Expert System

◎ 蘇揚傑（國立臺灣師範大學英語學系研究所碩士）

一、意涵

專家系統（expert system）最早約可追溯到1960年代，由科學家Edward Feigenbaum提出，而他同時也被稱為專家系統之父。此時專家們試圖找出有哪些專業領域需要高度專業知識，比如疾病的診斷等，並發展出一套能仰賴本身知識以解決問題的智慧系統。專家系統也被認為是人工智慧發展初期成功的分支系統之一。

根據Peter Jackson的定義，專家系統 (expert system) 「是一套能表示或代表某專業知識領域，比如內科醫學或地質學等，並進行推論以解決問題與提供建議的電腦系統」(1)。

我們初步可以由三個面向區分專家系統與人工智慧：

  • 專家系統處理的是一般而言需要大量人類專業知識的複雜主題。
  • 一個有用的專家系統必須展現高效率以及高度可靠性。
  • 為了說服使用者其推斷為正確，專家系統必須能解釋與合理化其解決策略與建議。

更確切的說，專家系統是一種「知識庫系統」：「這是一種以應用人類專業知識的象徵表達而非演算法或數據法去解決問題的系統。換言之，所謂「知識庫系統」試圖轉譯特定領域人類專家的專業知識，而非使用源自電腦科學或數學，相比之下較複雜且鬆散的方法去解決問題」(1)。

Credit: 響尾蛇數學天地

專家系統相關研究議題補充：

  • 知識習得

專家系統和AI領域一直探討的「機器如何學習(知識)」有關。Jackson指出，和專家系統有關的學習程式會因其學習方式有很大的差異，比如透過被下指令、修正或操控其以具備的知識、歸納例子、或發現新的概念等等。

  • 知識表示

這一主題主要和儲存於人腦內的資訊與知識如何以非數據的形式轉化到資料庫中有關。

  • 知識應用

這個主題與如何規劃和控制問題的解決方式有關。專家系統的設計專注在如何觸及與應用知識以解決問題。也就是說，了解個人的知識，以及了解何時與如何運用它是專家系統很重要的一環。這也被稱為「後知識」(meta-knowledge)，意即「關於知識的知識」。

  • 解釋生產

而這個議題通常被稱作「透明性」，指專家系統是否能夠解釋其本身找出解決方式的推導與分析過程。

  • 教育應用

將專家系統作為教學工具使用和所謂「智慧教學系統」與其在心理學與電腦協助教學的重心息息相關。雖然專家系統看似具備足以執行教學的豐富知識，但我們還必須考慮教學場域的其他因素，如何謂有效的師生動等等。

二、定義補充與應用實例

一九八四年魏斯(Weiss)與柯立考斯基(Kulikowski)界定「專家系統」(expert system)為：依據專家思考推理方式所發展的電腦程式，能解決那些需專家才能解決的複雜問題，而且結果與專家所解的相同。

專家系統是以電腦能看得懂的形式，將專家知識儲存起來，並加入控制策略，使電腦能像專家一樣，利用這些知識和經驗法則來解決問題。也就是說，專家系統是一個知識庫(Knowledge-based)程式，可用來解決某領域問題，並且能提供像人類專家般「專業水準」的解答。

解決問題是人類每天都會面對的活動，是一種思考的過程，包括注意問題的存在及觀察、深思、分析、簡化、組合問題等步驟，從各種假設中，抽絲剝繭理出問題的來龍去脈，尋找各種解決的可能方案，詳加研判，然後選擇一種解決方法，執行並評估效果。

本質上，專家系統是一種解決問題的智慧軟體系統，與最早期人工智慧(Artificial Intelligence, AI)研究的重心──可遷移的「一般問題解決法」──不同，它強調問題解決限定於某一特定的領域，而知識在其中扮演重要的角色，利用特定的領域知識與其彈性的控制策略進行推論。也就是，一個好的專家系統必須能夠解答需要特殊領域的專家知識才能解決的問題；這也說明為何需要專家系統的原因。因為：

(1)需要專家知識協助做決策：例如警察從事偵察工作、進行重大抉擇時，就需要足夠的知識協助判斷及推理，亦即，需要在抉擇過程中不斷有相關知識的提供，以協助破案；

(2)需吸收稀少的專家智慧：培養一位專家常花費大量的時間與資源，而且無法複製，因此專家人才稀少常是供不應求。如果能藉專家系統來傳播專家智慧，可改善辦案績效及偵察效率。

專家系統是一種可提供分析、分類、諮詢、設計、診斷、說明、勘察、預測、組成概念、辨認、教學及建議等功能的電腦程式。它所要解決的問題，常常是那些必須由專家才能解決的問題。因此若能得到專家系統協助解決日常遇到的問題，人類即可具備高水準的專家（如主治醫師、律師）般的知識。近年來專家系統技術逐漸成熟，廣泛應用在工程、科學、醫藥、軍事、商業等方面，而且成果相當豐碩，甚至在某些應用領域，還超過人類專家的智慧與判斷。

專家系統的應用實例:

  • 解釋(Interpretation)：如解釋肺部測試
  • 預測(Prediction)：如預測可能由黑蛾所造成的玉米損失
  • 診斷(Diagnosis)：如診斷血液中細菌的感染，或診斷汽車柴油引擎故障原因
  • 故障排除(Fault Isolation)：如電話線故障排除系統
  • 設計(Design)：如專門設計小型馬達彈簧與探刷之專家系統
  • 規劃(Planning)：較出名的有輔助規劃IBM電腦主機架構之布置，重新安排之專家系統CSS，以及輔助財務管理之Plan Power專家系統
  • 監督(Monitoring)：如監督IBM MVS作業系統之YES/MVS
  • 除錯(Debugging)：如偵察學生減法算數錯誤原因之BUGGY
  • 修理(Repair)：如修理原油儲存槽之專家系統SECOFOR
  • 行程安排(Scheduling)：如製造與運輸行程安排之專家系統ISA
  • 教學(Instruction)：如教導使用者學習作業系統之TVX專家系統
  • 控制(Control)：幫助DEC電腦製造及分配之控制系統PTRANS
  • 分析(Analysis)：如分析油井儲存量之專家系統DIPMETER ADVISOR
  • 維護(Maintenance)：如分析電話交換機故障原因之後，即能建議人類該如何維修之專家系統COMPASS
  • 架構設計(Configuration)：如設計VAX電腦架構之專家系統XCON
  • 校準(Targeting)：例如校準武器準心之專家系統BATTLE。

三、結論：優點、限制與發展

由上述討論小結，專家系統具有以下幾點優點：

(1)永不疲倦、不會死亡、能改進並能複製許多拷貝以補人類專家之不足

(2)解決問題的能力遠優於傳統程式的機器；

(3)能使用與某問題有關的知識以求解答之捷徑，這種技術為經驗法則問題解決法。如許多問題目前尚未能找出一套有效的演算法或所需資料遺失，則專家系統可根據某種經驗法則即可解決；

(4)易於維護及擴充。在專家系統中，領域的知識與控制部分是分開的，且明確的以小單元方式表現，便於知識庫子系統內容的修飾。

說了這麼多專家系統對未來社會發展帶來的益處，但其實也有一些不容忽視的限制。比方說，專家系統的專業知識可能可以取代人類的某些腦力勞動，有時甚至能夠行使本應由人類所負責的職能，如此一來便會產生失業問題。此外，上述的情況如專家系統代替醫生做診斷，如果出現醫療事故，免不了引起法律糾紛，到時責任如何歸屬？

然而，如果要說專家系統會完全取代人類又不太準確。人類專家與專家系統的不同在於電腦專家系統僅能處理依人類以邏輯方式整理後的知識，更遑論人類所具備的連人自己都無法解釋的思考方式，如「突發奇想」、「觸類旁通」、甚至「第六感」等等，都很難由專家系統來表現，因此專家系統的發展，在軟、硬體為獲得更大的突破前，專家系統只能在有限的某特定範圍內，代替人類專家提供某種層次以下的服務，要完全取代人類是不可能的。

儘管如此，專家系統與人工智慧的浪潮似乎停不下來。目前的專家系統發展雖然存在一些限制，在在未來，專家們將致力於改善許多今日專家系統的缺失。而值得注意的是，不只是科技方面的不足需要被改善，在相關配套的法律政策與措施方面也需要與時俱進，這樣專家系統/人工智慧跟人類社會才能達到共生共榮。

參考文獻

« Back to Glossary Index