第7章专家控制系统 教学内容 首先介绍专家系统基本概念、特征、组成以及基本类型。。然后讲授专家控制系统的工 作原理,最后介绍了建立专家系统的步骤和专家控制器 教学重点 1.专家系统的概念,即它是一种模拟人类专家解决领域问题的计算机程序系统。将专 家系统同控制理论和技术相结合,对系统进行控制形成专家控制系统。把专家系统作为控制 器称为专家控制器。专家系统的基本组成,即由知识库、推理机、解释接口等组成。 2.专家控制系统工作原理。专家系统设计的基本步骤:认识和阶段化概念,实现阶段, 获取知识、构造外部知识库,调试和检验阶段。 教学难点 专家系统的工作原理、知识的表示和获取,专家系统的设计。 教学要求 1.了解专家系统的概念,理解专家控制系统、专家控制器的概念 2.掌握专家系统的特征、组成和基本类型 3.理解专家控制系统的工作原理。知识的表示和获取。 4.掌握建立专家系统的步骤 5.了解专家控制器的组成,专家控制器的设计原则 71概述 711专家系统的起源与发展 人工智能科学家一直在致力于硏制在某种意义上讲能够思维的计算机软件,用以“智能 化”的处理、解决实际问题。60年代,科学家们试图通过找到解决多种不同类型问题的通 用方法来模拟思维的复杂过程,并将这些方法用于通用目的的程序中。然而事实证明这种“通 用”程序处理的问题类型越多,对任何个别问题的处理能力似乎就越差。后来,科学家们认 识到了问题的关键即计算机界程序解决问题的能力取决于它所具有的知识量的大小。为使 个程序智能化,必须使其具有相关领域的大量高层知识。为解决某具体专业领域问题的计算 机程序系统的开发研制工作,导致专家系统这一新兴学科的兴起。 从本质上讲,专家系统是一类包含着知识和推理的智能计算机程序,其内部含有大量的 某个领域专家水平的知识和经验,能够利用人类专家的知识和解决问题的方法来处理该领域 的问题。 1965年斯坦福大学开始建立用于分析化合物内部结构的 DENTRAL系统,首先使用了 “专家系统”的概念。70年代末,该校又研制成功了著名的医疗系统 MYCIM和用于矿藏 勘探的 PROSPECTOR系统,推动了专家系统的开发研究和应用。80年代,专家系统的研究 开发进入了高潮,应用范围涉及到工业、农业、国防、教育及教学、物理、控制等许多领域。 在控制系统辅助设计、故障诊断和系统控制等方面得到了推广应用。专家系统的硏究发展 促进了人工智能科学的进步,也使专家系统本身成为人工智能科学的一个重要分支领域 第1页共12页
第7章 专家控制系统 教学内容 首先介绍专家系统基本概念、特征、组成以及基本类型。。然后讲授专家控制系统的工 作原理，最后介绍了建立专家系统的步骤和专家控制器。 教学重点 1．专家系统的概念，即它是一种模拟人类专家解决领域问题的计算机程序系统。将专 家系统同控制理论和技术相结合，对系统进行控制形成专家控制系统。把专家系统作为控制 器称为专家控制器。专家系统的基本组成，即由知识库、推理机、解释接口等组成。 2．专家控制系统工作原理。专家系统设计的基本步骤：认识和阶段化概念，实现阶段， 获取知识、构造外部知识库，调试和检验阶段。 教学难点 专家系统的工作原理、知识的表示和获取，专家系统的设计。 教学要求 1．了解专家系统的概念，理解专家控制系统、专家控制器的概念。 2．掌握专家系统的特征、组成和基本类型。 3．理解专家控制系统的工作原理。知识的表示和获取。 4．掌握建立专家系统的步骤。 5．了解专家控制器的组成，专家控制器的设计原则。 7.1 概述 7.1.1 专家系统的起源与发展 人工智能科学家一直在致力于研制在某种意义上讲能够思维的计算机软件，用以“智能 化”的处理、解决实际问题。60 年代，科学家们试图通过找到解决多种不同类型问题的通 用方法来模拟思维的复杂过程，并将这些方法用于通用目的的程序中。然而事实证明这种“通 用”程序处理的问题类型越多，对任何个别问题的处理能力似乎就越差。后来，科学家们认 识到了问题的关键即计算机界程序解决问题的能力取决于它所具有的知识量的大小。为使一 个程序智能化，必须使其具有相关领域的大量高层知识。为解决某具体专业领域问题的计算 机程序系统的开发研制工作，导致专家系统这一新兴学科的兴起。 从本质上讲，专家系统是一类包含着知识和推理的智能计算机程序，其内部含有大量的 某个领域专家水平的知识和经验，能够利用人类专家的知识和解决问题的方法来处理该领域 的问题。 1965 年斯坦福大学开始建立用于分析化合物内部结构的 DENTRAL 系统，首先使用了 “专家系统”的概念。70 年代末，该校又研制成功了著名的医疗系统 MYCIM 和用于矿藏 勘探的 PROSPECTOR 系统，推动了专家系统的开发研究和应用。80 年代，专家系统的研究 开发进入了高潮，应用范围涉及到工业、农业、国防、教育及教学、物理、控制等许多领域。 在控制系统辅助设计、故障诊断和系统控制等方面得到了推广应用。专家系统的研究发展， 促进了人工智能科学的进步，也使专家系统本身成为人工智能科学的一个重要分支领域。 第 1 页 共 12 页
现在专家系统技术广泛地应用于医疗诊断、语音识别、图像处理、金融决策、地址勘探、 石油化工、教学、军事、计算机设计等领域。由知识工程师从人类专家那里抽取他们求解问 题的过程、决策和经验规则,然后把这些知识建造在专家系统中,人们把建造一个专家系统 的过程称为“知识工程”。 专家系统可以解决额问题一般包括解释、预测、诊断、设计、规划、监视、指导和控制 等。发展专家系统的关键是表达和运用专家知识,即来自人类的并已经被证明对解决有关领 域内的典型问题是有用的事实和过程。专家系统和传统的计算机“应用程序”最本质的不同 之处在于,专家系统所要解决的问题一般没有算法解,并且经常要在不完全、不精确或不确 定的信息基础上做出结论 随着人工智能整体水平的提高,专家系统也在发展。第一代专家系统只利用人类专家的 启发式知识,即只利用浅层表达方式和推理方法。浅层知识一般表示成产生式规则的形式 即如果(前提),那么(结论)。这种形式的浅层知识之所以具有启发性,是因为它从观测到 的数据(前提)联想到中间事实或最终结论,这种逻辑推理过程短、效率高。但事实证明, 只靠经验知识是不够的,当人类遇到新问题时,没有直接经验,谈不上运用基于经验的浅层 启发性知识来解决问题,而只能利用掌握的深入表示事物的结构、行为和功能方面的基本模 型等深层知识得出新的启发式浅层知识。仅局限于熟练技能而不具有深层知识的人,不能称 其为人类专家。因此,旨在模拟人类专家的智能程序(专家系统)应当具备浅层和深层两类 知识。这种不但采用基于规则的方法,而且采用基于模型的原理的专家系统构成了新一代的 专家系统。 712专家系统的一般结构 专家系统由知识库( Knowledge base)、推理机( Inference engine)、综合数据库( Global atabase)、解释接口( Explanation Interface)和知识获取( Knowledge Acquisition)等五部 分组成 问题描述 用 解答、建议 知识库 综合数据库 或解释 知识获取 领域专家 专家系统中的知识的组织方式是,把问题领域的知识和系统的其他知识分离开来,后者 是关于如何解决问题的一般知识或如何与用户打交道的知识。领域知识的集合称为知识库, 而通用的问题求解知识称为推理机。按照这种方式组织知识的程序称为基于知识的系统,专 家系统是基于知识的系统。知识库和推理机是专家系统中两个主要的组成要素。 知识库 知识库是知识的存储器,用于存储领域专家的经验性知识以及有关的事实、一般常识等。 知识库中的知识来源于知识获取机构,同时它又为推理机提供求解问题所需的知识。 2.推理机 推理机是专家系统的“思维”机构,实际上是求解问题的计算机软件系统。其主要功能 是协凋、控制系统,决定如何选用知识库中的有关知识,对用户提供的证据进行推理,求得 第2页共12页
现在专家系统技术广泛地应用于医疗诊断、语音识别、图像处理、金融决策、地址勘探、 石油化工、教学、军事、计算机设计等领域。由知识工程师从人类专家那里抽取他们求解问 题的过程、决策和经验规则，然后把这些知识建造在专家系统中，人们把建造一个专家系统 的过程称为“知识工程”。 专家系统可以解决额问题一般包括解释、预测、诊断、设计、规划、监视、指导和控制 等。发展专家系统的关键是表达和运用专家知识，即来自人类的并已经被证明对解决有关领 域内的典型问题是有用的事实和过程。专家系统和传统的计算机“应用程序”最本质的不同 之处在于，专家系统所要解决的问题一般没有算法解，并且经常要在不完全、不精确或不确 定的信息基础上做出结论。 随着人工智能整体水平的提高，专家系统也在发展。第一代专家系统只利用人类专家的 启发式知识，即只利用浅层表达方式和推理方法。浅层知识一般表示成产生式规则的形式， 即如果（前提），那么（结论）。这种形式的浅层知识之所以具有启发性，是因为它从观测到 的数据（前提）联想到中间事实或最终结论，这种逻辑推理过程短、效率高。但事实证明， 只靠经验知识是不够的，当人类遇到新问题时，没有直接经验，谈不上运用基于经验的浅层 启发性知识来解决问题，而只能利用掌握的深入表示事物的结构、行为和功能方面的基本模 型等深层知识得出新的启发式浅层知识。仅局限于熟练技能而不具有深层知识的人，不能称 其为人类专家。因此，旨在模拟人类专家的智能程序（专家系统）应当具备浅层和深层两类 知识。这种不但采用基于规则的方法，而且采用基于模型的原理的专家系统构成了新一代的 专家系统。 7.1.2 专家系统的一般结构 专家系统由知识库（Knowledge Base）、推理机（Inference Engine）、综合数据库（Global Database）、解释接口（Explanation Interface）和知识获取（Knowledge Acquisition）等五部 分组成。 专家系统中的知识的组织方式是，把问题领域的知识和系统的其他知识分离开来，后者 是关于如何解决问题的一般知识或如何与用户打交道的知识。领域知识的集合称为知识库， 而通用的问题求解知识称为推理机。按照这种方式组织知识的程序称为基于知识的系统，专 家系统是基于知识的系统。知识库和推理机是专家系统中两个主要的组成要素。 1. 知识库 知识库是知识的存储器，用于存储领域专家的经验性知识以及有关的事实、一般常识等。 知识库中的知识来源于知识获取机构，同时它又为推理机提供求解问题所需的知识。 2. 推理机 推理机是专家系统的“思维”机构，实际上是求解问题的计算机软件系统。其主要功能 是协凋、控制系统，决定如何选用知识库中的有关知识，对用户提供的证据进行推理，求得 第 2 页 共 12 页
问题的解答或证明某个结论的正确性 推理机的运行有不同的控制策略。正向推理或数据驱动策略是从原始数据和已知条件推 断出结论的方法;而反向推理或目标驱动策略则是先提出结论或假设,然后寻找支持这个结 论或假设的条件或证据,如果成功则结论成立,推理成功:双向推理方法为首先运用正向推 理帮助系统提出假设,然后运用反向推理寻找支持该假设的证据。 3.综合数据库(全局数据库) 综合数据库又称为“黑板”或“数据库”。它是用于存放推理的初始证据、中间结果以 及最终结果等的工作存储器( Working Memory)。综合数据库的内容是在不断变化的。在求 解问题的初始,它存放的是用户提供的初始证据。在推理过程中,它存放每一步推理所得的 结果。推理机根据数据库的内容从知识库中选择合适的知识进行推理,然后又把推理结果存 入数据库中,同时又可记录推理过程中的有关信息,为解释接口提供回答用户咨询的依据。 4.解释接口 解释接口又称人一机界面,它把用户输入的信息转换成系统内规范化的表示形式,然后 交给相应模块去处理,把系统输出的信息转换为用户易于理解的外部表示形式显示给用户, 回答用户提出的“为什么?”“结论是如何得出的?”等问题。另外,能对自己的行为做出 解释,可以帮助系统建造者发现知识库及推理机中的错误,有助于对系统的调试。这是专家 系统区别于一般程序的重要特征之 5.知识获取 知识获取是指通过人工方法或机器学习的方法,将某个领域内的事实性知识和领域专家 所特有的经验性知识转化为计算机程序的过程。早期的专家系统完全依靠领域专家,和知识 工程师共同合作,把该领域内的知识总结归纳出来,规范化后送人知识库。对知识库的修改 和扩充也是在系统的调试和验证中进行的,是一件很困难的工作。知识获取被认为是专家系 统中的一个“瓶颈”问题 目前,一些专家系统已经具有了自动知识获取的功能。自动知识获取包括两个方面 是外部知识的获取,通过向专家提问,以接受教导的方式接收专家的知识,然后把它转换成 内部表示形式存入知识库;二是内部知识获取,即系统在运行中不断从错误和失败中归纳总 结经验,并修改和扩充知识库。 713专家系统的知识表示和获取 专家系统的性能主要取决于所拥有知识的数量和质量,所以知识的表示和获取是开发和 利用专家系统的关键环节。 知识的表示 知识表示是将相关领域的知识形式化,以便被计算机存储并有效地运用。因此,知识表 示在专家系统设计中占有重要地位。一种好的知识表示方法应具备如下性质 (1)充分表达:它应当有能力表达有关领域内的各种所需知识。 (2).充分推理:知识表示的形式应当有利于从旧知识推出新知识,导出新结构。 (3)有效推理:它应当有能力把附加信息结合到结构中去,这些信息能使推理机把搜索 方向放到最有希望获得最佳解的方向上。 (4)有效的知识获取:它有能力促使很方便的获取新知识,更新知识库。 在人工智能领域里,知识表示大致可以分为叙述型方法和过程型方法两类 在叙述型方法中,大多数知识可以表示成为一个稳定的事实集合,连同控制这些事实 组通用过程。该表示方法的优点是 (1)每条知识只须存储一次,与用不同方法运用这些知识的次数无关。 (2)容易在不改变已有知识和过程的条件下对系统加入新知识 第3页共12页
问题的解答或证明某个结论的正确性。 推理机的运行有不同的控制策略。正向推理或数据驱动策略是从原始数据和已知条件推 断出结论的方法；而反向推理或目标驱动策略则是先提出结论或假设，然后寻找支持这个结 论或假设的条件或证据，如果成功则结论成立，推理成功；双向推理方法为首先运用正向推 理帮助系统提出假设，然后运用反向推理寻找支持该假设的证据。 3. 综合数据库（全局数据库） 综合数据库又称为“黑板”或“数据库”。它是用于存放推理的初始证据、中间结果以 及最终结果等的工作存储器（Working Memory）。综合数据库的内容是在不断变化的。在求 解问题的初始，它存放的是用户提供的初始证据。在推理过程中，它存放每一步推理所得的 结果。推理机根据数据库的内容从知识库中选择合适的知识进行推理，然后又把推理结果存 入数据库中，同时又可记录推理过程中的有关信息，为解释接口提供回答用户咨询的依据。 4. 解释接口 解释接口又称人—机界面，它把用户输入的信息转换成系统内规范化的表示形式，然后 交给相应模块去处理，把系统输出的信息转换为用户易于理解的外部表示形式显示给用户， 回答用户提出的“为什么？”“结论是如何得出的？”等问题。另外，能对自己的行为做出 解释，可以帮助系统建造者发现知识库及推理机中的错误，有助于对系统的调试。这是专家 系统区别于一般程序的重要特征之一。 5. 知识获取 知识获取是指通过人工方法或机器学习的方法，将某个领域内的事实性知识和领域专家 所特有的经验性知识转化为计算机程序的过程。早期的专家系统完全依靠领域专家，和知识 工程师共同合作，把该领域内的知识总结归纳出来，规范化后送人知识库。对知识库的修改 和扩充也是在系统的调试和验证中进行的，是一件很困难的工作。知识获取被认为是专家系 统中的一个“瓶颈”问题。 目前，一些专家系统已经具有了自动知识获取的功能。自动知识获取包括两个方面：一 是外部知识的获取，通过向专家提问，以接受教导的方式接收专家的知识，然后把它转换成 内部表示形式存入知识库；二是内部知识获取，即系统在运行中不断从错误和失败中归纳总 结经验，并修改和扩充知识库。 7.1.3 专家系统的知识表示和获取 专家系统的性能主要取决于所拥有知识的数量和质量，所以知识的表示和获取是开发和 利用专家系统的关键环节。 1. 知识的表示 知识表示是将相关领域的知识形式化，以便被计算机存储并有效地运用。因此，知识表 示在专家系统设计中占有重要地位。一种好的知识表示方法应具备如下性质： (1). 充分表达：它应当有能力表达有关领域内的各种所需知识。 (2). 充分推理：知识表示的形式应当有利于从旧知识推出新知识，导出新结构。 (3). 有效推理：它应当有能力把附加信息结合到结构中去，这些信息能使推理机把搜索 方向放到最有希望获得最佳解的方向上。 (4). 有效的知识获取：它有能力促使很方便的获取新知识，更新知识库。 在人工智能领域里，知识表示大致可以分为叙述型方法和过程型方法两类。 在叙述型方法中，大多数知识可以表示成为一个稳定的事实集合，连同控制这些事实的 一组通用过程。该表示方法的优点是： (1). 每条知识只须存储一次，与用不同方法运用这些知识的次数无关。 (2). 容易在不改变已有知识和过程的条件下对系统加入新知识。 第 3 页 共 12 页
在过程型表示法中,知识被表示成如何运用这些知识的过程。此表示方法的优点是 (1)很容易表达如何去做某件事的知识 (2)很容易表达用简单的叙述型方法较难表达的知识,例如缺省推理和概率推理。 (3)很容易表达如何有效地做某件事的启发式知识。 传统专家系统主要应用的知识表示方法有谓词、语义网、框架、产生式系统等。这些方 法基本上届于叙述型知识表示法,有些也结合了过程型知识表示法。实际上,在大多数应用 领域中专家系统既需要状态方面的知识,如有关事物,事件的事实,它们之间的关系以及周 围事物的状态等,也需要如何运用这些知识的知识,所以很多场合都是这两类方法的组合。 例如,在过程控制应用中,输入一输出是一个动态关系,而本身又是一个过程。因此在专家 系统控制中,知识表示除了使用叙述方法外,还经常使用过程型方法 传统专家系统的知识主要是人类专家求解某领域问题的专门知识、经验和技巧的形式 化、称之为启发式知识,适合于用规则、框架等方法表示。这些知识是专家多年实践经验的 总结和概括,是该领域极其宝贵的高层次知识。它具有容易表示、推理简捷、搜索效率高的 突出优点,因而被广泛应用于实际,并对专家系统乃至人工智能的发展应用起到了积极的推 动作用。然而启发性知识往往是不完备的或不一致的,基于这种知识在某些情况下可能得不 出正确解或者无法求得有效解,有时即使得到正确解也不能给出有说服力的解释。因此,单 的启发式知识和基于规则的表示也限制了专家系统的进一步发展。 为了克服传统知识表示方法的局限性,人们提出了基于神经网络模型、定性物理模型、 可视化模型等的知识表示法,从而将专家系统研究推到了一个新阶段。出现了新一代专家系 统 (1)神经网络模型。神经网络研究在80年代末取得了重大进展,并被广泛应用于各学 科领域。神经网络是一种基于并行计算的分布式结构网络,它对所有目标同时进行计算,信 息分散在网络内部,每个结点及其连接上只表达一部分信息而不是某个具体的概念。知识以 每个神经元的特性和神经元间连接的权值形式分布式地隐式存储。因而可以在一定程度上模 拟专家凭直觉解决局部不确定性问题的过程 (2)定性物理模型。人工智能不是以物理量形式去定量描述客观对象的结构行为,只是 定性地描述其升高、缩小、不变等状态,我们称这种模型为定性物理模型。定性物理模型仅 在各物理量本身的描述上表现出不确定性,在物理量之间的关系描述上却是精确的。从知识 表示角度看,定性物理模型不同于启发式心理模型,后者更强调直觉,只关心专家的经验和 知识,这对复杂对象的描述是不够的。从专家系统的整体角度看,定性物理模型在推理精度 和解释能力方面都优于启发式心理模型。 定性物理模型的知识表示包括结构描述、行为描述和仿真。结构描述用一个网络表示, 网络结点表示物理量,结点间的连接表示物理量间的关系。行为描述则是在不同的输入值下 获得结点值的表示。仿真则是根据一组规则(附在相应的连接上)表示特定结构下结点值的 传播,也就是将结构描述转化为行为描述的操作(或推理)。 (3)可视化知识模型。可视化知识模型用图形来表达知识,它具有更直观更集中的特点。 所用图形大致分为3类: 是表达抽象意义(如树状图): 二是表达物理实体的示意图(如流程图、框图、电路图等); 三是描述变量特征的图(如曲线图、直方图等)。 前两类图形对应于基于启发式的心理模型和定性物理模型,第三类图形对应于神经网络 模型 可视化知识模型可作为专家系统的重要工具,它不仅使专家具有可信性,而且可以通过 对推理的解释发现知识库的不一致性和不完备性。此外,还可以利用图形编辑、指导知识获 第4页共12页
在过程型表示法中，知识被表示成如何运用这些知识的过程。此表示方法的优点是： (1). 很容易表达如何去做某件事的知识。 (2). 很容易表达用简单的叙述型方法较难表达的知识，例如缺省推理和概率推理。 (3). 很容易表达如何有效地做某件事的启发式知识。 传统专家系统主要应用的知识表示方法有谓词、语义网、框架、产生式系统等。这些方 法基本上届于叙述型知识表示法，有些也结合了过程型知识表示法。实际上，在大多数应用 领域中专家系统既需要状态方面的知识，如有关事物，事件的事实，它们之间的关系以及周 围事物的状态等，也需要如何运用这些知识的知识，所以很多场合都是这两类方法的组合。 例如，在过程控制应用中，输入一输出是一个动态关系，而本身又是一个过程。因此在专家 系统控制中，知识表示除了使用叙述方法外，还经常使用过程型方法。 传统专家系统的知识主要是人类专家求解某领域问题的专门知识、经验和技巧的形式 化、称之为启发式知识，适合于用规则、框架等方法表示。这些知识是专家多年实践经验的 总结和概括，是该领域极其宝贵的高层次知识。它具有容易表示、推理简捷、搜索效率高的 突出优点，因而被广泛应用于实际，并对专家系统乃至人工智能的发展应用起到了积极的推 动作用。然而启发性知识往往是不完备的或不一致的，基于这种知识在某些情况下可能得不 出正确解或者无法求得有效解，有时即使得到正确解也不能给出有说服力的解释。因此，单 一的启发式知识和基于规则的表示也限制了专家系统的进一步发展。 为了克服传统知识表示方法的局限性，人们提出了基于神经网络模型、定性物理模型、 可视化模型等的知识表示法，从而将专家系统研究推到了一个新阶段。出现了新一代专家系 统。 （1）神经网络模型。神经网络研究在 80 年代末取得了重大进展，并被广泛应用于各学 科领域。神经网络是一种基于并行计算的分布式结构网络，它对所有目标同时进行计算，信 息分散在网络内部，每个结点及其连接上只表达一部分信息而不是某个具体的概念。知识以 每个神经元的特性和神经元间连接的权值形式分布式地隐式存储。因而可以在一定程度上模 拟专家凭直觉解决局部不确定性问题的过程。 （2）定性物理模型。人工智能不是以物理量形式去定量描述客观对象的结构行为，只是 定性地描述其升高、缩小、不变等状态，我们称这种模型为定性物理模型。定性物理模型仅 在各物理量本身的描述上表现出不确定性，在物理量之间的关系描述上却是精确的。从知识 表示角度看，定性物理模型不同于启发式心理模型，后者更强调直觉，只关心专家的经验和 知识，这对复杂对象的描述是不够的。从专家系统的整体角度看，定性物理模型在推理精度 和解释能力方面都优于启发式心理模型。 定性物理模型的知识表示包括结构描述、行为描述和仿真。结构描述用一个网络表示， 网络结点表示物理量，结点间的连接表示物理量间的关系。行为描述则是在不同的输入值下 获得结点值的表示。仿真则是根据一组规则（附在相应的连接上）表示特定结构下结点值的 传播，也就是将结构描述转化为行为描述的操作（或推理）。 （3）可视化知识模型。可视化知识模型用图形来表达知识，它具有更直观更集中的特点。 所用图形大致分为 3 类： 一是表达抽象意义（如树状图）： 二是表达物理实体的示意图（如流程图、框图、电路图等）； 三是描述变量特征的图（如曲线图、直方图等）。 前两类图形对应于基于启发式的心理模型和定性物理模型，第三类图形对应于神经网络 模型。 可视化知识模型可作为专家系统的重要工具，它不仅使专家具有可信性，而且可以通过 对推理的解释发现知识库的不一致性和不完备性。此外，还可以利用图形编辑、指导知识获 第 4 页 共 12 页
取的进程。 (4)定性定量综合物理模型表示法。定量物理模型是通常意义的数学模型(如代数方程、 微分方程、传递函数等),它不属于人工智能的研究范畴,但却具有能够精确表示物理量之 间数量关系的优点。近些年来,在新一代专家系统硏究中,有把定性模型与定量模型综合运 用的趋势,提出了定性定量综合物理模型表示方法和相应推理方法硏究的新课题。 2.知识的获取 早期专家系统的知识获取工作由知识工程师完成。知识工程帅在广泛了解专家系统应用 领域的背景知识基础上,通过多次与相关领域的专家交谈,总结、整理、精炼专家的知识和 经验。初步掌握专家知识后,通过编辑,用专家的专业知识构成专家系统知识库。专家系统 原型建造完成后,在通过实例对系统功能进行测试的基础上,工程师再反复与专家交谈,并 对知识序进行修改、逐步完善知识库。整个知识的获取和知识库的完善过程往往要花费很长 时间。 随着专家系统硏究的进展,人们硏制出了知识库编辑器,帮助知识工程师完成知识获取 工作。知识工程师通过和相关领域专家的交谈,了解该领域专业知识的特点,确定知识表示 方法。设计知识库结构和知识编辑器。知识获取则由编辑器完成。编辑器借助于人一机接口 按一定的数据结构格式直接和专家“对话”,或向专家提出问题,请专家回答或要求专家按 规定格式描述自己的知识。在此基础上,编辑器将从专家那里获取的知识通过知识库管理系 统填入知识库的结构中去。通常知识编辑器除具有获取知识功能外,还具有对知识库査询、 修改、检验以及更新等编辑功能,用以逐步完善知识库。 常乙新一代专家系统的主要特征就是在知识表示和知识获取方面的改进。在知识获取过程中 器学习的方法,促进了专家系统的进一步发展。学习在知识获取方面的作用主要表现 (1)在专家指导下,通过实例训练,完成知识获取工作。例如神经网络模型的表示,专 家通过实例,提供网络输入输出样本。在训练过程中调节网络结点间的连按权值获取并存储 专家的知识。通过提供新的训练样本,可以不断地学习,提高学习精度,完善自己的知识。 (2)通过在线地对专家系统性能的测试,并按一定的学习规则修改和完善专家系统的知 识库,从而不断提高系统的性能。这里,系统性能判别的准则由专家来提供 (3)在综合定性模型和定量模型的基础上,抽取和总结高层次的知识来构造专家系统的 知识库,其基本设想是:定量物理模型是完备的,虽不适合用作专家系统的知识表示,但可 以作为专家系统的知识源,从中抽取定性物理模型的知识表示,从而可以用于专家系统的推 理过程。 714专家系统的特点及分类 1.专家系统的特点 专家系统是基于知识工程的系统,相对于一般人工智能系统而言,专家系统具有如下 些基本特点 (1)具有专家水平的专门知识 人类专家之所以能称为专家,是由于他掌握了某一领域的专门知识,使其在处理问题时 比别人技高一筹。一个专家系统为了能像人类专家那样工作,必须表现专家的技能和高度的 技巧以及有足够的鲁棒性。系统的鲁棒性是指不管数据是正确还是病态不正确的,它都能够 正确地处理,或者得到正确的结论,或者指出错误。 (2)能进行有效的推理 专家系统具有启发性,能够运用人类专家的经验和知识进行启发式的搜索、试探性推 理、不精确推理或不完全推理 第5页共12页
取的进程。 （4）定性定量综合物理模型表示法。定量物理模型是通常意义的数学模型（如代数方程、 微分方程、传递函数等），它不属于人工智能的研究范畴，但却具有能够精确表示物理量之 间数量关系的优点。近些年来，在新一代专家系统研究中，有把定性模型与定量模型综合运 用的趋势，提出了定性定量综合物理模型表示方法和相应推理方法研究的新课题。 2．知识的获取 早期专家系统的知识获取工作由知识工程师完成。知识工程帅在广泛了解专家系统应用 领域的背景知识基础上，通过多次与相关领域的专家交谈，总结、整理、精炼专家的知识和 经验。初步掌握专家知识后，通过编辑，用专家的专业知识构成专家系统知识库。专家系统 原型建造完成后，在通过实例对系统功能进行测试的基础上，工程师再反复与专家交谈，并 对知识序进行修改、逐步完善知识库。整个知识的获取和知识库的完善过程往往要花费很长 时间。 随着专家系统研究的进展，人们研制出了知识库编辑器，帮助知识工程师完成知识获取 工作。知识工程师通过和相关领域专家的交谈，了解该领域专业知识的特点，确定知识表示 方法。设计知识库结构和知识编辑器。知识获取则由编辑器完成。编辑器借助于人一机接口 按一定的数据结构格式直接和专家“对话”，或向专家提出问题，请专家回答或要求专家按 规定格式描述自己的知识。在此基础上，编辑器将从专家那里获取的知识通过知识库管理系 统填入知识库的结构中去。通常知识编辑器除具有获取知识功能外，还具有对知识库查询、 修改、检验以及更新等编辑功能，用以逐步完善知识库。 新一代专家系统的主要特征就是在知识表示和知识获取方面的改进。在知识获取过程中 引人机器学习的方法，促进了专家系统的进一步发展。学习在知识获取方面的作用主要表现 在： (1). 在专家指导下，通过实例训练，完成知识获取工作。例如神经网络模型的表示，专 家通过实例，提供网络输入输出样本。在训练过程中调节网络结点间的连按权值获取并存储 专家的知识。通过提供新的训练样本，可以不断地学习，提高学习精度，完善自己的知识。 (2). 通过在线地对专家系统性能的测试，并按一定的学习规则修改和完善专家系统的知 识库，从而不断提高系统的性能。这里，系统性能判别的准则由专家来提供。 (3). 在综合定性模型和定量模型的基础上，抽取和总结高层次的知识来构造专家系统的 知识库，其基本设想是：定量物理模型是完备的，虽不适合用作专家系统的知识表示，但可 以作为专家系统的知识源，从中抽取定性物理模型的知识表示，从而可以用于专家系统的推 理过程。 7.1.4 专家系统的特点及分类 1. 专家系统的特点 专家系统是基于知识工程的系统，相对于一般人工智能系统而言，专家系统具有如下一 些基本特点： （1）具有专家水平的专门知识 人类专家之所以能称为专家，是由于他掌握了某一领域的专门知识，使其在处理问题时 比别人技高一筹。一个专家系统为了能像人类专家那样工作，必须表现专家的技能和高度的 技巧以及有足够的鲁棒性。系统的鲁棒性是指不管数据是正确还是病态不正确的，它都能够 正确地处理，或者得到正确的结论，或者指出错误。 （2）能进行有效的推理 专家系统具有启发性，能够运用人类专家的经验和知识进行启发式的搜索、试探性推 理、不精确推理或不完全推理。 第 5 页 共 12 页