[名词解释] 专家系统

[名词解释] 专家系统

专家系统是人工智能早期的重要分支，本质是模拟人类专家解决特定领域复杂问题的智能程序系统。它通过将领域专家的知识和经验转化为计算机可识别的规则，结合推理技术实现自动化决策，核心价值在于让非专家也能获得专业级的问题解决方案。1965年斯坦福大学研发的系统标志着其诞生，该系统能根据质谱数据推断有机化合物分子结构，开创了用机器模拟专家思维的先河。

这类系统的核心架构由知识库与推理机构成，两者的分离是其最显著特征。知识库采用规则、框架或语义网络等形式存储专业知识，例如医学专家系统就包含了600多条诊断规则；推理机则模拟专家的思维过程，通过正向链（从事实推结论）或反向链（从假设找证据）等策略进行逻辑推演。部分系统还配备知识获取模块和解释器，前者辅助更新知识库，后者能向用户说明推理过程，如为何得出某诊断结果。

与传统程序相比，专家系统呈现出三大差异：一是知识与推理分离，修改规则无需改动程序核心；二是处理符号信息，擅长医疗诊断、地质勘探等非数值问题；三是具备容错性，即使知识存在不确定性仍能给出合理判断。其典型特征包括：拥有专家级专门知识、使用符号推理、能解释决策过程、知识可扩充等。

在发展历程中，专家系统经历了三次浪潮：1965-1971年初创期以和数学求解系统为代表；1972-1977年成熟期出现了医疗诊断系统和地质找矿系统

；1978年后进入发展期，应用扩展到金融、教育等领域。中国在1990年研制的找矿系统就是成功案例，通过分析地质数据在新疆香山岩体设计的验证钻孔中发现工业矿体。

尽管曾因知识获取瓶颈（依赖人工提取专家知识）和自适应能力弱逐渐被神经网络取代，但专家系统奠定了AI知识工程的基础。如今，其思想正通过与机器学习结合获得新生——例如将深度学习的特征提取能力与规则推理的可解释性结合，在医疗诊断等敏感领域重新发挥价值。这种"规则+数据"的混合智能，或许正是专家系统留给当代AI的重要启示。