人工智能之专家系统探究3：专家系统的实现流程

专家系统的开发是一项综合技术，实现流程里不仅需要开发人员还需要领域专家的关键性作用，制定合适的实现流程，才能发掘出双方应有的最大价值。一个成功的专家系统的开发需要知识工程师和领域专家的密切配合和坚持不懈地努力。

参考图

1、 建造专家系统的步骤

根据软件工程的生命周期方法，一个实用专家系统的开发过程可类同一般软件系统开发过程分为认识、概念化、形式化、实现和测试等阶段。

（1）认识阶段

知识工程师与领域专家合作，对领域问题进行需求分析。包括认识系统需要处理的问题范围、类型和各种重要特征、预期的效益等，并确定系统开发所需的资源、人员、经费和进度等。

（2）概念化阶段

把问题求解所需要的专门知识概念化，确定概念之间的关系，并对任务进行划分，确定求解问题的控制流程和约束条件。

（3）形式化阶段

把已整理的概念、概念之间的关系和领域专门知识用适合于计算机表示和处理的形式进行描述和表示，并选择合适的系统结构，确定数据结构、推理规则和有关控制策略，建立起问题求解模型。

（4）实现阶段。

选择适当的程序设计语言或专家系统工具建立可执行的原型系统。

（5）测试阶段

通过运行大量的实例，检测原型系统的正确性及系统性能。通过测试原型系统，对反馈信息进行分析，进而进行必要的修改，包括重新认识问题，建立新的概念或修改概念之间的联系、完善知识表示与组织形式、丰富知识厍的内容、改进推理方法等。

专家系统的这一开发过程，各阶段目标明确，逐级深化，概括如下：

认识>概念化>形式化>实现>测试

2、原型系统与快速原型法

由于领域专家的知识是长期积累的经验和专门知识，因此，知识工程师不可能在短时间内获得所需要的全部专家知识，并把它们按知识表示方式和知识库的结构要求存人知识库中。也就是说，决定专家系统性能的专门知识是逐步增加和不断完善的，这就需要采用增量式开发方法，即通过对基本功能的逐步扩大来完善系统，专家系统具有需要经常修改和完善的知识库并与相对稳定的推理机相分离的结构特点，从而适应了这种增量式开发方法。增量式开发可能保证对基本功能的有效验证，有利于在整个开发过程中得到一系列功能日趋完善的原型系统。

根据系统的复杂程度和实用性，原型系统一般可分成以下5 种。

（1） 演示原型。

大多数专家系统都开始于一个演示原型，它是仅能解决少量问题的一个演示型系统。演示原型主要有两个作用，一是确信人工智能和专家系统技术能有效地用于所要解决的问题；二是测定问题的定义，范围以及领域知识的表示是否正确。一个典型的基于规则的大型专家系统，其演示原型一般仅有5-100条规则，能充分地执行2-3个测试实例。

（2） 研究原型

研究原型是能运行多个测试实例的原型系统，这些测试实例能显示领域问题的重要特点。大型专家系统的研究原型一般具有00~500 条规则。

（3） 领域原型

通过改进研究原型而获得领域原型，领域原型系统运行可靠，具有比较流畅和友善的用户接口，能基本满足用户的需要。大型专家系统的领域原型一般具有50-1000 条规则，能能很好地执行许多测试实例。

（4） 产品原型

产品原型是已经通过广泛的领域问题测试的原型系统，并往往用一种效率更高的语言或专家系统工具来实现，以增加推理的速度和减少存储空间。大型专家系统的产品原型一般具有500-1500条规则，求解领域问题准确快速，工作可靠。

（5）商品化系统

商品化系统是已投人商品市场实际销售和运行的系统，并能适应用户市场的需要。

利用专家系统技术和专家系统的开发工具尽快地建立专家系统的演示原型，然后进行修改、充实和完善。这也就是专家系统开发的快速原型法。虽然演示原型比较简单，只能解决少量的领域问题，也不具备许多辅助功能。但是，通过演示原型的运行和测试可以实际验证系统方案的可行性和有效性，检验应用问题的定义范围，从而在系统设计的最初阶段就能避免较大的原则性错误。而且可以提高领域专家的兴趣和信心，增强与领域专家的合作。