第一讲专家系统概论(约3~4学时)

第1页主要内容第1讲：绪论：专家系统概论第一部分知识表示第2讲：产生式系统第3讲：框架第二部分不确定性处理第4讲：确定性理论第5讲：Prospector中的主观贝叶斯方法第6讲：经典证据理论简化证据理论面向有序命题的简化证据理论贝叶斯网第7-20讲：粗糙集理论第2页第一讲专家系统概论1.知识工程的含义和发展2.专家系统（ES，ExpertSystem）的定义3.知识的定义4.知识的阈值5.知识的类型6.常用的知识表示形式7.专家系统（基于知识的系统）的体系结构8.一个基于规则的专家系统的体系结构9.专家系统（ES）的主要特征10.专家系统的类型11.简单的专家系统示例——动物识别专家系统ANIMAL1.知识工程的含义和发展知识工程（KnowledgeEngineering，KE）是研究如何运用人工智能（ArtificialIntelligence，AI）的方法和技术建造专家系统（ExpertSystem，ES）的一门工程性学科。与建造ES有关的理论、方法、技术都是KE研究的内容；KE是AI的应用分支，因此KE也被称为“应用AI”。(一)萌芽期此时AI的研究处于低谷期,E．Feigenbaum（费根鲍姆）认为仅仅研究一般性问题的求解方法不够,智能程序还应有领域专门知识;1965年，费根鲍姆和R.Linday(林赛)开发了DENDRAL系统,该系统可以通过分析图谱推断出物质结构,第一次把AI和领域专门知识有机结合起来;同年，E．Feigenbaum（费根鲍姆）首次提出了ExpertSystem的概念；(二)形成期(1965~1977)第3页1965~1977年，建造了一大批ES系统，并开始研制ES的开发工具，积累了很多经验；最著名的有：1976年，MITE.Shortliff博士研制的MYCIN系统、半自动知识获取工具Teiresias、开发工具EMYCIN；但在建造ES的方法论上还存在很多问题，认为应把ES建造提高到工程的高度来认识；1975年，美国J.Mecarthy（麦卡锡，AI的开创者）提出“认识论工程”；1977年，英国D.Michie（米奇，AI的先驱）扩充了“认识论工程”的概念，直接使用了“知识工程”一词；1977年，Feigenbaum在第5届国际人工智能联合会IJCAI-5上做了特邀报告“AI的艺术：KE的课题及实例研究”，他被誉为知识工程的鼻祖。（三）发展期KE的理论、方法不断的丰富，派生出许多新的研究领域①.知识表示的研究；②.推理方法的研究；③.不确定性和模糊性处理的研究确定性因子理论贝叶斯方法证据理论ClassicalEvidenceTheorysimplifyEvidenceTheoryConvexFunctionEvidenceTheory贝叶斯网可能性理论（模糊集合论、粗糙集、可能性逻辑）云模型非数值方法工程方法控制方法④.知识获取方法的研究第4页数据挖掘Web挖掘多关系数据挖掘（统计关系学习）结构化机器学习⑤.Ontology(本体论)的研究⑥.分布式人工智能（DistributedArtificialIntelligence，DAI）的研究⑦.智能主体（Agent）的研究IntelligentAgent,Multi-agentsystem,Mobileagent,WebIntelligentagent,IntelligentInformationAgent(I2A)⑧.专家系统开发工具、环境、平台的研究⑨.神经网络，多神经网络集成2.专家系统（ES，ExpertSystem）的定义：专家系统，是一个智能程序，它能对那些需要专家知识才能解决的应用难题，提供相关领域权威专家水平的解答（Michie,1979;Feigenbaum,1977;Hayes-Roth,1983）。专家系统，可以说是一个运用知识进行推理的计算机程序。推理就是使用某种符号逻辑，从一些事实得到结论的过程。3.知识的定义知识是特定领域中的描述、关系和过程；描述：识别和区分知识库中的对象和对象类；-----个体刻画关系：知识库中对象之间依赖性、关联性；---对象间联系的刻画过程：推理中，规定要执行的动作；---用符号描述操作对象：知识库中最小单位的知识片，可能是：假设、事实、证据、结果、知识元、断言等。从广义上来说，专家系统中的知识（表层知识）包括两种：一种是事实；另一种是经验，即一种好的猜测和判断，也称之为启发式知第5页识。4.知识的阈值⑴问题：ES拥有知识的数量与其所具有的问题求解能力之间的关系。回答：系统拥有的领域专门知识越多，其问题求解能力就越强。⑵知识原理：一个系统显示出高水平的智能，其原因是：它具有丰富的专门知识，并且它能有效地利用这些专门知识。这里的“智能”系指在巨大的搜索空间中，能迅速找到合适解的能力。CaP2P1系统拥有的知识数量在C与E之间时，增加系统知识，系统性能改善不够明显，增加的知识有用但不常用，只能用于解决罕见问题。WCEQu系统所能达到的问题求解能力系统所拥有的知识数量系统拥有的知识数量在W与C之间时，每给系统增加一些知识，都会使系统性能明显改善。第6页⑶知识的阈值知识的阈值，确切来说，系指知识的数量阈值，该阈值用来度量一个专家系统在相应的领域中所能达到的问题求解能力。①.合式阈值（W）明确表达一个任务所需要的最小知识数量。②.能力阈值（C）系统拥有的知识数量使它足以解决相应的领域中的大部分问题（约90%左右），这个知识数量称作能力阈值。③．全体专家阈值（E）全体专家阈值系指一个领域中所有人类专家的专门知识的总和。如果一个专家系统所拥有的知识数量达到了全体专家阈值，那么它就几乎能解决相应领域中的所有罕见和困难的问题。5.知识的类型①事实性知识★定义事实性知识是指人类对客观事物属性的描述。一般这种知识中不包含任何变量，可以用一个命题陈述来表达。★例：“北京有一千万人口”，“太阳从东方升起”；★若事实性知识是批量的、有规律的，可用表格、图册和数据库（DB）来表示；★一些事实性知识可用规则来表示。②过程性知识★定义描述做某事的过程，使人或计算机可照此去做。★例：“电视机的维修方法”，“怎样制作松花蛋”，★标准子程序库可表示过程性知识。③实例性知识★定义只给出一些实例，关于某一事物的知识却隐藏在这些实例第7页之中；★例：给出某一超市在过去5年的销售情况数据，从中人们可以找到这样一条规律，“牛奶和面包摆放在同一货架上出售，可以大幅度的促进这两种商品的出售。”★说明人们所关心的不是实例本身，而恰恰是隐藏于其后的规律④行为性知识★定义不直接给出事实本身，只给出它在某些（或某一）方面的行为；★例：给出函数f的若干性质，但没有给出f的解析表达式★说明：行为知识经常被表示成某种数学模型；从某种意义上说，行为知识描述事物的内涵，而不描述事物的外延。【内涵、外延】内涵指概念所反映的客观事物的本质属性。外延指概念所反映的一切事物。与“内涵”相对。如“商品”这一概念的外延是古今中外所存在的一切商品。⑤类比知识★定义既不给出某事物的外延，也不给出其内涵，只给出它与其它事物的某些相似之处；★例谜语一则：“山叠叠而不高，路遥遥而不远，雷轰轰而不雨，雪飘飘而不寒。”以山拟其形，以路拟其圈，以雪拟其粉，以雷拟其声。第8页★类比知识一般不能完整刻画事物，有时会犯瞎子摸象的毛病；★类比知识，或者说类比，可启发人们用一个领域的知识去解决另一个领域的问题。⑤元级知识（简称元知识）★定义关于知识的知识；★最常用的元知识是关于如何使用知识的知识，即元控制知识。6．常用的知识表示形式①产生式（Productions），也称为产生式规则，也简称为规则★规则是最常用的知识表示形式；★例专家系统MYCIN的一条规则（Shortliffe，85），规则中包含不确定性信息，规则强度0.7IFa)微生物的染色体是革兰氏阳性，并且b)微生物的结构是球菌，并且c)微生物的生长形态是链状的THEN有一个强度为0.7的参考性证据说明该微生物的类别是链球菌②框架（Frames）③语义网络（SemanticNets）④脚本（Scripts）⑤逻辑与集合（LogicandSets）⑥知识表示语言（KnowledgeRepresentationLanguage）7.专家系统（基于知识的系统）的体系结构(1)ES的一般结构(OES)第9页(2)元知识系统(MetaKnowledgeSystem)对推理进行控制,以提高知识的使用效率(3)分布式ES(DES)多个物理上分布的专家系统通过网络进行协作求解。(4)多推理机系统（Multi-Engines）DAI，MAS(5)多知识表示结构(6)多知识表示+多推理机(7)多层系统(知识表示:浅层+深层)(8)体系结构动态组织可以根据需要动态调整系统结构++推理机Engine知识库KB数据基GDBMES(MetaExpertSystem)OES第10页8.一个基于规则的专家系统的体系结构（1）黑板（BlackBoard,BB）用来记录系统推理过程中用到的控制信息、中间假设、中间结果的数据基。规划区：纪录对当前问题总的处理规划、目标、问题背景和问题当前状态；议程区：纪录了一些待执行的动作；中间解区：纪录了目前系统产生的中间结果、中间假设。（2）推理机（InferenceEngine）调度器：从议程区中选择下一次要执行的动作；执行器：根据KB中的规定，执行调度器选择的动作；一致性协调器：对执行器新得到的假设做似然性修正。（3）知识获取工具ES建造的瓶颈、目标是全面+精确人机界面输(录)入一致性检验完备性检验编辑知识获取知识化简用户知识工程师推理机执行器调度器一致性协调器数据基(黑板)规划区议程区中间解区知识源解释器知识库事实规则第11页非正式会谈：知识工程师与领域专家协作收集知识；全自动工具机器学习、机器归纳、数据挖掘辅助工具知识编辑录入、求精、一致性、完备性检测（4）解释器对推理的结论给出合理的解释。执行追踪法、预制文本法、策略解释法、自动程序员解释法。（5）人机接口设计要求：友好用户适应类（最低级）：用户适应系统系统适应类（最高级）：系统适应用户（个性化）混合适应类（中间级）：部分用户适应系统，部分系统适应用户9.专家系统（ES）的主要特征这些特征是ES与传统程序的显著差别。①具有显示表达的大量领域专门知识知识库与推理机（Engine）分离导致了专家系统的很大的灵活性（flexible）；知识片（基本知识单位）具有模块性：改变一个知识片一般不会影响其它知识片，如果影响到其它一些知识片（规则），则可自动查找需要修改其它规则；一个知识片不会被其它知识片直接调用。②符号处理基本假设：知识具有可表示性。符号处理符号表示：知识表示为符号体系（形式化体系）；符号处理：运用知识的推理过程就转化为符号推理过程。③智能专家系统是在某领域表现出智能行为的系统。智能水平取决于：知识的多寡和质量；推理机的优劣：推理的完备性、推理效率自适应性：学习求解一般问题的能力。第12页④自推理对系统自身的行为给出解释，说明系统给出答案的由来。10.专家系统的类型分类标准：按所求解问题的类型或特点分类。①解释类专家系统定义：该类专家系统的任务是通过对已知数据信息的分析、解释，确定其内涵。例子：自然语言理解，图像分析，化学结构分析，信号解释（通过对声纳收集的舰船发动机声音识别舰船）等。特点：数据通常是不准确、有错误、有丢失，数据量大。要求系统能从不完备信息中得出解释，并对数据做出某些假设，推理过程可能会很复杂、很长，系统需要对自身的推理过程给出解释。②预报类专家系统定义：通过对过去和现在已知情况的分析来推断将来可能发生的情况。例子：天气预报、自然灾害预报、人口、经济谷物收成等。特点：数据随时间变化，数据不准确、不完全，系统应提供随时间变化的动态模型，可以从不完全、不准确的信息中得出预报，并要达到一定的反应速度。③诊断类专家系统定义：从观察的情况中推断