专家系统原理与编程 pdf

【实例简介】
专家系统原理与编程 学习专家系统clips必备
China pus coM 第1章专家系统导论 1.1概述 本章是对专家系统的一个概略介纽,主要介绍专家系统的堪本原理。在本章中,将讨论专 家系统的伏缺点,描述专家系统应用的适宜领域,并讨论专家系统与其他编程方法的关系。 1.2专家系统的定义 解决仼何冋趣的第步是先划定解决问题的范围或领域( Domai)。不论是在传统编程领 域还是在人工智能领域这一点都是相同的。然而,出于以前对人工智能感到神秘的缘故,人们 往往相这样一种过时的说法:“所谓人工智能问题就是该问题辶没有解决”。另外一种流行的 定义则是“人工智能就是使计算机行动起来像人们在电影中所作的一样”。在20世纪70代, 当人工伻能仍处在研究阶段时,这种想法就已经广为人知了。但是,今天人T智能已解决了许 多现实问题,并且已应用到商业领域。 尽管经典的人工智能问题,如:自然言理解、语音和祧觉识别等仍未解决,但如果限制 问题的范闱则可能会找到一个有效的解决方法。例如,如果限定句子形式为主、谓、宾,那么 建立简单的自然语言系统就不会很困难。目前,这类系统在为众多软件产品如数据库系统和电 子表格系统竺提供友好的用户界上做得很成功。实际上,当今流行的一些电脑游戏软件在语 法分析方面就显示出惊人的理解能力。 人L智能有许多备受关注的领域,如图1-1所示。专家系统( Expert system)就是对传统人L 智能问题口智能程序设计的一个非常成 功近似解决方法。专家系统早期先导 人工智能 者之,斯坦福大学的 Edward Feigen baum教授,把专家系统定义为“一种智 杌器人 视 能的计算机程序,它运用知识和推理来 解决只有专家才能解决的复杂可题” ( Feigenbaum82)。也就是说,专家系统 自然言 是一种模拟( Emulate)专家决策能力的计 算机系统,模拟词表明专家系统要在 所有方面都做得象专家一样。嗅拟比模 仿更进一步,模仿只要求在某些方面做 理舵 人工神经 得像真正的事物一样。 系统 虽然我们仍未找到一和通压的解决 专家系统 问题的方法,然而专家系统在其受限制 的领域里散得很成功。今人,上如所有 图1-1人工智能的一些领域 书籍、期刊、会议和产品所表明的那样, 专家系统在商业、医学、科学以及工程等领域已得到了广泛的应用 专家系统原理与编程 Chinaepef-coM 专家系统是人工智能的一个分支,它大量利用专业知识以解决只有专家 (Expert)才能解决 的问题。专家是个在特定领域里具有专门知识( Expertise)的人。亦即,专家具有不为大多数 人所知或所灲用的专门技能。专家能够解决大多数人所不能解决或是不能高效地(而不是低劣 地)解决的问题。当专家系统在20世纪70年代最初发展起来时,专家系统特指包含专家知识。 然而“专家系统”这一术语在今天适用于任何应用专家系统技术的系统。专家系统技术包括专 的专家紊统话言、程序和为了辅助专家系统开发和执行而设计的硬件 专家系统中的知识可以是专门知识或是从书籍、杂志和有学问的人中获得的知识。专家系 统、基于知识的系统( Knowledge- based systen)或基于知识的专家系统( Knowledge- based expert system),这些术语经常同义地使用。多数人使用“专家系统”这一术语仅仅是因为它较短 即使在他们的专家系统中可能仅有一般的知识而没有专门知识。 图1-2描述了一个基于知识的专家系统的基本概念。用户提供事实或其他信息给专家系统, 相应地收到专家建议或专门知识。 专家系统内部包括两个主要部分 知识库和推理机。知识库包含有为 知识序 事实 推理札( Inference engine)所使用而得 用 出结论的知识。这些结论是专家系 统对用户询问的响应。 专门知识 摊机 基丁知识的系统还被设计成为 专家的智能助手。由于开发上的优 专家系统 势,这些智能助于是用专家系统技 匈1-2专家系统功能的基概念 术来设计的。随着知识的越来越多, 智能助于越来越像一位专家。囚此开发智能助于将会成灲改讠一个专家系统过程中的里程碑。 此外,还可以通过加快解决问题的速度来空出专家的更多时间。智能家教是人T智能的另一个 新烛用。与原米的计算机辅导系统不同,新的系统可提供上下文有关的指导 aratan9la) 与通用问题求解技术方面的知识不同,专家知识是指特定问题域( Problem domain)方面的 知识。特定问题域是专家能成功解决闻题的领域,例如医学、经济、科学或者工程学等等。正 如人类专家一样,专家系统是针对某一个问题域的。比如,你通常不会期望一个棋手具有医学 方面的专门知识。在一个问题域的专门知识个会自动地转向另一个可题域 解决特定问题的专家知识称为专家的知识域( Knowledge domain)。例如,诊断传染疾病的 内科专家系统会有许多关于传染疾病症状方面的知识 在这种情沈卜,知识域是医学,包括疾病、症状和洽疗 方法等方面的知识。图1-3说明了问题域和知识域之间的 问题坟 关系。图中知识域完全包括在问题域之内,知识域之外 的部分是个对问题没有任何知识的区域。 个内科专家系统一般不具有医学的其他分支的知 识,例如外科或小儿科。尽管内科专家系统关于传柒病 知识域 的知识与·个人类专家相当,但如果没有使用其他领域 的知识编程,那么专家系统就不知道其他领域的任何知 识 专家系统在它所具有的知识中推导或推理( Inference) 图!-3问题域利知识域的 的方式与人类专家推圆解决问题的方式是一样的。良 个可能关系 第1章专家系统导论 给出一些事件,然后推理出结论。比女,如果你爱人已经一个月没有跟你说话了,你会推断 他(或她)没有什么事值得说,然而,这只是几 表1-1对投术的不同观点 个可能推断肀的一个。 虽然对专家系统我们已具备了很多新的技 人 术,但仍有许多东西要学。表1-1总结了在 管理者 我能用它做什么? 项工程技术中参与者的不同观点。在表中,技 技术人员 我怎样才能把它做得最好 研究者 我如何去护展它? 术人员可以是下程师或软件设计者,T程技术 消费者 它如何帮助我 可以是硬件或是软件。无论解决什么难题,这 它值得这样费神和开销吗? 些问趣都得回答,否则这一技术就不能成功地 它的可靠性如何? 被使用。像其他任何工具一样,专家系统有其 适宜或不适宜的应用领域,随着对专家系统的不断实,我们会发掘出这些应用领域 1.3专家系统的优点 专家系统有许多吸引人的特行: ·适应性强。专家知识在任何计算机硬件上都是可利厍的,实际上,专家系统是专家知识 的集成体。 成本低。提供给用户的专家知识成本非常低 危险性低。专家系统可用于那些可能对人有害的环璄。 持久性。专家知识是持久的,不像专家那样会退休,或者死亡,专家系统的知识会无限 持续。 ·复合专家知认。复合专家知识可以做到在白天或晩上的仁何时候同时和挟续地解决某 问题。由儿个专家复合起来的知识,其水平可能会超过个单独的专家( Harmon85) 可靠性强。专家系统可増强王确决策旳信心,这是通过冋专家提供一饣辅助观点而得到 的;此外,专家系统还可协调多个专家的不同意见。不过,如果专家系统是由某一个专 家编程设计的,那这个方法就不能奏效。如果专家没育犯错误的话,专家系统应该始终 与专家意见一致。但是,如果专家很累或有压力就可能会犯错误。 解释、说明。专家系统能明确、详细地解释导出结论的推理过程。一个人可能会太厌烦、 不忑意或是没有能力去这样做,但明确、详细的解释有利于得出正确的决策 响应快。迅速或实时的响应对某些应用来讲是必要的。依靠所使用的软件或l伫,专家 系统可以比专家反应得更迅速或更有效。某些突发的情况需要响应得比专家更迅速,因 此实时的专家系统是一个好的选择(Hugh88; Ennis86 始终稳定、理智和完整的响应·在实时和突发情况下,专家可能由于压力或疲艻而能 高效坦解决问题,这一点是至关重要的。 ·智能家教。专家系统可以作为一个智能家教,让学生运作实例程序,解释系统的推理。 ·智能效据厍。专家系统能以智能的方式来存取一个数据库( Kerschbery86;Schu88) 开发专家系统的过稈也众有一个间接的益处,山于专家知识必须以精确的形式输入到计算 杋中,所以知识要被明确地了解而不是被隐含于专家的脑海肀。这样,就必须对知识进行正确 性、致忙和完整性检査,这就提高了知识的质量 14专家系统的基本概念 专家系统的知识可以用多种方式摧述——它可以表示成规则和对象形式。描述知识的一个 专家系统原理与编程 Chinaepuf.com 常用方法是用IF.TEN型的规则(Rule),例如 IF红灯亮THEN停止 如果红灴亮这一事件出现,就与模式“红灯亮”相匹配,规则得到满灶,执行“停止” 为。虽然这是一个非常简单的例子,仨许多重要的专家系统都是迸过规则来表达专家知识而建 立的。实际上,丌发专家系统的这种基于知识的方法已经完全取代了50-~-60年代早期人L智能 的方法,那时人们致力于使用高效的不依靠知识的推坦技术。某些专家系统工,如 CLIPS 允许使用对象( Object,规则可以与对象及事件匹配,而对象则可以独立于规则而揀作。 当今,人们已建立了各种各样基于知识的专家系统。包含成千上万规贝的大型系统如数据 设各公司的 XCON/R1系统,在如何配置计算机系统方山已胜过单个人类专家( McDermott84) 许多针对专门任务的小型系统也有几条规则,虽然这些小型系统的运作可能达不到专家的水 平,但它们也充分利用了专家系统技术米处理那些知识密集型任务。对这些小玊系统而言,其 知识主要来源于书、期刊或其他公共资料。 与此相反,一个典型的专家系统主要依赖于没有写下的知识,这主要通过知识工程师 ( Knowledge engineer)长期地与人类专家进行接触而获得。建立一个专家系统的过程称为知识工 程( Knowledge engineering),这个过程由个知识工程师来完成( Michie73)。知认工程师从专 家或其他来源获取知识并把它们編码到专家系中 图1-4描述了开发专家系统的一般步骤。首先知识工程师通过与专家进行对话而获取专家 知识,这个阶段与传统程序设计中系统设计人员与用户讨论系统需求相关似。然后知识工程师 将知识编码到知识库中,随后专家评估系统并返叫意见绔知识工程师,这个过程一宣循环,直 到系统的性能为专家所满意为止。 对丁采用了基于知识技术的应用而言,基亍知识的系统这·衣述是个较好的术语。然而 正如人工智能这一术语一样,现今人涉及到专家系统和知识系统,即便是知识未达到专家水平, 人们也往往使用专家系统这一术语 般而言,专家系统设计不同于传统的程序设计,其问题通常没有算法去求解,而是依靠 推理来获得一个合理的解决方法。在没有任何可利片的 算法帮助我们获得最佳方法时,一个合理的方法就是最 灯的。因为专家系统依赖于推理,它必须能够解释这个 人类专家 过程,所以它的推理过程是可以殓查的。鮮释机(Expl anation facility)是复东专家系统的一个必要部分,实际上, 对话 复杂的解释机可设计为允诈用户深入探究“ What if”类 或者假设的推理( Hypothetical reasoning)问题,甚至可允 许用户把自然语言翻译为规则。 知识工程师 有些专家系统允许系统通过规则归纳( Rule induction) 从例子中学丬规则。在归纳吋,系统从数据表中生成规 则。把专家知识整理成规则并非易事,特别是当专家幻明确地衣达 识还未被系统化时。在一个专家系统中,专家知识可能 会存在不·致性、模糊性、重复性或其他问题,除非可 专家系统 以形式地表示知识,否则这些问题都难以解决。 的知识库 人类专家也知道自己知识的层限性,当问题达到他 们」的未知界限( Limits of ignorance)时,他们会给建议打 上一定折扣。如果专家系统没有专门设计来解决不确定 图14专家系统的开发 CaiNeepub.com 第1章专家系统导论3 性问题,那久即使亡们处理的数据不精确、不完整,专家系统也会以同样的确信来给出建议。 专家系统的建议与专家的建议·样,在其不知晓的范围内其合炟性应降低 现今亡多专家系统的一个不足是缺乏囚果知识( Causal knowledge),也就是说专家系统并不 能真正地坦解系统中隐含的原因和结果。用基于经验和启发性的浅( Shallow)知识来设计专家系 统比用基于对象的基本结构、功能和行为的深(Dep)知识要谷易得多。例如,设计一个针对头 痛开阿斯匹林药方的专家系统比议汁一个关于人体所有基本的生物化学、生理学、动物学和神 经医学等幻识的专家系统容易得多。一个人体机能模型的程序设计T作量非常之大,即使是成 功了,由于要处理全部的信息,系统的响应时间也可能会很慢。 启发性知识( Heuristic knowledge)是“浅”知识的一种类型,它个能侏证月同样的算法能取 得成功。启发性知识是一和从实践中获得的经验性知识,它对问题的求解可起帮助作用,但不 能保证一定有效。不过,在许多领域,如医学和工程上,启发性知识对问趣的求解起着重要的 作用。即使知道一个确切的解决方沄,但由于费用或时间的限制,使得该方法不能实际应用。 启发性知识能够提供有价佰的捷径,可以减少时间和花费。 专家系统另一个不足是它的知识受限于系统的知识域。专家系统不能絛人那样,通过类 比 Analogy)来推广知识以获得新的求解问题的方法。虽然通过规则的归纳,专家系绕可以获 得少许新的知识。创建一个专家系统的常用方法,即知识工程师访问专家、设计原型、测试, 然后再重复,这个过程是一件既费时、又费精力的事情。实际上,把人类知识转化到专家系统 这问题是如此的重要,以致于人们称它为知识获取瓶颈( Kno wledge acquisition bottleneck)。 这是一ˆ描述性的术语,囚为如同瓶颈控制液体流入瓶子一样,知识获取的瓶颈控制着专家系 统的创建 尽管有些局限性,但专家系统仍成功解决了现实世煚的许多问題,这些问题是常规的程 序设计方沄学所不能解决的,尤其是那些需要处理不确定或不完仝信息的。重要的一点是 解这种新技术的优点和局限性,只有这样才能够使之得到恰些地运用 1.5专家系统的特点 专家系统的设计具有以下一些特点 高性能。系统能以此领域里专家的同等或更高水平响应,也就是说系统所给建议的质量 必须很高 ·适当的响应时间。系统必须能在合理的时间内工作,时间与专家得出一个结论所需的 时间杆当或更好。与专家一个小时的时间相比,需要一年才得出一个结论的专家系统是 不会太有价值的。特别是必须在一特定时间间隔內作出响应的实时系统口,时间限制 ( Time constraint就显得史为苛刻 ·好的可靠性。专家系统必须可靠,且不易崩溃,否则就不能使用 ·可理解性。在执行过程中,系统能解释推理步骤,使之易于理解。专家系统不是一个推 出不可思议答案的黑盒子,而是应该貝冇解群能力,其触释的方式应与专家解释他们推 理的方式一样。山于以下几个原因,这个特征非常重要。 原因之一是人的生命和财产可能会依靠专家系统的回答。由于危害的巨大潜在性,专家系 统必须能够以专家解释如何得出某结论的方式来证明它的结论是止确的。因此,解释为人提 供了一个可理解的推理检测。 第二个原因出现在专家系统的发展阶段,这一阶段是让解释机证实知识已经被正确地获取 并止被系统确地使用。这在调试中是很重要的,因为知识可能公被不止确地带入或者由J知 6台家原阻与编程 识工程师和专家间的误解而不正确。一个好你解释机允许专家和知识工程师证实知识正确性。 而且由亍传统专家系统创建的方法,该∵个程序并哩解它的作将会很困难。 另外一个错误源也许是没有预想到专家系统里的相互影响,这些相互影响可以通过运行测 试实例来检测到,这些测试实例按照系统必须遵循的推理方法来运行。正如后而将要详红地讨 论一样,复合规则可以提供一个系统推埋的环境。专家系统中的执行沇不是按頂序的,因此你 仅仅一行行地阅读代码,是不能明白系统是如何工作的。也就是说,规则进入系统的次序并不 必一定是宀们被执行的次序。专家系统就像一个规则狐立于知识处理机的并行程序。 灵活性。专家系统可能有大量的知识,因此具有一个增力、修改和删除知识的高效机制 是十分重要的。基于规则的系统得以普及的一个原因就是由于规则的高效和嫫块化存储 视系统而定,一个解释机可以简单也可以复杂。在基于规则的系统中,一个筲兰的解释机 可以显小使最近规刈待以执行的所有事实。而在史为复杂的系统中可能按照如下方式来做: 列出又持和反对某个假设的原因。假设是将要被证玥的日标,例如,在一个医疗诊断专 家系统中“病人有破伤风感染”就是一个假设。在一个现实问题中可以有复合假设,正 如个病人可以同吋有人和病样。个假设也叫以被看作是·个事实,其确性仍存 在嶷惑,需要被证实。 列出所有可解释观测证据的假设。 解释假设的所有推断结果。例如,假设病人确实有破伤风,由丁感染作用,就应该有发 烧的迹象。如果后来观察到此症状,就会増强此儇改玊确的可信度:如果没有发现北症 状,就会削弱假设的可信度 ·如果假设是止确的,给出将发生事件的个预测( Prognosis) ·提供需要用户进一步信息的问题的依据。这些问惡可以用来指导推理链朝着可能的诊断 路径前进。在大多数现实问题中,探究所有的可能性花费太大或者需要太长的时间, 且要提供特定的方法引导正确搜索。例如,对一个抱怨咽唉痛的病人,考虑一下进行所 有内科检查所需的花费及所用的时间。 提供程序所用知识正确旳依据。例如,如果程序断言“病人有破伤风感染”这一假设是 对的,用户可以要求解释,程序必须给出得到这一结论的依据是基于下面规则:如果病 人进行血液检测,其破伤风是阼性,那么病人就惡冇破伤风。此时用户可要求程序提供 此规则正确的依据,则稈序可向用户说明:血液检测为阳性是患有疚病的证椐。 在这个实例屮,程序实际上在引月一个关于规则的知识——元规则( Metarule)。某些程序, 如Mea- DENDRAL,山经使用了元规川来推理( Buchanan78)。假设通过知认而让实,知认通 过正确的根据( Warrantυ来证实。根实质上是一个解释专家系统推理说明的元解释。 在基于規则的系统屮,知识可以很容易地增加( (Incrementally),也就是说,知识库可以随 着规则的添加而逐步增加,从而使得系统的性能和辶預性得到持续地检査。如果规则设计得妤, 那么规则间的相工影响作用就会非常小或没有,从而消除那些难以预料的负作用。知识的这 种逐步增加可以快速原型化( Rapid prototyping),以致知识T程师可很快地演示专家系统的T作 模式。这是个重要的特征,因为它可保持专家和管坦者对项乍的兴趣。快速原型化还可迅速 暴露出专家知识或系统中的缺陷、不一致性或错误,从而使之能够立即得到纠正。 1.6专家系统技术的发展 人工驽能有许多分支,包括语音、视觉、机器人、自然语言理解和学习以及专家系统。专 Chinaepus.com 第1章专家系统导论 家系统的理论基础涉及到诸多学科,其一个主要理论基础是认知科学 Cognitive science)。认 知就是仞究人类如何处埋信总,换饣话说,就是杌究人如何思考,尤其是如何解决问题 如果我们想要计算机模拟专家,那么对认知旳研究是非常重要的。通常,即使问题是由专 家解决的,他们也不能解释白己是如何解决问题的。在一个基于精确知识的专家系统中,如果 不能解释闩题是如何解决的,则把知识译成代码是不可能的。在这种情况下,唯一的可行方法 是设计通过自学习来模拟专家的程序。这些程序建立在归纳和人工神经系统的基础之上,我们 将在后面讨论 1.6.1人类问题求解与产生式 专家系统技术的发展有着广阔的背景,表1-2总结了现代专家系统的一些重要发展。只要 可能,项目的开始∏期都会给出,诈多项日都延续了几仨以上。在本章和其他章里都较详细地 分析了这些发展。对所有早期系统而言,一本最好的参考书是三卷本的人L智能三册 KHandbook of ArTificial Intelligence, Feigenbaum 81y 衣1-2专家系统历史的一些重要事仁 1943 Post产生式规则: McCulloch和PiU神经元模型 1954 控制规则执行的Ⅵ arkov算法 1956 Dartmouth会议:逻辑学家;启发性搜索;创立“AI"”术语 Rosenblatt出感知机; GPS(General Problem Solver,通用问题求解器)(丶 ewell shaw和 Sinon) 1958 人工智能语言Lisp( McCarthy) 1962 Rosen blat于感知的神经动力原理 1965 自动定理训明的归结方法( Robinson) 模樹对象的模糊推逻辑(:adeh 开始建立 DENDRAL,第一个专家系统( Feigenbaum、 Buchanan等 1968 话义网,联想记忆嘆型( Quillian) MACSYMA数学专家系统( Martin和 Moses) PROLOG(Colmerauer, Roussell 1971 语音识别 HEARSAY I 人类问题求解通用规则( Newell和 Simon) 1973 MYCIN医疗诊断专玄系統( Shortliffe等)山此产生的 GLIDON,即智能豕裂( Clancey) TEIRESIAS,概念解释机( Davis) EMYCIN,第一个外壳( Van melle、 Shortliffe和 Buchanan) HEARSAY II,多协作专家的黑板模型 框架知识表示 Minsky) 1976 AM( Artificial mathematician.人T数学家),数学概念的创造性发现( Lenat) 不确定性推理的 Dempster-Sher证据珪论 开始建立矿产探测的 PROSPECTOR专家系统(Duda,Ha等) 1977 XCON/R使用的OPS专家系统外壳(orgy) 1978 始建立 XCON/R1,阳置DC计算机系统( McDermott.DHC) Mea- DENDRAL,元规则,规则归纳( buichellall 1979 快速模式匹配的Rete算法( Forgy) 人工智能开始商业化 Inference公司成立(1985年发行ART专家系统L具) 和LMI推出Lisp机 982 SMP数学专家系统: Hopfield神经网络;开发智能计算机的日木第五代语言项日 1983 KE专家系统工具( Intellicorp) 1985 CLIPS专家系统⊥具(NASA) 专家系统原理与编程 C的aCM 在20世纪50年代后期及60代初,人们编写了大量的以通用间题求解为标的程序。其中 最著名的是通用问题求解器,在 Newell和 Simon编写的不朽著作——《人类问题求解》( Human Problem solving)里描述( Newel12) Newell和mon证明的最重要结果之一是大部分的人类问题求解或认知( Cognition),可以 用IF…THEN类型的产生式规则( Production rule)表达。例如,“如果”看起来将要下雨,“那么” 带上一把冋伞,或者“如果”你的爱人心情不好,“那么”不要显得很高兴。与一个小的、模 玦化的知识集相对应的规则称为一块( Chunk),块以松散的形式连接、组织,并与內关的知识 有联系,其原理之一是所有的人类记忆都以块的形式组织。下面是用一条规则表示一个知识块 的例子 工F汽玄运转个了并且油罐是空的 THRN加油 Newell)和 Simon用规则表示知识并显示了如何用规则推里。认知心埋学家已经使用规则作 为模型来解彩人类信息处理,其基木思想是感官的接收对大脑产生刺激,刺激引发出适当的长 期记忆(Long- term memory)规则并成恰当的响应,长期记忆是我们的知识贮存处。例如,我 们都有如下的规则 TP有火焰N有火灾 ⊥上有烟雾N可能有火灾 工F有报警TN可能有火灾 可以看到后两个规则在表述上不是完全肯定,火可能已经灭了,但空中可能仍有烟雾。同 样,报警声并不证明就有火灾,因为可能是一个虚假的报警信号。看到火焰、嗅到烟雾或听到 报警卢的刺激会诱发出这些或相似的规则。 长期记忆包拒许多形如IF…THEN(如果……那么)简单结构的规则。实际上一个技艺高超 的棋师可能通晓50000或更多的关于棋的模式的知识块。与长期记忆相反,短期记忆( Short term memory)是在解决问题过程中用来暂时存储知识的。尽管长期记忆能够容纳成千上万甚至 更多的块,然而正工作着的记忆的容量是惊人地小—4~7块。试着在脑海中浮现几个数字就 是一个简单的例子,人多数人一次仅可以浮现4~7个数字,但他们能记住的远不4~7位数字, 只不过这些数字是贮存在长期记忆中 种埋论假设短期记忆表示那些可以同时活跃的数据块,并把人类问题的解决当作脑海中 这些已激汘块的传播。最后那个块被激活的強度如此之大以致产生出一个有意识的想象,你就 对自己说:“哦……茉些东西在燃烧。” 人类问题求解的另个必要元素是认知处理机( Cognitive processor),它尽力去发觉那些将 被适当刺激激江的规则。但并不是任何规则都可激江,例如,你不会每次听到汽笛声就想到给 油罐充油。只有与刺激相匹配的规刈会被激发。如果很多规刈同时被激发,认知处理机必须 处理冲突来决定哪一个规则有最髙优先权,这个规则将会被执行。例如,如果以下炳个规刈是 激发态的: TF有火灾THEN离开 TF我的衣服着火了TFN扑灭火 那么具有最高优先权的那条规则冷会执行。对现代专家系统来说,推理机貮相当于认知处 理机 Newell和 Simon把人类问题求解的模型归纳为:长期记忆(规则)、短期记忆(工作内存)和认 知处理器(推理机),这三者是现代基于观则的专家系统的基础。 【实例截图】
【核心代码】