软考之专家系统的特点

简介: 软考之专家系统的特点

专家系统与一般的计算机系统相比,具有一些特殊的设置,其相异之处如下:

  1. 超越时间限制: 人类专家的工作时间有限,而专家系统是恒久的。一旦开发完成,它可以随时使用,而且可以24小时持续运作,不受时间限制。
  2. 操作成本低廉: 人类专家通常稀缺且昂贵。尽管专家系统在起步发展时需要一定的经费,但日常操作的成本相比人类专家要低廉得多。因此,当专家不可用或请专家的成本较高时,利用专家系统仍能处理与专家水平相等的工作。
  3. 易于传递与复制: 专家与专家知识是稀缺的资源。在知识密集的工作环境中,新进人员需要接受相当多的训练。而专家系统能够轻松地传递或复制知识,避免了因人事变动而造成的知识流失和传递困难。
  4. 处理手段一致: 人类专家的判断结果可能因时或因人而异,而专家系统对所处理的问题具有一致性的输出。这保证了在相同条件下系统能够产生相同的结果,增加了决策的可靠性。
  5. 善于克服难题: 由于专家系统具有既定的知识库和严谨的推理程序,因此通常能够胜任一些执行起来较费时、复杂度较高的工作。专家系统在处理重复性高、计算量庞大的问题时,表现往往优于人类专家。
  6. 适用特定领域: 专家系统通常只使用小范围的特定知识领域。其建构、搜集知识库以及推理规则相对困难,因此专家系统更适用于特定领域,而在处理涉及广泛知识或没有一定处理程序的情况下,仍需依赖人类专家的智慧。

总体而言,专家系统在物流方面的应用虽然目前还有限,但在提高物流生产率和质量方面已经取得了显著的效果。随着技术的不断发展,专家系统和人工智能在物流领域的作用将会变得越来越明显。这些系统有望成为集物流、商流、信息流、资金流于一身的智能配送中心中不可或缺的组成部分。

专家系统与一般的计算机系统相比有着特殊的设置,二者的相异之处如表所示。

进一步剖析专家系统,可发现它具有以下主要特性:

图片中列出了专家系统与一般计算机系统的特点对比。

系统

专家系统是人工智能的一种应用,它是一种计算机程序,能够模拟专家的思维过程,解决某个领域内的复杂问题。一般计算机系统则是指用于处理数字、文本、图像等信息的计算机系统。

功能

专家系统的功能主要包括:

  • 解决问题:专家系统能够根据知识库中的知识和推理规则,对用户提出的问题进行诊断、分析和解决。
  • 解释结果:专家系统能够对其推理过程进行解释,帮助用户理解解决问题的过程。
  • 进行判断与决策:专家系统能够根据知识库中的知识和推理规则,对各种情况进行判断和决策。

一般计算机系统的功能则主要包括:

  • 处理数据:一般计算机系统能够处理数字、文本、图像等信息。
  • 执行程序:一般计算机系统能够执行程序,完成各种任务。

处理能力

专家系统可以处理数字和符号,也可以处理不确定的知识。一般计算机系统则主要处理数字。

处理问题种类

专家系统可以处理多种类型的问题,包括准结构性问题、非结构性问题,以及具有不确定性的知识。一般计算机系统则主要处理结构性问题,以及具有确定性的知识。

具体来说,专家系统的特点可以概括为以下几个方面:

  • 知识驱动:专家系统的核心是知识库,知识库中包含了某个领域内的专家知识和经验。
  • 推理能力:专家系统能够根据知识库中的知识和推理规则,对问题进行诊断、分析和解决。
  • 解释能力:专家系统能够对其推理过程进行解释,帮助用户理解解决问题的过程。
  • 应用于特定领域:专家系统通常用于某个特定的领域,例如医学、法律、金融等。

专家系统具有以下优点:

  • 能够解决复杂的问题,提高效率。
  • 能够提供专家级的建议,提高准确性。
  • 能够进行知识推理,提高灵活性。

专家系统也存在一些缺点:

  • 知识库的构建和维护成本较高。
  • 对知识的表达和推理的要求较高。
  • 对问题的类型和范围有一定的限制。

专家系统在许多领域都得到了应用,例如医学诊断、法律咨询、金融投资等。随着人工智能技术的不断发展,专家系统的应用范围和水平将会进一步扩大。

背诵点

专家系统的特点

1.超越时间限制人类专家的工作时间有限,但专家系统是恒久的,一旦开发完成,可随时使用,并可24小时持续运作。

2.操作成本低廉人类专家稀少且昂贵,虽然专家系统在起步发展时必须花一笔不小的经费,但日常操作的成本比起人类专家便宜许多。

3.易于传递与复制专家与专家知识是稀有的资源,在知识密集的工作环境下,新进人员需要做相当多的训练,而关键人物的知识随着人事变动不能储存,在传递起来亦耗时费力但专家系统则不然,它能轻易地将知识传递或复制。

4.处理手段一致人类专家判断决策的结果常会因时或因人而异,而专家系统对于所处理的问题则具有一致性的输出。

5.善于克服难题由于专家系统具有既定的知识库与严谨的推理程序,因此往往比人类专家还能胜任一些执行起来较费时、复杂度较高的工作,如需要庞大计算量的问题。

6.适用特定领域由于建构搜集知识库以及推理规则有一定的困难,因此专家系统通常只使用小范围的特定知识领域。

目录
相关文章
|
机器学习/深度学习
大模型开发:解释正则化及其在机器学习中的作用。
正则化是防止机器学习过拟合的技术,通过限制模型参数和控制复杂度避免过拟合。它包含L1和L2正则化,前者产生稀疏解,后者适度缩小参数。选择合适的正则化方法和强度对模型性能关键,常用交叉验证评估。
517 1
|
机器学习/深度学习 自然语言处理 达摩院
长文本口语语义理解技术系列①:段落分割实践
长文本口语语义理解技术系列①:段落分割实践
1468 0
长文本口语语义理解技术系列①:段落分割实践
|
机器学习/深度学习 人工智能 安全
大模型走向物理世界,TeleAI 发布大模型驱动的具身智能综述,覆盖300篇文献
TeleAI 团队发布了一篇关于大模型驱动的具身智能综述文章,系统回顾了该领域的研究进展与挑战,涵盖了300篇相关文献。具身智能通过将智能体与现实环境结合,提升了其感知、决策及执行能力。大模型的应用不仅增强了智能体的学习与适应能力,还提高了其泛化性和鲁棒性。然而,计算复杂度、可解释性及安全性等问题仍需解决。代表性工作包括智能机器人导航和无人机自主飞行等。论文地址:https://www.sciengine.com/SSI/doi/10.1360/SSI-2024-0076
401 4
|
人工智能 自然语言处理 安全
魔搭社区每周速递(10.13-10.19)
503个模型、189个数据集、82个创新应用、9篇应用文章
|
大数据
【赵渝强老师】大数据主从架构的单点故障
大数据体系架构中,核心组件采用主从架构,存在单点故障问题。为提高系统可用性,需实现高可用(HA)架构,通常借助ZooKeeper来实现。ZooKeeper提供配置维护、分布式同步等功能,确保集群稳定运行。下图展示了基于ZooKeeper的HDFS HA架构。
265 0
|
Java 程序员
深入理解Java匿名内部类的语法和使用场景
深入理解Java匿名内部类的语法和使用场景
|
安全 测试技术 数据安全/隐私保护
猫头虎分享:鸿蒙生态带给开发者的全新机遇!轻松实现按需加载与多端适配,开发效率翻倍
猫头虎分享:鸿蒙生态带来的全新机遇!华为在原生鸿蒙之夜发布会上,推出了全新的鸿蒙系统和焕新升级的应用市场。此次升级在用户体验和隐私保护方面实现了重大突破,提供了自动化检测前移、按需加载和多端适配等服务,帮助开发者提高开发效率和应用质量。
431 6
|
XML JavaScript 数据格式
XML Schema(XSD)详解:定义 XML 文档结构合法性的完整指南
XML Schema(XSD)是用于定义XML文档结构的规范,它描述了元素、属性及其顺序、数据类型和约束。与DTD相比,XML Schema支持更多数据类型,如字符串、日期等,并且是基于XML的,允许扩展和重用。学习XML Schema有助于确保数据通信时双方对内容的理解一致,通过验证防止错误。示例展示了如何定义一个`note`元素,包含`to`, `from`, `heading`和`body`子元素,都是字符串类型。XML文档可以通过引用XML Schema进行验证,确保内容符合预设模式。
1349 0
|
Oracle Java 关系型数据库
CentOS环境安装jdk1.8
CentOS环境安装jdk1.8
393 0
|
前端开发 数据安全/隐私保护
uniapp-含有后端的登录注册页面编写(二)
uniapp-含有后端的登录注册页面编写(二)
394 0