【正文】 其中的知識(shí)來源于知識(shí)獲取器，并為推理器提供求解問題所需要的知識(shí)。如對(duì)于染色體x=11001，如果變異位發(fā)生在第三位，則變異后的染色體變成了 y=11101。 ?專家系統(tǒng)的維護(hù)也很不容易 ,尤其對(duì)快速發(fā)展的醫(yī)學(xué)和信息領(lǐng)域 ,有時(shí)一年就有 30%的規(guī)則要加以改變。 這就是最早的一個(gè)產(chǎn)生式系統(tǒng) 。 費(fèi)根鮑姆 (斯坦福大學(xué)教授 ) 一個(gè)實(shí)例：智能農(nóng)業(yè)專家系統(tǒng) 實(shí)例（續(xù)） 實(shí)例（續(xù)） 專家系統(tǒng)的概念 ? 什么是專家？ ? 專家系統(tǒng)（ ES， Expert System） ? 人類之所以能求解問題，是因?yàn)槿祟惥哂兄R(shí)。 ? 類比推理 ? 從個(gè)別現(xiàn)象到個(gè)別現(xiàn)象的推理 ? 如汽車：運(yùn)輸 ；魚網(wǎng)：捕魚 ?知識(shí)的表示 ? 就是對(duì)知識(shí)的一種描述，或者說是一組約定，一種計(jì)算機(jī)可以接受的用于描述知識(shí)的數(shù)據(jù)結(jié)構(gòu)。 圖靈測(cè)試的示范性問題－－不按常規(guī)的提問 (1) ? 問： 你會(huì)下國際象棋嗎？ 答： 是的。 ? 視頻 計(jì)算機(jī)戰(zhàn)勝人類的“訣竅”是什么？ 返回 什么是人工智能 (AI, Artificial Intelligence )？ ? 就是研究怎樣讓計(jì)算機(jī)做一些通常認(rèn)為 需要智能才能做的事情 ，又稱機(jī)器智能。 ? 雖然是計(jì)算機(jī)科學(xué)的一個(gè)分支，但并不只涉及到計(jì)算機(jī)科學(xué)，而且還涉及到 腦科學(xué)、神經(jīng)生理學(xué)、心理學(xué)、語言學(xué)、邏輯學(xué)、認(rèn)知（思維）科學(xué)、行為科學(xué)和數(shù)學(xué)以及信息論、控制論和系統(tǒng)論 等許多學(xué)科領(lǐng)域。 問： 你會(huì)下國際象棋嗎？ 答： 是的。 ? 對(duì)知識(shí)進(jìn)行表示的過程就是把知識(shí)編碼成某種數(shù)據(jù)結(jié)構(gòu)的過程。 ? 定義 ? 專家系統(tǒng)是利用大量的領(lǐng)域?qū)＜抑R(shí)，運(yùn)用知識(shí)推理方法解決特定領(lǐng)域?qū)嶋H問題的計(jì)算機(jī)程序系統(tǒng)。 ? 到了 60年代 ， 產(chǎn)生式系統(tǒng)成為認(rèn)知心理學(xué)研究人類心理活動(dòng)中信息加工過程的基礎(chǔ) ， 由此心理學(xué)家認(rèn)為 ，人腦對(duì)知識(shí)的存儲(chǔ)就是產(chǎn)生式形式 。 專家系統(tǒng)的適用范圍 ?在相對(duì)窄的知范圍和一些定義好的領(lǐng)域能成功應(yīng)用； ?在企業(yè)的管理信息系統(tǒng)中專家系統(tǒng)能起到它應(yīng)有的作用。 例：求函數(shù)的最大值 2)( xxf ?其中 x為 [0, 31]間的整數(shù) 編碼：采用二進(jìn)制形式編碼 由于 x的定義域是 [0, 31]間的整數(shù)，剛好可以用 5位二進(jìn)制數(shù)表示，因此可以用 5位二進(jìn)制數(shù)表示該問題的解，即染色體。 ? 主要涉及的問題： ? 知識(shí)表達(dá)問題 ? 知識(shí)管理問題 知識(shí)庫 返回 推理機(jī) ? 推理機(jī)是模擬人類專家的思維過程，控制并執(zhí)行對(duì)問題的求解。 ? 現(xiàn)為 SKL教授 返回 知識(shí)庫 ? 知識(shí)庫是用來存放領(lǐng)域?qū)＜抑R(shí)的倉庫。當(dāng)染色體采用二進(jìn)制形式編碼時(shí)，交叉過程是以這樣一種形式進(jìn)行的： a1 a2 ... ai ai+1 ... an b1 b2 ... bi bi+1 ... bn a1 a2 ... ai bi+1 ... bn b1 b2 ... bi ai+1 ... an 交叉前 交叉后 交叉位置 變異 ? 變異發(fā)生在染色體的某一個(gè)基因上，當(dāng)以二進(jìn)制編碼時(shí)，變異的基因由 0變成 1，或者由 1變成 0。 ?對(duì)于復(fù)雜系統(tǒng) ,專家系統(tǒng)這種表達(dá)知識(shí)的方法也很難表達(dá) ,解就更難 。 主要是使用類似文法的規(guī)則 ， 對(duì)符號(hào)串做替換運(yùn)算 。 三、專家系統(tǒng)原理與 產(chǎn)生式規(guī)則專家系統(tǒng) 知識(shí)就是力量 ,而積累了知識(shí)的計(jì)算機(jī)會(huì)全面增強(qiáng)我們的力量。 知識(shí)的推理方法 ? 演繹推理 ? 從一般現(xiàn)象到個(gè)別現(xiàn)象的推理 ? “蘇格拉底之死” ? 歸納推理 ? 從大量個(gè)別現(xiàn)象到一般現(xiàn)象的推理 ? 金受熱后體積膨脹， 銀受熱后體積膨脹， 銅受熱后體積膨脹， 鐵受熱后體積膨脹， … ，因此，金屬受熱后都體積膨脹。然而，如果提問者并不遵循常規(guī)標(biāo)準(zhǔn)，編制回答的程序是極其困難的事情。 一個(gè)例子 IBM超級(jí)計(jì)算機(jī)“沃森” ? 2023年， IBM超級(jí)計(jì)算機(jī) Watson在 《 危險(xiǎn)邊緣 》 競(jìng)賽節(jié)目中擊敗了該節(jié)目歷史上最成功的兩位人類選手，繼“深藍(lán)”之后，聰明的人腦再一次敗給了智慧程序。 21世紀(jì)三大尖端技術(shù) ? 基因工程 ? 納米科學(xué) ? 人工智能 關(guān)于人工智能問題 ? 是一個(gè) 古老的但又十分新穎 的研究課題 ? 各國在人工智能的研究上都已經(jīng)獲得巨大的進(jìn)展 ? 各種傳統(tǒng)的或新穎的智能模型迄今還 不能完全而圓滿地對(duì)大腦思維活動(dòng)的過程進(jìn)行解釋和模擬 ? 人們還不十分了解信息在大腦中的底層結(jié)構(gòu)和編碼方法； ? 象人們的概念、意識(shí)、情感和創(chuàng)造性思維過程等，還根本無從著手； ? 在哲學(xué)上、自然科學(xué)以及社會(huì)學(xué)科上 還有很大的爭論 ，還不能得到一致認(rèn)同。 問： 請(qǐng)?jiān)俅位卮?，你?huì)下國際象棋嗎？ 答： 是的。 知識(shí)的表示方法 ? 直接表示 ? 計(jì)算機(jī)對(duì)直接表示的信息難以處理。 ? 學(xué)科代表人物 ? 愛德華 因此 ， 用它來建立人類認(rèn)知模型 。 專家系統(tǒng)的局限及適用范圍 四、遺傳算法的決策支持 遺傳算法起源 ? 遺傳算法是由美國的 J. Holland教授于 1975年在他的專著 《 自然界和人工系統(tǒng)的適應(yīng)性 》 中首先提出的，它是一類 借鑒生物界自然選擇和自然遺傳機(jī)制的隨機(jī)化搜索算法 。如00000表示 x＝ 0， 10101表示 x＝ 21， 11111表示 x＝ 31等 ? 適應(yīng)函數(shù)： 直接使用函數(shù) f(x)作為適應(yīng)函數(shù)。它能根據(jù)已知的事實(shí)，利用知識(shí)庫中的知識(shí)，按照一定的推理方法和控制策略進(jìn)行推理，直到得出相應(yīng)的結(jié)論為止 ? 主要研究問題： ? 推理方法：精確 /非精確 ? 控制策略：推理方向 /規(guī)則搜索策略 返回 知識(shí)獲取 ? 知識(shí)獲取是建設(shè)專家系統(tǒng)的關(guān)鍵。 The End. 什么是專家？ ? 與領(lǐng)域相關(guān) ? 有豐富知識(shí)：對(duì)該領(lǐng)域的事物精通，有豐富的知識(shí)或者說有獨(dú)到的見解 ? 能進(jìn)行判斷：對(duì)該領(lǐng)域的復(fù)雜問題能進(jìn)行獨(dú)到明確的判斷 返回 ? 1936年生于美國新澤西州 ? 1952年進(jìn)入卡耐基梅隆大學(xué)電氣工程系學(xué)習(xí)，師從西蒙，獲博士學(xué)位 ? 1965在斯坦福大學(xué)發(fā)明世界上第一個(gè)專家系統(tǒng) DENDRAL ? 1977年在 IJCAI上在世界上第一次提出知識(shí)工程的概念。 Nxpxe ii )()( ?? ?)( ixe? ???