專家知識庫

引言

各行各業都希望能有專家來解決問題，以提高工作效率和經濟效益。由於專家有限，人們便求助於專家系統(即一種電腦程式系統)。在國外，專家系統已被廣泛套用於各種需要由專家來解決問題的領域，同時專家系統的技術也被套用於各種計算機智慧型系統中。我國這方面的研究起步較晚，始於70年代末期。早期主要集中在中醫診療方面，此後，不少單位相繼開展了計算機輔助判斷方面的研究工作，目前已形成一股熱潮。

專家系統已廣泛套用於化學、電子學、醫學、地質學等眾多領域。專家系統是人工智慧領域的一個分支。專家系統早期先導者之一，史丹福大學的Edward Feigenbaum教授，把專家系統定義為“一種智慧型的電腦程式，它套用知識和推理過程來解決只有專家才能解決的複雜問題”。因此專家系統可表達為：專家系統=知識庫+推理機。早期專家系統的特點是弱知識庫、強推理機。其目標是利用功能強大的推理方法，依賴少量的知識庫來解決大量的問題。其中最有名的是通用問題求解器。直到20世紀70年代人們才意識到如果知識庫太弱，哪怕推理機的功能無窮強大還是無法達到人類專家的水平。因此“弱知識庫+強推理機”模式開始演化，逐步形成現代的“強知識庫+強推理機”模式。這種演化提高了專家知識庫在專家系統開發中的重要性。

專家系統的知識庫是專家系統極其重要的組成部分，知識庫的質量好壞直接影響專家系統的質量好壞。從知識的本身來看，它可分為兩種類型：一是基礎原理和理論，另一種是基於直接和間接經驗積累的專門知識。專家的知識並不都是從經驗中得到的，如果缺乏堅實的理論基礎，就很難做好經驗的積累工作，也就不可能對一個複雜的問題給予正確的解。因此，我們認為，一個好的專家系統不僅要具有某一領域的專門知識，更重要的還要具有能夠處理複雜問題所需的基本理論的深層知識。

專家系統組成

著名的自動控制權威Austrom指出，模糊邏輯控制、神經網路控制和專家系統是三種典型的人工智慧控制方法。其中，專家系統是人工智慧控制領域中的一個重要的、很有實用價值的研究分支。專家系統在很多領域得到了實際套用，但至今尚沒有一個被人們普遍接收的確切定義。從本質上講，它是一類包含著知識和推理的智慧型電腦程式，這些知識加上推理要達到這樣的水平，即可被認為是某一特定領域中最佳實踐者的專家模型。

專家系統一般由以下幾部分組成：

1、知識庫(Knowledgebase)；

2、推理機(Inference Engine)；

3、知識管理系統(Knowledge Administrition System)，也即綜合資料庫；

4、人機接口(Man-machine Interface)

5、知識獲取(Knowledge Acquisition)