各位好, 目前正在学习专家系统这门课程,感觉学到一种相当有价值的东西. 有价值之处在於知识的提供. 而专家系统所包含的架构及元件,含知识库,知识表达法,推论引擎等等,只是旁支. 好比一堆人争辩程式语言的好坏,却忘了写出正确的软体系统的价值,就是虚谈. 因为有这样的体认,本来想依stable model semantics实作一份推论引擎, (像Prolog那样的推论引擎) 就打消了那个念头. 所换的另一个方向,是实作出完整的特定领域的专家系统. 但考虑到整个专家系统的需求,想了许多许多领域的问题,都觉得不适合. 知识的来源是相当大的问题,遑论知识工程的事情. 若找不到适合的知识专家,只好找自己能够充当专家的领域, 於是,因为自己读过许多小说故事,就想到可以做个小说分类专家系统. 若能够由书籍中找到几个特徵,加以推论,便能归类. 例如: 男主角有几位 > 1 女主角有几位 > 1 男主角[1]是女主角[1]的父亲? > no 女主角[1]是男主角[1]的母亲? > yes 潜在分类 = 亲情 男主角[1]杀了女主角[1]? > yes 潜在分类 = 凶杀, 违反伦常, 侦探 跟我的老师讨论过这个想法,他直接想到data mining, 建议我不见得要把任何问题都只想着用专家系统解决. 我也真读过以关联规则及类似度评估的方法做分类的文章, 不过,如果能够凭着人类专家的语意规则,做为专家系统的能力, 应该可以节省data mining规则产生的计算时间. 另外,曾经想过专家系统帮助西洋棋弈棋的应用. 几年前的概念大概都是,系统会帮我记住盘面的状态, 经过分析之後就给我下一步棋的解. 但再重听一次专家系统的课程之後,才领悟到之前我所想的那种并不是专家系统, 而是人工智慧系统. 若是人工智慧系统,它会计算并试着预测,然後给出一个下一步棋步. 若是专家系统,则是藉由读取盘面的特徵,推论而得到一个属於局势方面的建议. 後者的例子是: (棋步的标记法我乱写的,曾经读过,但已经忘了) 敌方棋步: > Q5-4 (皇后进逼) 建议 = B-C-2-4 加强防守 (指B至C列,2至4行的范围) 我方棋步: > P2-3 (兵出一步) 最後又想到了一个大略可行的题目,是处理英文文法的识别与学习. 时间不够,暂写到这里. 关於专家系统的二三事, 有没有同好能够分享一下这方面的心得? --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 61.231.16.53