人工智能专家系统:什么是、特征、应用和优势
已发表: 2021-02-04目录
什么是专家系统?
在人工智能 (AI) 中,专家系统是基于计算机的决策系统。 它旨在解决复杂的问题。 为此,它应用知识和逻辑推理并遵守某些规则。 专家系统是最早成功的人工智能形式之一。
人工智能专家系统的特点
以下是人工智能专家系统的重要特征:
- 最高水平的专业知识:人工智能专家系统提供最高水平的专业知识以及效率和准确性。
- 反应时间:人工智能专家系统的反应时间非常短。 解决同样复杂的问题所需的时间比人类专家要少。
- 可靠:人工智能专家系统可靠且无错误。
- 灵活:人工智能专家系统可以灵活地解决不同的问题。
- 有效:人工智能专家系统具有强大的机制来解决复杂问题并随后对其进行管理。
- 能力:人工智能专家系统可以处理复杂的问题并按时提供解决方案。
从世界顶级大学在线学习机器学习。 获得硕士、Executive PGP 或高级证书课程以加快您的职业生涯。
人工智能组件专家系统
AI中的专家系统具有以下组件:
- 用户界面——它是专家系统软件最重要的部分。 用户界面将用户的查询传输到推理引擎。 然后它将结果显示给用户。 它充当专家系统和用户之间的双向通信器。
- 推理引擎——推理引擎是专家系统的中央处理单元。 推理引擎根据规则和法规工作以解决复杂问题。 它使用来自知识库的信息。 它巧妙地选择事实数据和规则,并处理和应用它们来回答用户的查询。 它还对知识库中的数据进行了适当的推理。 这有助于检测和推断复杂问题并防止再次发生。 最后,推理机得出结论。
推理引擎有以下策略:
- 前向链接——回答“未来会发生什么?”的问题。
- 反向链接——回答“为什么会发生这种情况?”这个问题。
- 知识库——知识库是信息中心。 它包含有关问题域的所有信息。 它就像一个从各种专家那里收集的大型信息库。
知识库组件

事实和启发式知识存储在知识库中。
- Factual Knowledge - 与知识工程师有关的信息。
- 启发式知识 - 评估和猜测的能力。
专家系统中使用的其他关键术语
除了上面列出的专家系统组件,以下术语在讨论专家系统时也被广泛使用。
- 事实和规则——事实是一小部分重要的知识。 事实的用途有限。 专家系统选择规则来解决问题。
- 知识获取——知识获取是指专家系统用于提取特定领域信息的方法。 该过程首先从人类专家那里获取知识,将人类知识转化为事实和规则,最后将这些规则输入知识库。
人工智能专家系统开发的参与者
以下是属于专家系统的关键人群
- 领域专家——获得技能和知识以开发知识库的一个人或一群人。
- 知识工程师——使用获得的知识并将其与专家计算机系统集成的技术人员。
- 最终用户——使用专家系统获取领域专家未提供的建议的个人或团体。
构建人工智能专家系统
按照以下步骤构建人工智能专家系统
- 确定或破译问题的特征。
- 知识工程师和领域专家合作定义或破译问题。
- 知识工程师在定义问题后,将其翻译成可理解的计算机语言知识。 知识工程师设计推理引擎,在被调用时使用知识来协助。
- 知识专家还将未知知识在推理过程中的使用与解释相结合。
人工智能专家系统技术
专家系统包括以下技术:
- 专家系统开发环境- 它包括工作站和小型计算机等硬件。
- 高级符号编程语言,如 PROgrammation en LOGique (PROLOG) 和 LISt Programming (LISP)。
- 大型数据库。
- 工具- 减少工作量并且具有成本效益。
- Shells - 没有知识库的专家系统。
传统系统与专家系统
下表描述了传统系统和专家系统之间的差异。

常规系统 | 专业系统 |
结合处理和知识单元。 | 处理机制和知识数据库是独立的实体。 |
程序很少出错(只有编程错误)。 | 专家系统确实会出错。 |
系统仅在准备就绪时运行。 | 专家系统不断优化并以次要规则启动。 |
程序执行按照固定算法进行。 | 执行是按逻辑进行的。 |
需要完整的数据。 | 它适用于完整或更少的数据。 |
人类专家与专家系统
下表描述了人类专家和人工智能之间的区别。
人类专家 | 人工智能 |
用尽 | 永恒的 |
难以转移 | 可转让 |
难以记录 | 易于记录 |
不可预测的 | 持续的 |
昂贵的 | 具有成本效益的系统 |
人工智能专家系统的好处
以下是专家系统的好处:

- 提高决策质量。
- 具有成本效益,因为它减少了解决问题时咨询人类专家的费用。
- 为特定领域中的复杂问题提供快速而强大的解决方案。
- 它收集稀缺的知识并有效地使用它。
- 在为重复性问题提供答案时提供一致性。
- 保持大量信息。
- 提供快速准确的答案。
- 为决策提供适当的解释。
- 解决复杂和具有挑战性的问题。
- 工作稳定不疲劳。
人工智能专家系统的局限性
以下是专家系统的局限性:
- 在特殊情况下无法做出决定。
- Garbage-in Garbage-out (GIGO),如果知识库出现错误,我们必然会做出错误的决定。
- 维护成本更高。
- 每个问题都是不同的,专家系统在解决各种问题时存在一些局限性。 在这种情况下,人类专家更有创造力。
专家系统在人工智能中的应用
以下是专家系统的一些应用:
- MYCIN:它可以识别引起急性感染的各种细菌。 建议根据患者体重用药。
- DENDRAL:这是一个使用化学分析预测分子结构的专家系统。
- PXDES:它预测肺癌的阶段和类型
- CaDet:早期识别癌症
- 信息管理
- 医院和医疗设施
- 帮助台管理
- 员工绩效评估
- 贷款分析
- 病毒检测
- 维护和维修项目
- 仓库优化
- 计划和调度
- 制造对象的配置
- 协助财务决策
- 过程监控
- 监督工厂操作和控制器
- 股市交易
- 航班时刻表和货运时刻表
结论
专家系统是任何基于计算机的决策系统,它具有交互性和可靠性,可以解决复杂问题。 专家系统用于人力资源、股票市场等应用。 专家系统的主要好处是更好的决策质量、成本降低、一致性、速度和可靠性。 专家系统不给出开箱即用的解决方案,维护成本高。
upGrad 是高等教育的在线门户。 它设计并提供与行业相关的程序。
如果您有热情并想了解更多关于人工智能的信息,您可以参加IIIT-B 和 upGrad 的机器学习和深度学习 PG 文凭,该文凭提供 400 多个小时的学习、实践课程、工作帮助等等。
人工智能专家系统的重要特征是什么?
人工智能专家系统提供最高水平的能力,以及效率和准确性。 人工智能专家系统的反应时间非常快。 与人类专家相比,解决复杂问题所需的时间更少。 人工智能专家系统可靠且无错误。 人工智能专家系统适用于各种问题。 在人工智能中,专家系统提供了一种强大的机制来解决复杂的问题并对其进行管理。 人工智能专家系统可以处理难题并提供及时的解决方案。
如何构建人工智能专家系统?
确定或理解问题的特征。 为了描述或破译问题,知识工程师和领域专家互动。 识别问题后,知识工程师将其转化为可理解的计算机语言知识。 知识工程师创建推理引擎,在需要时使用知识。 知识专家还对在推理过程中使用未识别数据进行了解释。
人工智能专家系统的局限性是什么?
他们无法在不寻常的情况下做出决定。 Garbage-in,garbage-out(GIGO)意味着如果知识库出现错误,我们将做出错误的决定。 保养费用较高。 专家系统在处理各种问题时有几个限制,因为每个问题都是独一无二的。 在这些情况下,人类专家更具创新性。