天才一秒记住【久久文学】地址：https://www.jjwxx.com
如果该动物有羽毛，那么它是鸟类。
如果该动物能飞并且能产卵，那么它是鸟类。
如果该动物吃肉，那么它是肉食动物。
我们对这些规则作出如下解释：每一条规则都有前因条件（即“如果”
之后的部分）和后果结论（即“那么”
之后的部分）。
例如以下规则：
如果该动物能飞并且能产卵，那么它是鸟类。
该规则中的条件是“该动物能飞，该动物能产卵”
，结论就是“它是鸟类”
。
如果我们当前所掌握的信息与条件项相匹配，那么规则就会被触发，我们就能根据这条规则得出结论。
因此，要使这条规则生效，需要两个条件：我们试图分类的那个动物能飞，而且能产卵。
如果我们确实掌握了这两条信息，那么规则成立，我们就能得出结论，该动物是鸟类。
这个结论为我们提供了更多的信息，这些信息又可以用在后续的规则中，用以获取更多的信息，如此层层推进。
通常，专家系统以咨询的形式与用户交互，用户负责向系统提供信息，并且回答系统提出的问题。
图5所示的就是一个典型的专家系统结构，其中，知识库包含系统所拥有的知识——那些规则。
工作存储器则包含了系统拥有的，有关当前正在解决的问题信息（例如“该动物有毛发”
）。
最后，推理机则是专家系统的一个重要组成部分，它负责在解决问题的时候应用系统内存储的知识。
图5 经典专家系统结构
只要给定知识库，比如上文举例的动物分类知识，推理机就能够以两种方式运行：第一种，用户向系统提供他们所知道的有关问题的信息（以动物分类为例，用户向系统描述该动物是否有条纹、是否食肉等），推理机会根据用户提供的信息，应用规则去获取尽可能多的新信息，这个过程叫作规则触发。
然后，推理机将触发规则以后获得的新信息添加到工作存储器中，继续查看是否有新的规则被触发，然后不断重复这个过程，直到彻底无法通过已知信息应用更多规则得出更多新信息为止。
这种方法被称为正向推理：从数据推理到结论。
另一种方式是反向推理，即我们从想建立的结论开始，反向推理出数据。
例如，我们想确定这个需要被分类的动物是否为肉食动物，规则告诉我们，如果动物吃肉，就是肉食动物，因此，我们可以尝试确定动物是否吃肉。
因为没有任何规则的结论是动物是否吃肉，系统只能向用户直接询问这个问题。
MY：一个经典的专家系统
在20世纪70年代出现的第一代专家系统中，最具代表性的可能就是MY系统了（这个系统名称来源于抗生素的英文词后缀“my”
）[32]。
MY系统首次证明，人工智能在某些重要的领域表现可以优于人类专家，它为后来无数的专家系统提供了模板。
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！