下载掌阅APP，畅读海量书库
立即打开
当人工智能具备了类人的学习、语言、视觉识别等方面的能力之后，如果要让人工智能在庞大、海量的数据世界中快速地为人类提供帮助，这个时候就需要训练机器拥有专家级的能力。
由此催生了专家系统。专家系统其实是一个智能计算机程序系统，在系统，或者说程序内部含有大量的某个领域专家水平的知识与经验，能够借助于人工智能技术和计算机技术，根据系统中的知识与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。简单来说，所谓专家系统，就是一种模仿人类专家解决专业领域问题的计算机系统。
专家系统是人工智能中最重要的也是最活跃的一个应用领域，可以说，在一些专业领域要实现人工智能取代人类工作的过程中，最关键的技术之一就是专家系统，比如在人工智能医生的打造过程中。因此，专家系统可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模仿通常由领域专家才能解决的复杂问题的能力。
自从1965年世界上第一个专家系统DENDRAL（判断某特定物质的分子结构）问世以来，专家系统的技术和应用，在短短30年间获得了长足的进步和发展。尤其是在20世纪80年代中期以后，随着知识工程技术的日渐丰富和成熟，各种各样的实用专家系统推动着人工智能日益精进。
专家是指在学术、技艺等方面有专门技能或专业知识的人以及特别精通某一学科或某项技艺的有较高造诣的专业人士。通常来说，专家拥有丰富的专业知识和实践经验，同时应该具有独特的思维方式，即独特的分析问题和解决问题的方法和策略。
专家系统（Expert System），就是从“专家”而来，专家系统也称专家咨询系统，是一种智能计算机（软件）系统。顾名思义，专家系统就是能像人类专家一样解决困难、复杂的实际问题的计算机（软件）系统。
专家系统是一类特殊的知识系统。作为基于知识的系统，建造专家系统就需要知识获取（Knowledge Acquisition），即从人类专家或实际问题中搜集、整理、归纳专家级知识；知识表示（Knowledge Representation），即以某种结构形式表达所获取的知识，并将其存储于计算机之中；知识的组织与管理，即知识库（Knowledge Base）；建立并维护与知识的利用，即使用知识进行推理等一系列关于知识处理的技术和方法。
于是，关于知识处理的技术和方法得以形成一个名为“知识工程”（Knowledge Engineering）的学科领域。专家系统促使了知识工程的诞生和发展，知识工程又反过来为专家系统服务。“专家系统”与“知识工程”密不可分。
从概念来讲，不同的专家系统存在相同的结构模式，都需要知识库、推理机、动态数据库、人机界面、解释模块和知识库管理系统（图2-1）。其中，知识库和推理机是两个最基本的模块。
图2-1 专家系统结构模式
所谓知识库，就是以某种表示形式存储于计算机中的知识的集合。知识库通常是以一个个文件的形式存放于外部介质上，专家系统运行时将其调入内存。知识库中的知识一般包括专家知识、领域知识和元知识。元知识是关于调度和管理知识的知识。知识库中的知识通常是按照其表示形式、性质、层次、内容来进行组织，构成了知识库的结构。
人工智能中的知识表示形式包括产生式、框架、语义网络等，而在专家系统中运用得较为普遍的知识是产生式规则。产生式规则以“IF……THEN……”的形式出现，就像初学者通用符号指令代码（Beginners'All-purpose Symbolic Instruction Code，BASIC）等编程语言里的条件语句一样，IF后面是条件（前件），THEN后面是结论（后件），条件与结论均可以通过逻辑运算AND、OR、NOT进行复合。在这里，产生式规则的理解非常简单：如果前提条件得到满足，就产生相应的动作或结论。
推理机是实现（机器）推理的程序。推理机针对当前问题的条件或已知信息，反复匹配知识库中的规则，获得新的结论，以得到问题求解结果。推理方式又可以分为正向和反向两种推理。
正向链的策略是寻找出前提可以同数据库中的事实或断言相匹配的规则，并运用冲突的消除策略，从这些都可满足的规则中挑选出一个执行，从而改变原来数据库的内容。这样进行反复的寻找，直到数据库的事实与目标一致即找到解答，或者到没有规则可以与之匹配时才停止。
逆向链的策略是从选定的目标出发，寻找执行结果可以达到目标的规则。如果这条规则的前提与数据库中的事实相匹配，问题就得到解决。否则把这条规则的前提作为新的子目标，并对新的子目标寻找可以运用的规则，执行逆向序列的前提，直到最后运用的规则的前提可以与数据库中的事实相匹配，或者直到没有规则再可以应用时，系统便以对话形式请求用户回答并输入必需的事实。
推理机使用知识库中的知识进行推理而解决问题，可以说，推理机就是专家的思维机制，即专家分析问题、解决问题的方法的一种算法表示和机器实现。
知识库和推理机构成了一个专家系统的基本框架，相辅相成，密切相关。当然，由于不同的知识表示有不同的推理方式，所以，推理机的推理方式和工作效率不仅与推理机本身的算法有关，还与知识库中的知识以及知识库的组织有关。
动态数据库也称全局数据库、综合数据库、工作存储器、黑板等，动态数据库是存放初始证据事实、推理结果和控制信息的场所，或者说它是上述各种数据构成的集合。动态数据库只在系统运行期间产生、变化和撤销，所以才有“动态”一说。动态数据库虽然也叫数据库，但它并不是通常所说的数据库，两者有本质差异。
人机界面指的是最终用户与专家系统的交互界面。一方面，用户通过这个界面向系统提出或回答问题，或向系统提供原始数据和事实等；另一方面，系统通过这个界面向用户提出或回答问题，并输出结果以及对系统的行为和最终结果作出适当解释。
解释模块程序专门负责向用户解释专家系统的行为和结果。推理过程中，它可以向用户解释系统的行为，回答用户“why”之类的问题，推理结束后它可以向用户解释推理的结果是怎样得来的，回答“how”之类的问题。
知识库管理系统则是知识库的支撑软件。知识库管理系统对知识库的作用，类似子数据库管理系统对数据库的作用，其功能包括知识库的建立、删除、重组，知识的获取（主要指录入和编辑）、维护、查询、更新，以及对知识的检查，包括一致性、冗余性和完整性检查等。
知识库管理系统主要在专家系统的开发阶段使用，但在专家系统的运行阶段也要经常用来对知识库进行增、删、改、查等各种管理工作。所以，它的生命周期实际是和相应的专家系统一样的。知识库管理系统的用户一般是系统的开发者，包括领域专家和计算机人员（一般称为知识工程师），而成品专家系统的用户一般是领域专业人员。
DENDRAL是世界第一个专家系统，由美国斯坦福大学的爱德华·费根鲍姆（Edward Feigenbaum）教授于1965年开发。DENDRAL是一个化学专家系统，能根据化合物的分子式和质谱数据推断化合物的分子结构。DENDRAL的成功，极大地鼓舞了人工智能界的科学家们，使一度徘徊的人工智能出现了新的生机，它标志着人工智能研究开始向实际应用阶段过渡，也标志着人工智能的一个新的研究领域——专家系统的诞生。专家系统的诞生，使人工智能的研究从以推理为中心转向以知识为中心，为人工智能的研究开辟了新的方向和道路。
20世纪70年代，专家系统趋于成熟，其观点也开始广泛地被人们接受。20世纪70年代中期先后出现了一批卓有成效的专家系统，在医疗领域尤为突出，MYCIN就是其中最具代表性的专家系统。
MYCIN系统是由爱德华·肖特利夫（Edward H.Shortliffe）等人从1972年开始研制的用于诊断和治疗感染性疾病的医疗专家系统，于1974年基本完成，之后又经过不断地改进和扩充，成为第一个功能较为全面的专家系统。MYCIN不仅能对传染性疾病作出专家水平的诊断和治疗选择，而且便于使用、理解、修改和扩充。它可以使用自然语言同用户对话，并回答用户提出的问题，还可以在专家的指导下学习新的医疗知识。MYCIN第一次使用了知识库的概念，以及似然推理技术。可以说，MYCIN是一个对专家系统的理论和实践都有较大贡献的专家系统，后来的许多专家系统都是在MYCIN的基础上研制的。
1977年第五届国际人工智能联合会（International Joint Conference on Artificial Intelligence，IJCAI）上，ES的创始人爱德华·费根鲍姆教授在一篇题为《人工智能的艺术：知识工程课题及实例研究》的文章中系统地阐述了专家系统的思想，并提出了知识工程（Knowledge Engineering）的概念。
至此，专家系统基本成熟。围绕着开发专家系统而开展的一整套理论、方法、技术等各方面的研究形成了一门新兴学科——知识工程。
进入20世纪80年代，随着专家系统技术的逐渐成熟，其应用领域迅速扩大。在20世纪70年代中期之前，专家系统多属于数据解释型（DENDRAL、PROSPECTOR、HEARSAY等）和故障诊断型（MYCIN、CASNET、INTERNIST等）。它们所处理的问题基本上是可分解的问题。
20世纪70年代后期，专家系统开始出现其他类型，包括超大规模集成电路设计系统KBVLSI、自动程序设计系统PSI等设计型专家系统，遗传学实验设计系统MOLGEN、安排机器人行动步骤的NOAH等规划型专家系统，感染病诊断治疗教学系统GUIDON、蒸气动力设备操作教学系统STEAMER等教育型专家系统，军事冲突预测系统IW和暴雨预报系统STEAMER 等预测型专家系统。这一时期专家系统在理论和方法上也进行了较深入的探讨。适于专家系统开发的程序语言和高级工具也相继问世，尤其是专家系统工具的出现大大加快了专家系统的开发速度，进一步普及了专家系统的应用。
20世纪80年代，在国外，专家系统在生产制造领域中的应用已非常广泛，例如在计算机辅助设计（Computer Aided Design，CAD）、计算机辅助制造（Computer Aided Manufacturing，CAM）和工程设计、机器故障诊断及维护、生产过程控制、调度和生产管理、能源管理、质量保险、石油和资源勘探、电力和核能设施、焊接工艺过程等领域都可以看到非常多的专家系统的具体应用。这些应用在提高产品质量和产生巨大经济效益方面带来了巨大成效，从而极大地推动了生产力的发展。
今天，经过几十年的开发，各种专家系统已遍布各个专业领域，涉及工业、农业、军事、计算机以及国民经济的各个部门乃至社会生活的许多方面，并产生了巨大的经济效益和社会效益。比如能进行数据的分析与解释，可用于语音理解、卫星云图、地质勘探数据分析等的解释专家系统；能通过对过去和现在的已知状况进行分析，推断未来可能发生的情况，可用于气象预报、人口预测等的预测专家系统；能根据观察到的数据来推测出某个对象出现故障的原因，可用于医疗诊断、电子机械和软件故障诊断等的诊断专家系统；能够确定实现给定目标所需的一系列操作或步骤，可用于机器人规划、交通运输调度以及农作物管理等的规划专家系统；能根据学生的特点对学生进行教学和辅导的教学专家系统等。在实际应用的过程中，我们还能够依据其实际功能，进行多种类型的组合应用。