专家系统的发展历程

功能主义也是较早出现的关于人工智能的一个分支，由于功能主义方法一开始就用“Artificial Intelligence（人工智能）”这一名称，后来有很多人就把人工智能等同于功能主义。功能主义者不关心系统的结构特征，只关注系统的功能表现，刻意回避了结构模拟的困难。这种功能主义起始于1956年一批年轻学者在美国达特茅斯（Dartmouth）会议期间倡导了以计算机硬件平台支撑、用符号逻辑描写、由软件编写程序实现的“符号主义”方法［5，6］。

功能主义者深受图灵测试的影响，他们的目标是尽可能地对功能的模拟，使之通过图灵测试。图灵测试是图灵提出的一个关于机器人的著名判断原则。所谓图灵测试是一种测试机器是不是具备人类智能的方法。被测试的有一个人，另一个是声称自己有人类智力的机器。图灵测试是测试人在与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。问过一些问题后，如果测试人不能确认被测试者30%的答复哪个是人、哪个是机器的回答，那么这台机器就通过了测试，并被认为具有人类智能。图灵预测直到2000年将会出现足够好的计算机，但是直到目前为止依然不存在通过图灵测试的电脑程序。图灵随后又发表了一篇题为“机器能思考吗”的论文，成为划时代之作。因为这些成果图灵赢得了“人工智能之父”的桂冠。

功能主义研究者的一大突出的具有代表性的成果是专家系统。专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题，简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。

专家系统出现较早，20世纪60年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理。但是这些通用方法无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大的搜索空间也难于处理。1968年，费根鲍姆等人在总结通用问题求解系统的成功与失败经验的基础上，结合化学领域的专门知识，研制了世界上第一个专家系统dendral，可以推断化学分子结构。20多年来，知识工程的研究，专家系统的理论和技术不断发展，应用渗透到几乎各个领域，包括化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动控制、计算机设计和制造等众多领域，开发了几千个的专家系统，其中不少在功能上已达到，甚至超过同领域中人类专家的水平，并在实际应用中产生了巨大的经济效益。专家系统的发展已经历了3个阶段，正向第四代过渡和发展。第一代专家系统（dendral、macsyma等）以高度专业化、求解专门问题的能力强为特点。但在体系结构的完整性、可移植性、系统的透明性和灵活性等方面存在缺陷，求解问题的能力弱。第二代专家系统（mycin、casnet、prospector、hearsay等）属单学科专业型、应用型系统，其体系结构较完整，移植性方面也有所改善，而且在系统的人机接口、解释机制、知识获取技术、不确定推理技术、增强专家系统的知识表示和推理方法的启发性、通用性等方面都有所改进。第三代专家系统属多学科综合型系统，采用多种人工智能语言，综合采用各种知识表示方法和多种推理机制及控制策略，并开始运用各种知识工程语言、骨架系统及专家系统开发工具和环境来研制大型综合专家系统。在总结前三代专家系统的设计方法和实现技术的基础上，已开始采用大型多专家协作系统、多种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、专家系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多知识库、多主体的第四代专家系统。

现阶段国内外专家系统应用停留在相对狭义的以规则推理为基础的阶段，应用也更多针对的是实验室研究以及一些轻量级应用，远不能满足大型商业应用的需求，实现对实时智能推理以及大数据处理的需求。从专家系统的缺点我们也可以看出当前人工智能功能主义的缺点，功能主义者主要是利用程序去模拟功能，不考虑系统的结构特征，设计出来的系统就像一个黑盒子，使用者不用关心其内部结构，只需要使用这个黑盒子的功能。虽然目前看来，功能主义者已经研制实现和投入使用很多的产品，但是因为其局限性，功能主义者遇到了很多的困难，甚至对于某些事情是不能用这种功能主义来实现的。