第8章专家系统

人工智能技术篇专家系统第八章本章导读专家系统是计算机实现智能的一项重要技术，它应用于医学、地质、气象、教育、机械、交通运输和计算机等多个领域。可见，随着专家系统的迅速发展，不同的应用领域逐渐走向智能化，同时还带来了巨大的社会效益和经济效益，为社会的发展提供了良好的助力。本章先对专家系统的概念、特点、发展、类型、应用等进行概述，然后详细介绍专家系统的基本结构和开发过程，最后对医学专家系统进行分析。学习目标熟悉专家系统的概念、特点、类型和应用。掌握专家系统的基本结构。掌握专家系统的开发过程。目录

4专家系统概述专家系统的基本结构专家系统的开发过程01020304案例分析：医学专家系统专家系统概述01专家系统（expertsystem）是一个或一组能够在某些特定领域，应用大量的专家知识和推理方法解决复杂实际问题的计算机系统。换句话说，专家系统含有某领域内专家提供的大量专门知识与经验，根据这些知识和经验，通过人工智能理论进行推理和判断，解决某些需要人类专家处理的复杂问题。专家系统是早期人工智能的一个重要分支，它的主要特点如表所示。专家系统的概念与特点8.1.1特点介绍知识丰富积累了大量专家的知识和经验进行有效推理专家系统能综合利用不确定的信息和知识进行推理，并得出结论启发性专家系统运用专门知识和经验进行推理、判断和决策透明性专家系统具有解释功能，不仅能回答用户提出的问题，还可以给出答案的依据，有利于提高用户与系统之间的透明度灵活性知识与推理机间既相互联系又相互独立，使专家系统具有良好的可维护性和可扩展性交互性专家系统一般都是交互式系统，具有较好的人机交互界面专家系统的特点20世纪60年代初，出现了一些运用逻辑学去模拟人类心理活动的通用问题求解程序，它们不仅可以证明定理，还可以进行逻辑推理。1968年，斯坦福大学费根鲍姆等人基于通用问题求解程序的成功与失败经验，结合化学领域的专业知识，研制了世界上第一个专家系统——DENDRAL系统，用于推断化学分子结构。专家系统实现了人工智能从理论研究走向实际应用、目前，专家系统的发展过程已经经历了3个阶段，并正向第4个阶段过渡和发展，每一阶段的专家系统都各具特色，如图所示。专家系统的起源与发展8.1.2专家系统的发展从不同的角度，根据不同的方式，可以将专家系统划分为不同的类型，如表所示。（1）按用途分类，专家系统可分为解释型、预测型、诊断型、设计型、规划型、监视型和教学型等多种类型。（2）按输出结果分类，专家系统可分为分析型和设计型。（3）按知识表示分类，专家系统可分为一阶谓词逻辑、产生式规则、语义网络和框架等。专家系统的类型8.1.3专家系统任务特点举例解释型

专家系统通过对已知信息和数据的分析与解释，确定它们的含义系统处理的数据量大，且数据往往是不准确的、有错误的或不完全的语音理解、图像分析、系统监视、化学结构分析和信号解释等系统能够从不完全的信息中得出解释，并能对数据做出某些假设系统的推理过程可能很复杂或很长，要求系统具备解释自身推理过程的能力预测型

专家系统通过对过去和现在已知状态的分析，推断未来可能发生的情况系统处理的数据随时间变化，且数据可能是不准确和不完全的天气预报、军事预测、人口预测、交通预测、经济预测等系统需要有适应时间变化的动态模型，能够从不准确和不完全的信息中获得推断，并快速响应诊断型

专家系统根据取得的现象、数据或事实推断出系统是否有故障，并找出产生故障的原因，同时提供排除故障的方案系统能够了解被诊断对象或客体各组成部分的特性及它们之间的关系医疗诊断、软件故障诊断、电子机械故障诊断和材料失效诊断等系统能够区分一种现象及其所掩盖的另一种现象系统可以向用户提供测量的数据，并从不确切信息中得出尽可能正确的诊断设计型

专家系统根据设计要求，获得满足设计约束条件的目标设计系统善于从多方面的约束中得到符合要求的设计结果计算机结构设计、电路设计、土木建筑工程设计、机械产品设计和生产工艺设计等系统需要检索较大的可能解空间系统善于分析各种子问题，并处理好子问题间的相互作用系统能够试验性地构造出可能设计，并易于对所获得的设计方案进行修改系统能够使用正确的设计来解释当前的新设计（4）按知识的确定性分类，专家系统可分为确定性知识推理和不确定性知识推理。（5）按采用的技术分类，专家系统可分为符号推理型和神经网络型。（6）按规模分类，专家系统可分为大型协同式专家系统和微专家系统。（7）按结构分类，专家系统可分为集中式和分布式，单机型和网络型。其中，对不同用途专家系统的具体描述如表所示。专家系统任务特点举例规划型

专家系统寻找某个能够达到给定目标的动作序列或步骤要规划的目标可能是动态的或静态的，因此，需要对未来动作做出预测军事规划、城市规划、工程规划、生产规划和机器人动作控制等所涉及的问题可能很复杂，要求系统能抓住重点，处理好各子目标间的关系和不确定的数据信息，并通过试验性动作得出可行规划监视型

专家系统对系统、对象或过程的行为进行不断观察，并把观察到的行为与其应该具有的行为进行比较，一旦发现异常，及时发出警报系统应具有快速反应能力，在造成事故之前及时发出警报监视核反应堆系统发出警报的准确性高系统能够随时间和条件的变化而动态地处理其输入信息教学型

专家系统根据学生学习过程中所产生的问题进行分析、评价，并找出原因，采用最适合的教学方法对学生进行教学和辅导系统具有诊断和调试等功能计算机辅助教学系统、聋哑人语言训练教学系统等系统具有良好的人机交互界面

当前，专家系统已经在计算机、医学、地质学、化学、军事、工程和数学等多个领域有着广泛的应用，表列举了不同领域的典型专家系统。专家系统的应用8.1.4应用领域典型专家系统功能医学MYCIN细菌感染性疾病诊断和治疗CASNET青光眼的诊断和治疗PIP肾脏病诊断INTERNIST内科病诊断PUFF肺功能试验结果解释ONCOCIN癌症化学治疗咨询VM人工肺心机监控地质学PROSPECTOR帮助地质学家评估某一地区的矿物储量DIPMETERADVISOR油井记录分析DRILLINGADVISOR诊断和处理石油钻井设备的“钻头粘着”问题MUD诊断和处理同钻探泥浆有关的问题HYDOR水源总量咨询ELAS油井记录解释化学DENDRAL根据质谱数据推断化合物的分子结构MOLGEN分析并合成DNA分子结构CRYSALIS通过电子云密度图推断一个蛋白质的三维结构SECS帮助化学家制定有机合成规划SPEX帮助科学家设计复杂的分子生物学实验军事AIRPLAN用于安排航空母舰周围的空中交通运输计划HASP海洋声呐信号识别和舰艇跟踪TATR帮助空军制定攻击敌方机场的计划RTC通过解释雷达图像进行舰船分类工程SACON帮助工程师发现结构分析问题的分析策略DELTA帮助识别和排除机车故障REACTOR帮助操作人员检测和处理核反应堆事故数学MACSYMA数学问题求解AM从基本的数学和集合论中发现概念专家系统的基本结构02专家系统的基本结构包括6部分，即知识库、知识获取机构、推理机、综合数据库、人机接口和解释机构，它们之间的关系如图所示。其中，知识库和推理机是专家系统的核心。专家系统的基本结构人工智能的任务可理解为设计Agent程序，即实现Agent从感知到动作的映射。Agent程序需要在某种计算机设备（称为结构）上运行。简单的Agent结构可能只是一台计算机，复杂的Agent结构可能包括用于某种任务的特定硬件设备，如图像采集设备、声音滤波设备等。由此可见，Agent、程序和结构之间具有如下关系。Agent=程序+结构在计算机系统中，Agent含有独立的外部设备、输入/输出驱动设备、各种功能操作处理程序、数据结构和相应的输出。程序的核心部分是决策生成器或问题求解器，它接收全局的状态、任务和时序信息，指挥相应的功能操作模块工作，同时将内部的工作状态和所要执行的重要结果送至全局数据库。

Agent的结构与类型10.2.2添砖加瓦

Agent的全局数据库中设有存放Agent状态、参数和重要结果的数据库，供整体协调使用。Agent的运行是一个或多个进程，并接受整体调度。结构为各个Agent在多个计算机上并行工作提供了运行环境支持，此外，它还提供了共享资源、Agent间的通信工具和Agent间的整体协调，实现多个Agent在同一目标下并行、协调地工作。根据人类思维的不同层次，可将Agent划分为6类，包括反应式Agent、慎思式Agent、跟踪式Agent、基于目标的Agent、基于效果的Agent和复合式Agent。1．反应式Agent反应式Agent是一种对当时处境具备实时反应能力的Agent，其结构如图所示。其中，条件—作用规则是反应式Agent内部提前设置的相关知识，如行为集和约束条件等。它将反应式Agent的感知和动作连接起来。由此可见，反应式Agent以感知外界信息作为激发条件，中间不需要逻辑表示和推理。因此，反应式Agent没有内部状态。反应式Agent的结构2．慎思式Agent慎思式Agent又称为认知式Agent，是一种基于知识的系统，主要包括环境描述和智能行为的逻辑推理，其结构如图所示。慎思式Agent通过传感器接收的外部环境信息，先依据内部状态进行信息融合，产生修改当前状态的描述；然后，在知识库的支持下制订规划；最后，在目标的指引下，形成动作序列，并对环境产生作用。慎思式Agent的结构指点迷津慎思式Agent产生局限性的原因如下。（1）慎思式Agent结构中的环境模型一般是提前预知的，对动态环境存在一定的局限性，不适用于未知环境。（2）由于缺乏必要的知识资源，执行慎思式Agent时需要向模型提供有关环境的新信息，但该操作往往难以实现。3．跟踪式Agent跟踪式Agent也可称为跟踪世界Agent，是在反应式Agent的基础上，增加内部状态获得的Agent，其结构如图所示。跟踪式Agent具有内部状态，包括原有的内部状态、世界如何独立发展Agent信息和Agent自身作用如何影响世界信息跟踪式Agent的结构4．基于目标的Agent基于目标的Agent做决策时不仅需要了解现有状态，还需要某种描述环境情况的目标信息，其结构如图所示。基于目标的Agent程序能够与可能的作用结果信息结合起来，以便选择能够达到目标的行为。它可以灵活地实现目标，即只要指定新的目标，就能够产生新的作用。基于目标的Agent结构5．基于效果的Agent仅有目标还不足以产生高质量的作用决策，若一个世界状态优于另一个世界状态，那么它对Agent就有更好的效果。因此，效果可理解为一种把状态映射到实数的函数，该函数描述了相关的满意程度。左图给出了一个完整的基于效果的Agent结构。基于效果的Agent结构一个完整规范的效果函数允许对两类情况做出理性的决策。（1）当Agent只有一些目标可以实现时，效果函数可指定合适的交替方法。（2）当Agent存在多个瞄准目标，但不知道哪一个一定能够实现时，效果函数可提供一种根据目标的重要性估计成功可能性的方法。由此可见，一个具有显式效果函数的Agent能够做出理性的决策，但是，在做决策之前必须比较由不同作用获得的效果。6．复合式Agent复合式Agent是在一个Agent内组合多种相对独立和并行执行的智能形态，其结构包括感知器、反射、执行器、建模、决策生成、通信和规划等模块，如图所示。复合式Agent通过感知器模块感知外界环境，并对环境信息进行抽象后，送到不同的处理模块。

复合式Agent综合了其他Agent的优点，具有较强的灵活性和快速的响应性。复合式Agent的结构Agent通信03

合作可以实现共赢，且获得的整体利益远大于部分和的利益，而通信是实现合作必不可少的基础条件。如果Agent之间想实现信息交流与传递，就必须进行通信。通信是实现和提高Agent智能性的有效途径，是Agent社会性的体现，是增加Agent实用价值不可或缺的一部分。

Agent之间进行通信就是改变信息载体，将载体发送到接收Agent的可观察环境中，其通信过程如图所示。Agent通信过程Agent通信的过程10.3.1

Agent之间进行通信时，被授权的Agent可以通过调用另一个Agent的方法向其发送信息。通常Agent通信的类型可分为两种，包括使用Tell和Ask通信，以及使用形式语言通信。1．使用Tell和Ask通信Agent之间分享一个共同的内部表示语言，并通过通信界面Tell和Ask直接访问共享的知识库，如图所示。两个Agent通过Tell和Ask通信Agent通信的类型10.3.2添砖加瓦该通信类型不需要任何外部语言，通信时AgentA可以使用Tell（KBB，“P”）通信把提议P传到AgentB，就如同AgentA使用Tell（KBB，“P”）把提议P加到自己的知识库一样。

还有，AgentA可以使用Ask（KBB，“Q”）查出AgentB是否知道提议Q。通常将这种通信称为灵感通信。

2．使用形式语言通信多数Agent的通信是通过语言实现的。左图描述了两个Agent使用语言通信的基本结构。其中，外部通信语言可以与内部表示语言不同，并且每一个Agent都可以有不同的内部语言。两个Agent使用语言通信高手点拨

只要每个Agent能够可靠地实现从外部语言到内部语言的映射，它们就无须统一任何内部符号。该通信类型需要外部语言，通信时，有些Agent可以执行表示语言的行为，有些Agent可以感知这些语言。Agent通信是多Agent系统实现问题求解的关键。通信方式可分为黑板系统和消息/对话系统。1．黑板系统黑板系统采用合适的结构支持分布式问题求解。在多Agent系统中，黑板系统提供一处公共工作区，Agent可以“看”到黑板上的问题、数据和求解记录等，并将对问题的求解结果“写”到黑板上，供其他Agent求解问题时参考、使用等。黑板系统可用于任务共享系统和结果共享系统中。由于黑板系统中Agent增加会引起数据增加，从而导致Agent访问黑板时效率下降，因此，黑板系统应为Agent提供不同的区域。Agent通信的方式10.3.32．消息/对话系统消息/对话系统是实现协调策略的基础，各Agent使用规定的协议相互交换信息，用于建立通信和协调机制。在面向消息的多Agent系统中，发送Agent将特定的消息传送至接收Agent。两Agent之间的消息是直接交换的，执行过程中没有缓冲。一般情况下，发送Agent要为特定消息指定唯一的地址，只有该地址的Agent才能读该条消息。拓展阅读目前，国际上使用比较广泛的Agent通信语言有知识交换格式语言（KIF）和知识查询操纵语言（KQML）。知识交换格式语言主要是基于谓词逻辑的知识表示工具，可描述专家系统、数据库、多Agent等所含有的知识。知识查询操纵语言为多Agent通信定义了一套消息表达机制和消息传递格式，并提供了一套建立连接识别和交换消息的协议，构建了一种标准的通用框架。多Agent系统04多Agent系统（multi-agentsystem，MAS）是由分布在网络上的多个Agent松散耦合而成的系统，这些Agent不仅自身具有问题求解能力和行为目标，还能够相互协作，实现共同的整体目标，即解决现实中由单个Agent无法处理的复杂问题。多Agent系统是由多个Agent组成，因此，它具有和Agent一样的特性。此外，它还具有如下特点。（1）多Agent系统中数据分布或分散存贮。（2）多Agent系统的执行过程具有并发性、并行性和异步性。（3）多Agent系统中每个Agent都具有不完全的信息，同时还具有问题求解能力。（4）多Agent系统不存在全局控制。多Agent系统的概念与特点10.4.1多Agent系统的基本模型与其应用环境息息相关，它的体系结构更是直接影响系统异步性、一致性、自主性和自适应性的程度。1．多Agent系统的基本模型针对不同的应用环境，从不同的角度提出了多种不同的多Agent系统，其基本模型包括BDI模型、协商模型、协作规划模型和自协调模型等，具体介绍如表所示。多Agent系统的基本模型多Agent系统的基本模型与体系结构10.4.2基本模型介绍BDI模型一个基于概念和逻辑的理论模型，它是研究Agent理论和推理机制的基础协商模型通过协商策略实现Agent的协作行为。例如，对资源缺乏的Agent动态环境进行任务分解、任务分配、任务监督和任务评价等基本模型介绍协作规划模型主要用于规划多Agent系统的协调一致问题。Agent之间的相互作用以通信规划和目标的形式抽象表达，以通信原语描述规划目标，相互告知自身的期望行为，利用规划信息调节自身的局部规划，达到共同目标自协调模型建立在开放和动态环境下的多Agent系统模型，它可以随环境变化自适应地调整行为，其动态性表现在系统组织结构的分解重组和多Agent系统内部的自主协调等方面2．多Agent系统的体系结构多Agent系统的体系结构决定信息的存储方式、共享方式和通信方式。因此，体系结构中必须有共同的通信协议或传递协议。常见的多Agent系统的体系结构有网络结构、联盟结构和黑板结构等。（1）网络结构中，任何Agent之间都是直接通信的，通信和状态知识都是固定的。通信时，Agent必须知道消息在何时送到何地，哪些Agent可以合作，以及Agent具备什么样的能力等。（2）联盟结构中，若干近程Agent通过协助者Agent进行交互，而远程Agent之间的交互则由局部Agent群体的协助者Agent协作完成。这种结构中Agent不需要知道其他Agent的详细信息，因此具有较大的灵活性。（3）黑板结构中，局部Agent将信息存放在可存取的黑板上，实现局部数据共享。但是，局部数据共享要求一定范围群体的Agent具有统一的数据结构或知识表示，因而限制了系统中Agent设计和建造的灵活性，从而导致黑板结构不易应用于开放的分布式系统。

协调、协作和协商都是多Agent系统研究的核心问题。协调是指一组Agent完成一些集体活动时可以和谐地进行相互作用。协作是非对抗的Agent之间保持行为协调的一个特例，它通过适当的协调，合作完成共同的目标。协商是多Agent系统实现协调、协作、冲突消解和矛盾处理的关键环节。多Agent系统的协调、协作和协商10.4.31．多Agent系统的协调多Agent系统的协调是指多个Agent为了共同合作解决复杂问题而进行交互的过程。进行协调是希望避免Agent间的负面交互关系导致冲突，一般包括资源冲突、目标冲突和结果冲突等。如表中列举了当前主要的4种协调方法。多Agent系统的协调方法协调方法介绍基于集中

规划的协调多Agent系统中至少有一个Agent可作为主控Agent对该系统的目标进行分解，对任务进行规划，并指示或建议其他Agent执行相关任务，而且，该Agent具备其他Agent的知识、能力和环境资源知识等基于协商的协调通过Agent间交换信息、讨论和达成共识的方式进行分布式协调，其系统中没有主控Agent基于对策论的协调该协调方法包括无通信协调和有通信协调。无通信协调是在没有通信情况下，Agent根据对方及自身的效益模型，按照对策论选择适当行为。在无通信协调中，Agent最多只能达到协调的平衡解。而在有通信协调中，则可得到协作解基于社会

规则的协调该协调方法是以每个Agent都必须遵循的社会规则、过滤策略、标准和惯例等为基础，对Agent进行协调。这些规则对各Agent的行为加以限制，过滤某些有冲突的意图和行为，保证其他Agent必需的行为方式，从而确保本Agent行为的可行性，协调整个多Agent系统的社会行为2．多Agent系统的协作