1ES简述

1.1什么是ES

到目前为止,还没有确切的关于ES的定义,一般认为〔4〕:所谓ES就是在专家知识的基础上,具有自动推理的智能软件系统,这样的系统把专家在解决问题过程中使用的知识分成事实和规则,以适当的形式存储到计算机中并构成知识库,依据用户提供的信息,运用存储的有关知识,选择合理的推理机制,能以人类专家的水平去解决有关问题,在某些方面甚至可以超过人类专家。一般认为ES是一种计算机程序,但与传统的程序相比,ES又有自己的特点,主要表现为:ES具有丰富的经验和高水平的技术;能进行符号操作;能根据不确定或不精确的知识进行推理;具有自我知识和自学习功能,能对系统作出的结论进行解释;具有非计算机专业人员易于接受的人机接口;同人类专家一样,ES会出错。

1.2ES的结构

ES的基本结构是以MYCIN系统为代表的基于规则的专家系统(Rule-BasedExpertSystem)。包括知识库、推理机、综合数据库、人—机接口、解释程序和知识获取等六部分(见图1),这是目前流行的ES结构〔4〕。其中,知识获取、知识库、推理机是ES的核心。知识库:用于存放常规知识和领域专家的专家知识;推理机:在一定控制策略下针对数据库中的当前信息,识别和选择知识库中对当前问题的有用知识,按规定的规则进行推理;数据库:存放具体问题在当前求解状态下的可供推理的符号或事实;知识获取:在推理过程中实现系统的自学习;解释机制:回答用户的提问,对系统得出结论的求解过程或系统的当前状况提供说明;人—机接口:将专家和用户的输入信息翻译成机器可接受的形式,同时把系统的输出转为人类易于理解的形式。

1.3ES的功能

ES具有如下基本功能〔1,4,5〕:

1.3.1存储功能存储问题求解所需的专家知识、初始数据和推理过程中涉及的各种信息。

1.3.2咨询功能回答用户提出的某个专门领域的问题。

1.3.3解释功能对系统给出的结论进行解释,相当于人类的“专家”。

1.3.4学习功能系统在推理过程中,能不断增加和修改自己的知识,相当于人类的“学生”。

1.3.5教育功能通过回答有关问题,向非专业人员提供某个专门领域的知识,达到教育学生和训练新手的目的,相当于人类的“教师”。

1.4ES的发展

综合国内外,ES的发展可归结为如下四个阶段〔1,2,4,5〕:

1.4.1孕育(1965年以前)1956年人工智能产生,为ES的诞生奠定了基础。

1.4.2产生(1965年～1971年)1965年～1968年美国Stanford大学计算机系Feigenbaum等人根据化合物的分子式及其质谱数据,研制出帮助化学家推断分子结构的计算机程序系统DENDRAL,获得极大的成功。该系统解决问题的能力已达到专家水平,在某些方面甚至超过同行领域的化学家。这标志着人工智能的一个新的研究领域——专家系统的产生。

1.4.3成熟(1972年～1977年)这一时期ES的观点逐渐被人们广泛接受,从而先后出现了一批卓有成效的ES,典型代表是1974年E.H.Shortliffe等人研制的用于治疗感染性疾病的MYCIN系统。在此期间,知识组织形式、系统的人—机接口、解释机制、知识的获取、不确定性推理等技术得到了进一步的发展和成熟。

1.4.4发展(1978年以后)这一时期ES渗透到了非常广泛的领域。第一个农业专家系统在美国的伊利诺斯大学诞生,我国自80年代也开始了农业ES的研究〔7〕。

2农业专家系统的必要性

农业专家系统就是ES在农业上的应用,现代化农业的发展及农业的特点决定了大力研究、开发、应用农业专家系统的必要性。

2.1农业现代化的发展要求农业ES

现代农业已发展到高度综合的层次,对农业生产决策的科学性和时效性提出了更为迫切的要求。我国传统的农业生产管理方法越来越表现出它的局限性,这既表现为决策过程的盲目性,又表现为研究成果推广应用的低效率、低质量,与发达国家的以电子信息为标志的现代化农业生产管理形成了鲜明的对比。用电子信息技术改造我国传统农业已是我们的必然选择,专家系统技术提供了一种全新的处理复杂农业问题的思想方法和技术手段,农业ES的开发应用将加强信息和智能的综合应用,强化农业生产管理决策的科学性。

2.2农业系统的特点要求农业ES

农业系统是由生态系统、经济系统、社会系统和技术系统在特定的时间和空间上组合而成的复杂大系统,它是一个多因素、多层次、多目标,关系纵横交叉的人工—自然复合系统。这一系统的复杂性、动态性、模糊性是其它系统无法比拟的。对于这样复杂的系统,人们难以了解它的全部机理,只能在一定程度上作局部的解释和了解。对农业系统的研究除了建立数学模型进行定量分析外,还应该充分利用专家的知识与经验进行定性判断,做到定性分析与定量分析相结合。又由于农业系统的影响因素众多,且这些因素间的关系复杂,边界模糊、不确定性强、可控性差,所以农业生产与管理问题的合理解决,需多学科、多知识的综合利用。ES以其快速的计算能力和不寻常的推理能力,特别是它具有根据不精确、不完整或不完全可靠的前提进行推理的能力,将在有效解决农业生产管理问题的同时,有效地完善农业生产管理技术体系。

3农业专家系统的类型及进展

3.1农业ES的类型

综合国内外近几年开发的农业ES,按其功能和结构的主要特征,归结为如下五类〔2,8,9〕:

3.1.1启发式专家系统(HeuristicExpertSystem)这类系统以某些领域专家的经验知识为基础,按传统方式建立ES。启发式ES适用于那些目标明确、内容较窄的应用价值较高的领域,但这类系统的知识获取工作量大。典型的例子是Florid大学的两位昆虫专家建造的用于大豆病虫害的管理系统SOY-BUG。

3.1.2实时控制专家系统(Real-timeControlExpertSystem)它利用来自传感器检测装置的数据,运用专家处理问题的经验,依据状态条件的变化去自动调整或控制某些参数或装置。由于这类系统涉及的领域极端狭窄,目标非常明确,知识获取工作量较少,因此比启发式ES更为成功。在农业上,这种系统多用于温室的自动调节与控制,典型的例子是美国的MISTING系统。

3.1.3基于模型的专家系统(Model-basedExpertSystem)这类系统把模型与知识库结合在一起,利用ES为模型提供参数对模型结果进行解释,以便用户更好地使用已被验证的模型。基于模型的ES不仅能整理、解释模型的运行结果,还能表达深层次的因果关系,这是一般ES做不到的。另外,由于这类ES能把定量和定性分析、符号处理和数据处理有效地结合起来,因而具有广阔的应用前景,这将是未来农业科研和人工智能领域的重要研究方向。最著名的农业专家系统COMAX就属于这一类。

3.1.4专家数据库(ExpertDatabase)目前国内外建立了许多功能强、结构好的数据库系统,包含了大量有价值的信息。但库容量和复杂性已成为使用数据库的巨大障碍。专家数据库是将ES和数据库相结合,以改善数据库的可检索性和对数据库信息的解释能力,从而使决策者方便地从大型数据库中获取有用的信息。典型的例子是美国研制的用于选择良种的专家系统CUE。

3.1.5专家系统开发工具(Problem-SpecificShell)这是一种辅助专家系统开发的软件工具,主要用来帮助研究人员获取知识,知识表述、知识运用,方便地进行ES的结构设计。目前已有许多成功的ES外壳,如SELECT、CALEX、LEVELS、VP—Expert等,但都不太适合农业专家系统的开发。因此,农业ES开发工具的研制也是今后的研究课题。

3.2农业ES关键技术的研究进展

知识表示和逻辑推理是研制农业ES的两个关键技术。知识表示方法由最早的语义网络逐步发展到产生式规则、框架结构、逻辑谓词等。其中产生式规则是农业专家系统中最流行的知识表示方法,而逻辑模式则是到目前为止能够表达人类思维和推理的最精确、最成功的方法。由于农业系统的复杂性,使得农业ES中知识的种类多样化,仅用一种方法不能表示所有知识,常把几种方法结合起来使用。目前用得较多的有〔6〕:混合系统——把几种不同的知识表示方法统一在同一推理模式下;组合系统——包含不同的知识表示方法,并对不同的表示方法提供不同的推理策略;层次系统——对各种知识进行分层,不同层次的知识采用不同的表示方法和推理策略。逻辑推理过程是知识的选择与运用的过程。知识的运用称为推理方式,农业ES中用得最广泛的推理方式是假言推理。由于农业ES中知识的不确定性,因此作为经典演译推理的扩充,不确定性推理在农业ES中越来越受重视。知识的选择过程称为控制策略,包括推理方向的控制和推理规则的选择两方面。推理方向由最先的正向推理发展为反向推理和正反混合推理。在推理过程中,对知识库中知识的搜索有深度优先和广度优先,目前大多数的农业ES采用深度优先搜索,二者的结合将是今后的发展趋势。

4ES在农业上的应用状况

4.1ES在国外农业上的应用

国外ES在农业上的应用始于70年代后期,80年代中叶有了迅速的发展〔2〕。最早的是美国Illinois大学的植物病理学家和计算机学家共同开发的大豆病害诊断专家系统PLANT/ds〔9〕,未经训练的普通人使用该系统能够识别大豆病害症状,并提出治理方案,测试表明,其诊断能力超过了真正的专家。以后,美国、日本、英国、荷兰、澳大利亚、加拿大等国家相继开发了其它一些农业ES。从分布区域看,美国占绝大部分,几乎占80%,其它国家(包括中国)只占20%;从应用领域看,涉及到作物栽培、施肥、病虫害防治、杂草控制、森林环保、家畜饲养、农业经济效益分析、储存管理、市场管理等方面〔2〕。国外最成功的农业ES是美国农业部农业研究局作物模拟研究所于1983～1985年研制的棉花管理专家系统COMAX—GOSSYM〔9〕。COMAX是在棉花植物生长模拟模型COSSYM的基础上发展起来的第一个基于模型的农业ES〔29〕。在研制过程中,COMAX考虑了影响棉花生长的多种因素:在植物方面有根、茎、叶、花蕾和棉桃;在土壤方面有水文特征、肥力、养分的传输、阻抗、水分释放、容重等;在气象方面考虑了每日为基础的最高气温、最低气温、太阳辐射、降雨量等。COMAX能在农场内为棉花管理提供咨询,以确定灌溉、施肥、施用脱叶剂和棉桃开裂的最佳方案。美国的农场推广应用COMAX系统后,每英亩纯盈利达60美元以上,给美国的棉花生产带来了巨大的经济效益。

4.2ES在我国农业上的应用

我国从80年代开始农业ES的研究,第一个农业ES是由中国科学院合肥智能机械研究所开发成功的施肥咨询专家系统〔8〕。“七•五”至“八•五”期间,中科院合肥智能研究所研制了《施肥专家系统》,中国农科院作物所完成了《小麦、玉米新品种选育的专家系统》,植保所开发了《粘虫测报专家系统》等。这些系统的开发和应用取得了良好的社会和经济效益,基本上代表了我国农业ES的水平〔9〕。北京农科院于“八•五”期间开发的《小麦管理专家系统ESMCW》〔7〕体现了我国农业ES的最新进展。该系统是在分析处理近100万个实验数据和500多条知识的基础上建立起来的基于模型的专家系统,具有气象条件预测、生长发育模拟预测、管理决策咨询、计算机网络通讯、系统维护、结果输出等六个功能,经北京昌平县于1990～1992年使用,小麦单产明显提高,产投比提高8～10%。近几年的文献表明,我国农业ES的开发应用虽起步较晚,但发展较快,应用范围也较广泛,涉及到作物栽培〔7,10,11〕、新品种培育〔12,13,14〕、病虫害防治〔15,16〕、生产管理〔17,18,19〕、节水灌溉〔20,21〕、农产品评价〔22,23〕等方面。

4.3我国农业ES的述评

综合分析90年代以来的文献,对我国农业ES述评如下:

4.3.1农业ES的水平参差不齐,总体水平偏低虽然自1985年以来,我国农业ES有了较大发展,但与世界先进水平相比,无论在技术上还是在应用效果上都有很大的差距。现有的系统在质量和水平上也存在较大的差异,有些所谓的“专家系统”缺少知识库和推理机这两个专家系统的核心部分,名不符实。

4.3.2农业ES的性能较差,达不到“专家”的要求ES是一个能在特定领域内,以人类专家的水平去解决该领域中困难问题的计算机程序〔23〕,这表明,ES强调的是高性能。而ES的性能水平主要是它拥有的知识数量和质量的函数〔24〕。对于农业ES来说,其知识库中拥有的知识越多,质量越高,解决问题的能力也就越强。目前我国开发的农业ES中,知识的数量较少,质量较差,大多只是常识和基本原理知识,缺乏启发性知识和真正的专家知识。

4.3.3农业ES在技术方面的障碍突出ES在开发技术上主要有三方面的障碍〔2〕:一是知识的不完备性与脆弱性;二是推理的单一性和呆板性;三是系统的学习功能差或不具备学习功能。农业ES在这些方面的表现更为突出,使得许多农业ES的应用达不到预期的效果。

5我国未来农业ES的发展思考

有人预测90年代是农业ES研制的高潮,今后10年是农业ES广泛应用的时代〔9〕。针对我国农业ES的现状,借鉴国内外成功的经验,对未来我国农业ES的发展提出一些粗浅的看法。

5.1大力开发专用农业ES

专用农业ES是针对农业生产管理中的某类问题而开发的应用软件。开发专用农业ES具有费用少、周期短、实用性强的特点,而且这类系统易于见效,其使用效果易于被人们认识,对宣传和普及农业ES具有重要作用,国内外一些成功的ES已经证明了这一点〔23〕。

5.2注重农业ES的合理选题

农业是一个复杂的人工—自然复合系统,涉及的领域多,很难严格指出哪些领域适合开发农业ES,哪些领域不适合。但一个适合于开发ES的问题必须满足三个先决条件〔22〕:一是存在与之合作的领域专家;二是领域专家采用启发式方法解决问题;三是专家知识能够用语言表达清楚。以上三个条件应是农业ES合理选题的基准。

5.3注重多学科多技术的综合应用

农业ES与模拟模型是本世纪兴起的新信息技术〔8〕。农业ES和农业模拟模型的耦合,将是未来农业知识工程领域的重要研究课题。模糊逻辑技术是二十一世纪的核心技术〔25〕。专家提供的知识大多含有经验成分,具有不确定性、相似模糊性。因此,未来农业ES的开发中,用模糊逻辑作为处理不确定性的框架,能更好地解决传统方法不能或不能有效处理的许多问题。另外,与大中型资源数据库、农业专家或知识库、遥感、决策支持系统、现代控制技术、计算机网络的有机结合,可以极大地丰富农业ES的功能和使用价值。

5.4加强多专家系统或分布式农业ES的开发

农业是一个经验性强且分散的综合性专业,农业生产管理涉及环境因素错综复杂,因此在农业生产管理问题涉及多个领域时,需要不同但相关的多个领域ES共同合作,如小麦栽培ES与病虫害防治ES的结合等,也可通过ES网络进行联合辅助决策。