专家系统

知识和推理

专家系统的基本组成部分是知识库，或KB，和an推理引擎。存储在知识库中的信息是通过采访相关领域的专家获得的。面试官，或知识工程师，将从专家那里得到的信息组织成一组规则，通常是“如果-那么”结构。这种类型的规则被称为规则生产规则。的推理引擎使专家系统能够从知识库中的规则中提取扣除。例如，如果KB包含生产规则“if”x,然后y和“如果”y,然后z，“推理机能够推断”如果x,然后z然后专家系统可能会查询它的用户“是”x在我们考虑的情况下是正确的吗?”如果答案是肯定的，系统将继续推断z．

一些专家系统使用模糊逻辑．在标准逻辑中只有两个真值，真和假。这种绝对的精确性使得模糊的属性或情况难以描述。(确切地说，头发稀疏什么时候会变成秃头?)通常人类专家使用的规则包含模糊表达式，因此专家系统的推理引擎使用模糊逻辑是有用的。

DENDRAL

1965年，人工智能研究员爱德华·费根鲍姆和遗传学家约书亚莱德博格，两者斯坦福大学，开始从事启发式DENDRAL(后简称为DENDRAL)，化学分析专家系统。例如，要分析的物质可能是复杂的复合的碳，氢,氮．从从物质中获得的光谱数据开始，DENDRAL会假设物质的分子结构。DENDRAL的表现与化学家专家擅长这一任务，并且该程序在工业上得到了应用学术界．

霉菌素

研究MYCIN，治疗专家系统血感染开始于斯坦福大学在1972年。MYCIN将尝试根据报告的症状和医学测试结果对患者进行诊断。该程序可以要求患者提供更多的信息，并建议进行额外的实验室检查，以得出可能的诊断，然后推荐一个疗程的治疗。如果要求，MYCIN将解释导致其诊断和建议的原因。使用大约500个生产规则，MYCIN的操作能力与血液感染方面的人类专家大致相同，优于全科医生。

然而，专家系统对其专业知识的局限性没有常识或理解。例如，如果MYCIN被告知一名枪伤患者正在失血而死，该程序将试图诊断出一种疾病细菌造成病人症状的原因专家系统还可以对荒谬的文书错误采取行动，例如为体重和年龄数据被意外调换的患者开了明显错误的药物剂量。

的赛克项目

CYC是一个大型实验象征性的人工智能．该项目始于1984年支持下微电子和计算机技术公司的首席执行官财团的电脑,半导体,电子产品制造商。1995年，CYC项目总监道格拉斯·莱纳特(Douglas Lenat)将该项目剥离出来，成立了Cycorp, Inc.，总部设在德克萨斯州的奥斯汀。Cycorp最雄心勃勃的目标是构建一个包含相当大比例的常识知识的知识库人类．数百万个常识性断言或规则被编码到CYC中。人们的期望是，这种“临界质量”将允许系统本身直接从普通散文中提取更多的规则，并最终作为未来几代专家系统的基础。

CYC只编译了常识KB的一小部分，就可以绘图推论这将击败更简单的系统。例如，CYC可以从“加西亚正在完成马拉松跑”的语句中推断出“加西亚是湿的”，通过使用它的规则来跑步马拉松需要高强度的运动，人们在高强度的运动中出汗，当某物出汗时，它是湿的。其余悬而未决的问题包括搜索和问题解决方面的问题——例如，如何自动搜索知识库以查找与给定问题相关的信息。人工智能研究人员将在现实时间内更新、搜索和以其他方式操作大型符号结构的问题称为框架问题。一些符号人工智能的批评者认为，框架问题在很大程度上是无法解决的，因此坚持认为，符号方法永远不会产生真正的智能系统。以CYC为例，有可能会这样做屈服要解决框架问题，系统才能达到人类的知识水平。