40年的AI创新能否解决您的大数据问题？
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-01-27
我们必须始终牢记，首先要了解问题和机遇，然后再应用正确的系统或算法
有时自学习神经网络可能是的选择，但是有时您必须使用经典系统，专家系统是基于专家集体智慧的基于规则的引擎，它是人工智能（AI）中古老的创新之一，其实际使用可以追溯到1970年代，专家系统在数据科学界经常被人嘲笑为过时的恐龙，这些恐龙很有趣，但对于现代用途却不切实际，我非常不同意-AI的进步没有什么可以完全取代专家系统的功能和实用性，此外由于专家系统已经存在了很长一段时间，因此您可以利用许多历史来获得实践，这是我使用专家系统入门的六个实践。
1：收集要求
建立专家系统难的部分之一是与实际专家抽时间，与任何终用户共处时光已经很困难，但是您的项目所需的专家是每个人都想与之交谈的非常特殊的终用户，在收集需求之前，请管理层与专家确认您的时间，例如当我在一家全球交易处理公司工作时，整个公司中只有大约六十个人知道交易网络的勇气，如果您没有让管理层投入专家的时间，那么您与他们交谈的时间不会超过15分钟。
2：执行分析
花很少的时间进行分析。抵制对专家访谈进行定性分析的冲动-这是没有必要的，专家系统旨在执行自己的分析。艰苦的工作并不仅仅是分析，而是框架的设置和微调，在这方面，它类似于神经网络，您的工作是告诉系统如何思考，然后让系统自己进行思考。
3：设计框架
将详细程度设计到您的专家系统框架中，专家系统由两个基本组件组成，知识库和推理引擎，知识库存储有关您正在设计的领域的事实，推理引擎将归纳推理（正向链接）和演绎推理（向后链接）的AI等效应用于知识库中的事实，两种系统都必须进行良好的检测，以使您了解专家系统的想法，您需要非常详细地了解专家系统了解什么以及如何得出结论，先进的系统采用了更多的自然语言界面-我支持的做法。
4：开发系统
发展应该很快，像分析一样如果您在这里花费大量时间，那说明您做错了，您应该开发的东西是框架（知识库和推理引擎），现在不要编写程序代码，但是请提前考虑，在程序代码可以代替框架推断的地方建立接口，尽管用程序代码代替基于框架的推理违背了普遍的看法，但一旦其规则经过彻底审查，它实际上就是对专家系统的扩展，程序代码为您提供了更快执行的机会，这对于许多应用程序（例如，嵌入式系统）更加实用。
5：训练系统
不要低估正确培训专家系统所需的时间，精力和专家参与，我宽松地使用火车一词-从技术上讲，专家系统不是学习系统，但是构成或破坏专家系统的是其领域知识以及如何进行推理，专家必须是此过程的一部分，因为一旦在需求阶段收集到的信息植入了引擎，他们将需要对引擎进行微调，这是事情变得有趣的地方。很难让一位专家来解释他们的流程，更不用说一群专家来商定正确的流程了，终值得这样做，但是勤奋和耐心将在此阶段为您提供良好的服务。
6：完善制度
保留您的专家委员会以备将来审核，一旦部署了专家系统，将很难长时间保留专家，他们将需要定期查看现实世界中的结论，以确保您的系统仍然坚持其作为专家的职责，预先从他们那里得到这个承诺，就像您在需求阶段所做的那样使用管理-可以肯定地说，在专家系统稳定的同时，您至少每隔一年需要每季度一次他们的眼球，在开始之前，请确保每个人都支持这个想法。
即使所有涌入数据科学世界的新型系统和算法
有时自学习神经网络可能是的选择，但是有时您必须使用经典系统，专家系统是基于专家集体智慧的基于规则的引擎，它是人工智能（AI）中古老的创新之一，其实际使用可以追溯到1970年代，专家系统在数据科学界经常被人嘲笑为过时的恐龙，这些恐龙很有趣，但对于现代用途却不切实际，我非常不同意-AI的进步没有什么可以完全取代专家系统的功能和实用性，此外由于专家系统已经存在了很长一段时间，因此您可以利用许多历史来获得实践，这是我使用专家系统入门的六个实践。
1：收集要求
建立专家系统难的部分之一是与实际专家抽时间，与任何终用户共处时光已经很困难，但是您的项目所需的专家是每个人都想与之交谈的非常特殊的终用户，在收集需求之前，请管理层与专家确认您的时间，例如当我在一家全球交易处理公司工作时，整个公司中只有大约六十个人知道交易网络的勇气，如果您没有让管理层投入专家的时间，那么您与他们交谈的时间不会超过15分钟。
2：执行分析
花很少的时间进行分析。抵制对专家访谈进行定性分析的冲动-这是没有必要的，专家系统旨在执行自己的分析。艰苦的工作并不仅仅是分析，而是框架的设置和微调，在这方面，它类似于神经网络，您的工作是告诉系统如何思考，然后让系统自己进行思考。
3：设计框架
将详细程度设计到您的专家系统框架中，专家系统由两个基本组件组成，知识库和推理引擎，知识库存储有关您正在设计的领域的事实，推理引擎将归纳推理（正向链接）和演绎推理（向后链接）的AI等效应用于知识库中的事实，两种系统都必须进行良好的检测，以使您了解专家系统的想法，您需要非常详细地了解专家系统了解什么以及如何得出结论，先进的系统采用了更多的自然语言界面-我支持的做法。
4：开发系统
发展应该很快，像分析一样如果您在这里花费大量时间，那说明您做错了，您应该开发的东西是框架（知识库和推理引擎），现在不要编写程序代码，但是请提前考虑，在程序代码可以代替框架推断的地方建立接口，尽管用程序代码代替基于框架的推理违背了普遍的看法，但一旦其规则经过彻底审查，它实际上就是对专家系统的扩展，程序代码为您提供了更快执行的机会，这对于许多应用程序（例如，嵌入式系统）更加实用。
5：训练系统
不要低估正确培训专家系统所需的时间，精力和专家参与，我宽松地使用火车一词-从技术上讲，专家系统不是学习系统，但是构成或破坏专家系统的是其领域知识以及如何进行推理，专家必须是此过程的一部分，因为一旦在需求阶段收集到的信息植入了引擎，他们将需要对引擎进行微调，这是事情变得有趣的地方。很难让一位专家来解释他们的流程，更不用说一群专家来商定正确的流程了，终值得这样做，但是勤奋和耐心将在此阶段为您提供良好的服务。
6：完善制度
保留您的专家委员会以备将来审核，一旦部署了专家系统，将很难长时间保留专家，他们将需要定期查看现实世界中的结论，以确保您的系统仍然坚持其作为专家的职责，预先从他们那里得到这个承诺，就像您在需求阶段所做的那样使用管理-可以肯定地说，在专家系统稳定的同时，您至少每隔一年需要每季度一次他们的眼球，在开始之前，请确保每个人都支持这个想法。
即使所有涌入数据科学世界的新型系统和算法
使用已经存在了数十年的久经考验的解决方案也没有错：专家系统，相反不要让设计的简单性使您误以为它过时或无效，只要找到合适的专家，就可以立即建立专家系统，同时其他数据科学家仍在尝试将他们的大脑围绕压缩分类，借助我在这里给您提供的提示以及您自己的经验教训，您将成为专业的系统专家。
商业联合会数据分析专业委员会
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
