人工智能的分支——专家系统是当今的热门。这是第一个以商品和设备的形式出现在市场上的分支。报刊上连篇累牍的文章高度赞颂专家系统奇迹般的应用，从而推动着新产品新设备的问世。这种令人兴奋的基调，力求加强这样一个时代的神秘感，在这个时代里智能的和谐的机器帮助人们解决多种复杂的问题。

我们从这一片颂扬中知道，人类处在所谓“信息时代的开端”，但是究竟5年之内我们将看到什么样的专家系统，这些专家系统将为谁所用，它们又能够为人们做些什么，再一个5年又会出现何种形式的专家系统，今后10年这种新时代的光明前景如何7专家系统还有哪些不解之难，这些将是本文论述的基本问题。

本文所研究的是对于专家系统进一步发展所必需的知识与技术：计算机存贮能力和群存储技术的进展；并行处理；自然语言处理和语音识别；知识浓缩和知识表示；推理。

专家系统概说

人工智能的研究只有30年历史，它仍然处于摇篮时期，而专家系统的研究历史更短。今天，专家系统这个术语是用来表述计算机程序，从超大规模的复杂的程序到相当小规模的程序范围。这些程序通过知识库利用推理的方法解决那些相当困难需要专门知识的问题。专家系统目的是模拟具有丰富经验与知识的人类专家的思'维过程。专家系统在某些方面比人类专家更优越，它们不会忽略细节，绝不草率结论，也不会遗漏关键信息，而且能够利用庞大而详尽的知识库。较小型的专家系统用来提供咨询而不是提供能与专家媲美的决策方案，它们在大部分文献中称之为知识基系统（Knowledge-based Systems），这个术语可与专家系统互换代用。

最基本的专家系统由一个知识库和一个推理工具构成。附加部件是此专家系统的组成部分，这些附加部件是为了使专家系统使用方便并容许系统的用户根据已知条件所做的推导询问“怎么样”和“为什么”的问题。这些相关联的部件需要一定数量的计算机存贮器和群存贮器。虽然现在微型计算机的存贮器容量扩充到最大时可以适用于小型专家系统，但是一般说来，大型专家系统要求主机和小型机。

泡尔 · 哈默（Paul Harmon）和戴维 · 金（Davin King）在《专家系统：商业管理中的人工智能》一书中指出，专家系统的产品可分为两部分：一是大型专家系统、它需要“利用一般技术不易编制出来的程序”；二是小型知识系统、它需要“不用编程人员而由用户自己即能编制出来的程序”。他俩认为，几年之内，小型专家系统将要在商业管理上广泛使用8 ~ 10年。

企图与人类专家抗衡的大型混合专家系统的研制（这种系统可以综合人工智能其它方面的研究，诸如视觉系统或机器人系统）需要耗费巨资和漫长时间。研制这样的专家系统、今后5年以上将主要由资金雄厚的大学，少数专门开发常规专家系统的企业进行开发，或者像通用汽车公司这样的经济实力强大足以支持这类研究开发的超级企业去完成。

利用现有设备和技术而研制成的专家系统。研制时间较短。耗资较少。这样，今后几年，这种专家系统销售到市场的机会就多。它虽然具有大型的知识库，但应用范围较窄，如MYCIN，这是用于疾病诊断和医疗处方的较早研制成的专家系统。再如人工助手系统，可对法律、企业经营方针、营养或投资提供咨询，它还有灵巧的工具——用于记录或监测数据并对其予以分析的仪器。今后10年，人工智能研究领域要出现的技术和进展将在新工具方面结出硕果，而这些新工具又将使大型专家系统的研制缩短时间，节省费用。并且扩展小型专家系统的功能。

知识工程师

构成专家系统的知识库需要由一个以上的人类专家精练知识并将其变为计算机可用的编码形式。在D. 里奇（David Richie）的著作《二进制的智慧》（《The Binary Brain》）中提出一个常用的比喻，他写到，“知识工程师是信息的管道工……，他们收集和组织信息，并将它们传送到目的地。”这个繁琐而耗时的过程，也是具有庞大知识库的大型专家系统仍将继续需要相当长的时间和相当多的人力去开发的原因之一。

知识工程师对于专家系统之所以如此重要的又一个原因在于专家系统的工作性能（或其成功与否）取决于知识工程师胜任其工作的程度。知识工程师既要精练人类专家的知识，又要准确地表示这些知识，人类专家可以相信，他们已经提供所需要的专门知识；而知识工程师则可以相信，事实与推理已经准确地予以表示，但是如果没有彻底地检测出所有的“臭虫”，那么隐患就不会被发现。毫无疑问，错误将会产生出问题。事实上要开发全新的处理法则就要研究由使用专家系统而连带出现的错误所导致的可靠程度和不利条件的问题。随着企业在专家系统方面投资比例的加重和力求赢得需要管理、维护或销售其专家系统的人们的青睐，对知识工程和其它同人工智能相关职业（如专门的法学知识）的需求将与日俱增，从而将有可能在将来产生出许多适合这些领域工作的人所从事的新职业。

自然语言处理与语音识别

开发更方便和功能更强的人机之间信息交流的方式是持续已久的发展趋势。30年前，人机对话用机器代码，而后进步为汇编语言，接下来是高级语言，而如今是第四代计算机语言。然而，自然语言的处理并不是上述发展趋向的延续，而是一种新趋向。自然语言并不严谨，我们所说的话经常与上下文及含义有关。理解自然语言对于计算机来说是一种不同于理解程序（—组按序执行的指令）的另一类问题，因为自然语言通常不会被编译成程序。

语言识别是自然语言处理的进一步延伸。计算机首先必须“听”，识别，并在处理它们之前将其分解为单个的词。尽管人们对今后10年内计算机是否有处理人们连续讲话的能力还有争论，但实际上现在已经出现词汇量超出五百个独立常用词汇的语言识别系统。乐观派相信，10年内计算机能朗读课本，还可以根据课文提出问题。具有一定限度的专用自然语言处理机十年内很可能会不足为奇，这些语言处理机的用户尽管没有计算机语言的知识，但是却希望存取计算机化的信息。亨利 · 法斯可维斯（Henry Fersko-Wiss）写到，“自然语言装；t最终将构成为各种类型的软件，从操作系统软件到+家系统软件。”人们所不希望的计算机存贮器的限度是限制开发自然语言处理机的主要因素，这个因素还进一步受并行处理和知识表示方式的限制。因为自然语言处理机可以被看作为模拟人类语言的系统，所以自然语言处理的进展和专家系统彼此会起相互协同的作用。

磁存贮器与光存贮器的进展

M. 奥兹沃（Maxell's Ted Ozawa）在《计算》（《Compute》）杂志的一篇文章中引述说，“群存贮器的进展比原先预料的要快得多”。在磁性记录介质中，垂直记录技术成本低，大容量磁盘在单位面积上存贮的数据比目前的存贮量提高10倍，硬盘要继续发展，体积更小，价格更廉，对环境条件的要求更低。最新推出的兼有硬盘容量和便携软盘特性的盘存贮系统称为伯努利盒（Bernoulli Box）。但是，开创群存贮容量最高纪录的是光介质的进展。CD-ROM（密盘只读存贮器）是利用激光技术读取光盘上细微的凹点，它能存贮4000张苹果Ⅱ软盘的数据量。CD-ROM现已投放市场。存贮介质容量的提高和光盘的低产成本相结合将从根本上改变信息处理的方式。随着信息再现的成本从根本上下降，巨量的信息实则就可以获得“自由开放”，这对于专家系统的销售和对人工智能的研究总的来说是个重要条件。但是CD-ROM盘也有很大的不足，它既不能抹消，又不能重复使用。尽管光盘现在只限于做只读存贮器或者做一次写入多次读出使用，CD-ROM技术还是正被开发的多项磁与光极化相互作用的技术之一。可以预计5 ~ 10年内，此领域里现正研究的一种以上的项目必将产生某种商品化的既可抹消又可重复使用的光存贮产品。

增加计算机存贮器的容量对于设计出操作个人计算机的专家系统有特殊重要的意义。第9届国际人工智能学术会议预测，90年代的个人计算机将拥有“4千兆字节寻址容量，240兆字节有效存贮器和10兆字节存贮盘”。假若内存与外存足以容纳下程序、知识库和推理工具，那么个人计算机就能保证回答用户的“怎么样”和“为什么”的询问。扩展内外存能力还可保证增加自然语言的预处理、视觉系统和其他要求存贮密度高的装置。

适用于专家系统的问题类型

今天的专家系统大都是解决“诊断和处方”这类问题的能手。现在称为“框架”的开发工具容许未经有效训练的人工创造出小型咨询式专家系统。因为这个框架包括推理工具，此工具要么以规则为基，要么以实例为基。框架决定知识的表示方式，开发者只需了解解决某个问题不可缺少的事实和直接推断的方法，然后恰当地安排它们就行了。今后5年，虽然框架和其它小型系统工具的繁衍将构成更多的专家系统，但是大部分仍将是“诊断和处方”型。小型至中型的专家系统相当可观的应用是提供咨询服务，包括维护与修理，过程控制和故障诊断，借贷和信息处理等。

研制解决规划或设计这类问题的大型的功能强的专家系统存在有两大障碍。第一是现在的计算机对于那些要求快速处理巨量信息的问题，速度显得太慢；第二是我们现在还没有这样的机器：它能够从自身的经验中学习并更新自己的知识。10年后，这两大障碍将会逐渐被克服，而且近来在这两个方面已经取得令人振奋的进展。

推理和机器学习

所谓推理是从已知事实推导出新的事实的过程，因为人类作出判断往往不一定有完备的，知识，模拟某个人类专家的专家系统也必然是在信息不够完全和不确定因素的条件下工作，为此可以引入同某个事实有关的概率因数或加权值。在推理过程中，假若有足够的证据预测出行为的概况或过程，那么此系统的规则即随之而定，而概率因数由数学形式来确定。此技术已经成功地用于斯坦福大学70年代中期研制的MYCIN专家系统，此系统用于辅助诊断与处方。

据美国财政部1983年关于人工智能的报告称，概率因数或加权值的使用不适合于含有不确定因素。尤其是那些与统计相互依存和先验概率有关的各类问题。然而同报告所述“在具有不确定因素和模糊或不完备的资料情况下，推理的方法依然是不会有结果的”情况相反，最近宣布的进展有可能完全改变我们对智能和机器学习自身经验能力的看法。这将对包括专家系统在内的人工智能整个领域产生巨大影响。

1986年3月24日《电子工程时报》上刊登的C. 布朗（Chappell Brown）的文章《设计模仿神经系统的芯片》指出：“研究神经的电特性已经产生出一种新的设计电路的方法此方法，有可能导致信号处理、机器人学和模式识别技术的突破”。70年代末期美国电话电报公司和加利福尼亚理工学院研究员J. 豪泊弗尔德（John Hopfield）预测，物理学的能耗最低原理要应用于神经。他又系统地提出一个利用能量函数的模型，而不是采用分立的模拟或数字门电路去预言复杂的神经网络的特性。

最近在约翰 · 霍普金斯大学从事研究工作的J. 塞杰诺维斯基（Jerrence Sejnowski）采用Hopfield网络（具有某些数字特性的模拟电路）搞出来一个实验语言合成系统，并且发现它似乎能自身学习。传统的语言合成系统对处理字母组合发音的特例情况时都遇到麻烦，某些字母组合均必须全部被检测看其是否按标准发音，而塞杰诺维斯基的系统却能够利用Hopfield网络通过自动更换加权值的方法学会那些特殊发音。塞杰识维斯基说，从此，“尽管系统并不知道它是特殊发音，但能够对这些特例正确地做出响应。此网络的优点就在于它实际上用不到任何英语发音规则。”利用塞杰诺维斯基的规则开发成某种产品的可能性将决定于实现Hopfield网络电路设计上的进展。美国电话电报公司的贝尔实验室正在研究神经网络系统和Hopfield网络，而且最近已获成绩，所搞出的试验模拟电路耗用最少电能而不是执行某条规则来得到最佳解。这项技术在十年之内还有风险，但它一旦推开将应用于视觉系统、机器人和包括模拟识别或最优化的其他方面。它还将有助于创造出解决规划问题的专家系统。在此类系统中，目标是获得一定限度的最优化。

计算机智能的另一个关键是知识表示。它还需要采用和研究一系列的复杂技术，比如框架，正本和节点，各有优缺点，这要看它们解决问题的类型和规模。某和知识，“对于人们的经验和作用来说虽咚是基本的，但是直到现在任何人也很难想到怎样说明它”，这是一种常见的现象，许多知识表示方案同人类认识的模式密切相关。重新掀起的对神经生物学和正在进行的认识人类研究的兴趣与并行处理的出现相结合、五至十年无疑将对知识表示的新技术有更丰富更精妙的认识。

结论

专家系统的市场尚难保证，但是寻求新的方法去提高生产力，收集信息并把信息加工成为知识，出色做好工作的压力却在与日俱增。从现在起，今后5年专家系统将为更多的人提供实践与掌握专家系统的机会，它们将帮助我们为各种类型的专家系统确定最有效态的应用；它们将帮助我们认识到它们的决陷与局限性，它们同时还将为采用未来的技术与工具构成的下一代专家系统做准备。这些初期产品的成败将影响专家系统市场的需求与发展。

我们可以期待90年代初期小型专家系统在商业上将习以为常。用今天的工具去开发的小型专家系统，仍将基本限定于解决那些诊断型与处方型的问题。有可能使这种预测得到改变的因素是：

1. 解决各类问题的现有工具和技术的局限性与此领域里博学人才的匮乏，可能阻止所开发的专家系统的数量。

2. 法律上的责任与义务可能对专家系统的发展产生副作用。

3. 劳工组织担心失业而四处游说反对使用专家系统。

90年代初期，管理专家系统将对特定范围的专家系统彼此之间以及同其他数据库进行协调，利用自然语言前端处理用户的请求，以某种比较有限的形式管理专家系统甚至可能在90年代的个人计算机上运行。

90年代中期、大型专家系统与同人工智能研究的其它领域相结合的混合系统的研制与利用将主要由某些大公司和高校承担。随着知识表示方案和并行处理这些方面的技术进步，将开发出新的工具，从而促进解决多种类型问题的大型专家系统的长足进步。在这些方面最新的进展使其有可能成为下一代专家系统的第一种。系统工具在10年之内亦可资被利用，只是在大型商业上还不会通用。今后十年，缺乏具有知识工程技术的人才将限制专家系统的不断完善和规模的扩展。90年代中期的大型专家系统将被设计成某公司的完整的计算机化信息系统的一部分，此系统可以利用公司各类计算机化的信息。这些系统将需要有稳定可靠的处理自然语言的功能。没有计算机化信息网络的公司就不具备利用这些专家系统优势的地位。

机会与战略

由于人工智能预期的发展，许多大企业正组建人工智能的部门，以便尽可能早地占据利用人工智能发展优势的地位，它们购买专家系统的框架，并用此进行试验，向雇员提供掌握专家系统工具和知识工程技术的经验。这些公司不久将开始提炼专家的知识，并且开始构造面向未来发展演变的知识库。企业明显受益于专家系统的领域是能够对未来业务性活动做出预测与规划。这里每个步骤将有助于保证企业具有该企业开发与应用的管理与维护专家系统的资源。

同人工智能和专家系统有关的许多人的理想目标是创造某种能够扩展人脑和延伸人体的工具和机器，这意味着提供利用专家系统丰富人类生活的机会。然而，未经卓有成效的努力，要想打开产品市场达到这个目标是没有保证的。企业、政府、个人就越来越多地利用强有力的专家系统可能对社会和人类产生的影响所做的讨论，有可能在今后10年经过规划和及早的行动提供使消极影响最小、收益最大的机会。

专家系统与人工智能其他领域的技术相结合可望在2000年带来的变化，就像工业革命那样范围广泛和令人震惊。所预测的惊人变化是人们从事的职业和从事这些职业的人们。必须为培训和教育这些人中的大多数寻求方法和提供机会。现在所有学校的学生并无必须的某种技能就能毕业，除非教育的焦点从传授一门专门知识转向终身教育。正如阿尔温 · 托夫勒在未来的冲击，一书中所建议的那样，增加计算机知识、信息管理和高水平训练的基本教育，这是有助于为这个变化着的世界准备人才的战略。

（FUTURICS，1987年11卷第1期）