笔者按：本文主要是基于刘金琨的《智能控制（第5版）》，并结合（来自B站）昆明理工大学的《智能控制导论（公开课）》等，对其中关于专家系统的内容进行的整理，未经相关人员校对，仅供学习交流使用。
1965年，E.A.Feigenhaum等人在总结通用问题求解系统的成功与失败经验的基础上，结合化学领域的专门知识，研制出了世界上第一个专家系统dendral，可以推断化学分子结构。近些年随着专家系统的理论和技术不断发展，应用渗透到几乎全部领域，包括化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等，开发了几千个专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。
专家系统属于人工智能的一个发展分支，是一个智能的计算机程序系统，其内部含有大量的某个领域专家水平（下图是部分示例）的知识与经验，能够利用人类专家的推理方法来处理该领域的难题。
一、基本原理
专家系统主要由知识库、推理机和人机接口组成（如下图所示）。知识库和推理机相互交互（1-2）相当于人类专家的思考过程，因此就能够得到一个决策，从而完成问题的解决。
1.知识库
用于领域专家的知识存储。其中规则库有（1）基于专家经验的判断规则，（2）用于推理、问题求解的控制性规则，数据库有（3）用于说明问题的状态、事实和概念及当前的条件和知识等数据。功能模块主要有知识查询、检索、增删、修改和扩充等。
2.推理机
用于对知识库中的知识进行推理来得到结论的“思维”结构，用于完成基于知识的推理过程。包含解释程序、调度程序两类程序。包含三种推理方式，（1）正向推理，从原始数据和已知条件得到结论，（2）反向推理，先提出假设的结论，然后寻找支持的证据，若证据存在，则假设成立，（3）双向推理，运用正向推理提出假设的结论，运用反向推理来证实假设。
3.人机接口
（3.1）专家系统与领域专家的接口，用于获取该领域专家的大量的有价值的知识，并且把它存储在知识库里边。（3.2）专家系统与用户之间的接口，用于接收用户的提问，并且把通过推理机和知识库得到的结果发送给用户。
二、表达方式
把人类专家的知识表达成计算机可以理解的知识，常用的表达方式有产生式规则、框架、语义网络、过程。1972年，纽厄尔和西蒙在研究人类的认知模型中，开发了基于规则的产生式系统，产生式规则（如下图所示）已发展成为人工智能中应用最多的一种知识表达方式，也是专家系统中最流行的方式。
电脑if E then H with CF(E,H)。E表示前提条件，即证据；H表示结论部分，即假设，也是命题；CF为强度，反映当前提为真时，规则对结论的影响程度，即可信度。
常见结构如下图所示。
部分应用领域如下图所示（实际规则可能有所区别）。
三、开发方式
1.采用编程语言进行编写
比如采用C语言、LISP、PROLOG等。
2.采用专家系统外壳
针对已经开发成功并被证明行之有效的专家系统，剔除原有的知识，保留其体系结构和功能，再把领域专用的界面改成通用界面，就得到了专家系统外壳。将新的知识装入已有的知识库结构中即可。常用的有EMYCIN、KAS、EXPERT等。
3.采用通用型专家系统工具和开发环境
为专家系统的开发提供了多种方便的构建方式。例如说可能有获取知识的辅助工具，适应各种不同知识结构的知识表示模式，各种不同的不确定性的推理机制、知识库管理系统以及各种不同的辅助工具和调试工具等。常用的有Insight2、Exsys等。
四、总结
以上主要讲述了专家系统的概念、组成和设计方法。其实现有三大步骤如下图所示。
第一，知识库的设计，确定知识类型、知识的表达方式，设计知识库的管理系统；
第二，推理机的设计，我们选择推理方式，选择推理算法；
第三，进行人机接口的设计，包括设计用户与专家系统的接口，这个接口用于咨询、理解和结论的解释；包括设计专家与专家系统的接口，这个接口用于知识库的扩充或者系统的维护。
作者：郭强，目前在某知名清洁能源企业，任职产品经理。5年产品经理、3年项目经理、有创业经历。
如果您对工业互联网也感兴趣，可以给我留言。让我们一起相互分享前沿知识、实践感受等，一起修炼基本功，共同致力于打造一流产品。
电脑 电脑