Ⅰ 专家系统和机器学习在人工智能中扮演什么角色

专家系统已经过时
机器学习是目前人工智能的主要方式
机器学习的方法论是通过数据来调整模型中的参数 达到解决问题的精度
机器学习需要学习很多算法

Ⅱ 人工智能中的专家系统

说到人工智能，就不得不说说人工智能涉及到的众多学科中的专家系统，可以这么说，每一个人工智能的系统都离不开专家系统，只有具备专家系统，人工智能才能够帮助我们做更多的事情。那么什么是专家系统呢，专家系统有什么需要我们去理解的呢？下面我们直接进入正题。
1.专家系统的相关知识
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。专家系统就是运用特定领域的专门知识，通过推理来模拟通常由人类专家才能解决的各种复杂的、具体的问题，达到与专家具有同等解决问题能力的计算机智能程序系统。它能对决策的过程作出解释，并有学习功能，即能自动增长解决问题所需的知识。由此可见，人工智能是一个十分重要的内容。
2.专家系统的发展历程
专家系统是人工智能中最重要的也是最活跃的一个应用领域，它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。在20世纪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。1965年，费根鲍姆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，这个系统可以推断化学分子结构。
3.专家系统涉及到的领域
专家系统的理论和技术不断发展，应用渗透到几乎各个领域，包括化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等众多领域，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。由此可见，如果想要做出一个完善的人工智能，那么就一定需要做好专家系统。
在这篇文章中我们给大家介绍了专家系统的知识，具体分为专家系统的概念、发展历程以及设计领域，虽然它在机器学习中所占的比例不大，重要性却是不分先后，犹如一辆汽车不能缺少任何一个零件。

Ⅲ 先进的专家系统有哪些特点人工智能

专家系统是目前人工智能中最活跃、最有成效的一个研究领域,它是一种具有特定领版域内大权量知识与经验的程序系统。近年来，在“
专家系统”或“
知识工程”
的研究中已出现了成功和有效应用人工智能技术的趋势。人类专家由于具有丰富的知识，所以才能达到优异的解决问题的能力。那么计算机程序如果能体现和应用这些知识，也应该能解决人类专家所解决的问题，而且能帮助人类专家发现推理过程中出现的差错，现在这一点已被证实。如在矿物勘测、化学分析、规划和医学诊断方面，专家系统已经达到了人类专家的水平。成功的例子如：PROSPECTOR系统（用于地质学的专家系统）发现了一个钼矿沉积，价值超过1亿美元。DENDRL系统的性能已超过一般专家的水平，可供数百人在化学结构分析方面的使用。MY
CIN系统可以对血液传染病的诊断治疗方案提供咨询意见。经正式鉴定结果，对患有细菌血液病、脑膜炎方面的诊断和提供治疗方案已超过了这方面的专家。

Ⅳ 专家系统属于人工智能范畴吗

C. 专家系统、自然语言理解和机器人

Ⅳ 计算机人工智能专家系统的原理是什么

神话故事里“常常出现“分身术”，而这种“分身术”今天却可以“成为”现实，比如某个医生的病人实在太多，忙不过来，那么我们就给他想个办法，找个“替身”。这个“替身”就是计算机人工智能专家系统。

首先，这个系统必须把某个大夫行医的知识和经验学到手，即由专业工作人员把相关的文字资料组织好，其中包括这个大夫诊治过的病人的病历、诊断结果、所开处方等等，然后由计算机软件专家编制专门的程序把这些珍贵的原始资料输入计算机储存起来，这等于建立起一个这个大夫的知识库。要使计算机具有应用这些知识的本领，计算机就要具有推理、判断、演绎、决策等能力。这就是计算机专家系统的核心部分。当经过培训的医务人员利用这套人工智能专家系统接待病人时，只需将病人的症状特征、化验检查结果等原始数据输入计算机，计算机很快就会根据这些信息作出诊断，开出药方，就好像这个大夫亲自在给病人诊治一样。采用这种方法可以将许多不同优秀医学专家的经验制成计算机专家系统，这样做有两个好处：一方面可以保护和发扬我国传统医学的知识宝库，另一方面也可以大大减少病人排队等候治疗的时间，可使病人及时就诊。特别是在边远地区的医院，如果也安装上这样的专家系统，病人不仅能及时地得到最好医生的诊治，而且用不着长途跋涉，既节省了时间，又减少了费用，真是一举两得的好事。

电脑的进步与发展，为人类带来的方便是难以估量的，特别是在医学上，它的贡献更是成果卓著。

Ⅵ 目前计算机应用最广泛的领域是a人工智能和专家系统b科学技术和工程计算

C、数据处理和办公自动化

Ⅶ 在人工智能领域，分布式专家系统和协同式专家系统的区别

分布式专家系统强调 处理的分布 和知识的分布
协同式专家系统强调各子专家协调之间的协同合作
协同式专家协同并不一定要求多个处理机的硬件环境，而是在同一个处理机上实现各子专家系统

Ⅷ 人工智能专家系统之间有何联系

人工智能是以自动机来为手段, 通过自模拟人类宏观／外显的思维行为为途径, 从而高效率解决事实问题的科学和技术，主要研究领域有专家系统、自然语言理解、机器人学和模式识别等。
专家系统是对特定领域的特定难题用专家级水平去解决的智能计算机程序，一般由知识库、数据库、推理机、解释器及知识获取五个部分组成，是人工智能的重要分支之一。人工智能的发展为专家系统创造了新的手段，专家系统的成功打破了人工智能研究的沉闷局面，两者相互促进，共同发展。

Ⅸ 决策支持系统和专家系统的区别

决策支持系统和专家系统的区别为：原理不同、侧重点不同、后续操作不同。

一、原理不同

1、决策支持系统：决策支持系统是使用人工智能思想和技术，实现数据与模型的有机结合为用户服务。

2、专家系统：专家系统抽取专家的知识并加以组织，以提供专家水平的咨询。

二、侧重点不同

1、决策支持系统：决策支持系统强调通用性，在大范围内支持决策者工作。

2、专家系统：专家系统强调专用性，侧重某一专门领域的知识。

三、后续操作不同

1、决策支持系统：决策支持系统只帮助用户决策，那么用户必须知道如何对问题进行推理。

2、专家系统：用户只需要向专家系统提出需要解答问题的事实和表征。

Ⅹ 人工智能与专家系统概述

一、人工智能与专家系统

人工智能AI(Artificial Intelligence)是集计算机科学、神经科学、心理学、语言学、认知学、思维科学、控制论、信息论等多种学科于一体的新兴边缘科学，也是当代主要的高科技领域之一。人工智能可定义为用计算机来研究思维的科学，即由计算机来模仿和实现人类的智能行为的学科，如判断、图像识别、理解、学习、规划和问题求解。自1956年正式提出人工智能的概念后，四十多年以来，人工智能的研究已取得了重大进展，它的最主要的研究和应用领域有：专家系统、机器学习、模式识别、自然语言理解、机器人学、计算机视觉、分布式人工智能等。

专家系统ES(Expert System)是人工智能的一个重要分支，自20世纪60年代以来，专家系统得到研究、开发和利用，并取得重大进展。专家系统主要研究如何使计算机程序能模仿各个领域的人类专家在解决实际问题时的思维过程，使机器具有专家水平的智能。专家系统的出现，使人工智能的研究发生了重大的转变，它实现了人工智能从理论研究走向实际应用，是人工智能从一般思维规律探讨走向专门知识应用的重大突破。专家系统的成功使人们更清楚地认识到人工智能系统应该是一个知识处理系统，而知识表示、知识获取、知识利用则是人工智能系统的三个基本问题。从1985年起，专家系统愈来愈引起人们的关心和注意，在很多情况下，专家系统逐渐成为人工智能的代名词。

开发专家系统的关键是表达和运用专家知识，即来自人类专家并已被证明对解决有关领域内的典型问题是有用的事实和过程。它和传统的计算机程序最本质的不同之处在于专家系统所要解决的问题一般不能用算法解决，并且经常要在不完全、不精确或不确定的信息基础上做出结论。它应该是一个有相当数量权威性知识、并能运用这些知识解决特定领域中实际问题的计算机程序系统。它根据用户提供的数据、信息和事实，运用系统存储的专家经验和知识，进行推理判断，最后得出结论。同时给出这些结论的可信度，供用户决策之用。

专家系统通过推理的方法来解决问题，并且得到的结论和专家相同。专家系统的重要部分是推理，正是由于这一点，使专家系统不同于一般的资料系统和知识库系统。在专家系统中所存储的不是答案，而是进行推理的能力与知识。

二、地质专家系统

随着计算机的日益普及，专家系统在地质学中同样得到广泛应用。地质专家系统是在解决具有专家级规模和难度的地质问题中，用以局部地或全部地代替地质专家的计算机程序系统。地质专家经过长期学习和大量实践积累了丰富的知识和经验，他们的理论造诣很深，技术娴熟，工作稳妥高效。他们知道运用所掌握的知识解决具体问题的诀窍和避免失误的方法，并善于从多种信息中发现问题的本质，将遇到的新问题归结为自己熟悉的问题类型，从而迅速找到解决问题的有效途径。地质专家系统正是建立在地质专家丰富的知识和经验基础之上的。在这种系统中，具有由数量充足并达到一定权威性的地质知识建立的知识库，采取一定的推理策略，具备学习机制，能够对知识库进行补充和改进，用以提高解决地质问题的能力。专家系统在地学领域中的应用主要包括：矿产资源评价预测、矿床勘探、地质和测井资料分析、矿床地质特征监控、地质分类和对比、地质工程自动控制、遥感地质图形自动处理和地质成果评价等。

成矿预测是地质专家系统应用的重要领域，在这一领域中地质专家系统的应用最早、应用的面也最广泛，同时在地质专家系统的各种应用中具有最重要的意义。建立在矿床地质模型基础之上的“探矿者”(PROSPECTOR)专家系统是其中最著名的例子，该系统于1976年建立于美国斯坦福大学国际研究所人工智能中心，是世界上最早建立的3个专家系统之一。目前，其第二代产品PROSPECTOR Ⅱ包含了86个矿床模型和多于146个矿床的信息。该系统本身就是一个数字矿床模型专家系统，同时也是一个应用于成矿预测的计算机人工智能咨询系统，该系统无论是对专家系统研究本身或是对专家系统在地质领域中的应用都有重要意义。