AI专家系统在人工智能领域获认可

在经历了长达20年的“严冬时期”之后，学术界对于人工智能的研发方向和探索理念进行了反省和调整。历史证明，外界的讥讽嘲笑，在一定程度上刺激了AI科学的更进一步发展。在众多成果当中，专家系统的强势崛起就是人工智能迈出困境的最佳代表。

从学术定义上来说，专家系统是一套完整的计算机智能程序，它的内部存储了大量关于某个领域的独有知识和相关研究工具。因此，这一套智能程序在相关领域内是具备了“专家水平”的。相对于此前人工智能产品大多低能化、缺乏实际功用的现象，配备了“专家系统”的AI产品，在专业性能方面得到了极大提升，社会曝光度也因此急速高涨。

可以说，专家系统的出现再一次改变了世界对于人工智能的看法。赫伯特·西蒙在提及专家系统时，就曾赞美道：“它的出现为整个人工智能注入了全新的活力，并且让世界再一次看到了AI技术的先进性与上升潜力。”如今，随着技术水平的不断提升，AI专家系统在人类生活应用方面也开始扮演越来越重要的角色。

在2016年3月，一名叫比利·惠特克的英国少年接受了脑部癫痫治愈手术。在手术过程当中，一名配备了专家系统的机器人助手多罗钻进惠特克的大脑，然后利用电极刺激对方的大脑皮层，释放出不同的脑电信号。这时，主治医生就可以针对电波异样，找出引发惠特克脑部癫痫的病灶方位，通过手术完成治疗。这就是说，与同期其他人工智能程序相比不同的是，“专家系统”在特定领域是具备强大优势的。就比如这名进入惠特克脑体深处的机器人，它能够正确使用医学工具，顺利检测人类大脑各个部位的电波信号等。在整个工作过程当中，医用机器人的行动准确而又迅捷，检测面积完整无疏漏，其业务能力完全等同于一流医学工作者。当然，这一切都得归功于“专家系统”的引导——正是由于在这样一套完整程序的引导下，这名机器人的工作才能够有条不紊地顺利进行。而从惠特克癫痫手术的事例当中，我们也可以分析出有关于“AI专家系统”与众不同的特点来。

（1）从社会功效来说，“AI专家系统”必然是需要应用于某个实际领域的。在吸取了此前因为缺乏社会功用而备受冷落的教训之后，学术界对于人工智能的实用性更加关注。在一般的医疗条件下，完整检测患者脑部病变是一件非常困难的事情，而机器人助手多罗的出现正好弥补了这一缺陷。曾任哈佛大学医学教授的金辰勇就表示：“现代医学需要引入更多现代科学技术，我想在将来，不光会有针对艾滋和各类癌症的特效药出现，还会有执行高难度诊疗及辅助治疗的智能机器人存在。”

实际上，金辰勇先生的预测在近几年时间里已经得到了多方验证。目前，不光有类似多罗这样的机器人助手，还有一些能够为病人执行开刀手术的主治医师。相对而言，由智能机器人操作的手术会花费更高的资金，但是它们往往能够以更小的创口以及更高的精准度来完成工作。这对于医学界来说是一件值得庆贺的事情。

（2）“AI专家系统”必须要拥有专家级的知识。在早期的人工智能研究当中，机械智能体所能够掌握的知识和技能是少之又少的。比如明斯基那个能够抓举、摆放积木的机器人，用现在的眼光来看就不过是一个毫无实际功用的小型“起重机”。而随后推出的“AI专家系统”，则在很大程度上拓宽了机械智能体的知识面和专业深度。就多罗而言，它对于人体大脑的内部构造，必然是非常熟悉的。无论是皮层的纹理还是颅内压强以及体液密度等，都属于“专家级别”。而从它使用电极装置刺激人脑皮层这一个举动来看，多罗对于部分医疗器械的使用也是经历了“严格训练”的，其熟练手法不亚于一名工作了10年以上的医护人员。除了医疗事业之外，比如数据勘测、高危工作执行等，配备了“AI专家系统”的机器人也能够以业务精英的身份出现，顺利完成任务。(www.xing528.com)

所以，从业务水准来说，“AI专家系统”必然是需要具备高素质专业能力的。而要想达成这一目的现在看来其实并没有外界所想的那么困难，只要开发团队能按照目标业务的工作规律和已探索公式，电子编程的方法，将任务指令录入到AI核心存储器当中即可。在遇到类似问题时，“AI专家系统”会自动读取、判定当前的命令任务需要执行存储器当中的哪一条选项卡，继而得出最优答案。

（3）要破解高难度专业化难题，“AI专家系统”还需要具备可以模拟专家思维的能力。因为在执行任务时，人工智能体所面对的往往是一个变异之后的课题样本，这就需要运用二次读取、判定的方式才能够找到合适的解决方案。就以多罗探测人脑病变为例，在执行任务之前，工程师给它的数据库当中预写了大量的样本信息，包括人脑生理构造、电波信号甄别、大脑功能分区等。但是在进入人脑之后，多罗还会遇到多种未收录甚至是变异了的样本信息。假如数据库当中显示正常人脑重量约为1400克，而由于受到病变影响，这个重量增进加了1800克，那么在这时，多罗就需要利用自己的判定模式，来重新解读这一问题。又如，健康成人大脑皮层之间的褶皱是互相剥离的，而受到疾病困扰，部分皮层会互相粘连，这同样也需要执行任务的多罗细细分辨。

所以，在“AI专家系统”内部，模拟专家的思维能力是必需的。在很多时候，目标任务的不稳定和微小波动，都会影响到最终的结果判定。所以在这时，为整个系统设定主观化思维能力，就是非常必要的。

因此说，在具备了以上种种特征功能之后，“AI专家系统”的标准建模也就逐渐明朗化了：在整套工具模型当中，人机交互界面负责用户与专家系统的信息沟通；推理机制负责任务执行过程当中的异变识别、逻辑判定等；解释模块负责向用户解释专家系统的行为和结果。在接收到外部信息时，专家系统先会比照内部知识库当中的样本模型来进行判定，在面对部分不稳定、波动性较强的样本时，专家系统会通过智能化思考、学习的方式寻找到合理的解决方案，同时将上述异化样本转换成已识别类型，收纳到自己的数据库当中。

在这一理论的支持下，在1980年，卡耐基·梅隆大学为数字设备公司研发出的AI专家编程“XCON”大获成功。在接下来的6年时间里，这套全新的AI技术每年能帮助该公司省下4000万美元的成本经费。如果按照权威金融网站“美元时间”给出的通货膨胀比率计算，1980年的1美元购买力约等于2010年的2.83倍。那么我们也就可以说，“XCON”系统当时每年为本公司创造的间接价值已经超过1.1亿美元。“XCON”的成功对外界释放了一个积极信号，社会各界对于AI技术的热情再一次被点燃，很多公司开始设立专项资金来研发“AI专家系统”仅在1985年，全球各大企业、团体对于人工智能的投资就已经超过10亿美元。

很显然，“AI专家系统”的发现和推广，对于人工智能的社会功用带来了极大的提升。与过去相对稚拙、浅显的研究相比，“升级”后的AI技术在针对特定行业的问题处理方面得到了本质性的改善。而正是这样一种变化，使得世界再一次看到了人工智能无与伦比的发展潜力，诸多社会力量开始加大对新AI技术的探索和投资力度。在技术持续提升、科研经费充足、社会舆论广泛支持的背景下，人工智能的“下一个春天”即将到来。