第一篇：人工智能与专家系统感想
姓名：万伟
学号：1120100924
人工智能与专家系统感想
人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能技术导论这门课的学习，让我知道了人工智能从诞生发展到今天经历了一条漫长的路，许多科研人员为此而不懈努力。人工智能的开始可以追溯到电子学出现以前。象布尔和其他一些哲学家和数学家 建立的理论原则后来成为人工智能逻辑学的基础。而人工智能真正引起 研究者的兴趣则是1943年计算机发明以后的事。技术的发展最终使得人们可以仿真 人类的智能行为，至少看起来不太遥远。接下来的四十年里，尽管碰到许多阻碍，人工智能仍然从最初只有十几个研究者成长到现在数以千计的工程师和专家在研究； 从一开始只有一些下棋的小程序到现在的用于疾病诊断的专家系统，人工智能的发展有目共睹。
人工智能经过几十年的发展，其应用在不少领域得到发展，在我们的日常生活和学习当中也有许多地方得到应用。我通过网络查找，知道了以下领域的人工智能的发展。
专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统内部含有大量的某个领域的专家水平的知识与经验，能够运用人类专家的知识和解决 问题的方法进行推理和判断，模拟人类专家的决策过程，来解决该领域的复杂问题。专家系统是人工智能应用研究最活跃和最广泛的应用领域之一,涉及到社会各个 方面，各种专家系统已遍布各个专业领域，取得很大的成功。根据专家系统处理的问题的类型，把专家系统分为解释型、诊断型、调试型、维修型、教育型、预测 型、规划型、设计型和控制型等10种类型。具体应用就很多了，例如血液凝结疾病诊断系统、电话电缆维护专家系统、花布图案设计和花布印染专家系统等等。为了实现专家系统，必须要存储有该专门领域中经过事先总结、分析并按某种模式表示的专家知识(组成知识库)，以及拥有类似于领域专家解决实际问题的 推理机制(构成推理机)。系统能对输入信息进行处理，并运用知识进行推理，做出决策和判断，其解决问题的水平达到或接近专家的水平，因此能起到专家或专家 助手的作用。
开发专家系统的关键是表示和运用专家知识，即来自领域专家的己被证明对解决有关领域内的典型问题有用的事实和过程。目前，专家系统主要采用基于规则 的知识表示和推理技术。由于领域的知识更多是不精确或不确定的，因此，不确定的知识表示与知识推理是专家系统开发与研究的重要课题。此外，专家系统开发工 具的研制发展也很迅速，这对扩大专家系统的应用范围，加快专家系统的开发过程，将起到积极地促进作用。随着计算机科学技术整体水平的提高，分布式专家系 统、协同式专家系统等新一代专家系统的研究也发展很快。在新一代专家系统中，不但采用基于规则的推理方法，而且采用了诸如人工神经网络的方法与技术。
一、人工智能与专家系统应用领域 1在管理系统中的应用
人工智能应用于企业管理的意义主要不在于提高效率，而是用计算机实现人们非常需要做，但工业工程信息技术是靠人工却做不了或是很难做到的事情。智能教学系统(ITS)是人工智能与教育结合的主要形式，也是今后教学系统的发展方向。信息技术的飞速发展以及新的教学系统开发模式的提出和不断完善，推动人们综合运用超媒体技术、网络基础和人工智能技术区开发新的教学系统，计算机智能教学系统就是其中的典型代表。它包含学生模块、教师模块，体现了教学系统开发的全部内容，拥有着不可比拟的优势和极大的吸引力。2在工程领域的应用
医学专家系统是人工智能和专家系统理论和技术在医学领域的重要应用，具有极大的科研和应用价值,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。目前,医学智能系统已通过其在医学影像方面的重要作用，从而应用于内科、骨科等多个医学领域中,并在不断发展完善中。
3在技术研究中的应用 人工智能在电子技术领域的应用可谓由来已久。随着网络的迅速发展，网络技术的安全是我们关心的重点，因此我们必须在传统技术的基础上进行网络安全技术的改进和变更，大力发展数据挖掘技术、人工免疫技术等高效的AI技术，开发更高级AI通用和专用语言，和应用环境以及开发专用机器，而与人工智能技术则为我们提供了可能性。4人工智能在现实中的应用。
AI系统是设计出的一种计算机程序，这种程序具有某些像人和动物智能一样的功能。在过去的30多年中，已经建立了一些具有一定“智能”的AI系统，例如下棋程序、定理证明系统、集成电路设计与分析系统、自然语言翻译系统、智能信息检索系统、疾病诊断系统等 在一年一度AT&T实验室举行的机器人足球赛中，每支球队的“球员”都装备上了AI软件和许多感应器，它们都很清楚自己该踢什么位置，同时也明白有些情况下不能死守岗位。尽管现在的AI技术只能使它们大部分时间处于个人盘带的状态，但它们传接配合的能力正在以很快的速度改进。5．机器翻译
机器翻译是利用计算机把一种自然语言转变成另一种自然语言的过程，用以完成这一过程的软件系统叫做机器翻译系统。几十年来，国内外许多专家、学者为 机器翻译的研究付出了大量的心血和汗水。虽然至今还没有一个实用、全面、高质量的自动翻译系统出现，不过也取得了很大的进展，特别是作为人们的辅助翻译工 具，机器翻译已经得到大多数人的认可。目前，国内的机器翻译软件不下百种，根据这些软件的翻译特点，大致可以分为三大类：词典翻译类、汉化翻译类和专业翻 译类。词典类翻译软件代表是“金山词霸”了，堪称是多快好省的电子词典，它可以迅速查询英文单词或词组的词义，并提供单词的发音，为用户了解单词或词组含 义提供了极大的便利。汉化翻译软件的典型代表是“东方快车2000”，它首先提出了“智能汉化”的概念，使翻译软件的辅助翻译作用更加明显。以“译星”、“雅信译霸”为代表的专业翻译系统，是面对专业或行业用户的翻译软件，但其专业翻译的质量与人们的实用性还有不少差距，有人评价说“满篇英文难不住，满篇 中文看不懂”，该说法虽然比较极端，但机译译文的质量确实却一直是个老大难问题。这里，我们不妨对现有的机译和人译过程作一比较，从中可以看出一些原因。
机器翻译：
1.一句一句处理，上下文缺乏联系；
2.对源语言的分析只是求解句法关系，完全不是意义上的理解；
3.缺乏领域知识，从计算机到医学，从化工到法律都通用，就换专业词典；
4.译文转换是基于源语言的句法结构的，受源语言的句法结构的束缚；
5.翻译只是句法结构的和词汇的机械对应。
人工翻译：
1.一般会先通读全文，会前后照应；
2.对源语言是求得意义上的理解；
3.只有专业翻译人员，而没有万能翻译人员；
4.译文是基于他对源语言的理解，不受源语言的句法结构的束缚；
5.翻译是一个再创造的过程。
在目前的情况下，计算机辅助翻译应该是一个比较好的实际选择。事实上，在很多领域中，计算机辅助人类工作的方式已经得到了广泛的应用，例如CAD软 件。如果计算机辅助技术用于语言的翻译研究，应该同样可以起到很大的辅助作用，这就是所谓的“计算机辅助翻译”。它集机器记忆式翻译、语法分析式翻译和人 际交互式翻译为一体，把翻译过程中机械、重复、琐碎的工作交给计算机来完成。这样，翻译者只需将精力集中在创造性的思考上，有利于工作效率的提高。
机器翻译研究归根结底是一个知识处理问题，它涉及到有关语言内的知识、语言间的知识、以及语言外的世界知识，其中包括常识和相关领域的专门知识。随 着因特网的普及与发展，机器翻译的应用前景十分广阔。作为人类探索自己智能和操作知识的机制的窗口，机器翻译的研究与应用将更加诱人。国际上有关专家分析 认为机器翻译要想达到类似人工翻译一样的流畅程度，至少还要经历15年时间的持续研究，但在人类对语言研究还没有清楚“人脑是如何进行语言的模糊识别和判 断”的情况下，机器翻译要想达到100%的准确率是不可能的。
二、人工智能与专家系统的发展前景 1 人工智能的研究新课题
人工智能的长远目标是要理解人类智能的机器，用机器模拟人类的智能。这是一个十分漫长的过程，人工智能研究者奖通过多种途径、从不同的研究课题入手进行探索。
在近期，有几方面的研究课题可供选择：更完善更新的人工智能理论框架；自动或半自动的知识获取工具；能实现海量高速存储并具有学习功能的联想知识库；新型推理机制和推理机；分布式人工智能与协同式专家系统；智能控制与智能管理；智能机器人；人工智能机；新一代的脑模型。
2人机融合
人机融合是一个相当长的发展过程，它将伴随技术进步，逐级逐步地向前发展。首先实现的是低级和局部的融合，近几年人工智能科授的进步不断证实了这种趋势。如最近美国科学家就明确宣布，他们研制的“神经芯片”首先就是用于改善人的中枢神经功能，“使截瘫患者丢掉手杖”。随着人机融合的升级，最终将在地球上产生一种人机高度融合、高智慧、能自行繁殖(复制)的“新智体”(或曰“新人类”）。因此，文明人类的演化由于技术的影响将经历自然进化——人工促进人智能的进化——人机融合体(新智体)的自行进化的辩证发展过程。在人机融合时代，出于物理目标的不同，将存在多种多样、多层次的智能机(体)，但具有怨茁级智能的应是人机融合体。当今人工智能科技和其他高科技的种种发展动向表明，在人类进入“信息社会”之后，将有一场规模巨大的“智能革命”，智能革命的环境是人工智能对人、对社会的广泛而深入的影响，就像今天的微电子技术对信息革命的影响一样。人工智能科技将渗透到社会各个领域，人类将对人工智能科技进行大规模的研究、开发和应用。
当今人工智能科技和其他高科技的种种发展动向表明，在人类进入“信息社会”之后，将有一场规模巨大的“智能革命”，智能革命的环境是人工智能对人、对社会的广泛而深入的影响，就像今天的微电子技术对信息革命的影响一样。人工智能科技将渗透到社会各个领域，人类将对人工智能科技进行大规模的研究、开发和应用。
总之，人工智能的应用前景一片的好，当然，挑战也很多，只有科学不断发展突破进步，我们才能真正的享受智能化带给我们的乐趣„
第二篇：人工智能专家系统实验
河南城建学院
《 人工智能 》实验报告
实验名称：__实验四 名称实现一个基于产生式系统的小型专家系统（动物识别）成绩： 专业班级： 0814112 学号： 081411202 姓名： xxxxxxxxxxxx 实 验 日 期 ： 2014 年 5 月 20 日
实验器材：VC6.0软件，多媒体计算机。
一、实验目的
掌握产生式系统的运行机制和基于规则推理的基本方法。通过一个实例了解小型专家系统的结构、设计和实现过程，初步掌握专家系统的设计和实现方法。
二、实验要求
设计并实现一个某领域的小型专家系统（动物识别），该系统能对输入的询问回答分类或预测的结果，并根据推理过程回答“为什么”或“怎样得出该结论”的问题。
三、实验步骤
(1)定义变量，包括变量名和变量的值。(2)建立规则库，其方法是:(a)输入规则的条件：每条规则至少有一个条件和一个结论，选择变量名，输入条件（符号）；选择变量值，按确定按钮就完成了一条条件的输入。重复操作，可输入多条条件；
(b)输入规则的结论：输入完规则的条件后，就可以输入规则的结论了，每条规则必须也只能有一个结论。选择变量名，输入条件（符号），选择变量值，按确定按钮就完成了一个结论的输入。重复以上两步，完成整个规则库的建立。
(3)建立事实库（总数据库）：建立过程同步骤2。重复操作，可输入多条事实。
该动物识别专家系统由15条规则组成，可以识别七种动物，在15条规则中，共出现 30个概念（也称作事实），共30个事实，每个事实给一个编号，从编 号从1到30，在规则对象中我们不存储事实概念，只有该事实的编号，同样规则的结论也是事实概念的编号，事实与规则的数据以常量表示，其结构如下：
char *feature[]={“有毛”,“产奶”,“有羽毛”,“会飞”,“会下蛋”,“吃肉”,“有犬齿”,“有爪”,“眼睛盯前方”,“有蹄”,“反刍”,“黄褐色”,“有斑点”,“有黑色条纹”,“长脖”,“长腿”,“不会飞”,“会游泳”,“黑白两色”,“善飞”,“哺乳类”,“鸟类”,“肉食类”,“蹄类”,“企鹅”,“海燕”,“鸵鸟”,“斑马”,“长颈鹿”,“虎”,“金钱豹”};存放规则的结构体： typedef struct
{ int relation[5];
int name;}Rule;存放产生式规则推理过程的数组： Rule rule[15]={ {{0,-1},20}, {{1,-1},20}, {{2,-1},21}, {{3,4,-1},21}, {{20,5,-1},22}, {{6,7,8,-1},22}, {{20,8,-1},23}, {{20,9,-1},23}, {{22,11,12,-1},30}, {{22,11,13,-1},29}, {{23,14,15,12,-1},28}, {{23,13,-1},27},//如果动物是蹄类(23)，且有黑色条纹(13)，则该动物对应事实数组的第27个“斑马”
{{21,14,15,16,-1},26}, {{21,19,-1},25},//如果动物是鸟类（21），且是肉食类（19），则该动物对应事实数组的第25个“海燕”。
{{21,17,18,16,-1},24} };程序用编号序列的方式表达了产生式规则，如资料中规则14，如果动物是鸟，且是肉食类，则该动物对应事实数组的第二十五个“海燕”。如资料中规则12，如果动物是蹄类，且有黑色条纹，则该动物对应事实数组的第二十七个“斑马”。
(4)按“开始”或“单步”按钮即可。
此外，利用实例演示，可以运行系统默认的产生式系统，并且可以进行正反向推理。其他的可参见其帮助文件。
三、源代码
#include
“有黑色条纹”,“长脖”,“长腿”,“不会飞”,“会游泳”,“黑白两色”,“善飞”,“哺乳类”,“鸟类”,“肉食类”,“蹄类”，//13
“企鹅”,“海燕”,“鸵鸟”,“斑马”,“长颈鹿”,“虎”,“金钱豹”};
//24
typedef struct //存放规则的结构体 { int relation[5];
int name;}Rule;Rule rule[15]={ {{0,-1},20}, {{1,-1},20}, {{2,-1},21}, {{3,4,-1},21}, {{20,5,-1},22}, {{6,7,8,-1},22}, {{20,8,-1},23}, {{20,9,-1},23}, {{22,11,12,-1},30}, {{22,11,13,-1},29}, {{23,14,15,12,-1},28}, {{23,13,-1},27}, {{21,14,15,16,-1},26}, {{21,19,-1},25}, {{21,17,18,16,-1},24}};int flag[23]={0};//标记各个特征是否选择 int IsAnimal(int a);int inference();void input();void menu();void menu(){ int i=0;
for(i=0;i<24;i++){
if(i%4==0&&i!=0)
{
cout< } printf(“%-3d.%-15s”,i,feature[i]); } } void input(){ int ti=0;for(int i=0;i<24;i++){ flag[i]=0;} while(ti!=-1){ cout<<“n输入选择（-1结束）：”; cin>> ti; if(ti>=0&&ti<=23) flag[ti]=1; else if(ti!=-1) { cout<<“输入错误!请输入0~23//notanimal=25 cin.clear();//清除流错误错误标 cin.sync();////////////清空输入缓冲区 } } } int IsAnimal(int a){ if(a>=24&&a<=30) return 1; else return 0;} int inference()//正向推理 { int ti; int i,j; int tres; cout< for(i=0;i<15;i++) { j=0; 之间的数字!”<< endl; ti=rule[i].relation[j]; while(ti!=-1)//-1作为结束 { if(flag[ti]==0) break; j++; ti=rule[i].relation[j]; } if(ti==-1)//ti==-1代表规则满足 { tres=rule[i].name; flag[tres]=1; printf(“运用了规则%d : ”,i); j=0; while(rule[i].relation[j]!=-1) { cout< j++; } cout<<“====> ”< if(IsAnimal(tres)) { return 1; } } } if(i==15) { cout<<“没有这种动物”; } return-1;} void main(){ char q; while(q!='n') { menu(); input(); inference(); cout<<“n继续？(Y/N)”< cin>>q; system(“cls”); } } 四、结果分析 1、若已知：动物是蹄类(23)，且有黑色条纹(13)，则结果：该动物对应事实数组的第27个“斑马”。使用了推理规则12，即：{{23,13,-1},27}，使用规则运行结果如图1所示： 图1 2、若已知：动物是鸟类（21），且是肉食类（19），则结果该动物对应事实数组的第25个“海燕”。使用了推理规则14，即：{{21,19,-1},25}，使用规则运行结果如图2所示： 图2 五、心得体会 本实验环境主要提供一个能够实现模拟产生式专家系统的验证、设计和开发的可视化操作平台。使用户既能用本系统提供的范例进行演示或验证性实验，也能够用它来设计并调试自己的实验模型。 通过这次实验，我对产生式系统有了更深刻的认识。产生式系统是由一组规则组成的、能够协同作用的推理系统。其模型是设计各种智能专家系统的基础.产生式系统主要由规则库、综合数据库和推理机三大部分组成。产生式系统用来描述若干个不同的以一个基本概念为基础的系统，这个基本概念就是产生式规则或产生式条件和操作对。在产生式系统中，论域的知识分为两部分：用事实表示静态知识；用产生式规则表示推理过程和行为。专家系统的规则是由专家定的，在该实验中，是由本人制定的。 教师评语： 教师签名： 目录 1.设计任务 1.1 设计题目 1.2设计要求 1.3设计任务 2．方案设计 2.1原理 2.2 具体设计方法 3．系统实施 3.1 系统开发环境 3.2系统主要功能介绍 3.3处理流程图 3.4 核心源程序 3.5系统运行结果 4．开发心得 4.1设计存在的问题 4.2进一步改进提高的设想 4.3经验和体会 5．参考文献 1.设计任务 1.1 设计题目 在一个3*3的方棋盘上放置着1,2,3,4,5,6,7,8八个数码,每个数码占一格,且有一个空格。这些数码可以在棋盘上移动，该问题称八数码难题或者重排九宫问题。 1.2 设计要求 其移动规则是：与空格相邻的数码方格可以移入空格。现在的问题是：对于指定的初始棋局和目标棋局，给出数码的移动序列。 1.3 设计任务 利用人工智能的图搜索技术进行搜索，解决八数码问题来提高在推理中的水平，同时进行新方法的探讨。 2.方案设计 2.1 原理 八数码问题是个典型的状态图搜索问题。搜索方式有两种基本的方式，即树式搜索和线式搜索。搜索策略大体有盲目搜索和启发式搜索两大类。盲目搜索就是无“向导”的搜索，启发式搜索就是有“向导”的搜索。 2.2 具体设计方法 启发式搜索 由于时间和空间资源的限制，穷举法只能解决一些状态空间很小的简单问题，而对于那些大状态空间的问题，穷举法就不能胜任，往往会导致“组合爆炸”。所以引入启发式搜索策略。启发式搜索就是利用启发性信息进行制导的搜索。它有利于快速找到问题的解。由八数码问题的部分状态图可以看出，从初始节点开始，在通向目标节点的路径上，各节点的数码格局同目标节点相比较，其数码不同的位置个数在逐渐减少，最后为零。所以，这个数码不同的位置个数便是标志一个节点到目标节点距离远近的一个启发性信息，利用这个信息就可以指导搜索。即可以利用启发信息来扩展节点的选择，减少搜索范围，提高搜索速度。 启发函数设定。对于八数码问题，可以利用棋局差距作为一个度量。搜索过程中，差距会逐渐减少，最终为零，为零即搜索完成，得到目标棋局。 3.系统实施 3.1 系统开发环境 Windows操作系统、SQL Server 200X 3.2 系统主要功能介绍 该搜索为一个搜索树。为了简化问题，搜索树节点设计如下： struct Chess//棋盘 3.4 核心源程序 #include “stdio.h” #include “stdlib.h” #include “time.h” #include “string.h” #include const int N=3;//3*3棋盘 const int Max_Step=30;//最大搜索深度 enum Direction{None,Up,Down,Left,Right};//方向 struct Chess//棋盘 { int cell[N][N];//数码数组 int Value;//评估值 Direction BelockDirec;//所屏蔽方向 struct Chess * Parent;//父节点 }; //打印棋盘 void PrintChess(struct Chess *TheChess){ printf(“----------n”);for(int i=0;i printf(“t”); for(int j=0;j { printf(“%dt”,TheChess->cell[i][j]); } printf(“n”);} printf(“tttt差距:%dn”,TheChess->Value);} break;case Left: t_j++; if(t_j>=N) AbleMove=false; break;case Right: t_j--; if(t_j<0) AbleMove=false; break;};if(!AbleMove)//不可以移动则返回原节点 { return TheChess;} if(CreateNewChess){ NewChess=new Chess(); for(int x=0;x { for(int y=0;y NewChess->cell[x][y]=TheChess->cell[x][y]; } } else NewChess=TheChess;NewChess->cell[i][j]=NewChess->cell[t_i][t_j];NewChess->cell[t_i][t_j]=0; return NewChess;} //初始化一个初始棋盘 struct Chess * RandomChess(const struct Chess * TheChess) p=NULL;queue do{ p1=(struct Chess *)Queue1.front(); Queue1.pop(); for(int i=1;i<=4;i++)//分别从四个方向推导出新子节点 { Direction Direct=(Direction)i; if(Direct==p1->BelockDirec)//跳过屏蔽方向 continue; p2=MoveChess(p1,Direct,true);//移动数码 if(p2!=p1)//数码是否可以移动 { Appraisal(p2,Target);//对新节点估价 if(p2->Value<=p1->Value)//是否为优越节点 { p2->Parent=p1; switch(Direct)//设置屏蔽方向,防止往回推 { case Up:p2->BelockDirec=Down;break; case Down:p2->BelockDirec=Up;break; case Left:p2->BelockDirec=Right;break; case Right:p2->BelockDirec=Left;break; } Queue1.push(p2);//存储节点到待处理队列 if(p2->Value==0)//为0则,搜索完成{ p=p2; i=5; } } else { //打印 if(T){ /*把路径倒序*/ Chess *p=T; stack while(p->Parent!=NULL) { Stack1.push(p); p=p->Parent; } printf(“搜索结果:n”); while(!Stack1.empty()) { PrintChess(Stack1.top()); Stack1.pop(); } printf(“n完成!”);}else printf(“搜索不到结果.深度为%dn”,Max_Step); scanf(“%d”,T);} 3.5 系统运行结果 4.开发心得 4.1 设计存在的问题 完全能解决简单的八数码问题，但对于复杂的八数码问题还是无能为力。4.2 进一步改进提高的设想 可以改变数码规模（N），来扩展成N*N的棋盘，即扩展为N数码问题的求解过程。 2、内存泄漏。由于采用倒链表的搜索树结 05.参考文献 [1]王汝传.计算机图形学[M].北京：人民邮电出版社，1999：123－130.[2]刘榴娣，刘明奇，党长民.实用数字图像处理[M].北京：北京理工大学出版，2000：12－25..[3]丁兆海.Delphi基础教程[M].北京：电子工业出版社，1999.[4]王小华.Delphi 5程序设计与控件参考[M].北京：电子工业出版社，1999:70－120.[5]赵子江.多媒体技术基础[M].北京：机械工业出版社，2001：118－130.[6]段来盛，郑城荣，曹恒.Delphi实战演练[M].北京：人民邮政出版社，2002：80－95. 读书的好处 1、行万里路，读万卷书。 2、书山有路勤为径，学海无涯苦作舟。 3、读书破万卷，下笔如有神。 4、我所学到的任何有价值的知识都是由自学中得来的。——达尔文 5、少壮不努力，老大徒悲伤。 6、黑发不知勤学早，白首方悔读书迟。——颜真卿 7、宝剑锋从磨砺出，梅花香自苦寒来。 8、读书要三到：心到、眼到、口到 9、玉不琢、不成器，人不学、不知义。 10、一日无书，百事荒废。——陈寿 11、书是人类进步的阶梯。 12、一日不读口生，一日不写手生。 13、我扑在书上，就像饥饿的人扑在面包上。——高尔基 14、书到用时方恨少、事非经过不知难。——陆游 15、读一本好书，就如同和一个高尚的人在交谈——歌德 16、读一切好书，就是和许多高尚的人谈话。——笛卡儿 17、学习永远不晚。——高尔基 18、少而好学，如日出之阳；壮而好学，如日中之光；志而好学，如炳烛之光。——刘向 19、学而不思则惘，思而不学则殆。——孔子 20、读书给人以快乐、给人以光彩、给人以才干。——培根 爱与被爱 ——人类的爱是否永恒 当造物主要求被造者付出无条件的爱时，造物主对被造者有什么样的责任？在影片开头的公司作品会议上一位女工程师所问的：“当我们的机器人的程序被设计为要爱人类，那么我们人类是否应该、或者有责任去以爱去回馈机器人呢？”当被赋予爱的机器人与我们人类之间的是否存在清晰的差距？又或者当人类向机器人索取永恒的时候，有没有想过：自己能不能做到“永恒”？机器人只能爱人而不能被爱，这作为一个人本身来说就是一个非常悲哀的事，而现实中谁能接受自己要付出自己的爱而永远得不到别人的爱。与我们如此相似的机器人，却跟我们有着截然不同的命运。 在影片中david的苦苦哀求着蓝仙女：“Please make me into a real life boy, please make me a real boy, please please please make me real.。”到今天我的脑海还深深的印记这那幅画面，在黑暗的海底，在废弃的迪斯尼乐园中，找到蓝仙女的塑像。David面对着永远微笑的蓝仙女祈祷哀求了两千年，这个愿望却是我们每个人所天生具备的，就是这个世界上独一无二的人。那刻，我多么希望这是一部魔幻剧，那时蓝仙女就会在david的祈祷下，张开她的翅膀，用仁爱的心为david实现愿望，可是没有始终没有，那个画面就这样定格在那里。 作为机器人的创造者，人类并不愿意对这些电子产品付出真爱，在人们眼里他们仅仅是玩偶，侍女，奶妈，仆人，性工具……。无论那时候的机器人被制作的如何逼真，人类都无法将他们当作整个社会的一分子。当人们需要他们的时候他们就是我们的朋友，不需要他们的时候便可以被遗弃被破坏。在影片里有一个地方称为机器屠宰场，人们要将这些机器人处决，但处决的过程既残忍而又像是马戏表演。因为，人们要买票进场，而且观看屠杀的还有很多孩子。这让我联想到古罗马的斗兽场，血腥，残酷，而人们却把这种当成娱乐，多么扭 曲的心理，在科技文明如此高速发展的社会却在做着野蛮无知社会的愚蠢举动，这无疑是文明的倒退。 本部影片一直贯穿的就是david寻找蓝仙女，要变成真正的人类的线索，而david所探索的是人的本质是什么，与机器人的区别在何处，是人有着人生观，爱和有着被爱的权力吗？ 而作为影片的女主角莫妮卡来说，这个角色是个矛盾体，她即代表人类母性光辉的形象，又在很多地方表现出人类的丑恶的一面，嫉妒，猜忌，还有自私。首先莫妮卡作为母亲的身份，她是以一种利用和寄托的心理接受了david，而且在莫妮卡的儿子马丁还未回家时，就对david表现出一种猜忌和害怕，既害怕却又要去碰触，其实在她心理是清楚的知道自己可以最david欲与欲求，这是否符合一个母亲的行为。对David的爱本身就是有保留的，当面临选择的时候，母亲义无返顾地，不加分析地，“正确”地站到儿子的一边。她的理由很简单： 首先，那是她的亲生儿子；再者，David不是真正的人。不是独一无二的，可以再次被创造。这是很现实的一个人类形象。 影片最后是2000年后，人类灭亡，外星人来到地球，虽然无法将一个机器人变为一个真正的人，却可以帮助大卫克隆出了“莫尼卡”，只是被克隆的人只能活一天，大卫终于又和“莫尼卡”在一起了……这是否算是比较好的结局。我在想这个莫妮卡只是david心理面的莫妮卡，假如是真的莫妮卡为何不闻不问david的一切，好像一切都在满足david，这是在david眼里一个只属于他的妈妈，而他是否也开始倾注对莫妮卡的爱在这个“莫妮卡”身上，在一种意义上david 已由机器异化成了人。他执着地追求着爱，人类的爱。这样的结局又给人一种思考的位置：此时的大卫正像以前的莫尼卡，而眼前这个克隆人更如同以前的大卫只是一个替代品而已，这是不是同时意味着又一个悲剧的开始呢？ 爱与被爱，我们的选择是什么？ 人工智能与专家系统外文文献译文和原文 ARTIFICIAL INTELLIGENCE AND EXPERT SYSTEM 1.History of AI The seed of AI were sown only two years after General Electric installed the first computer for business use.The year was 1956, and the term artificial intelligence(AI)was coined by john McCarthy as the theme of a conference held at Dartmouth College.That same year, the first AI computer program, called Logic Theorist was announced.Logic Theorist’s limited ability to the reason(proving calculus theorems)encourage researchers to develop another program called the General Problem Solver(GPS), which was intended to solve problems of all kinds.The task turned out to be more then the early pioneers could handle.AI research continued, but it took backseat to the less ambitious computer applications such as MIS and DSS.Over time, however, persistent research continued to push back the frontiers of using the computer for tasks that normally require human intelligence.2.Areas of AI AI is currently being applied in business in the form of knowledge systems, which use human knowledge to solve problems.The most popular type of knowledge-based system is the expert system.An expert system is a computer program that attempts to represent the knowledge of human expert in the form of heuristics is derived from the same Greek root as the word eureka, which means “to discover”.A heuristic is, therefore, a rule of good guessing.Heuristics do not guarantee results as absolutely as do conventional algorithms that are incorporated into DSSs, but they offer results that are specific enough most of the time to be useful.The heuristics allow the expert system to function in a manner consistent with a human expert, advising the user on how to solve a problem.Since the expert system functions as a consultant, the act of using it is called a consultation--the user consults the expert system for advice.In addition to expert system, AI includes work in the following areas: neural networks, perceptive systems, learning, robotics, AI hardware, and natural language processing.These areas are illustrated the way that one area can benefit the others.3.The Appeal of Expert System The concept of expert system is based on the assumption that an expert’s knowledge can be captured in computer storage and then applied by others when the need arises.An expert system offers unique capabilities as a decisions support system.First, an expert system offer the opportunity to make decisions that exceed the manager’s capabilities.For example, a new investment officer for a bank can use an expert system designed by a leading financial expert and, in doing so, incorporate the expert’s knowledge into his or reaching a particular solution.Very often, the explanation of how a solution was reached is more valuable than the solution itself.4.An Expert System Model The model of an expert system consists of four main parts.The knowledge base houses the accumulated knowledge of the particular problem to be solved.The inference engine provides the reasoning ability that interprets the contents of the knowledge base.The expert and the knowledge engineer use the development engine to create the expert system.1.The User interface The user interface enables the manager to enter instructions and information into the expert system and to receive information from it.The instructions specify the parameters that guide the expert system through its reasoning processing.The information is in the form of values assigned to certain variables.(1)Expert System Inputs The most popular interface format today is the graphical user interface, which features a Windows look.Some systems employ a custom interface tailored to the problem being solved.For example, the screen might display a drawing of a mechical assembly.(2)Expert System outputs Expert system are designed to recommend solutions.These solutions are supplemented by explanations.There are two types of explanation: Expert system are designed to recommend solutions.These solutions are supplemented by explanations while the expert system performs its reasoning.Perhaps the expert system will prompt the manager to enter some information.The manager asks why the information is needed.The expert system provides an explanation.Explanation of the problem solution.After the expert system provides a problem solution, the manager can ask for an explanation of how it was reached.The expert system will display each of the reasoning steps leading to the solution.Although the inner working of the expert system can be complex , the user interface is user-friendly.A manager accustomed to interacting with a computer should have no difficulty in using an expert system.2.The Knowledge base The knowledge base contains both facts that describe the problem area and knowledge representation techniques that describe how the facts fit together in a logical manager.The term problem domain is used to describe the problem area.（1）Rules A popular knowledge representation technique is the use of rules specifies what to do in a given situation technique is the use of rules.A rule specifies what to do in a given situation and consists of two parts: a condition that may or may not be true and an action to be taken when the condition is true.An example of a rule is: IF ECONOMIC.INDEX>1.20 AND SEASONAL.INDEX>1.30 THEN SALES.OUTLOOK=”EXCELLENT” All of the rules contained in an expert system are called the rule set.The rule set can vary from a dozen of rules.A dozen of rules for a simple expert system,and 500, 1,000, or 10,000 rules for a complex one.(2)Network of Rules The rules of a role set are not physically linked, but their logical relationships can be illustrated with a hierarchical diagram.The rules at the bottom of the hierarchy provide evidence for the rules on the upper levels.The evidence enables the rules on the upper levels to produce conclusions.The top level might consist of a single conclusion, indicating that the problem has only a single solution.The term goal variable is used to describe the solution, which can be a computed value, an action to be taken, or some other recommendation.For example, if an expert system is to advise top-level management on whether to enter a new market area, a value of Yes or Not would be assigned to the single-goal variable MARKET DECISION.It is also possible for the top level of the hierarchy to include multiple conclusions, indicting the possibility of more than one solution.An example is an expert system that makes recommendations concerning the best strategy to follow in reacting to increased competitive activity.The system might select from among possible strategies of improving the quality of the firm’s products, investing more in advertising, or lowering prices.3.The Inference Engine The inference engine is the portion of the expert system that performs reasoning by using the contents of the knowledge base in a particular sequence.During the consultation, the inference engine examines the rules of the knowledge base one at a time, and when a rule’s condition is true, the specified action is taken.In expert systems terminology, the rule is “fired” when the action is taken.Two main methods have been devised for the inference engine to use in examining the rules: forward reasoning and reverse reasoning.(1)Forward reasoning In forward reasoning, also called forward chaining, the rules are examined one after another in a certain order.The order might be the sequence in which the rules were entered in to the rule set, or it might be some other sequence specified by the user.As each rule is examined, the expert system attempts to evaluate whether the conditions true or false.RULE EVALUSTION.When the condition is true, the rule is fired and the next rule is examined.When the condition is false, the rule is not fired the next rule is examined.It is possible that a rule cannot be evaluated as true or false.Perhaps the condition includes one or more variables with unknown values.In that case, the rule condition is unknown.When a role condition is unknown, the rule is not fired and the next rule is examined.THE ITERAIIVE REASONING PROCESS.The process of examining one rule after the other continues until a complete pass has been made through the entire rule set.More than one pass usually is necessary to assign a value to the goal variable.Perhaps the information needed to evaluate one rule is produced by another rule that is examined subsequently.For example, after the eleventh rule is fired, the fifth rule can be evaluated on the next pass.The passes continue as long as it is possible to fire rules.When no more rules can be fired, the reasoning process ceases.(2)Reverse Reasoning In reverse reasoning, also called backward chaining, the inference engine selects a rule and regards it as a problem to be solved.Using the rule set as shown in figure 20-1.Rule 12 is the problem, since it assigns a value to the goal variable P.The inference engine attempts to evaluate Rule 12 but recognizes that Rule 10 or Rule 11 must be evaluated first.Rule 10 and 11 become sub problems of Rule 12.The inference engine then selects one of the subproblems to evaluate, and the selected subproblem becomes the new problem.Figure20-1 Rules set THE FIRST LOGCAL PATH IS PURSUED.We will assume that Rule 10 becomes the problem.The inference engine then determines that Rule 7 and 8 must be evaluated before Rule 10 can be evaluated.Rules 7and 8 become the subproblems in this manner, searching for a rule that can be evaluated.THE NEXT LOGICAL PATH IS PURSUED.When the expert system attempts to evaluate Rule 11, Rule 9 becomes the problem;it can be evaluated using the outcomes of Rules 4 and 5.Because both Rules 4 and 5 are true, Rule 9 can be evaluated as true without the need to examined Rule 6.Once Rule 9 is fired, Rule11 can be fired as well.This makes it possible to assign a value to goal variable P, since Rule 12 is fired if either Rule 10 or 11 is true.(3)Comparing Forward and Reverse Reasoning Reverse reasoning proceeds faster than forward reasoning, because it does not have to consider all of the rules and does not make multiple passes through the rule set.Reverse reasoning is especially appropriate when: l There are multiple goal variables.l There are many rules.l All or most all of the rule do not have to be examined in the process of reaching a solution.Some inference engines are designed to perform both forward and reverse reasoning.The user can specify which one to use.4.The Development Engine The forth major component of the expert system is the development engine, which is used to create the expert system.When the inference engine consists of rules, this process involves building the rule set.There are two basic approaches: programming languages and expert system shells.(1)Programming Language You can create an expert system using any programming language;however, two are especially well suited to the symbolic representation of the knowledge base: Lisp and Prolog.Lisp was developed in 1959 by john McCarthy(one of the members of that first AI meeting), and Prolog was begun by Alain Colmerauer at the University of Marseilles in 1972.(2)Expert System Shells One of the first expert systems was Mycin, developed by Edward Shotlffle and Stanley Cohen of Stanford University, with the help of Stanton Axline, a physician.Mycin was created to diagnose certain infectious diseases.When the success of Mycin had been established, the developers looked for other ways tailored to apply their accomplishments.They discovered that the Mycin inference engine could be tailored to another type of problem by replacing the Mycin knowledge base with one reflecting the other problem domain.This finding signaled the start of a new approach to building expert system: the expert system sell.An expert system sell is a ready-made processor that can be tailored to a specific problem domain through the addition of the appropriate knowledge base.Today, most of the interest in applying expert system to business problems involves the use of sells.An example of a problem domain that lends itself to an expert system shell is help desk support.A help desk is a unit with-in the organization that provides technical help to users as well as to their own information specialists.In its most basic form, the help desk consists of one or more technical experts who receive users’ telephone calls for help.The user explains the problem and the technical expert suggests ways to solve it, perhaps referring to product manuals or other written sources.The help desk problem is so pervasive that a Helpdesk Institute was formed to facilitate dialogue among firms and industries with help desk expert system shells.When a firm uses one of the shells, it must populate the knowledge base with data concerning its own hardware and applications software.A software vendor can populate its knowledge base with data describing its software products, and so on.When a help desk expert system is used, either the user or the help desk staff member communicates directly with the system, and the system attempts to resolve the problem.One test of the degree of sophistication of artificial intelligence is whether the user cannot determine if he or she is interfacing with a human or a computer.This test has been called the Turing Test, in honor of the great pioneers in computer science, Alan Turing.The help desk expert systems use a variety of knowledge representation techniques.A popular approach is called case-based reasoning(CBR), which uses historical data as the basis for identifying problems and recommending solutions.Some systems employ knowledge expressed in the form of a decision tree, a network-like structure that enables the user to progress from the root through the network of branches by answering questions relating to the problem.The path leads the user to a solution at the end of branch.Expert system shells have brought artificial intelligence within the reach of firms that do not have the resources necessary to develop their own systems using programming language.In the business area, expert system shells are the most popular way for firms to implement knowledge-base system.5.Advantages and Disadvantages of Expert Systems As with all computer applications, expert systems offer some real advantages;but there are also disadvantages.The advantages can accrue to both managers and the firm.1.The Advantages of Expert Systems to Managers l Managers use expert systems with the intention of improving their decision-making.The improvement comes from being able to: l Consider More Alternative.An expert system can enable a manager to consider more alternatives in the process of solving a problem.For example, a financial manager who has been able to track the performance of only thirty stocks because of the volume of data that must be considered can, with the help of an expert system, track 300.By being able to consider a greater number of possible investment opportunities, the likelihood of selecting the best ones is increased.l Apply a Higher Level of Logic.A manager using an expert system can apply the same logic as that of a leading expert in field.l Devote More Time to Evaluating Decision Results.The manager can obtain advice from the expert system quickly, leaving more time to weigh the possible results before action has to be taken.l Make More Consistent Decisions.The computer does not have good days and bad days as the human manager does, Once the reasoning is programmed into the computer, the manager knows that the same solution process will be followed for each problem.2.The Advantages of Expert Systems to the Firm l A firm that implements an expert system can expert: l Better Performance for the Firm.As the firm’s managers extend their problem solving abilities through the use of expert system, the form’s control mechanism is improved.The firm’s better able to meet its objectives.l To maintain Control over the Firm’s Knowledge.Expert systems afford the opportunity to make the experienced employees’ knowledge more available to newer, less experienced employees and to keep that knowledge in the firm longer—even after the employees have left.3.The Disadvantages of Expert systems Two characteristics of expert systems limit their potential as a business problem-solving tool.First, they cannot handle inconsistent knowledge.This is a real disadvantage because, in business, few things hold true all the time because of the variability in human performance.Second, expert systems cannot apply the judgment and intuition that are important ingredients when solving semistructured or unstructured problems.人工智能与专家系统 1．AI（人工智能）发展史 仅仅在通用电器公司开始将电脑应用于商业领域之后两年，即1956年，就出现了人工智能。人工智能这一术语是由John McCarthy在Ddartmouth大学的学术论坛上提出的。同年，第一个人工智能计算程序——Logic Theorist诞生了。Logic Theorist在推理方面的局限促使了研究人员开发另一个程序，那就是GPS(通用问题求解程序)。其目的是为了解决各种各样的问题，其解决问题的能力比前几代更强。 AI研究仍在继续，但与MIS和DDS等计算机应用相比，研究热情的减弱使人工智能的研究相对落后。然而，在研究方面的不断努力一定会推动计算机向人工智能化方向发展。 2．AI领域 AI现在已经以知识系统的形式应用于商业领域，既利用人类知识来解决问题。专家系统是最流行的基于知识的系统，他是应用计算机程序以启发方式替代专家知识。Heuristic术语来自希腊eureka，意思是“探索”。因此，启发方式是一种良好猜想的规则。 启发式方法并不能保证其结果如同DSS系统中传统的算法那样绝对化。但是启发式方法提供的结果非常具体，以至于能适应于大部分情况启发式方法允许专家系统能像专家那样工作，建议用户如何解决问题。因为专家系统被当作顾问，所以，应用专家系统就可以被称为咨询。 除了专家系统外，AI还包括以下领域：神经网络系统、感知系统、学习系统、机器人、AI硬件、自然语言处理。注意这些领域有交叉，交叉部分也就意味着这个领域可以从另一个领域中收益。 3．专家系统的吸引力 专家系统的概念是建立在专家知识能够存储在计算机中并能被其他人应用这一假设的基础上的。 专家系统作为一种决策支持系统提供了独无二的能力。首先，专家系统为管理者提供了超出其能力的决策机会。比如，一家新的银行投资公司可以应用先进的专家系统帮助他们进行选择、决策。其次，专家系统在得到一个解决方案的同时给出一步步的推理。在很多情况下，推理本身比决策的结果重要的多。 4．专家系统模型 专家系统模型主要由4个部分组成：用户界面使得用户能与专家系统对话； 知识库收藏了要特殊解决的问题； 推理引擎提供了解释知识库的能力； 专家和工程师利用开发引擎建立专家系统。 1．用户界面 用户界面能够方便管理者向专家系统中输入命令、信息，并接受专家系统的输出。命令中有具体化的参数设置，引导专家系统的推理过程。信息以参数形式赋予某些变量。 （1）专家系统输入 现在流行的界面格式是图形化用户界面格式，这种界面与Windows有些相同的特征。有些系统采用了与所要解决问题相称的个性化界面例如，屏幕可能会显示机械装配图。 （2）专家系统输出 专家系统一般是提供解决方案的。这些解决方案都是以如下两种方始输出的： ①解决方案解释。在专家系统提供了问题解决方案后，管理者可能还想知道是如何得到这种方案的。专家系统就会显示一步步到达结果的推理过程。 ②问题解释。管理者可能希望得到专家系统对问题的推理过程。专家系统可能还需要管理者输入一些信息。管理者问为什么需要信息，然后专家系统就会提供解释。 虽然专家系统的内部工作很复杂，但是用户界面相当友好，方便使用。一个会用计算机的管理者，使用专家系统对他来说也肯定没有问题。 2．知识库 知识库即包括描述问题域，也包括以一定的逻辑描述事实的表示技术。术语“问题域”描述了所解决问题的业务领域。 （1）规则 规则是比较常用的表示技术。规则具体规定了在一种特定的情况下做什么。他有两部分组成：一是条件，有真和假； 二是方法，是指在条件为真的条件下采取的行动。以下是规则的一个例子： IF ECONOMIC.INDEX>1.20ANDSEASONAL.INDEX>1.30 THEN SALES.OUTLOOK=”EXCELLENT” 包含在专家系统里的所有规则叫做规则集每个专家系统； 每个专家系统里的规则集数量是不一样的。一个简单的专家系统有几十条规则，复杂的专家系统有500或1 000甚至10 000条规则。 （2）规则网络 规则集里的规则再物理上并没有联系。但是他在逻辑上的关系可用层次图表示最底层的规则为上一级提供了依据。这些依据有助于上层的规则得出结论。 最顶层的可能只包含一个结论，这说明只有一个解决方案。目标变量是用来描述解决方案的。他可以是一个计算值一个可识目标，一种措施，或者一些建议。例如，如果一个专家系统是用来给管理者在是否要进入一个新市场决策上提供建议的，那么，单目标变量MARKET.DECISION的值就是Yes或No。 当然，也有可能在最高层得到多个结论，也就意味着有多种解决方案。例如，在关于提高市场竞争力战略决策中，专家系统可能就会提供所有可能的方案，如提高公司产品质量、增加广告投入量或降低价格。 3．推理引擎 推理引擎是专家系统的一部分，他根据特定顺序在知识库内容的基础上进行推理。 在咨询阶段，推理引擎挨个检查知识库规则，当某条规则的条件为真时就采取规定的行动。在专家系统中，当采取行动时，就称规则被激活。 在检查规则中，一般采用以下两种方法：正向推理和反向推理。 （1）正向推理 在正向推理（也称为正向连接）中，规则是按照一定顺序逐个检查的。这种顺序可能是输入到规则集中的顺序，也可能是由用户自己定义的顺序。当检查每个规则之后，专家系统开始求值，既为“真”还是为“假”。 规则求值。当条件为真时，规则就被激活，然后再检查下一个规则。当然还存在规则的值即非“真”又非“假”的情况。这种情况下，规则的条件是不知到的，这是，规则不被取消，继续检查下一条规则。 迭代推理过程。挨个检查规则集中的规则，直到规则集中所有的规则都检查完毕。有时为了设定一个目标变量值往往要通过好几轮测试。可能测试这个规则所需要的信息是来自另一个规则测试的结果。比如，在第11个规则被激活后，第5个规则才进行测试。只要有规则被激活了，测试就继续，直到规则没有激活推理过程才结束。 （2）反向推理 在反向推理（也称为反向连接）中，推理引擎将规则视为一个待解决的问题。如图20-1所视的规则集中，规则12是一个问题，因为他分配了一个值给目标变量P。推理引擎试图得出规则12的值，但是，有图中可知，我们必须先要知道规则10和11的结果。规则10和11是规则12的子问题。推理引擎先要对子问题进行求值。 图20-1 规则集 选择第一条逻辑路径。我们假设当前规则10是待解决的问题。推理引擎在解决问题前首先要确定规则7和8的值。现在规则7和8是子问题，同样要解决这个子问题，先要用之前讲过的方法细分问题域，直到能够求值。 选择下一条逻辑路径。当专家系统尝试对规则11求值时，规则9成为问题。利用规则4和5的结果来对其求值。因为规则4和5都为真，所以规则9的值也为真。没有必要对规则6进行求值了。 规则9被激活后。规则11也被激活了。因为只要规则10或规则11其中一个为真，就可以激活规则12了，目标变量P的值也就可以得知。 （3）正向推理和反向推理的比较 反向推理比正向推理要快。因为反向推理不必考虑所有的规则，也不用一轮一轮在规则中求值。反向推理尤其适用于以下几种情况： ①多个目标变量； ②有很多的规则； ③在求的问题结的过程中无须将所有的或几乎所有的规则都检查一便。 有些推理引擎即适合正向推理也适合反向推理，视具体情况而定。 4．开发引擎 专家系统的第4个重要组件就是开发引擎。他用来建造专家系统。当推理引擎包含许多规则时，建造专家系统的过程就涉及到建立规则集。有两种基本方法：程序语言或专家系统外壳程序。 （1）程序语言 你可以应用任何语言创建专家系统，但最适合符号化表示知识库的两种语言是：Lisp和Polog。Lisp是在1959年由McCarthy（首届AI会议的成员之一）开发的。Prolog是在1972年由Alain Colmerauer在Marseilles大学开发的。 （2）专家系统外壳程序 第一个专家系统是Mycin，是由Stanford大学的Edward Shortliffe和Stanley Cohen在物理学家Stanton Axline的帮助下开发的。Mycin是用来诊断某种传染病的。 当成功开发第一个专家系统Mycin后，开发者们试图在别的各个领域应用这个成果。他们发现如果将知识库更换成反映另一个问题的相关知识Mycin推理引擎能够适用于该类型的问题域。这种发现开创了建立专家系统的新方法：专家系统外壳程序。他是一段预先编写好的程序，只要增加相应的知识库就能够适用于一个具体的问题域。如今应用专家系统解决商业问题的焦点在于外壳程序的应用。 由问题域导出专家系统外壳程序，其中的一个例子就是桌面帮助支持。桌面帮助支持就是系统的一个单元，为用户提供技术帮助。信息服务单元典型的给用户和信息专家提供桌面帮助。桌面帮助最基本的形式就是一两个专家给用户进行电话答疑。用户提出问题，专家予以解答。 桌面帮助问题是如此的普遍，以致于再公司成立了桌面帮助部门以方便对话。在年会上，最重要的一项活动就是演示专家系统的外壳程序的桌面帮助。当一个公司应用其中一个外壳程序时，他必须扩充相关生产线的知识库。比如，信息服务单元应该扩充硬件和应用软件的相关数据，在软件的帮助库中扩充软件描述等。 当桌面帮助专家系统得以应用，用户以及桌面帮助员工就可以直接跟专家系统对话，系统就可以解决问题。人工智能的智能化程度的一个测试就是用户是否不能判别出 他是在跟机器还是在跟人对话，这种测试称为Turing测试。Alan Turing是计算机学伟大的先驱之一。 桌面帮助专家系统利用不同的信息表示技术。比较流行的方法是CBR(case-based reasoning，基于事实的推理)。他是根据历史数据作为识别问题的基础，然后提出解决方案。有些系统是以决策树的形式来表示的。他是一个网状结构，使用户能够回答与解决相关的问题。 专家系统外壳程序引入了人工智能，使公司没有必要开发他们自己的系统。在商业领域，公司经常使用专家系统外壳程序来实施基于知识的系统。 5．专家系统的优缺点 跟其他计算机应用一样，专家系统提供了一些实际利益，但也有一些不足之处。管理者和公司都可以从专家系统中收益。 1.家系统为管理者带来得好处 管理者应用专家系统改进决策。这些改进表现如下： （1）提供更多的选择。在解决问题过程中专家系统能促使管理者考虑到更多的选择。比如，没有专家系统，由于考虑范围有限，财务经理只能跟踪30种股票的表现。但是有了专家系统，就可以跟踪300种股票。考虑的投资范围的扩大，也就增加了选择最佳方案的可能性。 （2）应用更高的逻辑层。管理者借助于专家系统，能够达到最先进的专家逻辑水平。 （3）倾注更多的时间于评估方案之上。管理者能够快速的从专家系统中得到建议，给管理者在行动之前留下更多选择和权衡的时间。 （4）决策更加一致。与管理者相比，计算机不会有搀杂个人情感的波动因素，一旦将推理输入到计算机，管理者就会得到确定的方案。 2.为公司带来得好处 专家系统为公司带来如下好处： （1）公司有更好的业绩。因为管理者是借助于专家系统解决问题的，所以公司的管理机制得到大大的改善公司能够更好的接近目标。 （2）保持对公司知识的控制。专家系统为老员工传授丰富的经验给新员工创造了机会。即使员工离开后，也能够使知识自成一体。 6.专家系统的缺点 专家系统的两个特征限制了将其作为商务问题解决工具的潜能。第一，他们不能处理一致性知识的问题。这是一个实实在在的不足之处，因为在商业中，由于人为因素的可变性，没有事情时时正确。第二，专家系统不能应用判断和指导，而在解决结构化问题时他们是很重要的因素。第三篇：人工智能与专家系统课程设计解读
第四篇：人工智能感想
第五篇：人工智能与专家系统外文文献译文和原文
点击咨询 