人工智能原理及應(yīng)用

1、人工智能原理及應(yīng)用制作小組成員：張恒維 許榮澤 烏龜俠 劉寒靜 目錄一一. .專家系統(tǒng)的介紹專家系統(tǒng)的介紹 1.什么是專家系統(tǒng) 2.專家系統(tǒng)的發(fā)展歷程 3.專家系統(tǒng)的構(gòu)造及工作過程二二. .基于規(guī)則的專家系統(tǒng)基于規(guī)則的專家系統(tǒng) 1.基于規(guī)則的專家系統(tǒng)的基本特征 2.前向鏈接和后向鏈接推理技術(shù) 3.沖突消解三三. .規(guī)則專家系統(tǒng)的有點和缺點規(guī)則專家系統(tǒng)的有點和缺點四四. .實例展示實例展示 一一. .專家系統(tǒng)的介紹專家系統(tǒng)的介紹1.什么是專家系統(tǒng) 專家系統(tǒng)是人工智能中最重要的也是最活躍的一個應(yīng)用領(lǐng)域，它實現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略探討轉(zhuǎn)向運用專門知識的重大突破。專家系統(tǒng)是

2、早期人工智能的一個重要分支，它可以看作是一類具有專門知識和經(jīng)驗的計算機智能程序系統(tǒng)，一般采用人工智能中的知識表示和知識推理技術(shù)來模擬通常由領(lǐng)域?qū)＜也拍芙鉀Q的復雜問題。2.2.專家系統(tǒng)的發(fā)展歷程專家系統(tǒng)的發(fā)展歷程20世紀60年代初，出現(xiàn)了運用邏輯學和模擬心理活動的一些通用問題求解程序，它們可以證明定理和進行邏輯推理。但是這些通用方法無法解決大的實際問題，很難把實際問題改造成適合于計算機解決的形式，并且對于解題所需的巨大的搜索空間也難于處理。1965年，f.a.費根鮑姆等人在總結(jié)通用問題求解系統(tǒng)的成功與失敗經(jīng)驗的基礎(chǔ)上，結(jié)合化學領(lǐng)域的專門知識，研制了世界上第一個專家系統(tǒng)dendral ，可以推斷化

3、學分子結(jié)構(gòu)。20多年來，知識工程的研究，專家系統(tǒng)的理論和技術(shù)不斷發(fā)展，應(yīng)用滲透到幾乎各個領(lǐng)域，包括化學、數(shù)學、物理、生物、醫(yī)學、農(nóng)業(yè)、氣象、地質(zhì)勘探、軍事、工程技術(shù)、法律、商業(yè)、空間技術(shù)、自動控制、計算機設(shè)計和制造等眾多領(lǐng)域，開發(fā)了幾千個的專家系統(tǒng)，其中不少在功能上已達到，甚至超過同領(lǐng)域中人類專家的水平，并在實際應(yīng)用中產(chǎn)生了巨大的經(jīng)濟效益。專家系統(tǒng)的發(fā)展階段專家系統(tǒng)的發(fā)展已經(jīng)歷了3個階段，正向第四代過渡和發(fā)展。第一代專家系統(tǒng)（dendral、macsyma等）以高度專業(yè)化、求解專門問題的能力強為特點。但在體系結(jié)構(gòu)的完整性、可移植性、系統(tǒng)的透明性和靈活性等方面存在缺陷，求解問題的能力弱。第二代專

4、家系統(tǒng)（mycin、casnet、prospector、hearsay等）屬單學科專業(yè)型、應(yīng)用型系統(tǒng)，其體系結(jié)構(gòu)較完整，移植性方面也有所改善，而且在系統(tǒng)的人機接口、解釋機制、知識獲取技術(shù)、不確定推理技術(shù)、增強專家系統(tǒng)的知識表示和推理方法的啟發(fā)性、通用性等方面都有所改進。專家系統(tǒng)的發(fā)展階段第三代專家系統(tǒng)屬多學科綜合型系統(tǒng)，采用多種人工智能語言，綜合采用各種知識表示方法和多種推理機制及控制策略，并開始運用各種知識工程語言、骨架系統(tǒng)及專家系統(tǒng)開發(fā)工具和環(huán)境來研制大型綜合專家系統(tǒng)。第四代專家系統(tǒng)是在在總結(jié)前三代專家系統(tǒng)的設(shè)計方法和實現(xiàn)技術(shù)的基礎(chǔ)上，已開始采用大型多專家協(xié)作系統(tǒng)、多種知識表示、綜合知識庫

5、、自組織解題機制、多學科協(xié)同解題與并行推理、專家系統(tǒng)工具與環(huán)境、人工神經(jīng)網(wǎng)絡(luò)知識獲取及學習機制等最新人工智能技術(shù)來實現(xiàn)具有多知識庫、多主體的專家系統(tǒng)。3.3.專家系統(tǒng)的構(gòu)造及工作過程專家系統(tǒng)的構(gòu)造及工作過程 構(gòu)造 專家系統(tǒng)通常由人機交互界面、知識庫、推理機、解釋器、綜合數(shù)據(jù)庫、知識獲取等6個部分構(gòu)成。其中尤以知識庫與推理機相互分離而別具特色。專家系統(tǒng)的體系結(jié)構(gòu)隨專家系統(tǒng)的類型、功能和規(guī)模的不同，而有所差異。 3.3.專家系統(tǒng)的構(gòu)造及工作過程專家系統(tǒng)的構(gòu)造及工作過程 為了使計算機能運用專家的領(lǐng)域知識，必須要采用一定的方式表示知識。目前常用的知識表示方式有產(chǎn)生式規(guī)則、語義網(wǎng)絡(luò)、框架、狀態(tài)空間、邏輯

6、模式、腳本、過程、面向?qū)ο蟮取；谝?guī)則的產(chǎn)生式系統(tǒng)是目前實現(xiàn)知識運用最基本的方法。產(chǎn)生式系統(tǒng)由綜合數(shù)據(jù)庫、知識庫和推理機3個主要部分組成，綜合數(shù)據(jù)庫包含求解問題的世界范圍內(nèi)的事實和斷言。知識庫包含所有用“如果：前提，于是：結(jié)果”形式表達的知識規(guī)則。推理機（又稱規(guī)則解釋器）的任務(wù)是運用控制策略找到可以應(yīng)用的規(guī)則。3.3.專家系統(tǒng)的構(gòu)造及工作過程專家系統(tǒng)的構(gòu)造及工作過程知識庫 知識庫用來存放專家提供的知識。專家系統(tǒng)的問題求解過程是通過知識庫中的知識來模擬專家的思維方式的，因此，知識庫是專家系統(tǒng)質(zhì)量是否優(yōu)越的關(guān)鍵所在，即知識庫中知識的質(zhì)量和數(shù)量決定著專家系統(tǒng)的質(zhì)量水平。一般來說，專家系統(tǒng)中的知識庫與

7、專家系統(tǒng)程序是相互獨立的，用戶可以通過改變、完善知識庫中的知識內(nèi)容來提高專家系統(tǒng)的性能。3.3.專家系統(tǒng)的構(gòu)造及工作過程專家系統(tǒng)的構(gòu)造及工作過程推理機 推理機針對當前問題的條件或已知信息，反復匹配知識庫中的規(guī)則，獲得新的結(jié)論，以得到問題求解結(jié)果。在這里，推理方式可以有正向和反向推理兩種。3.3.專家系統(tǒng)的構(gòu)造及工作過程專家系統(tǒng)的構(gòu)造及工作過程其他部分 人機界面是系統(tǒng)與用戶進行交流時的界面。通過該界面，用戶輸入基本信息、回答系統(tǒng)提出的相關(guān)問題，并輸出推理結(jié)果及相關(guān)的解釋等。 綜合數(shù)據(jù)庫專門用于存儲推理過程中所需的原始數(shù)據(jù)、中間結(jié)果和最終結(jié)論，往往是作為暫時的存儲區(qū)。解釋器能夠根據(jù)用戶的提問，對結(jié)

8、論、求解過程做出說明，因而使專家系統(tǒng)更具有人情味。 知識獲取是專家系統(tǒng)知識庫是否優(yōu)越的關(guān)鍵，也是專家系統(tǒng)設(shè)計的“瓶頸”問題，通過知識獲取，可以擴充和修改知識庫中的內(nèi)容，也可以實現(xiàn)自動學習功能。3.3.專家系統(tǒng)的構(gòu)造及工作過程專家系統(tǒng)的構(gòu)造及工作過程 工作過程 專家系統(tǒng)的基本工作流程是，用戶通過人機界面回答系統(tǒng)的提問，推理機將用戶輸入的信息與知識庫中各個規(guī)則的條件進行匹配，并把被匹配規(guī)則的結(jié)論存放到綜合數(shù)據(jù)庫中。最后，專家系統(tǒng)將得出最終結(jié)論呈現(xiàn)給用戶。二.基于規(guī)則的專家系統(tǒng)1.基于規(guī)則的專家系統(tǒng)的基本特征在20世紀70年代早期，來自卡內(nèi)基-梅隆大學的Newell和Simon提出了產(chǎn)生式系統(tǒng)模型，

9、為現(xiàn)代的基于規(guī)則的專家系統(tǒng)奠定了基礎(chǔ)（Newell and Simon，1972）。產(chǎn)生式模型的思路是，對于一個用相關(guān)信息表達了的指定問題，人類運用知識（用產(chǎn)生式規(guī)則表達）能夠解決。產(chǎn)生式規(guī)則存儲在長期存儲器中，問題相關(guān)的信息或事實存儲在短期存儲器中。圖2.2是產(chǎn)生式系統(tǒng)模型和基于規(guī)則的專家系統(tǒng)的基本結(jié)構(gòu)。二.基于規(guī)則的專家系統(tǒng)二.基于規(guī)則的專家系統(tǒng)基于規(guī)則的專家系統(tǒng)由5個部分組成：知識庫、數(shù)據(jù)庫、推理引擎、解釋設(shè)備和用戶界面。知識庫包含解決問題相關(guān)的領(lǐng)域知識。在基于規(guī)則的專家系統(tǒng)中，知識用一組規(guī)則來表達。每一條規(guī)則表達一個關(guān)系、建議、指示、策略或啟發(fā)式方法，具有IF（條件）THEN（行為）結(jié)

10、構(gòu)。當規(guī)則的條件被滿足時，觸發(fā)規(guī)則，繼而執(zhí)行行為。數(shù)據(jù)庫包含一組事實，用于匹配存儲在知識庫中的IF（條件）部分。推理引擎執(zhí)行推理，專家系統(tǒng)由此找到解決方案。推理引擎鏈接知識庫中的規(guī)則和數(shù)據(jù)庫中的事實。31用戶使用解釋設(shè)備查看專家系統(tǒng)怎樣得出解決方案的過程，以及為什么需要特定事實。專家系統(tǒng)必須能夠解釋推理并證明所給的建議、分析或結(jié)論。用戶界面是實現(xiàn)用戶（查詢問題解決方案）和專家系統(tǒng)之間交流的途徑，這一途徑必須有實際意義并盡可能地友好。這5個部分對于任何基于規(guī)則的專家系統(tǒng)來說都是不可或缺的，它們共同構(gòu)成了專家系統(tǒng)的核心，除此之外也會有其他附加組件。二.基于規(guī)則的專家系統(tǒng)外部接口允許專家系統(tǒng)融合外部

11、數(shù)據(jù)文件和以常用語言編寫的程序，開發(fā)者接口一般包括知識庫編輯器、調(diào)試工具，以及輸入/輸出設(shè)備。任何專家系統(tǒng)框架都會提供簡單的文本編輯器，用于輸入和調(diào)整規(guī)則、檢查格式和拼寫。許多專家系統(tǒng)也包括記錄設(shè)備，用于監(jiān)測32知識工程師或?qū)＜宜龅男薷?。如果?guī)則被改動，編輯器將自動存儲改動日期和做改動的人，以便后面參考。當有多個知識工程師和專家都有權(quán)進入知識庫并做修改時，記錄設(shè)備尤其重要。二.基于規(guī)則的專家系統(tǒng)調(diào)試工具一般包含跟蹤設(shè)備和斷點包。跟蹤設(shè)備提供程序執(zhí)行過程中被觸發(fā)的規(guī)則列表。使用斷點包則能提前告訴系統(tǒng)哪里該中斷，以備知識工程師或?qū)＜壹磿r查看數(shù)據(jù)庫中的當前值。多數(shù)專家系統(tǒng)還提供輸入/輸出設(shè)備，例如

12、運行時知識獲取器，以便運行中的專家系統(tǒng)獲取數(shù)據(jù)庫之外的必需信息。當知識工程師或?qū)＜逸斎胨栊畔⒑?，系統(tǒng)接著往下運行?？傊?，開發(fā)者接口、知識獲取設(shè)備使得領(lǐng)域?qū)＜夷軌蛑苯訉⒅R輸入專家系統(tǒng)，以減少打擾知識工程師的次數(shù)。二.基于規(guī)則的專家系統(tǒng)基于規(guī)則的專家系統(tǒng)的完整結(jié)構(gòu)2.2.前向鏈接和后向鏈接推理技術(shù)前向鏈接和后向鏈接推理技術(shù)假設(shè)數(shù)據(jù)庫最初包含5個事實：A、B、C、D和E，知識庫最初包含3條規(guī)則：2.2.前向鏈接和后向鏈接推理技術(shù)前向鏈接和后向鏈接推理技術(shù)專家系統(tǒng)能夠用推理鏈來解釋怎樣得出的結(jié)論，這是解釋設(shè)備的必要部分推理引擎要決定何時激活哪條規(guī)則。選擇規(guī)則時，有兩個主要方法：前向鏈接和后向鏈接2

13、.2.前向鏈接和后向鏈接推理技術(shù)前向鏈接和后向鏈接推理技術(shù)我們先將規(guī)則重寫為如下形式：再添加兩條規(guī)則：2.2.前向鏈接和后向鏈接推理技術(shù)前向鏈接和后向鏈接推理技術(shù)從已知數(shù)據(jù)開始展開推理。每一次只執(zhí)行頂端的一條規(guī)則。當有規(guī)則被觸發(fā)時，就有新事實加入數(shù)據(jù)庫。任何規(guī)則只能被執(zhí)行一次。當沒有規(guī)則可觸發(fā)時，匹配-觸發(fā)循環(huán)終止。2.2.前向鏈接和后向鏈接推理技術(shù)前向鏈接和后向鏈接推理技術(shù)前向鏈接是搜集信息并推出信息的技術(shù)。不過，在前向鏈接中，許多被觸發(fā)的規(guī)則也許與問題目標無關(guān)。在上面的例子中，目標是推出事實Z。我們僅有5條規(guī)則，其中4條規(guī)則被觸發(fā)。規(guī)則4 CL雖與事實Z無關(guān)，也同樣被觸發(fā)了。一個真正的基于

14、規(guī)則的專家系統(tǒng)可能有成百上千條規(guī)則，許多規(guī)則被觸發(fā)后雖然能推出有效的新事實，但可能與目標無關(guān)。所以，如果只需推出一個特定的事實，前向鏈接推導技術(shù)或許效率很低。這種情況下，后向鏈接技術(shù)就比較合適2.2.前向鏈接和后向鏈接推理技術(shù)前向鏈接和后向鏈接推理技術(shù)后向鏈接推理技術(shù)后向鏈接是目標驅(qū)動的推理技術(shù)。在后向鏈接中，專家系統(tǒng)有目標（一個假設(shè)的答案），推理引擎的任務(wù)是找出證明目標的論據(jù)。首先，在知識庫中搜尋含有目標的規(guī)則，即THEN部分包含的目標規(guī)則。如果找到這種規(guī)則，在數(shù)據(jù)庫中也有匹配的事實，就觸發(fā)規(guī)則并證明目標。不過這種情況很少見。所以，推理引擎就暫不考慮這類規(guī)則（將規(guī)則壓棧），要建立新目標，即子

15、目標，以證明壓棧規(guī)則的IF部分。2.2.前向鏈接和后向鏈接推理技術(shù)前向鏈接和后向鏈接推理技術(shù)2.2.前向鏈接和后向鏈接推理技術(shù)前向鏈接和后向鏈接推理技術(shù)現(xiàn)在來對比前向鏈接和后向鏈接。可以看出，前向鏈接中觸發(fā)了4條規(guī)則，而后向鏈接中只觸發(fā)了3條規(guī)則。這個簡單的例子說明了當需要證實一個特定事實時（例子中是Z），后向鏈接更為有效。前向鏈接中，在推理過程開始前就確定了數(shù)據(jù)，不需用戶額外輸入。在后向鏈接中，確立目標后，只需要那些支持推理的數(shù)據(jù)，有時也需要用戶輸入一些數(shù)據(jù)庫中沒有的事實。2.2.前向鏈接和后向鏈接推理技術(shù)前向鏈接和后向鏈接推理技術(shù)在第1個周期，推理引擎嘗試推出事實Z。通過查找知識庫來尋找T

16、HEN部分包含事實Z的規(guī)則。推理引擎找到了規(guī)則1 Y & DZ，將它壓棧。規(guī)則1的IF部分包含事實Y和D，所以下面是確立事實Y和D。在第2個周期，推理引擎安裝子目標：事實Y，并試圖確立它。通過檢查知識庫，發(fā)現(xiàn)其中沒有事實Y。因此需要尋找THEN部分包含事實Y的規(guī)則。推理引擎發(fā)現(xiàn)規(guī)則2 X & B & EY滿足條件，將它壓棧。規(guī)則2的IF部分包括事實X、B和E，接下來同樣需要建立這些事實。在第3個周期，推理引擎安裝新的子目標：證實事實X。推理引擎通過查找數(shù)據(jù)庫，發(fā)現(xiàn)不包含X，就去查找能推出X的規(guī)則。找到了規(guī)則3 AX，將它壓棧。接下來需要證實事實A。在第4個周期，推理引擎

17、發(fā)現(xiàn)A在數(shù)據(jù)庫中。規(guī)則3 AX被觸發(fā)，推出了新事實X。在第5個周期，推理引擎要證實子目標Y，再次試圖執(zhí)行規(guī)則2 X & B & EY。由于事實X、B和E都在數(shù)據(jù)庫中，規(guī)則2被觸發(fā)，推出了新事實Y，將Y加入數(shù)據(jù)庫。在第6個周期，系統(tǒng)轉(zhuǎn)向規(guī)則1 Y & DZ，嘗試證實初始目標Z。由于規(guī)則1的IF部分與數(shù)據(jù)庫中的事實相匹配，規(guī)則1被執(zhí)行，初始目標得以證實。3.3.沖突消解這是個沖突的規(guī)則3.3.沖突消解 當目標實現(xiàn)后不再觸發(fā)規(guī)則。在過馬路的例子中，目標是為語言對象“action”確立值。當專家系統(tǒng)為“action”賦值后，目標實現(xiàn)，系統(tǒng)終止。因此，當交通燈變紅時，觸發(fā)規(guī)則2，

18、“action”的值是“stop”，至此系統(tǒng)終止。在這個例子中，專家系統(tǒng)的結(jié)論是對的。但如果調(diào)換兩個規(guī)則，結(jié)論就錯了。這說明知識庫中的規(guī)則順序仍然至關(guān)重要。3.3.沖突消解觸發(fā)優(yōu)先權(quán)最高的規(guī)則。在簡單的應(yīng)用場景中，合理地排列知識庫中的規(guī)則就確定了優(yōu)先權(quán)。這種策略一般適于規(guī)則數(shù)在100條左右的系統(tǒng)。但在某些應(yīng)用中，必須按照重要程度處理數(shù)據(jù)。激發(fā)最具體的規(guī)則。這個方法也稱為最長匹配策略，其依據(jù)的假設(shè)是具體規(guī)則比一般規(guī)則處理更多的信息。三.基于規(guī)則的專家系統(tǒng)3.基于規(guī)則的專家系統(tǒng)的優(yōu)缺點 優(yōu)點： 1.自然語言表達。專家通常會使用這樣的表達來解釋解決問題的 過程：“在什么什么情況下，我如何如何做?！边@

19、樣的表達可以被很自然地表達為IFTHEN產(chǎn)生式規(guī)則。 2.統(tǒng)一結(jié)構(gòu)。產(chǎn)生式規(guī)則具有統(tǒng)一的IFTHEN結(jié)構(gòu)。每一條規(guī)則都是一個獨立的知識。產(chǎn)生式規(guī)則的語法使得規(guī)則具有自釋性。 3.知識與處理的相分離。基于規(guī)則的專家系統(tǒng)的結(jié)構(gòu)為知識庫和推理引擎提供了有效的分離機制。因此，能夠使用同一個專家系統(tǒng)框架開發(fā)不同的應(yīng)用，系統(tǒng)本身也容易擴展。在不干擾控制結(jié)構(gòu)的同時通過添加一些規(guī)則，還能使系統(tǒng)更聰明。三.基于規(guī)則的專家系統(tǒng)4.處理不完整、不確定的知識。大多數(shù)基于規(guī)則的專家系統(tǒng)都能表達和推理不完整、不確定的知識。例如：這條規(guī)則就表達了下面這條句子的不確定性。 “如果是秋季，看似在下毛毛雨，那么今天可能又很潮濕。

20、”這條規(guī)則用數(shù)值表達不確定性，稱為確信因子cf 0.1。專家系統(tǒng)使用確信因子來確立規(guī)則結(jié)論的可信度或者可信水平。這些特征使得專家系統(tǒng)在現(xiàn)實問題的知識表達上非常適用。三.基于規(guī)則的專家系統(tǒng)缺點： 1.規(guī)則之間的關(guān)系不透明。盡管單條規(guī)則都比較簡單，也是自釋性的，大量規(guī)則間的邏輯關(guān)系卻可能不透明。在基于規(guī)則的系統(tǒng)中，難以觀察單條規(guī)則如何對整個策略起作用，原因在于基于規(guī)則的專家系統(tǒng)缺乏分層的知識表達。 2.低效的搜索策略。推理引擎在每個周期中搜索所有的規(guī)則。當規(guī)則很多時（多于100條規(guī)則），系統(tǒng)速度會很慢。基于規(guī)則的大型系統(tǒng)可能就不適用于實時應(yīng)用。 3.沒有學習能力。一般的基于規(guī)則的專家系統(tǒng)都不具備從

21、經(jīng)驗中學習的能力。人類專家知道何時打破規(guī)則，而專家系統(tǒng)并不能自動修改知識庫，例如調(diào)整規(guī)則、添加規(guī)則。修改和維護系統(tǒng)的任務(wù)仍然由知識工程師來做。四.實例展示MYCIN是一個基于規(guī)則的系統(tǒng)，此系統(tǒng)是由斯坦福大學在七十年代中后期研制成的?？梢酝ㄟ^此系統(tǒng)和醫(yī)生的一段對話來看，這段對話詳細的說明了大部分基于規(guī)則的系統(tǒng)會話特征，并提供了一個單一的示例。四.實例展示1.患者姓名： *2.年齡：243.性別：男4.種族：.5.最近*有無持續(xù)頭疼的癥狀或其他神經(jīng)系統(tǒng)的異常癥狀，如暈眩，嗜睡，等等?省略若干問題. 32.你是否知道*最近cbc的結(jié)果？ *：知道 33請把CBC結(jié)果輸入下表中四.實例展示（可以接受“不知道”作為合法值。不必對所有回