人工智能与专家系统(人工智能与专家系统论文)

在一般情况下, 专家系统都不是用来代替人的, 它只提供咨询意见, 最后决定由人来做。一个专家系统只能记载专家的部分知识, 难以学到专家的全部 胸中才学。但这样并不意味着专家系统的本事必然是专家本事的一个子集。由于计算机的特点、软件技术的特点、知识工程技术的特点, 以及可以补充其它知识来源等原因, 一个专家系统的本事完全可以在某些方面超过原来的专家。知识获取通常为以下几个方面:

( 1 ) 正向模拟: 采用这类技术往往是举几个典型实例, 要求专家说明假如面临这些实例将如何处置, 军事上称为出情况。一个实例往往只代表初始情况, 要在模拟 ( 即专家回答) 的过程中不断出新的情况, 以便较全面地了解专家在各种情况下的解题思路。

( 2 ) 总结回顾: 要求专家对已经处理过的问题总结经验教训, 看哪些地方处理对了, 哪些地方处理错了,总结出来, 就是专家知识。

( 3 ) 案例分析: 这些典型案例由专家根据自己的体会从历史上处理过的大批 案例中选出, 它们具有某种( 成功或失败的) 代表性, 而不象上一类技术那样总结刚处理过的实例。这些案例应该是专家印象最深刻、且能体现个人经验的。

( 4 ) 授课实例: 这又是另一类案例。它们不一定反映专家的独特经验, 但却能包含最基本的领域知识。它要求专家选出一批能基本覆盖领域知 识各个方面的案例。

( 5 ) 知识反猜: 又称 20 个问题。知识工程师心中想好一个概念或一个案例, 专家通过向其提问来猜这个概念或案例是什么, 猜到以后, 专家的提问序列及知识工程师的相应回答就构成了对这个概念的描述。

互联网小常识：基础服务器一般是只有1个CPU，工作组级服务器一般支持1-2个CPU,部门级服务器一般支持2-4个CPU，企业级服务器一般支持4-8个CPU。

( 6 ) 迂回提问: 当专家由于某种原因而不愿提供某方面的知识或观点时, 知识工程师可以采用某种模糊或迂回的方法提问, 然后从专家的回答 中抽取有用的信息。知识获取方法还有很多, 例如: 知识反教、局外评论、分类技术、合成技术、卡片分类法、个人结构分析、目标分解、实例泛化、条件细化、结构化调查等等。

专家系统是在知识获取的基础上建立的, 任何专家系统中都不可缺少的最核心的部分是推理机和知识库。推理机反映专家的思维和解题过程, 利用这些知识来分析问题数据并得到相应的结论, 推理机本身也 包含知识。推理机中与领域无关的知识主要就是搜索技术, 它知道应怎样从很大的可能解集合中去寻找所需要的解,主要是如何把基本的搜索技术组织成解决某类 领域问题所需要的搜索策略。知识库管理系统的职责是检查用户输入的知识是否符合规定的格式, 检查输入知识的内容是否有问题, 包括知识是否冗余、矛盾等等。知识库管理系统的另一功能是知识检索, 静态检索功能类似于数据库的检索功能, 而动态检索功能则要把推理过程中使用知识的情况显示出来, 这是数据库管理中 所没有的。

和一般的应用软件一样, 专家系统也需要良好的用户界面, 多窗口、多菜单自不必说, 多媒体正在逐步普及, 图形和自然语言接口是专家系统 接近群众的重要手段, 我们所说的 知识界面也要通过这些形 式来体现。在知识库不是特别大的情况下, 主要是推理机的不同组织方式决定了专家系统结构的多样性。主要有: 1)单片式结构; 2) 多层式结构; 3 ) 循环逼近求解; 4 ) 聚焦结构; 5 ) 演绎数据库结构; 6 ) 深表层结构; 7) 黑板结构及多黑板结构等等。专家系统的生命周期涉及到设计、开发、应用和维护, 它们包括下面几个阶段: 需求分析、系统设计、知识获取、原型测试、知识求精、系统包装和系统集成。

互联网小常识：SNMP有三个版本版本1是最基本最简单也是当前最主要的。版本2不完善。版本3刚推出还没有完全推广。SNMP采用一种分布式的结构。一个管理站可以管理控制多个代理；反之，一个代理也可以被多个管理站所管理、控制、为此，SNMP采用了“团体”这个概念来实现一些简单的安全控制。