專家系統(數據庫)
時間:2022-12-10 04:30:01 | 來源:信息時代
時間:2022-12-10 04:30:01 來源:信息時代
專家系統 : 一類具有大量專門知識的計算機智能信息系統,它運用特定領域的專門知識和人工智能中的推理技術來求解和模擬通常要由人類專家才能解決的各種復雜、具體的問題,達到與專家具有同等解決問題的能力,它可使專家的專長不受時間和空間的限制,以發(fā)揮專家更大的作用和效益。
1.發(fā)展歷史
專家系統的研究起源于1965年E.A.Feigenbaum等人對DENDRAL系統(由分子式及其質譜結構幫助化學家推斷分子結構的計算機系統)的研制。Stanford大學計算機科學系的A.Feigenbaum與遺傳學教授、諾貝爾獎獲得者J.Lederberg一起開始了從化學數據推斷分子假說的DENDRAL系統的研究。研究中發(fā)現,如果沒有足夠的物理化學領域的專門知識,系統不可能以有效的、切合實際的人類思維方式進行智能推理,他們又與化學系的物理化學專家C.Djerassi合作。這個包含了計算機科學、遺傳學和化學三個方面專家的多學科小組辛勤工作了3年,于1968年完成了DENDRAL系統。該系統在推斷分子結構的能力方面達到了專家水平,被廣泛運用在各大學和工業(yè)界的化學實驗室里。至今50余年過去,專家系統技術和應用得到飛躍發(fā)展。世界各國在醫(yī)療診斷、化學工程、語音識別、圖像處理、金融決策、信號解釋、地質勘探、石油、軍事等領域研制了大量的專家系統,其應用已開始產生巨大的經濟效益; 理論和技術研究方面,專家系統的研究不斷提出新的研究課題,如不精確推理、元知識、骨架系統等,促進了人工智能(AI)基本理論和基本技術的發(fā)展,開創(chuàng)了計算機求解非數值實際問題的有效途徑。
專家系統是AI研究的一個應用領域,也稱為知識庫專家系統,和自然語言理解、機器人一起并列為AI研究最活躍的三大領域。它具有三個主要特點: 啟發(fā)性,它運用規(guī)范的專門知識和直覺的評判知識進行問題求解; 透明性,它使用戶能不需了解其系統結構而似乎能和專家直接交往,了解其知識內容和推理思路; 靈活性,它能不斷接納新的知識,調整有關控制信息,使其與整個知識庫達到協調。
專家系統發(fā)展迅速的主要原因在于:
(1)專家系統解決實際問題的周密性。
(2)專家知識的系統組織對應用領域的發(fā)展能起促進作用。
(3)專家系統的使用能夠獲得很大的經濟效益。專家系統實現了人工智能從理論研究走向實際應用,從一般思維方法探討轉入專門知識運用。DANDRAL顯示了知識的組織對于AI研究的重要作用。通過犧牲通用的問題求解能力,開始專門知識的建模以獲得專門領域的高性能。第一代專家系統把AI的啟發(fā)式程序、符號推理技術運用到實際問題的求解,使AI走向現實世界。
專家系統的發(fā)展經歷了三代,現正向第四代過渡和發(fā)展。第一代專家系統以高度專業(yè)化、求解專門問題的能力強為特點,但在體系結構及功能的完整性、可移植性等方面存在缺陷,其研究的意義在于把人工智能的啟發(fā)式程序、符號推理技術運用到了實際問題的求解,使人工智能走向了現實世界;第二代專家系統屬單學科專業(yè)型、應用型系統,其體系結構較完整,一致性方面也有所改善,有關專家系統的主要技術,如人機接口、解釋機制、知識獲取技術、自學能力、不精確推理技術以及元知識的概念等,得到了研究和應用,并對專家系統的知識表示和推理方法的啟發(fā)性、通用性等方面有所改進; 第三代專家系統屬于多學科綜合型應用系統,采用多種AI語言、綜合應用各種知識表示方法和推理機制及控制策略,開始運用各種知識工程語言、骨架系統和專家系統開發(fā)工具及環(huán)境來研制大型綜合專家系統。目前,在總結前三代專家系統的設計方法和實現技術的基礎上,開始采用大型多級專家協作系統、廣義知識表達、綜合知識庫、自組織解題機、多學科協同解題與并行推理、專家系統開發(fā)工具及環(huán)境、人工神經網絡知識獲取及學習機制等最新人工智能技術來實現第四代專家系統。
2. 專家系統概念
專家系統有別于其他非智能計算機軟件系統,具有一些特殊的主要性能及特征。為解決特定領域的具體問題,專家系統除需要一些公共的常識,還需要大量與所研究領域問題密切相關的知識。在解題過程中專家系統一般采用啟發(fā)式的解題方法,除用演繹方法外,還會借助于歸納方法和抽象方法。一般需要處理的問題具有模糊性、不確定性和不完全性,需要采用基于知識的問題求解方法。專家系統能對自身的工作過程進行推理解釋,能夠把如何進行推導而得出結論的推理過程解釋出來。
專家系統中常見的概念有:
(1)知識工程師(knowledge engineer):開發(fā)專家系統和知識庫系統的計算機專家,其主要任務是從問題領域的專家處獲取專業(yè)知識,并建立起知識庫和運用知識的系統等。通常是在應用人工智能方法具有經驗的計算機科學家。
(2)領域專家(domain expert): 在某特定應用領域中,經專門培養(yǎng)和訓練,具有多年經驗和豐富的專業(yè)知識,能精通和處理各種專業(yè)問題,特別是具有高超的解決問題能力的專業(yè)工作者。
(3)專家系統開發(fā)過程(development process of expert system):ES的開發(fā)過程可分為: 任務確定與需求分析、概念設計、功能設計、結構設計、知識獲取、知識表示模式設計、功能模塊的詳細設計、系統實現和測試與評估等。其中知識獲取及知識的形式化是開發(fā)專家系統的“瓶頸”。
(4)骨架系統(shell system): 一種從成熟的專家系統中抽去知識后構成的知識表示系統。骨架系統提供某種知識表示和相應的推理機制。其推理機制中不帶有任何與領域有關的控制信息,所有領域知識都顯式地表示出來。骨架系統可作為專家系統開發(fā)工具用于各種不同的任務。
(5)建模(modeling): 建立實用專家系統的關鍵任務之一。知識獲取所得到的事實和概念必須用某種方法表示出來,利用這些事實和概念建立專家系統模型的過程稱為建模。模型建成后,知識工程師便開始進行程序設計,將領域專家的知識存入知識庫,為推理機提供基礎。
(6)求精(refinement): 即知識求精,是建立使用專家系統的關鍵任務之一。通常專家系統的最初性能都比較差,需要對系統進行求精。通過修改系統的弱點和缺陷,專家系統能逐步接近于人類專家的水平,然后超過之。
(7)分析層次過程(analytic hierarchy process):評價專家系統的一種方法,其思想是把問題分割成較小的組成部分,只對相關的單純對象進行配對比較判斷來確定各個層次的優(yōu)先級。這種評價方法可以把評價的主觀性判斷定量化。AHP評價方法已在評價專家系統及其他系統中獲得廣泛應用。
(8)專家系統的原型(expert system prototyping):對比較大型或難度較大的專家系統可先開發(fā)一個專家系統原型,在對原型開發(fā)取得經驗的基礎上,再逐步實現實用的專家系統。原型中: ①知識庫中的知識類型應是齊全的,開始數量可以較少; ②采用能快速實現專家系統原型的工具和方法,先追求主要功能的實現,暫不考慮處理效率; ③能提供用多種方案或多種知識表示模式實現系統的可能,以便進行比較決定取舍。
3專家系統組成
專家系統通常由六個部分組成: 人機接口、知識獲取機構、推理機、解釋器、知識庫及其管理系統、數據庫及其管理系統(見圖1),專家系統的體系結構將隨著專家系統的類型、功能和規(guī)模的不同而有差異。
圖1 專家系統的基本結構
專家系統的基本工作流程是: 用戶通過人機界面回答系統的提問,推理機將用戶輸入的信息與知識庫中各個規(guī)則的條件進行匹配,并把被匹配規(guī)則的結論存放到綜合數據庫中。最后,專家系統將得出最終結論呈現給用戶。專家系統還可以通過解釋器向用戶解釋以下問題: 系統為什么要向用戶提出該問題(Why),計算機是如何得出最終結論的(How)。
(1)人機接口(user interface):人機接口是專家系統與領域專家或知識工程師及一般用戶間的界面,由一組程序與相應的硬件組成,用于完成輸入/輸出工作。領域專家或知識工程師通過它輸入知識,更新、完善知識庫: 一般用戶通過它輸入欲解決的問題、已知事實以及向系統提出的詢問; 系統通過它輸出推理結果、回答用戶的詢問或者向用戶索取進一步的事實。
不同的系統,由于硬件、軟件環(huán)境不同,接口的形式與功能有差別。當硬件、軟件配置不高,可用兩種接口方式: 菜單方式和命令語言方式。
菜單方式是系統把有關功能以菜單形式列出來供用戶選擇,一旦某個條件被選中,系統或者直接執(zhí)行相應的功能,或者顯示下一級菜單供用戶進一步的選擇。
命令語言方式系統按功能定義一組命令,當用戶需要系統實現某一功能時就輸入相應的命令,系統通過對命令的解釋完成指定的任務。
接口命令一般分為: ①獲取知識命令: 供領域專家或知識工程師向知識庫輸入領域知識的命令;②提交問題命令: 供用戶專家提交待求解問題的命令; ③請求解釋命令: 供用戶對專家系統給出的結論不理解或者希望給出依據時,用這種命令向系統發(fā)出詢問,請求系統給予解釋; ④知識檢索及維護命令: 知識工程師用這種命令對知識進行檢索,查閱知識庫中的知識,進行增、刪、改。
(2)知識獲取機構(knowledge acquisition interface):專家系統中獲取知識的機構,由一組程序組成?;救蝿帐前阎R輸入到知識庫,并負責維持知識的一致性及完整性,建立其性能良好的大知識庫。它需要完成抽取知識、知識的轉換、知識的輸入及知識的檢測。
按知識獲取的自動化程度不同,分為非自動知識獲取和自動知識獲取兩種方式。非自動知識獲取首先由知識工程師向領域專家獲取知識,再通過相應的知識編輯軟件把知識送入知識庫; 自動知識獲取是指系統自身具有獲取知識的能力,它不僅可以直接通過口令與專家對話,從專家提供的原始信息中“學習”到專家系統所需要知識,而且能從系統自身的運行實踐中總結、歸納出新的知識,發(fā)現知識中可能存在的錯誤,自我完善,建立起性能優(yōu)良、知識完善的知識庫。它應具有識別語音、文字、圖像的能力; 組織、分析、歸納能力: 從運行實踐中學習的能力。
(3) 知識庫及其管理系統(knowledge base management): 知識庫又稱規(guī)則庫,是知識的存儲機構,用于存放領域內的原理性知識、專家的經驗性知識以及有關的事實。知識庫建立的關鍵是知識的獲取和知識的表示問題。知識庫中的知識來源于知識獲取機構,它又為推理機提供求解問題所需要的知識,與兩者都有密切的關系。知識庫系統以自然語言理解作為人機接口,并以基于知識的推理、演繹提供模塊實現對知識庫中的運用,并回答用戶提出的問題。
知識庫管理系統負責對知識庫的知識進行組織、檢索、維護。專家系統中其他任何部分如果與知識庫發(fā)生聯系,都必須通過該管理系統來完成,這樣就可實現知識庫的統一管理和使用。
(4)數據庫及其管理系統(黑板blackboard,綜合數據庫或事實庫): 數據庫在知識庫系統中,又稱為“黑板”、“綜合數據庫”或“事實庫”,用來存儲有關領域的初始事實、問題描述及其推理過程中得到的中間狀態(tài)或結果、最終結果、運行信息(如推出結構的知識鏈)等的工作存儲器。
數據庫的內容是不斷變化的。在求解問題的開始時,它存放的是用戶提供的初始事實; 在推理過程中它存放每一步推理所得到的結果。推理機根據數據庫的內容從知識庫選擇合適的知識進行推理,然后又把推出的結果存入數據庫。數據庫是推理機不可缺少的工作場地,由于它可記錄推理過程中的各有關信息,又為解釋機構提供了回答用戶咨詢的依據。
數據庫是推理機進行推理的依據,也是解釋器為用戶提供推理結果解釋的依據。數據庫管理系統負責對數據庫中的數據進行增、刪、改 以及維護工作,以保證數據表示方法與知識表示方法的一致性。
(5)推理機(inference engine): 專家系統的“思維”機構,構成專家系統的核心部分。推理機是一組程序,用以模擬領域專家思維過程,控制并執(zhí)行對問題的求解,以使整個專家系統能夠以邏輯方式進行問題求解。它能依據數據庫中的當前數據或事實,按照一定的策略從知識庫中選擇所需的知識,并依據該知識對當前的問題進行求解,它還能判斷輸入綜合數據庫的事實和數據的合理性,并為用戶提供推理結果。
推理機的性能與構造與知識的表示方式及組織方式有關,與知識的內容無關,有利于保證推理機與知識庫的相對獨立性,知識庫中的知識有變化時,無需修改推理機。但如果推理機的搜索策略完全與領域問題無關,它將是低效的,當問題規(guī)模較大時,問題就更加突出。為解決這個問題,專家系統一方面為提高系統的運行效率而使用一些與領域有關的啟發(fā)性知識,又為了保證推理機與知識庫的相對獨立性而采取用元知識來表示啟發(fā)性知識的方法。
(6)解釋器(explanation mechanism): 由一組程序組成,它能跟蹤并記錄推理過程,用戶提出詢問需要給出解釋時,將根據問題的要求分別做相應的處理,最后把解答用約定的形式通過人機接口輸出給用戶,具有解釋功能是專家系統主要特征之一。解釋是指專家系統在同用戶的交互過程中,由系統對系統的行為能產生易于被用戶理解的說明,包括系統正在做什么,為什么這么做的動態(tài)說明,對系統知識庫中知識的靜態(tài)說明。常用的解釋方法有:唱片解釋法、執(zhí)行追蹤法、策略解釋法、自動程序員方法等。
系統的解釋能力除能增強系統的可理解性,在系統自身的生成、測試、運行和維護過程也起著很重要的作用。
4. 專家系統實例
世界各國的新一代計算機研制計劃中,專家系統都是其推理的核心部分,已經在醫(yī)療診斷、化學工程、語音識別、圖像處理、金融決策。信號解釋、地質勘探、石油、軍事等領域研制了大量的專家系統。美國、英國、日本等國家紛紛將其列為國家重點研究項目。我國專家系統的研究開發(fā)工作起步較晚,大約在70年代末期,在醫(yī)療領域開始,先后出現了肝炎診斷治療專家系統、子宮癌診斷專家系統等。專家系統已應用于化學、農業(yè)、氣象預報、油井記錄分析、地震預測、軍事指揮、作戰(zhàn)模擬、交通運輸業(yè)等領域。
(1) DENDRAL: 是世界上第一個專家系統,由斯坦福大學(Stanford)計算機科學系E.A.Feigenbaum教授、遺傳學教授J.Lederberg、化學系的物理化學專家C.Djerassi等在1965年開始研制,1968年基本完成,系統經過幾年的改進和擴充,其知識非常淵博和有效,從分子式及其質譜數據推斷分子結構的能力達到了專家的水平,被廣泛地應用在各大學和工業(yè)界的化學實驗室。
化學家在確定未知化合物分子結構的過程中,需要知道該化合物由哪些原子組成,這些原子是怎樣排列和聯系。由于一個給定的分子式其原子的排列和聯系相當復雜,知識工程試圖在這個問題上對化學家提供幫助。DENDRAL系統的研制主要有兩個目的: ①設計一個能夠確定結構的計算機程序;②解決在運用人工智能方法進行科學推理過程時可能出現的問題。
(2) MATHLAB 68:麻省理工學院(MIT)用LISP開發(fā)的數學專家系統,它協助數學家和其他科學家執(zhí)行分析問題時所遇到的代數符號處理。系統使用了模式制導的啟發(fā)式轉換,有理函數的積分問題通過轉換后可以運用算法進行求解,系統可執(zhí)行微分、多項式因子化、不定積分、拉普拉斯變幻和解線性常微分方程。
(3) MACSYMA:使用LISP研制的一個著名的數學問題求解輔助專家系統。MACSYMA是1968年麻省理工學院的C.Engleman、W.Martin和J.Moses在MATHLAB68和W.Martin及J.Moses的博士課題基礎上設計的一個大型人機交互系統,它執(zhí)行公式化簡、符號微分、符號積分等數學問題求解,1971年開始投入使用。
(4) MYCIN:斯坦福大學(Stanford)研制的MYCIN系統包含11個用于診斷和治療感染性疾病的專家咨詢系統,1972年開始,計算機科學家E.H.Shortliffe和感染病專家B.G.Buchanan合作研究基于規(guī)則的產生式系統,1974年基本完成。MYSCIN同它的用戶(一般是內科醫(yī)生)進行交談,獲取病人的病史和各種可能的化驗數據,然后在數據可能不齊全的情況下進行推理,提出診斷建議。這種建議在醫(yī)院護理中經常是需要和及時的,因為感染病治療的時間因素經常需要內科醫(yī)生在數據資料不齊全的情況下做出醫(yī)療措施的決定。MYCIN的診斷和治療水平已經達到了專家的水平,甚至超過非專業(yè)內科醫(yī)生的水平。
(5) CASNET: 與MYCIN幾乎同時開發(fā)的醫(yī)學領域專家系統,由Rutgers大學的S. M. Weiss、C.A.Kulikowski和A.Safir等人研制。CASNET系統治療青光眼疾病的水平在1976年美國眼科和耳鼻喉科學會會議上進行了同人類專家評審組的會診結果比較,認為已接近專家的水平。CASNET的特點是,其建模不僅針對青光眼,提出了用于各種疾病診斷和治療的通用框架(因果關系網,causal network),這是試圖為進一步建造專家系統而提供通用框架工具的最早嘗試。其建模的思想導致了后期骨架系統EXPERT的開發(fā)。
(6) PROSPECTOR: 斯坦福大學(Stanford)國際研究所(SRI)的R.O.Duda等人于1976年開始研制的根據地質數據尋找礦藏的專家咨詢系統,是地質工作者和計算機專家合作研究的成果。地質學家把礦床模型按計算機能解釋的形式進行編碼,隨后利用這些模型進行推理,達到勘探評價、區(qū)域資源估值、鉆井井位選擇的目的。利用PROSPECTOR系統曾發(fā)現了美國華盛頓州的一處鉬礦。
(7) XCON: 卡內基-梅隆大學(Carnegie-Mellon)和DEC公司用OPS5開發(fā)的用于VAX 11/780計算機系統最佳配置的專家系統。是全世界投入運行中的最大和最完善的基于規(guī)則的商品化專家系統,系統采用基于規(guī)則表示與正向推理控制機制,它在顧客訂單基礎上,決定加上哪些成分以構成完整的系統,并確定各成分間的空間關系。
(8) HEARSAY:語言理解領域很出色的知識庫系統,由卡內基-梅隆大學(Carnegie-Mellon)的L. D.Erman等人于20世紀70年代初開始設計,于1973年出現了HEARSAY-Ⅰ,1977年出現了HEARSAY-Ⅱ。在有限的詞匯(1000 條)內,HEARSAY已能聽懂連續(xù)的語音。在性能上,HEARSAY雖然還沒有達到人們所期望的專家水平(據稱它已達到10歲兒童的理解水平),但語言理解在目前被認為是AI研究最困難的一個領域,能夠在這個領域達到這樣的成就已被認為相當可觀了。更為重要的是,HEARSAY專家系統發(fā)展過程中的重要性不在于它所能達到的性能水平,而在于它為多個知識源(多專家)、不同抽象級和不同類型的知識組織提出了一個統一模塊化黑板結構。
5. 專家系統應用
專家系統在應用領域中的實際應用,主要包括解釋、診斷、預測、決策、規(guī)劃設計、教學、控制、故障維修等類型的應用。其中診斷型(醫(yī)學、機電等)和控制型專家系統,在人工智能領域的應用發(fā)展最快、最為突出。專家系統主要的應用形式和方法:
(1)解釋應用(interpretation application): 解決化學結構說明、語言理解、監(jiān)視數據分析、圖像分析、信號解釋等領域的問題。這類專家系統根據可得到的數據分析這些數據所支持的問題結論或問題狀態(tài)。應用要求的是,對于給定的數據找出一致和正確性的問題性質。只有在存在充分的數據證據能夠排除某一種可能的問題性質時,才能放棄這個性質。這類應用關鍵問題: 可得到的數據常常帶有噪聲和誤差,可能不齊全、有錯誤或者帶有問題無關的、甚至會引起相互矛盾的數據成分。例如,DENDRAL系統、語音識別系統HEARSAY以及根據聲納信號識別艦船的HASP/SIAP系統都屬于這一類。這類系統必須能處理不完全、甚至受到干擾的信息,并能對得到的數據給出一致且正確的解釋。
(2)診斷應用(diagnosis application): 解決醫(yī)療、電子、機械、軟件等領域的診斷等問題。這類專家系統主要是依據一定的原則從已有的征兆事實推出診斷對象存在的故障的過程。這是目前開發(fā)、應用最多的專家系統領域,通常把診斷中選擇和運用知識進行診斷推理的過程稱為基于知識的診斷過程。這類應用必須先了解對象系統及對象系統中各系統之間的關系和相互影響,由于現象與故障之間不一定存在嚴格的對應關系,因此在建造這類應用時,需要掌握有關對象較全面的知識,并能處理多種故障同時并存以及間歇性故障等情況。然后將觀察數據說明的行為同可能的故障原因進行對照,找到故障的所在。診斷的方式有兩種,一種是建立故障行為同故障原因的對照表,一種方式將對象系統的結構知識同其結構、行為和各子系統的故障知識結合起來,從觀察到的數據來推理可能的故障原因。例如細菌感染性疾病診斷治療系統MYCIN,計算機故障診斷系統DART等。
(3)預測應用(prediction application): 解決天氣預報、人口預測、交通預報、農業(yè)產量估計和軍事預測等方面的問題。這類專家系統主要是根據過去和現在得到的模型來推斷將來可能發(fā)生或出現的情況,預測需要關于時間的推理,通過過去和現在的數據來擬合模型的基本參數以建立動態(tài)的預測模型。這些模型必須能反映出各種可能引起現行環(huán)境隨時間概念的因素和這些因素的變化方式。從模型推理出來的結果形成預測的基礎。由于預測是規(guī)劃和決策的基礎,規(guī)劃和決策應用的專家系統往往也包含了預測子系統。這類系統需要有相應的模型的支持,且需要處理隨時間變化的數據及按時間順序發(fā)生的事件,因而時間推理是這類應用的常用技術。例如,病蟲害預測系統PLANT/ds,軍事沖突預測系統I&W,臺風路徑預測系統TYT等。
(4)決策應用(decision-making application):解決經濟、科技和社會政策或業(yè)務活動的方案選擇等方面的問題。這類專家系統根據已經制定的多個目標,在預測和規(guī)劃的基礎上,對各種可能的決策方案進行綜合評價和選優(yōu),選取一個最優(yōu)的或近似最優(yōu)的方案。如果系統面臨的決策問題的結構和過程清晰,可以運用確定的數學模型求解,這樣的問題不構成專家系統的問題環(huán)境,可以運用算法設計的管理信息系統(MIS)技術進行求解。在結構不良的決策環(huán)境下,現已生成的決策系統大多數還是以決策支持(DSS)的方式進行建模。
(5)規(guī)劃與設計應用(planning and design application):應用在自動程序設計、機器人動作和實驗步驟規(guī)劃、軍事規(guī)劃、線路設計、建筑設計和預算編制等方面。這類專家系統為了達到一定的目標進行動作步驟設計,并按照給定的要求,為待制造的產品構造出規(guī)格說明。規(guī)劃的目標是在給定的約束條件下,利用盡量少的資源來構造一個能實現給定目標的動作序列,如果目標間存在沖突,這類應用應能區(qū)別各目標的優(yōu)先程度; 如果規(guī)劃的約束條件或目標,規(guī)劃的數據參數不完全或者隨時間變化,這類應用的專家系統應能有相應的處理能力。設計是在給定的約束下,設計系統為產品構造產品的描述,這個描述包括產品中各個構件及其相互關系,有時構造過程還需要優(yōu)化成本或其他方面的目標函數。比如,可輔助分子遺傳學家規(guī)劃實驗并分析實驗結果的MOLGEN,安排宇航員在空間站活動的KNEECAP系統,制定最佳行車路線的CARG系統等。
(6)教學應用(instruction application): 解決制定教學計劃、設計習題、水平測試等方面的問題。這類應用可以診斷和修正學生的行為,輔助教學,并能根據學生學習中產生的問題進行分析、評價、找出錯誤原因,有針對性地確定教學內容或采取其他有效的教學手段。這類應用的關鍵技術是要以深層知識為基礎的解釋功能,并且需要建立各種相應的模型。目前被大多數人認可的專家系統教學方式主要有兩種: 一種是通過專家系統應用,使學生充分體驗到人類專家問題求解的思路和推理風格,這有助于提高學生的分析、判斷和反思能力; 另一種是讓學生借助專家系統工具自行建造專家系統,包括知識庫的構建和環(huán)境的建設。例如可進行邏輯學、集合論教學的EXCHECK系統。
(7)監(jiān)控應用(monitoring application):完成實時監(jiān)測任務的專家系統,為了實現規(guī)定的監(jiān)測,這類應用必須能隨時收集任何有意義的信息,并能快速地對得到的信息進行鑒別、分析、處理,一旦發(fā)現異常,能盡快地作出反應,如發(fā)出警報信號。例如,高危病人監(jiān)護系統VM,航空母艦空中交通管理系統REACTOR系統。
(8)控制應用(control application): 對各種大型設備及系統實現控制的專家系統,一般兼有數字和非數字兩種模式。為了實現被控對象的實時控制,該類應用必須具有能直接接收來自被控對象的信息、并能迅速進行處理、及時作出判斷和采取相應行動的能力。例如,維持鉆機最佳鉆探流特征的MUD系統。
(9)故障維修應用(fault maintenance and repair application):依據一定的原則從已有的征兆事實推出對象存在的故障,并給出故障維修的方案。這類應用要求能根據故障的特點制定糾錯方案,并能實施這個方案排出故障,當制定的方案失效或部分失效時,能及時采取相應的補救措施。例如,電話電纜維護系統ACE,排除內燃機故障的DELTA系統。