农业专家系统 Agriculture Expert System

Presentation on theme: "农业专家系统 Agriculture Expert System"— Presentation transcript:

1 农业专家系统 Agriculture Expert System

2 agenda 了解专家系统的起源、发展、分类 掌握专家系统的概念 了解专家系统的构成 了解专家系统的开发工具
掌握农业专家系统开发平台PAID4.0的使用 在实践环节中（实验）构建一个自己的专家系统

3 专家系统 Expert System 第一节 基本概念

4 专家系统的起源-AI AI-Artificial Intelligence(人工智能)
研究目标：探讨智能的基本机理，研究如何利用各种自动机来模拟人的某些思维过程和智能行为。 人工智能是一门发展迅速的新兴的边缘学科，它与原子能、空间技术一起被称为20世纪的三大科学。

5 AI 旨在使用机械、电子、光或者生物的器件制造一种装置或机械模仿人的智能，也称为机器智能。 现代人工智能学科产生于1956年。

6 图灵试验 计算机 人 电传打字机 测试者

7 图灵试验 计算机、被测试的人和主持试验人 计算机和被测试的人分别在两个不同的房间里。
测试过程由主持人提问，由计算机和被测试的人分别做出回答。观测者能通过电传打字机与机器和人联系（避免要求机器模拟人外貌和声音）。被测人在回答问题时尽可能表明他是一个“真正的”人，而计算机也将尽可能逼真的模仿人的思维方式和思维过程。如果试验主持人听取他们各自的答案后，分辨不清哪个是人回答的，哪个是机器回答的，则可以认为该计算机具有了智能。

8 人工智能的发展 1956年夏，在美国达特莫斯大学由麦卡锡、明斯基以及IBM的洛切斯特和贝尔实验室的香农等共同发起举办了为时2个月的夏季学术讨论班，讨论机器智能问题。 麦卡锡提议正式使用人工智能（Artificial Intelligence） 一门独立的建立在计算机科学、数学、神经生理学、心理学、语言学等多学科相互渗透下的研究方向被开创。麦卡锡被称为人工智能之父。

9 人工智能创始人

10 1956年取得了2项重大突破 逻辑程序LT(The Logic Theory Machine)，模拟人用数理逻辑证明定理，被认为是人工智能研究的真正开端。 西洋跳棋程序，具有自学习、自组织、自适应的能力。1959年这个程序战胜了设计者本人，1962年击败了一个州冠军。

11 1957年通过心理学实验发现了人在解题时的思维过程的一般规律，特别是在解题过程中不断进行方法和目的的分析，修订解题计划。
1960年基于这些规律开发了通用问题求解程序GPS(General Problem Solver),能求解11种不同的问题。

12 1958年麦卡锡发明了表处理语言LISP。LISP可以方便地处理符号，很快成为人工智能程序设计的主要语言，至今仍被使用。

13 1958年的预言 在10年内计算机将成为世界象棋冠军 在10年内计算机将要发现和证明重要的数学定理
在10年内计算机将要成为能够谱写具有优秀作曲家水平的乐曲。 10年内大多数心理学理论将在计算机上形成 80年代将是全面实现人工智能的年代 2000年机器的智能将可以超过人。

14 AI走入低谷 下棋程序在当了州冠军后没有成为全国的冠军，世界冠军海尔门与它对弈四局仅和一局，原因是海尔门同时与几个人对弈。
自然语言翻译效果并不理想：The spirit is willing, but the flesh is weak.(心有余而力不足)，翻译成俄语后在翻译回来变成了The wine is good but the meat is spoiled.(酒是好的，但肉变质了)。 人们的结论：2000万美元的投资为机器翻译立了一块墓碑

15 鲁滨逊1965年发明的消解法被认为是一项突破，但是证明两个连续函数之和还是连续函数，推理10万步还没有推出来
麦克卢斯（被称为神经网络之父），从神经生理学角度进行智能模拟，但是在当时设计一个少于1000个神经元的蚂蚁的神经系统也超出了当时的技术条件。 GPS只能解决简单的问题例如梵塔问题、猴子摘香蕉问题等简单问题，这对于人类毫无困难。

16 企业和公司的反应 IBM公司曾一度取消了本公司范围内的所有人工智能研究
英国政府采纳了一份指责“人工智能研究不是骗局，但至少使庸人自扰”的综合报告，所有研究几乎被一笔勾销。

17 对人类智能的理解 智能是指运用知识解决问题的能力。
人类对外界事物识别和理解的感知能力，进行推理、联想和学习的思维能力，以及作出决策和采取行动的反应能力组成。 人之所以有这些智能，因为人有知识（经验），智能的核心 智能是指运用知识解决问题的能力。

18 前期失败的原因 缺乏知识

19 专家系统 费根鲍姆1982年的定义：专家系统是一种智能的计算机程序，这种程序使用知识与推理过程，求解那些需要杰出人物的专门知识才能求解的高难度问题。 公认的定义： 它是一个智能程序系统； 它具有相关领域内大量的专家知识； 它能应用人工智能技术模拟人类专家求解问题的思维过程进行推理，解决相关领域内的困难问题，并且达到领域专家的水平。 AI科学家目标—开发在某种意义上能思考 的程序,即需要人的智能才能求解问题的程序 ⑴通用程序 ⑵改进知识表示/搜索专用程序 ⑶基于专门领域知识的专用程序->专家系统

20 专家系统 一种在相关领域中具有专家水平解题能力的智能程序系统，它能运用领域专家多年积累的经验与专门知识，模拟人类专家的思维过程，求解需要专家才能解决的困难问题。

21 专家系统的发展 1965年以前 孕育期 产生期 成熟期 1978年~发展期

22 孕育期（～1965） 1937年，图灵(Turing)发表了理想计算器的论文。 1943年，Post产生式规则。
1954年，控制规则执行的Markov算法。 1956年，人工智能（Artificial Intelligene , AI）一词在美国一次学者聚会中诞生。 1957年，Rosenblatt,Newell 等人提出通用问题求解器GPS（General Problem Solver）。 1960年，MaCarthy研制的 LISP 语言诞生。

23 诞生期（1965～1972） 1965年，Stanfond大学开发第一个专家系统 DENDRAL（推论化学结构的专家系统）
1965年Robinson 提出Resolution Refutation 理论，使定理证明向前迈进一大步 1965年，Zadeh 提出模糊逻辑(Fuzzy Logic)理论 1969年，MIT 开发 MACSYMA （数学符号运算专家系统）

24 成熟期（1972～1977） 1972年，Stanfond大学开发MYCIN（传染病诊断系统）
1972年，Stanfond研究院（SRI）开发 Prospector （矿床探测专家系统） 1972年，法国 Colmerauer 与 Roussel 开发 PROLOG 逻辑程序语言 1974年，卡内基-美隆大学开发 OPS 语言（人工智能与专家系统专用语言） 1975年，Minsky 提出框架（Frame）知识表示法 1976年，AM(Artificial Mathematician)人工智能数学家，数学概念的创造性发现 1977年，Feigenbaum 提出知识工程（Knowledge Engineering）一词

25 发展期(1978~) 1978年，卡内基-美隆大学和 DEC 公司合作开发 R1（又称XCON），用来依据客户需求，架构适当的计算机系统
1979年，Forgy 提出 Rete 算法，提高 Production System 的法则匹配速度 1980年，LISP 机器开始生产问世 1982年，日本政府宣布开发第五代计算机，以 PROLOG 做为核心语言。 1983年，IntelliCorp 公司推出 KEE（结合多样知识表现与推论方法的专家系统建构工具），随后大量的专家系统建构工具问世，如：ART，Knowledge Craft

26 1984年，欧洲共同市场订定欧洲信息技术研究发展策略计划
1985年，NASA开发出CLIPS专家系统工具 1988年，Gallant 提出以类神经网络为基础的专家系统架构 1989年，日本宣布人类领域科学计划（第六代计算机计划），希望藉由类神经网络突破人工智能的许多瓶颈 1990 以后，进入商业竞争时代，大量专家系统被广泛应用于各行业

27 人工智能真正走向社会 60年代中期之后，人工智能由追求万能、通用的一般研究转入特定的具体研究，通用的解题策略同特定的专业知识与实际经验结合，产生了以专家系统为代表的基于知识的各类人工智能系统，是人工智能真正走向社会，走向实际应用研究。

28 初期的ES 1965年费根鲍姆开创了基于知识的专家系统的人工智能研究领域。
DENDRAL，第一个专家系统，用于化学分子结构分析。于1965年在斯坦福大学开始研究，1968年研制成功。DENDRAL及其附属CONGEN系统商品化后，每日为数百 个国家的用户服务。 MACSYMA系统，麻省理工于1968年开始研制的符号数学专家系统，1971年研制成功。能够执行600多种不同的数学符号运算。

29 ES发展 此后，一大批专家系统开始出现于不同的领域中。
化学、数学、医学、生物工程、地质探矿、石油勘探、气象预报、地震分析、过程控制、系统设计、计算机配置、集成电路测试、电子线路分析、情报处理、法律咨询和军事决策。

30 著名的专家系统 MYCIN斯坦福大学1973年开发的治疗和诊断细菌感染性血液病的专家咨询系统。
CASNET拉特格尔斯大学于70年代中期开发的治疗和诊断青光眼的专家咨询系统。 CADUCEUS系统，匹兹堡大学计算机专家与内科专家开发的用于内科诊断。 PROSPECTOR地质勘探专家系统。 XCON卡内基-梅龙大学1978年开发的VAX计算机配置专家系统，每年为DEC节省1500万美元的设计开销。

31 费根鲍姆于1977年召开了国际人工智能联合会议，提出了知识工程(Knowledge Enginnering)的概念，后人称他为知识工程之父。
知识工程综合了科学、技术和方法论三方面的因素，研究专门知识的获取、形式化和计算机实现，为研制以知识为基础的各类人工智能应用系统提供了一般方法和基础工具。 促进了专家系统从单一学科向多学科通用型发展。

32 专家系统工具 EMYCIN第一个专家系统外壳，从MYCIN中抽掉领域知识而得到的骨架。 在EMYCIN基础上开发了多个专家系统：
PUFF肺功能咨询系统（10个人周的工作量） HEADMED神经失调诊断咨询系统 GRAVID孕妇咨询系统 LITHO油井周围地质结构解释系统 DART计算机通信系统故障诊断系统 PLANT/cdp玉米虫害预测专家系统

33 KAS（Knowledge acquisition system）是从PROSPECTOR中派生出来的骨架
用于开发物理属性预测、空间飞机机型识别、水流预测、有害化学物质泄露管理等 EXPERT系统由CASNET发展而来 用于眼病、内分泌、风湿、心脏病等的诊断，也开发出了油井记录解释、实验室仪器分析和汽车修理等专家系统。

34 CLIPS(C language integrated production system),80年代中期以来使用十分广泛的通用语言工具。
美国航空航天局约翰逊空间中心（NASA’s Johnson Space Center）于1984年推出，意在克服LISP移植性差、开发工具和硬件成本高、嵌入性低的缺点 。 加拿大研究委员会在CLIPS中加入了模糊推理功能，推出了FuzzyCLIPS 官方网站 CLIPS（C Language Integrated Production System）正是为解决这些问题而出现的。它于1984年由美国航空航天局约翰逊空间中心（NASA’s Johnson Space Center）推出，意在克服LISP移植性差、开发工具和硬件成本高、嵌入性低的缺点。CLIPS是一个基于Rete算法的前向推理语言，用标准C语言编写，目前最新的版本为6.10。它具有高移植性、高扩展性、强大的知识表达能力和编程方式以及低成本等特点。一经推出，立即受到欢迎，被广泛应用于政府、工业和学术界，有力地推动了专家系统技术在各领域及各种运行环境下的应用。目前，CLIPS是一个自由软件，主要由原来在NASA工作的设计人员维护。它提供了一个新闻讨论组，可作为从事CLIPS的开发人员交换信息的场所。此外，在NASA的组织下还成立了一个CLIPS用户协会，以推动CLIPS的开发与应用。更详细的信息可访问它的官方网站 。由于CLIPS的强大功能与良好性能，以及NASA对该软件采取的开放政策，CLIPS在美国国内外都有众多用户，他们应用CLIPS开发了许多实用的专家系统，并根据各自的需要对CLIPS进行扩充和改造，如加拿大研究委员会在CLIPS中加入了模糊推理功能，推出了FuzzyCLIPS，我们也成功地在CLIPS中加入了图形功能，推出了图形化专家系统工具GEST（Graphical Expert System Shell）。

35 新一代工具Jess Jess是1995年由美国Sandia国家实验室分布式系统计算组成员Ernest J. Friedman-Hill用Java实现的一个经过扩充的CLIPS版本。 它以CLIPS的设计原理为基础进行编写，除继承了CLIPS的优点外，还具有许多自己独特的特征，如支持正向和逆向推理，具有良好的移植性、嵌入性，可以方便地应用到网络上的不同机器中。 目前，Jess被广泛用于学术、工业、商业等领域，是一个有着广阔发展前景的专家系统开发平台。 新一代工具Jess Jess是1995年由美国Sandia国家实验室分布式系统计算组成员Ernest J. Friedman-Hill用Java实现的一个经过扩充的CLIPS版本。它以CLIPS的设计原理为基础进行编写，除继承了CLIPS的优点外，还具有许多自己独特的特征，如支持正向和逆向推理，可以在系统运行环境下直接调用Java的类库等，这些特点将专家系统的开发过程同功能强大的Java语言结合起来，使采用Jess语言开发的专家系统具有良好的移植性、嵌入性，可以方便地应用到网络上的不同机器中。另外，Java多线程机制使Jess可以与其他应用程序并发执行，同步机制保证了对共享数据的正确操作，通过使用不同的线程完成特定的行为，就可以很容易地实现网络上的实时交互行为。目前，Jess被广泛用于学术、工业、商业等领域，是一个有着广阔发展前景的专家系统开发平台。

36 从LISP到CLIPS 早期的专家系统工具大都由LISP开发，20世纪80年代中至90年代初是LISP的黄金时期
LISP的运行速度。直到1989年，LISP应用程序只有在用LISP编写的操作系统上才具有较好的运行效率。一些计算机公司专门设计了运行人工智能语言程序的专用机器，但这使每次软件的更新或升级都要付出巨大的代价。 LISP的嵌入性。当要解决一个非常复杂的问题时，LISP显得极其无能为力。 这两点限制了LISP的发展，它只被使用在某些特定的应用领域。 专家系统工具，即专家系统语言，是一种比LISP或C语言层次更高的语言，它提供一个推理机去执行该语言的语句。早期的专家系统工具大都由LISP开发，20世纪80年代中至90年代初是LISP的黄金时期。但随着LISP的广泛应用，其问题也逐渐暴露。一是LISP的运行速度。直到1989年，LISP应用程序只有在用LISP编写的操作系统上才具有较好的运行效率，所以，一些计算机公司专门设计了运行人工智能语言程序的专用机器，但这使每次软件的更新或升级都要付出巨大的代价。二是LISP的嵌入性。当要解决一个非常复杂的问题时，LISP显得极其无能为力。这两点限制了LISP的发展，它只被使用在某些特定的应用领域。

37 按知识表示技术分类 基于逻辑的专家系统 基于规则的专家系统 基于语义网络的专家系统 基于框架的专家系统

38 按专家系统的任务类型分类 解释型：用语分析符号数据，进而阐明这些数据的实际意义 预测型：根据对象的过去和现在情况来推断对象的未来演变结果
诊断型：根据输入信息来找出对象的故障和缺陷 调试型：给出已确定的故障的排除方案 维修型：指定并实施纠正某类故障的规划 规划型：根据给定目标拟订行动计划 设计型：根据给定要求形成所需方案和图样 监护型：完成实时监测任务 控制型：完成实时控制任务 教育型：诊断型和调试型的组合，用于教学和培训

39 解释型 根据所得到的有关数据，经过分析、推理，从而给出相应解释的一类专家系统。
例如DENDRAL系统、语音识别系统HEARSAY以及根据声纳信号识别舰船的HSAP／SIAP系统等都属于这一类 这类系统必须能处理不完全、甚至受到干扰的信息，并能对所得到的数据给出一致且正确的解释

40 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的方案的一类专家系统
这是目前开发、应用得最多的一类专家系统，凡是用于医疗诊断、机器故障诊断、产品质量鉴定等的专家系统都属这一类 例如病菌感染性疾病诊断治疗系统MYCIN，血液凝结病诊断系统CLOT，计算机硬件故障诊断系统DART等 这类系统一般要求掌握处理对象内部各部件的功能及其相关联系。由于现象与故障之间不一定存在严格的对应关系，因此在建造这类系统时，需要掌握有关对象较全面的知识，并能处理多种故障同时并存以及间歇性故障等情况。

41 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
凡是用于天气预报、地震预报、市场预测、人口预测、农作物收成预测等的专家系统都属于这一类 例如，大豆病虫害预测系统PLANT／ds，军事冲突预测系统Ⅰ&W，台风路径预测系统TYT等 这类系统通常需要有相应模型的支持，如天气预报需要构造各地区、各季节和各气象条件下的模型。另外，这类系统通常需要处理随时间变化的数据及按时间顺序发生的事件，因而时间推理是这类系统中常用的技术。

42 设计型 按给定要求进行相应设计的一类专家系统 凡是用于工程设计、电路设计、建筑及装修设计、服装设计、机械设计及图案设计的专家系统都属于这一类
例如，计算机硬件配置设计系统XCON，自动程序设计系统PSI，超大规模集成电路辅助设计系统KBVLSI等 对这类系统一般要求在给定的限制条件下能给出最佳或较佳的设计方案。为此它必须能够协调各项设计要求，以形成某种全局标准，同时它还要能进行空间、结构或形状等方面的推理，以形成精确、完整的设计方案。

43 规划型 按给定目标拟订总体规划、行动计划、运筹优化等的一类专家系统。主要适用于机器人动作控制、工程计划以及通信、航海、实验、军事行动等的规划。 例如，安排宇航员在空间站中活动的KNEECAP系统、指定最佳行车路线的CARG系统、可辅助分子遗传学家规划其实验并分析实验结果的MOLGEN系统等。 这类系统的一般要求是，在一定的约束条件下能以较小的代价达到给定的目标。为此它必须能预测并检验某些系统的效果，并能根据当时的实际情况随时调整操作的序列，当整个规划有多个执行者完成时，它应能保证它们并行地工作并协调它们的活动。

44 控制型 这是用于对各种大型设备及系统实现控制的一类专家系统
例如维持钻机最佳钻探流特征的MUD系统就是这样的一个专家系统。控制型一般兼有数字和非数字两种模式。 为了实现对被控制对象的实时控制，该类系统必须有能直接接收来自被控制对象的信息、并能迅速地进行处理、及时地作出判断和采取相应行动的能力。

45 监测型 用于完成实时检测任务的一类专家系统 例如，高危病人监护系统VM，航空母舰空中交通管理系统REACTOR等都是这样的专家系统。
为了实现规定的监测，这类系统必须能随时收集任何有意义的信息，并能快速地对得到的信息进行鉴别、分析、处理，一旦发现异常，能尽快地作出反映，如发出警报信号等。

46 维修型 用于制订排除某类故障的规划并实施排除的一类专家系统。
例如电话电缆维护系统ACE，排除内燃机故障的DELTA系统等都是这样的专家系统。 对这类系统的要求是能根据故障的特点制订纠错方案，并能实施这个方案排除故障，当制订的方案失效或部分失效时，能及时采取相应的补救措施。

47 教育型 这是用于辅助教学的一类专家系统。如制订教学计划、设计习题、水平测试等，并能根据学生学习中所产生的问题进行分析、评价，找出错误原因，有针对性地确定教学内容或采取其它有效的教学手段。 例如可进行逻辑学、集合论教学的EXCHECK就是这样的一个专家系统。在这类系统中，其关键技术是要有以深层知识为基础的解释功能，并且需要建立各种相应的模式。

48 调试型 用于对系统实施调试的一类专家系统 例如计算机系统的辅助调试系统TIMM／TUNER就是这样的一个专家系统。对这类系统的要求是能根据相应的标准检测被调试对象存在的错误，并能从多种纠错方案中选出适用于当前情况的最佳方案，排除错误。

49 按系统的体系结构进行分类 集中式专家系统 分布式专家系统 神经网络专家系统 符号系统与神经网络相结合的专家系统

50 专家系统的构成 人机接口 解释机构 推理机 知识获取结构 数据库及其管理系统 知识库及其管理系统 用户 领域专家 知识工程师

51 人机接口 专家系统与领域专家或知识工程师及一般用户间的界面,由一组程序及相应的硬件组成用于完成输入输出工作。
领域专家或知识工程师通过它输入知识，更新、完善知识库 一般用户通过它输入欲求解的问题、已知事实以及向系统提出的询问 系统通过它输出运行结果、回答用户的询问或者向用户索取进一步的事实 1．菜单方式 系统把有关功能以菜单形式列出来供用户选择，一旦某一条目被选中，系统或者直接执行相应的功能，或者显示下一级菜单供用户作进一步的选择。 2．命令语言方式 系统按功能定义一组命令，当用户需要系统实现某一功能时就输入相应的命令，系统通过对命令的解释指示相应结构完成指定的任务。接口命令一般有如下几种： （1）获取知识命令。这是供领域专家或知识工程师向知识库输入知识的命令。 （2）提交问题命令。这是供用户向专家系统提交待求解问题的命令。 （3）请求解释命令。当用户对专家系统给出的结论不理解或者希望给出依据时，可用这种命令向系统发出询问，请求系统给予解释。 （4）知识检索及维护命令。知识工程师可用这种命令对知识进行检索，查阅知识库中的知识，以便进行增、删、改。

52 人机接口需要进行内部表示形式与外部表示形式的转换
领域专家 知识工程师 一般用户 (外部表示形式) ES (内部表示形式) 菜单/命令语言

53 命令语言 获取知识命令：领域专家或知识工程师向知识库输入知识 提交问题命令：用户向专家系统提交待求解问题的命令
请求解释命令：当用户对专家系统给出的结论不理解或者希望给出依据时，可用这种命令向系统发出询问，请求系统给予解释 知识检索及维护命令：知识工程师用这种命令对知识进行检索，查阅知识库中的知识，以便进行增、删、改。

54 知识获取机构（程序） 基本任务是把知识输入到知识库中，并负责维持知识的一致性及完整性，建立起性能良好的知识库 知识工程师 领域专家
归纳、总结出 知识编辑软件 ES 知识库

55

56 知识库及其管理系统 知识库：知识的存储机构，用于存储领域内的原理性知识、专家的经验性知识以及有关的事实。知识库中的知识来源于知识获取机构，同时它又为推理机提供求解问题所需的知识。 知识库管理系统：负责对知识库中的知识进行组织、检索、维护等。专家系统中其它任何部分如要与知识库发生联系，都必须通过该管理系统来完成，这样就可实现对知识库的统一管理和使用。

57 推理机 专家系统的“思维”机构：专家系统的核心部分。其任务是模拟领域专家的思维过程，控制并执行对问题的求解。
它能根据当前已知的事实利用知识库中的知识，按一定的推理方法和控制策略进行推理，求得问题的答案或证明某个假设的正确性。 推理机的性能与构造一般与知识的表示方式及组织方式有关，但与知识的内容无关，这有利于保证推理机与知识库的相对独立性。

58 数据库及其管理系统 用于存放用户提供的初始事实、问题描述以及系统运行过程中得到的中间结果、最终结果、运行信息（如推出结果的知识链）
数据库的内容是在不断变化的。在求解问题开始时，它存放的是用户提供的初始事实；在推理过程中它存放每一步推理所得到的结果。 推理机根据数据库的内容从知识库选择合适的知识进行推理，然后又把推理的结果存入数据库中。 数据库管理系统应使数据的表示方法与知识的表示方法保持一致。

59 解释机构 对自己的行为作出解释，回答用户提出的“为什么？”、“结论是如何得出的？”等问题，是专家系统区别于一般程序的重要特征之一, 是取信于用户的一个重要措施 帮助系统建造者发现知识库及推理机中的错误，有助于系统的调试及维护 跟踪并记录推理过程，当用户提出询问需要给出解释时，它将根据问题的要求分别做相应的处理，最后把解答用约定的形式通过人机接口输出给用户

60 实例：“常见病诊断专家系统” 知识库 /. --- 头部病 诊断 ---
实例：“常见病诊断专家系统” 知识库 /*--- 头部病 诊断 ---*/ if ‘病位’=‘头部’ and ‘流鼻涕’ and ‘头晕’ then ‘病’=‘感冒刚起’. if ‘病位’=‘头部’ and ‘鼻塞’ and ‘浑身无力’ then ‘病’=‘感冒’. if ‘病位’=‘头部’ and ‘发烧’ and ‘头晕’ and ‘扁桃体肿’ then ‘病’=‘严重感冒’. /*--- 精神方面病 诊断 ---*/ if ‘病位’=‘精神方面’ and ‘难以入眠’ then ‘病’=‘失眠’. if ‘病位’=‘精神方面’ and ‘最近很忙’ and ‘思考问题’ then ‘病’=‘失眠’.

61 实例：“常见病诊断专家系统” 知识库 /. --- cf1 感冒处方 ---
实例：“常见病诊断专家系统” 知识库 /*--- cf1 感冒处方 ---*/ if ‘病位’=‘头部’ and ‘病’=‘感冒刚起’ then ‘处方’=‘服用新速效伤风胶囊,日服三次,每次一颗.’. if ‘病位’=‘头部’ and ‘病’=‘一般感冒’ then ‘处方’=‘服用感冒通,日服三次,每次三颗.’. if ‘病位’=‘头部’ and ‘病’=‘严重感冒’ then ‘处方’=‘注射青霉素,日注射两次,每次80万单位.’. /*--- cf3 失眠处方 ---*/ if ‘病位’=‘精神方面’ and ‘病’=‘失眠’ then ‘处方’=‘服用利眠灵,每次二片,10mg/片.’. … … … 注：If … then … —— 产生式规则

62 if ‘头部’ and ‘鼻塞’ and ‘浑身无力’
ES 运行实例 ：正向推理 头部、 鼻塞、浑身无力 ‘服用感冒通,日服三次,每次三颗’ 人——机 界 面 事实数据库 知识库 头部、 鼻塞、浑身无力 一般感冒 if ‘头部’ and ‘鼻塞’ and ‘浑身无力’ then ‘一般感冒’. ‘服用感冒通,日服三次,每次三颗’ if ‘‘头部’ and ‘‘一般感冒’ then ‘‘服用感冒通,日服三次,每次三颗.’. 推理机

63 How？(你是如何得出该结论的） ES 运行实例：解释机制 头部、鼻塞、浑身无力、 解释模块 事实数据库 知识库
您说“头部”、“鼻塞”、“浑身无力”，由规则A,您是 “一般感冒”；又由规则B，您需“服用感冒通”。 人——机 界 面 头部、鼻塞、浑身无力、 一般感冒 解释模块 ‘服用感冒通,日服三次,每次三颗’ 事实数据库 A. if ‘头部’ and ‘ ‘鼻塞’ and ‘浑身无力’ then ‘一般感冒’. 知识库 B. if ‘‘头部’ and ‘‘一般感冒“ then ‘‘服用感冒通,日服三次,每次三颗.’ ES 运行实例：解释机制

64 专家系统-目的 防止社会最珍贵的财富-专门知识的流失 比较:人类专家知识 专家系统知识 易忘(TOEFL有效2年) 永久
比较:人类专家知识 专家系统知识 易忘(TOEFL有效2年) 永久 学习时间长,难传播 易于传播(COPY) 易受环境/身心影响 一致 使用昂贵 便宜 结论: 专家系统人类专家.

65 专家系统-人类专家 比较: 人类专家 专家系统 重要领域人类更优 无适应性,无灵感 创造性思维 需要告之
比较: 人类专家 专家系统 重要领域人类更优 无适应性,无灵感 创造性思维 需要告之 视野广,常识性知识 知识面窄,技术性知识 看,听,触,嗅,第6感 符号输入 结论人类专家不可缺省。

66 如何组织专家系统-原理 专家系统 = 知识库 + 推理机 知识库—某种形式表示的知识,经验,常识等
推理机—一组程序以控制,协调整个系统, 并根据当前数据库中的数据, 使用知识库中的知识, 按某种推理策略求解目前的问题。 数据库—存放初始数据, 推理过程得到的中间结果, 以及需要求解的问题/目标。 知识获取—接收,修改,调试知识/推理的接口 解释—对推理过程进行必要的解释(程序)

67 专家系统与传统程序区别 数据处理 知识推理 目的: 代替体力 代替脑力 工作: WHAT, HOW 知识获取, 推理机
数据处理 知识推理 目的: 代替体力 代替脑力 工作: WHAT, HOW 知识获取, 推理机 类型: 计算,处理,自动化 诊断,解释,控制,教学 表示: 数据(结构) 知识(表示) 控制: 算法 启发 运行: 重复计算过程 推理控制过程 处理: 数据程序黑箱结果 证据ES解释结论

68 专家系统需求分析 合理可能，性能/价格比高 *存在领域专家，并能描述、解释求解方法 *专家稀少/昂贵，系统便宜、有效、高效益
合适效率高(危险,传统较难求解领域) *复杂性--较高，需花费较多时间学习、实践 *问题本质--适合用启发式/符号推理求解

69 建造专家系统-主要工作 知识获取 *问题识别(问题,目标)、概念化(控制,方法) *知识表示(形式化)，知识获取(归纳,收集) 推理机
*推理策略(正/反向,语义网络,框架,模糊等) *实现(原型/ES编程)、测试(知识,推理) 完成---知识表示 + 推理机 *原型系统(评估,验证)、ES系统精化/完善

70 Wason实验 验证命题的真伪“如果牌的一面是红三角，则另一面一定是蓝圆” 前提：三角的对面一定是圆，颜色不是红色就是蓝色

71 结论 人们在日常生活中自己遵循自己心里的、内部的推理逻辑，有些推理尽管可能是无效的，但在大多数情况下，比经典逻辑推理能更有效地解决现实世界的复杂问题。 启发式方法

72 产生式系统 工作存储器（Working Memory,WM） 产生式规则库（Production Rule Base）
规则解释程序:匹配器、冲突消解器、解释器 产生式 规则库 工作存储器 匹配器 解释器 冲突集和冲 突集消解器

73 Working Memory 存放当前已知的数据，包括推理过程中形成的中间结论。 这些数据有规则解释程序用来激活相应的规则。
数据：常量、多元数组、谓词、表结构。 事实/断言

74 产生式规则 每条规则分为：左部和右部 左部：激活该规则的条件 右部：表示调用该规则后所做的动作。
一般表示形式：P1,…,Pm->C1,…,Cn 规则左部（LHS）称为规则的前提条件（规则前件） 规则右部（RHS）称为规则的行为部分（规则后件） 如果条件P1,…,Pm都得到满足则执行C1,…,Cn

75 与传统的条件语句的区别 产生式规则的左部表达的是一组复杂的模式，而不仅仅是一个布尔表达式
规则之间的控制流不像传统语言中的从一条语句向其下一条语句传递，而且满足条件的规则被激活但不一定立即执行，这将取决于产生式规则的冲突消解策略。

76 规则解释程序 负责整个产生式系统的运行 匹配器：判断规则条件是否成立 冲突消解器：选择可调用的规则
解释器：执行规则的动作，并在满足结束条件时终止产生式规系统的运行

77 推理的方向 正向推理，数据驱动，由已知的事实出发，逐步推导出最后的结论。
反向推理，目标驱动，提出假设，然后验证这些假设的真假性，找到假设成立的所有事实或依据。

78 正向推理 1，用工作存储器中的事实与产生式规则的前提条件匹配； 2，按冲突消解策略冲匹配的规则实例中选择一条规则；
3，执行选中规则的动作，依次修改工作存储器 4，用更新后的工作存储器，重复1，2，3步，直到得出结论或工作存储器不再发生变化为止。

79 反向推理 1，看假设是否在工作存储器中，若在，则假设成立，推理结束 2，找出结论与假设匹配的规则
3，按冲突消解策略从匹配的规则实例中选择一条规则 4，将选中规则的前提条件作为新的假设，重复上述几步工作，直到假设的真假性被验证或不存在激活的规则。

80 专家系统实例-动物分类 目标(判断动物): goal=动物. 动物=豹哺乳动物,食肉动物,黄褐色,斑点.
动物=虎哺乳动物,食肉动物,黄褐色,黑条纹. 动物=豹蹄类动物,长脖子,长腿,黑斑点. 动物=斑马蹄类动物,黑条纹. 动物=鸵鸟鸟,会飞,长脖子,长腿,黑白色. 动物=企鹅鸟,会飞,会游泳,黑白色. 动物=信天翁鸟,很善飞.

81 动物分类-产生式知识 哺乳动物有毛发. 哺乳动物吃奶. 鸟有羽毛. 鸟会飞,会下蛋. 食肉动物吃肉.
食肉动物有犬齿,有爪,眼看前方. 蹄类动物哺乳动物,有蹄. 蹄类动物哺乳动物,嚼食动物.

82 专家系统开发过程 1、从领域专家那里收集整理归纳有关的专业知识，经ES开发人员消化、整理、归纳写成一条条符号表示的形式；
2、通常选用产生式知识表示方法和正向或反向推理方法；  3、用产生式知识表示方法描述的知识逐条放入知识库； 4、确定推理方式后，编写程序，然后调试、运行和修改。

83 专家系统 知识获取与数据整理 编写推理程序、调试程序 建立知识库、数据库 确定知识表示和推理方法 图1.1 专家系统的开发过程

84 专家系统的评价 1、知识的完备性 ； 2、表示方法及组织方法的适当性 ； 3、求解问题的质量 ； 4、系统的效率 ；
2、表示方法及组织方法的适当性 ；  3、求解问题的质量 ； 4、系统的效率 ； 5、人机交互的便利性 ； 6、系统的可维护性 ； 7、解释能力 ； 8、系统的研制时间与效益 。

85 Thanks!