专家系统

什么是专家系统？

专家系统是一种计算机程序使用人工智能(AI)模拟在特定领域具有专业知识和经验的人或组织的判断和行为的技术。

专家系统通常旨在补充而不是取代人类专家。

专家系统的概念是由计算机科学家Edward Feigenbaum在20世纪70年代提出的，他是斯坦福大学的计算机科学教授，也是斯坦福大学知识系统实验室的创始人。Feigenbaum在1999年说，世界正从数据处理走向“知识处理”1988年的手稿。他解释说，这意味着由于新的处理器技术和计算机体系结构，计算机有潜力做更多的基本计算，并能够解决复杂的问题。

专家系统是如何工作的？

现代专家知识系统使用机器学习和人工智能来模拟领域专家的行为或判断。随着时间的推移，这些系统可以随着经验的积累而提高性能，就像人类一样。

专家系统积累经验和事实知识库并将它们与推理或规则引擎(一组将知识库应用于提供给程序的情况的规则)集成。

1. 正向链接阅读和处理一系列事实，对接下来会发生什么做出逻辑预测。的例子正向链接会预测股票市场的走势。
2. 反向链接阅读和处理一系列事实，得出关于某事为什么会发生的逻辑结论。的例子反向链接会通过检查一系列症状来做出医学诊断。

专家系统依赖于良好的知识库。专家向知识库添加信息，非专家使用该系统解决通常需要人类专家才能解决的复杂问题。

建立和维护专家系统的过程称为知识工程。知识工程师确保专家系统拥有解决问题的所有必要信息。他们使用各种知识表示方法，比如符号模式，来做到这一点。可以通过扩展知识库或创建新的规则集来增强系统的能力。

专家系统的组成部分是什么？

专家系统有三个主要组成部分:

• 知识库。这是存储专家系统所利用的信息的地方。人类专家提供关于专家系统的特定领域或主题领域的事实，这些事实被组织在知识库中。知识库通常包含知识获取模块，该模块使系统能够从外部来源收集知识并将其存储在知识库中。
• 推理机。系统的这一部分从知识库中提取相关信息来解决用户的问题。这是一个基于规则的系统它将知识库中的已知信息映射到一组规则，并根据这些输入做出决策。推理引擎通常包括一个解释模块，向用户展示系统是如何得出结论的。
• 这用户界面.这是专家系统的一部分，最终用户通过与它交互来获得问题的答案。

专家系统的应用和用例

专家系统在需要专家做出诊断、判断或预测的特定领域或主题领域可能是有效的。

这些系统在许多行业中发挥了重要作用，包括:

• 金融服务，他们在资产管理方面做出决策，充当机器人顾问并对各种市场的行为和其他金融指标进行预测。
• 机械工程，在那里他们对复杂的机电设备进行故障排除。
• 电信，在那里它们被用于对所使用的网络技术和现有网络的维护进行决策。
• 医疗保健，在那里他们协助医疗诊断。
• 农业，他们在哪里预测作物损失.
• 客服，在那里他们帮助安排订单、传递客户请求和解决问题。
• 运输，他们在一系列领域作出贡献，包括路面状况、交通灯控制、公路设计、公共汽车和火车调度和维护、航空飞行模式和空中交通管制。
• 法律，自动化开始被用于提供法律服务，进行民事案件评估和评估产品责任。

有哪些专家系统的例子？

正在使用的专家系统包括以下示例:

• CaDet（癌症决策支持工具）用于识别早期癌症。
• DENDRAL 帮助化学家识别未知的有机分子。。
• DXplain 是诊断各种疾病的临床支持系统。
• MYCIN 可识别细菌，如菌血症和脑膜炎，并推荐抗生素和剂量。
• PXDES 可确定肺癌的类型和严重程度。
• R1/XCON 是一种早期制造专家系统，可根据客户规格自动选择和订购计算机组件。

专家系统的优势是什么？

专家系统比使用人类专家有几个好处:

• 准确性 专家系统不易出现人为错误或受情绪影响。它们根据确定的规则和事实做出决策。
• 长期性 人类专家最终会离开自己的岗位，很多特定知识也会随之消失。基于知识的系统为知识和信息提供了一个永久储存库。
• 逻辑演绎 专家系统利用各种类型的规则（如 “如果-那么 “规则）从现有事实中得出结论。
• 成本控制 与聘用人类专家相比，专家系统的成本相对较低。专家系统有助于更有效地做出决策，从而节省时间，降低成本。
• 多个专家 多名专家可为专家系统的知识库做出贡献。这可提供更多可利用的知识，并防止任何一位专家影响决策。

专家系统的挑战是什么？

专家系统的缺点如下:

• 线性思维 专家系统缺乏真正的问题解决能力。人类智能的优势之一是，它可以用非线性的方式进行推理，并利用辅助信息得出结论。
• 缺乏直觉 人类的直觉使人们能够运用常识和直觉来解决问题。机器没有直觉。使用机械逻辑来模仿直觉决策可能比专家使用内在的启发式知识来快速得出结论花费更长的时间。
• 缺乏情感 在某些情况下，比如医学诊断，人类的情感是有用的，也是必要的。例如，向患者披露敏感的医疗信息需要情商，而这是专家系统所不具备的。
• 故障点 专家系统的好坏取决于其知识库的质量。如果向他们提供不准确的信息，这可能会影响他们的决策。