專家系統(tǒng)（Expert System）是早期人工智能的一個(gè)重要分支，是一類具有專門知識(shí)和經(jīng)驗(yàn)的計(jì)算機(jī)智能程序系統(tǒng)。它利用存儲(chǔ)在計(jì)算機(jī)內(nèi)的某一特定領(lǐng)域內(nèi)人類專家的知識(shí)，來(lái)模擬通常由領(lǐng)域?qū)＜也拍芙鉀Q的復(fù)雜問(wèn)題。一般采用人工智能中的知識(shí)表示和知識(shí)推理技術(shù)，可將其視作“知識(shí)庫(kù)”和“推理機(jī)”的結(jié)合。專家系統(tǒng)的典型任務(wù)包括分類、診斷、監(jiān)控、設(shè)計(jì)、調(diào)度和專業(yè)工作的規(guī)劃。
第一代專家系統(tǒng)產(chǎn)生于20世紀(jì)60年代初，人工智能學(xué)者愛(ài)德華·費(fèi)根鮑姆（Edward A.Feigenbaum）等教授于1965年研制出世界上第一個(gè)專家系統(tǒng)Dendral。20世紀(jì)70年代，專家系統(tǒng)開(kāi)始成熟起來(lái)，擴(kuò)展到了更廣泛的領(lǐng)域，20世紀(jì)80年代，第二代專家系統(tǒng)誕生了，其引入了概率模型來(lái)對(duì)原因及其可能影響進(jìn)行推理。到20世紀(jì)80年代中期，各類專家系統(tǒng)已遍布各個(gè)專業(yè)領(lǐng)域。經(jīng)過(guò)不斷的迭代和深入研究，專家系統(tǒng)已經(jīng)從單學(xué)科專業(yè)性應(yīng)用型系統(tǒng)，到多學(xué)科綜合性系統(tǒng)，再發(fā)展為具有多知識(shí)庫(kù)、多主體的第四代專家系統(tǒng)。
專家系統(tǒng)開(kāi)創(chuàng)了人工智能從理論研究走向?qū)嶋H應(yīng)用、從一般推理策略研究轉(zhuǎn)向運(yùn)用知識(shí)推理求解的先河。專家系統(tǒng)具有解釋、預(yù)測(cè)、診斷和設(shè)計(jì)等功能，并且具有啟發(fā)性、透明性和靈活性等特性，在醫(yī)學(xué)、化學(xué)、工業(yè)和農(nóng)業(yè)等領(lǐng)域均得到了應(yīng)用。
發(fā)展歷程
專家系統(tǒng)的發(fā)展經(jīng)歷了四代，從第一代的以高度專業(yè)化、求解專門問(wèn)題的能力強(qiáng)為主要特點(diǎn)，到第二代屬于單學(xué)科專業(yè)性應(yīng)用型系統(tǒng)，再到第三代屬于多學(xué)科綜合性系統(tǒng)。第四代專家系統(tǒng)則采用大型多專家協(xié)作系統(tǒng)、多種知識(shí)表示、綜合知識(shí)庫(kù)、自組織求解、多學(xué)科協(xié)同求解與并行推理求解機(jī)制、專家系統(tǒng)工具與環(huán)境、深度學(xué)習(xí)知識(shí)獲取及學(xué)習(xí)機(jī)制等最新人工智能技術(shù)來(lái)設(shè)計(jì)與實(shí)現(xiàn)具有多知識(shí)庫(kù)、多主體的專家系統(tǒng)。
20世紀(jì)60年代初，一種運(yùn)用邏輯模擬心理活動(dòng)的通用問(wèn)題求解程序出現(xiàn)，但這些通用方法無(wú)法解決大型實(shí)際問(wèn)題，于是人工智能學(xué)者愛(ài)德華·費(fèi)根鮑姆(Edward Feigenbaum）等教授在總結(jié)通用問(wèn)題求解系統(tǒng)的基礎(chǔ)上結(jié)合化學(xué)領(lǐng)域的專門知識(shí)，于1965年研制出世界上第一個(gè)專家系統(tǒng)Dendral。
20世紀(jì)70年代，專家系統(tǒng)趨于成熟，專家系統(tǒng)的觀點(diǎn)也開(kāi)始廣泛的被人們接受。70年代中期先后出現(xiàn)了一批卓有成效的專家系統(tǒng)，在醫(yī)療領(lǐng)域尤為突出，其中最具代表性的專家系統(tǒng)是MYCIN，它第一次使用了知識(shí)庫(kù)的概念，并使用了似然推理技術(shù)，后來(lái)的許多專家系統(tǒng)都是在MYCIN的基礎(chǔ)上研制的。20世紀(jì)70年代后期，專家系統(tǒng)開(kāi)始出現(xiàn)其他的類型，包括設(shè)計(jì)型專家系統(tǒng)、規(guī)劃型專家系統(tǒng)、教育型專家系統(tǒng)以及預(yù)測(cè)型專家系統(tǒng)等。
20世紀(jì)80年代，隨著人們對(duì)專家系統(tǒng)的應(yīng)用、項(xiàng)目和實(shí)驗(yàn)的興趣成倍增加，專家系統(tǒng)開(kāi)始引入了對(duì)原因和可能影響進(jìn)行推理的概率模型，到20世紀(jì)80年代中期，各種專家系統(tǒng)已遍布各個(gè)專業(yè)領(lǐng)域，開(kāi)發(fā)了幾千個(gè)的專家系統(tǒng)，其中不少在功能上已達(dá)到甚至超過(guò)同領(lǐng)域中人類專家的水平，并在實(shí)際應(yīng)用中產(chǎn)生了巨大的經(jīng)濟(jì)效益。1984年，肖洛姆·韋斯（Sholom Weiss）和卡西米爾·庫(kù)利科夫斯基（Casimir Kulikowski） 對(duì)專家系統(tǒng)的定義為：專家系統(tǒng)能夠處理現(xiàn)實(shí)世界中需要專家做出解釋的復(fù)雜問(wèn)題，并使用專家推理的計(jì)算機(jī)模型解決這些問(wèn)題，得出與專家相同的結(jié)論。但這一階段專家系統(tǒng)一直由基于規(guī)則的系統(tǒng)主宰，直到20世紀(jì)80年代后期，開(kāi)始向面向?qū)ο蟮南到y(tǒng)轉(zhuǎn)變，基于框架的專家系統(tǒng)開(kāi)始占據(jù)主要位置。
20世紀(jì)90年代，人們對(duì)專家系統(tǒng)的研究轉(zhuǎn)向了與知識(shí)工程、模糊技術(shù)、實(shí)時(shí)操作技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫(kù)技術(shù)等相結(jié)合的專家系統(tǒng)。各學(xué)者也紛紛對(duì)專家系統(tǒng)進(jìn)行定義。1994年，喬恩·杜爾金（John Dukin）定義其是一個(gè)設(shè)計(jì)用來(lái)建立人類專家問(wèn)題求解能力模型的計(jì)算機(jī)程序。1998年，羅納德·布拉赫曼（Ronald·Brachman）和費(fèi)根鮑姆等人使用7個(gè)相對(duì)獨(dú)立的方面對(duì)專家系統(tǒng)進(jìn)行了定義，同年，約瑟夫·賈拉塔諾（Joseph .Giarratano）和加里·萊利（Gary· Riley）提出專家系統(tǒng)的定義：專家系統(tǒng)是廣泛應(yīng)用專門知識(shí)以解決人類專家水平問(wèn)題的人工智能的一個(gè)分支。專家系統(tǒng)有時(shí)又稱為基于知識(shí)的系統(tǒng)或基于知識(shí)的專家系統(tǒng)。
進(jìn)入21世紀(jì)，專家系統(tǒng)成為了智能助手和進(jìn)行智能管理與決策的工具，但其創(chuàng)新發(fā)展進(jìn)入了緩慢階段。
工作原理
專家系統(tǒng)的核心是知識(shí)庫(kù)和推理機(jī)，知識(shí)庫(kù)用來(lái)將問(wèn)題知識(shí)化、知識(shí)概念化、概念形式化、形式規(guī)則化、規(guī)則合法化。它能夠辨別所研究問(wèn)題的實(shí)質(zhì)，概括知識(shí)表示所需要的的關(guān)鍵概念及其關(guān)系，然后應(yīng)用人工智能中知識(shí)表示方法把與概念化過(guò)程有關(guān)的關(guān)鍵概念和信息流特性等變換為正式的表達(dá)，將形式化了的知識(shí)轉(zhuǎn)換成由編程語(yǔ)言表示的可供計(jì)算機(jī)執(zhí)行的語(yǔ)句和程序，最后確定規(guī)則化了知識(shí)的合理性，檢驗(yàn)規(guī)則的有效性。
系統(tǒng)根據(jù)知識(shí)庫(kù)中的知識(shí)和用戶提供的事實(shí)進(jìn)行推理，最常見(jiàn)的推理方式是產(chǎn)生式規(guī)則，形式為“如果...那么...”，不斷地由已知的事實(shí)推出未知的結(jié)論，即中間結(jié)果，并將中間結(jié)果放到數(shù)據(jù)庫(kù)中，作為已知的新事實(shí)進(jìn)行推理，從而把求解的問(wèn)題由未知狀態(tài)轉(zhuǎn)換為已知狀態(tài)。在專家系統(tǒng)的運(yùn)行過(guò)程中，會(huì)不斷地通過(guò)人機(jī)接口與用戶進(jìn)行交互，向用戶提問(wèn)，并向用戶做出解釋。
系統(tǒng)結(jié)構(gòu)
專家系統(tǒng)主要由知識(shí)庫(kù)和推理機(jī)組成，在實(shí)際應(yīng)用中，由于每個(gè)專家系統(tǒng)的任務(wù)和特點(diǎn)不同，系統(tǒng)結(jié)構(gòu)也不盡相同，一個(gè)完整的專家系統(tǒng)結(jié)構(gòu)一般由人機(jī)接口、推理機(jī)、知識(shí)庫(kù)、綜合數(shù)據(jù)庫(kù)、知識(shí)獲取機(jī)構(gòu)和解釋機(jī)構(gòu)六個(gè)部分組成。
人機(jī)接口
人機(jī)接口是專家系統(tǒng)與領(lǐng)域?qū)＜抑R(shí)工程師以及一般用戶間的界面，由一組程序和響應(yīng)的硬件組成，用于完成輸入輸出工作，領(lǐng)域?qū)＜抑R(shí)工程師通過(guò)它輸入知識(shí)，更新、完善知識(shí)庫(kù)，一般用戶則通過(guò)它輸入求解的問(wèn)題、已知事實(shí)以及向系統(tǒng)提出的詢問(wèn)；系統(tǒng)通過(guò)它輸出運(yùn)行結(jié)果、回答用戶的詢問(wèn)或者向用戶索取進(jìn)一步的事實(shí)。接口的形式和功能因不同的系統(tǒng)差異較大，有的系統(tǒng)可用簡(jiǎn)單的自然語(yǔ)言與系統(tǒng)交互，而有的系統(tǒng)則用最基本的方式（如編輯軟件）實(shí)現(xiàn)與系統(tǒng)的信息交流。
知識(shí)庫(kù)
知識(shí)庫(kù)用于存儲(chǔ)某領(lǐng)域?qū)＜蚁到y(tǒng)的專門知識(shí)，包括事實(shí)、可行性操作與規(guī)則等，是把應(yīng)用領(lǐng)域的問(wèn)題求解知識(shí)單獨(dú)組成一個(gè)實(shí)體，其中知識(shí)大多以規(guī)則、網(wǎng)絡(luò)和過(guò)程等形式表示。知識(shí)庫(kù)與專家系統(tǒng)程序是相互獨(dú)立的，用戶可以通過(guò)改變、完善知識(shí)庫(kù)中的知識(shí)內(nèi)容來(lái)提高專家系統(tǒng)的性能。知識(shí)庫(kù)的質(zhì)量和數(shù)量決定著專家系統(tǒng)的質(zhì)量水平。知識(shí)庫(kù)包括兩部分內(nèi)容，一部分是已知的同當(dāng)前問(wèn)題有關(guān)的數(shù)據(jù)信息；另一部分是進(jìn)行推理時(shí)要用到的一般知識(shí)和領(lǐng)域知識(shí)。
綜合數(shù)據(jù)庫(kù)
綜合數(shù)據(jù)庫(kù)又稱全局?jǐn)?shù)據(jù)庫(kù)或總數(shù)據(jù)庫(kù)，它用于存儲(chǔ)領(lǐng)域或問(wèn)題的初始數(shù)據(jù)和推理過(guò)程中得到的中間數(shù)據(jù)（信息），即被處理對(duì)象的一些當(dāng)前事實(shí)。
推理機(jī)
推理機(jī)包括調(diào)度器、執(zhí)行器、協(xié)調(diào)器三部分，用于記憶所采用的規(guī)則和控制策略的程序，使整個(gè)專家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作。調(diào)度器按照系統(tǒng)建造者所給的控制知識(shí)（通常使用優(yōu)先權(quán)辦法），從議程中選擇一個(gè)項(xiàng)作為系統(tǒng)下一步要執(zhí)行的動(dòng)作。執(zhí)行器應(yīng)用知識(shí)庫(kù)中記錄的信息，執(zhí)行調(diào)度器所選定的動(dòng)作。協(xié)調(diào)器的主要作用是當(dāng)?shù)玫叫聰?shù)據(jù)或新假設(shè)時(shí)，對(duì)已得到的結(jié)果進(jìn)行修正，以保持結(jié)果前后的一致性。
解釋機(jī)構(gòu)
解釋器是專家系統(tǒng)區(qū)別于一般程序的重要特征之一，由一組程序組成，能夠跟蹤并記錄推理過(guò)程，向用戶解釋專家系統(tǒng)的行為，包括解釋推理結(jié)論的正確性以及系統(tǒng)輸出其他候選解的原因，最后把解答用約定的形式通過(guò)人機(jī)接口輸出給用戶。它還可以通過(guò)對(duì)自身行為的解釋幫助系統(tǒng)建造者發(fā)現(xiàn)知識(shí)庫(kù)以及推理機(jī)中的錯(cuò)誤，有助于對(duì)系統(tǒng)的調(diào)試和維護(hù)。
知識(shí)獲取機(jī)構(gòu)
知識(shí)獲取是專家系統(tǒng)與專家的“界面”。知識(shí)庫(kù)中的知識(shí)一般都是通過(guò)“人工移植”方法獲得，“界面”就是知識(shí)工程師（專家系統(tǒng)的設(shè)計(jì)者），采用“專題面談”，“口語(yǔ)記錄分析”等方式獲取知識(shí)，經(jīng)過(guò)整理后，再輸入知識(shí)庫(kù)。通過(guò)借助“知識(shí)獲取輔助工具”可以輔助專家整理知識(shí)或輔助擴(kuò)充和修改數(shù)據(jù)庫(kù)，提高知識(shí)工程師獲得專家知識(shí)的效率。
系統(tǒng)分類
基于工作機(jī)理劃分
根據(jù)專家系統(tǒng)的工作機(jī)理，可以將專家系統(tǒng)分為基于規(guī)則專家系統(tǒng)、基于框架專家系統(tǒng)和基于模型專家系統(tǒng)。
基于規(guī)則的專家系統(tǒng)
基于規(guī)則的專家系統(tǒng)是個(gè)計(jì)算機(jī)程序，該程序使用一套包含在知識(shí)庫(kù)內(nèi)的規(guī)則對(duì)工作存儲(chǔ)器內(nèi)的具體問(wèn)題信息（事實(shí)）進(jìn)行處理，通過(guò)推理機(jī)推斷出新的信息。該類專家系統(tǒng)通過(guò)知識(shí)庫(kù)以一套規(guī)則建立人的長(zhǎng)期存儲(chǔ)器模型，用工作存儲(chǔ)器建立人的短期存儲(chǔ)器模型，存放問(wèn)題事實(shí)和由規(guī)則激發(fā)而推斷出的新事實(shí)，然后借助推理機(jī)把存放在工作存儲(chǔ)器內(nèi)的問(wèn)題事實(shí)和存放在知識(shí)庫(kù)內(nèi)的規(guī)則結(jié)合起來(lái)，建立人的推理模型，推斷出新的信息。
基于規(guī)則的專家系統(tǒng)不需要一個(gè)人類問(wèn)題求解的精確匹配，而是能夠通過(guò)計(jì)算機(jī)提供一個(gè)復(fù)制問(wèn)題求解的合理模型。其工作模型如下：
基于框架的專家系統(tǒng)
框架是一種結(jié)構(gòu)化表示方法，它由若干個(gè)描述相關(guān)事務(wù)各方面及其概念的槽構(gòu)成，每個(gè)槽擁有若干側(cè)面，每個(gè)側(cè)面還擁有若干個(gè)值。基于框架的專家系統(tǒng)將一般概念存放在框架內(nèi)，而該概念的一些特例則表示在其他框架內(nèi)并含有實(shí)際的特征值。基于框架的專家系統(tǒng)采用面向目標(biāo)編程技術(shù)，它也是個(gè)計(jì)算機(jī)程序，用一組包含在知識(shí)庫(kù)內(nèi)的框架對(duì)工作存儲(chǔ)器內(nèi)的具體問(wèn)題信息進(jìn)行處理，通過(guò)推理機(jī)推斷出新的信息。相比于規(guī)則來(lái)表示知識(shí)，框架提供一種比規(guī)則更為豐富的獲取問(wèn)題知識(shí)的方法和規(guī)則專家系統(tǒng)所沒(méi)有的特征，不僅提供某些目標(biāo)的包描述，而且還規(guī)定該目標(biāo)如何工作。
基于模型的專家系統(tǒng)
一個(gè)知識(shí)系統(tǒng)中的知識(shí)庫(kù)是由各種模型綜合而成的，由于模型的建立與知識(shí)密切相關(guān)，所以有關(guān)模型的獲取、表達(dá)和使用自然地包括了知識(shí)獲取、知識(shí)表達(dá)和知識(shí)使用，這種模型概括了定性的物理模型和心理模型等。由此可得，專家系統(tǒng)是由一些原理與運(yùn)行方式不同的模型綜合而成的。采用各種定性模型來(lái)設(shè)計(jì)專家系統(tǒng)，增加了系統(tǒng)的功能，提高了性能指標(biāo)，還可獨(dú)立地深入研究各種模型及其相關(guān)問(wèn)題，把求得的結(jié)果用于改進(jìn)系統(tǒng)設(shè)計(jì)。
基于任務(wù)類型劃分
根據(jù)系統(tǒng)所執(zhí)行的任務(wù)類型不同，可以將專家系統(tǒng)劃分為12種類型。
知識(shí)獲取
知識(shí)獲取是把用于求解專門領(lǐng)域問(wèn)題的知識(shí)從擁有這些知識(shí)的知識(shí)源中抽取出來(lái)，并轉(zhuǎn)換為特定的計(jì)算機(jī)表示。按照基于知識(shí)系統(tǒng)獲取知識(shí)的工作方式分類，可分為非自動(dòng)型知識(shí)獲取和自動(dòng)型知識(shí)獲取。
自動(dòng)知識(shí)獲取
自動(dòng)獲取是指系統(tǒng)自身具有獲取知識(shí)的能力，可以直接與領(lǐng)域?qū)＜覍?duì)話，從專家提供的原始信息中獲取到專家系統(tǒng)所需要的知識(shí)，而且還能從系統(tǒng)自身的運(yùn)行實(shí)踐中總結(jié)、歸納出新知識(shí)，發(fā)現(xiàn)知識(shí)中可能存在的錯(cuò)誤，不斷自我完善，建立性能優(yōu)良、知識(shí)完善的知識(shí)庫(kù)。它一般具備識(shí)別語(yǔ)音、文字和圖像的能力，以及理解、分析和歸納的能力。
非自動(dòng)知識(shí)獲取
非自動(dòng)知識(shí)獲取分兩步進(jìn)行，首先由知識(shí)工程師從領(lǐng)域?qū)＜一蛴嘘P(guān)的技術(shù)文獻(xiàn)中獲取知識(shí)，然后再由知識(shí)工程師用某種知識(shí)編輯軟件輸入到知識(shí)庫(kù)中。知識(shí)工程師是領(lǐng)域?qū)＜液蛯＜蚁到y(tǒng)的建造者之間的中介專家，與領(lǐng)域?qū)＜疫M(jìn)行交談或閱讀相關(guān)文獻(xiàn)，對(duì)獲取的原始知識(shí)進(jìn)行分析、歸納、整理，形成用自然語(yǔ)言表述的知識(shí)條款，最后用知識(shí)表示語(yǔ)言表示出來(lái)；知識(shí)編輯器是一種用于知識(shí)輸入的軟件，把某種模式或語(yǔ)言表示的知識(shí)轉(zhuǎn)換成計(jì)算機(jī)課表示的內(nèi)部形式，并輸入到知識(shí)庫(kù)中。
系統(tǒng)功能
專家系統(tǒng)能夠儲(chǔ)存問(wèn)題求解所需的知識(shí)、具體求解的初始數(shù)據(jù)和推理過(guò)程中涉及的各種信息。然后根據(jù)當(dāng)前輸入的數(shù)據(jù)、利用所儲(chǔ)存的知識(shí)，按照推理策略解決需求解的問(wèn)題，并且能夠?qū)ν评磉^(guò)程、結(jié)論或系統(tǒng)自身行為給出解釋，還提供知識(shí)獲取、機(jī)器學(xué)習(xí)以及知識(shí)庫(kù)的修改、擴(kuò)充和完善等維護(hù)手段來(lái)確保準(zhǔn)確性和求解能力，并且提供一種用戶友好的接口，方便用戶使用的同時(shí)方便分析和理解用戶的要求。
專家系統(tǒng)的功能具體有解釋、預(yù)測(cè)、診斷、規(guī)劃、監(jiān)督和控制等。
基本特點(diǎn)
特性
優(yōu)缺點(diǎn)
專家系統(tǒng)具有高度可重復(fù)性，能夠用于對(duì)人類有安全威脅的危險(xiǎn)場(chǎng)所，因其不受情緒、緊張或疲勞等的影響，能夠保持系統(tǒng)性能的穩(wěn)定，響應(yīng)查詢的速度快，且知識(shí)庫(kù)確保正確的情況下出錯(cuò)的可能性較小。相較于人類專家，專家系統(tǒng)能夠提高產(chǎn)量和生產(chǎn)力，并且減少?zèng)Q策時(shí)間，還能夠匯集和集成多領(lǐng)域?qū)＜业闹R(shí)與經(jīng)驗(yàn)。它借助低成本儀器就能夠進(jìn)行檢測(cè)和控制，大大減少了成本。
但也存在一些局限性，一是知識(shí)獲取的瓶頸有限，它很難將專家的知識(shí)經(jīng)驗(yàn)用準(zhǔn)確的規(guī)則描述，獲取知識(shí)的工作量比較大；二是自適應(yīng)能力較差，大多數(shù)專家系統(tǒng)會(huì)局限在以某專業(yè)領(lǐng)域的知識(shí)經(jīng)驗(yàn)為基礎(chǔ)對(duì)用戶問(wèn)題進(jìn)行求解，無(wú)法為不同的場(chǎng)景產(chǎn)生創(chuàng)造性的輸出，甚至輸出錯(cuò)誤的結(jié)論；三是自我學(xué)習(xí)能力差，不能從求解問(wèn)題成敗中積累經(jīng)驗(yàn)，不能自動(dòng)修正原有知識(shí)庫(kù)中的知識(shí)和經(jīng)驗(yàn)；四是時(shí)效性較差，對(duì)于復(fù)雜的問(wèn)題對(duì)象，搜索范圍大，速度慢，難以滿足快速實(shí)時(shí)輸出結(jié)論的應(yīng)用需要。
與傳統(tǒng)程序系統(tǒng)的區(qū)別
專家系統(tǒng)與傳統(tǒng)的程序系統(tǒng)不同，專家系統(tǒng)是一個(gè)啟發(fā)交互式的符號(hào)系統(tǒng)，在結(jié)構(gòu)上，其知識(shí)和控制分離，修改容易，信息類型可為不確定性信息、處理結(jié)果可以提供不確定性解。
開(kāi)發(fā)工具
專家系統(tǒng)開(kāi)發(fā)工具是一種程序設(shè)計(jì)系統(tǒng)，通常分為程序設(shè)計(jì)語(yǔ)言、知識(shí)工程語(yǔ)言、系統(tǒng)構(gòu)造輔助工具和支撐設(shè)施四類。
性能評(píng)定
專家系統(tǒng)的性能基于專家知識(shí)庫(kù)中存儲(chǔ)的知識(shí)，知識(shí)庫(kù)中存儲(chǔ)的知識(shí)越多，系統(tǒng)性能就越高。對(duì)專家系統(tǒng)的評(píng)價(jià)原則包括：評(píng)價(jià)系統(tǒng)的性能、靈活性、功能、透明性、可用性和可接受性、運(yùn)行效率和效益以及設(shè)計(jì)周期和意義。對(duì)專家系統(tǒng)性能評(píng)價(jià)指標(biāo)性能評(píng)價(jià)指標(biāo)主要體現(xiàn)在正確性、實(shí)用性等方面。
應(yīng)用領(lǐng)域
專家系統(tǒng)在化學(xué)、醫(yī)療、農(nóng)業(yè)、工業(yè)等領(lǐng)域都有著廣泛的應(yīng)用。
農(nóng)業(yè)領(lǐng)域
農(nóng)業(yè)專家系統(tǒng)應(yīng)用人工智能的專家系統(tǒng)技術(shù)，在整理一個(gè)或多個(gè)農(nóng)業(yè)專家提供的特殊領(lǐng)域知識(shí)和技術(shù)經(jīng)驗(yàn)的基礎(chǔ)上。用計(jì)算機(jī)模擬專家的智能，通過(guò)推理和判斷，為農(nóng)業(yè)生產(chǎn)中某一復(fù)雜的問(wèn)題提供決策。早在20世紀(jì)70年代末，美國(guó)就開(kāi)始了農(nóng)業(yè)專家系統(tǒng)的研究，當(dāng)時(shí)僅用于作物病蟲害診斷，后來(lái)越來(lái)越多國(guó)家也開(kāi)發(fā)了農(nóng)業(yè)專家系統(tǒng)，國(guó)際上已經(jīng)開(kāi)發(fā)了多種農(nóng)業(yè)專家系統(tǒng)，而且被廣泛應(yīng)用在作物生產(chǎn)管理、灌溉、施肥、品種選擇、病蟲害防治、溫室管理、畜禽飼料配方、水土保持、農(nóng)業(yè)機(jī)械收獲等方面。
工業(yè)領(lǐng)域
工業(yè)領(lǐng)域存在著許多高危工作，專家系統(tǒng)能夠幫助人們?cè)谌祟悷o(wú)法觸及的高危環(huán)境下工作，比如高爐進(jìn)行生鐵冶煉的過(guò)程，使用高爐監(jiān)控專家系統(tǒng)，預(yù)測(cè)高爐內(nèi)爐料滑動(dòng)和溝道的產(chǎn)生情況，判斷高爐內(nèi)熔煉過(guò)并指導(dǎo)操作員對(duì)高爐進(jìn)行合理的操作。此外，還應(yīng)用在一些工業(yè)程序如過(guò)程控制、故障診斷、生產(chǎn)調(diào)度等。
醫(yī)療領(lǐng)域
專家系統(tǒng)可以模擬醫(yī)學(xué)專家診斷、治療疾病的思路過(guò)程編制的計(jì)算機(jī)程序，幫助醫(yī)生解決復(fù)雜的醫(yī)學(xué)問(wèn)題，可以作為醫(yī)生診斷和治療的輔助工具。醫(yī)學(xué)專家系統(tǒng)可以解決的問(wèn)題一般包括解釋、預(yù)測(cè)、診斷、提供治療方案等，世界上比較著名的醫(yī)療診斷系統(tǒng)還有青光眼醫(yī)療診斷系統(tǒng)CASNET、內(nèi)科病醫(yī)療診斷系統(tǒng)INTERNIST、腎病醫(yī)療診斷系統(tǒng)PIP、處理精神病的系統(tǒng)PARRY等。新一代專家系統(tǒng)有分布式專家系統(tǒng)和協(xié)同式專家系統(tǒng)等，其在醫(yī)學(xué)領(lǐng)域的應(yīng)用將更有利于臨床疾病診斷與治療水平的提高。
化學(xué)領(lǐng)域
專家系統(tǒng)可以推導(dǎo)分子結(jié)構(gòu)系統(tǒng)，進(jìn)行化學(xué)實(shí)驗(yàn)等，化學(xué)專家系統(tǒng)可分為結(jié)構(gòu)解析專家系統(tǒng)和有機(jī)合成路線設(shè)計(jì)專家系統(tǒng)等，最早出現(xiàn)的化學(xué)分析專家系統(tǒng)DENDRAL，能根據(jù)分子式和質(zhì)譜分析數(shù)據(jù)，得出未知化合物的分子結(jié)構(gòu)，后來(lái)專家系統(tǒng)還可以自動(dòng)推導(dǎo)質(zhì)譜學(xué)規(guī)則、確定原子排列、重新識(shí)別分子結(jié)構(gòu)的功能團(tuán)、鏈、環(huán)、冗余性以及對(duì)稱性并對(duì)之進(jìn)行化學(xué)變化等。已經(jīng)研發(fā)出的化學(xué)專家系統(tǒng)有Lawrence Livermore國(guó)家實(shí)驗(yàn)室研制的TQMSTUNE系統(tǒng)，用來(lái)調(diào)優(yōu)大型的質(zhì)譜儀TQMS的各項(xiàng)控制指標(biāo)；Beckman儀器公司在IBM PC/XT機(jī)器上建立的一個(gè)用于超離心機(jī)分離過(guò)程的專家系統(tǒng)Spinpro；用于進(jìn)行有機(jī)化合物構(gòu)想分析的專家系統(tǒng)WIZARD等。
其他領(lǐng)域
經(jīng)典實(shí)例
發(fā)展趨勢(shì)
隨著專家系統(tǒng)的應(yīng)用日益廣泛，專家系統(tǒng)解決問(wèn)題的復(fù)雜度和難度也相應(yīng)的不斷增大，傳統(tǒng)專家系統(tǒng)已經(jīng)逐步被一些新型的專家系統(tǒng)取代，如基于混合模型的專家系統(tǒng)、機(jī)器學(xué)習(xí)和專家知識(shí)相結(jié)合的專家系統(tǒng)、實(shí)時(shí)診斷專家系統(tǒng)、分布式全系統(tǒng)診斷專家系統(tǒng)、混合推理、不確定性推理控制策略專家系統(tǒng)等。專家系統(tǒng)的發(fā)展在知識(shí)獲取與知識(shí)表示等部分的功能會(huì)更加的完善，在機(jī)器學(xué)習(xí)、推理機(jī)制和實(shí)時(shí)控制等方面都將會(huì)有
參考資料 >
Expert Systems in Artificial Intelligence.javatpoint.2024-02-19
expert system.britannica.2024-02-19
專家控制系統(tǒng).清華大學(xué)出版社.2024-02-19
專家系統(tǒng).清華大學(xué)出版社.2024-02-19
AI History: the 1980s and expert systems.klondike.2024-02-22
人工智能——專家系統(tǒng)從誕生到發(fā)展.澎湃新聞.2024-02-19
未來(lái)人類將被AI取代?一文讀懂人工智能類型與發(fā)展階段_AI_Zulaikha Geer_InfoQ精選文章.infoQ.2024-02-19
高級(jí)專家系統(tǒng) ：原理 、設(shè)計(jì)及應(yīng)用.科學(xué)出版社.2024-02-26
醫(yī)學(xué)人工智能的發(fā)展.中國(guó)數(shù)字科技館.2024-02-26
專家系統(tǒng)及其在醫(yī)學(xué)領(lǐng)域中的應(yīng)用.搜狐.2024-02-19
專家系統(tǒng) ?.OSGeo中國(guó)中心.2024-02-22
人工智能概論.阿里云cs.2024-02-23
A brief history and technical review of the expert system research.ResearchGate.2024-02-19
Expert Systems in Artificial Intelligence.javaTponit.2024-02-22
Advantages and Disadvantages of Expert System.javatpoint.2024-02-22
專家系統(tǒng)研究現(xiàn)狀及其發(fā)展趨勢(shì).超星期刊.2024-02-22