第一篇：人工智能與專家系統(tǒng)感想

姓名：萬偉

學(xué)號(hào)：1120100924

人工智能與專家系統(tǒng)感想

人工智能(Artificial Intelligence)，英文縮寫為AI。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)等。

人工智能技術(shù)導(dǎo)論這門課的學(xué)習(xí)，讓我知道了人工智能從誕生發(fā)展到今天經(jīng)歷了一條漫長的路，許多科研人員為此而不懈努力。人工智能的開始可以追溯到電子學(xué)出現(xiàn)以前。象布爾和其他一些哲學(xué)家和數(shù)學(xué)家 建立的理論原則后來成為人工智能邏輯學(xué)的基礎(chǔ)。而人工智能真正引起 研究者的興趣則是1943年計(jì)算機(jī)發(fā)明以后的事。技術(shù)的發(fā)展最終使得人們可以仿真 人類的智能行為，至少看起來不太遙遠(yuǎn)。接下來的四十年里，盡管碰到許多阻礙，人工智能仍然從最初只有十幾個(gè)研究者成長到現(xiàn)在數(shù)以千計(jì)的工程師和專家在研究； 從一開始只有一些下棋的小程序到現(xiàn)在的用于疾病診斷的專家系統(tǒng)，人工智能的發(fā)展有目共睹。

人工智能經(jīng)過幾十年的發(fā)展，其應(yīng)用在不少領(lǐng)域得到發(fā)展，在我們的日常生活和學(xué)習(xí)當(dāng)中也有許多地方得到應(yīng)用。我通過網(wǎng)絡(luò)查找，知道了以下領(lǐng)域的人工智能的發(fā)展。

專家系統(tǒng)是一種模擬人類專家解決領(lǐng)域問題的計(jì)算機(jī)程序系統(tǒng)。專家系統(tǒng)內(nèi)部含有大量的某個(gè)領(lǐng)域的專家水平的知識(shí)與經(jīng)驗(yàn)，能夠運(yùn)用人類專家的知識(shí)和解決 問題的方法進(jìn)行推理和判斷，模擬人類專家的決策過程，來解決該領(lǐng)域的復(fù)雜問題。專家系統(tǒng)是人工智能應(yīng)用研究最活躍和最廣泛的應(yīng)用領(lǐng)域之一,涉及到社會(huì)各個(gè) 方面，各種專家系統(tǒng)已遍布各個(gè)專業(yè)領(lǐng)域，取得很大的成功。根據(jù)專家系統(tǒng)處理的問題的類型，把專家系統(tǒng)分為解釋型、診斷型、調(diào)試型、維修型、教育型、預(yù)測 型、規(guī)劃型、設(shè)計(jì)型和控制型等10種類型。具體應(yīng)用就很多了，例如血液凝結(jié)疾病診斷系統(tǒng)、電話電纜維護(hù)專家系統(tǒng)、花布圖案設(shè)計(jì)和花布印染專家系統(tǒng)等等。為了實(shí)現(xiàn)專家系統(tǒng)，必須要存儲(chǔ)有該專門領(lǐng)域中經(jīng)過事先總結(jié)、分析并按某種模式表示的專家知識(shí)(組成知識(shí)庫)，以及擁有類似于領(lǐng)域?qū)＜医鉀Q實(shí)際問題的 推理機(jī)制(構(gòu)成推理機(jī))。系統(tǒng)能對輸入信息進(jìn)行處理，并運(yùn)用知識(shí)進(jìn)行推理，做出決策和判斷，其解決問題的水平達(dá)到或接近專家的水平，因此能起到專家或?qū)＜?助手的作用。

開發(fā)專家系統(tǒng)的關(guān)鍵是表示和運(yùn)用專家知識(shí)，即來自領(lǐng)域?qū)＜业募罕蛔C明對解決有關(guān)領(lǐng)域內(nèi)的典型問題有用的事實(shí)和過程。目前，專家系統(tǒng)主要采用基于規(guī)則 的知識(shí)表示和推理技術(shù)。由于領(lǐng)域的知識(shí)更多是不精確或不確定的，因此，不確定的知識(shí)表示與知識(shí)推理是專家系統(tǒng)開發(fā)與研究的重要課題。此外，專家系統(tǒng)開發(fā)工 具的研制發(fā)展也很迅速，這對擴(kuò)大專家系統(tǒng)的應(yīng)用范圍，加快專家系統(tǒng)的開發(fā)過程，將起到積極地促進(jìn)作用。隨著計(jì)算機(jī)科學(xué)技術(shù)整體水平的提高，分布式專家系 統(tǒng)、協(xié)同式專家系統(tǒng)等新一代專家系統(tǒng)的研究也發(fā)展很快。在新一代專家系統(tǒng)中，不但采用基于規(guī)則的推理方法，而且采用了諸如人工神經(jīng)網(wǎng)絡(luò)的方法與技術(shù)。

一、人工智能與專家系統(tǒng)應(yīng)用領(lǐng)域 1在管理系統(tǒng)中的應(yīng)用

人工智能應(yīng)用于企業(yè)管理的意義主要不在于提高效率，而是用計(jì)算機(jī)實(shí)現(xiàn)人們非常需要做，但工業(yè)工程信息技術(shù)是靠人工卻做不了或是很難做到的事情。智能教學(xué)系統(tǒng)(ITS)是人工智能與教育結(jié)合的主要形式，也是今后教學(xué)系統(tǒng)的發(fā)展方向。信息技術(shù)的飛速發(fā)展以及新的教學(xué)系統(tǒng)開發(fā)模式的提出和不斷完善，推動(dòng)人們綜合運(yùn)用超媒體技術(shù)、網(wǎng)絡(luò)基礎(chǔ)和人工智能技術(shù)區(qū)開發(fā)新的教學(xué)系統(tǒng)，計(jì)算機(jī)智能教學(xué)系統(tǒng)就是其中的典型代表。它包含學(xué)生模塊、教師模塊，體現(xiàn)了教學(xué)系統(tǒng)開發(fā)的全部內(nèi)容，擁有著不可比擬的優(yōu)勢和極大的吸引力。2在工程領(lǐng)域的應(yīng)用

醫(yī)學(xué)專家系統(tǒng)是人工智能和專家系統(tǒng)理論和技術(shù)在醫(yī)學(xué)領(lǐng)域的重要應(yīng)用，具有極大的科研和應(yīng)用價(jià)值,它可以幫助醫(yī)生解決復(fù)雜的醫(yī)學(xué)問題,作為醫(yī)生診斷、治療的輔助工具。目前,醫(yī)學(xué)智能系統(tǒng)已通過其在醫(yī)學(xué)影像方面的重要作用，從而應(yīng)用于內(nèi)科、骨科等多個(gè)醫(yī)學(xué)領(lǐng)域中,并在不斷發(fā)展完善中。

3在技術(shù)研究中的應(yīng)用 人工智能在電子技術(shù)領(lǐng)域的應(yīng)用可謂由來已久。隨著網(wǎng)絡(luò)的迅速發(fā)展，網(wǎng)絡(luò)技術(shù)的安全是我們關(guān)心的重點(diǎn)，因此我們必須在傳統(tǒng)技術(shù)的基礎(chǔ)上進(jìn)行網(wǎng)絡(luò)安全技術(shù)的改進(jìn)和變更，大力發(fā)展數(shù)據(jù)挖掘技術(shù)、人工免疫技術(shù)等高效的AI技術(shù)，開發(fā)更高級(jí)AI通用和專用語言，和應(yīng)用環(huán)境以及開發(fā)專用機(jī)器，而與人工智能技術(shù)則為我們提供了可能性。4人工智能在現(xiàn)實(shí)中的應(yīng)用。

AI系統(tǒng)是設(shè)計(jì)出的一種計(jì)算機(jī)程序，這種程序具有某些像人和動(dòng)物智能一樣的功能。在過去的30多年中，已經(jīng)建立了一些具有一定“智能”的AI系統(tǒng)，例如下棋程序、定理證明系統(tǒng)、集成電路設(shè)計(jì)與分析系統(tǒng)、自然語言翻譯系統(tǒng)、智能信息檢索系統(tǒng)、疾病診斷系統(tǒng)等 在一年一度AT&T實(shí)驗(yàn)室舉行的機(jī)器人足球賽中，每支球隊(duì)的“球員”都裝備上了AI軟件和許多感應(yīng)器，它們都很清楚自己該踢什么位置，同時(shí)也明白有些情況下不能死守崗位。盡管現(xiàn)在的AI技術(shù)只能使它們大部分時(shí)間處于個(gè)人盤帶的狀態(tài)，但它們傳接配合的能力正在以很快的速度改進(jìn)。5．機(jī)器翻譯

機(jī)器翻譯是利用計(jì)算機(jī)把一種自然語言轉(zhuǎn)變成另一種自然語言的過程，用以完成這一過程的軟件系統(tǒng)叫做機(jī)器翻譯系統(tǒng)。幾十年來，國內(nèi)外許多專家、學(xué)者為 機(jī)器翻譯的研究付出了大量的心血和汗水。雖然至今還沒有一個(gè)實(shí)用、全面、高質(zhì)量的自動(dòng)翻譯系統(tǒng)出現(xiàn)，不過也取得了很大的進(jìn)展，特別是作為人們的輔助翻譯工 具，機(jī)器翻譯已經(jīng)得到大多數(shù)人的認(rèn)可。目前，國內(nèi)的機(jī)器翻譯軟件不下百種，根據(jù)這些軟件的翻譯特點(diǎn)，大致可以分為三大類：詞典翻譯類、漢化翻譯類和專業(yè)翻 譯類。詞典類翻譯軟件代表是“金山詞霸”了，堪稱是多快好省的電子詞典，它可以迅速查詢英文單詞或詞組的詞義，并提供單詞的發(fā)音，為用戶了解單詞或詞組含 義提供了極大的便利。漢化翻譯軟件的典型代表是“東方快車2000”，它首先提出了“智能漢化”的概念，使翻譯軟件的輔助翻譯作用更加明顯。以“譯星”、“雅信譯霸”為代表的專業(yè)翻譯系統(tǒng)，是面對專業(yè)或行業(yè)用戶的翻譯軟件，但其專業(yè)翻譯的質(zhì)量與人們的實(shí)用性還有不少差距，有人評價(jià)說“滿篇英文難不住，滿篇 中文看不懂”，該說法雖然比較極端，但機(jī)譯譯文的質(zhì)量確實(shí)卻一直是個(gè)老大難問題。這里，我們不妨對現(xiàn)有的機(jī)譯和人譯過程作一比較，從中可以看出一些原因。

機(jī)器翻譯：

1.一句一句處理，上下文缺乏聯(lián)系；

2.對源語言的分析只是求解句法關(guān)系，完全不是意義上的理解；

3.缺乏領(lǐng)域知識(shí)，從計(jì)算機(jī)到醫(yī)學(xué)，從化工到法律都通用，就換專業(yè)詞典；

4.譯文轉(zhuǎn)換是基于源語言的句法結(jié)構(gòu)的，受源語言的句法結(jié)構(gòu)的束縛；

5.翻譯只是句法結(jié)構(gòu)的和詞匯的機(jī)械對應(yīng)。

人工翻譯：

1.一般會(huì)先通讀全文，會(huì)前后照應(yīng)；

2.對源語言是求得意義上的理解；

3.只有專業(yè)翻譯人員，而沒有萬能翻譯人員；

4.譯文是基于他對源語言的理解，不受源語言的句法結(jié)構(gòu)的束縛；

5.翻譯是一個(gè)再創(chuàng)造的過程。

在目前的情況下，計(jì)算機(jī)輔助翻譯應(yīng)該是一個(gè)比較好的實(shí)際選擇。事實(shí)上，在很多領(lǐng)域中，計(jì)算機(jī)輔助人類工作的方式已經(jīng)得到了廣泛的應(yīng)用，例如CAD軟 件。如果計(jì)算機(jī)輔助技術(shù)用于語言的翻譯研究，應(yīng)該同樣可以起到很大的輔助作用，這就是所謂的“計(jì)算機(jī)輔助翻譯”。它集機(jī)器記憶式翻譯、語法分析式翻譯和人 際交互式翻譯為一體，把翻譯過程中機(jī)械、重復(fù)、瑣碎的工作交給計(jì)算機(jī)來完成。這樣，翻譯者只需將精力集中在創(chuàng)造性的思考上，有利于工作效率的提高。

機(jī)器翻譯研究歸根結(jié)底是一個(gè)知識(shí)處理問題，它涉及到有關(guān)語言內(nèi)的知識(shí)、語言間的知識(shí)、以及語言外的世界知識(shí)，其中包括常識(shí)和相關(guān)領(lǐng)域的專門知識(shí)。隨 著因特網(wǎng)的普及與發(fā)展，機(jī)器翻譯的應(yīng)用前景十分廣闊。作為人類探索自己智能和操作知識(shí)的機(jī)制的窗口，機(jī)器翻譯的研究與應(yīng)用將更加誘人。國際上有關(guān)專家分析 認(rèn)為機(jī)器翻譯要想達(dá)到類似人工翻譯一樣的流暢程度，至少還要經(jīng)歷15年時(shí)間的持續(xù)研究，但在人類對語言研究還沒有清楚“人腦是如何進(jìn)行語言的模糊識(shí)別和判 斷”的情況下，機(jī)器翻譯要想達(dá)到100%的準(zhǔn)確率是不可能的。

二、人工智能與專家系統(tǒng)的發(fā)展前景 1 人工智能的研究新課題

人工智能的長遠(yuǎn)目標(biāo)是要理解人類智能的機(jī)器，用機(jī)器模擬人類的智能。這是一個(gè)十分漫長的過程，人工智能研究者獎(jiǎng)通過多種途徑、從不同的研究課題入手進(jìn)行探索。

在近期，有幾方面的研究課題可供選擇：更完善更新的人工智能理論框架；自動(dòng)或半自動(dòng)的知識(shí)獲取工具；能實(shí)現(xiàn)海量高速存儲(chǔ)并具有學(xué)習(xí)功能的聯(lián)想知識(shí)庫；新型推理機(jī)制和推理機(jī)；分布式人工智能與協(xié)同式專家系統(tǒng)；智能控制與智能管理；智能機(jī)器人；人工智能機(jī)；新一代的腦模型。

2人機(jī)融合

人機(jī)融合是一個(gè)相當(dāng)長的發(fā)展過程，它將伴隨技術(shù)進(jìn)步，逐級(jí)逐步地向前發(fā)展。首先實(shí)現(xiàn)的是低級(jí)和局部的融合，近幾年人工智能科授的進(jìn)步不斷證實(shí)了這種趨勢。如最近美國科學(xué)家就明確宣布，他們研制的“神經(jīng)芯片”首先就是用于改善人的中樞神經(jīng)功能，“使截癱患者丟掉手杖”。隨著人機(jī)融合的升級(jí)，最終將在地球上產(chǎn)生一種人機(jī)高度融合、高智慧、能自行繁殖(復(fù)制)的“新智體”(或曰“新人類”）。因此，文明人類的演化由于技術(shù)的影響將經(jīng)歷自然進(jìn)化——人工促進(jìn)人智能的進(jìn)化——人機(jī)融合體(新智體)的自行進(jìn)化的辯證發(fā)展過程。在人機(jī)融合時(shí)代，出于物理目標(biāo)的不同，將存在多種多樣、多層次的智能機(jī)(體)，但具有怨茁級(jí)智能的應(yīng)是人機(jī)融合體。當(dāng)今人工智能科技和其他高科技的種種發(fā)展動(dòng)向表明，在人類進(jìn)入“信息社會(huì)”之后，將有一場規(guī)模巨大的“智能革命”，智能革命的環(huán)境是人工智能對人、對社會(huì)的廣泛而深入的影響，就像今天的微電子技術(shù)對信息革命的影響一樣。人工智能科技將滲透到社會(huì)各個(gè)領(lǐng)域，人類將對人工智能科技進(jìn)行大規(guī)模的研究、開發(fā)和應(yīng)用。

當(dāng)今人工智能科技和其他高科技的種種發(fā)展動(dòng)向表明，在人類進(jìn)入“信息社會(huì)”之后，將有一場規(guī)模巨大的“智能革命”，智能革命的環(huán)境是人工智能對人、對社會(huì)的廣泛而深入的影響，就像今天的微電子技術(shù)對信息革命的影響一樣。人工智能科技將滲透到社會(huì)各個(gè)領(lǐng)域，人類將對人工智能科技進(jìn)行大規(guī)模的研究、開發(fā)和應(yīng)用。

總之，人工智能的應(yīng)用前景一片的好，當(dāng)然，挑戰(zhàn)也很多，只有科學(xué)不斷發(fā)展突破進(jìn)步，我們才能真正的享受智能化帶給我們的樂趣?

第二篇：人工智能專家系統(tǒng)實(shí)驗(yàn)

河南城建學(xué)院

《 人工智能 》實(shí)驗(yàn)報(bào)告

實(shí)驗(yàn)名稱：__實(shí)驗(yàn)四 名稱實(shí)現(xiàn)一個(gè)基于產(chǎn)生式系統(tǒng)的小型專家系統(tǒng)（動(dòng)物識(shí)別）成績： 專業(yè)班級(jí)： 0814112 學(xué)號(hào)： 081411202 姓名： xxxxxxxxxxxx 實(shí) 驗(yàn) 日 期 ： 2014 年 5 月 20 日

實(shí)驗(yàn)器材：VC6.0軟件，多媒體計(jì)算機(jī)。

一、實(shí)驗(yàn)?zāi)康?/p>

掌握產(chǎn)生式系統(tǒng)的運(yùn)行機(jī)制和基于規(guī)則推理的基本方法。通過一個(gè)實(shí)例了解小型專家系統(tǒng)的結(jié)構(gòu)、設(shè)計(jì)和實(shí)現(xiàn)過程，初步掌握專家系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)方法。

二、實(shí)驗(yàn)要求

設(shè)計(jì)并實(shí)現(xiàn)一個(gè)某領(lǐng)域的小型專家系統(tǒng)（動(dòng)物識(shí)別），該系統(tǒng)能對輸入的詢問回答分類或預(yù)測的結(jié)果，并根據(jù)推理過程回答“為什么”或“怎樣得出該結(jié)論”的問題。

三、實(shí)驗(yàn)步驟

(1)定義變量，包括變量名和變量的值。(2)建立規(guī)則庫，其方法是:(a)輸入規(guī)則的條件：每條規(guī)則至少有一個(gè)條件和一個(gè)結(jié)論，選擇變量名，輸入條件（符號(hào)）；選擇變量值，按確定按鈕就完成了一條條件的輸入。重復(fù)操作，可輸入多條條件；

(b)輸入規(guī)則的結(jié)論：輸入完規(guī)則的條件后，就可以輸入規(guī)則的結(jié)論了，每條規(guī)則必須也只能有一個(gè)結(jié)論。選擇變量名，輸入條件（符號(hào)），選擇變量值，按確定按鈕就完成了一個(gè)結(jié)論的輸入。重復(fù)以上兩步，完成整個(gè)規(guī)則庫的建立。

(3)建立事實(shí)庫（總數(shù)據(jù)庫）：建立過程同步驟2。重復(fù)操作，可輸入多條事實(shí)。

該動(dòng)物識(shí)別專家系統(tǒng)由15條規(guī)則組成，可以識(shí)別七種動(dòng)物，在15條規(guī)則中，共出現(xiàn) 30個(gè)概念（也稱作事實(shí)），共30個(gè)事實(shí)，每個(gè)事實(shí)給一個(gè)編號(hào)，從編 號(hào)從1到30，在規(guī)則對象中我們不存儲(chǔ)事實(shí)概念，只有該事實(shí)的編號(hào)，同樣規(guī)則的結(jié)論也是事實(shí)概念的編號(hào)，事實(shí)與規(guī)則的數(shù)據(jù)以常量表示，其結(jié)構(gòu)如下：

char *feature[]={“有毛”,“產(chǎn)奶”,“有羽毛”,“會(huì)飛”,“會(huì)下蛋”,“吃肉”,“有犬齒”,“有爪”,“眼睛盯前方”,“有蹄”,“反芻”,“黃褐色”,“有斑點(diǎn)”,“有黑色條紋”,“長脖”,“長腿”,“不會(huì)飛”,“會(huì)游泳”,“黑白兩色”,“善飛”,“哺乳類”,“鳥類”,“肉食類”,“蹄類”,“企鵝”,“海燕”,“鴕鳥”,“斑馬”,“長頸鹿”,“虎”,“金錢豹”};存放規(guī)則的結(jié)構(gòu)體： typedef struct

{ int relation[5];

int name;}Rule;存放產(chǎn)生式規(guī)則推理過程的數(shù)組： 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},//如果動(dòng)物是蹄類(23)，且有黑色條紋(13)，則該動(dòng)物對應(yīng)事實(shí)數(shù)組的第27個(gè)“斑馬”

{{21,14,15,16,-1},26}, {{21,19,-1},25},//如果動(dòng)物是鳥類（21），且是肉食類（19），則該動(dòng)物對應(yīng)事實(shí)數(shù)組的第25個(gè)“海燕”。

{{21,17,18,16,-1},24} };程序用編號(hào)序列的方式表達(dá)了產(chǎn)生式規(guī)則，如資料中規(guī)則14，如果動(dòng)物是鳥，且是肉食類，則該動(dòng)物對應(yīng)事實(shí)數(shù)組的第二十五個(gè)“海燕”。如資料中規(guī)則12，如果動(dòng)物是蹄類，且有黑色條紋，則該動(dòng)物對應(yīng)事實(shí)數(shù)組的第二十七個(gè)“斑馬”。

(4)按“開始”或“單步”按鈕即可。

此外，利用實(shí)例演示，可以運(yùn)行系統(tǒng)默認(rèn)的產(chǎn)生式系統(tǒng)，并且可以進(jìn)行正反向推理。其他的可參見其幫助文件。

三、源代碼

#include #include using namespace std;char *animal[]={“企鵝”,“海燕”,“鴕鳥”,“斑馬”,“長頸鹿”,“虎”,“金錢豹”};char *feature[]={“有毛”,“產(chǎn)奶”,“有羽毛”,“會(huì)飛”,“會(huì)下蛋”,“吃肉”,“有犬齒”,“有爪”,“眼睛盯前方”,“有蹄”,“反芻”,“黃褐色”,“有斑點(diǎn)”，//0

“有黑色條紋”,“長脖”,“長腿”,“不會(huì)飛”,“會(huì)游泳”,“黑白兩色”,“善飛”,“哺乳類”,“鳥類”,“肉食類”,“蹄類”，//13

“企鵝”,“海燕”,“鴕鳥”,“斑馬”,“長頸鹿”,“虎”,“金錢豹”};

//24

typedef struct //存放規(guī)則的結(jié)構(gòu)體 { 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};//標(biāo)記各個(gè)特征是否選擇 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輸入選擇（-1結(jié)束）：”;

cin>> ti;

if(ti>=0&&ti<=23)

flag[ti]=1;

else if(ti!=-1)

{

cout<<“輸入錯(cuò)誤!請輸入0~23//notanimal=25

cin.clear();//清除流錯(cuò)誤錯(cuò)誤標(biāo)

cin.sync();////////////清空輸入緩沖區(qū)

} } } 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;

之間的數(shù)字!”<< endl;

ti=rule[i].relation[j];

while(ti!=-1)//-1作為結(jié)束

{

if(flag[ti]==0)

break;

j++;

ti=rule[i].relation[j];

}

if(ti==-1)//ti==-1代表規(guī)則滿足

{

tres=rule[i].name;

flag[tres]=1;

printf(“運(yùn)用了規(guī)則%d : ”,i);

j=0;

while(rule[i].relation[j]!=-1)

{

cout<

j++;

}

cout<<“====> ”<

if(IsAnimal(tres))

{

return 1;

}

}

}

if(i==15)

{

cout<<“沒有這種動(dòng)物”;

}

return-1;} void main(){

char q;

while(q!='n')

{

menu();

input();

inference();

cout<<“n繼續(xù)？(Y/N)”<

cin>>q;

system(“cls”);

} }

四、結(jié)果分析

1、若已知：動(dòng)物是蹄類(23)，且有黑色條紋(13)，則結(jié)果：該動(dòng)物對應(yīng)事實(shí)數(shù)組的第27個(gè)“斑馬”。使用了推理規(guī)則12，即：{{23,13,-1},27}，使用規(guī)則運(yùn)行結(jié)果如圖1所示：

圖1

2、若已知：動(dòng)物是鳥類（21），且是肉食類（19），則結(jié)果該動(dòng)物對應(yīng)事實(shí)數(shù)組的第25個(gè)“海燕”。使用了推理規(guī)則14，即：{{21,19,-1},25}，使用規(guī)則運(yùn)行結(jié)果如圖2所示：

圖2

五、心得體會(huì)

本實(shí)驗(yàn)環(huán)境主要提供一個(gè)能夠?qū)崿F(xiàn)模擬產(chǎn)生式專家系統(tǒng)的驗(yàn)證、設(shè)計(jì)和開發(fā)的可視化操作平臺(tái)。使用戶既能用本系統(tǒng)提供的范例進(jìn)行演示或驗(yàn)證性實(shí)驗(yàn)，也能夠用它來設(shè)計(jì)并調(diào)試自己的實(shí)驗(yàn)?zāi)Ｐ汀?/p>

通過這次實(shí)驗(yàn)，我對產(chǎn)生式系統(tǒng)有了更深刻的認(rèn)識(shí)。產(chǎn)生式系統(tǒng)是由一組規(guī)則組成的、能夠協(xié)同作用的推理系統(tǒng)。其模型是設(shè)計(jì)各種智能專家系統(tǒng)的基礎(chǔ).產(chǎn)生式系統(tǒng)主要由規(guī)則庫、綜合數(shù)據(jù)庫和推理機(jī)三大部分組成。產(chǎn)生式系統(tǒng)用來描述若干個(gè)不同的以一個(gè)基本概念為基礎(chǔ)的系統(tǒng)，這個(gè)基本概念就是產(chǎn)生式規(guī)則或產(chǎn)生式條件和操作對。在產(chǎn)生式系統(tǒng)中，論域的知識(shí)分為兩部分：用事實(shí)表示靜態(tài)知識(shí)；用產(chǎn)生式規(guī)則表示推理過程和行為。專家系統(tǒng)的規(guī)則是由專家定的，在該實(shí)驗(yàn)中，是由本人制定的。

教師評語：

教師簽名：

第三篇：人工智能與專家系統(tǒng)課程設(shè)計(jì)解讀

目錄

1.設(shè)計(jì)任務(wù) 1.1 設(shè)計(jì)題目 1.2設(shè)計(jì)要求 1.3設(shè)計(jì)任務(wù) 2．方案設(shè)計(jì) 2.1原理

2.2 具體設(shè)計(jì)方法 3．系統(tǒng)實(shí)施

3.1 系統(tǒng)開發(fā)環(huán)境 3.2系統(tǒng)主要功能介紹 3.3處理流程圖 3.4 核心源程序 3.5系統(tǒng)運(yùn)行結(jié)果 4．開發(fā)心得

4.1設(shè)計(jì)存在的問題

4.2進(jìn)一步改進(jìn)提高的設(shè)想 4.3經(jīng)驗(yàn)和體會(huì) 5．參考文獻(xiàn) 1.設(shè)計(jì)任務(wù) 1.1 設(shè)計(jì)題目

在一個(gè)3*3的方棋盤上放置著1,2,3,4,5,6,7,8八個(gè)數(shù)碼,每個(gè)數(shù)碼占一格,且有一個(gè)空格。這些數(shù)碼可以在棋盤上移動(dòng)，該問題稱八數(shù)碼難題或者重排九宮問題。

1.2 設(shè)計(jì)要求

其移動(dòng)規(guī)則是：與空格相鄰的數(shù)碼方格可以移入空格?，F(xiàn)在的問題是：對于指定的初始棋局和目標(biāo)棋局，給出數(shù)碼的移動(dòng)序列。

1.3 設(shè)計(jì)任務(wù)

利用人工智能的圖搜索技術(shù)進(jìn)行搜索，解決八數(shù)碼問題來提高在推理中的水平，同時(shí)進(jìn)行新方法的探討。

2.方案設(shè)計(jì) 2.1 原理

八數(shù)碼問題是個(gè)典型的狀態(tài)圖搜索問題。搜索方式有兩種基本的方式，即樹式搜索和線式搜索。搜索策略大體有盲目搜索和啟發(fā)式搜索兩大類。盲目搜索就是無“向?qū)А钡乃阉?，啟發(fā)式搜索就是有“向?qū)А钡乃阉鳌?/p>

2.2 具體設(shè)計(jì)方法

啟發(fā)式搜索

由于時(shí)間和空間資源的限制，窮舉法只能解決一些狀態(tài)空間很小的簡單問題，而對于那些大狀態(tài)空間的問題，窮舉法就不能勝任，往往會(huì)導(dǎo)致“組合爆炸”。所以引入啟發(fā)式搜索策略。啟發(fā)式搜索就是利用啟發(fā)性信息進(jìn)行制導(dǎo)的搜索。它有利于快速找到問題的解。由八數(shù)碼問題的部分狀態(tài)圖可以看出，從初始節(jié)點(diǎn)開始，在通向目標(biāo)節(jié)點(diǎn)的路徑上，各節(jié)點(diǎn)的數(shù)碼格局同目標(biāo)節(jié)點(diǎn)相比較，其數(shù)碼不同的位置個(gè)數(shù)在逐漸減少，最后為零。所以，這個(gè)數(shù)碼不同的位置個(gè)數(shù)便是標(biāo)志一個(gè)節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)距離遠(yuǎn)近的一個(gè)啟發(fā)性信息，利用這個(gè)信息就可以指導(dǎo)搜索。即可以利用啟發(fā)信息來擴(kuò)展節(jié)點(diǎn)的選擇，減少搜索范圍，提高搜索速度。

啟發(fā)函數(shù)設(shè)定。對于八數(shù)碼問題，可以利用棋局差距作為一個(gè)度量。搜索過程中，差距會(huì)逐漸減少，最終為零，為零即搜索完成，得到目標(biāo)棋局。

3.系統(tǒng)實(shí)施

3.1 系統(tǒng)開發(fā)環(huán)境

Windows操作系統(tǒng)、SQL Server 200X

3.2 系統(tǒng)主要功能介紹

該搜索為一個(gè)搜索樹。為了簡化問題，搜索樹節(jié)點(diǎn)設(shè)計(jì)如下： struct Chess//棋盤

3.4 核心源程序

#include “stdio.h” #include “stdlib.h” #include “time.h” #include “string.h” #include #include using namespace std;

const int N=3;//3*3棋盤

const int Max_Step=30;//最大搜索深度

enum Direction{None,Up,Down,Left,Right};//方向 struct Chess//棋盤 { int cell[N][N];//數(shù)碼數(shù)組

int Value;//評估值

Direction BelockDirec;//所屏蔽方向

struct Chess * Parent;//父節(jié)點(diǎn) };

//打印棋盤

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)//不可以移動(dòng)則返回原節(jié)點(diǎn)

{

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;}

//初始化一個(gè)初始棋盤

struct Chess * RandomChess(const struct Chess * TheChess)

p=NULL;queue Queue1;Queue1.push(Begin);//搜索

do{

p1=(struct Chess *)Queue1.front();

Queue1.pop();

for(int i=1;i<=4;i++)//分別從四個(gè)方向推導(dǎo)出新子節(jié)點(diǎn)

{

Direction Direct=(Direction)i;

if(Direct==p1->BelockDirec)//跳過屏蔽方向

continue;

p2=MoveChess(p1,Direct,true);//移動(dòng)數(shù)碼

if(p2!=p1)//數(shù)碼是否可以移動(dòng)

{

Appraisal(p2,Target);//對新節(jié)點(diǎn)估價(jià)

if(p2->Value<=p1->Value)//是否為優(yōu)越節(jié)點(diǎn)

{

p2->Parent=p1;

switch(Direct)//設(shè)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);//存儲(chǔ)節(jié)點(diǎn)到待處理隊(duì)列

if(p2->Value==0)//為0則,搜索完成{

p=p2;

i=5;

}

}

else

{

//打印

if(T){

/*把路徑倒序*/

Chess *p=T;

stackStack1;

while(p->Parent!=NULL)

{

Stack1.push(p);

p=p->Parent;

}

printf(“搜索結(jié)果:n”);

while(!Stack1.empty())

{

PrintChess(Stack1.top());

Stack1.pop();

}

printf(“n完成!”);}else

printf(“搜索不到結(jié)果.深度為%dn”,Max_Step);

scanf(“%d”,T);} 3.5 系統(tǒng)運(yùn)行結(jié)果

4.開發(fā)心得

4.1 設(shè)計(jì)存在的問題

完全能解決簡單的八數(shù)碼問題，但對于復(fù)雜的八數(shù)碼問題還是無能為力。4.2 進(jìn)一步改進(jìn)提高的設(shè)想

可以改變數(shù)碼規(guī)模（N），來擴(kuò)展成N*N的棋盤，即擴(kuò)展為N數(shù)碼問題的求解過程。

2、內(nèi)存泄漏。由于采用倒鏈表的搜索樹結(jié)

05.參考文獻(xiàn)

[1]王汝傳.計(jì)算機(jī)圖形學(xué)[M].北京：人民郵電出版社，1999：123－130.[2]劉榴娣，劉明奇，黨長民.實(shí)用數(shù)字圖像處理[M].北京：北京理工大學(xué)出版，2000：12－25..[3]丁兆海.Delphi基礎(chǔ)教程[M].北京：電子工業(yè)出版社，1999.[4]王小華.Delphi 5程序設(shè)計(jì)與控件參考[M].北京：電子工業(yè)出版社，1999:70－120.[5]趙子江.多媒體技術(shù)基礎(chǔ)[M].北京：機(jī)械工業(yè)出版社，2001：118－130.[6]段來盛，鄭城榮，曹恒.Delphi實(shí)戰(zhàn)演練[M].北京：人民郵政出版社，2002：80－95.

讀書的好處

1、行萬里路，讀萬卷書。

2、書山有路勤為徑，學(xué)海無涯苦作舟。

3、讀書破萬卷，下筆如有神。

4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來的。——達(dá)爾文

5、少壯不努力，老大徒悲傷。

6、黑發(fā)不知勤學(xué)早，白首方悔讀書遲?！佌媲?/p>

7、寶劍鋒從磨礪出，梅花香自苦寒來。

8、讀書要三到：心到、眼到、口到

9、玉不琢、不成器，人不學(xué)、不知義。

10、一日無書，百事荒廢。——陳壽

11、書是人類進(jìn)步的階梯。

12、一日不讀口生，一日不寫手生。

13、我撲在書上，就像饑餓的人撲在面包上?！郀柣?/p>

14、書到用時(shí)方恨少、事非經(jīng)過不知難?！懹?/p>

15、讀一本好書，就如同和一個(gè)高尚的人在交談——歌德

16、讀一切好書，就是和許多高尚的人談話。——笛卡兒

17、學(xué)習(xí)永遠(yuǎn)不晚?！郀柣?/p>

18、少而好學(xué)，如日出之陽；壯而好學(xué)，如日中之光；志而好學(xué)，如炳燭之光?！?jiǎng)⑾?/p>

19、學(xué)而不思則惘，思而不學(xué)則殆?！鬃?/p>

20、讀書給人以快樂、給人以光彩、給人以才干。——培根

第四篇：人工智能感想

愛與被愛

——人類的愛是否永恒

當(dāng)造物主要求被造者付出無條件的愛時(shí)，造物主對被造者有什么樣的責(zé)任？在影片開頭的公司作品會(huì)議上一位女工程師所問的：“當(dāng)我們的機(jī)器人的程序被設(shè)計(jì)為要愛人類，那么我們?nèi)祟愂欠駪?yīng)該、或者有責(zé)任去以愛去回饋機(jī)器人呢？”當(dāng)被賦予愛的機(jī)器人與我們?nèi)祟愔g的是否存在清晰的差距？又或者當(dāng)人類向機(jī)器人索取永恒的時(shí)候，有沒有想過：自己能不能做到“永恒”？機(jī)器人只能愛人而不能被愛，這作為一個(gè)人本身來說就是一個(gè)非常悲哀的事，而現(xiàn)實(shí)中誰能接受自己要付出自己的愛而永遠(yuǎn)得不到別人的愛。與我們?nèi)绱讼嗨频臋C(jī)器人，卻跟我們有著截然不同的命運(yùn)。

在影片中david的苦苦哀求著藍(lán)仙女：“Please make me into a real life boy, please make me a real boy, please please please make me real.?！钡浇裉煳业哪X海還深深的印記這那幅畫面，在黑暗的海底，在廢棄的迪斯尼樂園中，找到藍(lán)仙女的塑像。David面對著永遠(yuǎn)微笑的藍(lán)仙女祈禱哀求了兩千年，這個(gè)愿望卻是我們每個(gè)人所天生具備的，就是這個(gè)世界上獨(dú)一無二的人。那刻，我多么希望這是一部魔幻劇，那時(shí)藍(lán)仙女就會(huì)在david的祈禱下，張開她的翅膀，用仁愛的心為david實(shí)現(xiàn)愿望，可是沒有始終沒有，那個(gè)畫面就這樣定格在那里。

作為機(jī)器人的創(chuàng)造者，人類并不愿意對這些電子產(chǎn)品付出真愛，在人們眼里他們僅僅是玩偶，侍女，奶媽，仆人，性工具……。無論那時(shí)候的機(jī)器人被制作的如何逼真，人類都無法將他們當(dāng)作整個(gè)社會(huì)的一分子。當(dāng)人們需要他們的時(shí)候他們就是我們的朋友，不需要他們的時(shí)候便可以被遺棄被破壞。在影片里有一個(gè)地方稱為機(jī)器屠宰場，人們要將這些機(jī)器人處決，但處決的過程既殘忍而又像是馬戲表演。因?yàn)?，人們要買票進(jìn)場，而且觀看屠殺的還有很多孩子。這讓我聯(lián)想到古羅馬的斗獸場，血腥，殘酷，而人們卻把這種當(dāng)成娛樂，多么扭

曲的心理，在科技文明如此高速發(fā)展的社會(huì)卻在做著野蠻無知社會(huì)的愚蠢舉動(dòng)，這無疑是文明的倒退。

本部影片一直貫穿的就是david尋找藍(lán)仙女，要變成真正的人類的線索，而david所探索的是人的本質(zhì)是什么，與機(jī)器人的區(qū)別在何處，是人有著人生觀，愛和有著被愛的權(quán)力嗎？ 而作為影片的女主角莫妮卡來說，這個(gè)角色是個(gè)矛盾體，她即代表人類母性光輝的形象，又在很多地方表現(xiàn)出人類的丑惡的一面，嫉妒，猜忌，還有自私。首先莫妮卡作為母親的身份，她是以一種利用和寄托的心理接受了david，而且在莫妮卡的兒子馬丁還未回家時(shí)，就對david表現(xiàn)出一種猜忌和害怕，既害怕卻又要去碰觸，其實(shí)在她心理是清楚的知道自己可以最david欲與欲求，這是否符合一個(gè)母親的行為。對David的愛本身就是有保留的，當(dāng)面臨選擇的時(shí)候，母親義無返顧地，不加分析地，“正確”地站到兒子的一邊。她的理由很簡單： 首先，那是她的親生兒子；再者，David不是真正的人。不是獨(dú)一無二的，可以再次被創(chuàng)造。這是很現(xiàn)實(shí)的一個(gè)人類形象。

影片最后是2000年后，人類滅亡，外星人來到地球，雖然無法將一個(gè)機(jī)器人變?yōu)橐粋€(gè)真正的人，卻可以幫助大衛(wèi)克隆出了“莫尼卡”，只是被克隆的人只能活一天，大衛(wèi)終于又和“莫尼卡”在一起了……這是否算是比較好的結(jié)局。我在想這個(gè)莫妮卡只是david心理面的莫妮卡，假如是真的莫妮卡為何不聞不問david的一切，好像一切都在滿足david，這是在david眼里一個(gè)只屬于他的媽媽，而他是否也開始傾注對莫妮卡的愛在這個(gè)“莫妮卡”身上，在一種意義上david 已由機(jī)器異化成了人。他執(zhí)著地追求著愛，人類的愛。這樣的結(jié)局又給人一種思考的位置：此時(shí)的大衛(wèi)正像以前的莫尼卡，而眼前這個(gè)克隆人更如同以前的大衛(wèi)只是一個(gè)替代品而已，這是不是同時(shí)意味著又一個(gè)悲劇的開始呢？

愛與被愛，我們的選擇是什么？

第五篇：人工智能與專家系統(tǒng)外文文獻(xiàn)譯文和原文

人工智能與專家系統(tǒng)外文文獻(xiàn)譯文和原文 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.人工智能與專家系統(tǒng) 1．AI（人工智能）發(fā)展史 僅僅在通用電器公司開始將電腦應(yīng)用于商業(yè)領(lǐng)域之后兩年，即1956年，就出現(xiàn)了人工智能。人工智能這一術(shù)語是由John McCarthy在Ddartmouth大學(xué)的學(xué)術(shù)論壇上提出的。同年，第一個(gè)人工智能計(jì)算程序——Logic Theorist誕生了。Logic Theorist在推理方面的局限促使了研究人員開發(fā)另一個(gè)程序，那就是GPS(通用問題求解程序)。其目的是為了解決各種各樣的問題，其解決問題的能力比前幾代更強(qiáng)。

AI研究仍在繼續(xù)，但與MIS和DDS等計(jì)算機(jī)應(yīng)用相比，研究熱情的減弱使人工智能的研究相對落后。然而，在研究方面的不斷努力一定會(huì)推動(dòng)計(jì)算機(jī)向人工智能化方向發(fā)展。

2．AI領(lǐng)域 AI現(xiàn)在已經(jīng)以知識(shí)系統(tǒng)的形式應(yīng)用于商業(yè)領(lǐng)域，既利用人類知識(shí)來解決問題。專家系統(tǒng)是最流行的基于知識(shí)的系統(tǒng)，他是應(yīng)用計(jì)算機(jī)程序以啟發(fā)方式替代專家知識(shí)。Heuristic術(shù)語來自希臘eureka，意思是“探索”。因此，啟發(fā)方式是一種良好猜想的規(guī)則。

啟發(fā)式方法并不能保證其結(jié)果如同DSS系統(tǒng)中傳統(tǒng)的算法那樣絕對化。但是啟發(fā)式方法提供的結(jié)果非常具體，以至于能適應(yīng)于大部分情況啟發(fā)式方法允許專家系統(tǒng)能像專家那樣工作，建議用戶如何解決問題。因?yàn)閷＜蚁到y(tǒng)被當(dāng)作顧問，所以，應(yīng)用專家系統(tǒng)就可以被稱為咨詢。

除了專家系統(tǒng)外，AI還包括以下領(lǐng)域：神經(jīng)網(wǎng)絡(luò)系統(tǒng)、感知系統(tǒng)、學(xué)習(xí)系統(tǒng)、機(jī)器人、AI硬件、自然語言處理。注意這些領(lǐng)域有交叉，交叉部分也就意味著這個(gè)領(lǐng)域可以從另一個(gè)領(lǐng)域中收益。

3．專家系統(tǒng)的吸引力 專家系統(tǒng)的概念是建立在專家知識(shí)能夠存儲(chǔ)在計(jì)算機(jī)中并能被其他人應(yīng)用這一假設(shè)的基礎(chǔ)上的。

專家系統(tǒng)作為一種決策支持系統(tǒng)提供了獨(dú)無二的能力。首先，專家系統(tǒng)為管理者提供了超出其能力的決策機(jī)會(huì)。比如，一家新的銀行投資公司可以應(yīng)用先進(jìn)的專家系統(tǒng)幫助他們進(jìn)行選擇、決策。其次，專家系統(tǒng)在得到一個(gè)解決方案的同時(shí)給出一步步的推理。在很多情況下，推理本身比決策的結(jié)果重要的多。

4．專家系統(tǒng)模型 專家系統(tǒng)模型主要由4個(gè)部分組成：用戶界面使得用戶能與專家系統(tǒng)對話；

知識(shí)庫收藏了要特殊解決的問題；

推理引擎提供了解釋知識(shí)庫的能力；

專家和工程師利用開發(fā)引擎建立專家系統(tǒng)。

1．用戶界面 用戶界面能夠方便管理者向?qū)＜蚁到y(tǒng)中輸入命令、信息，并接受專家系統(tǒng)的輸出。命令中有具體化的參數(shù)設(shè)置，引導(dǎo)專家系統(tǒng)的推理過程。信息以參數(shù)形式賦予某些變量。

（1）專家系統(tǒng)輸入 現(xiàn)在流行的界面格式是圖形化用戶界面格式，這種界面與Windows有些相同的特征。有些系統(tǒng)采用了與所要解決問題相稱的個(gè)性化界面例如，屏幕可能會(huì)顯示機(jī)械裝配圖。

（2）專家系統(tǒng)輸出 專家系統(tǒng)一般是提供解決方案的。這些解決方案都是以如下兩種方始輸出的：

①解決方案解釋。在專家系統(tǒng)提供了問題解決方案后，管理者可能還想知道是如何得到這種方案的。專家系統(tǒng)就會(huì)顯示一步步到達(dá)結(jié)果的推理過程。

②問題解釋。管理者可能希望得到專家系統(tǒng)對問題的推理過程。專家系統(tǒng)可能還需要管理者輸入一些信息。管理者問為什么需要信息，然后專家系統(tǒng)就會(huì)提供解釋。

雖然專家系統(tǒng)的內(nèi)部工作很復(fù)雜，但是用戶界面相當(dāng)友好，方便使用。一個(gè)會(huì)用計(jì)算機(jī)的管理者，使用專家系統(tǒng)對他來說也肯定沒有問題。

2．知識(shí)庫 知識(shí)庫即包括描述問題域，也包括以一定的邏輯描述事實(shí)的表示技術(shù)。術(shù)語“問題域”描述了所解決問題的業(yè)務(wù)領(lǐng)域。

（1）規(guī)則 規(guī)則是比較常用的表示技術(shù)。規(guī)則具體規(guī)定了在一種特定的情況下做什么。他有兩部分組成：一是條件，有真和假；

二是方法，是指在條件為真的條件下采取的行動(dòng)。以下是規(guī)則的一個(gè)例子：

IF ECONOMIC.INDEX>1.20ANDSEASONAL.INDEX>1.30 THEN SALES.OUTLOOK=”EXCELLENT” 包含在專家系統(tǒng)里的所有規(guī)則叫做規(guī)則集每個(gè)專家系統(tǒng)；

每個(gè)專家系統(tǒng)里的規(guī)則集數(shù)量是不一樣的。一個(gè)簡單的專家系統(tǒng)有幾十條規(guī)則，復(fù)雜的專家系統(tǒng)有500或1 000甚至10 000條規(guī)則。

（2）規(guī)則網(wǎng)絡(luò) 規(guī)則集里的規(guī)則再物理上并沒有聯(lián)系。但是他在邏輯上的關(guān)系可用層次圖表示最底層的規(guī)則為上一級(jí)提供了依據(jù)。這些依據(jù)有助于上層的規(guī)則得出結(jié)論。

最頂層的可能只包含一個(gè)結(jié)論，這說明只有一個(gè)解決方案。目標(biāo)變量是用來描述解決方案的。他可以是一個(gè)計(jì)算值一個(gè)可識(shí)目標(biāo)，一種措施，或者一些建議。例如，如果一個(gè)專家系統(tǒng)是用來給管理者在是否要進(jìn)入一個(gè)新市場決策上提供建議的，那么，單目標(biāo)變量MARKET.DECISION的值就是Yes或No。

當(dāng)然，也有可能在最高層得到多個(gè)結(jié)論，也就意味著有多種解決方案。例如，在關(guān)于提高市場競爭力戰(zhàn)略決策中，專家系統(tǒng)可能就會(huì)提供所有可能的方案，如提高公司產(chǎn)品質(zhì)量、增加廣告投入量或降低價(jià)格。

3．推理引擎 推理引擎是專家系統(tǒng)的一部分，他根據(jù)特定順序在知識(shí)庫內(nèi)容的基礎(chǔ)上進(jìn)行推理。

在咨詢階段，推理引擎挨個(gè)檢查知識(shí)庫規(guī)則，當(dāng)某條規(guī)則的條件為真時(shí)就采取規(guī)定的行動(dòng)。在專家系統(tǒng)中，當(dāng)采取行動(dòng)時(shí)，就稱規(guī)則被激活。

在檢查規(guī)則中，一般采用以下兩種方法：正向推理和反向推理。

（1）正向推理 在正向推理（也稱為正向連接）中，規(guī)則是按照一定順序逐個(gè)檢查的。這種順序可能是輸入到規(guī)則集中的順序，也可能是由用戶自己定義的順序。當(dāng)檢查每個(gè)規(guī)則之后，專家系統(tǒng)開始求值，既為“真”還是為“假”。

規(guī)則求值。當(dāng)條件為真時(shí)，規(guī)則就被激活，然后再檢查下一個(gè)規(guī)則。當(dāng)然還存在規(guī)則的值即非“真”又非“假”的情況。這種情況下，規(guī)則的條件是不知到的，這是，規(guī)則不被取消，繼續(xù)檢查下一條規(guī)則。

迭代推理過程。挨個(gè)檢查規(guī)則集中的規(guī)則，直到規(guī)則集中所有的規(guī)則都檢查完畢。有時(shí)為了設(shè)定一個(gè)目標(biāo)變量值往往要通過好幾輪測試?？赡軠y試這個(gè)規(guī)則所需要的信息是來自另一個(gè)規(guī)則測試的結(jié)果。比如，在第11個(gè)規(guī)則被激活后，第5個(gè)規(guī)則才進(jìn)行測試。只要有規(guī)則被激活了，測試就繼續(xù)，直到規(guī)則沒有激活推理過程才結(jié)束。

（2）反向推理 在反向推理（也稱為反向連接）中，推理引擎將規(guī)則視為一個(gè)待解決的問題。如圖20-1所視的規(guī)則集中，規(guī)則12是一個(gè)問題，因?yàn)樗峙淞艘粋€(gè)值給目標(biāo)變量P。推理引擎試圖得出規(guī)則12的值，但是，有圖中可知，我們必須先要知道規(guī)則10和11的結(jié)果。規(guī)則10和11是規(guī)則12的子問題。推理引擎先要對子問題進(jìn)行求值。

圖20-1 規(guī)則集 選擇第一條邏輯路徑。我們假設(shè)當(dāng)前規(guī)則10是待解決的問題。推理引擎在解決問題前首先要確定規(guī)則7和8的值?，F(xiàn)在規(guī)則7和8是子問題，同樣要解決這個(gè)子問題，先要用之前講過的方法細(xì)分問題域，直到能夠求值。

選擇下一條邏輯路徑。當(dāng)專家系統(tǒng)嘗試對規(guī)則11求值時(shí)，規(guī)則9成為問題。利用規(guī)則4和5的結(jié)果來對其求值。因?yàn)橐?guī)則4和5都為真，所以規(guī)則9的值也為真。沒有必要對規(guī)則6進(jìn)行求值了。

規(guī)則9被激活后。規(guī)則11也被激活了。因?yàn)橹灰?guī)則10或規(guī)則11其中一個(gè)為真，就可以激活規(guī)則12了，目標(biāo)變量P的值也就可以得知。

（3）正向推理和反向推理的比較 反向推理比正向推理要快。因?yàn)榉聪蛲评聿槐乜紤]所有的規(guī)則，也不用一輪一輪在規(guī)則中求值。反向推理尤其適用于以下幾種情況：

①多個(gè)目標(biāo)變量；

②有很多的規(guī)則；

③在求的問題結(jié)的過程中無須將所有的或幾乎所有的規(guī)則都檢查一便。

有些推理引擎即適合正向推理也適合反向推理，視具體情況而定。

4．開發(fā)引擎 專家系統(tǒng)的第4個(gè)重要組件就是開發(fā)引擎。他用來建造專家系統(tǒng)。當(dāng)推理引擎包含許多規(guī)則時(shí)，建造專家系統(tǒng)的過程就涉及到建立規(guī)則集。有兩種基本方法：程序語言或?qū)＜蚁到y(tǒng)外殼程序。

（1）程序語言 你可以應(yīng)用任何語言創(chuàng)建專家系統(tǒng)，但最適合符號(hào)化表示知識(shí)庫的兩種語言是：Lisp和Polog。Lisp是在1959年由McCarthy（首屆AI會(huì)議的成員之一）開發(fā)的。Prolog是在1972年由Alain Colmerauer在Marseilles大學(xué)開發(fā)的。

（2）專家系統(tǒng)外殼程序 第一個(gè)專家系統(tǒng)是Mycin，是由Stanford大學(xué)的Edward Shortliffe和Stanley Cohen在物理學(xué)家Stanton Axline的幫助下開發(fā)的。Mycin是用來診斷某種傳染病的。

當(dāng)成功開發(fā)第一個(gè)專家系統(tǒng)Mycin后，開發(fā)者們試圖在別的各個(gè)領(lǐng)域應(yīng)用這個(gè)成果。他們發(fā)現(xiàn)如果將知識(shí)庫更換成反映另一個(gè)問題的相關(guān)知識(shí)Mycin推理引擎能夠適用于該類型的問題域。這種發(fā)現(xiàn)開創(chuàng)了建立專家系統(tǒng)的新方法：專家系統(tǒng)外殼程序。他是一段預(yù)先編寫好的程序，只要增加相應(yīng)的知識(shí)庫就能夠適用于一個(gè)具體的問題域。如今應(yīng)用專家系統(tǒng)解決商業(yè)問題的焦點(diǎn)在于外殼程序的應(yīng)用。

由問題域?qū)С鰧＜蚁到y(tǒng)外殼程序，其中的一個(gè)例子就是桌面幫助支持。桌面幫助支持就是系統(tǒng)的一個(gè)單元，為用戶提供技術(shù)幫助。信息服務(wù)單元典型的給用戶和信息專家提供桌面幫助。桌面幫助最基本的形式就是一兩個(gè)專家給用戶進(jìn)行電話答疑。用戶提出問題，專家予以解答。

桌面幫助問題是如此的普遍，以致于再公司成立了桌面幫助部門以方便對話。在年會(huì)上，最重要的一項(xiàng)活動(dòng)就是演示專家系統(tǒng)的外殼程序的桌面幫助。當(dāng)一個(gè)公司應(yīng)用其中一個(gè)外殼程序時(shí)，他必須擴(kuò)充相關(guān)生產(chǎn)線的知識(shí)庫。比如，信息服務(wù)單元應(yīng)該擴(kuò)充硬件和應(yīng)用軟件的相關(guān)數(shù)據(jù)，在軟件的幫助庫中擴(kuò)充軟件描述等。

當(dāng)桌面幫助專家系統(tǒng)得以應(yīng)用，用戶以及桌面幫助員工就可以直接跟專家系統(tǒng)對話，系統(tǒng)就可以解決問題。人工智能的智能化程度的一個(gè)測試就是用戶是否不能判別出 他是在跟機(jī)器還是在跟人對話，這種測試稱為Turing測試。Alan Turing是計(jì)算機(jī)學(xué)偉大的先驅(qū)之一。

桌面幫助專家系統(tǒng)利用不同的信息表示技術(shù)。比較流行的方法是CBR(case-based reasoning，基于事實(shí)的推理)。他是根據(jù)歷史數(shù)據(jù)作為識(shí)別問題的基礎(chǔ)，然后提出解決方案。有些系統(tǒng)是以決策樹的形式來表示的。他是一個(gè)網(wǎng)狀結(jié)構(gòu)，使用戶能夠回答與解決相關(guān)的問題。

專家系統(tǒng)外殼程序引入了人工智能，使公司沒有必要開發(fā)他們自己的系統(tǒng)。在商業(yè)領(lǐng)域，公司經(jīng)常使用專家系統(tǒng)外殼程序來實(shí)施基于知識(shí)的系統(tǒng)。

5．專家系統(tǒng)的優(yōu)缺點(diǎn) 跟其他計(jì)算機(jī)應(yīng)用一樣，專家系統(tǒng)提供了一些實(shí)際利益，但也有一些不足之處。管理者和公司都可以從專家系統(tǒng)中收益。

1.家系統(tǒng)為管理者帶來得好處 管理者應(yīng)用專家系統(tǒng)改進(jìn)決策。這些改進(jìn)表現(xiàn)如下：

（1）提供更多的選擇。在解決問題過程中專家系統(tǒng)能促使管理者考慮到更多的選擇。比如，沒有專家系統(tǒng)，由于考慮范圍有限，財(cái)務(wù)經(jīng)理只能跟蹤30種股票的表現(xiàn)。但是有了專家系統(tǒng)，就可以跟蹤300種股票?？紤]的投資范圍的擴(kuò)大，也就增加了選擇最佳方案的可能性。

（2）應(yīng)用更高的邏輯層。管理者借助于專家系統(tǒng)，能夠達(dá)到最先進(jìn)的專家邏輯水平。

（3）傾注更多的時(shí)間于評估方案之上。管理者能夠快速的從專家系統(tǒng)中得到建議，給管理者在行動(dòng)之前留下更多選擇和權(quán)衡的時(shí)間。

（4）決策更加一致。與管理者相比，計(jì)算機(jī)不會(huì)有攙雜個(gè)人情感的波動(dòng)因素，一旦將推理輸入到計(jì)算機(jī)，管理者就會(huì)得到確定的方案。

2.為公司帶來得好處 專家系統(tǒng)為公司帶來如下好處：

（1）公司有更好的業(yè)績。因?yàn)楣芾碚呤墙柚趯＜蚁到y(tǒng)解決問題的，所以公司的管理機(jī)制得到大大的改善公司能夠更好的接近目標(biāo)。

（2）保持對公司知識(shí)的控制。專家系統(tǒng)為老員工傳授豐富的經(jīng)驗(yàn)給新員工創(chuàng)造了機(jī)會(huì)。即使員工離開后，也能夠使知識(shí)自成一體。

6.專家系統(tǒng)的缺點(diǎn) 專家系統(tǒng)的兩個(gè)特征限制了將其作為商務(wù)問題解決工具的潛能。第一，他們不能處理一致性知識(shí)的問題。這是一個(gè)實(shí)實(shí)在在的不足之處，因?yàn)樵谏虡I(yè)中，由于人為因素的可變性，沒有事情時(shí)時(shí)正確。第二，專家系統(tǒng)不能應(yīng)用判斷和指導(dǎo)，而在解決結(jié)構(gòu)化問題時(shí)他們是很重要的因素。