因為Fyodor Yarochkin在SyScan提到Knowledge Machine，讓鳥毅回想起年少時學人工智慧的經驗，剛好最近沒啥主題寫Blog，就來簡單介紹一下目前已不受重視的專家系統。
Fyodor用的KM算是很簡單的RBES（Rule Based Expert system），leeym的指導教授謝尚賢在這有提到專家系統從RBES發展到CBES（Case Based Expert System）。CBES是以案例訓練的專家系統，"理論上"不用自己去找出法則，但實務上應該還是類神經網路（又稱人工神經網路）比較常見。類神經網路計算時，仍然要自己找出各種因子，以矩陣運算找出相關係數矩陣。
在台灣人工智慧/專家系統的書籍應該是葉怡成教授著作最多，印象中他擅長類神經網路。記得交大以前有個人工智慧實驗室，不過現在找不到了。
人工智慧最常用的程式語言應該就是LISP，現在應該是GNU CLISP最常見，還有FSF之父RMS寫的Emacs，其他的請參考這。Emacs本身除了是編輯器外，也是LISP的interpreter，按ctrl-x ctrl-e就可以執行目前的LISP片段，在撰寫LISP時非常好用，初學LISP也不用裝CLISP，只要Emacs就足夠。據鳥毅所知淡江大學王人牧教授的LISP功力深厚。
另一個常見的人工智慧語言是Prolog，Prolog特別之處就是內建推論引擎，現在似乎是SWI-Prolog比較強，在下沒用過，請自己玩。
最後介紹一個真正有完整功能並Open Source的專家系統CLIPS，CLIPS原本要研究單位或付費才能取得source code，現在改到sourceforge，成為NASA的public domain software。CLIPS也是採用LISP語法，本身有推論機。對CLIPS有興趣的朋友，可以與王人牧教授討論，他有好幾年的CLIPS開發經驗。
Fyodor用的KM算是很簡單的RBES（Rule Based Expert system），leeym的指導教授謝尚賢在這有提到專家系統從RBES發展到CBES（Case Based Expert System）。CBES是以案例訓練的專家系統，"理論上"不用自己去找出法則，但實務上應該還是類神經網路（又稱人工神經網路）比較常見。類神經網路計算時，仍然要自己找出各種因子，以矩陣運算找出相關係數矩陣。
在台灣人工智慧/專家系統的書籍應該是葉怡成教授著作最多，印象中他擅長類神經網路。記得交大以前有個人工智慧實驗室，不過現在找不到了。
人工智慧最常用的程式語言應該就是LISP，現在應該是GNU CLISP最常見，還有FSF之父RMS寫的Emacs，其他的請參考這。Emacs本身除了是編輯器外，也是LISP的interpreter，按ctrl-x ctrl-e就可以執行目前的LISP片段，在撰寫LISP時非常好用，初學LISP也不用裝CLISP，只要Emacs就足夠。據鳥毅所知淡江大學王人牧教授的LISP功力深厚。
另一個常見的人工智慧語言是Prolog，Prolog特別之處就是內建推論引擎，現在似乎是SWI-Prolog比較強，在下沒用過，請自己玩。
最後介紹一個真正有完整功能並Open Source的專家系統CLIPS，CLIPS原本要研究單位或付費才能取得source code，現在改到sourceforge，成為NASA的public domain software。CLIPS也是採用LISP語法，本身有推論機。對CLIPS有興趣的朋友，可以與王人牧教授討論，他有好幾年的CLIPS開發經驗。
留言