在计算机时代,专家系统所取得的成功是毋庸置疑的。专家系统应用的成果案例包括从能够诊断人类疾病的医学专家系统,到能够配置和设计复杂目标(如计算机系统)的专家系统,再到能够设计机器人可能会完成的动作顺序的专家系统。当今,专家系统逐渐不再是孤立的系统,而是作为更大规模应用中的智能模块被嵌入到系统中,以至于未经训练的观察者甚至不能察觉到它们为我们的利益而工作。
许多公司发现了专家系统的巨大前景。无论何时去进行运作,在这种运作中人类专家可能会负担过重,或是人类专家的人数不够,或是聘请人类专家成本过高,这时候精明的机构就会发现部署专家系统的机会。例如,商业银行能够确定其贷款官员过度工作,同时当处理贷款运作时,以专家系统存在的商业贷款助手能够更好、更快地对贷款官员提供帮助,并且做出更加可靠地决定。虽然,通过计算机程序取代人类专家可能有些不容易,同时也会面临道德上的争论——这些系统会使企业失去个性,剥削企业中人类所触及的价值,同时剥削人类专家所能够提供的交互作用。在多数情况中,专家系统将不能完全取代人类决策者。确实,专家系统常常作为助手,而不是完全取代人类专家。专家系统的功能是消除与进行决策所联系的平凡的和普通的工作,因而,能够使人类专家自由地去关注于问题的更加棘手的方面。或者,专家系统也可能提出许多备选解决方案,而人类的决策者从中决定选择哪一种。许多人更喜欢使用更为温和的术语——专家支持系统,这是因为这一术语暗示了在一些工作中对人类决策者进行支持,而不是完全排除人类决策者。
企业希望从成功的专家系统应用中收获何种确定的利益呢?许多现实世界应用的案例研究和有关专家系统的文献提供了下面一些可能性:
•提高产出和生产力;
•降低成本,包括减少所需要的人员;
•降低错误;
•提供更好的客户服务;
•提供更好、更快和始终如一的决策;
•将知识传播到遥远的地区;
•对组成的知识形式化。
为了理解如何将这些利益变为现实,让我们看看由数字设备公司(Digital Equipment Corporation)在1978年开发的专家系统XCON[12]。XCON作为第一代取得实际商业成功的专家系统经常被引述,同时它的例子确凿地证明了一个企业如何能够抓住潜在的技术,并投入巨大的资源去构建一个完全实际的专家系统,同时花费时间去学习如何将系统嵌入到其自身组织的运作中。
数字设备公司是一家以微型计算机产品闻名的公司,其产品包括最著名的VAX和PDP微型计算机,这些微型计算机在20世纪70年代和80年代十分流行。在当时,数字设备公司的商业策略是制造高客制化的计算机,这些计算机满足每一个客户的特别需求。也就是,按订单生产和定制的方法对计算机进行设计和配置(在后面几年,这种方法被个人计算机领域中的计算机生产策略所颠覆,这就是在制造计算机过程中的超高效率,在最低的可能成本下的高度集成的生产线)。
在XCON之前,通过手工完成系统配置任务。熟练的技术程序编制者将检查顾客的全部命令的技术正确性和命令完整性。这是一项十分困难和耗时的工作,有时候需要涉及许多不同的专业技术。有时候,同样的组成部分被不协调地组合起来,会成为质量问题和来自客户抱怨的根源。
XCON是基于规则的专家系统,开发这一系统去使计算机配置任务自动化,并且配置任务有所改观。当输入一个用户指令时,XCON开始工作,同时产生一组规范和图表作为输出,技术程序编制者使用这些规范和图表作为构建系统的指导。XCON的开发耗时超过将近10年,同时产生了十分复杂的专家系统。从下面可以对其复杂性有一些感觉,XCON知识库自身包含了超过10000条规则(其他相关的知识库有8000规则)[13]。然而,仅从规则数量上并不能说明系统的广泛性。另一个范围是规则自身的复杂性:
•平均每条规则包含规则的LHS部分中的大约6种模式。
•反过来,每一种模式包含大约5个属性。
•规则的RHS部分确定了平均4个动作。(www.daowen.com)
因而,在每一个循环所完成或运行的每一条规则的测试数量是大约6×5,或是30次测试。
除了知识库,XCON还包含了数据库,以便存储关于计算机部件自身的信息。组成部件数据库包含了超过30000部件的配置信息,并且每一个部件有25~125种属性。有超过40种部件类型,这包括CPU、电缆、操作台、控制器、磁盘和磁带。这确实是一个十分广泛和复杂的专家系统。
XCON是如何工作的呢?就其怎样提高了数字设备公司的组织性能而言,我们如何评估XCON的性能呢?当最初安装XCON时,系统的能力和知识十分局限,并且需要与技术程序编制者进行广泛的交互,以便获得其专门技术,并构建其知识库。数字设备公司在早期也认识到构建成功的专家系统不仅仅只是向知识库中添加越来越多的规则。数字设备公司认识到,除了解决技术问题,它也需要将技术整合到其自身业务的结构中,并且对其组织和人力资源问题有所注意。那个时候,数字设备公司开始实现对其效能的实际改善。
通过时间证明XCON对于数字设备公司是一个巨大的利益。通过几乎所有衡量标准来看其效果是惊人的。首先,XCON极大地提高了顾客订单的技术精确性。在XCON产生之前,顾客订单中的很大比例具有配置错误,并且/或是缺乏完整性。通过估计,在XCON产生之前,35%的订单进行了不精确地配置,而在XCON产生以后,订单的错误率大幅度下降到2%。由于纠正有问题的订单是成本很高的过程,这消耗掉了数字设备公司大量的时间,并且很容易造成正常的顾客订单周期混乱,因此,错误率是对XCON成功与否的关键衡量。因而,XCON最终产生了更短的顾客周期,并需要更低数量的人员去完成所需的订单,同时总体上使公司能够更加平稳地运行。此外,就所花费在订单上的时间单独而言,据估计,如果没有XCON,技术程序编制者将对每一个订单花费20~30min,但是有了XCON,即使是非常复杂的订单也将花费少于1min。这样,我们就不会对客户的满意度和销售业绩增长感到惊讶了。
数字设备公司所看到的另一个利益是通过系统能够可靠地传递系统的配置信息。使用XCON确保了配置计算机使性能最优化,并且可以用可靠的方式完成这一工作。在引入XCON之前,数字设备公司发送了包含相同组成部分但配置不同的系统——拥有许多不同的方式配置一组相同的组成部件。可以想到,当技术支持人员处理不一致的组成部件时,会面临多么大的挑战。此外,配置信息的一致性意味着加工可以更容易地从一座工厂转向另一座工厂,而不需要对员工进行高成本的培训,并且不会造成在员工上的技术断层。这将创造更加灵活的制造环境。
最终,对于数字设备公司来说XCON的引入是一个完全的胜利。它导致了生产力增加,成本降低,在满足客户订单上的更高的效率和更好的客户服务。在人工智能的历史上,由于XCON代表了从通用问题解决者(这是人工智能研究者最初希望创建的)中引出的深刻变革,因此XCON也成为一个分水岭一样的系统。通用问题解决程序仅仅能够解决简单问题和做一些简单游戏,但是XCON表现出了一种引人入胜的方式,通过这种方式使人工智能能够解决现实和复杂的问题。对于数字设备公司这是一个很好的证明,这就是当人工智能技术还没有在商业领域被广泛地接受和采用的那一段时间,数字设备公司拥有预见性和决心去实施人工智能技术[7]。对于数字设备公司,XCON比研究手段的意义要广泛,因为这是一个支持其核心商业策略的系统,并且通过多种方式加强了整个公司的运作。
如果我们忽视去对专家系统的问题与局限的讨论,那么我们就会出现疏忽。人工智能领域首次将专家系统引入至今已经几乎四十年了,然而在最开始所确定的许多弱点和局限仍有大多数没有解决,并且留到了今天。以下是一些专家系统的主要问题和局限:
•很难对专门技术进行提取;
•不能捕获所有的知识;
•专家系统不能够学习;
•专家系统缺乏灵活性;
•对专家系统缺乏信任;
•在解释结果上面专家系统的能力有限;
•专家系统很难检验和验证。
让我们逐一对这些问题进行说明。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。