专家系统

维基百科，自由的百科全书

此条目可能需要进行清理，以符合维基百科的质量标准。（2007年12月14日） 请尽量协助改善这篇条目，详细信息请参见讨论页。

专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。

一般来说，专家系统=知识库+推理机，因此专家系统也被称为基于知识的系统。一个专家系统必须具备三要素：

1. 领域专家级知识
2. 模拟专家思维
3. 达到专家级的水平

目录 1 应用领域 2 结构 2.1 知识获取机制 2.2 解释机制 2.3 人机界面 2.4 知识库 2.5 动态库 2.6 推理机 3 主要解决问题 3.1 知识获取 3.2 知识表示 3.3 推理控制策略和不确定性推理 4 有效性、验证和维护问题 4.1 有效性 4.2 知识库的验证 4.3 知识库的维护 5 开发工具 5.1 骨架系统 5.2 语言型工具 5.3 辅助工具 5.4 支撑环境 6 著名的专家系统

[编辑] 应用领域

专家系统适合于完成那些没有公认的理论和方法、数据不精确或信息不完整、人类专家短缺或专门知识十分昂贵的诊断、解释、监控、预测、规划和设计等任务。

[编辑] 结构

[编辑] 知识获取机制

[编辑] 解释机制

[编辑] 人机界面

[编辑] 知识库

[编辑] 动态库

[编辑] 推理机

[编辑] 主要解决问题

一般专家系统执行的求解任务是知识密集型的。建造专家系统时主要需要解决的问题有：

[编辑] 知识获取

见知识获取机制

[编辑] 知识表示

用计算机能够接受并进行处理的符号和方式来表示人类的知识。

知识表示和知识库的组织、推理机的构造有密切联系。目前有关研究更多的把知识表示模型与主流的数据表示模型（如数据库中的数据模型）耦合在一个系统中。

[编辑] 推理控制策略和不确定性推理

[编辑] 有效性、验证和维护问题

有效性（Validation）、验证（Verification）和维护（Maintenance）是经常使用的一组词汇，指对专家系统进行性能的评价和改进。

[编辑] 有效性

专家系统的有效性包括和一个理想系统或专家的性能进行比较，根据结果对知识库和推理过程进行改进。

• 性能评价的定性方法
  1. Turing测试法：测试一台机器是否智能的方法
  2. 敏感度分析法：对系数的变化做出反应
• 性能评价的定量方法
  1. Paired T测试
  2. T2测试
• 具有多个专家的性能评价的定量方法：讨论多个专家的一致性问题，一般用关联系数来评测

[编辑] 知识库的验证

[编辑] 知识库的维护

[编辑] 开发工具

[编辑] 骨架系统

[编辑] 语言型工具

[编辑] 辅助工具

[编辑] 支撑环境

[编辑] 著名的专家系统

• ExSys: 第一個商用專家系統。