們的內(nèi)容；圖像識(shí)別智能應(yīng)用能夠識(shí)別圖像或現(xiàn)實(shí)中的人、風(fēng)景、地點(diǎn)，可幫助我們快速組織和檢索圖像;圖像處理軟件能對(duì)圖像進(jìn)行美化，打造個(gè)性化圖像；當(dāng)人們開(kāi)車出行時(shí)，可以使用導(dǎo)航軟件規(guī)劃最佳路線......中的智能應(yīng)用涉及許多人工智能技術(shù)，各類應(yīng)用的智能表現(xiàn)離不開(kāi)“機(jī)器學(xué)習(xí)”。機(jī)器學(xué)習(xí)與人類學(xué)習(xí)不同，它需要收集大量數(shù)據(jù)或積累大量經(jīng)驗(yàn)。本章的核心是機(jī)器學(xué)習(xí)，涉及回歸、分類和聚類等算法，以及神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等概念和理論。在本章的學(xué)習(xí)中，我們將以“智能技術(shù)初體驗(yàn)”為主題，開(kāi)展項(xiàng)目活動(dòng)，探索應(yīng)用中的人工智能技術(shù)，領(lǐng)略技術(shù)背后人工智能算法的魅力，進(jìn)而學(xué)習(xí)人工智能技術(shù)的基本原理。教學(xué)目標(biāo)1.了解知識(shí)表示的方法以及知識(shí)表示對(duì)人工智能的重要性。2.了解常用的搜索算法，理解啟發(fā)式搜索算法的過(guò)程，通過(guò)案例剖析掌握A*算法的使用方法。3.了解不確定性推理的概念，理解貝葉斯定理，掌握使用貝葉斯定理進(jìn)行推理的方法。4.了解專家系統(tǒng)及構(gòu)建專家系統(tǒng)的步驟。教學(xué)重點(diǎn)與難點(diǎn)教學(xué)重點(diǎn):了解知識(shí)表示的方法以及知識(shí)表示對(duì)人工智能的重要性。教學(xué)難點(diǎn):了解不確定性推理的概念，理解貝葉斯定理，掌握使用貝葉斯定理進(jìn)行推理的方法。教學(xué)方法與教學(xué)手段案例分析法、講授法、任務(wù)驅(qū)動(dòng)法。教學(xué)過(guò)程問(wèn)題導(dǎo)入體驗(yàn)探索認(rèn)識(shí)人工智能的應(yīng)用——搜索和推理阿爾法圍棋戰(zhàn)勝人類圍棋高手后，人工智能又一次進(jìn)入大眾的視野。其實(shí)，在阿爾法圍棋出現(xiàn)之前，我們可能就在上玩過(guò)人機(jī)博弈的游戲，如中國(guó)象棋、五子棋等。人類是憑借棋路和經(jīng)驗(yàn)完成落子的。人工智能決策落子的思路與人類不同，是從所有可能的狀態(tài)中搜索并推理出贏棋概率最高的下一步，然后落子，如圖2.1.1（參見(jiàn)教材P25）所示。對(duì)人工智能而言，搜索是它進(jìn)行推理的基礎(chǔ)。通過(guò)搜索與推理，智能程序能夠從大量的數(shù)據(jù)中快速找到人們想要的結(jié)果，諸多智能程序通過(guò)搜索與推理提供決策性的服務(wù)。思考：1.購(gòu)物類應(yīng)用程序是如何為使用者推薦他可能想要的商品的？新聞?lì)悜?yīng)用程序又是如何為他推送自己可能感興趣的新聞的？2.自己曾經(jīng)用過(guò)哪些智能類應(yīng)用程序輔助學(xué)習(xí)？在使用這些程序一段時(shí)間之后，這些應(yīng)用程序是否會(huì)為自己推薦其他學(xué)習(xí)內(nèi)容？知識(shí)表示人工智能在發(fā)展初期主要研究問(wèn)題求解，主要的方法為搜索和推理。搜索一般指從給定的數(shù)據(jù)中尋找指定數(shù)據(jù)，問(wèn)題求解中的搜索則指從眾多中間狀態(tài)中尋找到包含問(wèn)題的解或最接近解的狀態(tài)。推理則是根據(jù)多種已知的狀態(tài)推測(cè)下一步的可能性。因此，當(dāng)借助人工智能程序來(lái)完成搜索或者推理時(shí)，最重要的是讓機(jī)器讀懂狀態(tài)，并根據(jù)當(dāng)前狀態(tài)作出下一步搜索動(dòng)作的決策。要做到這一點(diǎn)，需要記錄人的思考與判斷過(guò)程，并用符號(hào)表示成機(jī)器能夠讀懂的“規(guī)則”。人工智能領(lǐng)域把這種轉(zhuǎn)化過(guò)程稱為“知識(shí)表示”，如圖2.1.2（參見(jiàn)教材P26）所示。知識(shí)表示是人工智能領(lǐng)域最基礎(chǔ)的一個(gè)概念，在人工智能中，知識(shí)通常屬于特定領(lǐng)域。為了能讓智能系統(tǒng)理解、處理特定領(lǐng)域的知識(shí)，并完成基于知識(shí)的任務(wù)，需要首先對(duì)知識(shí)構(gòu)建模型，這就是知識(shí)的表示?；谥R(shí)的不同任務(wù)、不同類型，知識(shí)表示方法也不同。常用的知識(shí)表示方法包括狀態(tài)空間法、謂詞邏輯與規(guī)則、語(yǔ)義網(wǎng)絡(luò)和本體技術(shù)等。早期人工智能在問(wèn)題求解時(shí)常常采用窮舉法或簡(jiǎn)單試探式的搜索方法，即根據(jù)某個(gè)規(guī)則遍歷所有可能的狀態(tài)，并從中尋找一個(gè)狀態(tài)，這種求解方法稱為狀態(tài)空間法。實(shí)踐活動(dòng)使用“狀態(tài)空間法”表示八數(shù)碼問(wèn)題在一個(gè)大小為3×3的九宮格中擺放8個(gè)棋子，并在棋子上分別標(biāo)上1~8這8個(gè)數(shù)字。九宮格中有一個(gè)格子是空的，空格周圍的棋子可以移動(dòng)到空格中。八數(shù)碼問(wèn)題就是給定一個(gè)初始狀態(tài)和一個(gè)目標(biāo)狀態(tài)，求解如何移動(dòng)棋子（即找到合適的移動(dòng)序列），使各棋子的擺放從初始狀態(tài)變?yōu)槟繕?biāo)狀態(tài)。（參見(jiàn)教材P27）和圖2.1.4（參見(jiàn)教材P27）所示。如何找到一個(gè)合適的移動(dòng)序列，將初始狀態(tài)變?yōu)槟繕?biāo)狀態(tài)呢？這個(gè)序列可能是：“右移棋子2，上移棋子1......”解決這個(gè)問(wèn)題的一般方法就是嘗試各種可能的移動(dòng)方法，直到某一步偶然得到目標(biāo)狀態(tài)。即從初始狀態(tài)開(kāi)始，按照可能的移動(dòng)方式得到下一狀態(tài)，然后再次通過(guò)嘗試得到下一狀態(tài)，這樣依次向下進(jìn)行，直到目標(biāo)狀態(tài)出現(xiàn)。從初始狀態(tài)通過(guò)移動(dòng)棋子可能出現(xiàn)的所有狀態(tài)組成一個(gè)空間，將這個(gè)空間轉(zhuǎn)化為一個(gè)由各種狀態(tài)對(duì)應(yīng)的節(jié)點(diǎn)組成的圖，該圖就稱為狀態(tài)空間圖。圖2.1.5（參見(jiàn)教材P27）所示的是八數(shù)碼問(wèn)題的狀態(tài)空間圖，圖中的每個(gè)節(jié)點(diǎn)表示一個(gè)狀態(tài)。通常使用有向圖來(lái)表示狀態(tài)空間（也可能是一個(gè)樹(shù)結(jié)構(gòu)）。有向圖中的各個(gè)節(jié)點(diǎn)表示求解問(wèn)題中可能出現(xiàn)的各個(gè)狀態(tài)。各個(gè)狀態(tài)之間存在關(guān)系，也就是狀態(tài)空間中的算符可以用有向圖的有向邊來(lái)表示。一個(gè)當(dāng)前狀態(tài)只可能存在有限個(gè)可以通過(guò)問(wèn)題中運(yùn)算符操作達(dá)到的狀態(tài)，轉(zhuǎn)化為圖的概念就是一個(gè)節(jié)點(diǎn)一般只有有限個(gè)后繼節(jié)點(diǎn)。兩人一組，每人寫出一個(gè)八數(shù)碼問(wèn)題的初始狀態(tài)和目標(biāo)狀態(tài)交給自己的同伴，讓同伴畫出深度界限為4的狀態(tài)空間圖。小組討論如何能夠快速找到一個(gè)到達(dá)目標(biāo)狀態(tài)的路徑。啟發(fā)式搜索傳統(tǒng)人工智能問(wèn)題的求解算法基本都包含兩個(gè)方面的內(nèi)容，即問(wèn)題表示和答案搜索。一個(gè)待求解的問(wèn)題經(jīng)過(guò)知識(shí)表示后，就轉(zhuǎn)變?yōu)闄C(jī)器能夠理解的知識(shí)，下一步就可以對(duì)這個(gè)問(wèn)題進(jìn)行求解了。求解過(guò)程的實(shí)質(zhì)就是在不同問(wèn)題狀態(tài)中搜索求解狀態(tài)的過(guò)程，這個(gè)過(guò)程需要選用適當(dāng)?shù)乃阉魉惴ā３Ｓ玫乃阉魉惴òつ克阉魉惴ê蛦l(fā)式搜索算法。盲目搜索又叫非啟發(fā)式搜索，是一種無(wú)信息搜索算法，一般只適用于求解比較簡(jiǎn)單的問(wèn)題。盲目搜索通常是按預(yù)定的搜索策略進(jìn)行搜索，不會(huì)考慮問(wèn)題本身的特性。常用的盲目搜索算法有寬度優(yōu)先搜索算法和深度優(yōu)先搜索算法。啟發(fā)式搜索又稱為有信息搜索，使用這種算法進(jìn)行搜索時(shí)一般需要求解問(wèn)題所屬領(lǐng)域的特殊信息，這些信息稱為啟發(fā)信息。利用啟發(fā)信息來(lái)引導(dǎo)搜索，可以縮小搜索范圍、降低問(wèn)題的復(fù)雜度，故能高效地對(duì)狀態(tài)空間進(jìn)行搜索，從而快速得到問(wèn)題的解。利用啟發(fā)信息搜索狀態(tài)空間的算法就是啟發(fā)式搜索算法。閱讀拓展圖搜索算法與啟發(fā)式搜索算法的關(guān)系用狀態(tài)空間法表示知識(shí)時(shí)，常用圖結(jié)構(gòu)來(lái)描述問(wèn)題的所有可能的狀態(tài)，其問(wèn)題求解的過(guò)程就成為在狀態(tài)空間圖中尋找一條從初始節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)的路徑。圖搜索算法簡(jiǎn)單來(lái)說(shuō)就是在圖中尋找某個(gè)節(jié)點(diǎn)（代表初始狀態(tài)的節(jié)點(diǎn)）到某個(gè)節(jié)點(diǎn)（代表目標(biāo)狀態(tài)的節(jié)點(diǎn)）之間的可達(dá)路徑。圖搜索算法的一般過(guò)程如下。1.建立搜索圖G，初始時(shí)只含有起始節(jié)點(diǎn)S，搜索圖G中每個(gè)子節(jié)點(diǎn)有一個(gè)指向其父節(jié)點(diǎn)的指針（指針即某個(gè)變量的地址，利用指針指向的地址可以讀取存儲(chǔ)器中這個(gè)位置存儲(chǔ)的值）。建立一個(gè)OPEN表用于存放未擴(kuò)展的節(jié)點(diǎn)，建立一個(gè)CLOSED表用于存放已擴(kuò)展的節(jié)點(diǎn)，初始時(shí)CLOSED表為空。2.將起始節(jié)點(diǎn)S接入到OPEN表中，如果此節(jié)點(diǎn)是目標(biāo)節(jié)點(diǎn)，則得到解。3.如果OPEN表為空，則輸出無(wú)解，并退出（失?。?；否則繼續(xù)執(zhí)行第4步。4.選擇OPEN表中的第一個(gè)節(jié)點(diǎn)（記為節(jié)點(diǎn)n），把它從OPEN表中移出，同時(shí)存入CLOSED表中。5.如果n是目標(biāo)節(jié)點(diǎn)，則輸出解，并退出（成功）。此時(shí)的解是搜索圖G中沿著節(jié)點(diǎn)n指向父節(jié)點(diǎn)的指針?lè)较?，從n回溯到S得到的一條路徑。6.擴(kuò)展節(jié)點(diǎn)n的所有節(jié)點(diǎn)，同時(shí)生成n的后繼節(jié)點(diǎn)的集合M（M中不包含n的前驅(qū)節(jié)點(diǎn)），將集合M中的節(jié)點(diǎn)作為n的后繼節(jié)點(diǎn)添加到搜索圖G中。7.對(duì)于那些在搜索圖G中沒(méi)有出現(xiàn)過(guò)，但是屬于集合M的節(jié)點(diǎn)，設(shè)置一個(gè)通向n的指針，把集合M中的節(jié)點(diǎn)（以下簡(jiǎn)稱M節(jié)點(diǎn)）放入OPEN表中；對(duì)于已經(jīng)在OPEN表或者CLOSED表中的M節(jié)點(diǎn)，確定是否需要更改該節(jié)點(diǎn)到n的指針；對(duì)于已經(jīng)在CLOSED表中的每個(gè)M節(jié)點(diǎn)，確認(rèn)是否需要更改搜索圖G中通向它的每個(gè)后繼節(jié)點(diǎn)的指針。8.按某個(gè)算法規(guī)則對(duì)OPEN表進(jìn)行重排，轉(zhuǎn)向第3步。圖搜索算法的第8步（對(duì)OPEN表進(jìn)行重排），目的是在下一次搜索時(shí)，能夠選出一個(gè)最大可能為解的最優(yōu)節(jié)點(diǎn)，為第4步節(jié)點(diǎn)擴(kuò)展所使用。如果此時(shí)的排序是任意的或者沒(méi)有進(jìn)行過(guò)排序，那么這個(gè)算法就屬于盲目搜索算法。此時(shí)也可以依據(jù)一個(gè)啟發(fā)函數(shù)來(lái)排序，即使用啟發(fā)式搜索算法，改善盲目搜索算法效率低的問(wèn)題（搜索過(guò)程耗費(fèi)較多的時(shí)間與空間）。如果能夠找到一種對(duì)OPEN表進(jìn)行重排的方法，那么就能夠盡量保障每次擴(kuò)展的節(jié)點(diǎn)是相對(duì)最優(yōu)的。啟發(fā)式搜索算法中有一個(gè)函數(shù)，稱為估價(jià)函數(shù)，將這個(gè)函數(shù)作為標(biāo)準(zhǔn)對(duì)OPEN表進(jìn)行重排。重新排列OPEN表的過(guò)程，需要估算每一個(gè)節(jié)點(diǎn)的可能性，衡量可能性的標(biāo)準(zhǔn)就是估價(jià)函數(shù)。通常使用符號(hào)f表示這個(gè)估價(jià)函數(shù)，節(jié)點(diǎn)n的估價(jià)函數(shù)值就記作f(n)。f就是起始節(jié)點(diǎn)通過(guò)節(jié)點(diǎn)n到達(dá)目標(biāo)節(jié)點(diǎn)的最小代價(jià)路徑上的一個(gè)估算代價(jià)。重排后，可以認(rèn)為搜索是沿著某個(gè)最有希望的方向進(jìn)行節(jié)點(diǎn)擴(kuò)展的。A*算法是一種特殊的啟發(fā)式搜索算法。將節(jié)點(diǎn)S到節(jié)點(diǎn)n的最小代價(jià)路徑的代價(jià)定義為g(n)，從節(jié)點(diǎn)n到某個(gè)目標(biāo)節(jié)點(diǎn)的追加代價(jià)路徑的代價(jià)定義為h(n)。定義f(n)=g(n)+h(n)，f(n)是節(jié)點(diǎn)S到節(jié)點(diǎn)n之間的一條最佳路徑的實(shí)際代價(jià)加上節(jié)點(diǎn)n到某目標(biāo)節(jié)點(diǎn)的一條最佳路徑代價(jià)之和，所以f(n)是從節(jié)點(diǎn)S開(kāi)始通過(guò)節(jié)點(diǎn)n的一條最佳路徑的代價(jià)。采用估值函數(shù)f(n)=g(n)+h(n)的啟發(fā)式搜索算法稱為A*算法，A*算法的一般過(guò)程如下。1.將起始節(jié)點(diǎn)S放到OPEN表中，記f=h，令CLOSED表為空。2.重復(fù)下列步驟，直到找到目標(biāo)節(jié)點(diǎn)。若OPEN表為空，輸出無(wú)解，退出。3.從OPEN表中選取一個(gè)未設(shè)置過(guò)的且f值最小的節(jié)點(diǎn)i作為最佳節(jié)點(diǎn)，加入CLOSED表中。4.若i為目標(biāo)節(jié)點(diǎn)，則成功得解；若i不是目標(biāo)節(jié)點(diǎn)，則擴(kuò)展i，得到i的后繼節(jié)點(diǎn)。5.對(duì)于每一個(gè)i的后繼節(jié)點(diǎn)j，計(jì)算g(j)=g(i)+g(i,j)，若j既不在OPEN表中也不在CLOSED表中，則加入到OPEN表中；如果j在OPEN表中，則用剛剛計(jì)算的g值與之前該節(jié)點(diǎn)的g值比較，如果新的g值較小，則用新值代替舊值，指針從j指向i；如果j在CLOSED表中，則將j移回OPEN表。6.計(jì)算f值，并回到第2步。貝葉斯推理搜索算法進(jìn)行搜索的過(guò)程屬于確定性過(guò)程，它建立在經(jīng)典邏輯的基礎(chǔ)上，運(yùn)用確定性的知識(shí)進(jìn)行精確搜索或推理。而現(xiàn)實(shí)中的情境往往比較復(fù)雜，比如，人們普遍認(rèn)為夜里下雨，第二天早晨草地一定會(huì)是濕的，而實(shí)際到了早上草地可能就干了，也許因?yàn)轱L(fēng)的因素，草上的雨水很快就被吹干了。對(duì)于這樣的不確定性問(wèn)題，很難使用經(jīng)典的精確推理方法來(lái)反映此類情境。解決這類問(wèn)題往往需要根據(jù)人類已有的經(jīng)驗(yàn)來(lái)計(jì)算某種狀態(tài)出現(xiàn)的概率，這種推理方式叫做貝葉斯推理。貝葉斯推理根據(jù)貝葉斯定理進(jìn)行概率計(jì)算及推理，屬于不確定性推理方法。貝葉斯定理表述如下：符號(hào)P(A|B)表示事件B發(fā)生的條件下事件A發(fā)生的概率，P(A|B)等于事件A發(fā)生的條件下事件B發(fā)生的概率乘以事件A發(fā)生的概率，再除以事件B發(fā)生的概率。思考活動(dòng)利用貝葉斯定理推斷是否下雨周日一早天空多云，小王與同學(xué)小李相約去戶外露營(yíng)。小王對(duì)小李說(shuō)：“60%下雨天的早上是多云的，我們真的要決定外出露營(yíng)嗎？”小李不甘心就此取消露營(yíng)活動(dòng)，作出如下分析：1.多云不見(jiàn)得會(huì)下雨，咱們城市約有30%的早上是多云的；2.咱們城市平均一個(gè)月才下3天雨，所以今天下雨的概率只有10%。小王現(xiàn)在不知道該不該出行，于是詢問(wèn)自己的人工智能助手。人工智能助手根據(jù)小王提供的信息，利用貝葉斯定理開(kāi)始推測(cè)：某天早上有云，當(dāng)天會(huì)下雨的概率即P(雨|云)，由公式可知P(雨|云)=P(雨)P(云|雨)/P(云)；P(雨)就是某天下雨的概率，也就是小王與小李所在城市下雨的概率，為10%；P(云|雨)是在下雨天，且早上有云的概率，P(云|雨)=60%；P(云)是早上多云的概率，為30%。小王的人工智能助手很快就得出了結(jié)論。思考：1.你覺(jué)得小王的人工智能助手推算的P(雨|云)是多少呢？據(jù)此幫助小王決定是否去露營(yíng)。2.根據(jù)該場(chǎng)景，解釋求解P(A|B)時(shí)，為什么要使用P(B|A)？日常生活中也常使用貝葉斯定理進(jìn)行決策。比如在河邊釣魚時(shí)看不清楚河里有沒(méi)有魚，似乎只能盲目選擇，但實(shí)際上可以根據(jù)貝葉斯定理，利用以往積累的經(jīng)驗(yàn)找一處回水灣區(qū)開(kāi)始垂釣。這就是根據(jù)先驗(yàn)知識(shí)進(jìn)行主觀判斷，在一處釣過(guò)魚之后，對(duì)這個(gè)地方有了更多了解，然后再進(jìn)行選擇。所以，在對(duì)事物認(rèn)識(shí)不全面的情況下，貝葉斯定理不失為一種理性且科學(xué)的推理方法。閱讀拓展搜尋失蹤的“天蝎號(hào)”1968年5月，美國(guó)海軍“天蝎號(hào)”核潛艇在亞速海海域失蹤。軍方通過(guò)各種技術(shù)手段調(diào)查無(wú)果，最后不得不求助數(shù)學(xué)家約翰·克雷文（JohnCraven）。約翰·克雷文提出的方案使用了貝葉斯定理。他召集了數(shù)學(xué)、潛艇和海事搜救等各個(gè)領(lǐng)域的專家，通過(guò)貝葉斯定理一一排除小概率發(fā)生意外事故的搜索區(qū)域，具體計(jì)算情況如圖2.1.7（參見(jiàn)教材P33）所示，圖中不同的顏色代表某一時(shí)刻不同區(qū)域能搜救到潛艇的不同概率。貝葉斯定理已應(yīng)用于諸多領(lǐng)域，從物理學(xué)到癌癥研究，從生態(tài)學(xué)到心理學(xué)，從博弈論到教育學(xué)等。特別是在人工智能領(lǐng)域，很多模仿人腦思考和決策的過(guò)程，被設(shè)計(jì)成一個(gè)個(gè)貝葉斯推理的程序，讓我們能夠輕松感受到貝葉斯定理的魅力。專家系統(tǒng)專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，其內(nèi)部包含有某個(gè)領(lǐng)域?qū)＜宜降拇罅恐R(shí)和經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問(wèn)題的方法來(lái)處理該領(lǐng)域的問(wèn)題。專家系統(tǒng)模擬人類專家的決策過(guò)程，以解決那些需要人類專家處理的復(fù)雜問(wèn)題。在與用戶進(jìn)行交互時(shí)，專家系統(tǒng)進(jìn)行決策的過(guò)程為：如果情況是A，那么請(qǐng)☆☆☆，否則請(qǐng)△△△。其中專家系統(tǒng)作出決策時(shí)，依據(jù)某個(gè)領(lǐng)域的專業(yè)知識(shí)和經(jīng)驗(yàn)，根據(jù)該領(lǐng)域?qū)＜宜降闹R(shí)和經(jīng)驗(yàn)來(lái)構(gòu)建規(guī)則。專家系統(tǒng)根據(jù)規(guī)則來(lái)判斷用戶的需求屬于哪一種情況，并按照規(guī)則進(jìn)行判斷和預(yù)測(cè)，場(chǎng)景如圖2.1.8（參見(jiàn)教材P33）所示。專家系統(tǒng)的組成專家系統(tǒng)一般包括知識(shí)獲取、知識(shí)庫(kù)、綜合數(shù)據(jù)庫(kù)、推理機(jī)、解釋器和人機(jī)交互界面（接口），如圖2.1.9（參見(jiàn)教材P33）所示。知識(shí)獲取是知識(shí)工程師把獲取的專業(yè)知識(shí)進(jìn)行加工整理并加入到知識(shí)庫(kù)中的過(guò)程。知識(shí)庫(kù)用于存儲(chǔ)某領(lǐng)域?qū)＜蚁到y(tǒng)的專業(yè)知識(shí)，包括事實(shí)、可行性操作與規(guī)則等。為了建立知識(shí)庫(kù)，要解決知識(shí)獲取和知識(shí)表示等問(wèn)題。綜合數(shù)據(jù)庫(kù)也叫全局?jǐn)?shù)據(jù)庫(kù)，用于存儲(chǔ)某領(lǐng)域或問(wèn)題的初始數(shù)據(jù)和推理過(guò)程中得到的中間數(shù)據(jù)。推理機(jī)用于存儲(chǔ)推理所采用的規(guī)則和控制策略的程序，使整個(gè)專家系統(tǒng)能夠以合乎邏輯的方式協(xié)調(diào)地工作。推理機(jī)能夠根據(jù)知識(shí)進(jìn)行推理，得出結(jié)論，而不是簡(jiǎn)單地搜索現(xiàn)成答案。解釋器能夠向用戶解釋專家系統(tǒng)的行為，包括解釋推理結(jié)論的正確性以及系統(tǒng)輸出其他候選解的原因。人機(jī)交互界面是系統(tǒng)與用戶、知識(shí)工程師的交互接口。通過(guò)該界面，用戶可以輸入基本信息，回答系統(tǒng)提出的相關(guān)問(wèn)題，系統(tǒng)則輸出推理結(jié)果及相關(guān)解釋。構(gòu)建專家系統(tǒng)的一般流程構(gòu)建專家系統(tǒng)的一般流程如圖2.1.10（參見(jiàn)教材P34）所示。設(shè)計(jì)初始知識(shí)庫(kù)。問(wèn)題知識(shí)化，辨別所研究問(wèn)題的實(shí)質(zhì)，梳理清楚要解決的任務(wù)是什么，是否還可以拆分成子任務(wù)或者子問(wèn)題，包含哪些典型數(shù)據(jù)；知識(shí)概念化，概括知識(shí)表示所需要的關(guān)鍵概念和關(guān)系，比如數(shù)據(jù)類型、控制策略等；概念形式化，確定用來(lái)組織知識(shí)的數(shù)據(jù)結(jié)構(gòu)形式，應(yīng)用人工智能知識(shí)表示方法來(lái)表達(dá)關(guān)鍵概念、子問(wèn)題及信息流特性；形式規(guī)則化，即編制規(guī)則，把形式化的知識(shí)轉(zhuǎn)化為用編程語(yǔ)言表示的計(jì)算機(jī)可執(zhí)行程序；規(guī)則合法化，檢驗(yàn)知識(shí)的合理性、規(guī)則的有效性。原型機(jī)的開(kāi)發(fā)與試驗(yàn)。建立整個(gè)系統(tǒng)所需要的實(shí)驗(yàn)子集，包括整個(gè)模型的典型知識(shí)，而且只涉及與試驗(yàn)相關(guān)的足夠簡(jiǎn)單的任務(wù)和推理過(guò)程。知識(shí)庫(kù)的改進(jìn)與歸納。反復(fù)對(duì)知識(shí)庫(kù)和規(guī)則進(jìn)行試驗(yàn)，歸納出更完善的結(jié)果。閱讀拓展中醫(yī)診斷專家系統(tǒng)1979年，我國(guó)第一個(gè)中醫(yī)診斷專家系統(tǒng)——診療肝病計(jì)算機(jī)程序問(wèn)世。到了20世紀(jì)80年代，國(guó)內(nèi)相繼出現(xiàn)了中醫(yī)腎系統(tǒng)疾病計(jì)算機(jī)診療、教學(xué)、護(hù)理和咨詢系統(tǒng)，婦科專家診療系統(tǒng)，醫(yī)學(xué)智能通用編輯系統(tǒng)和乙型肝炎專家診療系統(tǒng)等。目前，中醫(yī)專家系統(tǒng)的代表是數(shù)字名醫(yī)服務(wù)系統(tǒng)和中醫(yī)全科專家系統(tǒng)。某中醫(yī)診斷專家系統(tǒng)根據(jù)癥狀自動(dòng)生成的診斷數(shù)據(jù)如表2.1.1