專家系統，應用與未來趨勢

1. 專家系統，應用與未來趨勢 交通大學 資訊管理研究所 陳　安　斌

2. Agenda • 傳統程式與人工智慧（ＡＩ）系統的分界 • 專家系統的形成 • 專家系統的討論ａ．推理機械ｂ．知識表現ｃ．應用實列ｄ．困難所在ｅ．未來趨勢 • 結論與討論

3. 前言 • 『專家系統為一種電腦系統，利用推論或推理的程序（Inference or Reasoning process）來解決以往由專家解決的問題；一個專家系統乃是將專家的知識予以萃取，在特定的問題領域指導較無經驗的人。』

4. 前言(續1) 在人工智慧的領域，自從shortliffe 成功的運用專家系詮釋了血液疾病的醫療診系統後，逐漸顯出其重要性。因此，各家學者開始對專家系統作不同見解的定義。有的學者強調此系統為一特殊問題解決程式．，其望在特殊的問題領域能夠達到很好的績效；有的強調於在模擬專家行為上，要使機器能達到人類般的能力，如看、聽、想的能力；也有的學者看重處理的問題層面，認專家系統用來對半結構化及非結構化任務提供指導；還有些學者將決策者的知識含入專家系統中，用以演譯出真實世界的知識或資料。

5. 前言(續2) 它也可以經由人類經驗的輸送而學得對非數學領域知識的判斷能力。言一個轉變重重的影響了類在管理及決策上的分析過程。由於過去人類己經習慣於對知識的二分法：數字性及文字性的知識兩種。更主觀的認定很非數字性的人類經驗〈或稱智慧〉只有靠人類的頭腦才得以學習。而今日由於MYCIN透過符號語言之助，成功的將人類對於血液疾病的經驗傳送於電腦，電腦也可以學習人類經驗。換句話說像管理及決策分析等須依賴大量人類經驗的知識，電腦也顯然地能部份甚或全部代替人類來學習並執行。

6. 專家系統與人工智慧之歷史發展與難題 認知心理學 正規 邏輯 新觀念工作分析及組織設計 符號計算系統 自然語 言處理 智慧型設備 串列處理語言 小型系統 智慧型工作站 • 人工智慧的應用 機器人 大型專業系統 智慧型教學系統 專家系統 大型混合系統 增強程作環境 專家系統 建立工具 交談式計算 微電子學發展 超大型混合系統 電腦發展 第五代電腦 1940 1970 1975 1980 1985 1990

7. 專家系統之展望：「智慧型系統」 • 知識庫的學習：利用類神經網路 • 結合Fuzzy以完成非明確性事實之推理 • 全面性物件導向系統之引入

8. MACHINE LEARNING BARRIER • DOMAIN OF FUTURE TECHNIOUES • ．Problems requiring massing of knowledge • ．Problems requiring that the system learn from experience and m its knowledge DOMAIN OF CURRENT KNOWLEDGE PARALLEL ENGINEERING TECHNIQUES ．Exhaustive search impossible ．Systems require knowledge obtained from human experts • CONVENTIONAL • PROGRAMMING • TECHNIQUES • ．Algorithms • ．Exhaustive • ．Well structured problems ．III structured problems PROCESSING ．Heuristics necessary BARRIER Problem domain of existing knowledge engineering techniques 1998 1992 1984 1946 1984 1992 1998

9. The Different Emphases of Conventional and Symbolic Programming

10. Two major trends in AI applications LARGE EXPERT SYSTEMS SMALL KNOWLEDGE SYSTEMS Programs that cannot be easily built Program that can be built Using conventional by users rather than programmers AI TECHNIQUES

11. (續) Figure 1.4 the two waves of expert systems. The first wave will grow until at least 1986 and then level off. The second, much larger wave will not peak until the early 1990s and will have a much larger impact on business and industry when it arrives。

12. 處理數據　　　　 演算法計算　　　 重複性過程　　　 數據庫　　　　　 特定性　　　　　 步驟形式　　　　 完整輸入　　　　 受限制性　　　　 控制與知識交織　 處理知識 啟示式推理 推理性過程 知識庫 不定性 宣告形式 部份資訊 具彈性 控制與知識分離 專家系統與傳統程式之比較

13. (續)

14. PROCEDURAL DESCRIPTIVE Algorithm Heuristic Customer presents check For cash NO Is check drawn on your back? Does payee have account with your bank? • IF check complete and payee known and funds covered. • Tech cash check • IF correctly dated and signed by originator and amounts match and payee identified and check endorsed by payee. Then check is complete • IF date on check is today’s date or a date from 1to 90 days prior to today’s date. • Then dated correctly YES NO YES • Is check completely • filled out, signed and endorsed? NO Decline Signature NO YES Return for signature Does payee have ID? NO YES Decline Using terminal is Balance => Check-originator or payee NO Cash check The stress between procedural and descriptive perspectives

15. 知識獲取與知識工程 語言與工具範圍 發展專家系統工具之軟體水準 每天的問題 問題範圍 問題範圍 可觀察之行為 專家知識與經驗 ６．知識系統　　　　ＭＹＣＩＮ．．． ５.工具 EMYCIN,S1,M1, TIMM, INSIGHT 4.環境 OPS5,KEE,LOOPS,ART 3.高層語言 FORTRAN,PASCAL

16. 發展專家系統工具之軟體水準(續) 2.作業系統 PROLOG, LISP, UNIX, MS-DOS, TOPS-20 1.機器語言 電腦硬體

17. E X P E R TS Y S T E M

18. Basic Concept of an Expert System Function USER Knowledge-Base Inference Engine

19. The players in the expert system game Tool builder Domain expert Extends and test Builds Interviews EXPERT SYSTEM BUILDING TOOL Knowledge engineer EXPERT SYSTEM End-user Builds, Refines, And tests Addsdata Uses Clerical Staff

20. 專家系統架構圖 使用者 使用者介面 推　理　機 （前向推理、後向推理、混合推理） 知識庫 邏輯 規則 框架 解說系統 目的 依據 知識擷取系統 自行學習 專家建構 知識工程師的轉換

21. Convergence Of Three Important Factors To Create The Modem Rule-based Expert System Separation of Knowledge and Inference Engine The Shell Production Rules To Model Human Problem Solving Knowledge As the Key To Expertise EXPERT SYSTEMS

22. (續) INFREENCE ENGING KNOWLEDGE BASE (RULES) WORKING MEMORY (FACTS) AGENDA EXPLANATION FACILITY KNOWLEDGE ACQUISITION FACILITY USER INTERFACE

23. 專家系統之架構 知識庫 事實性知識 經驗性知識 後設知識 知識獲 取設備 專家成知識工程師 推 理 機 控制 推論 使用者界面 認定資料與事實 建議與解釋 使用者

24. 專家系統的推理方式 • 推理空問的控制常見的有對狀態空間的控制(包括目標導向(Goal driven，如prolog的方式)及資料導向（Data driven）兩種)，逐漸限制法（propagation of constraints，數學上的反證法便是一例）及問題解析法（problem reduction，將問題予以分解或變形成可解決的小問題）等。使用那種推理空間的控制和推理問題本身有著極大的關連性。

25. 專家系統的推理方式(續) • 推理路徑的控制也可以說是推理路徑的搜尋方式。可以分為深度優先（depth first）、廣度優先（Breadth first）、低成本優先（Leasth-cost-first），高價值優先(High-value-first　也是相同)及啟發式搜尋法（Heuristic Search）。大致來說，這些搜尋策略大多用在問題空間的控制用狀態空間的方式比較常用。

26. 專家系統的推理方式(續) • 推理鍊結的控制所謂推理鍊結的意思是如何將所知的事實和未知的問題解答作一全理的推理連結。一般常用的推理鍊結法有前式鍊結法（Forward chaining）及後推式鍊結法（Backward chaining）。

27. 專家系統概述(續) ５．推理方法 • 前向推理（data-driven） • 混合推理（mixed reasoning） • 後向推理（goal-driven）

28. Rule 001 If (1) Oreanism-1 present (2) (3) Then Patient has infection WORKING MEMORY Patient-1 Age: 34 Sex: Male Rule 025: If (1) Lab tests are positive Or (2) Then Organism-1 is present Rule 352: If (1) Then Lab tests are positive INFERENCE ENGINE Consultation subsystem Knowledge acquisition subsystem User Dynamic information is stored in working memory as MYCIN conducts a consultation.

29. Structure of an expert system tool USER INTERFACE ORGANIZING KNOWLEDGE INFERENCE METHOD SEARCH METHOD MOUSE FRAMES FORWARD CHAINING Depth-first MENUS RULES Breadth- first WINDOWS BACKWARD CHAINING LOGIC AND FACTS GRAPHICS

30. The steps in the process of developing an expert system. BEGIN PREFORM THE KNOVLEDGE ENGINEERING IDENTIFY THEPROBLEM AND NEED DESIGN THE SYSTEM DETERMINE THE SUITABILITY OF THE PROBLEM COMPLETE THE DEVELOPMENT CONSIDER THE ALTERNATIVES TEST AND DEBUG THE SYSTEM COMPUTE THE ROI MAINTAIN THE SYSTEM SELECT A DEVELOPMENT TOOL END

31. (續) USER INTERFACE ORGANIZING KNOWLEDGE INFERENCE METHOD SEACH METHOD

32. (續) Mouse Semantic Knowledge Islands Depth-first Frames Forward Inference Breadth- First Menus Rules Backward Inference Leasth-Cost First Windows Logic and Facts High-value First User Query Graphics Object Heuristic Search Inheritance

33. A A A E E E H H H G G G C C C F B B B D D A E H G C F B D Z (續) execute execute match match match execute F&B Z C&D F A D F&B Z C&D F A D F&B Z C&D F A D RULE RULE RULE

34. (續) The rules in this example use letters to stand for situations or concepts F&B Z Means IF both situation F And situation B exist THEN Situation Z also exists

35. E E E A A A H H H G G G C C C B B B (續) Z not here Need to Want Get f Get b Here F not here Need to Want Get C Get D Here Z F C here Want C F&B Z C&D F A D F&B Z C&D F A D F&B Z C&D F A D

36. E E E A A A H H H G G G D not here Need to Want Get A Here C C C F&B Z C&D F A D F&B Z C&D F A D F&B Z C&D F A D B B B (續) A here Want A have A Execute

37. E E E A A A H G H C G H G F B C C B D F B D D Z (續) Have C Have F Execute Have Z Execute Have D Have B F&B Z C&D F A D F&B Z C&D F A D F&B Z C&D F A D

38. (續) 專家系統 專家 知識工程師 推理機 (解決問題之知識) 知識庫 (範圍內之知識) 專家 智慧編纂程式 資料 歸納程式 書刊 書刊領會程式

39. 獲得知識之模式 資料(Data) (資料記憶體) 規則(Rule) (產出記憶體) ) 推理機 (控制與推論) 配對(Match)(抵觸集合) 選擇(Select) 執行(Execute) (改變)

40. 專家系統的知識表示法 對於理想的知識表示法的要求，Waterman認為，可以用二個角度來看：1.不扭曲、不影響原知識的意義。2.易發揮多方面的功能。3.易存取、維護。故其也可以說是對知識表示所要求的一種真、善、美的考慮方向。一方面要考慮到必須能表達出足夠家知識，也要能夠表達出這些知識之間的關聯性；一方面要能表達宣告性的知識，也要能表達程序性的知識；一方面要能考慮到使知識運用到許多的功能，也要盡量接近人類對知識的分類整理方式。

41. (續) Fido is a dog (ISA FIDO DOG) FACTS FACTS All dogs have fleas (IF (ISA∞DOG) THEN (HAS∞FLEAS)) RULES HAS ISA DOG SEMANTIC NETWORKS FLEA FIDO LOGICAL FORMULAE X: ISA (DOG, X)=> HAS (FLEAS, X) DOG; Typical Instance: FIDO ISA: HAS: (DOG FLEAS) FRAMES

42. STRAEGIES FOR REPRESENTING KNOWLEDGE • Semantic networks • Object-attribute-value triplets • Rules • Frames • Logical expressions

43. Structure of a semantic net NODE 1 NODE 2 NODE 3 NODE 4 NODE 5 NODE 6 NODE 7

44. A simple semantic net for the concept of a ship SHIP isa has-part isa has-part OCEAN LINER OIL TANKER ENGINE HULL has-part isa isa has-part SWIMMING POOL QUEEN MARY LIVERPOOL BOILER

45. 語意網路　Semantic Networks 這也是一個發展歷史相當久遠的一種知識表示法，當初發展的用意是來模擬人類關聯性記憶的表示法，結果後來發展的許多表示法都深受其影響。語意網路表示法的優點是能表示出不同對象之間的相關性；具有階層表示的能力，因此對性質的傳承、知識抽象化都有相當好的表示；因其強調點在不同對象間的相關性，所以它的彈性很大。但也因為它在彈性上的優點，導玫它的表示法結構不夠嚴謹，維護起來相當吃力，而且一些較程序性的知識就較難以表示了。

46. 連線關係的標準型態

47. 知識表示之階層 ISA 生物 ISA 動物 植物 ISA ISA ISA 寵物 家畜 樹 矮樹叢 ISA ISA ISA ISA 狗 橡樹 貓 ISA 馬 ISA 牧羊犬 杜賓狗

48. ISA 階層結構實例 ISPART ISPART 狗 ISPART 頭 身體 肢體 尾巴 ISPART ISPART ISPART ISPART 耳柔 鼻子 嘴 腿 爪 眼睛

49. Simple example of a semantic network MAN-MADE OBJECT SHUTTLE SPACECRAFT NASA BOOSTER ROCKETS JACK LOUSMA ASTRONAUT

50. 交通工具之語意網路圖 Gasoline People Horse uses uses uses uses uses uses uses plane car tricar Motor-cycle Bicycle tilbury tricycle has has has can has has Four tires Three tires Two tires fly