1、第7章 专家系统,2, ES系统基于知识的问题求解系统，专家系统。 ES系统的研究起始于60年代中期； 通用的问题求解方法具有严重的局限性，能力微弱。,7.1. 专家系统概述,3,专家系统(expert system)是人工智能应用研究最活跃和最广泛的课题之一 定义：是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统，能够利用人类专家的知识和解决问题的方法来处理该领域问题.简而言之，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.,7.1.1.什么是专家系统,4,1 ES系统的特点 1) 具有求解问题所需的专门知识： 应用领域的基本原理和常识专门知识的主部，可以精确地定 义
2、和使用，为普通技术人员所掌握，求解问题的基础；不与求解的问题 紧密结合，知识量大和推理步小，不能高效地支持问题求解。 领域专家求解问题的经验知识对如何使用前者解决问题所作的 高度集中、抽象和浓缩的描述；使问题求解过程可以大踏步地发展， 高效高质地解决困难和复杂问题；使用这类知识的条件比较苛刻，条 件不满足时会导致不正确的解答甚至推理失败。 2) 具有使用专门知识的符号推理能力： 符号表示取决于问题求解所需知识的特征：* 事物结构及事物之间的关系语义网络和框架系统；* 启发式关联产生式系统。 推理技术* 问题求解的组织和推理控制，* 取决于应用领域的特征和问题求解任务的要求。,5,专家系统的优点
3、,(1) 专家系统能够高效率、准确、周到、迅速和不知疲倦地进行工作。 (2) 专家系统解决实际问题时不受周围环境的影响，也不可能遗漏忘记。 (3) 可以使专家的专长不受时间和空间的限制，以便推广珍贵和稀缺的专家知识与经验。,6,专家系统的优点,(4) 专家系统能促进各领域的发展，它使各领域专家的专业知识和经验得到总结和精炼，能够广泛有力地传播专家的知识、经验和能力。 (5) 专家系统能汇集多领域专家的知识和经验以及他们协作解决重大问题的能力，它拥有更渊博的知识、更丰富的经验和更强的工作能力。,7,专家系统的优点,(6) 军事专家系统的水平是一个国家国防现代化的重要标志之一。 (7) 专家系统的
4、研制和应用，具有巨大的经济效益和社会效益。 (8) 研究专家系统能够促进整个科学技术的发展。专家系统对人工智能的各个领域的发展起了很大的促进作用，并将对科技、经济、国防、教育、社会和人民生活产生极其深远的影响。,8,1）从编程思想上看：传统程序=数据结构+算法专家系统=知识+推理 2）传统程序把关于问题求解的知识隐含于程序中，而专家系统则将知识与运用知识的过程即推理机分离，这种分离使专家系统具有更大的灵活性，使系统易于修改。,专家系统与传统程序的区别,9,3）从处理对象看，传统程序主要是面向数值计算和数据处理，而专家系统则面向符号处理。传统程序处理的数据多是精确的，对数据的检索是基于模式的布尔
5、匹配，而专家系统处理的数据和知识大多是不精确的、模糊的，知识的模式匹配也多是不精确的。,专家系统与传统程序的区别,10,4）传统程序一般不具有解释功能，而专家系统一般具有解释机构，可对自己的行为作出解释。 5）传统程序因为是根据算法来求解问题的，所以每次都能产生正确的答案，而专家系统则像人类专家那样工作，通常产生正确的答案。但是有时也会产生错误的答案，这也是专家系统存在的问题之一。 6）从系统的体系结构来看，传统持续与专家系统具有不同的结构。,专家系统与传统程序的区别,11,2 ES系统的组成 知识库ES系统最重要的部分，存储求解问题所需的以一定符号结构表示的专门知识。 推理机具有进行推理的能
6、力 根据输入的问题以及描述问题求解初始状态的数据，取用知识库中的知识作推理，并输出最终解答； 可请求用户输入推理必需的数据并应用户要求解释推理结果和推理过程。 用户界面非ES系统的主要部分，但一个使用户感到友善的界面对于ES系统的推广应用有重要影响。可视化图文界面已广泛地应用于ES系统。,12,3 ES系统执行的问题求解任务 ES系统执行的问题求解任务是知识密集型的； 常见的任务解释、诊断、监控、预测、规划和设计； 面临的困难： 大型的解空间(解释、规划、设计)、 要求试探性推理(诊断、规划、设计中因缺乏时间、事实和知识而不得不作假设) 时变数据(监控和诊断)、 有噪声的数据(传感器常夹带噪声
7、)。 克服方法：有针对性地设计适当的推理方法，并由此设计问题 求解(ES系统)的体系结构。,13,4 推理解释 解释问题求解过程及结果的合理性ES系统面向复杂的结构不良问题。 简单的解释方式规则追踪 把问题求解过程中激活使用的规则按激活的次序显示给用户； 将规则转变为自然语言的形式，以便用户理解。 高级的解释功能按领域基本原理和常识重构解答 重构的推理路径未必是实际的推理路径， 令人信服地验证解答的合理性，表示出高级的智能行为。 以哪种方式作解释要根据实际需要决定。 综合使用自然语言、表格、图形、声音和图象去提供强大的解释功能。,5 ES系统的评价 计算运行速度、存储空间、可扩展性、可移植性和
8、是否易于与其它软件集成； 感观易用性、可理解性、自然性和是否提供联机帮助和解释； 性能能力范围、得出非正确解答的比率、时间和资金的节省等。,14, 体系结构研究的核心问题如何根据应用领域的特征和问题求解任务的要求来组织问题求解和推理控制，并由此决定表示知识的符号结构和推理机制。 状态空间和搜索方法作为比较和研究ES系统体系结构的主要线索； 最易于随着应用领域特征和和问题求解要求变化的因素。 影响搜索方法的选择有多方面的因素状态空间的规模、数据中的错误和状态空间层次抽象的有效性等。 比较MYCIN和口语理解系统HEARSAY- 风格迥然不同的体系结构， 取决于应用领域和问题求解任务的特征。 MY
9、CIN问题求解任务局限于对患有传染性血液疾病的患者进行诊断和治疗，故具有小的状态空间，可以使用穷尽的逆向搜索方法(基于规则的逆向演绎)。因此，只需简单的体系结构。 HEARSAY-口语理解是一个相当复杂的任务，ES系统不仅要处理不可靠的数据(语音分析的二意性和噪音)，而且状态空间很大，要求更强有力的知识组织和推理控制结构：知识源黑板体系结构。,ES系统的体系结构原则,15, 任务复杂程度和ES系统体系结构间的相关性 随问题求解任务复杂程度的增加，需要在体系结构设计时渐增地采用一些相适应的推理技术。 不存在最好的设计体系结构的通用原则，再好的原则也只能适用于一定的范围。,16, 构造ES系统的关
10、键设计ES系统的体系结构和获取问题求解所需的知识。 以知识获取为线索讨论ES系统的开发。 知识获取把用于问题求解的专门知识从某些知识源提炼出来，转化为推理机使用形式的过程。 潜在的知识源包括领域专家、书本、数据库以及普通人的经验。,ES系统的开发过程,17, 知识获取方式： 手工方式知识获取的主要方式* 知识工程师作为中介，从领域专家处获取知识（通过会谈），手工转变为适合于推理机使用的形式，存放于专家系统的知识库。* 知识获取界面提供知识的编辑、查错和一致性维护等功能，可以提高知识获取的效率和自动化程度。* 人工知识获取是一个十分困难而又耗时的过程缺乏有效的手段去系统化和结构化地描述问题求解的
11、组织和推理控制。,应用领域的基本原理和常识易于获取，较困难的是领域专家的经验知识 这些知识决定了ES系统的体系结构，并可指导以系统化和结构化的方式获取详细的推理知识。,18,自动方式实现知识获取自动化的一个努力方向* 以智能编辑器取代知识工程师，通过可视化交互式知识获取界面，按预先制定的问题求解模型，指导领域专家自行抽取和输入知识进专家系统。 * 预先确定的问题求解模型（面向特定问题求解方法或任务类的体系结构）易于引起与领域专家行为的失配问题。,19,机器学习解决知识获取困难的最理想途径* 由机器学习程序自动从信息源（书本、数据库、知识库等）获取知识并输入进专家系统。* 是解决知识获取困难的最
12、理想途径，然而难度太大，所以尽管不少人 致于这方面工作，至今仍收效甚微。,20, ES系统的开发五阶段（基于手工知识获取方式）： 问题识别判别问题的类型和特征； 概念化建立问题求解的概念模型，包括问题求解方法、推理控制要求和约束条件； 形式化决定知识表示形式和推理机制； 实现以概念模型作为语义框架，获取问题求解所需的详细知识；以形式化阶段决定的知识表示语言编写并存放进知识库；新建立的知识库和推理机一起构成ES系统的第一个原型； 测试通过各种测试手段评价原型系统的性能。,五个阶段并无清晰的界限，也不独立，在任一阶段发现问题，均可返回前面的阶段作调整工作。,21, ES系统在知识表示、体系结构等方
13、面有不少共同之处， 减少设计ES系统的重复工作，提高开发效率，缩短开发周期。 分类： 外壳(骨架系统)： EMYCIN和EXPERT* 提供现成的实现ES系统的骨架，* 提供知识获取的辅助设施和知识编辑器,* 易于使用只要按骨架规定的表示方式编写专门知识，就可形成应用领域的ES系统,* 仅有较窄的应用范围对任务的特征有严格的要求.,ES系统的开发工具和环境,22, 表示语言： OPS5* 提供面向知识处理的高级编程语言,* 知识工程师可以通过编程语言来实现特别的控制结构(建立在通用控制结构的基础上)， * 能适用于较宽广的应用领域， * 增加了ES系统的开发和维护困难。 开发工具箱(开发环境)
14、： KEE* 为ES系统的生命周期开发、运行、维护、评价、进化等各个阶段提供工具，* 提供多种外壳和表示语言，以及综合它们建立复杂ES系统的手段。,23, MYCIN概况 通过提供咨询服务来帮助普通内科医生诊治细菌感染性疾病的专家系统。 1972年开始研制，77年基本完成，并投入实际应用。 MYCIN的取名来自多种治疗药物的公共后缀，如clindamycin、erythromycin、kanamycin等。 最有影响力的专家系统，围绕着MYCIN的各种研究工作一直沿续了10年，对于推动知识工程以及专家系统学科的建立和发展具有重要影响。 典型的产生式系统深度优先的逆向链推理控制策略； INTER
15、LISP编程， 运行于DEC PDP-10的操作系统TENEX下。 主要内容 MYCIN知识库的构造， MYCIN推理机的设计， MYCIN系统服务设施， 开发工具EMYCIN。,7.3.专家系统实例MYCIN,24, 以前提-动作型产生式规则来表示诊断和治疗细菌感染性疾病的专家级医学知识。 规则的BNF定义 := RULE PREMISE ($AND +) ACTION + := |（$OR +） 简单条件常用7类函数表示：（SAME ）； 最常用的动作函数：(CONCLUDE TALLY )； TALLY存放规则前提的可信度(CFCertainty Factor)； 规则前提CF为1（真）
16、的情况下，结论为真的可能程度； 规则结论的实际CFTALLY与的乘积。 MYCIN系统建立的初期就以上述格式表示和收集了200多条规则于知识库。,知识库的构造,25,077号规则表示如下： RULE 077 PREMISE ($AND (SAME CNTXT SITE BLOOD) (NOTDEFINITE CNTXT IDENT) (SAME CNTXT STAIN GRAMNEG) (SAME CNTXT MORPH ROD) (SAME CNTXT BURN T) ACTION (CONCLUDE CNTXT IDENT PSEUDOMONAS TALLY 0.7), 关联三元组： 对象
17、CNTXT（上下文），通过关联三元组中的属性名隐含指示； 属性属性名隶属于特别类型的上下文对象； 值通过向用户询问获取或基于规则推导出。,CNTXT意指推理过程中需考察的相应对象，作为综合数据库的主要内容，MYCIN系统称其为上下文，并区分为10类。,每一类上下文对象都有其特有的属性（也称临床参数），属性又可按其取值特性区分为单值型（只可取单一值）、多值型、可问型（可通过向用户询问来取值）、可导型（可基于规则推导出值）等。,该规则的英语形式（已翻译为汉语）如下： 规则077 如果：1）培养物取自血液，且 2）病原体的身份未鉴别，且 3）病原体的染色是革兰氏阴性，且 7）病原体的形态为杆状，且
18、5）病人被烧伤； 那么：该病原体的身份应鉴别为假单胞细菌，且可信度为0.7。,26, 分二个阶段四个步骤诊断和治疗细菌感染性疾病 整个推理过程通过称为目标规则的092号规则来启动： 规则092 如果：1）存在一种病原体需要治疗，且 2）可能存在其它需要治疗的病原体，尽管它们尚未从目前的培养物中分离出来； 那么：1）依据病原体对药物的敏感情况，制定能有效抑制这些病原体的治疗方案（可以有多个），且 2）从中制定最佳的综合治疗方案； 否则：病人不必治疗。,推理机的设计, 诊断阶段：* 确定病人有无治疗细菌感染的需要，* 确定引起感染的细菌； 治疗阶段：* 制定若干可能的治疗方案，* 从中制定最佳的综
19、合治疗方案。,27,1、 诊断的推理控制 逆向推理和深度优先的搜索策略* MYCIN由医生启动；*在综合数据库（MYCIN称为动态数据库）中建立上下文对象：病人-1（patient-1），作为一棵上下文树的根节点，并依据病人特有的属性，向医生询问病人的姓名、年龄和性别，然后以建立病人的治疗方案(REGIMEN)为目标，激活上述规则092。 *通过逆向激活和使用规则，形成规则链，直到链末端规则的前提包含的条件都能直接由原始证据（医生提供的观测结果）证实；,28,推理过程导致与或推理树（或称目标树）的建立简单条件有与或关系，同一子目标（条件）激活多条规则。,29,由于规则092的前提涉及到病原体的
20、属性TREATFOR（需要治疗）和培养物的属性COVERFOR(有病原体隐藏)，就需在上下文树中增加新的节点，以记载培养物-1和病原体-1的属性值,30, 通过程序MONITOR和FINDOUT的嵌套调用推进整个推理（咨询）过程。* MONITOR分析相关的规则能否激活* FINDOUT搜索规则激活所需的数据（属性值及其CF）,31,正是由于MONITOR和FINDOUT的相互嵌套调用，导致了深度优先的穷尽搜索过程. MYCIN将规则按上下文对象分类* 每次对于一个目标作推理时，只需考虑该目标涉及的那个上下文对象相关的规则，* 大幅度提高了推理的效率。,32,2、 不确定推理 如何处理不确定性
21、是MYCIN推理机需提供的重要功能。 *推理过程生成了与或推理树 ；*不确定推理既要处理CF沿推理链的传递，又要处理CF的与或组合 。 0.2是规则前提得以满足的CF门槛值 *CF低于0.2的规则不能激活，并从推理树中删除 *使得推理树的规模可以限制在较小的范围内。,33,3、治疗选择机制 先建立若干可能的治疗方案，然后综合制定最佳治疗方案。所谓治疗方案，就是依据推断出的可能病菌（病原体）选用适当的治疗药物。知识库中已包含一组治疗规则，每条规则为一种病菌制定一个药物治疗方案。 e.g:一条治疗假单胞细菌的规则： 如果：病原体鉴别为假单胞细菌 那么：推荐以下药物作为可选的治疗方法： 1）coli
22、stin (0.98) 2) polymyxin (0.96) 3) gentamicin (0.96) 7) carbenicillin (0.96) 5) sulfisoxazole (0.67),导致病人感染疾病的可能病菌及其可信度CF已记载于该病人的上下文树，能够由系统依据这种规则自动生成针对每种可能病菌的治疗方案。,34,为综合制定最佳治疗方案，MYCIN遵循以下药物选配准则： 1）细菌对药物的敏感性， 2）药物是否已给病人配用过， 3) 药物的相对功效，例如药物是杀菌性的还是抑菌性的，是否会引起病人的过敏反应等。 MYCIN系统还制定了若干面向药物选配的启发式例如： 若物药-1是治
23、疗细菌-1的最优药物，又是治疗细菌-2的次优药物，则将物药-1提升为治疗细菌-2的最优药物。 某些药不能单独使用。 不要从同类药物中选配多于一种的药物。 上述药物选配准则和启发式未表示成规则形式存放于知识库，而是直接编程于治疗选择机制中,35,1.推理解释 对医生的每次咨询都建立相应于病人的与或推理树和上下文树。 在推理过程中或推理结束后可以回答医生（用户）对推理过程和推理结果的各种询问。 规则追踪型推理解释回答三种询问：WHY 、HOW和WHYNOT。 高级解释功能：* 基于记载于推理树中的推理链，*设置了参数：复杂性和重要性，量化知识单元（规则和对象属性）的可解释性，*依据用户知识水平加以
24、裁剪的解释，*为重要的且复杂性高的推理设置了封装的细化解释（超出规则本身的文字描述），以解释规则的前提和结论间的因果关联细节。,7.3.3.系统服务设施,例如，考虑以下推理链： r1 r2 r3 r7 r5 A -B -C -D -E -F 其中大写字母指示相应于对象属性的知识单元，并分别包含于规则（r1,r2,r5）的前提和结论。假设A、D和F的复杂度符合用户的知识水平和解释细化要求，且在对该推理链的解释中，C的重要性超过了动态设置的门槛值，则推理链将被系统重新整理为A-C-D-F。 既然规则r3（C-D）的复杂度超出了用户可理解的水平，系统就在按新推理链提供解释的同时，将为r3封装的细化解
25、释也显示给用户，作为一种补充说明。,36,2.知识库维护 知识库中包含的推理规则，尽管形式上相互独立，但语义上却相 互关联，形成推理树， 语义上的关联，使知识库的维护面临困难。 三类问题：* 包含（Subsumption）问题，* 单一规则的不一致，* 多规则的不一致推理链的不一致。 推理解释机制为知识库的维护提供了有力的支持。 TEIRESIAS高性能编辑器，能自动发现前述的包含和单一规则不一致问题，辅助知识库维护。,37,3.教学 MYCIN的知识库包含了医学专家提供的丰富经验知识； GUIDON基于MYCIN知识库的医疗教学。,38, 从MYCIN系统抽取出的与应用领域无关的骨架型专家系
26、统开发工具。 用于开发任何旨在提供咨询服务的专家系统，尤其适合故障诊断问题。 EMYCIN继承了MYCIN的主要特点，如下： 采用逆向链深度优先的控制策略； 使用产生式规则表示领域知识； 允许事实和规则具有不确定性（以可信度指示）。 规则的BNF定义：:= (IF THEN ELSE ):= 的与或组合:= := := ( ) EMYCIN开发的专家系统：PUFF、HEADMED、SACON、ONCOCIN CLOT、DART。,开发工具EMYCIN,39, 开发和维护ES系统的困难一直困扰着知识工程； 传统的观点知识获取瓶颈： 知识获取比喻为采矿，而ES系统则视为存放知识的容器， 未揭示困难
27、的本质，并在某种程度上误导了克服困难的努力方向。 建模观点： ES系统是模拟人的问题求解行为和应用领域世界的模型， 按系统化、结构化和功能化的方式来分析人的问题求解行为和领域世界。 以概念模型作为语义框架，指导和约束知识获取及知识库维护。 建模观点需要问题求解的结构化。 主要内容： 结构化组织的需求， 事务表， 黑板法， 问题求解建模 新一代ES系统技术,问题求解的结构化组织,40, 表示和组合应用领域知识的最简单策略把问题求解所用的全部知识统统表示为规则。 随着要求解决的实际问题越来越复杂，规则库也越来越大； 产生式系统的缺点就显示出来： （1）难以扩展。规则具有紧密的相关性。实际上，MYC
28、IN的规则构成了推理网。随着规则数目的增加，要使新加入的规则不与原有的规则发生矛盾变得越来越困难，即随着规则库的扩展，一致性维护越加困难。 （2）选择规则的低效性。显然规则库大时，效率就低。实际上，一个推理步只涉及若干特别的规则，可以把它们构成一个规则组。 （3）不灵活的控制策略。产生式系统往往采用单一的控制策略（例如按顺序考察规则库中每一规则），而实际问题的求解常需要综合应用不同的控制技术。（7）单一的表示形式。尽管从理论上讲，产生式系统可以表示任何推理知识，但对于有结构的知识或许以语义网络和框架系统表示更为有效。,结构化组织的需求,41, 克服缺点的方法将求解复杂问题的知识划分为一组相对独
29、立的模块。 模块的划分： 面向动作以推理动作的选取为核心组织问题求解所需的知识* 面向“怎么做”知识的组织，* 医疗诊断中，知识是以症状和疾病间的关联、疾病与治疗动作间的关联等方式表示和组织的； 面向对象以概念和个体为单元组织问题求解所需的知识* 面向“是什么”知识的组织，* 建立关于疾病的分类体系和疾病症状的分类体系。,42, 事务表(Agenda) 一张应由系统执行的事务的列表，也称任务表。 面向动作的问题求解组织方式。 结构化组织 表中元素表示一个等待执行的任务，* 任务由特定的推理模块执行，* 按优先级大小排序按理由表来计算，* 每个任务附有一张理由表，记载由其它任务提出的支持或反对执
30、行该任务的理由。,事务表, 优先级最高的任务意味着它的执行最为紧迫和最有意义。 模块间通信对执行某些任务提出支持或反对理由， 模块间保持着相对的独立性。,43, 数论概念发现系统AM应用事务表的典型系统 * 任务从集合论的一些基本概念出发，发现数论新概念， - 发现大量数论新概念(对AM来讲) ：从质数到哥德巴赫猜想； * 基本概念和发现的新概念组织为一个概念网； * 概念以框架形式表示； * 启发式推理规则附加于表示基本 概念的框架，指导新概念的提出和完善.。 * 执行任务的推理模块不固定任务 执行时动态构成.,44,事务表方法总结 事务表示法可以获得大系统模块化设计的一切优点，而通过事务表
31、把有关问题求解的各种信息汇集起来，又使独立的模块能在推理过程中合作求解问题。由于事务表中每个任务对应于一个子问题，将复杂问题分解为子问题的精细程度将是一个重要的决策。问题分解太细，必然会大幅度增加事务表中排序子任务的工作量；而太粗，又不利于发挥模块化的优点。这是一个需作权衡利弊的问题。,45, 起源：70年代，口语理解系统HEARSAY。 面向动作的组织方式。 结构化组织一组知识源，信息黑板。 知识源(KSKnowledge Source)独立推理模块 触发模式以谓词公式表示： * 与黑板上的内容匹配时，产生一个激活记录； * 记载该KS的名字、触发上下文和模式中变量的约束值。,黑板法, 直接
32、码 一段Lisp代码： * 参考触发上下文和模式变量的约束值加以执行， * 将该KS有关的调度控制信息加进激活记录。 KS体规则组甚至一段任意的程序，包含求解问题所需的专门知识。 * KS激活时，KS体不立即执行而是置于一排序表；* 排序KS体 一个调度程序分配和修改每个激活记录的优先级； * 具有最高优先级的KS体下一个要执行的， - 其参考激活记录中的触发上下文和模式变量的约束值， - KS体一经执行，不能中断，直至结束。, 信息黑板所有KS可以访问的公 共数据区： 黑板的内容由解答空间(状态空间) 中的对象构成： * 这些对象可以是输入数据、部分解答和最终解答。 黑板的分划： * 记载于
33、黑板中的对象层次地划分到 不同的分析级， * 每一级均设计一组相应的KS：- 以该级对象作为输入，- 计算(推理)结果加到该级或其它级。,46, HEARSAY * 将关于口语识别的假设(可能的解答，表示为对象)分为8个等级，* 从关于声音的低级假设到关于整个句子文法分析的高级假设。,47,把知识获取视为 问题求解建模，强调。问题求解的结构化组织 在开发和维护ES系统中的核心地位。 知识库的建立：知识的获取和编辑过程+问题求解建模过程。 知识库包含的模型可以分为两大类：问题求解行为模型和领域世 界模型。 *前者描述问题求解过程的结构化组织，包括推理知识和推理控制知识*后者描述领域世界中的对象以
34、及对象间的约束关系，包括结构、功能、因果和行为模型。,问题求解建模,设计问题求解行为模型的最重要方面是概念模型 *视为描述领域专家问题求解过程的本体论 *提供基本术语和术语合成法则去描述问题求解涉及的实体、它们的属性和关系以及在求解问题中所起的作用 概念模型是描述问题求解的抽象框架，也是设计建模语言的基础 概念模型可归纳为三个主要范畴：基于表示、方法和任务的概念模型,48,1 基于表示的概念模型 直接反映与推理机关联的符号级表示，是设计符号级表示语言和 推理机制的基础，传统的ES系统及开发工具的概念模型均属于这种 类型。 弱点在于完全面向符号级建模分析，忽略了人的认识行为处于知 识级这一特点。
35、,49,2 基于方法的概念模型 面向知识级建模分析，提供预先定义的方法，使用户建模的注意 力集中在获取实现方法所需领域的特有知识，而不是规则和框架等 符号级表示结构。 提供一组基本术语去描述在特别应用领域中实现方法的有关知识,50,概念模型隐含于交互式建模语言中，用于指导用户作知识级分析。例如， ROGET就是第一个这样的知识获取工具，它提供的概念模型是把问题求解视为 一种特别形式的启发式分类(图7.18)。动作、原因、问题和证据构成描述问 题.,动作、原因、问题和证据构成描述问题求解的基本术语，图中的有向链指示了术语间的关系：数据抽象(从证据到问题)、启发式联想(从问题或证据到原因)和解答精
36、化(从原因到动作)，而这三种关系的联合就是指导知识级分析的合成法则-启发式分类方法。只要问题求解任务适合于使用启发式分类方法，这个概念模型就可以快速地指导用户建立起相应的ES系统。,51,为建立医疗诊断模型(专家系统)，可以把每一种疾病对应的观测数据作为证据，然后描述疾病或观测数据与细菌之间的启发式关联，最后指出细菌和抗菌素之间的对应关系,52,3 基于任务的概念模型 不面向通用的问题求解方法，而只面向特别种类的任务；直接刻 画任务结构而非执行任务的方法，因而可避免因用户不能正确理解 问题求解方法而产生的问题。 1. OPAL 一个包含这种概念模型的知识获取工具，用于抽象描述癌症治疗协议。 2
37、. KNACK 提供编写报告的概念模型，以指导用户去建立写特种报告的专家系统。,53,1.定性物理 研究目标在于开发基于定性演算的物理系统行为模型。这些模型描述应用领域的基本原理和关于应用领域中事物的常识（结构、功能、因果和行为）。 2.基于模型的推理 这里的模型指物理系统或抽象系统（如规则、思维）的结构、功能、因果和行为模型。基于模型的推理一个主要目的是寻找事物变化的原因和结果，所以建立因果模型是达此目的的之关键；结构、功能模型仅静态地描述系统状态，通常只作为因果模型的附加部分；行为模型则主要描述控制系统行为的各种约束关系。,新一代ES系统技术,54,3、 深、浅层推理的综合 深层知识的量往
38、往很庞大，而基于深层知识的推理步又很精细，可想而知，其推理效率是相当低下的。相比之下，浅层知识相当精炼，效率高。但具有脆弱性。所以，应综合深、浅层推理，即以浅层推理为核心和主干，并将深层推理作为补充和后盾。另外，深层推理也应在浅层推理的指导下进行。7、 功能化体系结构 为克服基于预先固定的概念模型来设计ES系统而产生的失配问题，查德雷斯卡雷（Chandrasekaran）提出了以常见任务(Generic-Task)方法去实现问题求解的功能化体系结构。这种方法要求以功能单元来构造基于知识的问题求解系统，而不是以预先固定的概念模型强加于系统。为实现智能软件的重用和加速ES系统的开发，可以将每个功能
39、单元的实现视为常见任务的例示，并为每个常见任务提供开发工具(包括知识表示语言和推理机)。,7.7.5.新一代ES系统技术,55,5、 知识级问题求解建模 欧共体ESPRIT计划资助研制的知识工程建模方法KADS和我国“863“计划资助研制的知识级问题求解建模环境KMEPS，从研究的初始就把开发对应用领域和问题求解任务的深入理解作为核心任务，成为更有潜力的知识级问题求解建模方法。由于这两者都提供了知识级建模语言去建立面向应用任务的概念模型，而不强加预先固定的概念模型，因而较好地消除了失配问题。一旦建立好知识级模型，就可手工或自动转变为符号级问题求解模型，再用符号级推理和控制机制加以执行。,新一代ES系统技术,
