人工智能与专家系统

Ⅰ 人工智能与专家系统概述

一、人工智能与专家系统

人工智能AI(Artificial Intelligence)是集计算机科学、神经科学、心理学、语言学、认知学、思维科学、控制论、信息论等多种学科于一体的新兴边缘科学，也是当代主要的高科技领域之一。人工智能可定义为用计算机来研究思维的科学，即由计算机来模仿和实现人类的智能行为的学科，如判断、图像识别、理解、学习、规划和问题求解。自1956年正式提出人工智能的概念后，四十多年以来，人工智能的研究已取得了重大进展，它的最主要的研究和应用领域有：专家系统、机器学习、模式识别、自然语言理解、机器人学、计算机视觉、分布式人工智能等。

专家系统ES(Expert System)是人工智能的一个重要分支，自20世纪60年代以来，专家系统得到研究、开发和利用，并取得重大进展。专家系统主要研究如何使计算机程序能模仿各个领域的人类专家在解决实际问题时的思维过程，使机器具有专家水平的智能。专家系统的出现，使人工智能的研究发生了重大的转变，它实现了人工智能从理论研究走向实际应用，是人工智能从一般思维规律探讨走向专门知识应用的重大突破。专家系统的成功使人们更清楚地认识到人工智能系统应该是一个知识处理系统，而知识表示、知识获取、知识利用则是人工智能系统的三个基本问题。从1985年起，专家系统愈来愈引起人们的关心和注意，在很多情况下，专家系统逐渐成为人工智能的代名词。

开发专家系统的关键是表达和运用专家知识，即来自人类专家并已被证明对解决有关领域内的典型问题是有用的事实和过程。它和传统的计算机程序最本质的不同之处在于专家系统所要解决的问题一般不能用算法解决，并且经常要在不完全、不精确或不确定的信息基础上做出结论。它应该是一个有相当数量权威性知识、并能运用这些知识解决特定领域中实际问题的计算机程序系统。它根据用户提供的数据、信息和事实，运用系统存储的专家经验和知识，进行推理判断，最后得出结论。同时给出这些结论的可信度，供用户决策之用。

专家系统通过推理的方法来解决问题，并且得到的结论和专家相同。专家系统的重要部分是推理，正是由于这一点，使专家系统不同于一般的资料系统和知识库系统。在专家系统中所存储的不是答案，而是进行推理的能力与知识。

二、地质专家系统

随着计算机的日益普及，专家系统在地质学中同样得到广泛应用。地质专家系统是在解决具有专家级规模和难度的地质问题中，用以局部地或全部地代替地质专家的计算机程序系统。地质专家经过长期学习和大量实践积累了丰富的知识和经验，他们的理论造诣很深，技术娴熟，工作稳妥高效。他们知道运用所掌握的知识解决具体问题的诀窍和避免失误的方法，并善于从多种信息中发现问题的本质，将遇到的新问题归结为自己熟悉的问题类型，从而迅速找到解决问题的有效途径。地质专家系统正是建立在地质专家丰富的知识和经验基础之上的。在这种系统中，具有由数量充足并达到一定权威性的地质知识建立的知识库，采取一定的推理策略，具备学习机制，能够对知识库进行补充和改进，用以提高解决地质问题的能力。专家系统在地学领域中的应用主要包括：矿产资源评价预测、矿床勘探、地质和测井资料分析、矿床地质特征监控、地质分类和对比、地质工程自动控制、遥感地质图形自动处理和地质成果评价等。

成矿预测是地质专家系统应用的重要领域，在这一领域中地质专家系统的应用最早、应用的面也最广泛，同时在地质专家系统的各种应用中具有最重要的意义。建立在矿床地质模型基础之上的“探矿者”(PROSPECTOR)专家系统是其中最著名的例子，该系统于1976年建立于美国斯坦福大学国际研究所人工智能中心，是世界上最早建立的3个专家系统之一。目前，其第二代产品PROSPECTOR Ⅱ包含了86个矿床模型和多于146个矿床的信息。该系统本身就是一个数字矿床模型专家系统，同时也是一个应用于成矿预测的计算机人工智能咨询系统，该系统无论是对专家系统研究本身或是对专家系统在地质领域中的应用都有重要意义。