中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本文筆者著重介紹專家系統(tǒng)的五個發(fā)展階段——基于規(guī)則、基于框架、基于案例、基于模型和基于網(wǎng)絡(luò)的基本邏輯及側(cè)重點(diǎn)。

有許多AI產(chǎn)品朋友經(jīng)過一定階段的學(xué)習(xí)和實(shí)踐能夠掌握槽位在機(jī)器人客服、搜索、智能音箱等等產(chǎn)品的應(yīng)用，但是如果能提升到懂槽位背后的邏輯會對AI產(chǎn)品經(jīng)理深度發(fā)展有更大的支撐，而槽位背后對應(yīng)的人工智能主要是有專家系統(tǒng)構(gòu)成。

專家系統(tǒng)又名ES（Expert System），ES一路是逐步由的5個階段發(fā)展而來。

本篇筆者對每個階段分析了對應(yīng)的AI專家系統(tǒng)的知識點(diǎn)，給出實(shí)踐算法，并通過若干實(shí)踐案例進(jìn)行詳述。期望通過對專家系統(tǒng)知識點(diǎn)的學(xué)習(xí)結(jié)合實(shí)踐案例為未來更好上手AI產(chǎn)品做積累。

下文著重介紹每個階段的基本邏輯及側(cè)重點(diǎn)：

階段一：基于規(guī)則的專家系統(tǒng)

知識點(diǎn)：

基于規(guī)則的專家系統(tǒng)是目前最常用的方式，主要?dú)w功于大量成功的實(shí)例，以及簡單靈活的開發(fā)工具。它直接模仿人類的心理過程，利用一系列規(guī)則來表示專家知識。

例如對動物的分類：

1. IF（有毛發(fā)or能產(chǎn)乳）and（（有爪子and有利齒and前視）or吃肉）and黃褐色and黑色條紋，THEN老虎。
2. IF（有羽毛or能飛and生蛋））and不會飛and游水a(chǎn)nd黑白色and ？，THEN企鵝

這里，IF后面的語句稱為前項(xiàng)，THEN后面的語句稱為后項(xiàng)。前項(xiàng)一般是若干事實(shí)的“與或”結(jié)合，每一個事實(shí)采用對象-屬性-值（OAV）三元組表示。根據(jù)值的選擇不同，可將屬性分為3類。

1. 是非屬性，例如“有爪子”，該屬性只能在{有、無}中二選一；
2. 列舉屬性，例如：“吃肉”，該屬性只能在{吃草，吃肉，雜食}中選擇；
3. 數(shù)字屬性，例如：“觸角長度3.5 cm”，“身高1.5 m”，“體重32 kg”等。

算法：

上述算法規(guī)則是通過專家集體討論得到的。這樣形成的規(guī)則存在以下3個缺點(diǎn)：

1. 需要專家提出規(guī)則，而許多情況下沒有真正的專家存在；
2. 前項(xiàng)限制條件較多，且規(guī)則庫過于復(fù)雜。比較好的解決方法是采用中間事實(shí)。例如：首先確定哺乳動物、爬行動物、鳥類動物，然后繼續(xù)進(jìn)行劃分；
3. 在某些情況下，只能選取超大空間的列舉屬性或者數(shù)字屬性，此時該屬性值的選取，需要大量樣本以及復(fù)雜的運(yùn)算。

因此，更傾向于采用一套算法體系，能自動從數(shù)據(jù)中獲得規(guī)則。

決策樹算法基本能夠滿足知識工程師的需要，較好的決策樹算法包括基于信息增益的ID3、C4.5、C5算法，基于Gini 索引的 CART 算法。

階段二：基于框架的專家系統(tǒng)

知識點(diǎn)：

基于框架的專家系統(tǒng)可看作是基于規(guī)則的專家系統(tǒng)的一種自然推廣，是一種完全不同的編程風(fēng)格。用“框架”來描述數(shù)據(jù)結(jié)構(gòu)，框架包含：某個概念的名稱、知識、槽（槽為的槽）。

當(dāng)遇到這個概念的特定實(shí)例時，就向框架中輸入這個實(shí)例的相關(guān)特定值。

編程語言中引入框架的概念后，就形成了面向?qū)ο蟮木幊碳夹g(shù)。可以認(rèn)為，基于框架的專家系統(tǒng)等于面向?qū)ο蟮木幊碳夹g(shù)，對應(yīng)關(guān)系如下圖：

算法：

神經(jīng)網(wǎng)絡(luò)、特征提取、NLP類算法

實(shí)踐：

如下圖圖像處理識別框架：

上圖圖顯示了一個典型的圖像處理識別框架，這里將整個系統(tǒng)分為4個大類：文檔類、圖像類、圖像像素類、圖像識別類，每類賦予特定的對象和事件，最后組合成一個系統(tǒng)。

階段三：基于案例的專家系統(tǒng)

知識點(diǎn)：

基于案例推理的專家系統(tǒng)，是采用以前的案例求解當(dāng)前問題的技術(shù)。

求解過程如下圖所示：

首先獲取當(dāng)前問題信息，接著尋找最相似的以往案例。如果找到了合理的匹配，就建議使用和過去所用相同的解；如果搜索相似案例失敗，則將這個案例作為新案例。因此，基于案例的專家系統(tǒng)能夠不斷學(xué)習(xí)新的經(jīng)驗(yàn)，以增加系統(tǒng)求解問題的能力。

算法：

最常用的匹配算法是最近鄰法，k-近鄰法，徑向基函數(shù)網(wǎng)絡(luò)，排序算法等。

實(shí)踐：

佐治亞理工學(xué)院的一名電腦科學(xué)教授戈埃爾，創(chuàng)造的AI助教吉爾·華生，吉爾·華生是佐治亞理工學(xué)院的線上機(jī)器人助教。戈埃爾上傳了四個學(xué)期的數(shù)據(jù)，共四千多個問題與答案，并附上了其他Piazza上的閑談，用基于案例的專家系統(tǒng)開始訓(xùn)練他的人工智能助教。

有一次，一位學(xué)生問它“挑戰(zhàn)性問題是否會包括文字和圖片數(shù)據(jù)？”。

“挑戰(zhàn)性問題里沒有文字?jǐn)?shù)據(jù)，”吉爾的回答非常正確，“他們只會被當(dāng)作形象化的問題來運(yùn)行。但歡迎你自己寫下文字?jǐn)?shù)據(jù)并試試運(yùn)行它們！”（是的，吉爾用了一個感嘆號）。

新學(xué)期結(jié)束的時候，戈埃爾揭露了吉爾的身份。學(xué)生們不僅沒有感到不愉快，還像對待教師們一樣感到欣喜。一位學(xué)生稱它“無與倫比地酷”。另一位學(xué)生則想與它共進(jìn)晚餐。

階段四：基于模型的專家系統(tǒng)

知識點(diǎn)：

傳統(tǒng)的專家系統(tǒng)一個主要缺點(diǎn)在于“缺乏知識的重用性和共享性”，而采用本體論講問題模型化來設(shè)計專家系統(tǒng)，可以解決該缺點(diǎn)。另外，它既能增加系統(tǒng)功能，提高性能指標(biāo)；又可獨(dú)立深入研究各種模型及其相關(guān)，將結(jié)果用于系統(tǒng)設(shè)計。

算法：

機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法。

實(shí)踐：

下圖是由6個模型搭建起來的一個小型控制系統(tǒng)，實(shí)現(xiàn)了利用神經(jīng)網(wǎng)絡(luò)逼近車間生產(chǎn)過程，繼而預(yù)測產(chǎn)量。

上圖可見由于模型組件、接口、通信、限制等全部標(biāo)準(zhǔn)化，因此利用Simulink軟件，通過簡單的鼠標(biāo)連線，可在1分鐘內(nèi)開發(fā)出這個系統(tǒng)。

階段五：基于網(wǎng)絡(luò)的專家系統(tǒng)

知識點(diǎn)：

隨著第三波人工智能高潮發(fā)展之前移動互聯(lián)網(wǎng)的發(fā)展，網(wǎng)絡(luò)已成為用戶的交互接口，軟件也逐步走向網(wǎng)絡(luò)化。

而專家系統(tǒng)的發(fā)展也順應(yīng)該趨勢，將人機(jī)交互定位在網(wǎng)絡(luò)層次：專家、工程師與用戶通過瀏覽器訪問專家系統(tǒng)服務(wù)器，將問題傳遞給服務(wù)器；服務(wù)器則通過后臺的推理機(jī)，調(diào)用當(dāng)?shù)鼗蜻h(yuǎn)程的數(shù)據(jù)庫、知識庫來推導(dǎo)結(jié)論，并將這些結(jié)論反饋給用戶。

算法：

神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、決策樹、Logistic回歸、判別分析等算法。

實(shí)踐：

賽事預(yù)測系統(tǒng)、乳腺癌等醫(yī)療影像病癥診斷系統(tǒng)。

例如：對環(huán)法自行車賽引入機(jī)器學(xué)習(xí)算法，幫助人們預(yù)測比賽各種可能情況。通過收集車隊車手歷史數(shù)據(jù)，人工智能將預(yù)測不同參賽人員的比賽進(jìn)程。同時，觀眾也可以根據(jù)統(tǒng)計數(shù)據(jù)了解現(xiàn)場車速以及各個車手的具體位置、騎手之間的距離以及各車隊情況。

在每部自行車鞍座下安裝全球衛(wèi)星定位系統(tǒng)，通過這些訊號轉(zhuǎn)發(fā)器收集資料，結(jié)合賽道坡度及天氣情況等外部資料，產(chǎn)出各種分析結(jié)果。例如：個別車手的實(shí)時速度與所在地點(diǎn)、各個車手之間的距離、參賽隊伍陣容等，建立各車手的歷史數(shù)據(jù)資料中心，在網(wǎng)絡(luò)上（也云端）進(jìn)行管理。

小結(jié)

隨著人工智能逐步成熟，對于人工智能產(chǎn)品經(jīng)理來說，僅僅會設(shè)計槽位還不夠，明白槽位背后的人工智能深處的邏輯，能夠更好的將AI應(yīng)用于垂直領(lǐng)域。

如果你想系統(tǒng)化入門AI產(chǎn)品經(jīng)理，掌握AI產(chǎn)品經(jīng)理的落地工作方法，戳這里>http://996.pm/7bjab

#專欄作家#

連詩路，公眾號：LineLian。人人都是產(chǎn)品經(jīng)理專欄作家，《產(chǎn)品進(jìn)化論：AI+時代產(chǎn)品經(jīng)理的思維方法》一書作者，前阿里產(chǎn)品專家，希望與創(chuàng)業(yè)者多多交流。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash, 基于CC0協(xié)議。