天才一秒记住【久久文学】地址：https://www.jjwxx.com
MY本来是用于辅助医疗的系统，为人类血液疾病的诊断提供专业建议。
它是由斯坦福大学的一个研究小组开发的，包括布鲁斯·布坎南（Bruan）领导的人工智能实验室专家组和特德·肖特利夫（TedShortliffe）领导的斯坦福医学院专家组。
事实上，这个项目成功的一大要素就在于，专家系统是由真正的人类专家参与建设的。
后来有许多专家系统都宣告失败，因为它们缺乏了相关领域人类专家的必要支持。
跟我们在前文提到的动物分类规则相比，MY关于血液疾病的知识则是用稍微丰富一些的规则来表示的。
典型的MY规则（用自然语言表述）如下：
如果：
·该有机体不会被革兰氏染色法染色，并且
·该有机体的形态是杆状，并且
·该有机体是厌氧的
那么：
有可能（60%）该有机体是类杆菌
这是用实际的人工智能语言表述的MY规则：
RULE036:
PREMISE:（$AGRAMGRAMNEG）
&MMORPHROD）
&AIRANAEROBIC））
A:（TXTIDENTITY
&ALLY0.6）
研究人员大概用了5年的时间对MY的知识库进行编码和补充，在它的最终版本里，知识库已经包含了数百条规则。
MY之所以被称为最具代表性的专家系统，是因为它包含了后来的专家系统必不可少的所有关键特性。
首先，MY的系统操作和人类专家进行交互类似——向用户提出一系列问题，并且记录用户的响应。
这成为专家系统的标准模型，而MY的主要功能——诊断——则成为专家系统的标准任务。
其次，MY的推理是可以还原和解释的。
推理透明度的问题在人工智能应用方面有时极其重要。
如果一个人工智能系统被应用在一些生死攸关的决策中（以MY而言，比如治疗方案事关病人的生死），要想让人们遵从它的建议，就需要人们信任这个系统。
因此，解释和证明人工智能建议的合理性是非常有必要的。
经验表明，作为“黑盒”
运行的系统，如果没有能力证明其建议的合理性，就会受到用户的严重质疑。
MY至关重要的能力是它可以明确给出得出这一结论的原因，它是通过一系列推理链来得出最终结论的，即那些被触发的规则和触发规则的信息，都是有迹可寻的。
在实践中，大多数专家系统的解释能力最终都归结为类似的东西。
虽然不是特别理想，但这样的解释很容易追根溯源，并且有助于理解系统运作的机制。
最后一点，MY能够应对不确定性：有些时候用户向系统提供的信息并不是完全真实和准确的。
应对和处理不确定性是对专家系统及人工智能系统的一个普遍要求，在MY这样的系统中，极少根据某个单一的特性就得出明确结论的规则。
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！