第二章 文獻探討與回顧
2.4 專家系統
「專家」由於訓練與經驗，因此在特定領域擁有專家知識。由於專家 在解決特定領域的問題時比一般人要有效率，因此將某領域專家們的知識 與經驗，經過知識加工服務的過程，即可建立一套以推理的方式解決特定 領域問題的系統。廣義而言，專家系統是指「具備處理問題的必要資料」
與「具有模仿人類推理與思考能力」的電腦軟體。因為以上的兩個特性，
專家系統能應用知識並配合思考、解決問題，就如同人類專家一樣，同時 可提供非專家的使用者一種操作環境來處理事情、解決問題[24-26]。
2.4.1 專家系統的發展
五十年代中期，科學家試圖建立一個模擬人腦的智能機制，而研究出 來的代表性系統則是名為 PERCEPTION 的系統。PERCEPTION 具備自我 學習的功能，但該系統並未達到理想的標準，因此此後的十年期間，科學 家的研究主要集中在定理證明、問題求解等具有明確定義和結構的問題 上，最後於 1960 年發展出一個名為通用問題求解器(General Problem Solver, GPS)的系統，其通用性存在於它並不侷限於特定的問題上的特點，但仍只 能在狀態集合相對較少和形式規則都有完整定義的領域內使用。
2.4.2 專家系統架構
專家系統架構包含六大部分，如圖 2-13 所示，分別為：
1. 知識庫(Knowledge Base)：
專家系統的主要核心部份，用以儲存解決、處理問題的知識，
包含領域資料、事實及領域專家的經驗及知識。
2. 推理引擎(Inference Engine)：
用來處理、控制專家系統推理過程的機制，模仿專家解決問題 的技巧，使用邏輯思考的方式來解決問題。
3. 工作記憶區(Working Memory)：
暫時儲存推理過程中所產生的資料、知識等資料暫存區域。
4. 解釋能力(Explanation Facility)：
幫助使用者對系統能有更深入的了解。
5. 知識擷取介面(Knowledge Acquisition Interface)：
將知識工程師取得的知識或經驗轉換成電腦可以使用的架構。 (Knowledge Representation)與知識推論(Knowledge Inference)，將分別在接 下來的小節中進行說明。
2.4.3 知識擷取
在專家系統的發展過程中，知識取得、知識表示與知識推理為最關鍵 的部份，從知識存在的具體性來看，可以分為以下兩類：
1. 內隱知識(Implicit Knowledge)：
專指存在於專家腦中，必須經由專家解釋，才能被一般人理解或應 用的知識。這類的知識因為擷取過程非常的複雜，因此很難被直接 應用在專家系統中，而這也是專家系統建立過程所會遇到的最困難 的問題之ㄧ。
2. 外顯知識(Explicit Knowledge)：
專指條理分明且清楚明確的知識，這類知識通常容易被歸納，因此 易用於專家系統中。
知識擷取有三種方式，人際溝通模式、人機交談模式和機器學習模 式，其詳細內容如圖 2-14 所示。
圖 2-14 知識擷取的三種方式
至於知識擷取的過程又可分為四個部份，分別為指認、結構化、關聯 專家知識
專家知識
範例庫
知識工程師
交談式知識擷取軟體
機器學習軟體
知識庫
知識庫
知識庫 人際溝通模式
人機交談模式
機器學習模式
化和測試，其內容如圖 2-15 所示。指認是指確認問題與答案之間的關聯；
結構化是指架構問題的模式，其中包含解決問題相關變數間的階層關係、
因果層次及程序關係等，以便把問題分成許多獨立且較小的次問題；關聯 化指的是建立知識法則的過程；而測試則為擷取知識的檢查動作，實際上 在知識工程流程的每一階段，皆有其階段性的測試，只有在測試結果合於 目標之後，才能再次進入下一個步驟。
圖 2-15 知識擷取的四個步驟
人際溝通模式又可以再細分成兩大類，一為直接人際溝通模式，是以 語言或文字等方式，直接與人類專家進行溝通，以便把知識擷取出來。這 類的方式還包含了陳述法、交談法、觀察法、閱讀法、問卷法與草案法等 六種。
而間接人際溝通模式則是用特殊的表格、圖形及數學分析方式為工 具，間接的從這些工具的分析來擷取資料。這類方法包含有決策表、決策 樹、且或樹、故障樹、展開樹、流程圖、模式圖、階層集群分析樹和多維 尺度分析樹等九種方法，而本研究則採用且或樹來實作。
2.4.4 且或樹(AND-OR Tree)
且或樹是指用 AND-Tree 與 OR-Tree 呈現知識庫的架構的分析工具，
由不同條件的子節點(Child-Node)所構成。這些樹涵蓋由許多類型的節點組 成的知識庫，每個類型的節點用以對應相符的程序，若當下的環境皆滿足
概念 指認
結構 結構化
知識
測試 關聯化
某節點所代表的狀況時，程序便會執行。以下分別為 AND-Tree 與 OR-Tree 作說明[27]。
1. AND-node
當 AND-node 底下所有的子節點皆被滿足時，AND-node 才會被滿 足，只要子節點有一個沒有滿足，AND-node 就不會被滿足，若有 某 AND-node 沒有任何子節點，則該 AND-node 會自動被視為滿 足。如圖 2-16 所示，子節點由左至右依序檢查「條件一」、「條件 二」，直到「條件 N」被檢查完為止，當所有子節點皆被滿足後，
AND-node 才會執行某項程序。
圖 2-16 AND-Tree
2. OR-node
當 OR-node 底下某一個子節點被滿足時，OR-node 也會被滿足，唯 有所有子節點都沒有一個被滿足時，OR-node 才不會被滿足，若有 某 OR-node 沒有任何子節點，則該 OR-node 則永遠不會被滿足。
如圖 2-17 所示，子節點由左至右依序檢查「條件一」、「條件二」，
直到「條件 N」為止，只要有一個子節點被滿足(如條件二)，OR-node 就會執行某項程序。
圖 2-17 OR-Tree
條件一 條件二 … 條件 N 程序
OR
條件一 條件二 … 條件 N 程序
AND
2.4.5 知識推理與知識表現
專家系統的知識推理與知識表現，主要為以下五種方式，一為「法則 式系統」、二是「框架式系統」、三是「邏輯式系統」、四是「物件式系統」
最後則是「語意式系統」。由於本研究有用到法則式系統，因此以下將介紹 法則式系統的內容。
法則式系統，是最普遍也最早備發展出來的知識表現與知識推理模 式，其基本的格式為 IF…, THEN。IF 的區塊稱之為前提(premise)或是條件 (condition)；THEN 的區塊則稱之為行為(action)或結論。當 IF 的區塊與當 前的事實吻合，則 THEN 區塊內的行為就會被執行，表示此法則被觸發。
然而，法則式系統又可依知識推論的方式不同，分成前向式推理系統與後 向式推理系統，以下將針對前向式推理系統做介紹。
前向式推理系統，為最早被使用的推理系統，適用於設計與規劃等問 題的應用，如 1978 年~1982 年間由 DEC 公司所開發的 XCON 專家系統，
便是使用前向式推理系統。其系統的運作原理為，當使用者選擇一個資料 後，程式會利用使用者選擇的資料，判斷是否符合系統內定的條件，以選 擇所成立的事實，最後程式再根據使用者對於事實成立與否的回答，而得 到不同的結論，其運作方式如圖 2-18 所示。
圖 2-18 前向式推理系統運作原理