本文转自：解放军报

　　现代战场上，武器装备越来越先进，也越来越复杂。使用过程中遇到问题时，官兵们往往习惯于求助设计或制造这些武器装备的专家。但如果专家不在身边该怎么办？一种应用型的人工智能系统——“专家系统”应运而生。

　　提到人工智能，大多数人可能会想到击败人类职业围棋选手的AlphaGo。但专家系统和人们印象中的人工智能系统并不相同。它所解决的，并非像下围棋那样可以抽象为数学模型的学术问题，而是一个个狭窄领域的具体实际困难。比如专门用于监控直升机发动机转子，或为防空武器分配目标……这些问题往往需要人类专家结合多年实践经验解决。专家系统通过模拟人类专家的思维，使机器可以在短时间内解决这些只有专家才能解决的现实复杂难题。

　　专家系统往往拥有一个庞大的专业知识库。其获取知识途径大体有两类：一类是人类专家通过知识编辑器等工具，将掌握的知识技能像师父教徒弟一样教给机器；第二类是系统通过自身的自主学习能力，在运行中总结大量反馈信息，积累产生出新知识。知识库与传统数据库有很大不同，其中的知识并非是被动的、静止的，而是主动的、动态的。知识库管理系统可以随时对库中知识进行修改和维护，使得知识库越来越丰富完善。知识库的水平直接决定一个专家系统的能力。在以作战指挥为代表的军事领域，知识往往体现为大量“只可意会不可言传”的经验和直觉，这都需要在平时训练和战时进行长期有效的积累和转化。

　　与传统程序“数据结构+算法”的求解过程不同，专家系统解决问题通过“知识+推理”。推理机是专家系统的大脑，负责模仿专家的思维过程，执行并控制系统对问题的求解过程。推理机利用知识进行推理，但推理机的性能与知识库的内容彼此影响很小。举个例子，像指挥员能够将训练法规倒背如流，并不代表就能组织好训练。专家系统中的知识很丰富，思维方式也是多种多样的，推理类型包括精确推理、不确定推理、不完全推理、试探性推理等。当然，传统系统根据算法求解，每次都能产生精确答案。而专家系统像人类一样思考，有时免不了会产生错误答案。但系统又可以从错误中吸取教训，从而不断改进。

　　专家系统一般都是“人-机”交互式系统。通过人机接口界面，用户用对话的方式进行询问，机器根据用户提供的事实，运用掌握的知识展开推理，从而给出问题答案。值得一提的是，专家系统不仅能给出解决问题的方法，还可以回答用户提出的“为什么”，向用户解释自己是如何得出结论的。这是一种相当透明的沟通过程，不仅能建立人和机器的信任，还可以帮助人及时发现和纠正系统错误。

　　如今，专家系统已成为人工智能领域发展相对成熟的一个重要分支。秉持实用性的初衷，它在军事领域已得到初步应用，比如各种武器系统的故障诊断和维修指导、军事运输调度管理、作战任务规划拟制、情报分析等，其应用前景和发展空间广阔，极有可能成为助力制胜未来战场的新利器。

　　上图：专家系统概念图。王梦缘制