【正文】 的；而專家系統(tǒng)是通過推理來求取問題的答案或證明某個假設(shè) ， 本質(zhì)上是面向符號處理的 ， 其推理過程隨著情況的變化而變化 ， 具有不確定性和靈活性 專家系統(tǒng)（續(xù)） 。 ? （ 4） 常規(guī)程序處理的數(shù)據(jù)多是精確的 ， 對數(shù)據(jù)的檢索是基于模式的布爾匹配；而專家系統(tǒng)處理的數(shù)據(jù)及知識大多是不精確的 、 模糊的 ， 知識的模式匹配也多是不精確的 ， 需要為其設(shè)定閥值 。 ? （ 5） 常規(guī)程序一般不具有解釋功能 ， 而專家系統(tǒng)一般具有解釋機構(gòu) ， 可對自己的行為作出解釋 。 專家系統(tǒng)（續(xù)） 專家系統(tǒng)（續(xù)） 專家系統(tǒng)的一般結(jié)構(gòu) ? 不同的專家系統(tǒng) ， 其功能與結(jié)構(gòu)雖然不盡相同 ， 但通常一個完美專家系統(tǒng)應(yīng)包括以下幾個部分： ? 人機接口部分 ， ? 數(shù)據(jù)庫部分 ， ? 知識庫部分 ， ? 推理機 ， ? 解釋部分 ， ? 學習部分 。 ? 一個完美專家系統(tǒng)的結(jié)構(gòu)圖如下圖所示 。 專家系統(tǒng)（續(xù)） 黑板 計劃 議程 知識庫 事實與規(guī)則 協(xié)調(diào)器 執(zhí)行器 調(diào)度器 學習器 用戶 中間解 解釋器 接口 推理機 一個完美專家系統(tǒng)的結(jié)構(gòu)圖 專家系統(tǒng)（續(xù)） ? *接口是人與系統(tǒng)進行信息交流的媒介 ， 它為領(lǐng)域域?qū)＜一蛑R工程師及一般用戶提供了方便的交互手段 。 接口的功能是識別與解釋用戶向系統(tǒng)提供的命令 、 問題 、詢問和數(shù)據(jù)等信息 ， 并把這些信息轉(zhuǎn)化為系統(tǒng)的內(nèi)部表示形式 。 另一方面 ， 接口也將系統(tǒng)向用戶索要的信息 、得出的結(jié)果和作出的解釋以用戶易于理解的形式提供給用戶 。 ? 在輸入輸出過程中 ， 人機接口需要進行內(nèi)部表示形式與外部表示形式的轉(zhuǎn)換 。 如在輸入時它將把領(lǐng)域?qū)＜?、知識工程師或一般用戶輸入的信息轉(zhuǎn)換成系統(tǒng)的內(nèi)部表示形式 ， 然后分別交給相應(yīng)的機構(gòu)去處理；輸出時 ， 它將把系統(tǒng)要輸出的信息由內(nèi)部形式轉(zhuǎn)換成人們易于接受的外部形式顯示給用戶 。 專家系統(tǒng)（續(xù)） ? 在不同的系統(tǒng)中 ， 由于硬件 、 軟件環(huán)境不同 ， 接口的形式與功能有較大的差別 。 如有的系統(tǒng)可用簡單的自然語言與系統(tǒng)交互 ， 而有的系統(tǒng)只能用最基本的方式 （ 如編輯軟件 ） 實現(xiàn)與系統(tǒng)的信息交流 。 在硬件 、軟件配置不高的情況下 ， 可用下面兩種接口方式： ? 1. 菜單方式 ? 系統(tǒng)把有關(guān)功能以菜單形式列出來供用戶選擇 ， 一旦某個條件被選中 ， 系統(tǒng)或者直接執(zhí)行相應(yīng)的功能 ， 或者顯示下一級菜單供用戶作進一步的選擇 。 ? 2. 命令語言方式 ? 系統(tǒng)按功能定義一組命令 ,當用戶需要系統(tǒng)實現(xiàn)某一功能時就輸入相應(yīng)的命令 ,系統(tǒng)通過對命令的解釋指示相應(yīng)機構(gòu)完成指定的任務(wù) .接口命令一般有如下幾種 : ? (1)獲取知識命令 。 這是供領(lǐng)域?qū)＜一蛑R工程師向知識庫輸入的命令 . ? (2)提交問題命令 。 這是供用戶向?qū)＜蚁到y(tǒng)提交待求解問題的命令 。 ? (3)請求解釋命令 。 當用戶對專家系統(tǒng)給出的結(jié)論不理解或者希望給出依據(jù)時 ， 可用這種命令向系統(tǒng)發(fā)出詢問 ， 請求系統(tǒng)給予解釋 。 ? (4)知識檢索及維護命令 。 知識工程師可用這種命令對知識進行檢索 ， 查閱知識庫中的知識 ， 以便進行增 、 刪 、 改 。 專家系統(tǒng)（續(xù)） 專家系統(tǒng)（續(xù)） ? *黑板是用來記錄系統(tǒng)推理過程中用到的控制信息 、 中間假設(shè)和中間結(jié)果的數(shù)據(jù)庫 。 它包括計劃 、 議程和中間解 3部分 。 計劃記錄了當前問題總的處理計劃 、 目標 、問題的當前狀態(tài)和問題背景 。 議程記錄了一些待執(zhí)行的動作 ， 這些動作大多是由黑板中已有結(jié)果與知識庫中的規(guī)則作用而得到的 。 中間解區(qū)域中存放當前系統(tǒng)已產(chǎn)生的結(jié)果和后選假設(shè) 。 專家系統(tǒng)（續(xù)） ? *知識庫包括兩部分內(nèi)容 。 一部分是已知的同當前問題有關(guān)的數(shù)據(jù)信息；另一部分是進行推理時要用到的一般知識和領(lǐng)域知識 。 這些知識大多以規(guī)則 、 網(wǎng)絡(luò)和過程等形式表示 。 專家系統(tǒng)（續(xù)） ? *推理機包括 3部分內(nèi)容 ， 執(zhí)行器 、 調(diào)度器和協(xié)調(diào)器 。調(diào)度器按照系統(tǒng)建造者所給定的控制性知識 （ 通常使用優(yōu)先權(quán)辦法 ） ， 從議程中選出一個項目作為系統(tǒng)下一步要執(zhí)行的動作 。 執(zhí)行器應(yīng)用知識庫中的及黑板中記錄的信息 ， 執(zhí)行調(diào)度器所選定的動作 。 協(xié)調(diào)器的主要作用就是當?shù)玫叫聰?shù)據(jù)或新假設(shè)時 ， 對已得到的結(jié)果進行修正 ， 以保持結(jié)果前后的一致性 。 專家系統(tǒng)（續(xù)） ? *解釋器的功能是向用戶解釋系統(tǒng)的行為 ， 包括解釋結(jié)論的正確性及系統(tǒng)輸出其它后選解的原因 。 為完成這一功能 ， 通常需要利用黑板中記錄的中間結(jié)果 、 中間假設(shè)和知識庫中的知識 。 ? *學習器也稱知識獲取部分 ， 它是系統(tǒng)一個負責獲取知識的機構(gòu) ， 由一組程序構(gòu)成 。 知識獲取是一個很復(fù)雜的問題 ， 它涉及領(lǐng)域?qū)＜?、 系統(tǒng)建造者及系統(tǒng)自身等多方面的因素 ， 至今仍然是一個相當困難的工作 ，被公認為是專家系統(tǒng)建造過程中的一個瓶頸問題 。 ? 按知識獲取的自動化程度劃分，可分為非自動獲取和自動獲取兩種方式。 ? 1. 非自動知識獲取 在這種方式中，知識獲取分兩步進行，首先由知識工程師從領(lǐng)域?qū)＜一蛴嘘P(guān)的技術(shù)文獻那里獲取知識，然后再由知識工程師用某種 知識編輯軟件輸入到知識庫中。其工作方式可以用下 圖表示。 專家系統(tǒng)（續(xù)） ? 閱讀 ? 科技文獻 知識 知識 ? 領(lǐng)域?qū)＜? 工程師 編輯器 知識庫 ? 對話 專家系統(tǒng)（續(xù)） 非自動知識獲取 專家系統(tǒng)（續(xù)） ? （ 1）知識工程師： ? 我們知道領(lǐng)域?qū)＜乙话悴皇煜ぶR在計算機中的表示與處理方式，另一方面，專家系統(tǒng)設(shè)計者（也就是計算機科學工作者）不一定熟悉領(lǐng)域知識。因此需要在這兩者之間有一個中介專家，他既懂得如何與領(lǐng)域?qū)＜掖蚪坏溃軓念I(lǐng)域?qū)＜夷抢锛坝嘘P(guān)文獻中獲得專家系統(tǒng)所需要的知識，又熟悉知識處理，能把獲得的知識用合適的知識表示形式或語言表示出來，這樣的中介專家稱為知識工程師。知識工程師的主要任務(wù)是： 專家系統(tǒng)（續(xù)） ? ① 與領(lǐng)域?qū)＜疫M行交談 ， 閱讀有關(guān)文獻 ， 獲取專家系統(tǒng)所需要的原始知識 。 這是一件非?；ㄙM時間的工作 ，相當于讓知識工程師從頭學習一門專業(yè)知識 。 ? ② 對原始知識進行分析 、 歸納 、 整理 ， 形成用自然語言表述 的知識條款 ， 然后與領(lǐng)域?qū)＜一ハ嘟涣?， 得到領(lǐng)域?qū)＜业恼J可 ， 最后確定下來 。 ? ③ 把最后確定下來的知識條款用知識表示語言表示出來 ， 交知識編輯器編輯輸入 。 專家系統(tǒng)（續(xù)） ? （ 2）知識編輯器： ? 知識編輯器是一種用于知識輸入的軟件，通常是在建造專家系統(tǒng)時根據(jù)實際需要編制的。目前亦有一些工具軟件，可根據(jù)情況選用。一個知識編輯器一般應(yīng)該具有如下的功能： ? ① 把用某種形式或語言表示的知識轉(zhuǎn)換成計算機可表示的內(nèi)部形式 ， 并輸入到知識庫中 。 ? ② 檢測輸入知識中的語法錯誤 ， 并報告錯誤性質(zhì)與部位 ，以便進行修正 。 ? ③ 檢測知識的一致性等 ， 報告產(chǎn)生錯誤的原因及部位 ，以便知識工程師征詢領(lǐng)域?qū)＜业囊庖娺M行改正 。 專家系統(tǒng)（續(xù)） ? 知識編輯器一般采用交互工作方式 ， 常用的接口方式有命令語言與菜單方式 。 ? 非自動方式是專家系統(tǒng)建造中用得較為普遍的一種知識獲取方式 。 專家系統(tǒng) MYCIN就是其中最具代表性的一個 ， 它對非自動知識獲取方法的研究和發(fā)展起到了重要作用 。 MYCIN用產(chǎn)生式表示知識的形式 ， 并用LISP語言表示每條規(guī)則 。 其知識獲取通過以下步驟完成： 專家系統(tǒng)（續(xù)） ? （ 1） 知識工程師通過交互方式向系統(tǒng)輸入規(guī)則的前提條件 、 結(jié)論及規(guī)則強度 。 ? （ 2） 系統(tǒng)把它翻譯為 LISP語言的表示形式 ， 然后再用英語的描述形式表示出來 ， 供知識工程師或領(lǐng)域?qū)＜覚z查它是否正確 。 ? （ 3） 如有錯誤 ， 則由知識工程師與領(lǐng)域?qū)＜覅f(xié)商修改 ，然后重復(fù) （ 1） 和 （ 2） 的工作 ， 直到被確認正確為止 。 ? （ 4） 對于新規(guī)則 ， 則用它與知識庫中的以有規(guī)則進行一致性檢 查 。 如發(fā)現(xiàn)不一致 ， 就及時報告 ， 請知識工程師及專家進行修改 。 ? （ 5） 將正確的規(guī)則送入知識庫中 。 ? 至此 ， 一條規(guī)則的輸入已經(jīng)完成 。 如若還有其它規(guī)則 ，則重復(fù)上述過程 。 專家系統(tǒng)（續(xù)） ? 2. 自動知識獲取 ? 所謂自動知識獲取是指系統(tǒng)自身具有獲取知識的能力 ，它不僅可以直接與領(lǐng)域?qū)＜覍υ?， 從專家提供的原始信息中學習到專家系統(tǒng)所需要的知識 ， 而且還能從系統(tǒng)自身的運行實踐中總結(jié) 、 歸納出新的知識 ， 發(fā)現(xiàn)知識中可能存在的錯誤 ， 不斷自我完善 ， 建立起性能優(yōu)良 、 知識完善的知識庫 。 為達到這一目標 ， 它至少應(yīng)具備如下的能力： 專家系統(tǒng)（續(xù)） ? （ 1） 具有語音 、 文字 、 圖象的識別能力 。 專家系統(tǒng)中的知識主要來源于領(lǐng)域?qū)＜乙约坝嘘P(guān)的科技文獻資料 、 圖象等 。 為了實現(xiàn)知識的自動獲取 ， 就必須使系統(tǒng)能與領(lǐng)域?qū)＜抑苯訉υ?， 能閱讀相關(guān)的科技資料 。這就要求系統(tǒng)應(yīng)具有識別語音 、 文字及圖象的能力 。只有這樣 ， 它才能直接獲得專家系統(tǒng)所需要的原始知識 ， 為知識庫的建立奠定基礎(chǔ) 。 ? （ 2） 具有理解 、 分析 、 歸納的能力 。 領(lǐng)域?qū)＜姨峁┑闹R通常是處理具體問題的實例 ， 不能直接用于知識庫 。 為了把它變?yōu)橹R庫中的知識 ， 必須在理解的基礎(chǔ)上進行分析分析 、 歸納 、 提煉 、 綜合 ， 從中抽取出專家系統(tǒng)所需要的知識送入知識庫 。 專家系統(tǒng)（續(xù)） ? 在非自動獲取中 ， 這一工作是由知識工程師完成的 ，而在自動知識獲取中 ， 由系統(tǒng)取代了知識工程師完成相應(yīng)的工作 。 ? （ 3） 具有從運行實踐中學習的能力 。 在知識庫初步建成投入使用后 ， 隨著應(yīng)用向縱深發(fā)展 ， 知識庫的不完備性就會逐漸暴露出來 。 此時知識的自動獲取系統(tǒng)應(yīng)能不斷總結(jié)經(jīng)驗教訓 ， 從運行實踐中學習 ， 產(chǎn)生新的知識 ， 糾正可能存在的錯誤 ， 不斷進行知識庫的自我完善 。 專家系統(tǒng)（續(xù)） ? 總之 ， 在自動知識獲取系統(tǒng)中 ， 原來需要知識工程師做的工作都由系統(tǒng)取代了 ， 并且還要做更多的工作 。 其獲取知識的過程可用如下的圖來表示 。 ? 文字 、 圖象 文字 、 圖象識別 理解 ? 領(lǐng)域?qū)＜? 語音識別 歸納 知識庫 ? 翻譯 自動知識獲取 專家系統(tǒng)（續(xù)） ? 自動知識獲取是一種理想的知識獲取方式 ， 但它卻涉及到人工智能的多個研究領(lǐng)域 。 例如模式識別 、 自然語言理解 、 機器學習等 ， 對硬件也有較高的要求 。 而這一切正處于研究階段 ， 有許多理論及技術(shù)上的問題需要作進一步的研究 。 就目前取得的研究成果而言 ， 尚不能實現(xiàn)知識的自動獲取 。 因此 ， 知識的自動獲取依然是人們?yōu)橹畩^斗的目標 。 ? 但是，人工智能的研究畢竟已經(jīng)取得了很大的進步，自然語言理解、機器學習等的研究也都取得了較大的進展，特別是近年來關(guān)于人工神經(jīng)網(wǎng)絡(luò)的研究提出了多種學習算法，這都為知識獲取提供了有利條件。 ? 因此 ， 在建造知識獲取系統(tǒng)時 ， 應(yīng)充分利用這些成果 ，逐漸向知識的自動獲取過渡 ， 提高其智能程度 。 事實上 ，在近些年建造的專家系統(tǒng)中 ， 也都不同程度地做了這方面的嘗試與探討 ， 在非自動知識獲取的基礎(chǔ)上添加了部分學習功能 ， 使系統(tǒng)從大量事例中歸納出某些知識 。 由于這樣的系統(tǒng)不同于純粹的非自動知識獲取 ， 但又沒有達到完全自動知識獲取的程度 ， 因而稱之為半自動知識獲取 。 在不同的系統(tǒng)中 ， 知識獲取的半自動程度是有很大區(qū)別的 。 專家系統(tǒng)（續(xù)） 專家系統(tǒng)（續(xù)） ? 知識的檢測與求精 ? 知識的一致性 、 完整性是影響專家系統(tǒng)性能的重要因素 ，本節(jié)將對其基本概念 、 檢測及處理方法進行討論 。 ? 1） 知識的一致性與完整性 ? 知識庫的建立過程是知識經(jīng)過一系列變換進入計算機系統(tǒng)的過程 ， 在這個過程中存在著各種各樣導致知識不健全的因素 。 例如： 專家系統(tǒng)（續(xù)） ? （ 1） 領(lǐng)域?qū)＜姨峁┑闹R中存在某些不一致 、 不完整 、甚至是錯誤的知識 。 由于專家系統(tǒng)是以專家知識為基礎(chǔ)的 ， 因而專家知識中的任何不一致 、 不完