人工智能原理及应用.pptx

Click to edit Master title style,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,*,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,*,*,人工智能原理及应用,制作小组组员：张恒维 许荣泽 乌龟侠 刘寒静,人工智能原理及应用,第1页,目录,一.教授系统介绍,1.什么是教授系统,2.教授系统发展历程,3.教授系统结构及工作过程,二.基于规则教授系统,1.基于规则教授系统基本特征,2.前向链接和后向链接推理技术,3.冲突消解,三.规则教授系统有点和缺点,四.实例展示,人工智能原理及应用,第2页,一.教授系统介绍,1.什么是教授系统,教授系统是人工智能中最主要也是最活跃一个应用领域，它实现了人工智能从理论研究走向实际应用、从普通推理策略探讨转向利用专门知识重大突破。教授系统是早期人工智能一个主要分支，它能够看作是一类含有专门知识和经验计算机智能程序系统，普通采取人工智能中知识表示和知识推理技术来模拟通常由领域教授才能处理复杂问题。,人工智能原理及应用,第3页,2.教授系统发展历程,20世纪60年代初，出现了利用逻辑学和模拟心理活动一些通用问题求解程序，它们能够证实定理和进行逻辑推理。不过这些通用方法无法处理大实际问题，极难把实际问题改造成适合于计算机处理形式，而且对于解题所需巨大搜索空间也难于处理。1965年，f.a.,费根鲍姆,等人在总结通用问题求解系统成功与失败经验基础上，,结合化学领域专门知识，研制了世界上第一个教授系统dendral，能够推断化学分子结构。,20多年来，知识工程研究，教授系统理论和技术不停发展，应用渗透到几乎各个领域，包含化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等众多领域，开发了几千个教授系统，其中不少在功效上已到达，甚至超出同领域中人类教授水平，并在实际应用中产生了巨大经济效益。,人工智能原理及应用,第4页,教授系统发展阶段,教授系统发展已经历了3个阶段，正向第四代过渡和发展。,第一代教授系统（dendral、macsyma等）以高度专业化、求解专门问题能力强为特点。但在体系结构完整性、可移植性、系统透明性和灵活性等方面存在缺点，求解问题能力弱。,第二代教授系统（mycin、casnet、prospector、hearsay等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改进，而且在系统人机接口、解释机制、知识获取技术、不确定推理技术、增强教授系统知识表示和推理方法启发性、通用性等方面都有所改进。,人工智能原理及应用,第5页,教授系统发展阶段,第三代教授系统属多学科综合型系统，采取各种人工智能语言，综合采取各种知识表示方法和各种推理机制及控制策略，并开始利用各种知识工程语言、骨架系统及教授系统开发工具和环境来研制大型综合教授系统。,第四代教授系统是在,在总结前三代教授系统设计方法和实现技术基础上，已开始采取大型多教授协作系统、各种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、教授系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现含有多知识库、多主体,教授系统。,人工智能原理及应用,第6页,3.教授系统结构及工作过程,结构,教授系统通常由人机交互界面、知识库、推理机、解释器、综合数据库、知识获取等6个部分组成。其中尤以知识库与推理机相互分离而别具特色。教授系统体系结构随教授系统类型、功效和规模不一样，而有所差异。,人工智能原理及应用,第7页,3.教授系统结构及工作过程,为了使计算机能利用教授领域知识，必须要采取一定方式表示知识。当前惯用知识表示方式有产生式规则、语义网络、框架、状态空间、逻辑模式、脚本、过程、面向对象等。基于规则产生式系统是当前实现知识利用最基本方法。产生式系统由综合数据库、知识库和推理机3个主要部分组成，综合数据库包含求解问题世界范围内事实和断言。知识库包含全部用“假如：前提，于是：结果”形式表示知识规则。推理机（又称规则解释器）任务是利用控制策略找到能够应用规则。,人工智能原理及应用,第8页,3.教授系统结构及工作过程,知识库,知识库用来存放教授提供知识。教授系统问题求解过程是经过知识库中知识来模拟教授思维方式，所以，知识库是教授系统质量是否优越关键所在，即知识库中知识质量和数量决定着教授系统质量水平。普通来说，教授系统中知识库与教授系统程序是相互独立，用户能够经过改变、完善知识库中知识内容来提升教授系统性能。,人工智能原理及应用,第9页,3.教授系统结构及工作过程,推理机,推理机针对当前问题条件或已知信息，重复匹配知识库中规则，取得新结论，以得到问题求解结果。在这里，推理方式能够有正向和反向推理两种。,人工智能原理及应用,第10页,3.教授系统结构及工作过程,其它部分,人机界面是系统与用户进行交流时界面。经过该界面，用户输入基本信息、回答系统提出相关问题，并输出推理结果及相关解释等。,综合数据库专门用于存放推理过程中所需原始数据、中间结果和最终止论，往往是作为暂时存放区。解释器能够依据用户提问，对结论、求解过程做出说明，因而使教授系统更含有些人情味。,知识获取是教授系统知识库是否优越关键，也是教授系统设计“瓶颈”问题，经过知识获取，能够扩充和修改知识库中内容，也能够实现自动学习功效。,人工智能原理及应用,第11页,3.教授系统结构及工作过程,工作过程,教授系统基本工作流程是，用户经过人机界面回答系统提问，推理机将用户输入信息与知识库中各个规则条件进行匹配，并把被匹配规则结论存放到综合数据库中。最终，教授系统将得出最终止论展现给用户。,人工智能原理及应用,第12页,二.基于规则教授系统,1.基于规则教授系统基本特征,在20世纪70年代早期，来自卡内基-梅隆大学Newell和Simon提出了产生式系统模型，为当代基于规则教授系统奠定了基础（Newell and Simon，1972）。产生式模型思绪是，对于一个用相关信息表示了指定问题，人类利用知识（用产生式规则表示）能够处理。产生式规则存放在长久存放器中，问题相关信息或事实存放在短期存放器中。图2.2是产生式系统模型和基于规则教授系统基本结构。,人工智能原理及应用,第13页,二.基于规则教授系统,人工智能原理及应用,第14页,二.基于规则教授系统,基于规则教授系统由5个部分组成：知识库、数据库、推理引擎、解释设备和用户界面。,知识库包含处理问题相关领域知识。在基于规则教授系统中，知识用一组规则来表示。每一条规则表示一个关系、提议、指示、策略或启发式方法，含有IF（条件）THEN（行为）结构。当规则条件被满足时，触发规则，继而执行行为。,数据库包含一组事实，用于匹配存放在知识库中IF（条件）部分。,推理引擎执行推理，教授系统由此找到处理方案。推理引擎链接知识库中规则和数据库中事实。31,用户使用解释设备查看教授系统怎样得出处理方案过程，以及为何需要特定事实。教授系统必须能够解释推理并证实所给提议、分析或结论。,用户界面是实现用户（查问询题处理方案）和教授系统之间交流路径，这一路径必须有实际意义并尽可能地友好。,这5个部分对于任何基于规则教授系统来说都是不可或缺，它们共同组成了教授系统关键，除此之外也会有其它附加组件。,人工智能原理及应用,第15页,二.基于规则教授系统,外部接口允许教授系统融合外部数据文件和以惯用语言编写程序,，,开发者接口普通包含知识库编辑器、调试工具，以及输入/输出设备,。,任何教授系统框架都会提供简单文本编辑器，用于输入和调整规则、检验格式和拼写。许多教授系统也包含统计设备，用于监测32知识工程师或教授所做修改。假如规则被改动，编辑器将自动存放改动日期和做改动人，方便后面参考。当有多个知识工程师和教授都有权进入知识库并做修改时，统计设备尤其主要。,人工智能原理及应用,第16页,二.基于规则教授系统,调试工具普通包含跟踪设备和断点包。跟踪设备提供程序执行过程中被触发规则列表。使用断点包则能提前告诉系统哪里该中止，以备知识工程师或教授即时查看数据库中当前值。,多数教授系统还提供输入/输出设备，比如运行时知识获取器，方便运行中教授系统获取数据库之外必需信息。当知识工程师或教授输入所需信息后，系统接着往下运行。,总之，开发者接口、知识获取设备使得领域教授能够直接将知识输入教授系统，以降低打搅知识工程师次数。,人工智能原理及应用,第17页,二.基于规则教授系统,基于规则教授系统完整结构,人工智能原理及应用,第18页,2.前向链接和后向链接推理技术,假设数据库最初包含5个事实：A、B、C、D和E，知识库最初包含3条规则：,人工智能原理及应用,第19页,2.前向链接和后向链接推理技术,教授系统能够用推理链来解释怎样得出结论，这是解释设备必要部分,推理引擎要决定何时激活哪条规则。选择规则时，有两个主要方法：前向链接和后向链接,人工智能原理及应用,第20页,2.前向链接和后向链接推理技术,我们先将规则重写为以下形式：,再添加两条规则：,人工智能原理及应用,第21页,2.前向链接和后向链接推理技术,从已知数据开始展开推理。每一次只执行顶端一条规则。当有规则被触发时，就有新事实加入数据库。任何规则只能被执行一次。当没有规则可触发时，匹配-触发循环终止。,人工智能原理及应用,第22页,2.前向链接和后向链接推理技术,前向链接是搜集信息并推出信息技术。不过，在前向链接中，许多被触发规则可能与问题目标无关。在上面例子中，目标是推出事实Z。我们仅有5条规则，其中4条规则被触发。规则4CL虽与事实Z无关，也一样被触发了。一个真正基于规则教授系统可能有成百上千条规则，许多规则被触发后即使能推出有效新事实，但可能与目标无关。所以，假如只需推出一个特定事实，前向链接推导技术或许效率很低。,这种情况下，后向链接技术就比较适当,人工智能原理及应用,第23页,2.前向链接和后向链接推理技术,后向链接推理技术,后向链接是目标驱动推理技术。在后向链接中，教授系统有目标（一个假设答案），推理引擎任务是找出证实目标论据。首先，在知识库中搜寻含有目标规则，即THEN部分包含目标规则。假如找到这种规则，在数据库中也有匹配事实，就触发规则并证实目标。不过这种情况极少见。所以，推理引擎就暂不考虑这类规则（将规则压栈），要建立新目标，即子目标，以证实压栈规则IF部分。,人工智能原理及应用,第24页,2.前向链接和后向链接推理技术,人工智能原理及应用,第25页,2.前向链接和后向链接推理技术,现在来对比,前向链接,和,后向链接,。能够看出，前向链接中触发了4条规则，而后向链接中只触发了3条规则。这个简单例子说明了当需要证实一个特定事实时（例子中是Z），后向链接更为有效。前向链接中，在推理过程开始前就确定了数据，不需用户额外输入。在后向链接中，确立目标后，只需要那些支持推理数据，有时也需要用户输入一些数据库中没有事实。,人工智能原理及应用,第26页,2.前向链接和后向链接推理技术,在第1个周期，推理引擎尝试推出事实Z。经过查找知识库来寻找THEN部分包含事实Z规则。推理引擎找到了规则1Y&DZ，将它压栈。规则1IF部分包含事实Y和D，所以下面是确立事实Y和D。,在第2个周期，推理引擎安装子目标：事实Y，并试图确立它。经过检验知识库，发觉其中没有事实Y。所以需要寻找THEN部分包含事实Y规则。推理引擎发觉规则2X&B&EY满足条件，将它压栈。规则2IF部分包含事实X、B和E，接下来一样需要建立这些事实。,在第3个周期，推理引擎安装新子目标：证实事实X。推理引擎经过查找数据库，发觉不包含X，就去查找能推出X规则。找到了规则3AX，将它压栈。接下来需要证实事实A。,在第4个周期，推理引擎发觉A在数据库中。规则3AX被触发，推出了新事实X。,在第5个周期，推理引擎要证实子目标Y，再次试图执行规则2X&B&EY。因为事实X、B和E都在数据库中，规则2被触发，推出了新事实Y，将Y加入数据库。,在第6个周期，系统转向规则1Y&DZ，尝试证实初始目标Z。因为规则1IF部分与数据库中事实相匹配，规则1被执行，初始目标得以证实。,人工智能原理及应用,第27页,3.冲突消解,这是个冲突规则,人工智能原理及应用,第28页,3.冲突消解,当目标实现后不再触发规则。在过马路例子中，目标是为语言对象“action”确立值。当教授系统为“action”赋值后，目标实现，系统终止。所以，当交通灯变红时，触发规则2，“action”值是“stop”，至此系统终止。在这个例子中，教授系统结论是正确。但假如调换两个规则，结论就错了。这说明知识库中规则次序依然至关主要。,人工智能原理及应用,第29页,3.冲突消解,触发优先权最高规则。在简单应用场景中，合理地排列知识库中规则就确定了优先权。这种策略普通适于规则数在100条左右系统。但在一些应用中，必须按照主要程度处理数据。,激发最详细规则。这个方法也称为最长匹配策略，其依据假设是详细规则比普通规则处理更多信息。,人工智能原理及应用,第30页,三.基于规则教授系统,3.基于规则教授系统优缺点,优点：,1.,自然语言表示。,教授通常会使用这么表示来解释处理问题 过程：“在什么什么情况下，我怎样怎样做。”这么表示能够被很自然地表示为IFTHEN产生式规则。,2.,统一结构。,产生式规则含有统一IFTHEN结构。每一条规则都是一个独立知识。产生式规则语法使得规则含有自释性。,3.,知识与处理相分离。,基于规则教授系统结构为知识库和推理引擎提供了有效分离机制。所以，能够使用同一个教授系统框架开发不一样应用，系统本身也轻易扩展。在不干扰控制结构同时经过添加一些规则，还能使系统更聪明。,人工智能原理及应用,第31页,三.基于规则教授系统,4.处理不完整、不确定知识。大多数基于规则教授系统都能表示和推理不完整、不确定知识。,比如：,这条规则就表示了下面这条句子不确定性。,“假如是秋季，看似在下毛毛雨，那么今天可能又很潮湿。”,这条规则用数值表示不确定性，称为确信因子cf 0.1。教授系统使用确信因子来确立规则结论可信度或者可信水平。这些特征使得教授系统在现实问题知识表示上非常适用。,人工智能原理及应用,第32页,三.基于规则教授系统,缺点：,1.,规则之间关系不透明。,尽管单条规则都比较简单，也是自释性，大量规则间逻辑关系却可能不透明。在基于规则系统中，难以观察单条规则怎样对整个策略起作用，原因在于基于规则教授系统缺乏分层知识表示。,2.,低效搜索策略。,推理引擎在每个周期中搜索全部规则。当规则很多时（多于100条规则），系统速度会很慢。基于规则大型系统可能就不适合用于实时应用。,3.,没有学习能力。,普通基于规则教授系统都不具备从经验中学习能力。人类教授知道何时打破规则，而教授系统并不能自动修改知识库，比如调整规则、添加规则。修改和维护系统任务依然由知识工程师来做。,人工智能原理及应用,第33页,四.实例展示,MYCIN是一个基于规则系统，此系统是由斯坦福大学在七十年代中后期研制成。能够经过此系统和医生一段对话来看，这段对话详细说明了大部分基于规则系统会话特征，并提供了一个单一示例。,人工智能原理及应用,第34页,四.实例展示,1.患者姓名：*,2.年纪：24,3.性别：男,4.种族：.,5.最近*有没有连续头疼症状或其它神经系统异常症状，如晕眩，嗜睡，等等?,省略若干问题.,32.你是否知道*最近cbc结果？,*：知道,33请把CBC结果输入下表中,人工智能原理及应用,第35页,四.实例展示,（能够接收“不知道”作为正当值。无须对全部回答给出完全乃至正确数据。）,35.脑膜炎是否在医院中感染？,*为何（用户问询“为何”是想要了解MYCIN所沿推理路线解释。程序首先把问询分解成一些短语，然后显示正设法建立其前提规则）,人工智能原理及应用,第36页,四.实例展示,有证据证实，可能引发感染病原菌是大肠杆菌（.75）凝固酶阳性金色葡萄球菌（.3）绿脓杆菌（.3）肺炎杆菌（.5）【在每个结论后圆括号中数，表示结论主要程度。】,*：“为何“(此刻，用户问询上面规则中短语是”怎样“被确定附加说名。MYCIN系统给出规则编号，用这些编号来得出结论并打印所问询规则),规则 可信度,规则148 （.19）,规则500 （.51）,.,我已经有证据（规则545，规则557）说明治疗应该包含大肠杆菌引发杀我脑膜炎,人工智能原理及应用,第37页,四.实例展示,我已经有证据（规则545，规则557，规则578）说明治疗应包含绿脓杆菌引发脑膜炎,我已经有证据（规则507）说明应该治疗包含肺炎双球菌引发脑膜炎,51.*你是否在临床上对任何抗菌素有显著过敏反应？,*：没有（考虑用青霉素和庆大霉素来治疗感染）,（最终结论就是关于包含这种感染可能病因最正确疗法。这些病因从完全有效证据中确定出来）,我认为应推荐治疗方案以下,人工智能原理及应用,第38页,四.实例展示,1）青霉素,剂量：3.5克（28.0毫升）4小时一次静脉注射,2）庆大霉素,剂量：119毫克（3.0毫升，80毫克、2毫升一安平）8小时一次静脉注射（按1.7毫升/千克）,省略一下,你还需要看下一个选择疗法吗？,*：不需要了。,人工智能原理及应用,第39页,