Question

专家系统的工作原理

Answer 1

一般认为，专家系统是一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。一般专家系统如图1所示。

它主要包括两图1专家系统的基本结构大部分，即知识库和推理机。其中知识库中存放着求解问题所需的知识，推理机负责使用知识库中的知识去解决实际问题。知识库的建造需要知识工程师和领域专家相互合作把领域专家头脑中的知识整理出来，并用系统的知识方法存放在知识库中。当解决问题时，用户为系统提供一些已知数据，并可从系统处获得专家水平的结论。

由此可见，专家系统具有相当数量的权威性知识，能够采取一定的策略，运用专家知识进行推理，解决人们在通常条件下难以解决的问题。它克服了专家缺少，其知识昂贵，难于永久保存以及专家在解决问题时易受心理、环境等因素影响而使临场发挥不好等缺点。因此，专家系统自从问世以来，发展非常迅速，目前专家系统已经成为人工智能应用最活跃和最成功的领域。经过20多年的努力，其应用范畴已遍及各个领域，如疾病诊断、探矿、设计、制造、自动控制、生产过程监视，取得了极大的经济效益，并获得了许多新的进展。

Answer 2

专家系统是一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。

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。

专家系统的基本结构大部分，即知识库和推理机。其中知识库中存放着求解问题所需的知识，推理机负责使用知识库中的知识去解决实际问题。知识库的建造需要知识工程师和领域专家相互合作把领域专家头脑中的知识整理出来，并用系统的知识方法存放在知识库中。当解决问题时，用户为系统提供一些已知数据，并可从系统处获得专家水平的结论。

专家系统具有相当数量的权威性知识，能够采取一定的策略，运用专家知识进行推理，解决人们在通常条件下难以解决的问题。

它克服了专家缺少，其知识昂贵，难于永久保存以及专家在解决问题时易受心理、环境等因素影响而使临场发挥不好等缺点。因此，专家系统自从问世以来，发展非常迅速，目前专家系统已经成为人工智能应用最活跃和最成功的领域。

Answer 3

专家系统的工作原理

一般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领域问题的，其大致过程如下：

1）根据用户的问题对知识库进行搜索，寻找有关的知识；（匹配）

2）根据有关的知识和系统的控制策略形成解决问题的途径，从而构成一个假设方案集合；

3）对假设方案集合进行排序，并挑选其中在某些准则下为最优的假设方案；（冲突解决）

4）根据挑选的假设方案去求解具体问题；（执行）

5）如果该方案不能真正解决问题，则回溯到假设方案序列中的下一个假设方案，重复求解问题；

6）循环执行上述过程，直到问题已经解决或所有可能的求解方案都不能解决问题而宣告“无解”为止。

Answer 4

1. 费根鲍姆和DENDRAL

费根鲍姆进入卡内基理工学院（卡内基梅隆的前身）攻读电气工程（简称 EE）本科时才 16 岁。大三时一门“社会科学的数学模型”的课设定了他的人生轨迹，那门课的老师是司马贺。本科毕业后他留校，在司马贺任院长的工业管理研究生院读博士。博士毕业后他来到加州大学伯克利分校的工商管理学院任教。他曾和师弟菲尔德曼（Julian Feldman）合编过一本论文集《计算机与思维》，这本文集的版税后来被用来在国际人工智能联合会（IJCAI）资助“计算机与思维”奖，这成为人工智能界给 40 岁以下青年学者最重要的奖项，初衷有点像数学界的菲尔茨奖。排在一长串获奖人第一位的是维诺格拉德（Terry Winograd），其中还有雷纳特（Douglas Lenat）、英年早逝的马尔以及吴恩达，的一位（2016 年度）是斯坦福大学做自然语言处理的新秀 Percy Liang。1962 年麦卡锡从东岸的麻省理工学院搬到美丽的旧金山湾区，组建了斯坦福大学计算机系。1964 年费根鲍姆响应麦卡锡的召唤，离开伯克利，到不远处的斯坦福大学协助麦卡锡。

费根鲍姆（1936—　）

1958 年李德伯格（Joshua Lederberger）获得诺贝尔生理奖时才 33 岁，得奖的第二年，他就离开当时任教的威斯康星大学前往加州，受邀重建斯坦福大学的医学院并担任遗传学系主任。那时，斯坦福大学的医学院还在旧金山，和公立的加州大学旧金山分校一起。加州大学其他各分校没有医学院，旧金山分校就是整个加州大学的医学院，直到 20 世纪 90 年代末期，斯坦福医学院和加州大学旧金山分校分久必合，寻求合并但最终未果。话说回来，李德伯格在哥伦比亚大学读本科时就受到“莱布尼茨之梦”的影响，企图寻找人类知识的普遍规则。1962 年夏，李德伯格还在斯坦福计算中心听编程的课，他上手的第一门语言是 BALGOL 。他很快就结识了刚从麻省理工学院加入斯坦福大学的麦卡锡，他们还企图把明斯基也吸引到斯坦福医学院。

李德伯格（1925—2008）

费根鲍姆 1964 年在斯坦福大学高等行为科学研究中心的一次会上见到了李德伯格，对科学哲学的共同爱好促成了他们漫长而富有成效的合作。那时李德伯格的研究方向是太空生命探测，更具体地说就是用质谱仪分析火星上采集来的数据，看火星上有无可能存在生命。费根鲍姆的兴趣则是机器归纳法，用现在的话说就是机器学习。他们俩，一个有数据，一个搞工具，一拍即合。从科学史的角度看，这是个跨学科的合作，李德伯格的影响力和领导力起了核心作用。按照布坎南的说法，以费根鲍姆为首的计算机团队的任务就是把李德伯格的思路算法化。李德伯格完成哲学构思后就兴趣迁移了，他最初的想法花了费根鲍姆们 5 年的时间才得以实现，李德伯格责怪他们太慢了。

费根鲍姆很快就发现李德伯格是遗传学家，对化学其实也是一窍不通，于是他们找到同校的化学家兼作家兼口服避孕药发明人翟若适（Carl Djerassi）帮忙。翟若适没得过诺贝尔奖，但他得过美国国家科学奖（得奖人包括维纳、哥德尔、香农、丘成桐）和美国国家技术与创新奖（得奖人包括杜邦公司和 HP 创始人帕卡德、Intel 创始人诺伊斯、微软创始人盖茨），这是非常独特的。另一位两个奖都得过的是发明了计算机 RISC 架构的寇克（John Cocke）。翟若适那时刚从韦恩州立大学转到自由的斯坦福大学，李德伯格是他在加州结识的第一个朋友。三人合作的结果就是第一个专家系统 DENDRAL。DENDRAL 输入的是质谱仪的数据，输出是给定物质的化学结构。费根鲍姆和他的学生捕捉翟若适和他的学生的化学分析知识，把知识提炼成规则。这个专家系统有时做得比翟若适的学生还准。在翟若适的大部头自传中，只有一小段提到 DENDRAL，这个项目在他成果辉煌的学术生涯和多姿多彩的生活中，实在算不上什么。翟自传中说费根鲍姆一直把 DENDRAL 的核心称为“翟算法”，而布坎南则记得大家都认为专业知识的提供者是李德伯格，也许是费根鲍姆圆滑，也许是计算机团队更多地接触李德伯格。

费根鲍姆是学术活动家，刚到斯坦福大学就担任计算中心主任，当时这个职位比计算机系主任恐怕还更有影响力。20 世纪 60 年代初期和中期，费根鲍姆曾两次访问苏联，对苏联的计算机科学和控制论研究印象深刻，他早就观察到苏联的研究偏理论而轻实践。但苏联下棋程序的胜利确实让世界吃惊。苏联控制论的定义太宽泛，无所不包，其结果也没有重点，难有突破性成果，而当时中国的自动化学科就是仿效苏联的。美国不存在自动化学科，无所不包的 EE 和自动化有很大交集。费根鲍姆意识到他的苏联同行企图利用他的名望来为苏联同行背书并争取资助。而在美国，动态规划的发明人贝尔曼则通过军方智库兰德公司给空军建议美国应该提防苏联的计算机科学研究。费根鲍姆不爽贝尔曼的报告，认为这是他利用苏联威胁论来为自己争取科研红利。而若干年后，费根鲍姆却利用日本的五代机项目宣扬日本威胁论，这不得不让人怀疑他的动机。费根鲍姆创办的数家公司因各种原因，都没有大的成功。其中 Teknowledge 公司没成，倒是副产品、知识库项目 S

Answer 5

一般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领域问题的，其大致过程如下：

1）根据用户的问题对知识库进行搜索，寻找有关的知识；

2）根据有关的知识和系统的控制策略形成解决问题的途径，从而构成一个假设方案集合；

3）对假设方案集合进行排序，并挑选其中在某些准则下为最优的假设方案；

4）根据挑选的假设方案去求解具体问题；

5）如果该方案不能真正解决问题，则回溯到假设方案序列中的下一个假设方案，重复求解问题；

6）循环执行上述过程，直到问题已经解决或所有可能的求解方案都不能解决问题而宣告“无解”为止。