人工智能与专家系统导论-人工智能导论：专家系统揭秘

人工智能与专家系统导论【导论】目的是提纲挈领地把最后这一块讲清楚，进一步分析人工智能的技术原理及应用。这是本人在专业学习里遇到的一些重要的思维方式以及工作习惯导致的一些思维定势和认知误区，也是根据我自己学习的一些情况说的一些思维方式及习惯性问题，提供给有志于从事“专家系统”“人工智能”“专家规划”“个性化算法”等相关研究的同仁，在个人提升上有所帮助。

在理论上说，专家系统是建立在语义网络基础上的，是可以依据上下文预测未来的模型。比如基于语义网络构建知识图谱，即使知识的问题被解决了，一定程度上也可以让专家系统预测未来的内容。但我认为，这种知识图谱不能替代专家系统，专家系统应当以意义为导向的在特定意义（语义）下有效率的单独识别规律，并且可以通过在特定意义下的计算效率解决庞大数据量的低效计算问题。

在实践上说人工智能与专家系统导论，如果我们把规则程序代替，我们还是可以在现实中完成一些有意义（语义）的计算。一.数据文件应当是数据的存储的基础，要能够方便的读取。我认为这个基础是对数据定义的准确性要求，要能够精确到xmin_idx之类的形式，另外主键和相关内容的匹配度也是一个要求，可以为参数提供容错的机制。1.1数据文件的存储和读取数据库是对数据做一个层级结构的存储。

存储阶段可以是主键，也可以是一个关联字段（详细见leveldb）。读取阶段可以是直接读取或者通过读取数据文件提取（datareader，extractaddress，datadump）。1.2数据文件的读取阶段每个专家系统都有多个数据源，例如知识库和导航中的一些结构化数据，或者数据处理的标准格式pandas等。

1.3如何读取数据同样是一个单独的阶段，一般来说要由用户提供一个外部的具体的数据源作为读取的依据，不同的专家系统可能针对读取这个依据是有所区别的。1.4api对数据进行处理我认为专家系统能解决大部分计算量大且复杂度高的问题，大部分数据处理任务可以用api来代替csv等格式文件。而处理数据有一个基本点是要提高效率，需要解决效率问题和提高计算效率之间的平衡。

事实上专家系统也可以理解为计算机整个网络的镜像。1.5如何检测是否匹配1.6如何确定检测结果是否准确当然还有不少具体的细节问题，不在本文探讨。二.数据处理自动识别和重命名可以看做是需要人进行检测的，按照fpga的思路人工智能与专家系统导论，是需要通过处理一些block等数据长度来判断。保留电压上游的那部分（仅包括通过numh）称为无关的，这一块可以借助图像的定量信息来判断和重命名，再加上滤波的。