資訊與通訊科技 (ICT) 應用：專家系統 (第 6.8 章)
各位 IGCSE 的同學們，大家好！歡迎來到 ICT 應用中最有趣的單元之一：專家系統 (Expert Systems)。別擔心這個名字聽起來很複雜；其實你在日常生活中已經接觸過類似的概念了。簡單來說，專家系統就是一套旨在模擬高水準人類專家進行思考與提供建議的電腦程式。
在本章中，我們將學習什麼是專家系統、它的組成部分，以及它在各種令人驚嘆的領域中的應用——從診斷疾病到下棋博弈！
1. 什麼是專家系統？（特徵與目的）
專家系統 (Expert System, ES) 是一種人工智慧 (AI) 應用，旨在模擬人類專家的決策能力。
專家系統的關鍵特徵：
1. 專業知識： 它們包含針對特定狹窄領域的大量專業知識（例如，只針對汽車引擎，而非所有機器）。
2. 邏輯推理： 它們利用邏輯規則和事實來解決複雜問題並提供建議。
3. 解釋功能： 與一般程式不同，專家系統通常能向用戶解釋其推理過程，從而建立信任並協助用戶學習。
類比： 試想你有一位既聰明又不知疲倦、永遠不需要放假的顧問。這就是專家系統！
重點摘要： 專家系統的目的在於收集並應用人類專家的知識，以解決問題並提供可能的解決方案。
2. 專家系統的真實世界應用
專家系統在許多行業中都是不可或缺的工具，特別是在那些人類專家稀缺、費用昂貴或需要 24 小時全天候支援的領域。
課程大綱中的專家系統應用實例：
* 醫療診斷： 根據病人的症狀和檢查結果，協助醫生建議可能的診斷方向。（例如：用於識別致病細菌的 Mycin 系統。）
* 汽車引擎故障診斷： 供技工使用，快速定位汽車引擎或電氣系統中的複雜故障。
* 礦產勘探： 透過分析土壤數據和地質模式，協助地質學家判斷特定地點發現貴重資源（如石油或黃金）的可能性。
* 財務規劃： 根據市場趨勢和風險概況，為客戶提供投資、貸款和資產組合管理的建議。
* 棋類遊戲： 建立複雜的 AI 對手（如深藍 Deep Blue），運用複雜的規則和策略達到大師級水準。
* 運輸車輛路線規劃： 根據交通數據和送貨時段，為數百輛車優化運送路線，以節省時間、燃料和成本。
* 植物與動物識別： 供生物學家和保育人士使用，根據觀察到的特徵（如葉形、羽毛顏色、棲息地）識別物種。
你知道嗎？ 第一個廣泛成功的專家系統 DENDRAL，是由史丹福大學在 1960 年代開發的，旨在幫助化學家識別未知的有機分子！
3. 專家系統的五大核心組件
專家系統不僅僅是一段軟體，而是一組互相連結並共同運作的元件。你必須掌握這五個主要部分！
記憶法：KRIES（專家工具箱）
別擔心剛開始會覺得混亂——只要記住這五個字母：Knowledge（知識庫）、Rules（規則庫）、Inference（推論引擎）、User（用戶介面）、Explanation（解釋系統）。
1. 知識庫 (Knowledge Base)
定義： 關於特定領域的事實、數據和觀察結果的集合。
類比： 這就是專家的百科全書或教科書。
例子： 在醫療專家系統中，事實可能是：「頭痛是流感的症狀」或「X 病人體溫為 40°C」。
2. 規則庫 (Rules Base / Rule Set)
定義： 一組定義事實之間關聯的邏輯 IF-THEN 語句（規則）。
類比： 這就是專家的推理能力和經驗。
例子： IF（病人有發燒）AND（病人有咳嗽），THEN（建議診斷為流感）。
3. 推論引擎 (Inference Engine)
定義： 系統的核心處理器。它運用規則庫來分析知識庫中的事實以及輸入的數據，從而得出結論。
類比： 這就是專家的大腦——負責執行邏輯思考。
功能： 它運用搜尋策略（前向或後向鏈結）將症狀與規則進行匹配。
4. 用戶介面 (User Interface, UI)
定義： 用戶與系統互動的部分。它允許用戶輸入數據並接收結果或建議。
功能： 處理問題、情境呈現以及最終解決方案的顯示。
5. 解釋系統 (Explanation System)
定義： 一個至關重要的部分，用於證明推論引擎得出的結論。
目的： 告訴用戶系統如何得出該解決方案，並引用其遵循的規則。
重要性： 在醫療等領域，此功能對於建立信任和確認責任至關重要。
快速回顧：組件總結
知識/規則庫： 儲存所有數據和邏輯。
推論引擎： 處理邏輯的「大腦」。
用戶介面： 溝通窗口。
解釋系統： 系統給出答案的理據。
4. 專家系統如何產生解決方案
在處理情境時，專家系統會遵循一套清晰的流程，諮詢儲存的知識並運用其邏輯規則。
逐步解決情境（例如：汽車故障診斷）：
想像一位技工因為汽車無法啟動而使用汽車診斷專家系統。
步驟 1：輸入數據（透過用戶介面）
技工輸入症狀：「引擎能轉動但無法啟動」、「油箱已滿」、「儀表板燈不亮」。
步驟 2：推論引擎開始推理
推論引擎接收這些輸入並搜尋規則庫。
步驟 3：應用規則與事實
推論引擎找到相關規則：
規則 A：IF（引擎能轉動）THEN（電池運作正常）。
規則 B：IF（無法啟動）AND（油量充足）THEN（檢查點火系統或火星塞）。
規則 C（來自知識庫）：火星塞需要電力才能產生火花。
步驟 4：請求更多資訊
推論引擎可能會透過用戶介面詢問用戶：
系統問題：「技工是否已確認火星塞能產生火花？」
步驟 5：輸出可能的解決方案
基於所有收集到的數據和應用的規則，專家系統會將可能的方案進行排序。
系統解決方案：可能性 1：點火線圈故障（90% 確定性）。可能性 2：燃油管堵塞（10% 確定性）。
步驟 6：提供解釋
解釋系統顯示其用來證明點火線圈故障結論的規則和事實（例如：「我們判定點火線圈故障，因為症狀符合規則 B 和規則 C，且火花測試失敗。」）
關鍵點： 專家系統不僅僅給出一個答案；推論引擎會系統性地運作知識庫和規則庫，以產生一個有理據的可能解決方案。
5. 專家系統的優點與限制
優點：
* 一致性： 它們每次都應用相同的邏輯，不像人類會受到疲勞或情緒影響。
* 保存知識： 它們能夠捕捉並儲存專家的稀有知識，確保人類專家退休後知識不會流失。
* 速度： 它們處理複雜數據並得出解決方案的速度遠快於人類。
* 可用性： 它們可以 24 小時全天候、在任何地點提供服務。
限制：
* 缺乏常識： 它們只能在其程式設計的知識和規則範圍內運作；無法處理異常或非標準情況。
* 知識獲取： 將人類專家的知識提取並編寫進系統（即知識獲取過程）是非常困難且耗時的。
* 焦點狹窄： 它們只能在一個非常具體的領域成為專家；醫療專家系統無法診斷汽車引擎。
最後提示： 在考試中討論專家系統時，請記得它們提供的是可能的解決方案或建議，而非保證正確的答案。在醫療等關鍵應用中，應始終由人類專家審查系統的輸出結果。