专家系统属于什么(专家系统是什么)

导读 一、专家系统的意义与起源 专家系统系由知识库、推论引擎及接口为基础而组成的计算机化系统,其目的在对于某一特定领域的...

一、专家系统的意义与起源 专家系统系由知识库、推论引擎及接口为基础而组成的计算机化系统,其目的在对于某一特定领域的问题作判断、解释及认知,但由于此特定领域可大可小,且对认知的定义亦有不同的解释,故可有小如某些汽车专家系统只能依照外型等特征辨认十余种车,亦有大如某些医学专家系统可依据十二万个不同的医学表征分辨八千余种疾病。

(注4)仅管专家系统的定义未尽明确,但基本上,当此系统所能处理的问题,其复杂性、对专业知识的需求、以及其执行的信度及效度足可与专家相匹敌时,我们便可称之为专家系统。

而由于专家系统能够提供智能型的决策与辅助、解决问题、并对求解的过程做某种程度的解释,因而也可以称为「智能型知识库系统 【数据挖掘研究院】(China Data Mining Research,CDMR)是一个专注于数据挖掘及其相关技术的讨论组织,参与者都是数据挖掘及其相关学科的爱好者。

作为论坛的组织者我们也是数据挖掘的忠实爱好者,希望能够利用一些有限的资源为中国数据挖掘营造一个良好的发展环境。

专家系统并不是最近才出现的。

第一个专家系统是在1956年由Allen Newell、Herbert Simon及J. C. Shaw所发展(注6)。

其后,许多专家系统也纷纷随之建立,但在前期多半是属于研究性质的雏形系统。

1970年代之后,人工智能与专家系统专用的程序语言及软件开发工具逐渐开始发展,而各种知识表示法及算法也被广泛地研究,使得专家系统的建构与发展方式产生了不小的改变。

在1980年代后期开始,专家系统便能够逐渐脱离实验室的研究而广泛应用于各行业中。

(注7) 专家系统的特性 二、专家系统的特性 专家系统与一般的计算机系统的相异处可以以下表来表示:(注8) 表一 专家系统与一般计算机系统之比较   专家系统 一般计算机系统 功能 解决问题、解释结果、进行判断与决策 解决问题 处理能力 处理数字与符号 处理数字 处理问题种类 多属准结构性或非结构性、可处理不确定的知识、使用于特定的领域 多属结构性、处理确定的知识 而与人类专家相比,专家系统则具备了以下主要特性: " 不受时间限制:人类专家的工作时间有限,但专家系统是恒久,一旦开发完成,可随时使用,并可二十四小时持续运作。

" 操作成本低:人类专家稀少且昂贵,虽然专家系统的在起步发展时必须花一笔不小的经费,但日常操作的成本比起人类专家便宜许多。

因此在专家不在或经济上请专家不合算的情况下,利用专家系统仍能处理与专家相等水平的工作。

" 易于传递及复制:专家与专家知识是稀有的资源,在知识密集的工作环境下,新进人员需要作相当多的训练,而关键人物的知识随着人事变动而不能储存,在传递起来亦是耗时费力。

但专家系统则不然,它能轻易地将知识传递或复制。

" 具有一致性:人类专家在判断决策的结果常会因时或因人而异,而专家系统对于所处理的问题则具有一致性的输出。

" 可处理费时及复杂的问题:由于专家系统具有既定的知识库与严谨的推理程序,因此往往比人类专家还能胜任一些执行起来较费时、复杂度较高的工作,如需要庞大计算量的问题。

另外,若工作的内容重复性很高,专家系统尤其能比人类专家有更佳的表现。

" 使用于特定领域:由于搜集知识库建构以及推理规则建构的有一定的困难,因此专家系统通常只使用于小范围的特定知识领域。

而当问题的知识牵涉较广,或是没有一定的处理程序时,就必须靠人类专家的智慧来处理。

三、专家系统的组成结构 一个典型的专家系统通常包括了三部分:知识库、推论器与接口,其基本架构可以图一来表示。

(注11)其中,知识库组织事实与规则,推论器藉由知识库中有效的事实与规则,在使用者所输入的条件基础下勾勒出结果,而使用者接口则是使用者与专家系统间的沟通桥梁。

(注12)以下便分别对此主要架构作进一步的介绍。

(一) 知识库 (Knowledge-Base) (注13) 知识库系统的主要工作搜集人类的知识,将之有系统地表达或模块化,使计算机可以进行推论、解决问题。

知识库中包含两种型态:一是知识本身,即对物质及概念作实体的分析,并确认彼此之间的关系;而另一则是人类专家所特有的经验法则、判断力与直觉。

知识库与传统数据库在信息的组织、并入、执行等步骤与方法均有所不同,概括来说,知识库所包含的是可做决策的「知识」,而传统数据库的内容则是未经处理过的「数据」,必须经由检索、解释等过程才能实际被应用。

(二) 推论器 (Inference Mechanism) (注14) 推论器的是藉由算法或决策策略来进行与知识库内各项专门知识的推论,依据使用者的问题来推得正确的答案。

推论器的问题解决算法可以区分为三个层次: 1. 一般途径:利用任意检索(Blind Search)随意寻找可能的答案,或利用启发式检索(Heuristic Search)尝试寻找最有可能的答案。

2. 控制策略:有前推式(Forward Chaining)、回溯式(Backward Chaining)及双向式(Bi-directional)三种。

前推式是从已知的条件中寻找答案,利用数据逐步推出结论;回溯式则先设定目标,再证目标成立。

3. 额外的思考技巧:用来处理知识库内数个概念间的不确定性,一般使用模糊逻辑(Fuzzy Logic)来进行演算。

推论器会根据知识库、使用者的问题及问题的复杂度来决定适用推论层次。

(三) 界面 (Interface) (注15) 接口的主要功能是提供相关数据的输入与输出,可分为三个主要部分: 1. 发展者界面:目的在方便协助系统发展者进行知识粹取、知识库与推论器的编辑与修订,并能对专家系统进行测试、记录,并说明系统运作的过程、状态与结果。

2. 使用者接口:即专家系统与使用者之间的沟通桥梁,强调系统使用的亲和性与简易性,提供多种的操作方法,并指示正确的行为模式。

3. 系统接口:为系统与其它软硬件设备的整合管邈,例如连接其它数据库系统、外部档案、绘图软件或传感器等,均需透过此系统接口来进行。

免责声明:本文由用户上传,如有侵权请联系删除!