不得不说的废话——传统专家系统的不足

【注】写论文总得说废话，很多废话都是不得不说的，即便是这句注释，也是废话……

rel="File-List" href="file:///C:/DOCUME~1/ADMINI~1/LOCALS~1/Temp/msohtmlclip1/01/clip_filelist.xml" /> rel="themeData" href="file:///C:/DOCUME~1/ADMINI~1/LOCALS~1/Temp/msohtmlclip1/01/clip_themedata.thmx" /> rel="colorSchemeMapping" href="file:///C:/DOCUME~1/ADMINI~1/LOCALS~1/Temp/msohtmlclip1/01/clip_colorschememapping.xml" />

传统专家系统的不足

首先，知识获取困难。为了构建专家系统，程序员需要和人类专家坐下来共同探讨对于给定的领域，哪些规则适用，哪些不适用。规则，也即专家系统要存储的知识，是很难明确揭示的。人类专家不能明确的将他所用到的规则罗列出来。另外，专家们往往也很难确切的表达出他们用到的真正有效的知识。基于这些原因，知识获取成为构建传统专家系统的瓶颈。

其次，专家系统，也就是基于规则的系统，不具备记忆功能。例如，对于一个医疗诊断系统而言，当输入一个新的病人的症状时，系统调用成百上千条规则进行成百上千次推理，最终作出诊断和治疗。如果随后要对有同样症状的其他病人进行诊断，系统不得不再次调用成百上千条规则进行成百上千次推理。因为传统的专家系统无法记忆以前处理过的症状，所以不得不浪费大量的时间进行重复的劳动，直接导致了效率的低下。更为严重的是，由于专家系统没有记忆功能，无法记忆本身的错误，因此注定在今后要犯同样的错误，除非人为地修改。可见，对于传统的专家系统而言，因为没有记忆功能，所以无法保证效率和正确性。

另外，专家系统不是鲁棒系统。如果专家系统对于一个问题找不到任何匹配的规则，系统无法给出任何结论。系统的知识库局限于存储的规则，因此如果没有没有规则可以应用，系统也无法给出备用选项。因此，专家系统是脆弱的。