※ 引述《ephesians (ephesians)》之铭言： : 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? 如何表示出这些关系，而且是要定出电脑能够理解的且有利分析关系 其实还蛮难的 : > yes : 潜在分类 = 亲情 : 男主角[1]杀了女主角[1]? 这部分要定关系也很麻烦... : > yes : 潜在分类 = 凶杀, 违反伦常, 侦探 你的潜在分类有点奇怪 项目 可能的分类大项 凶杀 犯罪「行为」 违反伦常 犯罪「行为」、道德问题 侦探 犯罪相关，职业 以你上述的情况来看，你可能把人工智慧技术看的太神了一点 容我先假设你要做的东西，不是像常见的心理测验网站一样是玩玩的， 而是想要建立一个具分析能力的系统。 PS. 专家系统，人工智慧及data mining 在「技术面相通」故在此 看成一体来讨论 上述问题其实并没有明确的domain，亦有可能是资料不全所以看起来 有点混乱。 粗略来看能够建议的地方有下列几点： (1) 从资料来看，之前网友建议的Naive Bayesian or fuzzy都可用 不过你的资料很混乱，有层级关系的属性及没有层级关系的属性 混杂。 例如 有层次关系： 亲情->父子、母女 可能有层次关系： 凶杀<->违反伦常 无层次关系但相关： 凶杀<->侦探 虽然都是离散型的资料，但对於不同的假设会有相当大的差异 ex. Naive Bayesian 属性必需彼此独立=>最好不要有层级关系 单一属性的「值」，最好也不要有强度上的差别 例如：红色、黄色之类不相干结果会比较好。 fuzzy 属性间关性可有可无， 但单一属性的「值」有强度上的时，结果会较好。 (2) 专家系统(所有人工智慧系统)是最标准的garbage in, garbage out 「你想问什麽」以及「你想做什麽」，请先定义清楚，不然很容易得 到一堆垃圾... (3) 根据经验，利用推理机做两阶段以上的推理大部分都会死得很惨．．． 　　　　　　　　第一阶段准确度有８０％以上的话，到了第二阶段大约都只剩 　　　　　　　　５０％～６０％；第三阶段之後，说不定丢骰子还比较准.... (4) 另外最重要的问题在於：由上述例子来看你的目标太大或说不明确 人工智慧发展了数十年之後才了解到：以目前的科技还没有办法 发展出能够处理复杂关系or多重命题的系统，目前人工智慧能做 到的，严格来说只有「资料化简」。 (或许这就是有网友建议你去看专家系统发展史的原因) (5) 建专家系统的方法很多种，常见且自动化的方式就是利用data mining ，而你的问题就是上述4项，而结果会很难诠释， (大家都知道尿布跟啤酒的例子，但大部分的人也都不知道 　　　　　　　　到底研究人员花了多少时间来解释这个现象)； 此外如果不排斥质性分析 单纯利用质性分析 or 统计方法其实也可以建出来， 　　　　　　　　结果可能会比较好解释，但.... 要有人相信．．．． : 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, ^^^^^^^^^^^^^^^^^^ 这个大多是语言所在玩的，语意要考虑的问题很多是当时的环境， 目前没看过有什麽系统可以「完整的」考虑所有环境变数。 且如何「有效地」用资讯技术描述语意规则仍是人工智慧的研究命题之一。 : 应该可以节省data mining规则产生的计算时间. 从目前的研究来看，刚好相反。 大部分这类的研究者反而常会利用data mining来分析语意规则。 西洋棋大都是用pattern approach ，实际上本人没有用过。 最有名的是深蓝，不过上次计设者来演讲时，反而觉得技术还好... 它的原则是用强大的硬体效能做大量的棋谱搜寻，再做一点点预测 尽量在接下的几步达到有利的局面，当然这些有利的局面也大都早 已存在资料库中。与其说它很聪明，我比较佩服它的搜寻速度 XD : 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: 163.25.118.178 ※ 编辑: esheep 来自: 163.25.118.178 (12/12 01:23)