专家系统(数据库)

时间：2022-12-10 04:30:01 | 来源：信息时代

时间：2022-12-10 04:30:01 来源：信息时代

    专家系统 : 一类具有大量专门知识的计算机智能信息系统,它运用特定领域的专门知识和人工智能中的推理技术来求解和模拟通常要由人类专家才能解决的各种复杂、具体的问题,达到与专家具有同等解决问题的能力,它可使专家的专长不受时间和空间的限制,以发挥专家更大的作用和效益。
1.发展历史
专家系统的研究起源于1965年E.A.Feigenbaum等人对DENDRAL系统(由分子式及其质谱结构帮助化学家推断分子结构的计算机系统)的研制。Stanford大学计算机科学系的A.Feigenbaum与遗传学教授、诺贝尔奖获得者J.Lederberg一起开始了从化学数据推断分子假说的DENDRAL系统的研究。研究中发现,如果没有足够的物理化学领域的专门知识,系统不可能以有效的、切合实际的人类思维方式进行智能推理,他们又与化学系的物理化学专家C.Djerassi合作。这个包含了计算机科学、遗传学和化学三个方面专家的多学科小组辛勤工作了3年,于1968年完成了DENDRAL系统。该系统在推断分子结构的能力方面达到了专家水平,被广泛运用在各大学和工业界的化学实验室里。至今50余年过去,专家系统技术和应用得到飞跃发展。世界各国在医疗诊断、化学工程、语音识别、图像处理、金融决策、信号解释、地质勘探、石油、军事等领域研制了大量的专家系统,其应用已开始产生巨大的经济效益; 理论和技术研究方面,专家系统的研究不断提出新的研究课题,如不精确推理、元知识、骨架系统等,促进了人工智能(AI)基本理论和基本技术的发展,开创了计算机求解非数值实际问题的有效途径。
专家系统是AI研究的一个应用领域,也称为知识库专家系统,和自然语言理解、机器人一起并列为AI研究最活跃的三大领域。它具有三个主要特点: 启发性,它运用规范的专门知识和直觉的评判知识进行问题求解; 透明性,它使用户能不需了解其系统结构而似乎能和专家直接交往,了解其知识内容和推理思路; 灵活性,它能不断接纳新的知识,调整有关控制信息,使其与整个知识库达到协调。
专家系统发展迅速的主要原因在于:
(1)专家系统解决实际问题的周密性。
(2)专家知识的系统组织对应用领域的发展能起促进作用。
(3)专家系统的使用能够获得很大的经济效益。专家系统实现了人工智能从理论研究走向实际应用,从一般思维方法探讨转入专门知识运用。DANDRAL显示了知识的组织对于AI研究的重要作用。通过牺牲通用的问题求解能力,开始专门知识的建模以获得专门领域的高性能。第一代专家系统把AI的启发式程序、符号推理技术运用到实际问题的求解,使AI走向现实世界。
专家系统的发展经历了三代,现正向第四代过渡和发展。第一代专家系统以高度专业化、求解专门问题的能力强为特点,但在体系结构及功能的完整性、可移植性等方面存在缺陷,其研究的意义在于把人工智能的启发式程序、符号推理技术运用到了实际问题的求解,使人工智能走向了现实世界;第二代专家系统属单学科专业型、应用型系统,其体系结构较完整,一致性方面也有所改善,有关专家系统的主要技术,如人机接口、解释机制、知识获取技术、自学能力、不精确推理技术以及元知识的概念等,得到了研究和应用,并对专家系统的知识表示和推理方法的启发性、通用性等方面有所改进; 第三代专家系统属于多学科综合型应用系统,采用多种AI语言、综合应用各种知识表示方法和推理机制及控制策略,开始运用各种知识工程语言、骨架系统和专家系统开发工具及环境来研制大型综合专家系统。目前,在总结前三代专家系统的设计方法和实现技术的基础上,开始采用大型多级专家协作系统、广义知识表达、综合知识库、自组织解题机、多学科协同解题与并行推理、专家系统开发工具及环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现第四代专家系统。
2. 专家系统概念
专家系统有别于其他非智能计算机软件系统,具有一些特殊的主要性能及特征。为解决特定领域的具体问题,专家系统除需要一些公共的常识,还需要大量与所研究领域问题密切相关的知识。在解题过程中专家系统一般采用启发式的解题方法,除用演绎方法外,还会借助于归纳方法和抽象方法。一般需要处理的问题具有模糊性、不确定性和不完全性,需要采用基于知识的问题求解方法。专家系统能对自身的工作过程进行推理解释,能够把如何进行推导而得出结论的推理过程解释出来。
专家系统中常见的概念有:
(1)知识工程师(knowledge engineer):开发专家系统和知识库系统的计算机专家,其主要任务是从问题领域的专家处获取专业知识,并建立起知识库和运用知识的系统等。通常是在应用人工智能方法具有经验的计算机科学家。
(2)领域专家(domain expert): 在某特定应用领域中,经专门培养和训练,具有多年经验和丰富的专业知识,能精通和处理各种专业问题,特别是具有高超的解决问题能力的专业工作者。
(3)专家系统开发过程(development process of expert system):ES的开发过程可分为: 任务确定与需求分析、概念设计、功能设计、结构设计、知识获取、知识表示模式设计、功能模块的详细设计、系统实现和测试与评估等。其中知识获取及知识的形式化是开发专家系统的“瓶颈”。
(4)骨架系统(shell system): 一种从成熟的专家系统中抽去知识后构成的知识表示系统。骨架系统提供某种知识表示和相应的推理机制。其推理机制中不带有任何与领域有关的控制信息,所有领域知识都显式地表示出来。骨架系统可作为专家系统开发工具用于各种不同的任务。
(5)建模(modeling): 建立实用专家系统的关键任务之一。知识获取所得到的事实和概念必须用某种方法表示出来,利用这些事实和概念建立专家系统模型的过程称为建模。模型建成后,知识工程师便开始进行程序设计,将领域专家的知识存入知识库,为推理机提供基础。
(6)求精(refinement): 即知识求精,是建立使用专家系统的关键任务之一。通常专家系统的最初性能都比较差,需要对系统进行求精。通过修改系统的弱点和缺陷,专家系统能逐步接近于人类专家的水平,然后超过之。
(7)分析层次过程(analytic hierarchy process):评价专家系统的一种方法,其思想是把问题分割成较小的组成部分,只对相关的单纯对象进行配对比较判断来确定各个层次的优先级。这种评价方法可以把评价的主观性判断定量化。AHP评价方法已在评价专家系统及其他系统中获得广泛应用。
(8)专家系统的原型(expert system prototyping):对比较大型或难度较大的专家系统可先开发一个专家系统原型,在对原型开发取得经验的基础上,再逐步实现实用的专家系统。原型中: ①知识库中的知识类型应是齐全的,开始数量可以较少; ②采用能快速实现专家系统原型的工具和方法,先追求主要功能的实现,暂不考虑处理效率; ③能提供用多种方案或多种知识表示模式实现系统的可能,以便进行比较决定取舍。
3专家系统组成
专家系统通常由六个部分组成: 人机接口、知识获取机构、推理机、解释器、知识库及其管理系统、数据库及其管理系统(见图1),专家系统的体系结构将随着专家系统的类型、功能和规模的不同而有差异。

图1 专家系统的基本结构

专家系统的基本工作流程是: 用户通过人机界面回答系统的提问,推理机将用户输入的信息与知识库中各个规则的条件进行匹配,并把被匹配规则的结论存放到综合数据库中。最后,专家系统将得出最终结论呈现给用户。专家系统还可以通过解释器向用户解释以下问题: 系统为什么要向用户提出该问题(Why),计算机是如何得出最终结论的(How)。
(1)人机接口(user interface):人机接口是专家系统与领域专家或知识工程师及一般用户间的界面,由一组程序与相应的硬件组成,用于完成输入/输出工作。领域专家或知识工程师通过它输入知识,更新、完善知识库: 一般用户通过它输入欲解决的问题、已知事实以及向系统提出的询问; 系统通过它输出推理结果、回答用户的询问或者向用户索取进一步的事实。
不同的系统,由于硬件、软件环境不同,接口的形式与功能有差别。当硬件、软件配置不高,可用两种接口方式: 菜单方式和命令语言方式。
菜单方式是系统把有关功能以菜单形式列出来供用户选择,一旦某个条件被选中,系统或者直接执行相应的功能,或者显示下一级菜单供用户进一步的选择。
命令语言方式系统按功能定义一组命令,当用户需要系统实现某一功能时就输入相应的命令,系统通过对命令的解释完成指定的任务。
接口命令一般分为: ①获取知识命令: 供领域专家或知识工程师向知识库输入领域知识的命令;②提交问题命令: 供用户专家提交待求解问题的命令; ③请求解释命令: 供用户对专家系统给出的结论不理解或者希望给出依据时,用这种命令向系统发出询问,请求系统给予解释; ④知识检索及维护命令: 知识工程师用这种命令对知识进行检索,查阅知识库中的知识,进行增、删、改。
(2)知识获取机构(knowledge acquisition interface):专家系统中获取知识的机构,由一组程序组成。基本任务是把知识输入到知识库,并负责维持知识的一致性及完整性,建立其性能良好的大知识库。它需要完成抽取知识、知识的转换、知识的输入及知识的检测。
按知识获取的自动化程度不同,分为非自动知识获取和自动知识获取两种方式。非自动知识获取首先由知识工程师向领域专家获取知识,再通过相应的知识编辑软件把知识送入知识库; 自动知识获取是指系统自身具有获取知识的能力,它不仅可以直接通过口令与专家对话,从专家提供的原始信息中“学习”到专家系统所需要知识,而且能从系统自身的运行实践中总结、归纳出新的知识,发现知识中可能存在的错误,自我完善,建立起性能优良、知识完善的知识库。它应具有识别语音、文字、图像的能力; 组织、分析、归纳能力: 从运行实践中学习的能力。
(3) 知识库及其管理系统(knowledge base management): 知识库又称规则库,是知识的存储机构,用于存放领域内的原理性知识、专家的经验性知识以及有关的事实。知识库建立的关键是知识的获取和知识的表示问题。知识库中的知识来源于知识获取机构,它又为推理机提供求解问题所需要的知识,与两者都有密切的关系。知识库系统以自然语言理解作为人机接口,并以基于知识的推理、演绎提供模块实现对知识库中的运用,并回答用户提出的问题。
知识库管理系统负责对知识库的知识进行组织、检索、维护。专家系统中其他任何部分如果与知识库发生联系,都必须通过该管理系统来完成,这样就可实现知识库的统一管理和使用。
(4)数据库及其管理系统(黑板blackboard,综合数据库或事实库): 数据库在知识库系统中,又称为“黑板”、“综合数据库”或“事实库”,用来存储有关领域的初始事实、问题描述及其推理过程中得到的中间状态或结果、最终结果、运行信息(如推出结构的知识链)等的工作存储器。
数据库的内容是不断变化的。在求解问题的开始时,它存放的是用户提供的初始事实; 在推理过程中它存放每一步推理所得到的结果。推理机根据数据库的内容从知识库选择合适的知识进行推理,然后又把推出的结果存入数据库。数据库是推理机不可缺少的工作场地,由于它可记录推理过程中的各有关信息,又为解释机构提供了回答用户咨询的依据。
数据库是推理机进行推理的依据,也是解释器为用户提供推理结果解释的依据。数据库管理系统负责对数据库中的数据进行增、删、改 以及维护工作,以保证数据表示方法与知识表示方法的一致性。
(5)推理机(inference engine): 专家系统的“思维”机构,构成专家系统的核心部分。推理机是一组程序,用以模拟领域专家思维过程,控制并执行对问题的求解,以使整个专家系统能够以逻辑方式进行问题求解。它能依据数据库中的当前数据或事实,按照一定的策略从知识库中选择所需的知识,并依据该知识对当前的问题进行求解,它还能判断输入综合数据库的事实和数据的合理性,并为用户提供推理结果。
推理机的性能与构造与知识的表示方式及组织方式有关,与知识的内容无关,有利于保证推理机与知识库的相对独立性,知识库中的知识有变化时,无需修改推理机。但如果推理机的搜索策略完全与领域问题无关,它将是低效的,当问题规模较大时,问题就更加突出。为解决这个问题,专家系统一方面为提高系统的运行效率而使用一些与领域有关的启发性知识,又为了保证推理机与知识库的相对独立性而采取用元知识来表示启发性知识的方法。
(6)解释器(explanation mechanism): 由一组程序组成,它能跟踪并记录推理过程,用户提出询问需要给出解释时,将根据问题的要求分别做相应的处理,最后把解答用约定的形式通过人机接口输出给用户,具有解释功能是专家系统主要特征之一。解释是指专家系统在同用户的交互过程中,由系统对系统的行为能产生易于被用户理解的说明,包括系统正在做什么,为什么这么做的动态说明,对系统知识库中知识的静态说明。常用的解释方法有:唱片解释法、执行追踪法、策略解释法、自动程序员方法等。
系统的解释能力除能增强系统的可理解性,在系统自身的生成、测试、运行和维护过程也起着很重要的作用。
4. 专家系统实例
世界各国的新一代计算机研制计划中,专家系统都是其推理的核心部分,已经在医疗诊断、化学工程、语音识别、图像处理、金融决策。信号解释、地质勘探、石油、军事等领域研制了大量的专家系统。美国、英国、日本等国家纷纷将其列为国家重点研究项目。我国专家系统的研究开发工作起步较晚,大约在70年代末期,在医疗领域开始,先后出现了肝炎诊断治疗专家系统、子宫癌诊断专家系统等。专家系统已应用于化学、农业、气象预报、油井记录分析、地震预测、军事指挥、作战模拟、交通运输业等领域。
(1) DENDRAL: 是世界上第一个专家系统,由斯坦福大学(Stanford)计算机科学系E.A.Feigenbaum教授、遗传学教授J.Lederberg、化学系的物理化学专家C.Djerassi等在1965年开始研制,1968年基本完成,系统经过几年的改进和扩充,其知识非常渊博和有效,从分子式及其质谱数据推断分子结构的能力达到了专家的水平,被广泛地应用在各大学和工业界的化学实验室。
化学家在确定未知化合物分子结构的过程中,需要知道该化合物由哪些原子组成,这些原子是怎样排列和联系。由于一个给定的分子式其原子的排列和联系相当复杂,知识工程试图在这个问题上对化学家提供帮助。DENDRAL系统的研制主要有两个目的: ①设计一个能够确定结构的计算机程序;②解决在运用人工智能方法进行科学推理过程时可能出现的问题。
(2) MATHLAB 68:麻省理工学院(MIT)用LISP开发的数学专家系统,它协助数学家和其他科学家执行分析问题时所遇到的代数符号处理。系统使用了模式制导的启发式转换,有理函数的积分问题通过转换后可以运用算法进行求解,系统可执行微分、多项式因子化、不定积分、拉普拉斯变幻和解线性常微分方程。
(3) MACSYMA:使用LISP研制的一个著名的数学问题求解辅助专家系统。MACSYMA是1968年麻省理工学院的C.Engleman、W.Martin和J.Moses在MATHLAB68和W.Martin及J.Moses的博士课题基础上设计的一个大型人机交互系统,它执行公式化简、符号微分、符号积分等数学问题求解,1971年开始投入使用。
(4) MYCIN:斯坦福大学(Stanford)研制的MYCIN系统包含11个用于诊断和治疗感染性疾病的专家咨询系统,1972年开始,计算机科学家E.H.Shortliffe和感染病专家B.G.Buchanan合作研究基于规则的产生式系统,1974年基本完成。MYSCIN同它的用户(一般是内科医生)进行交谈,获取病人的病史和各种可能的化验数据,然后在数据可能不齐全的情况下进行推理,提出诊断建议。这种建议在医院护理中经常是需要和及时的,因为感染病治疗的时间因素经常需要内科医生在数据资料不齐全的情况下做出医疗措施的决定。MYCIN的诊断和治疗水平已经达到了专家的水平,甚至超过非专业内科医生的水平。
(5) CASNET: 与MYCIN几乎同时开发的医学领域专家系统,由Rutgers大学的S. M. Weiss、C.A.Kulikowski和A.Safir等人研制。CASNET系统治疗青光眼疾病的水平在1976年美国眼科和耳鼻喉科学会会议上进行了同人类专家评审组的会诊结果比较,认为已接近专家的水平。CASNET的特点是,其建模不仅针对青光眼,提出了用于各种疾病诊断和治疗的通用框架(因果关系网,causal network),这是试图为进一步建造专家系统而提供通用框架工具的最早尝试。其建模的思想导致了后期骨架系统EXPERT的开发。
(6) PROSPECTOR: 斯坦福大学(Stanford)国际研究所(SRI)的R.O.Duda等人于1976年开始研制的根据地质数据寻找矿藏的专家咨询系统,是地质工作者和计算机专家合作研究的成果。地质学家把矿床模型按计算机能解释的形式进行编码,随后利用这些模型进行推理,达到勘探评价、区域资源估值、钻井井位选择的目的。利用PROSPECTOR系统曾发现了美国华盛顿州的一处钼矿。
(7) XCON: 卡内基-梅隆大学(Carnegie-Mellon)和DEC公司用OPS5开发的用于VAX 11/780计算机系统最佳配置的专家系统。是全世界投入运行中的最大和最完善的基于规则的商品化专家系统,系统采用基于规则表示与正向推理控制机制,它在顾客订单基础上,决定加上哪些成分以构成完整的系统,并确定各成分间的空间关系。
(8) HEARSAY:语言理解领域很出色的知识库系统,由卡内基-梅隆大学(Carnegie-Mellon)的L. D.Erman等人于20世纪70年代初开始设计,于1973年出现了HEARSAY-Ⅰ,1977年出现了HEARSAY-Ⅱ。在有限的词汇(1000 条)内,HEARSAY已能听懂连续的语音。在性能上,HEARSAY虽然还没有达到人们所期望的专家水平(据称它已达到10岁儿童的理解水平),但语言理解在目前被认为是AI研究最困难的一个领域,能够在这个领域达到这样的成就已被认为相当可观了。更为重要的是,HEARSAY专家系统发展过程中的重要性不在于它所能达到的性能水平,而在于它为多个知识源(多专家)、不同抽象级和不同类型的知识组织提出了一个统一模块化黑板结构。
5. 专家系统应用
专家系统在应用领域中的实际应用,主要包括解释、诊断、预测、决策、规划设计、教学、控制、故障维修等类型的应用。其中诊断型(医学、机电等)和控制型专家系统,在人工智能领域的应用发展最快、最为突出。专家系统主要的应用形式和方法:
(1)解释应用(interpretation application): 解决化学结构说明、语言理解、监视数据分析、图像分析、信号解释等领域的问题。这类专家系统根据可得到的数据分析这些数据所支持的问题结论或问题状态。应用要求的是,对于给定的数据找出一致和正确性的问题性质。只有在存在充分的数据证据能够排除某一种可能的问题性质时,才能放弃这个性质。这类应用关键问题: 可得到的数据常常带有噪声和误差,可能不齐全、有错误或者带有问题无关的、甚至会引起相互矛盾的数据成分。例如,DENDRAL系统、语音识别系统HEARSAY以及根据声纳信号识别舰船的HASP/SIAP系统都属于这一类。这类系统必须能处理不完全、甚至受到干扰的信息,并能对得到的数据给出一致且正确的解释。
(2)诊断应用(diagnosis application): 解决医疗、电子、机械、软件等领域的诊断等问题。这类专家系统主要是依据一定的原则从已有的征兆事实推出诊断对象存在的故障的过程。这是目前开发、应用最多的专家系统领域,通常把诊断中选择和运用知识进行诊断推理的过程称为基于知识的诊断过程。这类应用必须先了解对象系统及对象系统中各系统之间的关系和相互影响,由于现象与故障之间不一定存在严格的对应关系,因此在建造这类应用时,需要掌握有关对象较全面的知识,并能处理多种故障同时并存以及间歇性故障等情况。然后将观察数据说明的行为同可能的故障原因进行对照,找到故障的所在。诊断的方式有两种,一种是建立故障行为同故障原因的对照表,一种方式将对象系统的结构知识同其结构、行为和各子系统的故障知识结合起来,从观察到的数据来推理可能的故障原因。例如细菌感染性疾病诊断治疗系统MYCIN,计算机故障诊断系统DART等。
(3)预测应用(prediction application): 解决天气预报、人口预测、交通预报、农业产量估计和军事预测等方面的问题。这类专家系统主要是根据过去和现在得到的模型来推断将来可能发生或出现的情况,预测需要关于时间的推理,通过过去和现在的数据来拟合模型的基本参数以建立动态的预测模型。这些模型必须能反映出各种可能引起现行环境随时间概念的因素和这些因素的变化方式。从模型推理出来的结果形成预测的基础。由于预测是规划和决策的基础,规划和决策应用的专家系统往往也包含了预测子系统。这类系统需要有相应的模型的支持,且需要处理随时间变化的数据及按时间顺序发生的事件,因而时间推理是这类应用的常用技术。例如,病虫害预测系统PLANT/ds,军事冲突预测系统I&W,台风路径预测系统TYT等。
(4)决策应用(decision-making application):解决经济、科技和社会政策或业务活动的方案选择等方面的问题。这类专家系统根据已经制定的多个目标,在预测和规划的基础上,对各种可能的决策方案进行综合评价和选优,选取一个最优的或近似最优的方案。如果系统面临的决策问题的结构和过程清晰,可以运用确定的数学模型求解,这样的问题不构成专家系统的问题环境,可以运用算法设计的管理信息系统(MIS)技术进行求解。在结构不良的决策环境下,现已生成的决策系统大多数还是以决策支持(DSS)的方式进行建模。
(5)规划与设计应用(planning and design application):应用在自动程序设计、机器人动作和实验步骤规划、军事规划、线路设计、建筑设计和预算编制等方面。这类专家系统为了达到一定的目标进行动作步骤设计,并按照给定的要求,为待制造的产品构造出规格说明。规划的目标是在给定的约束条件下,利用尽量少的资源来构造一个能实现给定目标的动作序列,如果目标间存在冲突,这类应用应能区别各目标的优先程度; 如果规划的约束条件或目标,规划的数据参数不完全或者随时间变化,这类应用的专家系统应能有相应的处理能力。设计是在给定的约束下,设计系统为产品构造产品的描述,这个描述包括产品中各个构件及其相互关系,有时构造过程还需要优化成本或其他方面的目标函数。比如,可辅助分子遗传学家规划实验并分析实验结果的MOLGEN,安排宇航员在空间站活动的KNEECAP系统,制定最佳行车路线的CARG系统等。
(6)教学应用(instruction application): 解决制定教学计划、设计习题、水平测试等方面的问题。这类应用可以诊断和修正学生的行为,辅助教学,并能根据学生学习中产生的问题进行分析、评价、找出错误原因,有针对性地确定教学内容或采取其他有效的教学手段。这类应用的关键技术是要以深层知识为基础的解释功能,并且需要建立各种相应的模型。目前被大多数人认可的专家系统教学方式主要有两种: 一种是通过专家系统应用,使学生充分体验到人类专家问题求解的思路和推理风格,这有助于提高学生的分析、判断和反思能力; 另一种是让学生借助专家系统工具自行建造专家系统,包括知识库的构建和环境的建设。例如可进行逻辑学、集合论教学的EXCHECK系统。
(7)监控应用(monitoring application):完成实时监测任务的专家系统,为了实现规定的监测,这类应用必须能随时收集任何有意义的信息,并能快速地对得到的信息进行鉴别、分析、处理,一旦发现异常,能尽快地作出反应,如发出警报信号。例如,高危病人监护系统VM,航空母舰空中交通管理系统REACTOR系统。
(8)控制应用(control application): 对各种大型设备及系统实现控制的专家系统,一般兼有数字和非数字两种模式。为了实现被控对象的实时控制,该类应用必须具有能直接接收来自被控对象的信息、并能迅速进行处理、及时作出判断和采取相应行动的能力。例如,维持钻机最佳钻探流特征的MUD系统。
(9)故障维修应用(fault maintenance and repair application):依据一定的原则从已有的征兆事实推出对象存在的故障,并给出故障维修的方案。这类应用要求能根据故障的特点制定纠错方案,并能实施这个方案排出故障,当制定的方案失效或部分失效时,能及时采取相应的补救措施。例如,电话电缆维护系统ACE,排除内燃机故障的DELTA系统。