《[主體與協(xié)同:專家系統(tǒng)的發(fā)展方向]協(xié)同式專家系統(tǒng)又稱》由會員分享,可在線閱讀,更多相關《[主體與協(xié)同:專家系統(tǒng)的發(fā)展方向]協(xié)同式專家系統(tǒng)又稱(2頁珍藏版)》請在裝配圖網(wǎng)上搜索。
1、[主體與協(xié)同:專家系統(tǒng)的發(fā)展方向]協(xié)同式專家系統(tǒng)又稱
主體系統(tǒng)主要研究自主的智能主體之間智能行為的協(xié)調(diào)。協(xié)同專家系統(tǒng)是協(xié)調(diào)這些自治主體的解決途徑。 專家與專家系統(tǒng) 顧名思義,所謂“專家”是指在某一特定領域擁有大量知識以及豐富經(jīng)驗的人。在解決問題時,這些專家們通常都擁有一套獨特的思維方式,能較圓滿地解決自身領域的困難問題,或向用戶提出一些建設性的建議。 而專家系統(tǒng)(Expert System)則是具有智能特點的計算機程序,它能夠在特定的領域內(nèi)模仿人類專家思維來求解復雜問題。專家系統(tǒng)內(nèi)保存有領域?qū)<业拇罅恐R,擁有類似人類專家思維的推理能力,并能用這些知識來解決實際
2、問題。 目前,專家系統(tǒng)在各領域中得到了廣泛應用,并取得了可喜的成果,例如個人理財專家系統(tǒng)、油田尋找專家系統(tǒng)、貸款損失評估專家系統(tǒng)、各類教學專家系統(tǒng)等。 專家系統(tǒng)的構造 專家系統(tǒng)的基本結(jié)構如附圖所示,其中箭頭方向為數(shù)據(jù)流動的方向。專家系統(tǒng)通常由人機交互界面、知識庫、推理機、解釋器、綜合數(shù)據(jù)庫、知識獲取等6個部分構成。 知識庫用來存放專家提供的知識。專家系統(tǒng)的問題求解過程,是通過知識庫中的知識來模擬專家的 思維方式。因此,知識庫是專家系統(tǒng)質(zhì)量是否優(yōu)越的關鍵所在。 人工智能中的知識表示形式,有產(chǎn)生式、框架、語義網(wǎng)絡等; 而在專家系統(tǒng)中運用得較為普遍的知識是產(chǎn)生式規(guī)則。
3、 推理機是指針對當前問題的條件或已知信息,反復匹配知識庫中的規(guī)則,獲得新的結(jié)論,以得到問題求解結(jié)果。在這里,推理方式可以有正向和反向推理兩種。正向推理是從前提匹配到結(jié)論,反向推理則先假設一個結(jié)論成立,看它的條件有沒有得到滿足。由此可見,推理機就如同專家解決問題的思維方式,知識庫就是通過推理機來實現(xiàn)其價值的。 綜合數(shù)據(jù)庫專門用于存儲推理過程中所需的原始數(shù)據(jù)、中間結(jié)果和最終結(jié)論,往往是作為暫時的存儲區(qū)。解釋器能夠根據(jù)用戶的提問,對結(jié)論、求解過程做出說明,使專家系統(tǒng)更具有人情味。 知識獲取是專家系統(tǒng)知識庫是否優(yōu)越的關鍵,也是專家系統(tǒng)設計的“瓶頸”問題,通過知識獲取,可以擴充和修改知
4、識庫中的內(nèi)容,也可以實現(xiàn)自動學習功能。 協(xié)同專家系統(tǒng)的產(chǎn)生 大多數(shù)傳統(tǒng)意義上的“專家系統(tǒng)”只在特定知識領域內(nèi)是一個“專家”,一旦超出就很難獲得令人滿意的應用?,F(xiàn)代人類解決問題的方法是分工合作,推而廣之,在專家系統(tǒng)領域,能否也進行某種意義上的“分工合作,共同作戰(zhàn)”呢? 20世紀80年代中葉,隨著常識推理和模糊理論實用化,以及深層知識表示技術的成熟,專家系統(tǒng)開始向著多知識表示、多推理機的多層次綜合型轉(zhuǎn)化。立足于糾正傳統(tǒng)專家系統(tǒng)對復雜問題求解的簡單化,追求深層解釋和推理。綜合的原則是技術互補。它起始于單純的知識表示和推理方法的結(jié)合,發(fā)展到專家系統(tǒng)結(jié)構上的綜合。 協(xié)同式專家
5、系統(tǒng)能綜合若干個相近領域或一個領域多個方面的分專家系統(tǒng)相互協(xié)同工作,共同解決一個更廣泛的問題。在研究復雜問題時,可以將確定的總?cè)蝿辗纸獬蓭讉€分任務(各分任務之間允許有重疊,這不同于多任務專家系統(tǒng)),分別由幾個專家系統(tǒng)來完成。各個專家系統(tǒng)發(fā)揮自身的特長,解決一個問題再進行子系統(tǒng)的協(xié)同,以確保專家系統(tǒng)的推理更加全面、準確、可靠。 分布式問題求解:協(xié)同式專家系統(tǒng)的基礎 在分布協(xié)同式專家系統(tǒng)當中,問題的求解屬于分布智能研究的一個分支。在這樣的系統(tǒng)中,數(shù)據(jù)、知識、控制均分布在系統(tǒng)的各節(jié)點上,既無全局控制,也無全局數(shù)據(jù)和知識存貯。由于系統(tǒng)中沒有一個節(jié)點擁有足夠的數(shù)據(jù)和知識來求解整個問題
6、,因此各節(jié)點需要交換部分數(shù)據(jù)、知識、問題求解狀態(tài)等信息,相互協(xié)作來進行復雜問題的協(xié)作求解。 主體: 分布協(xié)同專家系統(tǒng)的基本單元 主體相應的英文單詞是“Agent”。在英文中“Agent”這個詞主要有三種涵義: 一是指能對其行為負責的人; 二是指能夠產(chǎn)生某種效果的,在物理、化學或生物意義上活躍的東西; 三是指代理,即接受某人的委托并代表他執(zhí)行某種功能,因此有人稱之為代理。在計算機和人工智能領域中,主體可以看做是一個實體,它通過傳感器感知環(huán)境,通過效應器作用于環(huán)境。如果主體是人,則傳感器有眼睛、耳朵和其他器官,手、腿、嘴和身體的其他部分是效應器。如果主體是機器人,則攝像機等是傳感器,各種運
7、動部件是效應器。 主體作為人類自主性部分的抽象實體,成為構造分布協(xié)同專家系統(tǒng)的基本單元具有一定的自然性和必要性。系統(tǒng)專家系統(tǒng)的發(fā)展要求其成員的個體行為智能化,主體的自主性適應了該需求。其次,主體間的通信行為和特性也與系統(tǒng)工作中群體成員的交流行為相適應。主體之間是平等協(xié)作關系的對等實體,強調(diào)主體間通過通信而完成任務,因此由主體自主性引發(fā)的協(xié)同性使得主體可以更好反映協(xié)作群體或組織的結(jié)構和聯(lián)系特性。主體可以將原來各個異構的診斷系統(tǒng)進行統(tǒng)一封裝,實現(xiàn)協(xié)作達到透明協(xié)同,也能區(qū)分共享工作空間和私有工作空間及二者的無縫連接。 小資料 專家系統(tǒng)的歷史發(fā)展 迄今為止,專家系統(tǒng)的發(fā)展已經(jīng)歷了
8、三個階段,正在向第四代過渡和發(fā)展。 第一代專家系統(tǒng)(dendral、macsyma等)以高度專業(yè)化、求解專門問題的能力強為特點,但在體系結(jié)構的完整性、可移植性等方面存在缺陷,求解問題能力弱。 第二代專家系統(tǒng)(mycin、casnet、prospector、hearsay等)屬單學科專業(yè)型、應用型系統(tǒng),其體系結(jié)構較完整,移植性方面也有所改善,而且在系統(tǒng)的人機接口、解釋機制、知識獲取技術、不確定推理技術、增強專家系統(tǒng)的知識表示和推理方法的啟發(fā)性、通用性等方面都有所改進。 第三代專家系統(tǒng)屬多學科綜合型系統(tǒng),采用多種人工智能語言,綜合采用各種知識表示方法和多種推理機制及控制策略,并開始運用各種知識工程語言、骨架系統(tǒng)及專家系統(tǒng)開發(fā)工具和環(huán)境來研制大型綜合專家系統(tǒng)。 在總結(jié)前三代專家系統(tǒng)的設計方法和實現(xiàn)技術的基礎上,現(xiàn)在已開始采用大型多專家協(xié)作系統(tǒng)、多種知識表示、綜合知識庫、自組織解題機制、多學科協(xié)同解題與并行推理、專家系統(tǒng)工具與環(huán)境、人工神經(jīng)網(wǎng)絡知識獲取及學習機制等最新人工智能技術來實現(xiàn)具有多知識庫、多主體的第四代專家系統(tǒng)。