基於規則的專家系統是人工智能早期的一種形式，它能夠根據我們的提問基於一個大型的規則庫給出我們答案，回答“why，how”的問題。其核心還是依據問題構造了一個目標樹。目標樹的內容我們上節以及經介紹過了，專家系統則是將一個問題表示成為目標樹，用回溯的方式來回答與自身相關的問題。思想很簡單，舉個例子大家就清楚了，見下圖：我們要構建一個自動倉儲調度系統，能夠把指定的方塊放到空閒的位置。
我們將這個過程分為四個步驟：找到位置、抓取、移動、放下。在抓取的環節，我們要判斷其頂部沒有其他的物品，如果有就挪到指定位置（遞歸回到第一個環節）。不知道大家是否能夠理解了，通過迭代，就形成了一個能夠完成目的的目標樹（上圖左側）。如果我們回溯這個樹，我們就可以回答其中關於步驟的why和how的問題。沿著目標樹向上回溯，就可以回答why的問題，往下追溯就能回答how的問題。
所以很多專家系統就是基於上述目標樹的思路構建的，他們將不同的常見問題事先輸入系統，構建起相關的目標樹，當你與系統交互系統回答了你why、how的問題時，實際上是在目標中做向上回溯和向下追溯的過程，知識在專家系統中被封裝成了規則，並通過樹的遍歷算法來實現智能。規則怎麼發覺呢？從個例出發，從相近物品的區別出發，系統出現問題的時候。這種樹的結構其實非常常見，比如我們學金字塔原理的時候的問題金字塔，問題分析時的魚骨圖都是某種形式的目標樹，用來幫助我們解決問題。專家系統是基於目標樹的非常成功的應用。其實我們在學習的時候，也是在用樹的形式在組織，從點到線到面到體，世界是如此相似，當我們的知識積累到了的情況下就會發現它們之間的相似性。
閱讀更多 老郭講算法 的文章
