浅谈专家系统的发展现状和展望

浅谈专家系统的发展现状和展望摘要：专家系统是人工智能领域最重要的应用之一。介绍了专家系统的含义与结构，对专家系统的研究与应用现状、开发方法进行了论述，并提出了新型专家系统的发展趋势与特点，指出专家系统重大的社会和经济价值。关键词：人工智能；专家系统；研究现状；应用现状；发展趋势；开发方法；引言：电子计算机的研制成功是科学发展史上具有开拓意义的伟大创举之一。在短短的几十年中,它已成为现代科学不可缺少的重要工具,其功用已涉及到各行各业。随着大型计算机的开发和在各个领域中的广泛应用,在竞争意识相当强烈、技术更新十分迅速的今天,传统的数据处理系统愈来愈不能满足科学发展的需要,最终必将导致人工智能(AI)的出现，而作为AI的重要分支，专家系统（ES）必将发挥越来越重要的作用。1专家系统概述1.1专家系统的含义专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。1.2专家系统的结构每个专家系统所需要完成的任务和特点不相同，其系统结构也有一定的差别，但基本结构一般由知识库、数据库、推理机、知识获取、咨询解释和人机接口等6部分组成，其中知识库和推理机是核心部分。（1）知识库：专家系统存储知识的地方。主要用于收集和存储某领域专家的经验、知识及书本知识、常识等，包括可行操作、事实和规则等；（2）综合数据库：综合数据库又称总数据库或全局数据库，主要用于存放有关问题求解的假设、初始数据、目标、求解状态、中间结果以及最终结果；（3）推理机：推理机是专家系统的核心部分，实际是一组计算机程序，用于模拟专家的思维过程，控制、协调整个专家系统的工作。它根据用户所提供的初始数据和问题求解要求，运用知识库中的事实和规则，按照一定的推理方法和控制策略对问题进行推理求解，并将产生的结果输出给用户；（4）知识获取子系统：在建造和维护知识库时充当专家系统和领域专家、知识工程师的接口；（5）解释子系统：解释机构由一组计算机程序组成，它对推理给出必要的解释，并根据用户问题的要求做出相应的回应，最后把结果通过人机接口输出给用户，以增强用户对系统推理的理解和信任；（6）人机接口：用户、专家系统和领域专家知识工程师之间沟通的媒介，它把三者交互的信息转换成彼此都能够理解的形式，由一组程序及相应的硬件组成，用于完成I/O工作。1.3专家系统的特征（1）知识丰富。积累了相当数量专家的知识；（2）启发性。专家系统能运用专家知识进行判断、推理和决策；（3）复杂度高。知识库中的知识虽然涉及的面比较窄，但是它具有较高的复杂度与难度；（4）具有获取知识的能力；（5）透明性。具有解释功能，并能回答用户提出的问题，提高用户与系统之间的透明度；（6）灵活性。知识与推理机构彼此既有联系，又相互独立，使专家系统具有良好的可维护性和可扩展性。2专家系统的现状ES是AI的一个重要分支，也称为基于知识的系统，它产生于二十世纪中期，经过多年的科学研究，理论水平日益成熟，其应用也得到了飞速发展。至今，世界各国已经在地质勘查、医疗诊断、化学工程、图像处理、语言识别、信号处理、军事、农业、交通等领域研制出了大量的实用专家系统，其中不少系统在性能上已经超过了同领域人类专家的水平，取得了很大的经济效益。2.1专家系统的研究现状（1）基于规则的专家系统：采用产生式知识表示方法的专家系统。它以产生式系统为基础，是专家系统开发中常用的一种方式。早期的专家系统大多数是用规则推理的方法，如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR专家系统等。（2）基于案例的专家系统：通过搜索曾经成功解决过的类似问题，比较新、旧问题之间的特征、发生背景等差异，重新使用或参考以前的知识和信息，达到最终解决新问题的专家系统。第一个真正意义上的基于案例的专家系统是1983年由耶鲁大学JanetKolodner教授领导开发的CYRUS系统。（3）基于框架的专家系统：采用框架知识表示方法的专家系统。它以框架系统为基础，具有较好的结构化特性。框架表示法最突出的特点是善于表达结构性的知识，且具有良好的继承性和自然性。因此，基于框架的专家系统适合于具有固定格式的事物、动作或事件。（4）基于模糊逻辑的专家系统：采用模糊逻辑知识表示方法的专家系统。和二值的波尔逻辑不同，模糊逻辑是多值的。它处理归属的程度和可信的程度。模糊逻辑使用介于0（完全为假）和1（完全为真）之间逻辑值得连续区间。与非黑即白不同，它就如颜色的色谱，可以接受同时部分为真和部分为假的事物。（5）基于D-S证据理论的专家系统：基于证据理论知识表示方法的专家系统。证据理论是由Dempster于1967年首先提出，由他的学生Shafer于1976年进一步发展起来的一种不精确推理理论，也称为Dempster/Shafer证据理论，属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。（6）基于人工神经网络的专家系统：一种以人工神经网络为前提构建的专家系统。神经网络作为前端的知识获取器，其获取的知识存储在网络的权值和阈值当中，并由网络的并行计算而得到网络的输出结果，此结果根据专家的经验判断转换成可描述的知识规则，输入到专家系统的推理机里面。专家系统的推理机处理的是各个神经网络输出结果转换后的知识及以面向对象方式存储在知识库中的专家经验知识，最后，由专家系统的推理机得到领域问题的最后结果。（7）基于Web的专家系统：Web数据交换技术与传统专家系统集成所得到的一种先进专家系统。它利用Web浏览器实现人机交互，基于Web专家系统中的各类用户都可通过浏览器访问专家系统。从结构上，它由浏览器、应用服务器和数据库服务器三个层次所组成。2.2专家系统的应用现状（1）解释型：根据实验、勘测得到的信号数据，确定这些数据的含义。如著名的DENDRAL专家系统就属于此类型，它通过质谱和数据分析的结果，判定有机化合物的分子结构，并进行解释。（2）诊断型：根据观察现象及测得的数据，推断系统故障的地点和性质。如医疗诊断专家系统MYCIN、计算机硬件故障诊断系统DART、化学处理工厂故障诊断系FALCON等。（3）预测型：根据过去和现在的数据来预报未来的趋向。如谷物黑夜盗蛾虫害系统PLANT／CD、各种气象预报系统、军事冲突预测系统I&W等。（4）规划型：根据给定的目标及一定的约束条件来拟定计划。如安排宇航员实现空间站中活动的KNEECAP系统、制订最佳行车路线的CARG系统等。（5）设计型：根据给定的要求形成所需要的方案。如计算机的总体配置XCON系统、自动程序设计系统PSI、超大规模集成电路辅助设计系统KBVLSI等。（6）监测型：用于完成实时监测任务的。如航空母舰周围空中交通管理系统AIRPLA、核反应堆事故诊断与处理系统REACTOR、高危病人监护系统VM等。（7）教育型：根据学生的问题，找出学习中存在的问题并提出解决方法。如计算机辅助医学、科学教育的GUIDON系统，医疗辅助教学的NEOMYCIN系统。（8）控制型：用于控制机器的行为。如帮助DigitalCorporation计算机制造及分配之控制系统PTRANS等。3专家系统的发展趋势目前，专家系统的开发不仅要采用各种定性的模型，而且要将各种模型综合运用，还要大胆采取人工智能和计算机技术的一些新思想和新技术。它的发展趋势呈现出几个的特点。（1）并行与分布处理：基于各种并行算法，采用各种并行推理和执行技术，适合在多处理的硬件环境中工作。系统中的多处理器应该能够同步和异步并行处理。（2）多专家系统协同工作：各个子专家系统之间可以互相通信，通过多个子专家系统的协同工作，以扩大整个专家系统的解题能力，而不像分布处理特征那样主要是为了提高系统的处理效率。（3）自主学习功能：新型专家系统应提供高级的知识获取与学习功能。应提供合用的知识获取工具，从而面对知识获取这个“瓶颈”问题有所突破。（4）引入新的推理机制：现存的大部分专家系统只能做演绎推理。在新型专家系统中，除演绎推理之外，还有归纳推理（包括联想、类比等推理）、各种非标准逻辑推理（例如非单调逻辑推理、加权逻辑推理等）以及各种基于不完全知识和模糊知识的推理等。（5）自我纠错与自我完善能力：有了自纠错能力后，专家系统就会随着时间的推移，通过反复运行不断地修正错误，不断完善自己，并使知识越来越丰富。（6）先进的智能人机接口：理解自然语言，实现语声、文字、图形和图像的直接输入输出是当今人们对智能计算机提出的要求，也是对新型专家系统的期望。数十年来对ES的研究和实践表明，现有的ES的确在很多方面具备AI所拥有的能力，并且在装备故障诊断和地质勘探领域中取得了相当程度的成功应用，但是也存在较多明显的局限性，主要表现在以下四个方面。一是知识获取的瓶颈有限。一方面很难将专家的知识经验用准确的规则描述；另一方面获取知识的工作量却非常大。二是自适应能力差。多数专家系统都局限在以某专业领域的知识经验为基础对用户问题进行求解，对那些系统知识经验未涉及到的问题，就无法求解，甚至输出错误的结论。三是自学习能力差。不能从求解过的问题中自动学习新的知识，不能从求解问题成败中积累经验，不能自动修正原有知识库结束语：本文介绍了专家系统的含义、研究应用现状、发展趋势和开发方法。专家系统的研究与应用技术不断更新，这就要求我们在现有成果的基础上不断完善专家系统的开发方法。将来，随着专家系统技术研究与应用的不断深入与发展，将会带动人类社会智能化水平的不断提高和经济的快速发展。参考文献：[1]蔡自兴，徐光祐.人工智能及其应用[M].北京：清华大学出版社，2004.[2]武波，马玉祥.专家系统[M].北京：北京理工大学出版社，2001.[3]许丽佳.D-S证据理论在信息融合中的改进[J].系统工程与电子技术，2004,26(6):717-720.[4]梁静.神经网络专家系统一体化理论与实现.北京科技大学博士论文，1999:35-37.[5]尤凤英.专家系统软件的开发与利用[J].山东省农业管理干部学院学报,2007,23(4):163-165.[6]杨兴,朱大奇,桑庆兵.专家系统研究现状与展望[J].计算机应用研究,2007,24(5)4-9.[7]郭伟伟.基于故障树技术的远程故障诊断专家系统的研究[D].西安:西北工业大学,2007.