[主体与协同：专家系统的发展方向]协同式专家系统又称

主体与协同：专家系统的发展方向协同式专家系统又称 主体系统主要研究自主的智能主体之间智能行为的协调。协同专家系统是协调这些自治主体的解决途径。 专家与专家系统 顾名思义，所谓“专家”是指在某一特定领域拥有大量知识以及丰富经验的人。在解决问题时，这些专家们通常都拥有一套独特的思维方式，能较圆满地解决自身领域的困难问题，或向用户提出一些建设性的建议。 而专家系统（Expert System）则是具有智能特点的计算机程序，它能够在特定的领域内模仿人类专家思维来求解复杂问题。专家系统内保存有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。 目前，专家系统在各领域中得到了广泛应用，并取得了可喜的成果，例如个人理财专家系统、油田寻找专家系统、贷款损失评估专家系统、各类教学专家系统等。 专家系统的构造 专家系统的基本结构如附图所示，其中箭头方向为数据流动的方向。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。 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。因此，知识库是专家系统质量是否优越的关键所在。 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。 推理机是指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。正向推理是从前提匹配到结论，反向推理则先假设一个结论成立，看它的条件有没有得到满足。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。 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，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。 协同专家系统的产生 大多数传统意义上的“专家系统”只在特定知识领域内是一个“专家”，一旦超出就很难获得令人满意的应用。现代人类解决问题的方法是分工合作，推而广之，在专家系统领域，能否也进行某种意义上的“分工合作，共同作战”呢？ 20世纪80年代中叶，随着常识推理和模糊理论实用化，以及深层知识表示技术的成熟，专家系统开始向着多知识表示、多推理机的多层次综合型转化。立足于纠正传统专家系统对复杂问题求解的简单化，追求深层解释和推理。综合的原则是技术互补。它起始于单纯的知识表示和推理方法的结合，发展到专家系统结构上的综合。 协同式专家系统能综合若干个相近领域或一个领域多个方面的分专家系统相互协同工作，共同解决一个更广泛的问题。在研究复杂问题时，可以将确定的总任务分解成几个分任务（各分任务之间允许有重叠，这不同于多任务专家系统），分别由几个专家系统来完成。各个专家系统发挥自身的特长，解决一个问题再进行子系统的协同，以确保专家系统的推理更加全面、准确、可靠。 分布式问题求解:协同式专家系统的基础 在分布协同式专家系统当中，问题的求解属于分布智能研究的一个分支。在这样的系统中，数据、知识、控制均分布在系统的各节点上，既无全局控制，也无全局数据和知识存贮。由于系统中没有一个节点拥有足够的数据和知识来求解整个问题，因此各节点需要交换部分数据、知识、问题求解状态等信息，相互协作来进行复杂问题的协作求解。 主体: 分布协同专家系统的基本单元 主体相应的英文单词是“Agent”。在英文中“Agent”这个词主要有三种涵义: 一是指能对其行为负责的人; 二是指能够产生某种效果的，在物理、化学或生物意义上活跃的东西; 三是指代理，即接受某人的委托并代表他执行某种功能，因此有人称之为代理。在计算机和人工智能领域中，主体可以看做是一个实体，它通过传感器感知环境，通过效应器作用于环境。如果主体是人，则传感器有眼睛、耳朵和其他器官，手、腿、嘴和身体的其他部分是效应器。如果主体是机器人，则摄像机等是传感器，各种运动部件是效应器。 主体作为人类自主性部分的抽象实体，成为构造分布协同专家系统的基本单元具有一定的自然性和必要性。系统专家系统的发展要求其成员的个体行为智能化，主体的自主性适应了该需求。其次，主体间的通信行为和特性也与系统工作中群体成员的交流行为相适应。主体之间是平等协作关系的对等实体，强调主体间通过通信而完成任务，因此由主体自主性引发的协同性使得主体可以更好反映协作群体或组织的结构和联系特性。主体可以将原来各个异构的诊断系统进行统一封装，实现协作达到透明协同，也能区分共享工作空间和私有工作空间及二者的无缝连接。 小资料 专家系统的历史发展 迄今为止，专家系统的发展已经历了三个阶段，正在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，现在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。