基于规则的专家系统是人工智能早期的一种形式，它能够根据我们的提问基于一个大型的规则库给出我们答案，回答“why，how”的问题。其核心还是依据问题构造了一个目标树。目标树的内容我们上节以及经介绍过了，专家系统则是将一个问题表示成为目标树，用回溯的方式来回答与自身相关的问题。思想很简单，举个例子大家就清楚了，见下图：我们要构建一个自动仓储调度系统，能够把指定的方块放到空闲的位置。
我们将这个过程分为四个步骤：找到位置、抓取、移动、放下。在抓取的环节，我们要判断其顶部没有其他的物品，如果有就挪到指定位置（递归回到第一个环节）。不知道大家是否能够理解了，通过迭代，就形成了一个能够完成目的的目标树（上图左侧）。如果我们回溯这个树，我们就可以回答其中关于步骤的why和how的问题。沿着目标树向上回溯，就可以回答why的问题，往下追溯就能回答how的问题。
所以很多专家系统就是基于上述目标树的思路构建的，他们将不同的常见问题事先输入系统，构建起相关的目标树，当你与系统交互系统回答了你why、how的问题时，实际上是在目标中做向上回溯和向下追溯的过程，知识在专家系统中被封装成了规则，并通过树的遍历算法来实现智能。规则怎么发觉呢？从个例出发，从相近物品的区别出发，系统出现问题的时候。这种树的结构其实非常常见，比如我们学金字塔原理的时候的问题金字塔，问题分析时的鱼骨图都是某种形式的目标树，用来帮助我们解决问题。专家系统是基于目标树的非常成功的应用。其实我们在学习的时候，也是在用树的形式在组织，从点到线到面到体，世界是如此相似，当我们的知识积累到了的情况下就会发现它们之间的相似性。
分享到:
閱讀更多 老郭講算法 的文章
