浅谈专家系统应用与发展

1、浅谈专家系统h用与发展摘要：专家系统作为人工智能应用研究的课题之一在各个领域得到广泛应 用，但也存在一些突出问题限制了其进一步的发展。本文就专家系统的应用领域 和研究热点及其存在问题作了讨论，并提出了新型专家系统的一些特点，指出发 展新型专家系统是很冇必耍的。专家系统，知识获取，数据挖掘,多 angentapplication and prospect of expert systemabstract:expert system is one of the research subjects of the application of ai(artificial intelligence),a

2、nd widely uesd in many fields.but some predominant problems confined its development.this article discussed the application areas and research hotspots of expert system,and brought up some characteristics of new style expert system,finally pointed that it，s necessary for us to develop new style expe

3、rt system.key words:expert system; knowledge acquisition; data mining; multi-agent system1专家系统概述1.1专家系统的起源与含义专家系统(expert system)是人工智能领域应用研究最活跃和最广泛的课题 之一。第一个专家系统是在 1956 年曲 allen newell> herbert simon 及 j. c. shaw 所发展。其后，许多专家系统也纷纷随z建立，但在前期多半是属于研究性质的 雏形系统。1970年代z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

4、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山专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技 术和计算机技术，根据某领域一个或多个专家捉供的知识和经验，进行推理和判 断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。 1.2专家系统的结构专家系统的基本结构如图1所示，其中箭头方向为数据流动的方向。专家系 统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6 个部分构成。因1专家系统结枸图机构中的知识库包描两个部分，一是与当前问

5、题有关的数据信息，二是进行 推理吋要用到的一般知识和领域知识。专家系统的问题求解过程是通过知识库屮 的知识來模拟专家的思维方式的，所以知识库中知识的质量和数量决定着专家系 统的质量水平；而推理机用于记忆所采用的规则和控制策略的程序，使整个专家 系统能够以逻辑方式协调的工作，它能够根据知识进行推理并导出结论，而不是 简单的搜索现成的答案；综合数据库用于存储领域或问题的厨师数据和推理过程 屮得到的屮间数据，即被处理对象的一些当前事实；解释器能够向用户解释专家 的行为，包括解释推理结论的正确性以及系统输出其他候选解的原因；人机交互 界面能够使系统与用户进行对话，用户能够输入必要数据、提出问题和了解推

6、理 过程及推理结果，而系统则通过此界而耍求用户回答问题，或回答用户捉出的问 题并作必要解释。1.3专家系统的优点近20年来，专家系统获得迅速发展，应用来领域越来越广，解决实际问题 的能力也越来越强，这是专家系统的优良性能以及对国民经济所起的重人作用所 决定的。具体说，专家系统貝有以下优点：(1) 专家系统能够高效率、准确、周到、迅速和不知疲倦的进行工作；(2) 专家系统解决实际问题时不受周围环境的影响，也不可能忘记或遗漏；(3) 可以使专家的专长不受吋间和空间的限制，以便推广珍贵和稀缺的专家 矢口识和经验八(4)专空系统能够促进各领域的发展，它使各领域专家的专业知识和经验的 到总结和精炼，能够

7、广泛而冇力的传播专家的知识、经验和能力；(5) 专家系统能够汇集和集成多领域专家的知识和经验以及他们写作解决 重大问题的能力，拥有更渊博的知识、更丰富的经验和更强的工作能力；(6) 军事专家系统的水平是一个国家的国防现代化和国防能力的重要标志 z；(7) 专家系统的研制和应用，具冇巨大的经济效益和社会效益；(8) 研究专家系统能够促进整个科学技术的发展。专家系统对人工智能各个 领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民 生活产生极其深远的影响川。2专家系统应用现状与研究热点2.1专家系统应用现状近年来专家系统技术逐渐成熟，广泛应用在工程、科学、医纱、军事、商业 等方

8、面，而且成果相当丰硕，甚至在某些应用领域，还超过人类专家的智能与判 断。其功能应用领域概括冇：解释(inteipretation)如测试肺部测试(如puff)。预测(prediction)如预测可能由黑蛾所造成的玉米损失(如plan)。诊断(diagnosis)如诊断血液中细菌的感染(mycin)。又如诊断汽车柴 油引擎故障原因zcats系统。故障排除(fault isolation)如电话故障排除系统ace。设计(design)如专门设计小型马达弹簧与碳刷之专家系统 motor brush designero规划(planning)就出名的有辅助规划ibm计算机主架构之布置，重安装 与重安排

9、z专家系统css,以及辅助财物管理z planpower专家系统。监督(monitoring)如监督 ibm mvs 操作系统zyes/mvs。除错(debugging)如侦查学生减法算术错误原因之buggy0 修理(repaid 如修理原油储油槽之专家系统secoforo 行程安排(scheduling)如制造与运输行称安排之专家系统isa。又如工 作站(workshop)制造步骤安排系统。教学(instruction)如教导使用者学习操作系统z tvc专家系统。控制(control)帮助digital corporation计算机制造及分配之控制系统 ptranso分析(analysis)

10、如分析油井储存量之专家系统dipmeter及分析冇机分 了可能结构z dendral系统。它是最早的专家系统，也是最成功者2。维护(maintenance)如分析电话交换机故障原因z后，及能建议人类该 如何维修之专家系统compasso架构设计(configuration)如设计vax计算机架构之专家系统xcon以 及设计新电梯架构之专家系统vt等。校准(targeting) 例如校准武器准心z专家系统battle。2.2专家系统而对的问题与研究热点有些学者认为：专家系统发展出的知识库思想很重要，它不仅促进了人工智 能的发展，而且对整个计算机科学的发展影响甚大，不过，基于规则的知识库思 想却限

11、制了专家系统的进一步发展。目前所构造的大部分专家系统都是针对某一具体领域的专家知识而言的，专 家系统只能解决某一领域内的问题，在应用上具冇很大的局限性；而冃为某一具 体领域构造知识库及相应的推理机是一件困难的事情。故专家系统的研究不再 满足现有的各种模型与专家系统的简单结合，形成基于某种模型的专家系统了， 而是在不断向深层次方向发展。针对专家系统的核心知识表示和知识获取，探索 更方便、更冇效的方法，解决困扰专家系统的知识获取瓶颈、匹配冲突、组合爆 炸等问题；针对现在数据多、知识少的特点，将数据挖掘引入专家系统z中；将 多agent技术用j 专家系统，以捉咼专家系统的性能。(1) 知识的表示和获

12、取知识就是人类通过实践(包括学习、模仿、试验、生理等实践活动)认识到客 观世界的规律，是信息经过加工、整理、解释、挑选和改造而形成的。知识表示 就是为描述世界所作的一组约定，是知识符号化的过程。这种描述或约定表达了 计算机可以接受的人类智能行为。知识表示是专家系统的关键点之一，一个专家系统建造的成功与否和采用的 知识表示方法能否充分反映该领域知识有直接关系。知识获取又称机器学习，是 将客观世界屮知识转换为专家系统屮知识的过程。它是专家系统不可缺少的一部 分。如何获取足够、完整和明确的知识是专家系统的另一个关键点。知识的表示 可以分为表层表示、深层表示和混合表示三种。混合知识的表示是口前研究的一

13、 个热点方向。在专家系统的实际开发中，所采用的方法和知识的表示都不会是单 一的，往往需要将多种知识表示方法有机地结合起来，解决单一知识表示无法解 决的问题。知识的口动获取一直是专家们感兴趣的研究方向，也是一项十分困难的研究 任务。由于现在开发的专家系统向大规模系统和通用型系统发展，越来越希望机 器能够自动获取知识，减少开发人员的手动或半自动开发工作量。随着神经网络 的蓬勃发展，传统的符号学习与连接机制已经被逐步取代。基于进化学习系统和 遗传算法，因吸取了归纳学习与连接机制的长处而受到重视。数据挖掘、计算机 数据库和计算机网络的发展都为提取有用知识提供了新的方法。(2) 数据挖掘技术的应用数据挖

14、掘(datamining)就是从犬量的、不完全的、冇噪声的、模糊的、随机 的数据中，提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知 识的过程。它是近几年兴起的一个极冇发展前途又冇广泛应用前景的新领域。数 据挖掘作为一个交叉学科领域，受多个学科的影响，包描数据库系统、统计学、 机器学习、可视化和信息科学等。依赖于所挖掘的数据类型或应用领域，数据挖 掘可能集成空间数据分析、图像分析、模式识别、web技术、信息检索、心理学 等领域的技术。主要的数据挖掘技术与方法有聚类、分类、决策树、粗糙集、神 经网络、凹归分析、遗传算法、偏差检测等。从数据库屮挖掘的规则可以冇以下 多种表达形式：关联规

15、则、特征规则、异常规则、转移规则、序列规则、分类和 聚类等。数据挖掘的应用对象是大规模数据库，口标是发现数据库屮规律性的知 识。数据挖掘提取的知识可以表示为概念、规律、模式、约束和可视化。在知识获取技术方面，基于数据挖掘的专家系统可以极大缓解专家系统的知 识瓶颈问题。它不再是知识工程师从领威专家屮捉取规则，将其传换为知识，而 是从领域专家提供的大量数据中自动获取知识。数据挖掘中的数据预处理模块可 以在知识的获取屮减小噪声数据的影响，提高知识获取的正确性。知识会随着挖 掘的过程不断被学习到系统当中，这样既人人加深和拓宽了知识获取的深度与广 度，又会使获取的知识越来越完善、越来越精确。在推理技术方

16、而，数据挖掘技术是以数据库系统、数据仓库统计学等为基础 的。而数据仓库主要特点就是：它是而向主题的，库屮的数据是多维的。数据挖 掘器在推理时可以根据不同需要将不同维度内的运行状态参数综合起来一起分 析计算，即运用数据挖掘算法来进行全方位推理。这可以克服传统推理机制具有 单一方面的高精确度而忽视了其他方面影响的缺点；可以增强其推理的合理性， 提高其推断结果的可靠性。在数据挖掘屮尽可能地引入人对该应用领威的先验知识是非常必要的。数据 挖掘是一个人机交互、不断重复的过程。专家的领域知识或背景知识的应用对挖 掘过程具有补充和促进作用，经常用来引导发现过程以避免无意义的结果。另外, 一般数据挖掘方法仅仅

17、在数据库内容上产生规则，规则难以理解，领域知识或背 景知识的应用可以产生易理解的规则。利用专家的领域知识的意义，不仅在于约 简、表达和评估规则，更重要的是通过评估获得处理结杲与应用需求z间的偏差, 并以此作为反馈，去修正以前的各个步骤。(3) 多agent技术的运用agent是一个具冇自主性、反应性、主动性和社会性的基于硕件或软件的计 算机系统，通常还具有人类的智能特性，如知识、信念、意图和愿望等。agent 理论与技术研究源于20世纪80年代屮期的分布式问题求解。由于分布式并行处理 术、面向对象技术、多媒体技术、计算机网络技术，特别是intemet和web技术的 发展，使agent成为当今人

18、工智能与软件工程中的研究热点，引起了科学界、教 育界及工业界的广泛关注。多agent系统(multi agent system, mas)是指由多 个自主构件组成的所有类型的系统，它是一个松散耦合的问题求解器网络，其目 标是为了解决那些超出每个问题求解器的单独能力或知识的问题。这些问题的求 解器就是agent,它们是自主的，并可能是异构的。多agent系统的表现通过agent 的交互来实现，主要研究多个agent为了联合采取行动或求解问题，如何协调各 自的知识、目标、策略和规划。在表达实际系统时，多agent系统通过各agent 间的通信、合作、协调、调度、管理及控制来表达系统的结构、功能及行

19、为特性。 由于在同一个多agent系统屮各agent可以界构，多agent技术对于复杂系统具有 无可比拟的表达力，它为各种实际系统提供了一种统一的模型，从而为各种实际 系统的研究提供了一种统一的框架，其应用领域十分广阔。将多agent的方法引入到专家系统中，将冇利丁解决传统的单个专家系统与 应用场所、应用环境难以沟通的问题；能比较容易地适应用户的知识结构、思维 习惯；能够比较方便地与系统屮的其他agent进行协调、交流以达到系统的整体 目标。对于复朵问题的求解，通常可以将专家系统看作一个agento但是实际上两 者冇较大的区别，在一个大型的复杂系统屮，从系统功能分解理论岀发，可以把 整个系统分

20、解成儿个子系统，如果只用单纯的专家系统或者agent模块都有很大 的局限性。要实现各个模块的协商和协作，在专家系统之间很难实现，而由多个 agent就口j以传递各个模块的协作，但只采用agent技术，又难以保证任务执行 的速度。因此，采用集成专家系统和多agent技术是一种比较不错的方法。集成 专家系统和多个agent系统主要由完成特定功能的专家系统和agent模块组成， 专家系统模块利用经验历史知识和对彖当前运行状态信息以严格高效的逻辑推 理。agent模块则主要利用agent间的合作来实现动态不完全信息，从而提高系 统对环境的适应能力。这样能够充分弥补两者各自的不足，增强系统的能力，整 体上提高系统的实时性和准确性。3专家系统发展前景基丁以上问题，发展新型专家系统尤为必耍，新型专家系统不仅要釆用各种 定性模型，而且要运用人工智能和计算机技术的一些新思想与新技术，具体有以 下特征：(1) 并行与分布处理基于齐种并行算法，采用各种并行推理和执行技术，适合在多处理的硬件环 境屮工作。系统屮的多处理器应该能够同步和异步并行处理。(2) 多专家系统协同工作各个子专家系统之间可以互相通信，通过多个子专家系统的协同工作，以扩 人整个专家系统的解题能力，而不像分布处理特征那样主要是为了提高系统的处 理效率。(3) 高级语言和知识语言描述为了建立专家系统，知识工程师只需用一种