专家系统的应用已渗透到农业、医学、化学、数学、物理、生物等众多领域。

 

随着智能化程度的日益提高，越来越多的机器人开始跟人类“抢饭碗”，担当起清洁工、警察，甚至是婚礼司仪的工作。作为其人工智能领域的“孪生兄弟”，自1965年费根鲍姆（Feigenbaum）研制的DENDRAL系统问世以来，专家系统也发展迅速，已被广泛应用于多个领域。

 

正如越来越像人的机器人已经给人类带来潜在的威胁一样，越来越智能化的专家系统是否有一天也会给人类中的精英——专家带来挑战呢？

 

最大瓶颈

 

20世纪70年代，在一次304个案例的测试中，最早的医学诊断专家系统——de Dombal的急性腹痛鉴别诊断系统就发挥出了令人惊叹的作用。这个专家系统的主要功能是用于诊断病人是否患有急性阑尾炎。

 

在此次测试中，这个专家系统成功诊断出所有真正患有急性阑尾炎的病人，但将其中6例其他病例误诊为急性阑尾炎。而在对比实验中，负责急诊的专科医师却忽略了6位真正患有急性阑尾炎的病人，并将其中20多个其他病例患者误诊为急性阑尾炎，而将其送入手术室。

 

“作为一种智能的计算机程序，专家系统能够运用知识进行推理，解决现实世界中只有专家才能解决的复杂问题。”在接受《科学时报》记者采访时，北京科技大学信息工程学院知识工程研究所所长杨炳儒教授对专家系统作了上述解释。作为长期从事专家系统相关方面研究的专家，杨炳儒在2002年提出了基于知识发现创新技术的专家系统ESKD这一概念。

 

据杨炳儒介绍，斯坦福大学的费根鲍姆是“专家系统之父”。1965年，他和化学家勒德贝格（J. Lederberg）合作研制了DENDRAL系统，使得人工智能的研究以推理算法为主转变为以知识为主。20世纪70年代，专家系统的观点逐渐被人们接受，许多专家系统相继研发成功，其中较具代表性的有医药专家系统MYCIN、探矿专家系统PROSPECTOR等。上世纪80年代，专家系统的开发趋于商品化，并创造了巨大的经济效益。

 

“专家系统主要经历了3个发展阶段。”杨炳儒说。第一代专家系统以概率论和布尔逻辑为基础，知识主要来源于专家对统计数据的主观认识。第二代专家系统运用的是不确定性的信息处理过程。而第三代专家系统目前正在发展中。

 

杨炳儒告诉记者，专家系统通常由知识库、推理机、知识获取设施、使用者接口、解释机、工作记忆区等部分构成，其中知识库是专家系统的重要组成部分。为了更好地说明知识库的功用，杨炳儒举了一个简单易懂的例子：“知识库就像一个工具箱。对工具箱来说，最重要的是工具要全。比如，遇到一个较大的机械故障，你需要把机器部件拆卸下来，这时工具不全肯定不行。此外，工具不仅要全，而且要精，才能方便取用。”

 

据杨炳儒介绍，近年来，一些专家系统已或多或少地具有了自动知识获取的功能，即系统在运行中不断地从错误和失败中归纳总结经验，并修改和扩充自身的知识库。“即便如此，‘知识匮乏’仍是专家系统中的最大瓶颈，一直制约着专家系统的发展。” 杨炳儒说。因此，他认为，基于知识发现的专家系统具有很好的前景，有可能成为下一代专家系统的主流。

 

两大核心

 

知识发现也称为数据挖掘。它是从大量的数据中发现先前未知的、潜在有用的、用户感兴趣的知识的过程。“基于知识发现创新技术的专家系统ESKD，其核心思想是把知识发现系统视为认知系统，研究其自身的潜在规律，改变知识发现的固有流程，形成新的知识发现过程模型与技法。然后，再用创新的知识发现机理、模型与技法作为专家系统新的知识构件，并进而形成全新的动态知识库系统。”杨炳儒说。

 

当前国际上知识发现发展的主流是寻求在各类数据库和应用问题的背景下高性能、高扩展性的挖掘算法，对于较高层次的框架和理论研究则很少有人问津。杨炳儒对于基于知识发现的专家系统构造的研究无疑是属于“闹中取静”的做法。杨炳儒对此的解释是，希望能够以这个方向的研究来逐步解决知识发现进程中面临的挑战性问题。

 

2003年8月27日，第九届知识发现与数据挖掘国际会议在美国华盛顿举行。参与讨论的专家一致认为，知识发现进展中面临着两大核心问题。现任雅虎首席数据官及数据战略解决方案部高级副总裁的乌萨玛·菲亚德（Usama Fayyad）认为：“从科学发展的长远来看，最大的绊脚石是基础理论的缺乏以及所面临的问题和挑战的清晰表述。”此外，在数据挖掘与知识发现的应用方面，业内和外界均对其缺少“杀手锏”式的应用颇有微词。这是知识发现进展中第二个大的核心问题。

 

要解决这两大问题，杨炳儒认为，真正构建起知识发现的理论体系，必须抓住其本质，形成与其本质相适应的理论体系。“知识发现的本质至少有两个可信的路径：一个是将知识发现的过程看作认知过程，另一个是将知识发现过程视为非线性动力系统中非平衡态转化的过程。”杨炳儒说。

 

在应用方面，记者了解到，杨炳儒及其课题组利用7年时间，组织实施了专家系统在铝电解生产、数字资源处理、税务、农业等领域的应用。其中，当专家系统在结合铝电解生产的控制与管理方面加以推广应用时，取得了可观的经济效益。每年带来的直接经济效益达2050万元，如果全面推广则能产生每年3亿元的利润。现在，杨炳儒正在致力于将其提出的基于内在认知机理的知识发现理论KDTICM（包括ESKD）应用于国际性重大课题——“蛋白质三维结构预测”研究中。

 

中国的短板

 

现在，在一些发达国家，医学专家系统已经被推广到互联网上加以应用。除了1972年de Domabl 研发的“急性腹痛鉴别诊断系统”外， Shortliffe的“传染性疾病的鉴别诊断系统MYCIN”、麻省理工学院的PIP这些知名的专家诊断系统都已被实验证明在某些方面相当或优于人类专家。但是，由于其知识范围均限于狭小的医学领域（如青光眼的诊断），而且多处于研究阶段，再加上硬件及用户接口的限制等问题，使其广泛应用的可能性大大降低。绝大多数人都没有机会亲自操作使用这些系统。

 

随着计算机软硬件技术的日新月异，在上世纪80年代末期，出现了数套具有庞大知识库与人性化的人机交互界面的医学专家系统，可以在个人计算机上执行，例如美国犹他大学的Iliad、麻省综合医院与哈佛大学合作的DxPlan等。到目前为止，一些超大型的医学专家系统，已经可以依据知识库中的12万个不同的症状分辨出8000多种疾病。

 

在谈到国内专家系统的研究进展时，杨炳儒颇多感慨：“我国目前在专家系统的研究方面与发达国家还有一定差距，包括基础研究、应用及软件等各个方面。”

 

杨炳儒认为，人才缺乏是目前国内专家系统研究中最重要的问题。“在知识发现研究中，需要大量数学、计算机及其他学科的复合型人才。”杨炳儒说。他希望，能有更多不同相关学科领域的年轻人涉足这个领域，为专家系统的研究作出贡献。

 

展望将来，专家系统何时能够真正取代各领域的专家、走向普通百姓呢？杨炳儒对此的回答是，现在来作此预测还为时尚早。对现在的专家系统研究而言，更需要的是脚踏实地的苦干。

 

相关链接：专家系统及其应用

 

专家系统（Expert System）是一个具有智能特点的计算机程序。它的智能化主要表现为能够在特定的领域内模仿人类专家思维来求解复杂问题。因此，专家系统必须包含领域专家的大量知识，拥有类似人类专家思维的推理能力，并能用这些知识来解决实际问题。例如，一个医学专家系统就能够像真正的专家一样，诊断病人的疾病，判别出病情的严重性，并给出相应的处方和治疗建议等。

 

专家系统应用(Expert System Application)是针对实际领域，建造专家系统，用来辅助或代替领域专家解决实际问题。专家系统是人工智能的重要分支，它是人工智能学者从探讨一般思维规律方法走向以专门知识信息处理为中心的转折点。目前，专家系统的应用几乎渗透到化学、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。专家系统的应用已渗透到农业、医学、化学、数学、物理、生物等众多领域。