廖佚

〔摘 要〕專家系統(tǒng)是人工智能中最重要的也是最活躍的一個應(yīng)用領(lǐng)域，它實現(xiàn)了人工智能從理論研究走向?qū)嶋H應(yīng)用，從一般推理策略探討轉(zhuǎn)向運用專門知識的重大突破。本文按照時間順序，將專家系統(tǒng)劃分為20世紀(jì)80年代以前、20世紀(jì)80年代、20世紀(jì)90年代、2000年后4個階段。文章利用文獻(xiàn)計量學(xué)的方法，分析了專家系統(tǒng)發(fā)展的歷程、發(fā)展方向和趨勢，指出當(dāng)前正是專家系統(tǒng)的發(fā)展期，多種專家系統(tǒng)投入商業(yè)化運行，需要解決知識獲取瓶頸、匹配沖突等問題，為了解和掌握專家系統(tǒng)的學(xué)科結(jié)構(gòu)、演化過程、發(fā)展方向等提供了獨特的視角和知識。

〔關(guān)鍵詞〕知識圖譜；專家系統(tǒng)；發(fā)展軌跡

ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０１２．０２．０４０

〔中圖分類號〕Ｇ２５０.７１ 〔文獻(xiàn)標(biāo)識碼〕Ａ 〔文章編號〕１００８－０８２１（２０１２）０２－０１５９－０８

Knowledge-based Expert System Development Overview MapLiao Yi

（Political Department，National University of Defense Technology，Changsha 410073，China）

〔Ａｂｓｔｒａｃｔ〕Artificial intelligence expert system is the most important and most active areas of an application,which implements the artificial intelligence research from theory to practice,turning from the general reasoning strategies of a major breakthrough in the use of expertise.This chronological order,the expert system into the 1980s before the 1980s,1990s,2000,after four stages.Articles using bibliometric methods,analysis of the expert system development process,development and trends,pointing out that the current phase is the development of expert systems,expert systems into a variety of commercial operation,need to address the knowledge acquisition bottleneck,matching conflicts and other issues for expert systems to understand and master the subject structure,evolution,development and so provide an unique perspective and knowledge.

〔Ｋｅｙ ｗｏｒｄｓ〕knowledge maps;expert systems;the development trajectory

專家系統(tǒng)作為人工智能的一個重要分支，發(fā)展已經(jīng)超過50年，在很多應(yīng)用領(lǐng)域都獲得了廣泛使用，取得了豐碩成果。本文運用文獻(xiàn)計量這一獨特視角對專家系統(tǒng)進(jìn)行了再回顧和再分析，將智能科技劃分為初創(chuàng)期、成長期、低谷期、發(fā)展期，利用詞頻分析、共引分析、作者共現(xiàn)分析等方法揭示專家系統(tǒng)的學(xué)科結(jié)構(gòu)、影響程度、關(guān)鍵節(jié)點與時間點等重要而獨特的知識，為了解和掌握專家系統(tǒng)的發(fā)展與演化過程提供了獨特視角。

１ 數(shù)據(jù)來源

SCI（Science Citation Index）是美國科學(xué)情報研究所ISI（Institute for Science Information）出版的期刊文獻(xiàn)檢索工具，所收錄的文獻(xiàn)覆蓋了全世界最重要和最有影響力的研究成果，成為世界公認(rèn)的自然科學(xué)領(lǐng)域最為重要的評價工具。本文以Web of Science中的SCI數(shù)據(jù)庫為數(shù)據(jù)來源，選用高級檢索方式，以“Expert System/Experts System”作為主題詞，于2011年5月在Web of Secience中進(jìn)行檢索，一共檢索到14 500篇相關(guān)文獻(xiàn)記錄。獲得的論文發(fā)表年度分布如圖１。所示。雖然，專家系統(tǒng)研究從20世紀(jì)五六十年代就開始了，但是從圖１可以看出直到1982年才有主題詞與專家系統(tǒng)相關(guān)的論文出現(xiàn)。圖１表明1991年左右，專家系統(tǒng)相關(guān)論文達(dá)到了峰值，但隨后呈逐年下降的趨勢。到1999年，只有494篇論文發(fā)表。但21世紀(jì)開始，專家系統(tǒng)相關(guān)論文又出現(xiàn)了增加的趨勢，并維持在一個穩(wěn)定的水平中。圖１ 專家系統(tǒng)在SCI數(shù)據(jù)庫文獻(xiàn)發(fā)表年度變化情況

２０１２年２月第３２卷第２期基于知識圖譜的專家系統(tǒng)發(fā)展綜述Ｆｅｂ.，２０１２Ｖｏｌ.３２ Ｎｏ.２２ 專家系統(tǒng)前40年的發(fā)展

本文利用基于JAVA平臺的引文分析可視化軟件Citespace，首先設(shè)定時間跨度為1950-1991年，時間切片長度為1年，聚類方式為共被引聚類（Cited Reference），閾值選擇為（2，2，20）、（3，3，20）、（3，3，20）。Citespace得出這些引文的時間跨度為1950－1990年，可以繪制出該時間段的專家系統(tǒng)論文時區(qū)分布圖，如圖２所示。我們以年代先后為序，將20世紀(jì)80年代以前作為第一階段，80年代至90年代作為第二階段。圖２ 1950-1991年各年度專家系統(tǒng)論文之間的時區(qū)分布圖

２.１ 專家系統(tǒng)起源時期

根據(jù)圖２顯示，這段時期有7個突出節(jié)點，既有7位代表人物。第一個節(jié)點代表的是“人工智能之父”——英國著名科學(xué)家阿蘭·麥席森·圖靈（Alan Mathison Turing），他于1950年在《心靈》雜志上發(fā)表論文《計算機(jī)器與智能》，提出了著名的“圖靈測試”，探討了機(jī)器智能的可能性，為后來的人工智能科學(xué)提供了開創(chuàng)性的構(gòu)思［１］。

第二個節(jié)點代表的是美國工程院院士、加州大學(xué)扎德（LA.Zadeh）教授，他于1965年在《信息與控制》雜志第8期上發(fā)表題為《模糊集》的論文，提出模糊集合理論，給出了模糊性現(xiàn)象定量描述和分析運算的方法，從而誕生了模糊數(shù)學(xué)。1978年，扎德教授提出了“可能性理論”，將不確定性理解為可能性，為模糊集理論建立了一個實際應(yīng)用上的理論框架，這也被認(rèn)為是模糊數(shù)學(xué)發(fā)展的第二個里程碑。同年，國際性期刊《International Journal of Fuzzy Sets and System》誕生，這使得模糊理論得到普遍承認(rèn)，理論研究高速發(fā)展，實際應(yīng)用迅速推廣。

第三個節(jié)點代表的美國兩院院士、卡內(nèi)基-梅隆大學(xué)教授艾倫·紐厄爾（Allen Newell），1972年，他出版了《人怎樣解題》（Human Problem Solving)一書，書中描述了他和西蒙試圖建立一個計算機(jī)化的“通用問題求解器”的歷程：20世紀(jì)50年代，他們發(fā)現(xiàn)，人類的問題解決，在一定知識領(lǐng)域內(nèi)可以通過計算機(jī)實現(xiàn)，所以他們開始用計算機(jī)編程來解決問題，1956年，他們研發(fā)出了邏輯理論家和通用問題求解器（General Problem Solver），并建立了符號主義人工智能學(xué)派。我們可以看出，這本書是對他以前所作工作的總結(jié)與歸納，而邏輯理論家和通用問題求解器正是專家系統(tǒng)的雛形，為專家系統(tǒng)的出現(xiàn)奠定了堅實的基礎(chǔ)。

但是艾倫·紐厄爾的嘗試無法解決大的實際問題，也很難把實際問題改造成適合于計算機(jī)解決的形式，并且對于解題所需的巨大搜索空間也難于處理。為此，美國國家工程院院士、斯坦福大學(xué)教授費根鮑姆（E.A.Feigenbaum）等人在總結(jié)通用問題求解系統(tǒng)成功與失敗的經(jīng)驗基礎(chǔ)上，結(jié)合化學(xué)領(lǐng)域的專門知識，于1965年研制了世界上第一個專家系統(tǒng)dendral，可以推斷化學(xué)分子結(jié)構(gòu)。專家系統(tǒng)進(jìn)入了初創(chuàng)期，其代表有dendral、macsyma（數(shù)學(xué)專家系統(tǒng)）等，第一代專家系統(tǒng)以高度專業(yè)化、求解專門問題的能力強(qiáng)為特點，向人們展示了人工智能應(yīng)用的廣闊前景［２］。

第四個節(jié)點代表人物是美國麻省理工學(xué)院著名的人工智能學(xué)者明斯基（Minsky）。1975年，他在論文《表示知識的框架》(A Framework for Representating Knowledge，McGraw-Hill)中提出了框架理論，框架理論的核心是以框架這種形式來表示知識。理論提出后，在人工智能界引起了極大的反響，并成為了基于框架的專家系統(tǒng)的理論基礎(chǔ)，基于框架的專家系統(tǒng)適合于具有固定格式的事物、動作或事件。

第五個節(jié)點代表人物是美國普林斯頓大學(xué)教授格倫謝弗（Glenn Shafer），他在1976年出版了《數(shù)學(xué)理論的證據(jù)》（A mathematical theory of evidence）一書，介紹了由他和Dempster于1967年提出的D-S理論（即證據(jù)理論）。證據(jù)理論可處理由不知道因素引起的不確定性，后來，該理論被廣泛應(yīng)用于計算機(jī)科學(xué)和工程應(yīng)用，是基于D-S證據(jù)理論的專家系統(tǒng)的理論基礎(chǔ)。

第六個重要節(jié)點代表是美國斯坦福大學(xué)愛德華·漢斯·肖特利夫（Shortliff EH）教授，他于1975年在著名雜志《數(shù)學(xué)生物科學(xué)》上發(fā)表《A model of inexact reasoning in medicine》（《在醫(yī)學(xué)模型的不精確推理》）一文，他結(jié)合自己1972－1974年研制的世界第一個醫(yī)學(xué)專家系統(tǒng)——MYCIN系統(tǒng)（用于診斷和治療血液感染及腦炎感染，是第二代專家系統(tǒng)的經(jīng)典之作），提出了確定性理論，該理論對專家系統(tǒng)的發(fā)展產(chǎn)生了重大影響。

第七個節(jié)點代表人物是美國麻省理工學(xué)院計算機(jī)科學(xué)和人工智能實驗室的戴維斯（Randall Davis）教授，他于1976年提出元知識的概念，并在專家系統(tǒng)的研制工具開發(fā)方面做出了突出貢獻(xiàn)——研制出知識獲取工具Teiresias，為專家系統(tǒng)獲取知識實現(xiàn)過程中知識庫的修改和添加提供了工具［３］，關(guān)Teiresias，他于1977年在《Artificial Intelligence》雜志上中進(jìn)行了詳細(xì)介紹，而這也為本時期專家系統(tǒng)的快速增多和廣泛應(yīng)用奠定了堅實基礎(chǔ)。

20世紀(jì)70年代后期，隨著專家系統(tǒng)應(yīng)用領(lǐng)域的不斷開拓，專家系統(tǒng)研發(fā)技術(shù)逐漸走向成熟。但同時，專家系統(tǒng)本身存在的應(yīng)用領(lǐng)域狹窄、缺乏常識性知識、知識獲取困難、推理方法單一等問題也被逐漸暴露出來。人們從各種不同類型的專家系統(tǒng)和知識處理系統(tǒng)中抽取共性，人工智能又從具體研究逐漸回到一般研究。圍繞知識這一核心問題，人們重新對人工智能的原理和方法進(jìn)行探索，并在知識的獲取、表示以及知識在推理過程中的利用等方面開始出現(xiàn)一組新的原理、工具和技術(shù)。

２.２ 專家系統(tǒng)發(fā)展的黃金時期

20世紀(jì)80年代是專家系統(tǒng)突飛猛進(jìn)、迅速發(fā)展的黃金時代，根據(jù)圖２顯示，這段時期共有論文982篇，有7個突出節(jié)點。

1980年，出現(xiàn)了第一個節(jié)點代表——美國斯坦福大學(xué)計算機(jī)科學(xué)系系主任尼爾森（NILS J.NILSSON），他出版的《人工智能原理》（《Principles of artificial intelligence》）一書，表明了拉近理論和實踐的距離的目標(biāo)，書中對基于規(guī)則的專家系統(tǒng)、機(jī)器問題解決系統(tǒng)以及結(jié)構(gòu)對象的代表等都進(jìn)行了具體的論述。

1981年，出現(xiàn)了第二個節(jié)點代表——英國赫特福德大學(xué)教授Clocksin，威廉F，他出版的《PROLOG語言編程》一書，引起了計算機(jī)科學(xué)界的極大興趣，并已被證明是一個重要的編程語言和人工智能系統(tǒng)的新一代基礎(chǔ)，是專家系統(tǒng)的重要編程語言。

1982年，出現(xiàn)了第三個節(jié)點代表——美國匹茲堡大學(xué)教授米勒（Miller RA），他在《英格蘭醫(yī)藥分冊》上發(fā)表了《基于計算機(jī)的醫(yī)學(xué)內(nèi)科實驗診斷顧問》（An Experimental Computer based Diagnostic Consultant for General Internal Medicine.N Engl J Med,307,468-76,1982）一文，屬當(dāng)時診斷專家系統(tǒng)的代表力作，書中介紹了著名的內(nèi)科疾病診斷咨詢系統(tǒng)INTERNIST-1，之后將其不斷完善成改進(jìn)型INTERNIST-2，即后來的CADUCEUS專家系統(tǒng)，其知識庫中包含了572種疾病，約4 500種癥狀。

1983年，出現(xiàn)了第四個節(jié)點代表——美國的海斯羅斯（Hayes-Roth，F(xiàn)）教授，他于1983年發(fā)表著作《建立專家系統(tǒng)》，對專家系統(tǒng)建立的原則和要素、開發(fā)的生命周期等重要問題進(jìn)行了詳細(xì)講解，為研究與開發(fā)各種類型的專家系統(tǒng)提供了理論依據(jù)。

1984年，出現(xiàn)了第五個節(jié)點代表——美國匹茲堡大學(xué)計算機(jī)科學(xué)、哲學(xué)和醫(yī)學(xué)教授布魯斯·布坎南（Bruce G.Buchanan），他于1984年發(fā)表著作《規(guī)則的專家系統(tǒng)：斯坦福啟發(fā)式編程項目Mycin實驗》（《Rule Based Expert Systems:The Mycin Experiments of the Stanford Heuristic Programming Project》，這是有史以來關(guān)于醫(yī)療診斷系統(tǒng)MYCIN的實驗規(guī)則庫公布?；谝?guī)則的專家系統(tǒng)MYCIN是專家系統(tǒng)開發(fā)過程中一個里程碑，研究其開發(fā)思路與方法具有非常重要的意義。

1985年，出現(xiàn)了第六個節(jié)點代表——美國人工智能專家、加州大學(xué)教授哈蒙（Harmon P），他出版了《專家系統(tǒng)：人工智能業(yè)務(wù)》（《Expert systems：artificial intelligence in business》）一書。書中闡述了專家系統(tǒng)如何解決問題，代表知識，并得出推論，并介紹了人工智能的具體制度，確定了專家系統(tǒng)的市場。

1986年，出現(xiàn)了第七個節(jié)點代表——著名的專家系統(tǒng)學(xué)者沃特曼（Waterman DA），他出版了《專家系統(tǒng)指南》一書，該書對專家系統(tǒng)的概念、組成、建立過程、建立工具、應(yīng)用領(lǐng)域等做了深入淺出的系統(tǒng)介紹與論述，是當(dāng)時全面介紹專家研發(fā)與應(yīng)用的經(jīng)典書籍。

20世紀(jì)80年代初，醫(yī)療專家系統(tǒng)占主流，主要原因是它屬于診斷類型系統(tǒng)且容易開發(fā)。80年代中期，出現(xiàn)大量投入商業(yè)化運行的專家系統(tǒng)，為各行業(yè)帶來了顯著的經(jīng)濟(jì)效益。從80年代后期開始，大量新技術(shù)成功運用到專家系統(tǒng)之中，使得專家系統(tǒng)得到更廣泛的運用。在這期間開發(fā)的專家系統(tǒng)按處理問題的類型可以分為：解釋型、預(yù)測型、診斷型、設(shè)計型等。應(yīng)用領(lǐng)域擴(kuò)展到農(nóng)業(yè)、商業(yè)、化學(xué)、通信、醫(yī)學(xué)等多個方面，成為人們常用的解決問題的手段之一。

然而，與此同時，現(xiàn)有的專家系統(tǒng)也暴露出了自身嚴(yán)重的缺陷，使不少計算機(jī)界的知名學(xué)者對專家系統(tǒng)產(chǎn)生了懷疑，認(rèn)為專家系統(tǒng)存在的問題有以下幾點：（1）專家系統(tǒng)中的知識多限于經(jīng)驗知識，極少有原理性的知識，系統(tǒng)沒有應(yīng)用它們的能力；（2）知識獲取功能非常弱。為了建造專家系統(tǒng)，必須依賴于專家獲取知識， 不僅費時， 而且很難獲取完備性和一致性的知識；（3）求解問題的方法比較單一，以推理機(jī)為核心的對問題的求解尚不能反映專家從認(rèn)識問題到解決問題的創(chuàng)造性過程；（4）解釋功能不強(qiáng)［４］。等到學(xué)者們回過頭重新審視時，20世紀(jì)90年代的專家系統(tǒng)理論危機(jī)已然爆發(fā)。

３ 90年代專家系統(tǒng)向多個方向發(fā)展

由于20世紀(jì)80年代專家系統(tǒng)研究迅猛發(fā)展，商業(yè)價值被各行各業(yè)看好，導(dǎo)致90年代大批專家系統(tǒng)從實驗室走出來，開始了它們的工程化市場化進(jìn)程。從圖１看以看出，在20世紀(jì)90年代，專家系統(tǒng)的相關(guān)論文不增反減，進(jìn)入一個局部低谷期，這期間以“Expert System/Experts System”為主題詞的論文共7 547篇。本文利用Citespace軟件，設(shè)置參數(shù)為（4，4，20）（4，3，20）（4，4，20），獲取了該時期論文的引文聚類圖（如圖３所示）。圖２ 專家系統(tǒng)1990－2000年的論文引文聚類圖

從圖３中我們可以看出，全圖的節(jié)點比較分散，沒有形成大的聚類，這表示該階段沒有形成重點研究方向，也沒有重大科研成果和標(biāo)志性著作產(chǎn)生，專家系統(tǒng)的市場化進(jìn)程嚴(yán)重牽引了研究者們的注意力，這是專家系統(tǒng)研究陷入低谷期的重要原因。

這段時間專家系統(tǒng)的研究工作大致分以下幾個方面：第一個研究方向依舊是建立在扎德（LA.Zadeh）教授模糊理論上的模糊專家系統(tǒng)，它同樣是該年代專家系統(tǒng)研究的重點方向。

第二個研究方向是骨架專家系統(tǒng)，代表人物有美國斯坦福大學(xué)的愛德華·漢斯·肖特利夫（Shortliff EH）教授。1974年末，MYCIN系統(tǒng)基本建成后，MYCIN的設(shè)計者們就想到用其它領(lǐng)域的知識替換關(guān)于感染病學(xué)的知識，可能會得到一個新的專家系統(tǒng)，這種想法導(dǎo)致了EMYCIN骨架系統(tǒng)的產(chǎn)生。EMYCIN的出現(xiàn)大大縮短了專家系統(tǒng)的研制周期，隨后，AGE、OPS5、KEE、KBMS、GESDE等骨架系統(tǒng)應(yīng)運而生，它們在20世紀(jì)90年代專家系統(tǒng)的研究進(jìn)程中，發(fā)揮著重要作用。

第三個研究方向是故障診斷專家系統(tǒng)，代表人物有美國麻省理工學(xué)院的蘭德爾·戴維斯（Randall Davis）教授。他于1984年在《人工智能》雜志上發(fā)表了《基于結(jié)構(gòu)和行為的診斷推理 》（《Diagnostic Reasoning Based on Structure and Behavior》）一文，該論文描述了一個利用知識結(jié)構(gòu)和行為，在電子電路領(lǐng)域進(jìn)行故障診斷排除的專家系統(tǒng)。之后，故障診斷專家系統(tǒng)在電路與數(shù)字電子設(shè)備、機(jī)電設(shè)備等各個領(lǐng)域已取得了令人矚目的成就，已成為當(dāng)今世界研究的熱點之一。

第四個研究方向是基于規(guī)則的專家系統(tǒng)，布魯斯·布坎南（Bruce G.Buchanan）的著作對基于規(guī)則的專家系統(tǒng)在這個時期的發(fā)展仍有著積極的指導(dǎo)作用。多種基于規(guī)則的專家系統(tǒng)進(jìn)入了試驗階段。傳統(tǒng)基于規(guī)則的專家系統(tǒng)只是簡單的聲明性知識，而目前，規(guī)則的形式開始向產(chǎn)生式規(guī)則轉(zhuǎn)變，并趨向于提供較完善的知識庫建立和管理功能。

第五個研究方向是知識工程在專家系統(tǒng)中的運用。代表人物是美國斯坦福大學(xué)的克蘭西教授（Clancy W J），他于1985年在《人工智能》雜志上發(fā)表了重要論文《啟發(fā)式分類》（《Heuristis classification》），啟發(fā)式分類即對未知領(lǐng)域情況的類的識別過程。它是人類思維解決問題的重要方法，在人工智能、專家系統(tǒng)中可常用啟發(fā)式設(shè)計計算機(jī)程序，模擬人類解決問題的思維活動。

第六個研究方向是機(jī)器學(xué)習(xí)在專家系統(tǒng)中的運用。代表人物是機(jī)器學(xué)習(xí)領(lǐng)域前輩、澳洲悉尼大學(xué)著名教授John Ross Quinlan。他于1986年在《機(jī)器學(xué)習(xí)》（《Mach.Learn》）雜志上發(fā)表《決策樹算法》（《Induction of Decision Trees》）一文，文中他詳細(xì)描述了決策樹算法的代表——ID3算法。之后，有大量學(xué)者圍繞該算法進(jìn)行了廣泛的研究，并提出多種改進(jìn)算法，由于決策樹的各類算法各有優(yōu)缺點，在專家系統(tǒng)的實際應(yīng)用中，必須根據(jù)數(shù)據(jù)類型的特點及數(shù)據(jù)集的大小，選擇合適的算法。

第七個研究方向是神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，代表人物有人工智能專家Stephan I.Gallant和美國加利福尼業(yè)大學(xué)教授巴特·卡斯科（Bart Kosko）。Gallant于1988年在《ACM的通信》上發(fā)表了《連接主義專家系統(tǒng)》（《Connectionist expert systems》）一文，文中講述Gallant 設(shè)計了一個連接主義專家系統(tǒng)（Connectionist expert system），其知識庫是由一個神經(jīng)網(wǎng)絡(luò)實現(xiàn)的（即神經(jīng)網(wǎng)絡(luò)知識獲?。?，開創(chuàng)了神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合的先例。

第八個研究方向是遺傳算法在專家系統(tǒng)中的運用。代表人物是遺傳算法領(lǐng)域著名學(xué)者、美國伊利諾伊大學(xué)David Goldberg教授和人工智能專家L.Davis。1989年，Goldberg出版了專著《搜索、優(yōu)化和機(jī)器學(xué)習(xí)中的遺傳算法》，該書系統(tǒng)總結(jié)了遺傳算法的主要研究成果，全面而完整地論述了遺傳算法的基本原理及其應(yīng)用；1991年，Davis編輯出版了《遺傳算法手冊》，書中包含了遺傳算法在科學(xué)計算、工程技術(shù)和社會經(jīng)濟(jì)中的大量應(yīng)用實例，該書為推廣和普及遺傳算法的應(yīng)用起到了重要的指導(dǎo)作用。這些都推動了基于遺傳算法的專家系統(tǒng)的研發(fā)推廣。

第九個研究方向是決策支持系統(tǒng)在專家系統(tǒng)中的運用，代表人物是美國加利福尼亞大學(xué)伯克利分校教授埃弗雷姆·特班（Efraim Turban）。他于1990年出版了《決策支持和專家系統(tǒng)的管理支持系統(tǒng)》（《Decision support and expert systems:management support systems》）一書。20世紀(jì)80年代末90年代初，決策支持系統(tǒng)開始與專家系統(tǒng)相結(jié)合，形成智能決策支持系統(tǒng)，該系統(tǒng)充分做到了定性分析和定量分析的有機(jī)結(jié)合，將解決問題的范圍和能力提高到一個新的層次。

第十個研究方向是各種理論知識在專家系統(tǒng)中的綜合運用，代表人物是美國加利福尼業(yè)大學(xué)教授巴特·卡斯科（Bart Kosko）和美國伊利諾伊州研究所教授Abdul-Rahman K.H?？ㄋ箍疲↘osko）于1992年出版《神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)：一個擁有機(jī)器智能的動力系統(tǒng)方法》（《Neural networks and fuzzy systems:a dynamical systems approach to machine intelligence》）一書，這是第一本將神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)結(jié)合起來的讀本，也是神經(jīng)網(wǎng)絡(luò)與模糊理論綜合應(yīng)用于專家系統(tǒng)建設(shè)的經(jīng)典著作；Abdul-Rahman K.H教授于1995年，在美國電氣和電子工程師協(xié)會的《電力系統(tǒng)及自動化》（《Transactions on Power Systems》）會議刊上發(fā)表了《人工智能模糊無功負(fù)荷的最優(yōu)VAR控制方法 》（《AI approach to optimal VAR control with fuzzy reactive loads》）一文，論文提出了一個解決無功功率（VAR）控制問題，這個方法包含了專家系統(tǒng)、模糊集理論和人工神經(jīng)網(wǎng)絡(luò)的重要知識。

雖然專家系統(tǒng)大量建造，但投入實際運行的專家系統(tǒng)并不多，且效率較低，問題求解能力有待進(jìn)一步提高。原因之一就是專家系統(tǒng)主要是模擬某一領(lǐng)域中求解特定問題的專家的能力，而在模擬人類專家協(xié)作求解方面很少或幾乎沒有做什么工作。然而在現(xiàn)實世界中，協(xié)作求解具有普遍性，針對特定領(lǐng)域、特定問題的求解僅僅具有特殊性，專家系統(tǒng)雖然在模擬人類專家某一特定領(lǐng)域知識方面取得了成功，但它仍然不能或難以解決現(xiàn)實世界中的問題。其次，開發(fā)的專家系統(tǒng)的規(guī)模越來越大，并且十分復(fù)雜。這樣就要求將大型專家系統(tǒng)的開發(fā)變成若干小的、相對獨立的專家系統(tǒng)來開發(fā)，而且需要將許多不同領(lǐng)域的專家系統(tǒng)聯(lián)合起來進(jìn)行協(xié)作求解。然而，與此相關(guān)的分布式人工智能理論和實用技術(shù)尚處在科研階段。只有分布式系統(tǒng)協(xié)作求解問題得以解決，才能克服由于單個專家系統(tǒng)知識的有限性和問題求解方法的單一性等導(dǎo)致系統(tǒng)的“脆弱性”，也才能提高系統(tǒng)的可靠性，并且在靈活性、并行性、速度等方面帶來明顯的效益［５］。

４ 21世紀(jì)專家系統(tǒng)進(jìn)入穩(wěn)定發(fā)展時期

進(jìn)入21世紀(jì)，專家系統(tǒng)開始緩慢發(fā)展，這期間以“Expert System/Experts System”為主題詞的論文共5 964篇。本文利用Citespace軟件，設(shè)置參數(shù)為（6，6，20）（5，5，20）（5，5，20），獲取了該時期論文的引文聚類圖（如圖４所示）。圖４ 專家系統(tǒng)2000－2010年的論文引文聚類圖

這個時期專家系統(tǒng)有3個主要研究方向：第一個是研究方向是節(jié)點明顯的基于模糊邏輯的專家系統(tǒng)研究方向。90年代以來，模糊控制與專家系統(tǒng)技術(shù)相結(jié)合，進(jìn)一步提高了模糊控制器的智能水平?；谀：壿嫷膶＜蚁到y(tǒng)有以下優(yōu)點：一是具有專家水平的專門知識，能表現(xiàn)專家技能和高度的技巧以及有足夠的魯棒性（即健壯性）；二是能進(jìn)行有效的推理，能夠運用人類專家的經(jīng)驗和知識進(jìn)行啟發(fā)性的搜索和試探性的推理；三是具有靈活性和透明性。

第二個是研究方向是Rete模式匹配算法在專家系統(tǒng)中的應(yīng)用，代表人物是美國卡內(nèi)基—梅隆大學(xué)計算機(jī)科學(xué)系的Charles L.Forgy教授，1979年，他首次提出Rete算法。專家系統(tǒng)工具中一個核心部分是推理機(jī)，Rete算法能利用推理機(jī)的“時間冗余”特性和規(guī)則結(jié)構(gòu)的相似性，并通過保存中間運算結(jié)果的方法來提高推理的效率。1982年，他在《人工智能》雜志上發(fā)表《Rete算法：許多模式／多對象的模式匹配問題的一個快速算法》（《Rete:A Fast Algorithm for the Many Pattern/Many Object Pattern Match Problem》）一文，該文解釋了基本算法的概念，介紹了詳細(xì)的算法，描述了模式和適當(dāng)?shù)膶ο蠼簧嫠惴?，并說明了模式匹配的執(zhí)行操作。

第三個是研究方向是專家系統(tǒng)在電力系統(tǒng)中的運用。世界各國的專家們開始熱衷于在電力生產(chǎn)的各個環(huán)節(jié)使用專家系統(tǒng)，代表人物有日本的福井賢、T.Sakaguchi、印度的Srinivasan D、美國伊利諾伊州研究所的Abdul-Rahman K.H、希臘雅典國立技術(shù)大學(xué)的Protopapas C.A、和中國的羅旭，他們在美國電氣和電子工程師協(xié)會的《電力傳輸》（《IEEE transactions on power delivery）會議刊及《電源設(shè)備系統(tǒng)》會議刊（《On Power Apparatus and Systems》）上發(fā)表了多篇有影響力的論文，內(nèi)容涉及系統(tǒng)恢復(fù)、電力需求預(yù)測、變電站故障診斷和報警處理等多方面。

這十年間，專家系統(tǒng)的研究不再滿足于用現(xiàn)有各種模型與專家系統(tǒng)進(jìn)行簡單結(jié)合，形成基于某種模型的專家系統(tǒng)的固有模式。研究者們不斷探索更方便、更有效的方法，來解決困擾專家系統(tǒng)的知識獲取瓶頸、匹配沖突、組合爆炸等問題，而這也推動了研究不斷向深層次、新方向發(fā)展。但是，由于專家系統(tǒng)應(yīng)用的時間長、領(lǐng)域廣，他們遭遇的瓶頸問題一時得不到有效解決，導(dǎo)致了這一時期末，專家系統(tǒng)研究呈現(xiàn)出暫時的下滑現(xiàn)象。

５ 專家系統(tǒng)發(fā)展趨勢分析

圖一發(fā)展曲線上第二個時間節(jié)點是1992年，從該年起專家系統(tǒng)相關(guān)論文呈下降趨勢，然后在2002年又開始緩慢增長，近一年多來又開始下降，這標(biāo)志著專家系統(tǒng)研究在布滿荊棘的道路上前行，前景是光明的，但道路是曲折的。本文以5年為一個單位，統(tǒng)計了1990－2009年20年期間專家系統(tǒng)相關(guān)論文中高頻詞的變化情況，如表１所示，從該表可以獲得這個時期專家系統(tǒng)研究的一些特點。

（１）在1990-1999年期間，人工智能出現(xiàn)新的研究高潮，由于網(wǎng)絡(luò)技術(shù)特別是國際互連網(wǎng)技術(shù)發(fā)展，人工智能開始由單個智能主體研究轉(zhuǎn)向基于網(wǎng)絡(luò)環(huán)境下的分布式人工智能研究，使人工智能更加實用，這給專家系統(tǒng)帶來了發(fā)展的希望。正因為如此，我們從詞頻上可以看出，人工智能（artificial intelligence）一詞在這十年一直位居前兩位，在專家系統(tǒng)研究中處于主導(dǎo)地位，而與其相關(guān)的知識表示（knowledge representation）、知識獲取(knowledge acquisition)等，也成為了學(xué)者們研究的重點方向。

（２）該時期的第二個特點是神經(jīng)網(wǎng)絡(luò)研究的復(fù)蘇。神經(jīng)網(wǎng)絡(luò)是通過模擬人腦的結(jié)構(gòu)和工作模式，使機(jī)器具有類似人類的智能，如機(jī)器學(xué)習(xí)、知識獲取、專家系統(tǒng)等。我們從詞頻上可以看出神經(jīng)網(wǎng)絡(luò)（neural network）一詞得以快速增長，1995年時位列第一，進(jìn)入21世紀(jì)也是穩(wěn)居第二位，神經(jīng)網(wǎng)絡(luò)很好地解決了專家系統(tǒng)中知識獲取的瓶頸問題，能使專家系統(tǒng)具有自學(xué)習(xí)能力，它的出現(xiàn)為專家系統(tǒng)提供了一種新的解決途徑［６］，同時也顯示出他獨有的生機(jī)與活力。

（３）該時期是模糊邏輯的發(fā)展時期。模糊理論發(fā)展至今已接近三十余年，應(yīng)用范圍非常廣泛，它與專家系統(tǒng)相結(jié)合，在故障診斷、自然語言處理、自動翻譯、地震預(yù)測、工業(yè)設(shè)計等方面取得了眾多成果。我們從詞頻上可以看出，模糊邏輯（fuzzy logic）一詞，除在1990－1994年期間位居第六位外，之后都位居前三甲，2000-2004年期間更是位列第一。模糊控制與專家系統(tǒng)技術(shù)相結(jié)合，進(jìn)一步提高了模糊控制器智能水平，這種控制方法既保持了基于規(guī)則的方法的價值和用模糊集處理帶來的靈活性，同時把專家系統(tǒng)技術(shù)的表達(dá)與利用知識的長處結(jié)合起來，能處理更廣泛的控制問題。

（４）故障診斷成為專家系統(tǒng)研究與應(yīng)用的又一重要領(lǐng)域。故障診斷專家系統(tǒng)的發(fā)展起始于20世紀(jì)70年代末,雖然時間不長,但在電路與數(shù)字電子設(shè)備、機(jī)電設(shè)備等各個領(lǐng)域已取得了令人矚目的成就,已成為當(dāng)今世界研究的熱點之一。這從高頻詞分布可以開出，故障診斷（fault diagnosis）從1995-1999年間的最后一位攀升至2005-2009年間的第一位，足見其強(qiáng)大的生命力。在專家系統(tǒng)己有較深厚基礎(chǔ)的國家中，機(jī)械、電子設(shè)備的故障診斷專家系統(tǒng)已基本完成了研究和試驗的階段，開始進(jìn)入廣泛應(yīng)用。

（５）遺傳算法的應(yīng)用逐漸增多。20世紀(jì)90年代，遺傳算法迎來了發(fā)展時期，無論是理論研究還是應(yīng)用研究都成了十分熱門的課題。尤其是遺傳算法的應(yīng)用研究顯得格外活躍，不但應(yīng)用領(lǐng)域擴(kuò)大，而且利用遺傳算法進(jìn)行優(yōu)化和規(guī)則學(xué)習(xí)的能力也顯著提高。進(jìn)入21世紀(jì)，遺傳算法的應(yīng)用研究已從初期的組合優(yōu)化求解擴(kuò)展到了許多更新、更工程化的應(yīng)用方面。這在高頻詞分布中可以看出，以2000作為臨界點，遺傳算法（genetic algorithms）從20世紀(jì)90年代的10名之后，到位于高頻詞前六強(qiáng)之中，充分反映出它發(fā)展的良好勢頭。

６ 小 結(jié)

專家系統(tǒng)是20世紀(jì)下半葉發(fā)展起來的重大技術(shù)之一，它不僅是高技術(shù)的標(biāo)志，而且有著重大的經(jīng)濟(jì)效益?！爸R工程之父”E.Feignbaum在對世界許多國家和地區(qū)的專家系統(tǒng)應(yīng)用情況進(jìn)行調(diào)查后指出：幾乎所有的ES都至少將人的工作效率提高10倍，有的能提高100倍，甚至300倍［７］。

專家系統(tǒng)技術(shù)能夠使專家的專長不受時間和空間的限制，以便推廣稀缺的專家知識和經(jīng)驗；同時，專家系統(tǒng)能促進(jìn)各領(lǐng)域的發(fā)展，是各領(lǐng)域?qū)＜覍I(yè)知識和經(jīng)驗的總結(jié)和提煉。

專家系統(tǒng)發(fā)展的近期目標(biāo)，是建造能用于代替人類高級腦力勞動的專家系統(tǒng)；遠(yuǎn)期目標(biāo)是探究人類智能和機(jī)器智能的基本原理，研究用自動機(jī)模擬人類的思維過程和智能行為，這幾乎涉及自然科學(xué)和社會科學(xué)的所有學(xué)科，遠(yuǎn)遠(yuǎn)超出了計算機(jī)科學(xué)的范疇。

隨著人工智能應(yīng)用方法的日漸成熟，專家系統(tǒng)的應(yīng)用領(lǐng)域也不斷擴(kuò)大。有人類活動的地方，必將有智能技術(shù)包括專家系統(tǒng)的應(yīng)用，專家系統(tǒng)將成為21世紀(jì)人類進(jìn)行智能管理與決策的工具與助手。

參考文獻(xiàn)

［１］百度百科［ＥＢ］.http:∥baike.baidu.com/view/2130.htm．

［２］黃可鳴.專家系統(tǒng)二十年［Ｊ］.計算機(jī)科學(xué)，1986，（4）：26-37.

［３］路耀華.思維模擬與知識工程［Ｍ］.北京：清華大學(xué)出版社，1997．

［４］趙致琢.專家系統(tǒng)研究［Ｊ］.貴州大學(xué)學(xué)報：自然科學(xué)版，1990，（6）：40-48.

［５］鄒光宇.專家系統(tǒng)發(fā)展現(xiàn)狀及其應(yīng)用前景［Ｊ］.電力勘測，1994，（3）：21-26.

［６］楊興，朱大奇，桑慶兵.專家系統(tǒng)研究現(xiàn)狀與展望［Ｊ］.計算機(jī)應(yīng)用研究，2007，（5）：4-9.

［７］畢學(xué)工，杭迎秋，李昕，等.專家系統(tǒng)綜述［Ｊ］.軟件導(dǎo)刊，2008，（12）：7-9.