人工智能-基于规则的专家系统（基础知识）

知识概述

知识是对于一个主题或者一个领域在理论或实践上的理解，也是所有已知的总和。
拥有某一部分知识的人称为专家，他们是所在组织中重要的人物。

知识表达技术-规则

任何规则都包括两个部分：IF部分和ELSE部分。IF部分是前项（前提或者条件），THEN部分是后项（结论或者行为）。
一般来说，前提之间可以使用关键词AND（合取）、OR（析取）或者两者混合使用。不过，最好在同一规则中避免使用合取和析取。
同时，结论也可以由多个从句组成。也就是说，从一个条件中可以得出多条结论。

专家系统研发团队的主要参与者

领域专家是在特定区域或者领域具有渊博知识和丰富经验的人。他们在特定领域具有最好的经验，这些经验会被输入到专家系统中。
知识工程师是善于设计、构建、测试专家系统的人，负责为系统选择合适的任务，并就如何解决特定问题和领域专家进行互动。
程序员负责编程，用计算机能接受的术语描述领域知识。
项目经理是开发团队的领导，负责项目的进程，确保按计划进行，并与专家、知识工程师、程序员、终端用户进行互动。
终端用户，也称为用户，是使用专家系统的人。
具体关系如图所示：

基于规则的专家系统的结构

基于规则的专家系统由5个部分组成：知识库、数据库、推理引擎、解释设备和用户界面。
知识库包含解决问题相关的领域知识。在基于规则的专家系统中，知识用一组规则来表达。其具有IF（条件）THEN（行为）结构，当规则的条件被满足时，触发规则，继而执行行为。
数据库包含一组事实，用于匹配知识库中的IF（条件）。
推理引擎执行推理，专家系统由此找到解决方案。推理引擎链接知识库中的规则和数据库中的事实。
用户使用解释设备查看专家系统怎样得出解决方案的过程。
用户界面是实现用户（查询问题解决方案）和专家系统之间交流的途径。
其基本原理图如下：

衍生出来的模型如图所示：

前项链接和后项链接推理技术

前项链接，简单来说，就是已知条件，来推理结论。
比如：Y&D->Z
X&B&E->Y
A->X
可以看到由A可以得到X，由X和B、E可以得到Y，最后Y 和D可以得到Z;

后项链接，就是已知结论，来推出条件。
还是上面那个例子，我们已知结论Z，可以得到两个因子Y和D，然后又把Y 当做结论，找到因子X、B和E，最后又把X当做结论，得到条件A。

冲突消解

知识规则中，有可能多个规则之间是矛盾的，那么我们再匹配时应该如何选择呢？其实这里有很多方法可以遵循，比如：触发优先权最高的规则（每条规则都设置相应权重）、激发最具体的规则（依据是具体规则比一般规则处理更多的信息）。

元知识

在学习的而过程中，我们通过已有知识，再产生相应的知识，我们把再次产生的知识称为元知识。

总结

这就是基于规则的专家系统的一些简单理论知识，接下来就是要把这些过程应用到实践中，写相关代码，深入理解其中的原理以及执行过程。