1.逻辑推理

1956年达特茅斯会议的举行，标志了人工智能这门学科的诞生，而1956年之后的十几年间，H.Simon研发的“逻辑理论家(Logic Theorist)”证明了《数学原理》中全部52条定理，其中某些证明甚至比原著更加巧妙，人们几乎无法相信机器原来可以如此智能。逻辑推理也将人工智能推向第一次高潮。逻辑推理按照推理过程中所用知识的确定性，将推理分为确定性推理和不确定性推理。本章节只简单介绍基本谓词逻辑的确定性推理。应用谓词逻辑演算系统进行的推理方法有：自然演绎推理、归结演绎推理、基于规则的演绎推理。

(1)自然演绎推理

自然演绎推理是指从一组已知为真的事实出发，直接运用经典逻辑中的推理规则推出结论的过程。在这种推理中，最基本的推理规则是三段论推理，它包括假言推理等。

假言推理：由P→Q及P为真，可推出Q为真。例如，P代表地球围绕太阳系中心转，Q代表太阳为太阳系中心，P→Q代表地球围绕太阳转，那么我们就可以根据地球围绕太阳转，而地球只围绕太阳系中心转，可以推断出太阳是太阳系的中心。这种推理过程很自然，容易理解，并且有许多推理规则可用。然而，它容易产生知识爆炸，对于处理复杂的、大规模的问题的推理不利，很难实现。

(2)归结演绎推理

从自然演绎推理我们可以看到，即使是很简单的结论证明也要许多步骤才能完成，由此我们想到是否能让计算机来完成定理的证明。人工智能的目的之一就是使计算机能模拟人的智能，自动定理证明不仅能使许多数学问题经过定理证明得到解决，而且也能使许多非数学问题(如：医疗诊断、机器人)得到解决。

归结演绎是由鲁宾逊在海伯伦理论基础上提出来的一种基于逻辑的、采用反证法的推理方法，即不是证明一个公式是有效的，而是证明公式之非是不可满足的，这完全是为了方便，并且不失一般性。例如，我们在证明光速是最快的速度时，只需我们列举出比光速更快的速度对，如果列举不出来，那么就证明光速是最快的速度。

2.专家系统

1980年，卡内基梅隆大学为DEC设计了一套名为XCON的“专家系统”。这是一种采用人工智能程序的系统，可以简单地理解为“知识库+推理机”的组合，XCON是一套具有完整专业知识和经验的计算机智能系统。这套系统在1986年之前能为该公司每年节省超过2500万美元经费。在巨大的经济效益的诱惑下，涌现出了一个又一个“专家系统”。人们重新对人工智能有了信心，人工智能也迎来了第二个春天。

专家系统是人工智能应用研究最活跃和最广泛的课题之一。那么什么是专家系统呢?

专家系统(Expert System)是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域的问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。简而言之，专家系统是一种模拟人类专家解决特定专业领域问题的计算机程序系统。

上面提到的XCON专家系统其目的就是按照用户需求，帮助DEC为VAX型计算机系统自动选择组件，它最终拥有大约2500条规则，截至1986年，XCON一共处理了80000条指令，准确率高达98%。通过减少组件选择错误，加速组装流程和增加客户满意度创造利润价值。

(1)专家系统具有以下特点

1)启发性：专家系统能运用专家的知识与经验进行推理、判断和决策。

2)透明性：专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户了解推理过程，提高对专家系统的信赖感。

3)灵活性：专家系统能够不断地增加知识，修改原有知识，不断更新。

(2)专家系统的组成

一个完整的专家系统主要由知识库、综合数据库、推理机、解释器、接口5部分组成(见图8-4)。

图8-4 专家系统构造图

1)知识库：用于存储某领域专家系统的专门知识、包括事实、可行操作与规则等。

2)综合数据库：又称全局数据库或总数据库，它用于存储领域或问题的初始数据和推理过程中得到的中间数据，即被处理对象的一些当前事实。(www.daowen.com)

3)推理机：用于记忆所采用的规则和控制策略的程序，使整个专家系统能够以逻辑方式协调地工作。推理机能够根据知识进行推理和导出结论，而不是简单地搜索数据库中的数据。

4)解释器：能够向用户解释专家系统的行为，包括解释推理结论的正确性以及系统输出其他候选解的原因。

5)接口：又称界面，能够使系统与用户进行交互，使用户输入必要的数据、提出问题和了解推理过程及推理结果等。系统则通过接口，要求用户提问，并用户提出的问题，进行必要的解释。

(3)专家系统的分类

专家系统根据不同的用途，主要分为以下几种：

1)解释专家系统：通过对已知信息的数据的分析与解释，确定它们的含义。

2)预测专家系统：通过对过去和现在已知状况的分析，推断未来可能发生的情况。

3)诊断专家系统：根据提供的情况(数据)来推断某个对象机能故障的原因。

4)设计专家系统：根据设计要求，求出能够满足设计问题约束的目标配置。

5)控制专家系统：自适应地管理一个受控对象或客体的全面行为，使之满足预期要求。

6)教学专家系统：根据学生的特点、弱点和基础，以最适当的教学方式和教学规划对学生进行教学和辅导。

(4)新型专家系统

传统专家系统大致是根据基于规则、基于框架和基于模型构建的。近年来，人工智能学者认为，发展专家系统不仅要采用各种定性模型，更要利用现有的计算机新技术，例如分布式、协同式等。

1)并行与分布处理

基于各种并行算法，采用各种并行推理和执行技术，适合在多处理器的硬件环境中工作，即具有分布处理的功能，是新型专家系统的一个特征。系统中的多处理器应该能同步地并行工作，但更重要的是它还应能作异步并行处理。可以按数据驱动或要求驱动的方式实现分布在各处理器上的专家系统的各部分间的通信和同步。专家系统的分布处理特征要求专家系统做到功能合理、均衡地分布，以及知识和数据适当地分布，着眼点主要在于提高系统的处理效率和可靠性等。

2)多专家系统协同工作

在这种系统中，有多个专家系统协同合作。各子专家系统间可以互相通信，一个(或多个)子专家系统的输出可能就是另一子专家系统的输入，有些子专家系统的输出还可作为反馈信息输入到自身或其先辈系统中去，经过迭代求得某种“稳定”状态。

3)智能人机接口

理解自然语言，实现语音、文字、图形和图像的直接输入输出是如今人们对智能计算机提出的要求，也是对新型专家系统的重要期望。这一方面需要硬件的有力支持，另一方面应该看到，先进的软件技术将使智能接口的实现大放异彩，使得接口表现得更加人性化。

专家系统的远期目标是探究人类智能和机器智能的基本原理，研究用自动机模拟人类的思维过程和智能行为。该目标远远超出计算机科学的范畴，几乎涉及自然科学和社会科学的所有学科。因此，目前对专家系统的发展预测集中在近期目标，即建造能用于代替人类高级脑力劳动的专家系统。

随着人工智能应用方法的日渐成熟，专家系统的应用领域也不断扩大。有人类活动的地方，必将有智能技术包括专家系统的应用。专家系统将成为21世纪人类进行智能管理与决策的工具与助手。