专家系统属于计算机应用的哪个领域

专家系统是以知识为基础，以推理为核心的系统。1、专家系统构造：专家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个部分构成。其中尤以知识库与推理机相互分离而别具特色。专家系统的体系结构随专家系统的类型、功能和规模的不同，而有所差异。专家系统是一个智能程序，能对那些需要专家知识才能解决的应用难题，提供领域权威专家水平的解答。专家系统主要由知识库、推理机和数据基三部分组成。2、专家系统介绍：专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，它能够应用人工智能技术和计算机技术。根据系统中的知识与经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统的起源与发展：20世纪60年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理。但是这些通用方法无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大的搜索空间也难于处理。1965年，E.A.费根鲍姆等人在总结通用问题求解系统的成功与失败经验的基础上，结合化学领域的专门知识，研制了世界上第一个专家系统dendral ，可以推断化学分子结构。20多年来，知识工程的研究，专家系统的理论和技术不断发展，应用渗透到几乎各个领域。其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。

专家系统是一种基于人工智能技术的计算机程序，通过模拟人类专家的知识和推理过程，帮助解决特定领域的问题。它包括知识库、推理引擎和用户界面等组成部分。专家系统能够存储和管理大量专家知识，根据用户提供的问题或情境，运用先进的推理算法来生成准确的决策或提供有价值的建议。其核心思想是将专家的经验和知识以可计算的形式表达出来，并将其应用于实际问题求解。通过专家系统，人们可以获取专业水平的指导和决策支持，提高问题解决效率和准确性。

专家系统是一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。专家系统的基本工作流程是，用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中各个规则的条件进行匹配，并把被匹配规则的结论存放到综合数据库中。最后，专家系统将得出最终结论呈现给用户。专家系统的基本结构大部分，即知识库和推理机。其中知识库中存放着求解问题所需的知识，推理机负责使用知识库中的知识去解决实际问题。知识库的建造需要知识工程师和领域专家相互合作把领域专家头脑中的知识整理出来，并用系统的知识方法存放在知识库中。当解决问题时，用户为系统提供一些已知数据，并可从系统处获得专家水平的结论。专家系统具有相当数量的权威性知识，能够采取一定的策略，运用专家知识进行推理，解决人们在通常条件下难以解决的问题。它克服了专家缺少，其知识昂贵，难于永久保存以及专家在解决问题时易受心理、环境等因素影响而使临场发挥不好等缺点。因此，专家系统自从问世以来，发展非常迅速，目前专家系统已经成为人工智能应用最活跃和最成功的领域。

专家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个部分构成。其中尤以知识库与推理机相互分离而别具特色。专家系统的体系结构随专家系统的类型、功能和规模的不同，而有所差异。为了使计算机能运用专家的领域知识，必须要采用一定的方式表示知识。目前常用的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。基于规则的产生式系统是目前实现知识运用最基本的方法。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的世界范围内的事实和断言。知识库包含所有用“如果：〈前提〉，于是：〈结果〉”形式表达的知识规则。推理机（又称规则解释器）的任务是运用控制策略找到可以应用的规则。专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统是早期人工智能的一个重要分支，它可以看作是一类具有专门知识和经验的计算机智能程序系统，一般采用人工智能中的知识表示和知识推理技术来模拟通常由领域专家才能解决的复杂问题。

专家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个部分构成。专家系统又名ES（Expert System）。ES一路是逐步由基于规则、基于框架、基于案例、基于模型和基于网络的5个阶段发展而来。基于规则的专家系统是目前最常用的方式，主要归功于大量成功的实例，以及简单灵活的开发工具。它直接模仿人类的心理过程，利用一系列规则来表示专家知识。扩展资料：专家系统的功能：1、存储问题求解所需的知识。2、存储具体问题求解的初始数据和推理过程中涉及的各种信息，如中间结果、目标、字母表以及假设等。3、根据当前输入的数据，利用已有的知识，按照一定的推理策略，去解决当前问题，并能控制和协调整个系统。4、能够对推理过程、结论或系统自身行为作出必要的解释，如解题步骤、处理策略、选择处理方法的理由、系统求解某种问题的能力、系统如何组织和管理其自身知识等。5、提供知识获取，机器学习以及知识库的修改、扩充和完善等维护手段。只有这样才能更有效地提高系统的问题求解能力及准确性。6、提供一种用户接口，既便于用户使用，又便于分析和理解用户的各种要求和请求。参考资料来源：百度百科-专家系统

专家系统属于人工智能领域人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成。如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。

专家系统是以推理为核心的系统。根据查询相关公开信息，专家系统是一个智能计算机程序系统，其内部含有大量的与某个领域专家水平相当的知识与经验。专家系统是以知识为基础，以推理为核心的系统。

　　专家系统一般由知识库、数据库、推理机、解释器及知识获取五个部分组成； 　　1、知识库：用于存取和管理所获取的专家知识和经验，供推理机利用，具有存储、检索、编辑、增删和修改等功能； 　　2、数据库：用来存放系统推理过程中用到的控制信息、中间假设和中间结果； 　　3、推理机：用于利用知识进行推理，求解专门问题，具有启发推理、算法推理；正向、反向或双向推理等功能； 　　4、解释器：解释器用于作为专家系统与用户之间的“人-机”接口，其功能是向用户解释系统的行为； 　　5、知识获取：知识工程师采用“专题面谈”、“记录分析”等方式获取知识，经过整理以后，再输入知识库。

专家系统的适用领域的特征包括:不需要额外常识、输入的数据可以客观描述、人类专家稀缺、用户需求量大。专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，它能够应用人工智能技术和计算机技术，根据系统中的知识与经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。一般的专家系统包括数据库,知识库,推理机,解释器及知识获取五个部分组成。专家系统是人工智能中最重要的也是最活跃的一个应用领域,它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统的发展已经历了三个阶段,正向第四代过渡和发展。

分布式专家系统属于新型专家系统。根据查询相关信息显示：分布式专家系统是指逻辑上统一而物理上分布在不同的物理节点上的若干专家系统，是人工智能领域中分布式人工智能的一个部分，是属于新型的专家系统。

专家系统的工作原理一般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领域问题的，其大致过程如下：1）根据用户的问题对知识库进行搜索，寻找有关的知识；（匹配）2）根据有关的知识和系统的控制策略形成解决问题的途径，从而构成一个假设方案集合；3）对假设方案集合进行排序，并挑选其中在某些准则下为最优的假设方案；（冲突解决）4）根据挑选的假设方案去求解具体问题；（执行）5）如果该方案不能真正解决问题，则回溯到假设方案序列中的下一个假设方案，重复求解问题；6）循环执行上述过程，直到问题已经解决或所有可能的求解方案都不能解决问题而宣告“无解”为止。

专家系统的工作原理一般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领域问题的，其大致过程如下：1）根据用户的问题对知识库进行搜索，寻找有关的知识；（匹配）2）根据有关的知识和系统的控制策略形成解决问题的途径，从而构成一个假设方案集合；3）对假设方案集合进行排序，并挑选其中在某些准则下为最优的假设方案；（冲突解决）4）根据挑选的假设方案去求解具体问题；（执行）5）如果该方案不能真正解决问题，则回溯到假设方案序列中的下一个假设方案，重复求解问题；6）循环执行上述过程，直到问题已经解决或所有可能的求解方案都不能解决问题而宣告“无解”为止。

名词解释专家系统专家系统（ExpertSystem)是一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。属于人工智能的一个发展分支，专家系统的研究目标是模拟人类专家的推理思维过程。一般是将领域专家的知识和经验，用一种知识表达模式存入计算机。系统对输入的事实进行推理，做出判断和决策。 从20世纪60年代开始，专家系统的应用产生了巨大的经济效益和社会效益，已成为人工智能领域中最活跃、最受重视的领域。

简单地讲，专家系统就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等。 目前，专家系统在各个领域中已经得到广泛应用，并取得了可喜的成果，例如个人理财专家系统、寻找油田的专家系统、贷款损失评估专家系统、各类教学专家系统等。

专家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个部分构成。其中尤以知识库与推理机相互分离而别具特色。专家系统的体系结构随专家系统的类型、功能和规模的不同，而有所差异。为了使计算机能运用专家的领域知识，必须要采用一定的方式表示知识。目前常用的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。基于规则的产生式系统是目前实现知识运用最基本的方法。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的世界范围内的事实和断言。知识库包含所有用“如果：〈前提〉，于是：〈结果〉”形式表达的知识规则。推理机（又称规则解释器）的任务是运用控制策略找到可以应用的规则。知识库用来存放专家提供的知识。专家系统的问题求解过程是通过知识库中的知识来模拟专家的思维方式的，因此，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。人工智能中的知识表示形式有产生式、框架、语义网络等，而在专家系统中运用得较为普遍的知识是产生式规则。产生式规则以IFTHEN的形式出现，就像BASIC等编程语言里的条件语句一样，IF后面跟的是条件（前件），THEN后面的是结论（后件），条件与结论均可以通过逻辑运算AND、OR、NOT进行复合。在这里，产生式规则的理解非常简单：如果前提条件得到满足，就产生相应的动作或结论。推理机针对当前问题的条件或已知信息，反复匹配知识库中的规则，获得新的结论，以得到问题求解结果。在这里，推理方式可以有正向和反向推理两种。正向链的策略是寻找出前提可以同数据库中的事实或断言相匹配的那些规则，并运用冲突的消除策略，从这些都可满足的规则中挑选出一个执行，从而改变原来数据库的内容。这样反复地进行寻找，直到数据库的事实与目标一致即找到解答，或者到没有规则可以与之匹配时才停止。逆向链的策略是从选定的目标出发，寻找执行后果可以达到目标的规则；如果这条规则的前提与数据库中的事实相匹配，问题就得到解决；否则把这条规则的前提作为新的子目标，并对新的子目标寻找可以运用的规则，执行逆向序列的前提，直到最后运用的规则的前提可以与数据库中的事实相匹配，或者直到没有规则再可以应用时，系统便以对话形式请求用户回答并输入必需的事实。由此可见，推理机就如同专家解决问题的思维方式，知识库就是通过推理机来实现其价值的。人机界面是系统与用户进行交流时的界面。通过该界面，用户输入基本信息、回答系统提出的相关问题，并输出推理结果及相关的解释等。综合数据库专门用于存储推理过程中所需的原始数据、中间结果和最终结论，往往是作为暂时的存储区。解释器能够根据用户的提问，对结论、求解过程做出说明，因而使专家系统更具有人情味。知识获取是专家系统知识库是否优越的关键，也是专家系统设计的“瓶颈”问题，通过知识获取，可以扩充和修改知识库中的内容，也可以实现自动学习功能。早期的专家系统采用通用的程序设计语言（如fortran、pascal、basic等）和人工智能语言（如lisp、prolog、smalltalk等），通过人工智能专家与领域专家的合作，直接编程来实现的。其研制周期长，难度大，但灵活实用，至今尚为人工智能专家所使用。大部分专家系统研制工作已采用专家系统开发环境或专家系统开发工具来实现，领域专家可以选用合适的工具开发自己的专家系统，大大缩短了专家系统的研制周期，从而为专家系统在各领域的广泛应用提供条件。

“智能机器人”专家系统是一个计算机程序系统，但它和传统的计算机程序不同，是“在复杂领域内求解问题的高性能的程序”。所谓复杂领域，是说领域的知识复杂而庞大，往往具有不确定性和判断性（经验性）的特点。所谓高性能，是说程序的功能与效率可以同该领域最好的专家相比。这种领域的问题，过去只有该领域的专家（“人类专家”）根据自己的知识和经验才能解决；而今天人们要把专家的知识和经验编码入计算机，使它能模仿专家的推理过程，对问题给出专家水平的解答。因此专家系统可以说是“人工专家”。而且它可以模仿不止一个专家，它可以模仿多个专家协同地求解问题。在我国，石油、地质、医疗、农业、工业、气象等部门，“七五”期间共开发出26个实用的专家系统，其中10个达到了国际先进水平。中科院合肥智能所研制的施肥专家系统，针对性强，效果好，在全国15个省的70多个县推广应用，增产粮食5N5亿千克，棉花7N7万担，节省化肥25万吨，为农民增加收入4亿元。专家系统应用在军事上的著名实例是在1991年初的海湾战争中。当时以美国为首的多国部队遇到一个非常严重的问题，就是怎样尽快地把大量的军队（约50万人）和物资装备（约130亿磅）从美国和欧洲运到沙特阿拉伯境内。政府资助的一个小组在6个星期内开发了一个规划专家系统来规划运输工作，大量的SUN工作站运到了沙特。由于使用了专家系统，使得重大的运输任务如期完成。军事空运司令部司令汉·约翰逊上将不无得意地说：“历史上还没有哪个国家运送物资和人员能这么多、这么快和这么远。”专家系统创始人之一、美国斯坦福大学教授埃·费根鲍姆在20世纪80年代中期对世界上许多国家和地区的专家系统应用情况做了一番调查研究，他总结说：几乎所有的专家系统至少能将人的工作效率提高10倍，有的达到100倍甚至300倍；使用专家系统节约了大量的资金，如著名的DEC公司的用于计算机组装的系统XCON，每年为该公司赢利1N5亿美元，一些小型的基于PC机的专家系统每年也能节省10万美元。

农业专家系统的工作原理： 农业专家系统是把专家系统知识应用于农业领域的一项计算机技术。专家系统是人工智能的一个分支，主要目的是要使计算机在各个领域中起人类专家的作用。它是一种智能程序子系统，内部具有大量专家水平的领域知识和经验，能利用仅人类专家可用的知识和解决问题的方法来解决该领域的问题。它是一种计算机程序，可以用专家的水平（有时超过专家）完成一般的、模仿人类的解题策略，并与这个问题所特有的大量实际知识和经验知识结合起来。 结构： 专家系统由知识库（知识集合）、数据库（反映系统的内外状态）以及推理判断程序（规定选用知识的策略与方式）等部分为核心，一般由知识库、数据库、推理机、解释部分、知识获取部分等5部分组成。专家系统的工作方式可简单地归结为：运用知识，进行推理。 具体地说，农业专家系统是运用人工智能知识工程的知识表示、推理、知识获取等技术，总结和汇集农业领域的知识和技术，农业专家长期积累的大量宝贵经验，以及通过试验获得的各种资料数据及数学模型等，建造的各种农业“电脑专家”计算机软件系统，由于具有智能化进行分析推理，独立的知识库增加和修改知识十分方便，开发工具使用户不必了解计算机程序语言，并有解释说明功能等，是通常的计算机程序系统难以比拟的。

一般认为，专家系统是一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。一般专家系统如图1所示。它主要包括两图1专家系统的基本结构大部分，即知识库和推理机。其中知识库中存放着求解问题所需的知识，推理机负责使用知识库中的知识去解决实际问题。知识库的建造需要知识工程师和领域专家相互合作把领域专家头脑中的知识整理出来，并用系统的知识方法存放在知识库中。当解决问题时，用户为系统提供一些已知数据，并可从系统处获得专家水平的结论。由此可见，专家系统具有相当数量的权威性知识，能够采取一定的策略，运用专家知识进行推理，解决人们在通常条件下难以解决的问题。它克服了专家缺少，其知识昂贵，难于永久保存以及专家在解决问题时易受心理、环境等因素影响而使临场发挥不好等缺点。因此，专家系统自从问世以来，发展非常迅速，目前专家系统已经成为人工智能应用最活跃和最成功的领域。经过20多年的努力，其应用范畴已遍及各个领域，如疾病诊断、探矿、设计、制造、自动控制、生产过程监视，取得了极大的经济效益，并获得了许多新的进展。

专家系统(expert system)是人工智能应用研究最活跃和最广泛的课题之一。 专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。 专家系统 expert system 运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复杂的、具体的问题，达到与专家具有同等解决问题能力的计算机智能程序系统。它能对决策的过程作出解释，并有学习功能，即能自动增长解决问题所需的知识。 发展简况 专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。20世纪60年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理。但是这些通用方法无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大的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的成功与失败经验的基础上，结合化学领域的专门知识，研制了世界上第一个专家系统dendral ，可以推断化学分子结构。20多年来，知识工程的研究，专家系统的理论和技术不断发展，应用渗透到几乎各个领域，包括化学、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，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。 专家系统的发展已经历了3个阶段，正向第四代过渡和发展。第一代专家系统（dendral、macsyma等）以高度专业化、求解专门问题的能力强为特点。但在体系结构的完整性、可移植性等方面存在缺陷，求解问题的能力弱。第二代专家系统（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善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和环境来研制大型综合专家系统。在总结前三代专家系统的设计方法和实现技术的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、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具有多知识库、多主体的第四代专家系统。 类型 对专家系统可以按不同的方法分类。通常，可以按应用领域、知识表示方法、控制策略、任务类型等分类。如按任务类型来划分，常见的有解释型、预测型、诊断型、调试型、维护型、规划型、设计型、监督型、控制型、教育型等。 体系结构 专家系统与传统的计算机程序系统有着完全不同的体系结构，通常它由知识库、推理机、综合数据库、知识获取机制、解释机制和人机接口等几个基本的、独立的部分所组成，其中尤以知识库与推理机相互分离而别具特色。专家系统的体系结构随专家系统的类型、功能和规模的不同，而有所差异。 为了使计算机能运用专家的领域知识，必须要采用一定的方式表示知识 。目前常用的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。基于规则的产生式系统是目前实现知识运用最基本的方法。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的世界范围内的事实和断言。知识库包含所有用“如果：〈前提〉，于是：〈结果〉”形式表达的知识规则。推理机（又称规则解释器）的任务是运用控制策略找到可以应用的规则。正向链的策略是寻找出前提可以同数据库中的事实或断言相匹配的那些规则，并运用冲突的消除策略，从这些都可满足的规则中挑选出一个执行，从而改变原来数据库的内容。这样反复地进行寻找，直到数据库的事实与目标一致即找到解答，或者到没有规则可以与之匹配时才停止。逆向链的策略是从选定的目标出发，寻找执行后果可以达到目标的规则；如果这条规则的前提与数据库中的事实相匹配，问题就得到解决；否则把这条规则的前提作为新的子目标，并对新的子目标寻找可以运用的规则，执行逆向序列的前提，直到最后运用的规则的前提可以与数据库中的事实相匹配，或者直到没有规则再可以应用时，系统便以对话形式请求用户回答并输入必需的事实。 早期的专家系统采用通用的程序设计语言（如fortran、pascal、basic等）和人工智能语言（如lisp、prolog、smalltalk等），通过人工智能专家与领域专家的合作，直接编程来实现的。其研制周期长，难度大，但灵活实用，至今尚为人工智能专家所使用。大部分专家系统研制工作已采用专家系统开发环境或专家系统开发工具来实现，领域专家可以选用合适的工具开发自己的专家系统，大大缩短了专家系统的研制周期，从而为专家系统在各领域的广泛应用提供条件。

“智能机器人”专家系统是一个计算机程序系统，但它和传统的计算机程序不同，是“在复杂领域内求解问题的高性能的程序”。所谓复杂领域，是说领域的知识复杂而庞大，往往具有不确定性和判断性（经验性）的特点。所谓高性能，是说程序的功能与效率可以同该领域最好的专家相比。这种领域的问题，过去只有该领域的专家（“人类专家”）根据自己的知识和经验才能解决；而今天人们要把专家的知识和经验编码入计算机，使它能模仿专家的推理过程，对问题给出专家水平的解答。因此专家系统可以说是“人工专家”。而且它可以模仿不止一个专家，它可以模仿多个专家协同地求解问题。在我国，石油、地质、医疗、农业、工业、气象等部门，“七五”期间共开发出26个实用的专家系统，其中10个达到了国际先进水平。中科院合肥智能所研制的施肥专家系统，针对性强，效果好，在全国15个省的70多个县推广应用，增产粮食5N5亿千克，棉花7N7万担，节省化肥25万吨，为农民增加收入4亿元。专家系统应用在军事上的著名实例是在1991年初的海湾战争中。当时以美国为首的多国部队遇到一个非常严重的问题，就是怎样尽快地把大量的军队（约50万人）和物资装备（约130亿磅）从美国和欧洲运到沙特阿拉伯境内。政府资助的一个小组在6个星期内开发了一个规划专家系统来规划运输工作，大量的SUN工作站运到了沙特。由于使用了专家系统，使得重大的运输任务如期完成。军事空运司令部司令汉·约翰逊上将不无得意地说：“历史上还没有哪个国家运送物资和人员能这么多、这么快和这么远。”专家系统创始人之一、美国斯坦福大学教授埃·费根鲍姆在20世纪80年代中期对世界上许多国家和地区的专家系统应用情况做了一番调查研究，他总结说：几乎所有的专家系统至少能将人的工作效率提高10倍，有的达到100倍甚至300倍；使用专家系统节约了大量的资金，如著名的DEC公司的用于计算机组装的系统XCON，每年为该公司赢利1N5亿美元，一些小型的基于PC机的专家系统每年也能节省10万美元。

专家系统简称ES，是一种模拟人类专家处理问题时的行为和运用知识及推理技术求解问题的计算机程序或信息系统。它把某一领域的专业知识、推理和决策系统的过程，组合到计算机系统中，解决一些实际问题。所谓专家是指某一领域里具有较深造诣的专门人才，例如机械专家、电脑专家、医疗专家、农业专家等等。人们想，如果把专家处理问题的过程，组合到电脑中，那么机器就具有专家的智能，而这种智能主要是体现在信息分析当中。计算机之所以能成为“专家”，是因为人们赋予计算机知识，并让它模拟人脑进行推理，从而使它能回答各种问题。整个过程，都是由计算机的软件系统来实现的。专家系统按其功能可分为管理专家系统、预测专家系统、诊断专家系统、解释专家系统等。目前专家系统已经用于生产实践，有的已经商品化。一个结构完整的专家系统通常由六个部分组成，即知识库、数据库、推理机、知识获取机制、解释机制和人机接口。知识库是按一定表示方式存储在计算机系统中的、用来解决问题和进行推理的知识集合体，是用以存放领域专家提供的专门知识的。推理机包括推理机制和控制部分，它的功能是运用知识库中的知识推出新的知识或结论。控制部分的功能是决定推理的顺序，也就是说用以决定调用什么知识和什么次序，推理方式自然是离不开演绎推理、归纳推理、精确推理与非精确推理等。推理的基本任务是决定系统下一步该做什么，选择哪些知识和完成什么样的操作。例如人机对弈，计算机根据棋步，便动用存储的知识和推理过程，决定自己的一步该如何走，并根据棋势推算出对方下几步可能如何走，自己采取怎样的对策进行进攻或防守。知识获取机制一方面要接受专家对知识库的扩充和修改，另一方面还要依据反馈的信息，自动进行知识库的修改和完善。知识获取机制一般有两种获取方式，即人机结合的半自动方式，它是先由知识工程师来采集知识再转换为知识库中的知识；另一种是机器自动学习方式，它是人工智能的一个分支学科，从研究人类学习行为和学习方法开始，建立一些学习模型，使计算机系统有一定的学习能力。解释机制则回答用户对系统的提问，并给出获得这种答案的论据和说明。人机接口是做专家与用户和系统之间的双向“翻译”工作，即专家与用户的通信部分。由于专家系统有时能比人类专家具有更好的处理复杂问题的能力，诸如结构设计、数据分析和诊断问题等，所以往往会超出该领域中的一般专家。

　　一是计算机的普及使用。现在的年轻人可能很难想象上世纪70年代的计算机。我的学校在70年代时就有一台计算机，这台计算机差不多有一间普通教室这么大，没有屏幕、键盘等人机界面，更别说鼠标了。如何输入指令和数据呢？只能用纸带机。在纸带上打孔（比如说，有孔表示“1”，没孔则表示“0”），在这种工作方式下，你可以想象，多数人对计算机哪能不望而生畏？　　时间进入上世纪80年代，情况发生了很大的变化。开始有了个人计算机，且计算机有了操作系统，有了屏幕，也有了键盘—普通人都可以使用计算机了，人们当然会想着用它来做点什么事情。因此，计算机所做的工作，就不仅仅是“计算”了。　　二是应用的驱动，地质勘探以及其他各行各业的大量数据要处理，医疗诊断面对复杂病情如何处理等等。应用计算机是水到渠成的事情。　　三是由于AI变成了热门领域，很多的研究或技术自然要攀亲。不管是什么研究、什么技术，只要有可能，只要是使用了计算机，前面加个“智能”就变得风光很多。这就是 “智能滥用”了。　　这三个因素加在一起就促进了AI的复苏！　　还是先回到“专家系统”吧。所谓专家系统，简单说，就是一个计算机程序。当然，这个计算机程序同时又不那么简单。最基本的，它需要有规则库、知识库、推理机、解释器以及白板（也就是黑板，不过是虚拟的）等等。这些都可以看成是一些程序模块。　　人们设想，把专家的知识结构化（或者计算机化）了以后，“放进”计算机里面，这样，无论以后你遇到什么问题，把你的问题输入计算机后总可以得到相应的解答了。　　1975年至1979年间，北京中医医院与中国科学院自动化研究所、北京第二医学院合作研究，开发出著名老中医关幼波教授对肝炎的辨证论治诊疗经验的专家系统。只需把患者的症状和化验指标作为数据输入计算机，计算机就能完成编制病历档案、辨证分型、给出处方、计算药价、开出病假条和医嘱等功能。据说是较为准确地反映了关幼波教授对于肝病的辨证论治的思想。　　这套专家系统不知道是为何，已经不使用了。　　什么都不懂的计算机，一下子变成了“专家”，这岂不是很好？那么，我们会遇到什么问题呢？

专家系统是联结主义的典型代表，不属于行为主义。

简单地说，就是一类智能系统，即应用人工智能技术，根据一个或几个专家提供的特殊领域的知识、经验，进行推理和判断，模似人类专家做决定的过程，来解决那些需要专家才能解决的复杂问题。也就是说，让计算机充当“专家”，即让计算机在各个领域中起人类专家的作用。“专家系统”的研究经过了一个过程。最初，人们只是想用几条以通用推理规则，加上计算机的计算能力，让计算机求解问题，然而行不通。于是，研究人员又发现，专家在解决问题时，除了动用一些通用的推理规则和一般的逻辑思维之外，更重要的是会灵活运用专家各自领域的知识，从而引发科学家的奇想：教会计算机掌握和运用某种专业知识，来解决某种专门问题。于是，人工智能研究人员开始着手模仿专家解决问题的思路，而且仅适用于某一专门领域解题程序系统，例如医学领域中的糖尿病。那么，专家系统怎样探矿呢?如果这个“专家系统”是石油勘探智能系统，那么“专家系统”就会对被勘探的地区的地质构造、生成油气的可能性进行分析，如果认为有油，还要进一步论证有没有开采价值，如果有开采价值，人们就可以根据“专家系统”的指令，开钻探油。那么，“专家系统”灵验吗?1982年，美国一个“专家系统”在美国华盛顿州发现了一处矿藏，“专家系统”认为这里的矿藏价值为几百万元到一亿美元。而勘探工程师却认为，这个地方没有矿藏，结果经过开采，果然有矿，这与“专家系统”分析酌完全吻合。你看，“专家系统”为美国人立了一大功。

一、推理机的设计推理机及其控制系统的设计，是根据知识表达、知识推理方法和推理控制策略，设计具有求解专门问题，进行推理、解释等功能的自动推理计算机软件系统。在设计中应考虑：1.控制策略和推理方向选择常用的控制策略有：1)数据驱动控制：即正向推理，也称为由底向上控制、前向链控制。其主要优点是，允许用户主动提供有用的事实信息，而不必等到系统需要时才提供。其主要缺点是，系统为达到某个目标可能执行许多无用动作。2)目标驱动控制：即反向推理，也称为由顶向下控制、反向链控制。其优点是：不必使用与总目标无关的规则，推理目的明确；同时还便于推理过程解释，能告诉用户所要达到的目标及为此而使用的规则。主要缺点是目标选择盲目，不允许用户主动提供有用信息来指导系统的推理过程。3)混合控制：即数据驱动与目标驱动相结合，由数据驱动选择目标，而由目标驱动进行求解，也称为双向推理。其混合方式有：正反向同时推理；正反向非精确推理；单步正向、全局反向推理；生成与测试混合推理等。4)元控制。利用“元知识”，建立“元知识库”，设计“元推理机”。用于指导和控制一般推理机的工作，称为“元控制”。2.选择与结合知识推理方法选择与知识表达方法有关，表达方法的结合也导致推理方法的结合。启发推理和算法推理相结合可以取长补短。如：1)启发推理：用于浅层知识、常识性知识、不确定性知识推理等。2)算法推理：用于深层知识、数学模型、确定性逻辑推理等。3.推理效果和推理效率(这是推理机设计的两个指标)1)推理效果：即推理机的正确性和有效性。对可解的问题能求得解答，能正确利用和选取知识，控制和中止推理过程，避免“死循环”。2)推理效率：即推理速度和求解的时间问题。为了提高推理效率，要充分利用启发信息，降低推理和控制的时间耗费，实现最经济推理。二、推理机的自动推理方法推理是指依据一定的原则从已有的事实推出结论的过程，这个原则就是推理的核心。专家系统中的自动推理是知识推理。而知识推理是指在计算机或智能机器中，在知识表达的基础上，进行机器思维，求解问题，实现知识推理的智能操作过程。自动推理是有效地、充分地利用专家知识的基础。一个专家系统要以知识表示、知识推理、知识获取为基础。其中，知识表示和知识获取是必要的前提条件，而推理则是专家系统中问题求解的主要手段，是使问题从初始状态转移到目标状态的方法和途径，推理的过程就是问题求解的过程。按照问题求解推理过程的推理方向，有如下3种自动推理方法：1.正向推理正向推理是由原始数据出发，按照一定策略，运用知识库中专家的知识，推断出结论的方法。这种推理方式由于是由数据到结论，所以也叫数据驱动策略。正向推理的步骤是：首先由用户提供一批事实，存放到暂存器中去，然后：1)用这批事实与知识库中规则的前提事实进行匹配。为此，首先将知识库中一条规则的前提事实取出来，尔后看这些前提事实是否都在暂存器中。若不全在，进行下一条规则的匹配；若全在，则这条规则匹配成功。2)把匹配成功的规则的结论部分的事实作为新的事实加到暂存器中去(这时，暂存器中的事实增加了)。3)再用更新后的暂存器中的所有事实。重复1)、2)两步，如此反复进行，直到结论(答案)或不再有新的事实加到暂存器中为止。图4-6是正向推理设计的示意图，图中K为规则的总数目。2.反向推理反向推理是先提出假设(结论)，然后去找支持这个结论的证据的方法，这种由结论到数据的策略称为目标驱动策略。图4-6 专家系统正向推理示意图反向推理首先由用户或系统提出一个(或一批)假设，然后系统逐一验证这些假设的真实性。其步骤是：1)先验证所提假设是否在暂存器中，若这则假设成立，这时推理过程结束或进行下一个假设的验证明，否则，进行下一步。2)判断所验证的假设是否是证据结点，若是，系统就提问用户，让用户来回答。否则就进行下一步；3)找出结论部分包含这个假设的那些规则，把它们的所有前提部分的事实都作为新的假设；图4-7 专家系统反向推理示意图4)重复1)、2)、3)步直到某一个假设成立为止，或所有假设都不成立，系统回答失败。根据上述推理步骤，反向推理设计的示意图如图4-7所示。3.正反向混合推理一般是先根据暂存器中的原始数据，通过正向推理，帮助系统提出假设，再运用反向推理，进一步寻找支持假设的证据。如此反复，这个过程就是正反向混合推理。

菇房智能控制：就是利用计算机技术、物联网技术等技术，可以根据不同的食用菌不同的生长周期智能采集菇房里的空气温湿度、光照、CO2等参数，并根据菇房里所采集到的参数进行智能监测和控制，即使在不同的生长周期，食用菌都可以处在最佳的环境中，不仅可以保证食用菌品相，提高食用菌产量，还可以减少人工劳动力。小草食药用菌种植系统：概述:小草食药用菌种植系统设计以整个食药用菌产业链条为背景，充分融入计算机技术、信息技术、网络通信技术,以精准化、数字化、智能化管理手段融入传统的食药用菌研发、生产、仓储、运输、深加工与销售各个环节。小草菌业智能监控专家系统的应用可全面提高食药菌产品产量与品质，降低生产成本与种植风险，保障食品安全，建立品牌优势。整个系统由智能传感器网络、嵌入式专家系统、智能控制终端网络三大核心部分组成，软件应用可以运行在服务器、计算机设备与智能手机上，可应用于政府食药用菌数字化产业网络建设、食药用菌技术研发单位、大中专院校、科研院所、大型食药用菌生产型企业、公司+基地+农户模式的食药用菌产销一体化产业链条、食药用菌产品深加工型企业等。特色与优势专家系统 数据分析 整个系统以小草种植业智能监控专家系统为运算核心，通过对多个智能传感器网络的实时参数分析，结合不同食药用菌品种、不同生长周期的环境要求，自动评估、综合分析、优化判断并自动生成调控方案。专家系统通过对控制网络的控制结果可进行自动预测并提前预知，通过对控制系统的实时跟踪可了解控制设备与终端的运行状况。专家系统会自动连接数据库支持物联网、GPRS/GSM 移动网络、有线网络通信，具有人工专家干预与自主学习功能。整个系统的存储核心为数据库，由小草数字农业数据中心服务器软件系统综合管理，对食药用菌整个生长过程中的监测数据、控制数据、人工干预数据结合实际生长情况与收益情况进行综合分析、优化对比、数据挖掘、曲线拟合。对于大量数据的深入挖掘、系统可以形成更符合不同种植地域与气候环境的、更加科学、高效的食药用菌种植数据。精准采集 智能控制 系统中的传感器可以针对食药用菌育种、生长、仓储、运输、加工等不同过程中空气环境中的温、湿度，光照强度，氧气、二氧化碳浓度、土壤环境中的温、湿度，水份含量、水质环境的温度、PH值、电导率进行实时、精准的采集；根据不同的传感器及其使用时间有针对性地进行三点修正、查表修正、曲线拟合修正等后处理，根据传感器网络的综合分析，科学地反应出食药用菌的实际环境。控制系统接收专家系统的控制指令，根据食药用菌的不同品种、不同生长周期进行全自动控制，在控制过程中控制终端实时通过采集器不断进行实际效果评估，并实时反馈至控制中心接受再调整与精准控制。用户可以设定时间控制、预期参数控制、生长曲线与模板控制、可编程控制等多种控制，支持计算机设备、智能手机终端、短信等多种控制方式。远程管理 实时预警 系统架构中配有远程管理服务器软、硬件,可以接受远程查询、控制、远程升级与维护等管理。 用户可以通过移动网络、互联网或VPN网络进行远程管理，通过在 iOS（苹果）、Android(安卓)智能手机（智能终端）、计算机上安装小草远程管理终端程序，可以完成进行远程管理。用户还可以通过移动电话的短信“指令”实时查询与控制食药用菌生长、仓储与深加工情况。智能传感网络所采集的各项参数通过专家系统的综合分析与评估会自动分级为多级预警级别参数，管理员通过权限管理功能可以使不同权限的移动终端设备接收到不同级别的预警信息，实时传输的预警信息便于用户对食药用菌生长情况实时了解、实时控制。人工专家查询与干预会使系统更加智能化、更加人性化。信息联动 产权自主通过智能监控专家系统所支持的网络功能模块（WIFI、LAN、3G GPRS/GSM）可以将食药用菌实际生长环境的各项参数传递到各技术支持网络与科研网络终端，得到广泛的技术支撑与信息联动，对适应现代化食药用菌生产、销售起到更好的作用。结合不同地域不同品种的实际种植情况，可以将自己种植的经验数据保留的具有自主知识产权的芯片，科学的使用精确数据进行现代化的食药用菌种植，全面提升品牌价值，提升品牌品质与产量。

“智能机器人”专家系统是一个计算机程序系统，但它和传统的计算机程序不同，是“在复杂领域内求解问题的高性能的程序”。所谓复杂领域，是说领域的知识复杂而庞大，往往具有不确定性和判断性（经验性）的特点。所谓高性能，是说程序的功能与效率可以同该领域最好的专家相比。这种领域的问题，过去只有该领域的专家（“人类专家”）根据自己的知识和经验才能解决；而今天人们要把专家的知识和经验编码入计算机，使它能模仿专家的推理过程，对问题给出专家水平的解答。因此专家系统可以说是“人工专家”。而且它可以模仿不止一个专家，它可以模仿多个专家协同地求解问题。在我国，石油、地质、医疗、农业、工业、气象等部门，“七五”期间共开发出26个实用的专家系统，其中10个达到了国际先进水平。中科院合肥智能所研制的施肥专家系统，针对性强，效果好，在全国15个省的70多个县推广应用，增产粮食5N5亿千克，棉花7N7万担，节省化肥25万吨，为农民增加收入4亿元。专家系统应用在军事上的著名实例是在1991年初的海湾战争中。当时以美国为首的多国部队遇到一个非常严重的问题，就是怎样尽快地把大量的军队（约50万人）和物资装备（约130亿磅）从美国和欧洲运到沙特阿拉伯境内。政府资助的一个小组在6个星期内开发了一个规划专家系统来规划运输工作，大量的SUN工作站运到了沙特。由于使用了专家系统，使得重大的运输任务如期完成。军事空运司令部司令汉·约翰逊上将不无得意地说：“历史上还没有哪个国家运送物资和人员能这么多、这么快和这么远。”专家系统创始人之一、美国斯坦福大学教授埃·费根鲍姆在20世纪80年代中期对世界上许多国家和地区的专家系统应用情况做了一番调查研究，他总结说：几乎所有的专家系统至少能将人的工作效率提高10倍，有的达到100倍甚至300倍；使用专家系统节约了大量的资金，如著名的DEC公司的用于计算机组装的系统XCON，每年为该公司赢利1N5亿美元，一些小型的基于PC机的专家系统每年也能节省10万美元。

知识。专家系统是以知识为基础，以推理为核心的系统。专家系统是一个智能程序，能对那些需要专家知识才能解决的应用难题，提供领域权威专家水平的解答。专家系统主要由知识库、推理机和数据基三部分组成。专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。

说到人工智能，就不得不说说人工智能涉及到的众多学科中的专家系统，可以这么说，每一个人工智能的系统都离不开专家系统，只有具备专家系统，人工智能才能够帮助我们做更多的事情。那么什么是专家系统呢，专家系统有什么需要我们去理解的呢？下面我们直接进入正题。1.专家系统的相关知识专家系统是人工智能应用研究最活跃和最广泛的课题之一。专家系统就是运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复杂的、具体的问题，达到与专家具有同等解决问题能力的计算机智能程序系统。它能对决策的过程作出解释，并有学习功能，即能自动增长解决问题所需的知识。由此可见，人工智能是一个十分重要的内容。2.专家系统的发展历程专家系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。在20世纪60年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理。但是这些通用方法无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大的搜索空间也难于处理。1965年，费根鲍姆等人在总结通用问题求解系统的成功与失败经验的基础上，结合化学领域的专门知识，研制了世界上第一个专家系统，这个系统可以推断化学分子结构。3.专家系统涉及到的领域专家系统的理论和技术不断发展，应用渗透到几乎各个领域，包括化学、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，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。由此可见，如果想要做出一个完善的人工智能，那么就一定需要做好专家系统。在这篇文章中我们给大家介绍了专家系统的知识，具体分为专家系统的概念、发展历程以及设计领域，虽然它在机器学习中所占的比例不大，重要性却是不分先后，犹如一辆汽车不能缺少任何一个零件。

简单地说，就是一类智能系统，即应用人工智能技术，根据一个或几个专家提供的特殊领域的知识、经验，进行推理和判断，模拟人类专家做决定的过程，来解决那些需要专家才能解决的复杂问题。也就是说，让计算机充当“专家”，即让计算机在各个领域中起人类专家的作用。

⑴按知识表示技术可分为：基于逻辑的专家系统、基于规则的专家系统、基于语义网络的专家系统和基于框架的专家系统。⑵按任务类型可分为：解释型：可用于分析符号数据，进行阐述这些数据的实际意义。预测型：根据对象的过去和现在情况来推断对象的未来演变结果。诊断型：根据输入信息来找到对象的故障和缺陷。调试型：给出自己确定的故障的排除方案。维修型：指定并实施纠正某类故障的规划。规划型：根据给定目标拟定行动计划。设计型：根据给定要求形成所需方案和图样。监护型：完成实时监测任务。控制型：完成实施控制任务。教育型：诊断型和调试型的组合，用于教学和培训。

一般认为，专家系统是一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。一般专家系统如图1所示。它主要包括两图1专家系统的基本结构大部分，即知识库和推理机。其中知识库中存放着求解问题所需的知识，推理机负责使用知识库中的知识去解决实际问题。知识库的建造需要知识工程师和领域专家相互合作把领域专家头脑中的知识整理出来，并用系统的知识方法存放在知识库中。当解决问题时，用户为系统提供一些已知数据，并可从系统处获得专家水平的结论。由此可见，专家系统具有相当数量的权威性知识，能够采取一定的策略，运用专家知识进行推理，解决人们在通常条件下难以解决的问题。它克服了专家缺少，其知识昂贵，难于永久保存以及专家在解决问题时易受心理、环境等因素影响而使临场发挥不好等缺点。因此，专家系统自从问世以来，发展非常迅速，目前专家系统已经成为人工智能应用最活跃和最成功的领域。经过20多年的努力，其应用范畴已遍及各个领域，如疾病诊断、探矿、设计、制造、自动控制、生产过程监视，取得了极大的经济效益，并获得了许多新的进展。

一般认为，专家系统是一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。一般专家系统如图1所示。它主要包括两图1专家系统的基本结构大部分，即知识库和推理机。其中知识库中存放着求解问题所需的知识，推理机负责使用知识库中的知识去解决实际问题。知识库的建造需要知识工程师和领域专家相互合作把领域专家头脑中的知识整理出来，并用系统的知识方法存放在知识库中。当解决问题时，用户为系统提供一些已知数据，并可从系统处获得专家水平的结论。由此可见，专家系统具有相当数量的权威性知识，能够采取一定的策略，运用专家知识进行推理，解决人们在通常条件下难以解决的问题。它克服了专家缺少，其知识昂贵，难于永久保存以及专家在解决问题时易受心理、环境等因素影响而使临场发挥不好等缺点。因此，专家系统自从问世以来，发展非常迅速，目前专家系统已经成为人工智能应用最活跃和最成功的领域。经过20多年的努力，其应用范畴已遍及各个领域，如疾病诊断、探矿、设计、制造、自动控制、生产过程监视，取得了极大的经济效益，并获得了许多新的进展。

专家系统是一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。专家系统的基本工作流程是，用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中各个规则的条件进行匹配，并把被匹配规则的结论存放到综合数据库中。最后，专家系统将得出最终结论呈现给用户。专家系统的基本结构大部分，即知识库和推理机。其中知识库中存放着求解问题所需的知识，推理机负责使用知识库中的知识去解决实际问题。知识库的建造需要知识工程师和领域专家相互合作把领域专家头脑中的知识整理出来，并用系统的知识方法存放在知识库中。当解决问题时，用户为系统提供一些已知数据，并可从系统处获得专家水平的结论。专家系统具有相当数量的权威性知识，能够采取一定的策略，运用专家知识进行推理，解决人们在通常条件下难以解决的问题。它克服了专家缺少，其知识昂贵，难于永久保存以及专家在解决问题时易受心理、环境等因素影响而使临场发挥不好等缺点。因此，专家系统自从问世以来，发展非常迅速，目前专家系统已经成为人工智能应用最活跃和最成功的领域。

专家系统的工作原理一般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领域问题的，其大致过程如下：1）根据用户的问题对知识库进行搜索，寻找有关的知识；（匹配）2）根据有关的知识和系统的控制策略形成解决问题的途径，从而构成一个假设方案集合；3）对假设方案集合进行排序，并挑选其中在某些准则下为最优的假设方案；（冲突解决）4）根据挑选的假设方案去求解具体问题；（执行）5）如果该方案不能真正解决问题，则回溯到假设方案序列中的下一个假设方案，重复求解问题；6）循环执行上述过程，直到问题已经解决或所有可能的求解方案都不能解决问题而宣告“无解”为止。

专家系统由知识库、数据库、推理机、解释器及知识获取五个部分组成。 专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

专家系统是一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。专家系统的基本工作流程是，用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中各个规则的条件进行匹配，并把被匹配规则的结论存放到综合数据库中。最后，专家系统将得出最终结论呈现给用户。专家系统的基本结构大部分，即知识库和推理机。其中知识库中存放着求解问题所需的知识，推理机负责使用知识库中的知识去解决实际问题。知识库的建造需要知识工程师和领域专家相互合作把领域专家头脑中的知识整理出来，并用系统的知识方法存放在知识库中。当解决问题时，用户为系统提供一些已知数据，并可从系统处获得专家水平的结论。专家系统具有相当数量的权威性知识，能够采取一定的策略，运用专家知识进行推理，解决人们在通常条件下难以解决的问题。它克服了专家缺少，其知识昂贵，难于永久保存以及专家在解决问题时易受心理、环境等因素影响而使临场发挥不好等缺点。因此，专家系统自从问世以来，发展非常迅速，目前专家系统已经成为人工智能应用最活跃和最成功的领域。

专家系统一般由知识库、数据库、推理机、解释器及知识获取五个部分组成； 1、知识库：用于存取和管理所获取的专家知识和经验，供推理机利用，具有存储、检索、编辑、增删和修改等功能； 2、数据库：用来存放系统推理过程中用到的控制信息、中间假设和中间结果； 3、推理机：用于利用知识进行推理，求解专门问题，具有启发推理、算法推理；正向、反向或双向推理等功能； 4、解释器：解释器用于作为专家系统与用户之间的“人-机”接口，其功能是向用户解释系统的行为； 5、知识获取：知识工程师采用“专题面谈”、“记录分析”等方式获取知识，经过整理以后，再输入知识库。

1、正向推理：从原始数据和已知条件得到结论。2、反向推理：先提出假设的结论，然后寻找支持的证据，证据存在则假设成立。3、双向推理：运用正向推理提出假设的结论，运用反向推理来证实假设。

专家系统(expertsystem)是人工智能应用研究最活跃和最广泛的课题之一。　　专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。参考：http://baike.baidu.com/view/10875.htm

专家系统是一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。专家系统的基本工作流程是，用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中各个规则的条件进行匹配，并把被匹配规则的结论存放到综合数据库中。最后，专家系统将得出最终结论呈现给用户。专家系统的基本结构大部分，即知识库和推理机。其中知识库中存放着求解问题所需的知识，推理机负责使用知识库中的知识去解决实际问题。知识库的建造需要知识工程师和领域专家相互合作把领域专家头脑中的知识整理出来，并用系统的知识方法存放在知识库中。当解决问题时，用户为系统提供一些已知数据，并可从系统处获得专家水平的结论。专家系统具有相当数量的权威性知识，能够采取一定的策略，运用专家知识进行推理，解决人们在通常条件下难以解决的问题。它克服了专家缺少，其知识昂贵，难于永久保存以及专家在解决问题时易受心理、环境等因素影响而使临场发挥不好等缺点。因此，专家系统自从问世以来，发展非常迅速，目前专家系统已经成为人工智能应用最活跃和最成功的领域。

专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

专家系统的实质是一组程序软件。专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，其实质是一组程序软件。

知识库、数据库、推理机、解释机构、知识获取机构、用户界面

专家系统是一个或一组能在某些特定领域内，应用大量的专家知识和推理方法求解复杂问题的一种人工智能计算机程序。专家系统的基本工作流程是，用户通过人机界面回答系统的提问，推理机将用户输入的信息与知识库中各个规则的条件进行匹配，并把被匹配规则的结论存放到综合数据库中。最后，专家系统将得出最终结论呈现给用户。专家系统的基本结构大部分，即知识库和推理机。其中知识库中存放着求解问题所需的知识，推理机负责使用知识库中的知识去解决实际问题。知识库的建造需要知识工程师和领域专家相互合作把领域专家头脑中的知识整理出来，并用系统的知识方法存放在知识库中。当解决问题时，用户为系统提供一些已知数据，并可从系统处获得专家水平的结论。专家系统具有相当数量的权威性知识，能够采取一定的策略，运用专家知识进行推理，解决人们在通常条件下难以解决的问题。它克服了专家缺少，其知识昂贵，难于永久保存以及专家在解决问题时易受心理、环境等因素影响而使临场发挥不好等缺点。因此，专家系统自从问世以来，发展非常迅速，目前专家系统已经成为人工智能应用最活跃和最成功的领域。

正向推理：从原始数据和已知条件得到结论；（2）反向推理：先提出假设的结论，然后寻找支持的证据，若证据存在，则假设成立；（3）双向推理：运用正向推理提出假设的结论，运用反向推理来证实假设。

一般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领域问题的，其大致过程如下：1）根据用户的问题对知识库进行搜索，寻找有关的知识；2）根据有关的知识和系统的控制策略形成解决问题的途径，从而构成一个假设方案集合；3）对假设方案集合进行排序，并挑选其中在某些准则下为最优的假设方案；4）根据挑选的假设方案去求解具体问题；5）如果该方案不能真正解决问题，则回溯到假设方案序列中的下一个假设方案，重复求解问题；6）循环执行上述过程，直到问题已经解决或所有可能的求解方案都不能解决问题而宣告“无解”为止。

专家系统的适用领域的特征包括:不需要额外常识、输入的数据可以客观描述、人类专家稀缺、用户需求量大。专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，它能够应用人工智能技术和计算机技术，根据系统中的知识与经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。专家系统的组成构造专家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个部分构成。其中尤以知识库与推理机相互分离而别具特色。专家系统的体系结构随专家系统的类型、功能和规模的不同，而有所差异。为了使计算机能运用专家的领域知识，必须要采用一定的方式表示知识。目前常用的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。基于规则的产生式系统是目前实现知识运用最基本的方法。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的世界范围内的事实和断言。知识库包含所有用“如果：〈前提〉，于是：〈结果〉”形式表达的知识规则。推理机（又称规则解释器）的任务是运用控制策略找到可以应用的规则。知识库知识库用来存放专家提供的知识。专家系统的问题求解过程是通过知识库中的知识来模拟专家的思维方式的，因此，知识库是专家系统质量是否优越的关键所在，即知识库中知识的质量和数量决定着专家系统的质量水平。一般来说，专家系统中的知识库与专家系统程序是相互独立的，用户可以通过改变、完善知识库中的知识内容来提高专家系统的性能。人工智能中的知识表示形式有产生式、框架、语义网络等，而在专家系统中运用得较为普遍的知识是产生式规则。产生式规则以IF…THEN…的形式出现。。就像BASIC等编程语言里的条件语句一样，IF后面跟的是条件（前件），THEN后面的是结论（后件），条件与结论均可以通过逻辑运算AND、OR、NOT进行复合。在这里，产生式规则的理解非常简单：如果前提条件得到满足，就产生相应的动作或结论。推理机推理机针对当前问题的条件或已知信息，反复匹配知识库中的规则，获得新的结论，以得到问题求解结果。在这里，推理方式可以有正向和反向推理两种。正向链的策略是寻找出前提可以同数据库中的事实或断言相匹配的那些规则，并运用冲突的消除策略，从这些都可满足的规则中挑选出一个执行，从而改变原来数据库的内容。这样反复地进行寻找，直到数据库的事实与目标一致即找到解答，或者到没有规则可以与之匹配时才停止。逆向链的策略是从选定的目标出发，寻找执行后果可以达到目标的规则；如果这条规则的前提与数据库中的事实相匹配，问题就得到解决；否则把这条规则的前提作为新的子目标，并对新的子目标寻找可以运用的规则，执行逆向序列的前提，直到最后运用的规则的前提可以与数据库中的事实相匹配，或者直到没有规则再可以应用时，系统便以对话形式请求用户回答并输入必需的事实。由此可见，推理机就如同专家解决问题的思维方式，知识库就是通过推理机来实现其价值的。其他部分人机界面是系统与用户进行交流时的界面。通过该界面，用户输入基本信息、回答系统提出的相关问题，并输出推理结果及相关的解释等。综合数据库专门用于存储推理过程中所需的原始数据、中间结果和最终结论，往往是作为暂时的存储区。解释器能够根据用户的提问，对结论、求解过程做出说明，因而使专家系统更具有人情味。知识获取是专家系统知识库是否优越的关键，也是专家系统设计的“瓶颈”问题，通过知识获取，可以扩充和修改知识库中的内容，也可以实现自动学习功能。实现方式早期的专家系统采用通用的程序设计语言（如fortran、pascal、basic等）和人工智能语言（如lisp、prolog、smalltalk等），通过人工智能专家与领域专家的合作，直接编程来实现的。其研制周期长，难度大，但灵活实用，至今尚为人工智能专家所使用。大部分专家系统研制工作已采用专家系统开发环境或专家系统开发工具来实现，领域专家可以选用合适的工具开发自己的专家系统，大大缩短了专家系统的研制周期，从而为专家系统在各领域的广泛应用提供条件。

专家系统一般由知识库、数据库、推理机、解释器及知识获取五个部分组成,有不相同的表述形式. (1) 知识库.用于存取和管理所获取的专家知识和经验,供推理机利用,具有存储、检索、编辑、增删和修改等功能. (2) 数据库.用来存放系统推理过程中用到的控制信息、中间假设和中间结果. (3) 推理机.用于利用知识进行推理,求解专门问题,具有启发推理、算法推理；正向、反向或双向推理等功能. (4) 解释器用于作为专家系统与用户之间的“人-机”接口,其功能是向用户解释系统的行为. (5) 知识获取.知识工程师采用“专题面谈”、“记录分析”等方式获取知识,经过整理以后,再输入知识库.

专家系统是一种计算机应用系统。由于应用领域和实际问题的多样性，所以，专家系统的结构也就多种多样。但抽象地看，一般有基本结构和一般结构。专家系统的核心是知识库和推理机，其工作过程是根据知识库中的知识和用户提供的事实进行推理，不断地由已知的事实推出未知的结论即中间结果，并将中间结果放到数据库中，作为已知的新事实进行推理，从而把求解的问题由未知状态转换为已知状态。在专家系统的运行过程中，会不断地通过人机接口与用 户进行交互，向用户提问，并向用户做出解释。