专家系统

七十年代中期出现的人工智能的一个分支。专家系统是具有相当数量和权威性知识(知识库)，具备学习机制，能对知识库进行改进以增进解题能力的计算机程序系统。它根据用户提供的数据、信息或事实，运用系统存储的专家知识，进行推理判断，最后得到结论，同时给出结论的可信度，以供用户决策。

专家系统有多方面的应用。例如：它可以代替高级医生看病、开处方。它可以代替育种专家提出各种杂交亲本的选配方案并提供各项指标达到的可能性。它可以协助地质学家估计金属矿蕴藏量，确定打井位置。它可以帮助专家进行剖面识别，确定油气田构造，以求降低能源开支的成本，加速能源开支。在企业管理中，它根据市场、生产中提供的数据和信息，依据一定的模型，科学地安排生产流程，使投入有限的财力、物力、人力能收到尽可能大的经济效果。此外，它可以帮助经济管理人员进行科学决策，还可以进行数学、物理、化学等方面的科学发现等等。

专家系统之所以能够得到广泛的应用，是因为在许多应用领域中，解决问题时要用到大量数据、文献和其他信息，而任何专家是难于精确掌握如此之多的数据和信息的。专家系统借助于计算机可以准确、快速地查询这些数据和信息，并利用它们进行推理和判断。

另一方面，它还有利于解决软件危机问题，专家系统所解决的问题是批量的，高水平的，避免大量重复编制程序，有利于创造和发展新的计算机体系。面向专家系统的体系设计已经提出许多深刻和新鲜的问题。

一般说来，专家系统由以下几部分组成：

(1)知识获取系统：把专家提供的知识转换并加工为计算机的内部表示(它应包括自然语言理解模块)。

(2)知识库：存放专家提供的权威性知识。知识是规律、规则、法则等的总称，是人们对于客观、主观世界信息的内在联系的认识。知识库可分为规则库、语义网络和事实数据库。规则库存放的规则是知识表示的主要形式。它可以由专家、用户或系统根据需要进行修改和扩充。应用领域所需的数据存放于事实数据库，语义网络常用于表示概念、事实、实体以及它们之间的关系。随着解决问题的复杂性的增加，语义网络涉及到的对象和实体也增多。如果知识库比较庞大，就需要寻找比较有效的搜索知识的方法。

(3)推理网络：当把用户要求、数据、事实送入系统后，推理网络在一定控制策略下，搜索知识规则、数据和语义网络，并进行推理、判断，最后得到结果。为了方便用户，附有此结果的可信度的数据，或提供多种结果并附有不同的可信度，作为用户决策的依据。

(4)可信度计算和传播：它把实际问题进行抽象和定量化，计算推理网络中的目标结点的可信度。

(5)学习机制：用以模拟人的学习过程。运用概率统计数字方法及心理学方法，通过人机对话系统来扩充、修改知识库的内容。正是由于专家系统具有学习、反馈功能，才使系统能自动增强解决问题的能力和效率。

1969年美国斯坦福大学研制成功的DENDRAL系统，被用来确定有机化合物的分子结构式。该系统判断有机化合物分子结构式的能力，往往超过年轻的博士，目前已得到实际应用。

1977年，斯坦福大学设计了一个被称为MYCIN的医疗诊断系统，这个系统能在不知道原始病原的情况下，指导人们如何用抗生素来处理血液细菌感染患者，输入系统的原始数据是患者的症状，一般情况、病史和化验结果。系统内部应用了二百多条产生式规则(如今已扩充到四百多条规则)，组成关于血液细菌感染病的知识库。这个系统可以用简单英语直接同查询的医生对话，回答各种问题。它成功地采用了逆向推理的控制策略，为后来其他专家系统的研制开辟了方向。

我国在专家系统方面也开展了大量的研究工作，并取得了可喜成果，最多的是中医诊断系统。