浅谈专家系统现状与开发作者：黄朝圣姚树新陈卫泽来源：《信息安全与技术》2013年第02期【摘要】专家系统是人工智能领域最重要的应用之一。

介绍了专家系统的含义与结构，对专家系统的研究与应用现状、开发方法进行了论述，并提出了新型专家系统的发展趋势与特点，指出专家系统重大的社会和经济价值。

【关键词】专家系统；研究现状；应用现状；发展趋势；开发方法1 专家系统概述1.1 专家系统的含义专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。

1.2 专家系统的结构每个专家系统所需要完成的任务和特点不相同，其系统结构也有一定的差别，但基本结构一般由知识库、数据库、推理机、知识获取、咨询解释和人机接口等6部分组成，其中知识库和推理机是核心部分。

2 专家系统的现状2.1 专家系统的研究现状（1）基于规则的专家系统：采用产生式知识表示方法的专家系统。

它以产生式系统为基础，是专家系统开发中常用的一种方式。

早期的专家系统大多数是用规则推理的方法，如DENDRAL专家系统、MYCIN专家系统、PROSPECTOR专家系统等。

（2）基于案例的专家系统：通过搜索曾经成功解决过的类似问题，比较新、旧问题之间的特征、发生背景等差异，重新使用或参考以前的知识和信息，达到最终解决新问题的专家系统。

第一个真正意义上的基于案例的专家系统是1983年由耶鲁大学Janet Kolodner教授领导开发的CYRUS系统。

（3）基于框架的专家系统：采用框架知识表示方法的专家系统。

它以框架系统为基础，具有较好的结构化特性。

框架表示法最突出的特点是善于表达结构性的知识，且具有良好的继承性和自然性。

因此，基于框架的专家系统适合于具有固定格式的事物、动作或事件。

（4）基于模糊逻辑的专家系统：采用模糊逻辑知识表示方法的专家系统。

和二值的波尔逻辑不同，模糊逻辑是多值的。

它处理归属的程度和可信的程度。

模糊逻辑使用介于0（完全为假）和1（完全为真）之间逻辑值得连续区间。

与非黑即白不同，它就如颜色的色谱，可以接受同时部分为真和部分为假的事物。

（5）基于D-S 证据理论的专家系统：基于证据理论知识表示方法的专家系统。

证据理论是由Dempster于1967年首先提出，由他的学生Shafer于1976年进一步发展起来的一种不精确推理理论，也称为Dempster/Shafer证据理论，属于人工智能范畴，最早应用于专家系统中，具有处理不确定信息的能力。

（6）基于人工神经网络的专家系统：一种以人工神经网络为前提构建的专家系统。

神经网络作为前端的知识获取器，其获取的知识存储在网络的权值和阈值当中，并由网络的并行计算而得到网络的输出结果，此结果根据专家的经验判断转换成可描述的知识规则，输入到专家系统的推理机里面。

专家系统的推理机处理的是各个神经网络输出结果转换后的知识及以面向对象方式存储在知识库中的专家经验知识，最后，由专家系统的推理机得到领域问题的最后结果。

（7）基于Web的专家系统：Web数据交换技术与传统专家系统集成所得到的一种先进专家系统。

它利用Web浏览器实现人机交互，基于Web专家系统中的各类用户都可通过浏览器访问专家系统。

从结构上，它由浏览器、应用服务器和数据库服务器三个层次所组成。

2.2 专家系统的应用现状最初的专家系统只是人工智能的应用之一，但由于其重要性及相关应用系统之迅速发展，它已是信息系统的一种特定类型。

专家系统本质是一种计算机应用系统，其应用范围非常广泛，包括工程、科学、医药、军事、商业等领域，而且成果相当丰硕，甚至在某些应用领域，还超过人类专家的智能与判断。

（1）解释型：根据实验、勘测得到的信号数据，确定这些数据的含义。

如著名的DENDRAL专家系统就属于此类型，它通过质谱和数据分析的结果，判定有机化合物的分子结构，并进行解释。

（2）诊断型：根据观察现象及测得的数据，推断系统故障的地点和性质。

如医疗诊断专家系统MYCIN、计算机硬件故障诊断系统DART、化学处理工厂故障诊断系统FALCON等。

（3）预测型：根据过去和现在的数据来预报未来的趋向。

如谷物黑夜盗蛾虫害系统PLANT/CD、各种气象预报系统、军事冲突预测系统I&W等。

（4）规划型：根据给定的目标及一定的约束条件来拟定计划。

如安排宇航员实现空间站中活动的KNEECAP系统、制订最佳行车路线的CARG系统等。

（5）设计型：根据给定的要求形成所需要的方案。

如计算机的总体配置XCON系统、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。

（6）监测型：用于完成实时监测任务的。

如航空母舰周围空中交通管理系统AIRPLA、核反应堆事故诊断与处理系统REACTOR、高危病人监护系统VM等。

（7）教育型：根据学生的问题，找出学习中存在的问题并提出解决方法。

如计算机辅助医学、科学教育的GUIDON系统，医疗辅助教学的NEOMYCIN系统。

（8）控制型：用于控制机器的行为。

如帮助Digital Corporation计算机制造及分配之控制系统PTRANS等。

3 专家系统的发展趋势目前，专家系统的开发不仅要采用各种定性的模型，而且要将各种模型综合运用，还要大胆采取人工智能和计算机技术的一些新思想和新技术。

它的发展趋势呈现出几个的特点。

（1）并行与分布处理：基于各种并行算法，采用各种并行推理和执行技术，适合在多处理的硬件环境中工作。

系统中的多处理器应该能够同步和异步并行处理。

（2）多专家系统协同工作：各个子专家系统之间可以互相通信，通过多个子专家系统的协同工作，以扩大整个专家系统的解题能力，而不像分布处理特征那样主要是为了提高系统的处理效率。

（3）自主学习功能：新型专家系统应提供高级的知识获取与学习功能。

应提供合用的知识获取工具，从而面对知识获取这个“瓶颈”问题有所突破。

（4）引入新的推理机制：现存的大部分专家系统只能做演绎推理。

在新型专家系统中，除演绎推理之外，还有归纳推理（包括联想、类比等推理）、各种非标准逻辑推理（例如非单调逻辑推理、加权逻辑推理等）以及各种基于不完全知识和模糊知识的推理等。

（5）自我纠错与自我完善能力：有了自纠错能力后，专家系统就会随着时间的推移，通过反复运行不断地修正错误，不断完善自己，并使知识越来越丰富。

（6）先进的智能人机接口：理解自然语言，实现语声、文字、图形和图像的直接输入输出是当今人们对智能计算机提出的要求，也是对新型专家系统的期望。

4 专家系统的开发4.1 专家系统的设计原则专家系统是基于计算机软件的典型的知识工程系统，它的设计应遵循软件工程和系统工程的基本原则，即：领域专家与知识工程师要相互合作以保证知识获取的成功；用户要参与专家系统的设计和开发，有助于“人-机”接口设计，以及系统的运行和评价；知识库和推理机分开设计，而且推理机应尽量简化，方便实现解释功能、知识获取功能和修改、扩充功能；使用统一的知识表示方法，方便统一管理系统的知识；利用具有不同优点的多来源知识来求解问题，弥补知识的不完整和不精确。

4.2 专家系统的开发步骤由于专家系统也是一种计算机应用系统，所以，一般说来，其开发过程也要遵循软件工程的步骤，即也要进行系统分析、系统设计、系统编码、系统测试等几个阶段的工作，但其又有独特的地方。

目前，一般采取“快速原型与增量开发”的方式进行专家系统的开发，主要分为初始知识库设计、原型系统开发与试验、生成实用专家系统三个步骤。

（1）初始知识库设计。

知识库的设计是建立专家系统最重要和最艰巨的任务。

初始知识库的设计有五个任务，即，问题知识化：即辨别所研究问题的实质，如要解决的任务是什么，它是如何定义的，可否把它分解为子问题或子任务，它包含哪些典型数据等；知识概念化：即概括知识表示所需要的关键概念及其关系，如数据类型、已知条件和目标、提出的假设以及控制策略等；概念形式化：即确定用来组织知识的数据结构形式，应用人工智能中各种知识表示方法把与概念化过程有关的关键概念、子问题及信息流特性等变换为比较正式的表达，它包括假设空间、过程模型和数据特性等；形式规则化：即编制规则、把形式化了的知识变换为由编程语言表示的可供计算机执行的语句和程序；规则合理化：即确认规则化了知识的合理性，检验规则的有效性。

（2）原型系统开发与试验。

在确定知识获取方式（主要为自动、非自动和半自动获取，其中自动获取是研究热点）和知识表达方式（主要为表层、深层和混合表示，一般综合运用）之后，即可着手建立整个系统所需要的实验子集，它包括整个模型的典型知识，而且只涉及与试验有关的足够简单的任务和推理过程。

原型种类主要有五种，即，演示原型：解决应用中的部分问题，用于系统方案的可行性论证；研究原型：在主要应用领域里能可靠地运行，但没进行全面的测试，系统的行为显得有些脆弱；领域原型：已在大量测试的基础上进行了修改，具有较好的性能；产品原型：在用户环境下运行，具有较高的性能、效率相可靠性；商品化系统：在产品原型的基础上，通过进一步提高系统的性能，改善用户接口，降低成本，系统满足投入商品市场的要求。

原型设计是关键，一般可按下图进行设计。

（3）知识库的改进与生成实用专家系统。

反复对知识库及推理规则进行改进试验，归纳出更完善的知识库，并经过相当长时间（例如数月至二三年）的努力，知识的数量在使用中不断增加，系统的相应功能也被不断增量开发，达到用户提出的各种要求，形成实用的专家系统。

5 结束语本文介绍了专家系统的含义、研究应用现状、发展趋势和开发方法。

专家系统的研究与应用技术不断更新，这就要求我们在现有成果的基础上不断完善专家系统的开发方法。

将来，随着专家系统技术研究与应用的不断深入与发展，将会带动人类社会智能化水平的不断提高和经济的快速发展。

参考文献[1] 蔡自兴，徐光祐.人工智能及其应用[M].北京：清华大学出版社，2004.[2] 武波，马玉祥.专家系统[M].北京：北京理工大学出版社，2001.[3] 许丽佳.D-S证据理论在信息融合中的改进[J].系统工程与电子技术，2004，26（6）：717-720.[4] 梁静.神经网络专家系统一体化理论与实现.北京科技大学博士论文，1999：35-37.[5] 尤凤英.专家系统软件的开发与利用[J].山东省农业管理干部学院学报，2007，23（4）：163-165.[6] Joseph Giarratano， Gary Riley. Expert Systems Principles and Programming [M]. Beijing：Machine Press， 2005.[7] Jaturon Chaattratichat， John Darlington， M Ghanem. Large Scale Data Mining： The Challenges and Solution. KDD 97～1997.[8] 龙光正，雷英杰，邢清华.分布协同式专家系统研究[J].空军工程大学学报，2003，4（2）：67-69.作者简介：黄朝圣，男，助工，本科，现就职于中海油能源发展股份有限公司钻采工程研究院；研究方向：能源行业计算机系统研究开发与应用。