符号主义是非常重要的，提起符号主义不得不说的就是专家系统，专家系统的技术和理论体系都非常成熟。相比较其他流派的人工智能而言，专家系统技术更为简单。专家系统一般包括三个方面。这三个方面分别是知识库、推理机和解释器。
其中，知识库是指那些经过验证的真实知识或者经验，哪怕你的知识是一个假设，那么这个假设也必须是真实的，不然不能记录在知识库体系中。虽然现在比较高级的专家系统的这些知识库更像是有一种概率和权重。但是我们为了方便理解，还是采用传统的专家系统来进行说明。
比如我们假设：1+1=2，或者1+1=10，那么这个假设必须是真实的，所谓的真实就是指在一定条件下要么为真要么为假，而不能同时即为真又为假，否则如果有一丁点的歧义后续都将无法进行推理和演绎，其实数学本身就是以假设为前提的。
所以知识库里面的知识特别强调：一切要从事实出发，而且知识库中至少有一个事实，比如：它是一只动物，那么这个知识就要百分之百，不能有任何不确定性（后面我会用到这个事实）。
推理机，是什么呢？推理机实际上就是我们对一些事情有自己的理解和判断，它是我们的一个判断过程。
比如，我想知道在座的同学中，谁今天晚上可能有约会，那么我就要根据我已有的知识进行逻辑推理，最简单的推理结构就是：
如果……，那么……。
如果（买了鲜花），那么{可能就有约会}。
如果这只动物长羽毛，那么我们判断它是鸟类。那么我们怎么知道它是一个动物而不是植物的呢，因为前面的知识库已经百分之一百的告诉我们了它是一只动物，所以我们才有后面的推理。
其实很多时候，推理机和知识库是相辅相成的，知识库为推理机提供事实依据，同样推理机推理出来的结论又可以成为新的事实存入知识库。
至于推理的过程，我们可以采用正向推理、也可采用逆向推理，甚至双向推理。
解释器，同样是专家系统，不可或缺的一部分，因为你这个系统是给人来用的，所以它必然要和人打交道，既然要和人打交道，那么就要让人们知道怎么用，但是你这个系统的推理过程我不知道啊？你能不能告诉我你凭什么做出这样的结论的。
那么这种告诉人们系统是怎样推理的一个过程或者与使用者之间的一个交互过程就是解释器。
正是解释器的这样一个好处，才让他经久不衰，它即让人们知道结果，也让人们知道原因，知其然并知其所以然。
比如就拿刚才的例子来说，你怎么知道这个动物是鸟类呢？答：因为它身上长羽毛所以它是鸟类。
专家系统的三个主要部分如图2-1-1所示。
图2-1-1专家系统三大要素
前面说了专家系统的三个主要部分，那么真正的专家系统它大概是什么样的一个流程和结构呢？
如图2-1-2所示，其实专家系统并不复杂，既然是专家系统，那么我们就要有专家，否则没有专家的系统只能成为系统。
图2-1-2 专家系统基本结构图
专家在专家系统中仍然扮演专家的角色，只不过这个专家需要通过人机交互界面让系统能够理解专家的知识和思想。比如这是一个金融专家系统，那么金融专家就需要通过人机交互界面把一些公式和模型录入到知识库，或者告诉专家系统从哪里导入或者抓取值得信赖的知识，可能对于金融专家而言这个过程有些庞杂，所以我们可以找那些既懂计算机编程又懂些金融知识的工程师来做这件事。
当金融专家录入金融相关知识后，金融用户就可以使用了，金融用户通过人机交互界面与系统的数据库和推理机进行打交道。
我们这里举了一个例子
比如这个金融专家系统有三个专家，并且三个专家都是炒股高手，但是他们具体的思想却有所不同。例如：
专家A认为：当均线出现金叉的时候买入；
专家B认为：当布林线向上突破80的时候买入；
专家C认为：当成交量大于100手的时候买入；
那么，当用户在使用专家系统的时候，只要均线出现了金叉，同时当布林线向上突破80，而且成交量大于100手买入时，就可以兴高采烈的买入了。既然三位专家都说要买入，那就听专家的好了。但是你会发现，事实上随着专家的增加，专家的意见可能相反，或者说很难同时满足所有专家提出的条件，怎么办？这时候你就可以通过给每个专家打分的方式来设置他的权重。比如你认为专家A很重要，给他60分，专家B也很好给他30分，专家C感觉一般给他10分。这样金融专家系统就把海量的用户和众多的专家结合起来了。如果我们把金融专家换成数学专家或化学专家，那么这个专家系统就是数学专家系统或化学专家系统了。
专家系统出现后，大家认为所有的问题都可以得到解决了，人们似乎找到了一个人工智能的圣杯，只要知识库足够庞大，专家足够强，没有解决不了的问题，正是在这种前提下出现了人工智能的第一次热潮。专家系统与传统计算机相比优势是明显的，我们下面看一下两者的对比，见表2-1-1。
表2-1-1 计算机与专家系统的区别
专家系统似乎让人们看见了强人工智能的未来，甚至日本说自己将造成世界上最先进人工智能计算机，也被称为第五代计算机。它其实做的就是一套专家系统。当然现在大家都是知道这个项目是失败的，第五代计算机项目的负责人也跳楼身亡。
网友评论