本語音分兩次整理文字稿，本文從8’33”整理至結束

「專家系統」─計算機可以算命

在《疑犯追蹤》另外一個能力，就是類似算命的能力，但到底怎樣叫做一個計算機軟體可以算命呢？

《延伸閱讀：【AI微醺Ep.5】從《疑犯追蹤》談人臉辨識、專家系統、推理、推薦技術(上)(1/2)》

在人工智慧一路推展，從50 年代開始，比較好的成果大概在70 年代，有一個比較明確的應用，叫做 Expert System (專家系統)。在人工智慧裡，可不可以把人類專家的知識轉化成為一個電腦的軟體，讓電腦的軟體變得跟人一樣的聰明，甚至比人更厲害；因為電腦的計算速度快，可以執行類似專家的工作，這樣的概念就叫做「專家系統」。

專家系統的基本結構，包含一個 Knowledge Base (知識庫)，這個知識庫把有經驗的專家知識轉換成規則放進去。一般來講，知識庫裡面的結構都是用 if then else 的結構來儲存；也就是，假如在什麼條件，那麼就做什麼事情；這個條件不滿足的話，做什麼事情等等；利用這種 if then 的規則庫來記錄人的知識。

另外，還需要一個推論引擎軟體，當面對一個事情 input 進來，就會根據 Knowledge Base 裡面的規則庫去推論，選擇各種規則，然後做出一個最好的推論結果，再告訴使用者，在這樣的情形之下，這樣是對的，或者這樣是好的，這就是所謂的「專家系統」。

這個過程會隨著使用多次，使用者也可以回饋回去，在什麼情形之下，得到的結果是滿意的，所以，這樣子的專家系統也可以逐步在學習，建構一些新的知識規則，就不再是由原來的人給的，而是自己可以在建構。專家系統在當時算是一個非常成功的發展。

CMU運用「專家系統」協助DEC配置電腦規格

在1978 年，Carnegie Mellon University (CMU；卡內基梅隆大學)，協助當時 DEC 電腦公司，這是70、80 年代非常大的電腦公司，專門做 Mini 級的電腦。當時要買電腦，不是像現在都是配置好，一台電腦的配置了不起，就是記憶體要多大，然後螢幕尺寸多大等等。當時的電腦設計要配置很多，比如要哪一種 tape driver，要哪一種那種磁盤，磁盤的規格有很多，磁碟也很多規格，印表機種類也很多，你要用什麼樣的線接。像這些配置是很複雜的，這種東西又很貴。

當初買的電腦，假如業務人員、銷售人員沒有辦法把一次配置對，很可能你送過去的結果不對，還要再退回來再送一次。這種來回所花的運輸成本，甚至額外所衍生的客戶不能接受的零件成本都很高。所以，CMU 在1978 年，就運用這種專家系統，發展的一套協助工程師、銷售人員做出一個最好的配置，即根據客戶所訂購的電腦，把所有的相關的配件做出一個最好的建議出來。

這個專家系統裡面總共有 2,500 條規則，在1986 年完成之後，處理過 8 萬條的訂單，根據 DEC 他們的分析，專家系統協助配置好所需要的周邊裝置準確率達到 98%，當然做的能力幾乎是、甚至比很多的人類的專家更好。經過這樣的做法，幫 DEC 每一年省下約 2,500 萬美金，來自於包括貨運損失，訂錯零件損失，客戶不滿意損失等等。這是一個非常成功的案例。

另外一個非常成功的案例就是 Stanford 大學，差不多也在70 年代，發展出了一個叫做 Mycin 的專家系統，用來協助醫生作為診療的一套系統。這個細節我就不再講了，因為基本的精神都很像，就是把專家的規則建立到一個專家系統，然後專家系統有個推論引擎去根據規則來做推論。上述《疑犯追蹤》裡面提到很多的一些推論，在70、80年代的專家系統聽起來也可以做得到。

推論引擎本身會從專家規則裡面去推出正確、或重要的結論。不過，很多人一定很好奇，現在專家系統進行到什麼程度？好像已經很少聽到專家系統的應用，答案確實沒錯，因為專家系統有它的極限，主要是人類有很多經驗，不是那麼容易形諸成為規則，很多直覺、或隱藏性知識，市不太容易表示出來。

因此，專家系統的極限等於是被人類所限制，因為有更多人可以學到的知識經驗，專家系統沒辦法記得，只要人講不出來，就沒辦法把它表達成專家系統的知識庫規則，就沒有辦法做到，所以，專家系統的應用就被停留在一個範圍內。專家系統並不能達到很多人對人工智慧的期望，所以差不多在80年代就停滯，沒有太多的、更好的進展，

不過，趁這個機會用《疑犯追蹤》影集帶到專家系統，因為這部影集能夠推論，有很多的專業知識可以做判斷。專家系統雖然不足以跟影集裡面的 Machine 做比較，但味道有一點到了。(本文完)

附註

◆ 《AI思維》書籍介紹 (本書榮獲110年度金書獎 - 優良中小企業出版品)

◆ 《AI微醺》Apple Podcast 隨時聽 

◆ 《AI微醺》Google Podcast 隨時聽