第四章专家系统

1、第四章 专家系统4.1 专家系统基本概念 一 专家系统：模仿人类专家，使用特定的知识和一定的推理方法解决专门领域问题的计算机系统。人工智能发展历史中第一个真正投入商用的研究成果。专家系统的四个要素： (1) 应用于某专门领域。 (2) 拥有专家级知识。 (3) 能模拟专家的思维。 (4) 能达到专家级水平。 常规系统和程序常规系统和程序专家系统专家系统数据结构数据结构+算法算法知识知识+推理推理问题求解的知识隐含问题求解的知识隐含于程序中于程序中将专门知识独立成知将专门知识独立成知识库识库面向数值计算和数据面向数值计算和数据推理推理面向符号推理面向符号推理处理多为精确数据处理多为精确数据多为不

2、精确、模糊数多为不精确、模糊数据据常无解释常无解释有解释有解释2专家系统基本结构1简单结构推 理 机（INFERENCE ENGINE）知识库（事实库+规则库）问题解答KNOWLEDGE BASE2 一般结构用户用户接口用户接口解释机构解释机构推理机推理机 解释器 调度器推出断言 冲突消解器推荐的行动黑板工作存储器专家知识知识工程师知识库知识库（事实与规则）开发环境咨询环境知识精练2专家系统历史1956-1965：通用问题求解器（General-purpose Solver GPS)，专家系统的前驱；1965-1980：早期的专家系统。DENDRAL，MYCIN等。第一代（60年代）：高度专业

3、化，结构功能不完整，移植性差；专门问题求解能力强，但缺乏推理解释功能。1980-至今：商用专家系统，XCON、XSEL、CATS-1、 工具：多学科综合性应用；专家系统开发工具；大型知识工程系统。第二代ES： MYCIN、PROSPECTOR，数学发现专家AM：单学科专业型应用系统；结构较完整，功能较全面；具有推理解释功能，透明性好；采用启发推理，非精确推理；用各种方法表达知识；LISP语言编码。三 专家系统的特点 专家系统善于解决那些不确定性的、 非结构化的、没有算法解或虽有算法解但在现有的机器上无法实施的困难问题。例如,医疗诊断、地质勘探、天气预报、市场预测、管理决策、军事指挥等领域的问题

4、。专家系统则是靠知识和推理来解决问题(不像传统软件系统使用固定的算法来解决问题), 所以, 专家系统是基于知识的智能问题求解系统。 从系统的结构来看, 专家系统则强调知识与推理的分离, 因而系统具有很好的灵活性和可扩充性。具有解释功能, 即在运行过程中一方面能回答用户提出的问题,另一方面还能对最后的输出(结论)或处理问题的过程作出解释。具有“自学习”能力, 即不断对自己的知识进行扩充、完善和提炼。这一点是传统系统所无法比拟的。专家系统不像人那样容易疲劳、遗忘,易受环境、情绪等的影响, 它可始终如一地以专家级的高水平求解问题。4专家系统用途及分类1用途：一般而言：（1）知识利用、保存和传播的现代

5、化工具，可以保存、复制、转移、传播知识，便于专家知识、经验的推广和应用；（2）人工智能和知识工程技术的开发工具和环境。2分类不同的分类标准，得到不同的分类结果。 从专家系统的特性及处理问题的类型分类：诊断型。根据输入信息推出相应对象存在的故障、找出产生故障的原因并给出排除故障方案的一类专家系统。如医疗诊断、机器故障诊断、产品质量鉴定等专家系统。预测型。根据相关对象的过去及当前状况来推测未来情况的一类专家系统。如天气预报、市场预测、地震预报等。决策型。利用已知信息通过推理帮助决策的专家系统。如智能决策支持系统。设计型。按给定要求进行相应设计的一类专家系统。如工程设计、电路设计、建筑及装潢设计、服

6、装设计等领域。规划型。按给定目标拟定总体规划、行动计划、运筹优化等的一类专家系统。如机器人动作控制、工程规划、军事行动规划等。控制型。用于对各种大型设备及系统实现控制的一类专家系统。监测型。用于完成实时监测任务的一类专家系统。如病人监护、网络监测、航空监管等。教育型。能用于辅助教学的专家系统。如制订教学计划、设计习题、水平测试等。按知识表示及实现：基于规则的专家系统；基于框架的专家系统；基于模型的专家系统；按输出结果分类分析型。工作性质属于逻辑推理，输出结果是个“结论”。如诊断型、解释型、预测型、决策型都属于分析型专家系统。设计型。工作性质属于某种“操作”，输出结果是一个“方案”。4.2 血液

7、感染病医疗诊断系统MYCIN 是一个帮助内科医生诊治感染性疾病的专家系统。1978年完成，LISP编写。一 结构1 数据库：存放病人数据、事实、化验结果2 咨询子系统：推理机及用户接口3 解释子系统：回答用户有关问题求解等的提问4 知识库：存放规则知识5 知识(规则）获取子系统：获取知识2表示1数据：（对象 属性 值 可信度）（PATIENT-1 SEX MALE 1.0）静态数据、动态数据、上下文特性等。2规则：（前提 结论 可信度）RULE *：PREMISE： &AND ( ) ( ) .ACTION： （CONCLUDE . TALLY CF）3组织1上下文：与诊断相关的项目、

8、对应描述的对象。MYCIN中定义10种上下文，可以视为治疗需要考虑的相关数据和问题：病人状况、培养物/化验、细菌、病人已服用药物、正在接受的治疗、正在考虑的处方、以前取得的培养物、以前服用的抗生素、以前分离的细菌等。在咨询和求解过程中根据上下文特性逐渐建立起上下文树。上下文树的例子 CURCULS正在从中分离细菌的培养物 CURORGS目前从培养物中分离出的细菌OPDRGS在最近治疗过程中病人已服用的抗生素药物PERSON病人状况 POSSTHER正在考虑的处方PRIORCULS以前取得的培养物 PRIORDRGS病人以前服过的抗生素PRIORORGS以前分离的细菌 OPERS病人正在接受的治

9、疗上下文特性：Assocwith：父辈节点的上下文类型；Subject：可用于此类上下文的规则表；MainProps：上下文的参数，当此类上下文被例示时，就立即跟踪此表中参数；Prompt1：提问，是否已有此类型上下文。Prompt22参数：上下文、对象属性Person ：Sex , Name, Age , Regimen等属性。每一个参数有相关的一组属性，例如：LABDATA：表明数据是由用户直接给出还是需要进行推理得到；LOOKAHEAD：在前提中引用该参数的所有规则；UPDATED BY：能更新此参数的所有规则；CONTAINED IN：在操作部分引用此参数，但并不改变其值的所有规则。3

10、 规则 除了PREMISE、ACTION外，还有以下两参数影响其使用：CATEGORY：规则按上下文进行分类，每条规则只能用于某几个上下文类；SELFREF：规则是否自引用。规则047，用对象、属性、值的三元组的形式存于知识库中 4推理控制1 主要思想：此类病诊断正常过程：（1）确定是否有重要病菌感染；（2）确定病菌类型；（3）确定抗菌类型；（4）优选治疗方案。MYCIN采用逆向推理，深度优先搜索策略。2 主要过程 （1)赋于这个上下文一个名称；(2) 把这个上下文加到上下文树上去；(3) 马上跟踪这类上下文的MAINPROPS表中的参数。 对于新的病人建立PERSON名称的上下文，跟踪其参数

11、；PERSON四个参数中，只有REGIMEN为非LABDATA；在操作部分涉及它的只有一条规则：规则092IF 存在一种病菌需要处理某些病菌虽然没有出现在目前的培养物中，但已经注意到它们需要处理THEN 根据病菌对药物的敏感情况，编制一个可能抑制该病菌的处方表 从处方表中选择最佳的处方 ELSE 病人不必治疗 在规则前提的第一和第二个子句中，涉及到第二个参数TREATFOR和COVERFOR。这二个参数都是PROP-PT，并且是“是非”型的。对这二个参数求值，就引起了长长的咨询过程。 TREATFOR表示需要处理的细菌，它不是LABDATA参数，所以系统试图引用所有的在这个参数的UPDATED

12、-BY特性中所列出的规则来推论它的值： IF 已知细菌的类别 存在和这种细菌的出现有关的显著的病症 THEN 肯定存在一种需要处理的细菌(可信度1.0) 这是一条CURORGRULE规则。通过检查它的CATEGORY特性知道，它只能用于CURORGS细菌类型的上下文。当前所研究的PATIENT-1的上下文类型是PERSON，不是细菌，所以MYCIN试图用动 态数据库中的上下文树来鉴别PATIENT-1的所有的属于细菌类型的后代。因为到目前为止，还没有细菌类型的上下文的例示。MYCIN需要建立这样的例示。 系统检验细菌类型上下文是否可能是PERSON类型上下文的直接后代，结果发现不行。细菌类型上

13、下文的ASSOCWITH特性是CURCULS培养物。这表明细菌的父辈上下文类型必须是培养物。相应地，MYCIN检查是否可能例示培养物类型的上下文，因为培养物的ASSOCWITH特性是PERSON。而PERSON类型上下文已存在，所以可例示培养物上下文作为PATIENT-1的直接后代。系统就进行这个过程。 新节点加入需考虑父子关系，父不存在，需先建父。当每个上下文被例示时，它的MAINPROPS参数就被跟踪。参数是LABDATA参数，马上要向用户询问。 上下文树的构成MYCIN的控制策略是由目标引导的逆向推理。系统首先引用目标规则以推论PATIENT-1的REGIMEN参数。系统需要跟踪在规则的

14、前提部分中涉及的参数TREATFOR和COVERPOR。跟踪的方法是依次地调用所有可以决定这二个参数的规则。每当这些规则被调用时，MYCIN通过调用更进一步的规则来跟踪它的前提部分中的参数，产生式系统的IF-THEN规则组 成了与或树。继续跟踪过程就导致了在由规则所组成的与或树中的深度优先的搜索过程。 对规则处理，条件匹配；两个过程：MONITOR和FINDOUT；MONITOR用于分析规则；FINDOUT为MONITOR找所需要的数据。5解释提供解释机制。4.3 专家系统的设计和建立专家系统的设计和建立1设计内容1知识库设计：在知识表达的基础上，根据形式化的知识模型和相应的符号结构体系，设计

15、具有知识存储、检索、编排等的知识数据库：（1）库中存储知识的类别：叙述/过程/控制等；（2）表达方法的选择：适用性/可扩性/有效性等； 多种方法的综合：混合式/组合式/层次式（3）知识库管理系统设计：可借鉴和利用DBMS的设计思想和方法。3接口设计（1）用户和系统接口：咨询、解释；（2）专家和系统接口：知识获取。（1）控制策略：正向/逆向/综合（2）推理方法 追求效果与效率。2推理机设计：根据知识表达、知识推理方法和推理控制策略，设计求解专门问题、具有推理、解释等功能的部分。知识库管理系统设计 系统总体分析与设计 知 识 获 取 知识表示与知识描述语言设计推理机设计解释模块设计总控与界面设计其

16、它功能模块设计知识库设计 编 程 与 调 试 测 试 与 评 价 运 行 与 维 护设计与开发步骤2开发步骤1建造步骤：一般性步骤，特定情况有特殊的处理方式，核心是建立知识库和推理模式。（1）设计初始知识库：将专家的知识和经验，提炼/描述，机器、问题适合的恰当形式。2原型机的开发和实验3改进确认问题表达概念形成结构生成系统验证改进完善重新设计重新描述确认：明确任务、目标、条件、资源、环境；概念化：概念化知识模型，文字/图形；形式化：形式化知识模型，符号；实现：生成一个完整的结构；测试和修改。3建造中问题1确定专门任务，确定ES适合开发的问题：（1）具有适合采用ES技术开发的基本条件依靠经验性知

17、识；存在真正合适的领域专家；有明确开发目标，不太难实现；（2）存在运用ES技术开发的理由：有较高效益；某些专门知识可能失传；需要专门知识；（3）具有适合ES开发的任务特性：需符号处理的任务；需试探性求解任务；具实际价值任务。2 采用原型法，渐增式方法；3 领域专家、系统工程师/知识工程师的合作；4 用户参与；5 采用辅助工具；6推理中的问题：（1）首先考虑确定的事物；（2）对于规则的表达方式，改善规则区别能力；（3）采用不同的推理方法小空间/不可靠数据或知识/大搜索空间等。7 测试时，各种不同事例来进行。4专家系统中的知识问题 1知识获取内容：知识抽取：将蕴涵于知识源（领域专家、书本、相关论文

18、及系统的运行实践等）中的知识经识别、理解、筛选、归纳等抽取出来；知识转换：将原始知识转化为计算机可表示的；知识输入：知识经过编辑、编译送入知识库；知识检测：获取方式： 非自动获取：从领域专家、书本等经知识编辑器； 自动获取：ES自身学习功能。2知识检测和求精知识的一致性和完整性：知识冗余：等价规则/冗余规则链/冗余条件；IF P AND Q THEN RIF P ANDQ THEN R知识矛盾：IF P THEN RIF P THEN R条件从属规则：根据实际情况进行判断；IF P AND Q THEN R；IF Q THEN R；环路：规则形成循环链路；IF P THEN Q；IF Q THEN T；IF T THEN P；知识检测：（1）静态检测：知识输入前的检测； 动态检测：知识库进行增、删、改等维护时的检测；（2）基于经典逻辑的检测方法：通过对条件、结论等相应部分的逻辑表达式进行比较，判断其等价、矛盾等特性。 P Q (PQ) 将逻辑表达式变为统一的形式，例如同为合取范式。冗余检测：等价规则/等价规则链/冗余条件等。r1:IF P THEN Q；r2:IF Q THEN R；r3:IF R THEN S；r4:IF P THEN T；r5:IF T THEN S；r1:PQr2: QRr3: RSr4:PTr5