【正文】 System，ES）也稱為基于知識(shí)的系統(tǒng)，是人工智能的一個(gè)最為重要的應(yīng)用領(lǐng)域。這三個(gè)層次是相互聯(lián)系的，人工智能原理是在人工智能理論的基礎(chǔ)上建立的，而人工智能技術(shù)是人工智能原理的工程應(yīng)用。機(jī)器思維包括啟發(fā)式程序、專家系統(tǒng)、知識(shí)工程、機(jī)器學(xué)習(xí)、機(jī)器證明、機(jī)器博弈等。（2）機(jī)器感知與感知機(jī)器。感知機(jī)器包括文字、圖像、聲音、語(yǔ)言的識(shí)別機(jī)、感知機(jī)等；觸覺感知器，平衡感知器，各種智能傳感器等。機(jī)器行為包括自適應(yīng)、自鎮(zhèn)定、自尋優(yōu)等智能控制、管理和決策行為，機(jī)器人在不確定的、動(dòng)態(tài)的環(huán)境中的“漫游”行為。廣義的人工智能，不僅包括專家系統(tǒng)，還包括人工神經(jīng)元網(wǎng)絡(luò)、模式識(shí)別、智能機(jī)器人等。2．專家系統(tǒng)的概念與特征專家系統(tǒng)也稱為基于知識(shí)的系統(tǒng)（Knowledgebased Systems），或基于規(guī)則的系統(tǒng)（Rulebased Systems），產(chǎn)生于20世紀(jì)60年代中期，至今已經(jīng)在醫(yī)療診斷、化學(xué)工程、語(yǔ)音識(shí)別、圖像處理、金融決策、信號(hào)解釋、資源勘探等領(lǐng)域大量應(yīng)用，產(chǎn)生了巨大的經(jīng)濟(jì)效益和社會(huì)效益。 一個(gè)比較通用的定義是：專家系統(tǒng)是利用計(jì)算機(jī)技術(shù)、人工智能及其它理論，將某個(gè)特定領(lǐng)域內(nèi)專家的知識(shí)或者推理過程在計(jì)算機(jī)上實(shí)現(xiàn)，并且用來解決過去需要專家才能解決的現(xiàn)實(shí)問題的計(jì)算機(jī)系統(tǒng)。為了實(shí)現(xiàn)上述的目標(biāo)，一個(gè)高性能的專家系統(tǒng)應(yīng)該具備如下七個(gè)特征：（1）具有專家水平的專門知識(shí)。（2）符號(hào)處理。（3）一般問題的求解能力。（4）復(fù)雜度和難度。如果某個(gè)領(lǐng)域不夠復(fù)雜，不需要專家來解決，沒有什么專家知識(shí)可言，就不能成為專家系統(tǒng)的用武之地。解釋機(jī)制運(yùn)用知識(shí)庫(kù)求解過程使用過的知識(shí)和各種中間結(jié)果，回答用戶關(guān)于求解結(jié)果提問的“為什么”、“為什么要如此做”、“它是如何做的”等問題。（6）具有獲取知識(shí)的能力。（7）知識(shí)和推理機(jī)構(gòu)相互獨(dú)立。3．專家系統(tǒng)的結(jié)構(gòu)與機(jī)制專家系統(tǒng)是由知識(shí)庫(kù)、推理機(jī)、知識(shí)獲取子系統(tǒng)和解釋子系統(tǒng)組成的，其基本的結(jié)構(gòu)如圖916所示。圖916 專家系統(tǒng)的基本結(jié)構(gòu)專家系統(tǒng)的核心就是知識(shí)庫(kù)中存儲(chǔ)的知識(shí)。人們還沒有找到一種通用的、完善的知識(shí)表示模式，但目前比較常用的表示方法包括產(chǎn)生式規(guī)則、框架和語(yǔ)義網(wǎng)絡(luò)等。其含義是“如果前提P滿足，則可以推出結(jié)論Q”。通常推理程序從前往后順序的進(jìn)行匹配，查找可被運(yùn)用的產(chǎn)生式，因而放在前面的產(chǎn)生式可能先得到匹配，從而執(zhí)行其右部動(dòng)作。如果匹配的規(guī)則不止一個(gè)，推理機(jī)則會(huì)采用合適的控制策略進(jìn)行選擇（通常稱為沖突消解）。推理機(jī)的工作以“匹配－沖突消解－操作”的方式循環(huán)運(yùn)轉(zhuǎn)，直到解決問題。它的頂層是固定的，表示某個(gè)固定的概念、對(duì)象或者事件；下層是由槽組成，每一個(gè)槽可以有任意有限數(shù)目的側(cè)面；每個(gè)側(cè)面又可以有任意數(shù)目的值，且側(cè)面還可以是其它框架（稱為子框架）。不同的框架網(wǎng)絡(luò)又可通過信息檢索組成更大的系統(tǒng)，代表一塊完整的系統(tǒng)。其中椅子腿的數(shù)目包括兩個(gè)側(cè)面值范圍和默認(rèn)值。以上兩種活動(dòng)均引起推理，其推理形式有：1）繼承推理。填槽過程中，如果沒有特別說明，子框架的槽值繼承父框架的槽值。對(duì)于一個(gè)給定的事件，利用部分已知信息選擇初始候選框架，然后推理機(jī)通過查詢、默認(rèn)、繼承和附加過程等填槽方式為候選框架尋找滿足要求的屬性值，使候選框架更加具體化，以生成當(dāng)前事件的描述。根據(jù)已知的信息尋找部分匹配的框架，如同從觀察事實(shí)形成合理假設(shè)。（3）語(yǔ)義網(wǎng)絡(luò)語(yǔ)義網(wǎng)絡(luò)是一個(gè)帶標(biāo)識(shí)的有向圖，有向圖的結(jié)點(diǎn)表示各種事務(wù)、概念、屬性等，有向圖的弧表示各種語(yǔ)義聯(lián)系，指明所連接結(jié)點(diǎn)之間的某種聯(lián)系。我們可以看到，它不僅可以表示“科拉迪是一種知更鳥”，“知更鳥是一種鳥”和“鳥有翅膀”三個(gè)直接事實(shí)，而且可以通過弧“isa”和“haspart”推出另外一些間接事實(shí)，如“科拉迪是一種鳥”，“科拉迪有翅膀”和“知更鳥有翅膀”。概括來講，語(yǔ)義網(wǎng)絡(luò)系統(tǒng)有繼承法、匹配法和散射激活法三種：1），一個(gè)概念結(jié)點(diǎn)的所有屬性和信息可以繼承到實(shí)例結(jié)點(diǎn)。匹配是語(yǔ)義網(wǎng)絡(luò)推理的基礎(chǔ)，它用于尋找一個(gè)物體或者回答一個(gè)問題，首先根據(jù)提問內(nèi)容構(gòu)造一個(gè)語(yǔ)義網(wǎng)絡(luò)碎片，然后在系統(tǒng)的語(yǔ)義網(wǎng)絡(luò)中尋找匹配，使變量結(jié)點(diǎn)在匹配過程中得到賦值。在一對(duì)概念間進(jìn)行推理時(shí)，尋找代表這兩個(gè)概念的結(jié)點(diǎn)之間的聯(lián)系，即從這兩個(gè)結(jié)點(diǎn)開始，然后激活與之連接的全體結(jié)點(diǎn)，依次地激活與這些結(jié)點(diǎn)連接的全體結(jié)點(diǎn)，如此往外擴(kuò)散。當(dāng)前，專家系統(tǒng)已經(jīng)從單學(xué)科、單功能、專門型的小型專家系統(tǒng)發(fā)展到了多學(xué)科、多功能、綜合型的大型知識(shí)系統(tǒng)。同時(shí)，現(xiàn)在的專家系統(tǒng)依靠諸如模型、方法、軟件和接口等多種技術(shù)集成進(jìn)行設(shè)計(jì)和建造，運(yùn)行于分布式、開放性軟硬件及網(wǎng)絡(luò)環(huán)境，可以實(shí)現(xiàn)知識(shí)共享和知識(shí)重用。它是決策支持技術(shù)的擴(kuò)展，是用于商務(wù)目的的智能型決策支持技術(shù)。商務(wù)智能的主要技術(shù)包括數(shù)據(jù)倉(cāng)庫(kù)（Data Warehousing，DW）技術(shù)，聯(lián)機(jī)分析處理（Online Analytical Processing，OLAP）技術(shù)以及數(shù)據(jù)挖掘（Data Mining，DM）技術(shù)等。數(shù)據(jù)倉(cāng)庫(kù)是對(duì)數(shù)據(jù)庫(kù)概念的一個(gè)改進(jìn)，它為用戶提供一個(gè)改進(jìn)的數(shù)據(jù)資源，使用戶能用比較直覺的方式操縱和使用數(shù)據(jù)。一般認(rèn)為，數(shù)據(jù)倉(cāng)庫(kù)是把一個(gè)集中組織中的歷史數(shù)據(jù)以便于處理的中央倉(cāng)庫(kù)，它是支持決策過程的、面向主題的、集成的、隨時(shí)間而變的、持久的數(shù)據(jù)集合。但是，數(shù)據(jù)倉(cāng)庫(kù)和傳統(tǒng)的數(shù)據(jù)庫(kù)相比具有以下特征：（1）面向主題。（2）管理大量信息。（3）跨越數(shù)據(jù)庫(kù)模式的多個(gè)版本。（4）信息的概括和聚集。（5）從許多數(shù)據(jù)來源中將信息集成并使之關(guān)聯(lián)。數(shù)據(jù)倉(cāng)庫(kù)的主要組成部件包括：數(shù)據(jù)本身；可供數(shù)據(jù)存儲(chǔ)、訪問的硬件及網(wǎng)絡(luò)基礎(chǔ)結(jié)構(gòu)；可從原始數(shù)據(jù)源析取數(shù)據(jù)，將這些數(shù)據(jù)轉(zhuǎn)化成規(guī)范格式，并存入數(shù)據(jù)倉(cāng)庫(kù)中的軟件；圖表查詢工具；在數(shù)據(jù)倉(cāng)庫(kù)中進(jìn)行數(shù)據(jù)挖掘的用戶使用的圖形查詢工具；使信息系統(tǒng)人員維護(hù)、升級(jí)數(shù)據(jù)倉(cāng)庫(kù)的管理軟件。一種有代表性的三層數(shù)據(jù)倉(cāng)庫(kù)架構(gòu)中，底層是數(shù)據(jù)倉(cāng)庫(kù)服務(wù)器，其關(guān)注的問題是如何從數(shù)據(jù)源提取數(shù)據(jù)來構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)；中間層是OLAP服務(wù)器，關(guān)注的問題是OLAP服務(wù)器如何實(shí)施（關(guān)系型OLAP，多維OLAP等）；與用戶交互的前端客戶工具層，關(guān)注的問題是查詢工具、報(bào)表工具、分析工具、挖掘工具的設(shè)計(jì)與實(shí)現(xiàn)。從商務(wù)信息應(yīng)用的角度，也就是企業(yè)對(duì)于所得到的數(shù)字化信息的利用并用于決策支持的程度來對(duì)信息系統(tǒng)進(jìn)行劃分，基本上可以分為三個(gè)層次：事務(wù)處理（transaction processing）、分析處理（analytical processing）、商務(wù)智能（business intelligence）。（1）從OLTP到OLAP20世紀(jì)70年代， ，基于關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)的事務(wù)處理逐漸成為商業(yè)界IT應(yīng)用的主流。這樣的信息模式稱為事務(wù)處理，在網(wǎng)絡(luò)應(yīng)用和實(shí)時(shí)交互處理功能日益強(qiáng)大和普遍的今天，基于在線計(jì)算的事務(wù)處理被稱之為聯(lián)機(jī)事務(wù)處理（Online Transaction Processing，OLTP）。OLTP已不能滿足終端用戶對(duì)數(shù)據(jù)庫(kù)查詢分析的需要，SQL對(duì)大型數(shù)據(jù)庫(kù)進(jìn)行的簡(jiǎn)單查詢也不能滿足終端用戶分析的要求。（Online Analytical Processing，OLAP）。而分析處理則側(cè)重于對(duì)信息的切分、多維化、前推和回溯，以及回答whatif問題。表93概括了OLTP與OLAP的主要區(qū)別。同時(shí)這些性質(zhì)之間是相互聯(lián)系的，通常具有一定的層次。變量是從現(xiàn)實(shí)系統(tǒng)中抽象出來，用于描述數(shù)據(jù)的實(shí)際含義。一般情況下，變量總是一個(gè)數(shù)值度量指標(biāo)，如人數(shù)、銷售量、高度等，而100則是變量的一個(gè)值。例如，企業(yè)常常關(guān)心產(chǎn)品銷售數(shù)據(jù)隨時(shí)間推移而產(chǎn)生的變化情況，這是從時(shí)間的角度來觀察產(chǎn)品的銷售，所以時(shí)間是一個(gè)維。維的層次對(duì)應(yīng)于數(shù)據(jù)的粒度。單位刻度間呈現(xiàn)一定的層次性。它們是你在報(bào)表的行、列或?qū)又兴吹降臄?shù)據(jù)片。圖919 維、層和類別之間的關(guān)系示意圖維的取值也稱為維的成員。由于維度存在層次性，當(dāng)維度具有多個(gè)層次時(shí)，維成員由各個(gè)維層次的所有類別取值的組合構(gòu)成。如企業(yè)可以用銷售量、銷售金額、成本和利潤(rùn)指標(biāo)來衡量銷售狀況。一個(gè)多維數(shù)組可以表示為(維1，維2，…，維n，變量)，如三維數(shù)組(時(shí)間，地區(qū)，產(chǎn)品，銷售額)組織起來的三維立方體，如圖920所示。當(dāng)多維數(shù)組的各個(gè)維都選中一個(gè)維成員，這些維成員的組合就唯一確定了度量的值。（3）OLAP的基本操作OLAP分析是指對(duì)以多維形式組織起來的數(shù)據(jù)采取切片、切塊、旋轉(zhuǎn)等各種基本操作，以求剖析數(shù)據(jù)，使最終用戶能從多個(gè)角度、多側(cè)面地觀察數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)，從而更深入地了解包含在數(shù)據(jù)中的信息、內(nèi)涵。上面圖920中按照產(chǎn)品維、地區(qū)維和時(shí)間維組織起來的產(chǎn)品銷售數(shù)據(jù)，用多維數(shù)組表示為(時(shí)間，地區(qū)，產(chǎn)品，銷售額)。圖921 切片 圖922 切塊2）切塊（Dice）數(shù)據(jù)切塊就是將完整的數(shù)據(jù)立方體切取一部分?jǐn)?shù)據(jù)而得到的新的數(shù)據(jù)立方體。例如在圖920所對(duì)應(yīng)的多維數(shù)組中，選中所有的三個(gè)維度：產(chǎn)品維、地區(qū)維和時(shí)間維，指定時(shí)間維的取值為2002至2004年，地區(qū)維指定為（北京，上海），產(chǎn)品維選定為（電視機(jī)，電冰箱）。維度層次越高，代表的數(shù)據(jù)綜合度就越高，細(xì)節(jié)越少，數(shù)據(jù)量越少；維度層次越低，細(xì)節(jié)越充分，數(shù)據(jù)量越大。數(shù)據(jù)上卷是下鉆的逆向操作，是對(duì)數(shù)據(jù)進(jìn)行高層次聚合操作。圖中的第一張表，時(shí)間層次是“年”，如果選擇時(shí)間維度下鉆，得到圖中的第二張表。因此，上卷和下鉆是互逆的。圖924是把橫向的時(shí)間維度和縱向的地區(qū)維度進(jìn)行了變換，形成了橫向?yàn)榈貐^(qū)、縱向?yàn)闀r(shí)間的報(bào)表。圖925 維層次間的旋轉(zhuǎn)3．知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘基于數(shù)據(jù)倉(cāng)庫(kù)和OLAP技術(shù)所得到的分析結(jié)果通常是運(yùn)用已有的知識(shí)（如業(yè)務(wù)規(guī)則和商務(wù)規(guī)律）來建立決策分析模型，并通過數(shù)據(jù)倉(cāng)庫(kù)的支持進(jìn)行多維視角的預(yù)測(cè)和回溯分析。這需要通過強(qiáng)大的計(jì)算能力，對(duì)數(shù)據(jù)進(jìn)行多層次和多角度的處理，從而得到新穎的、具有潛在有用性的知識(shí)。面向這種決策知識(shí)的發(fā)現(xiàn)是信息創(chuàng)造的更高形式，也是企業(yè)信息化的更高層次，我們稱之為商務(wù)智能（Business Intelligence，BI）。（1）知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘隨著數(shù)據(jù)庫(kù)技術(shù)和軟件開發(fā)技術(shù)的飛速發(fā)展，企業(yè)決策者在決策過程中經(jīng)常面臨著這樣一個(gè)問題：一方面，企業(yè)能夠比較容易地獲得和存儲(chǔ)大量的業(yè)務(wù)信息；另外一方面，除了業(yè)績(jī)報(bào)表和數(shù)據(jù)庫(kù)查詢之外，這些信息并沒有被進(jìn)一步發(fā)掘和使用，更沒有有效地用于分析處理和決策支持。為了從數(shù)據(jù)庫(kù)中提取有用的信息，人們開始借助人工智能的成果進(jìn)行數(shù)據(jù)分析。1996年，F(xiàn)ayyad等人給出了知識(shí)發(fā)現(xiàn)的定義，即知識(shí)發(fā)現(xiàn)是從數(shù)據(jù)集中識(shí)別有效模式的非平凡過程，該模式是新穎的、有潛在應(yīng)用價(jià)值的和最終可理解的。其中數(shù)據(jù)挖掘是知識(shí)發(fā)現(xiàn)的關(guān)鍵步驟。它所得到的模式蘊(yùn)涵數(shù)據(jù)集當(dāng)中對(duì)象之間的特定關(guān)系，揭示了一些有用的信息，可以為經(jīng)營(yíng)決策、市場(chǎng)策劃、金融預(yù)測(cè)等提供依據(jù)。這樣就可能會(huì)喪失對(duì)一些潛在的而事先未知的模式進(jìn)行檢驗(yàn)的機(jī)會(huì)，得不到新穎的模式。（2）數(shù)據(jù)挖掘模式數(shù)據(jù)挖掘的方法一般都是基于機(jī)器學(xué)習(xí)、模式識(shí)別以及統(tǒng)計(jì)方法的。一般來說，數(shù)據(jù)挖掘的基本任務(wù)是預(yù)測(cè)（prediction）和描述(description）。而描述則集中于尋找一種人類能夠理解和解釋的模式對(duì)數(shù)據(jù)進(jìn)行刻畫，如聚類、關(guān)聯(lián)規(guī)則等。它是通過將數(shù)據(jù)進(jìn)行一般化、匯總或?qū)⒖赡苊艿臄?shù)據(jù)的特征進(jìn)行說明，尋求對(duì)一個(gè)數(shù)據(jù)子集的簡(jiǎn)約的描述。2）分類和預(yù)測(cè)這種方法有兩個(gè)階段。圖927給出了一個(gè)應(yīng)用分類技術(shù)對(duì)顧客的信用水平進(jìn)行分類的例子。利用歷史數(shù)據(jù)和選擇的分類算法，可以得到判斷客戶是否償還貸款的分類模型。圖 927 貸款分類模型 圖928 客戶的聚類分析3）聚類聚類是將一個(gè)數(shù)據(jù)集按照某個(gè)標(biāo)準(zhǔn)分成幾個(gè)簇的過程。 聚類與分類不同，在分類中，類標(biāo)記事先給出，然后選擇分類算法對(duì)這些類進(jìn)行劃分，是一種監(jiān)督學(xué)習(xí)的方法；而聚類則是將數(shù)據(jù)集合按對(duì)于特定屬性測(cè)度的相似性進(jìn)行聚合，沒有事先給定類別，屬于一種非監(jiān)督的學(xué)習(xí)。通過對(duì)數(shù)據(jù)點(diǎn)的相似性進(jìn)行分析，得到三個(gè)聚類。4）關(guān)聯(lián)規(guī)則自然界中某種事物發(fā)生時(shí)其他事物也會(huì)發(fā)生的這樣一種聯(lián)系稱之為關(guān)聯(lián)。 數(shù)據(jù)挖掘中，關(guān)聯(lián)是兩個(gè)或多個(gè)變量取值之間存在的一類重要的可被發(fā)現(xiàn)的某種規(guī)律性。關(guān)聯(lián)分析的結(jié)果常有兩種：關(guān)聯(lián)規(guī)則和序列模式。以零售業(yè)為例，體育用品商場(chǎng)通過對(duì)銷售數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析通?？梢园l(fā)現(xiàn)這些數(shù)據(jù)中常常隱含形式如下的規(guī)律——“購(gòu)買籃球的顧客中有70%的人同時(shí)購(gòu)買籃球運(yùn)動(dòng)服，所有交易中有40%的人同時(shí)購(gòu)買籃球和籃球運(yùn)動(dòng)服”等。許多這樣的系統(tǒng)已商業(yè)化。如，第二代系統(tǒng)能夠挖掘大數(shù)據(jù)集、更復(fù)雜的數(shù)據(jù)集、以及高維數(shù)據(jù)。第三代數(shù)據(jù)挖掘系統(tǒng)的特征是能夠挖掘Internet/Extranet的分布式和高度異質(zhì)的數(shù)據(jù)，并且能夠有效地和操作型系統(tǒng)集成。第四代數(shù)據(jù)挖掘系統(tǒng)能夠挖掘嵌入式系統(tǒng)、移動(dòng)系統(tǒng)、和普遍存在（ubiquitous）計(jì)算設(shè)備產(chǎn)生的各種類型的數(shù)據(jù) 。 信息系統(tǒng)開發(fā)模式的發(fā)展通常情況下，信息系統(tǒng)的開發(fā)過程包含以下幾個(gè)階段：需求分析、設(shè)計(jì)、編碼、測(cè)試、維護(hù)等。到20世紀(jì)70年代，為了設(shè)計(jì)大型軟件系統(tǒng)，提出了軟件工程的設(shè)計(jì)方法，但軟件工程有先天不足，開發(fā)成本高、開發(fā)周期長(zhǎng)，并且不能適應(yīng)系統(tǒng)不斷改進(jìn)和變化。因此，只能在某些應(yīng)用上被少數(shù)技術(shù)人員使用。在這個(gè)生產(chǎn)流水線上的各階段，可以由不同專業(yè)人員去完成，社會(huì)有了分工，效率和質(zhì)量都有了提高，這種開發(fā)技術(shù)稱為“基于構(gòu)件/ 構(gòu)架的開發(fā)技術(shù)”。當(dāng)今社會(huì)IT技術(shù)發(fā)展日新月異，已經(jīng)進(jìn)入網(wǎng)絡(luò)新時(shí)代，企業(yè)的競(jìng)爭(zhēng)相當(dāng)激烈，企業(yè)的負(fù)責(zé)人都要考慮如何整合各種資源，把現(xiàn)有系統(tǒng)連接起來，發(fā)揮資源最大能量，使得機(jī)構(gòu)運(yùn)轉(zhuǎn)更暢通。總之，當(dāng)前需要把在不同平臺(tái)開發(fā)的軟件連起來，迫切需要新的技術(shù)。但是，還有大量軟件不是在微軟平臺(tái)上開發(fā)的，就無法實(shí)現(xiàn)互連了。這種技術(shù)的核心就是提供一種大家公認(rèn)的代理，即提供一種中間過渡語(yǔ)言，這相當(dāng)于要求大家向世界語(yǔ)靠攏。就如同英語(yǔ)可以被很多國(guó)家作為母語(yǔ)，卻無法要求全世界人都用英語(yǔ)講話一樣，雖然這種語(yǔ)言實(shí)用性強(qiáng)，應(yīng)用廣泛，但不可能做到被普遍接受。其原因主要在于客觀需求和技術(shù)成熟度兩個(gè)方面：（1）客觀上需要。（2）技術(shù)成熟度。瀏覽器技術(shù)普及，已成為行業(yè)標(biāo)準(zhǔn)，奠定了SOA的基礎(chǔ)理論和技術(shù)規(guī)范