|
知识工程(knowledge engineering)是研究知识信息处理的学科，提供研制基于知识的系统的一般方法和基本工具，是人工智能、数据库、数理逻辑、认知科学和心理学等学科交叉发展的结果。知识工程的概念是美国Stanford 大学的E .A .Feigenbaum于1977 年提出的。知识工程的研究使人工智能发生了重大改变，从探索广泛普遍的思维规律转向利用知识解决特定问题的研究。 知识工程主要研究知识表示、推理策略、知识获取，以及开发方法和环境。为了使计算机能运用专家的知识处理问题，必须采用一定的形式表示知识。目前常用的知识表示方式有产生式规则、语义网络、框架、状态空间、逻辑模式、脚本、过程、面向对象等。对产生式系统来说，推理机的任务是运用控制策略找到可以应用的规则，正向链的策略是从已知事实出发，寻找出前提可以同数据库中的事实或断言相匹配的那些规则，并运用冲突的消除策略，从这些已匹配的规则中挑选出一个执行，从而丰富原来数据库的内容。这样反复地进行寻找，直到数据库已有事实与目标一致，即找到解答，或者到没有规则可以运用时为止。逆向链的策略是从给定的目标出发，寻找执行后果可以达到目标的规则；如果这条规则的前提与数据库中的事实相匹配，问题就得到解决；否则重复这个过程把这条规则的前提作为新的子目标， 直到最后运用的规则的前提可以与数据库中的事实相匹配为止，或者直到没有规则再可以应用时，系统便以对话形式请求用户回答并输入必需的事实。 20 世纪80 年代以来，知识工程的研究促进了知识系统的发展。知识系统包括专家系统、知识库系统、智能决策系统等。 专家系统实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破，表明在狭窄的领域用计算机可实现人类的智能行为。60 年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理。但是这些通用方法无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大的搜索空间也难于处理。人们解决实际问题并不全靠推理，而常用一些不精确的和不确定的经验规则，人类专家正是大量运用这些知识作出有用的结论。1965年，Feigenbaum 等人在总结通用问题求解系统的成功与失败经验的基础上，结合化学领域的专门知识，研制了世界上第一个专家系统DENDRAL，可以推断化学分子结构。30 多年来，专家系统的技术不断发展，应用渗透到众多领域，其中不少在实际应用中产生了经济效益。 知识库系统是把知识以一定的结构存入计算机，进行知识的管理和问题求解，实现知识的共享。知识库系统的明显特色是将推理和查询结合起来，改善知识库的维护功能，为开发具体领域的知识系统提供有用的环境。知识库系统主要是研究知识模型、知识库模式、知识操纵语言、推理机与数据库耦连等问题。 知识工程逐步应用于决策支持系统DSS，产生了智能化的DSS。由数据库、模型库、知识库、图形库和文本库组成的智能决策系统，将为解决半结构、非结构化的决策问题提供有效的手段，提高科学管理的水平。 为了提高知识系统开发的效率和质量，知识工程特别重视知识工程环境和工具的研制。典型的有美国的EMYCIN、知识工程环境系统KEE、CYC，日本的第五代计算机系统FGCS，中国的面向对象知识处理系统OKPS、天马系统等，提供通用的推理机、知识获取工具、解释了系统、用户界面等。在知识工程环境或工具支持下，开发特定应用领域的知识系统主要工作是建造知识库，提高建造知识系统的效率，促进知识工程应用推广。 【出处】贲可荣，张彦铎 著.人工智能（第3版），清华大学出版社，2018年12月.
| 
发表于 2025-12-9 15:41:33
