专家系统--捕捉知识

文：鼎捷ERP

作者：鼎捷数智 | 发布时间：2012-11-30 14:50:34

10．4 智能技术
    人工智能和数据库技术提供了一些智能技术，组织可以用来捕捉个人和合作的知识，并扩展它们的知识库。专家系统、案例推理和模糊逻辑被用来捕捉隐型知识。神经网络和数据挖掘被用于知识发现。它们能发现大的数据集合背后的模式、分类和行为，这单靠经理或简单的试验是不可能发现的。遗传算法被用来产生问题的解决方案，而人们自己分析时又会觉得很大和很复杂。智能代理可以使常规工作实现自动化，帮助公司在电子商务、供应链管理及其他活动中查找和过滤信息。
    数据挖掘帮助组织捕捉储存在大型数据库中未发现的知识，向经理提供改进企业绩效的深入观察。它已经成为一种重要的管理决策工具。后面的章节还会对它进行详细讨论。
    本章所讨论的其他智能技术都是基于人工智能(A1)技术的，它们由计算机一基的OA系统(包括硬件和软件)组成，试图去模拟人的行为。这个系统能学习语言，完成物理任务，通过有感知的机器来模拟人的知识和决策。虽然AI并未展示出比人的智能更广、更复杂、更原创、更通用，但它们在当代知识管理中已扮演着重要角色。
10．4．1 捕捉知识：专家系统
    专家系统是一种智能技术，它能在特定的有限的人类专门知识中捕捉到隐型知识。这些系统能捕捉到熟练雇员的知识，转化为软件中规则集合的形式，可被组织中其他人应用。专家系统中的这些规则集合被转储公司存储学习资料的存储器中。不过，专家系统缺乏知识的广度和像人类专家那样对基本原理的理解。它们通常执行非常有限的任务，可以被专家在几分钟或几小时内完成，如诊断一个机器故障或者确定是否给予贷款信用。在同样短的时间内，专家不能解决的问题，专家系统就更难解决。然而；通过捕捉专家的有限知识，专家系统可以帮助组织以很少的人员做出高质量的决策。今天，专家系统已被广泛地应用于企业的离散的、高结构化的决策中。
1．专家系统如何工作
    人类知识必须被模拟或表达成计算机可以处理的方式。用于专家系统的人类知识模型叫做知识库(knowledge base)。一个标准的程序结构是IF-THEN结构，在其中，条件被评价。如条件为真，一个行动就被执行。例如，
    IPINCOME>$45 000(条件)
    THENPRINTNAMEANDADDRESS(行动)
    一系列的这些规则就是一个知识库。一个专家系统的软件程序可能有200—10 000条这样的规则，它们比传统的供应商管理软件程序之间的联系更加紧密，见图10—11。

    你能把大英百科全书的知识用这种方法表示吗?或许不能，因为规则库将会很大，而且并非所有百科全书中的知识可以表示成IF-THEN规则的形式。总之，专家系统只有在这种情况下才可以被有效地应用，其知识域是高度受限的(如准予信贷的准予问题)，并仅包含几千条规则。
    AI外壳(shell)是一种专家系统的环境。在专家系统的早期，计算机专家利用特殊的计算机程序语言(如LISP和Prolog)可以高效处理规则表。今天，日益增多的专家系统常用AI外壳，它有用户友好的环境。AI外壳能很快地生成用户界面屏幕，捕捉知识库和管理查找知识库的策略。
    用于查找规则库的策略叫做推理引擎(inferenceengine)。通常用的两种策略为：前向链接和后向链接，见图10—12。

    在前向链接中，推理引擎在用户输入信息后开始启动，并查找知识库直至得出一个结论。当一个条件为真时，将会启动或执行规则的行动。在图10-12中，由左开始，如果用户输入一个客户的名字，收入大于100 000美元，引擎将按顺序由左至右启动所有规则。如果用户再输入信息，指出这个客户拥有不动产，规则库的另一通路将发生，更多的规则被启动。处理持续直至没有规则可以被启动为止。
    在后向链接中，搜索规则库的策略开始于一个假设，然后进行询问顾客关于选择的事实，直至假设被确认或被否定。在我们的例子中，在图10—12中，问的问题是“是否我们将此人加入前景数据库?”开始于图的右边，向左行进。你可以看到／如果销售代表被派出，定期保险被批准，或者财务顾问拜访了这个客户，这个客户应当加入数据库。
    开发一个专家系统要求由一个专家或多个专家输入，应有完整的知识库命令，以及一个或多个可以将知识翻译为规则的工程师。知识工程师就像传统系统的分析员，但又具有从其他专家的经验中提取知识的经验。
    一个专家系统的开发项目要平衡系统所带来的潜在节约和开发的成本。团队成员开发一个原型系统，去测试如何给专家知识编码的假设。然后，整个PLM系统将主要集中在一个具有大量规则的附加物上。整个系统的复杂性随规则的增加而增加，因此，系统的可理解性可能成为威胁。通常，系统被剪裁以实现简化和相应的功能。这个系统被组织内一定范围的专家根据早先建立的性能判断标准去测试。
2．成功的专家系统的例子
    以下是一些专家系统的例子，它们为组织带来的好处包括减少错误、减少成本、减少培训时间、改善决策、改进质量和服务。
    在加利福尼亚Pasadena的CountrywideFundingCorporation是一家借贷承保公司，拥有400个承保人，国内设有150个办公室。该公司在1992年开发了一个PC-基的专家系统，进行贷款请求的初步信用价值决策。该公司经历了快速、持续的增长，希望这个系统能帮助它做到一致的、高质量的借贷决策。Countrywide‘s、Loan Underwriting Expert Sysrem(CLUES)有400条规则。Countrywide通过承保人手工将每一个借贷申请输入到CLUES来测试这个系统。系统被改进直至和承保人95％的情况一致时为止。
    Countrywide不用CLUES拒绝贷款，因为专家系统很难通过编程来处理特殊情况，如自雇用人员或复杂的财务模式。一个承保人必须评阅所有拒绝的贷款，然后，做出较后决策。CLUES还有其他好处。通常，一个承保人一天可处理6—7个申请。通过CLUES，同样的承保人一天至少可以处理16个申请。Countrywide现已应用其专家系统的规则去处理对其网站访问者的查询，这些访问者想知道他们是否有资格贷款。
    GaleriaKaufhof是一家德国超级连锁店，它用了一个规则一基的专家系统来帮助它管理每天接收的120000多种物品的递送，范围从衣服到电子设备和细瓷器。检查每一次递送是费时和费钱的，但是公司希望它所收到的物品是没有损坏的和无瑕疵的。Kaufhof实施了一个规则一基的系统自动地识别高风险的递送，略过低风险的递送。这个系统扫描递送的标签，识别每一次递送的数量、产品类型、是否是新产品、供应商递送给本公司的历史记录。递送大量的复杂的新产品或者供应商有不良的供应记录的要仔细地检查，其他递送无须检查就可以让其通过。
    投资银行公司Goldman Sachs用了一个规则一基的专家系统以排除个人投资组合中投资者不想要的股票。几乎所有客户投资组合都有户主指定的限制，限制某种股票，甚至全部。Goldman希望确保它的全球金融顾问网络尊重这些限制，不买进任何客户不希望买的股票。Goldman的企业经理、跟进经理和私人财产经理在决定哪支股票进入投资组合的决策中均起所用。该公司开发规则一基的专家系统，用以维护客户投资组合中特殊股票保持的规则。通过建立集中的投资组合过滤系统，Goldman能较好地在大量交易之前识别出错误。
    虽然专家系统不能与人类的智慧相捉并论，但如果它们的约束能够很好地被理解，它们可以为组织带来利益。专家系统可用来解决有限分类问题的决策。实际上，所有成功的专家系统处理的都是分类问题，该类只有少数几种输出，而且可能的输出可以事先知道。雇用或培训更多的专家可能比建立专家系统更便宜。通常，专家系统所运行的环境是不断变化的，所以专家系统也需要不断的变化。一些专家系统，尤其是大的系统太复杂了，过不了几年，其运行成本就和开发成本相当了。
    专家系统运行与管理的能力是相当有限的。管理问题通常包括描述事实、事实的各种解释、评价事实，事实解释的比较，当然它们也不仅仅是简单的分类。基于有限知识的专家系统不适合用于解决经理日常面对的问题。