human experts. The goals sought by expert system builders include helping
human experts, assimilating the knowledge and experience of several human
experts, training new experts, and providing requisite expertise to projects
that cannot afford scarce expertise on site.
Expert systems developed in the 1960's and 1970's were typically written
on a mainframe computer in the programming language based on List
Processing (LISP). Evolving from university research laboratories, they
were limited to the applications developed by these research sites. Most of
these expert systems were not intended for commercial use. They incorporated
the specific knowledge of the experts about the problem area,
termed 'domain knowledge,' problem-solving heuristics (or 'rules of
thumb') and inferencing capabilities, and an interface machanism between
the user and the system. Some examples of these systems include
MACSYMA, developed at the Massachusetts Institute of Technology
(MIT), for assisting individuals in solving complex mathematical problems;
Stanford University's MYCIN, which diagnosed bacteremia and meningitis
infections; and the University of Pittsburgh's INTERNIST/CADUCEUS,
which aided internal medicine diagnosis and decision making.
Later researchers at Stanford University realized that MYCIN consisted
of three distinct parts which can be visualized as a set of concentric circles
or as a seed. At the kernel of the seed is a knowledge base which contains
the domain-specific knowledge. Outside that is the inference engine, the part
which contains the inferencing capabilities, problem-solving heuristics, and
control strategies. And finally, the expert system is 'surrounded' by the
user-system interface. By removing the domain-specific knowledge, and by
adding tools for managing knowledge sets (such as rule editors and tracers),
these scientists created a general purpose tool for developing expert systems,
now called a 'shell.'
Expert system shells
It was not until the 1980's that commercial shells were introduced for a
variety of classes of computers. Some of the more popular shells today are
1 st-CLASS, ADS, ART, CRYSTAL, EXSYS, GoldWorks, Guru, Level 5,
Nexpert Object, KDS, KES, M. 1, Personal Consultant, S. 1, TIMM, and VP
Expert. These packages not only provide the necessary tools for developing
an expert system such as the user-system interface, inference mechanism,
rule editor, and code optimizer, but can generally be run on microcomputers
in addition to minicomputers and mainframes, are reasonably priced, and
provide powerful features without requiring an individual to learn the
mechanics of an Artificial Intelligence (AI) language or purchase specialized
hardware. With the development and widespread use of shells, the range of
expert system applications has tremendously increased. Their introduction
has played a major role in expanding expert system applications into areas
such as management, finance, office automation, computer selection and
networking, legal processes, manufacturing, equipment training, personnel
training, education, transportation, oil and geology, science and medicine,
and agriculture.
Expert systems in agriculture
There are several examples of the application of expert system development
methodologies in agricultural disciplines. Wheat Counselor, developed by
Imperial Chemicals in 1984, serves as a buying guide for farmers shopping
for agro-chemicals and aids chemical manufacturing salespeople by determining
what products can and cannot help their customers [13]. EPINFORM
is an expert system for predicting wheat disease epidemics [6].
PEANUT, developed by the National Peanut Research Laboratory of the
United States Department of Agriculture (USDA) in 1987, offers advice on
irrigation schedules and strategies for control of leafspot and general pests
of florunner peanuts grown in average conditions in Georgia [26]. FARMSYS,
developed by the Department of Agricultural Engineering at the
University of Florida in 1988, provides recommendations related to agricultural
research conducted in Sitiung, West Sumatrain on the Minangkabau,
Javanese, and Sudanese transmigrant communities [11, 7]. Expert systems
have also been applied to support the management of double cropping [10].
These efforts point to the success of exploiting expert systems in agriculture.
However, we are not aware of any attempts to apply the expert system
technique in agroforestry. Therefore, the effort described here is a pioneering
work, and it could be a significant step in the planning and design of
agroforestry systems.
Agroforestry and alley cropping
Brief descriptions of agroforestry and alley cropping are given here for the
benefit of those who are not familiar with these. Agroforestry is a collective
name for land use systems in which woody perennials are deliberately grown
on the same piece of land as agricultural crops and/or animals either in some
form of spatial arrangement or in sequence. In agroforestry systems, the
woody component interacts ecologically and economically with the crop
and/or animal components. Such interactions take many different forms,
both positive and negative, and they need not remain stable over time. The
aim and rationale of most agroforestry systems are to optimize the positive
interactions in order to obtain a higher total, a more diversified and/or a
more sustainable production from the available resources than is possible
with other forms of land use under prevailing ecological, technological, and
socio-economic conditions [15]. There are several examples of indigenous
agroforestry systems in the developing countries of the tropics and subtropics
[25].
Alley cropping is a type of agroforestry system in which leguminous trees
are planted in rows with food crops cultivated between them. The trees are
pruned on a regular basis to minimize shade to associated crops, provide
nitrogen-rich foliage, recycle nutrients, and, in some cases, to provide additional
outputs such as fodder and firewood. As the tree foliage may serve
both as mulch and fodder, the system also provides a means of integrating
crops and animal production. Economic analyses have indicated that alley
cropping may be a profitable enterprise for farmers in certain environmental
conditions. A substantial body of research information on various aspects
of alley cropping from different parts of the tropics has become available
during the past five years; some selected references include: Attah-Krah and
Francis 1987; Budelman 1988a; 1988b; Jama and Nair 1989; Duguma,
Kang, and Okali 1988; Gill and Patil 1985; Huxley 1986; Jama et al. 1986;
Kang, Wilson, and Lawson 1984a; 1984b; Kang, Grimme, and Lawson
1985; Kang and Duguma 1985; Kang and Wilson 1987; Nair 1984; Nair
1987; Sumberg 1986; Wilson, Kang, and Mulongoy 1986; Yamoah, Agboola,
and Wilson, 1986a; 1986b; Young 1987. Thus, alley cropping is of
considerable interest to researchers, policy makers, and farmers in developing
countries.
Development of the Agroforestry Expert System
The process of developing knowledge-based expert systems is known as
knowledge engineering, and it includes several distinct steps. The methodologies
proposed by Harmon and King [12], Waterman [31], Weitzel and
Kerschberg [32], and others were followed to ensure that UNU-AES was
successfully developed. Typical phases of expert system development are:
1. Selection of an Appropriate Problem
2. Development of a Prototype System
3. Development of a Complete System
4. Evaluation of System
5. Integration of a System
6. Maintenance
Alley cropping was selected as the focus of this first effort in the application
of expert system technique to agroforestry because of the availability of
knowledge in forms appropriate to expert system construction, and because
of its potential applicability as an agroforestry practice in developing countries.
Waterman [31] suggests that within the development of a prototype
system, there are actually three prototype systems developed. The first is the
demonstration prototype, the purpose of which is to determine if the
approach ('proof of concept') is viable and system development is achievable.
The second prototype, known as the research prototype, displays
credible performance on the entire problem. In most cases, the system is
'fragile' in several areas due to incomplete testing and revision. The third is
the field prototype, the purpose of which is to display good performance
with adequate reliability on the overall system. This activity is achieved by
extensive testing in the user environment [31]. This stage of development
precedes the development of a complete system and is the current status of
UNU-AES.
In order to develop the system, the domain experts (Nair, assisted by
co-workers) and the knowledge engineers (Warkentin, Ruth, and Sprague,
assisted by co-workers) interacted continously. The activities performed for
the selection of the appropriate problem and the development of three
prototypes will be discussed in a later publication. (Readers are encouraged
to contact the first author for additional details.)
Specifying performance criteria
The performance criterion selected for this project was to have UNU-AES
achieve results that were consistent with those generated by the primary
domain expert. In other words, each time UNU-AES would be consulted,
it was expected to provide the same advice as would a recognized expert on
alley cropping. Although this is quite optimistic, it established a benchmark
by which to test UNU-AES.
Selecting the development environment and tools
EXSYS Professional, by EXSYS, Inc., was selected as the expert system
building tool to develop UNU-AES. This software package was chosen
because of a combination of several factors. The first is the requirement of
ผู้เชี่ยวชาญมนุษย์ เป้าหมายการค้นหา โดยผู้สร้างระบบผู้เชี่ยวชาญรวมถึงช่วยผู้เชี่ยวชาญมนุษย์ assimilating ความรู้และประสบการณ์ของบุคคลหลาย ๆผู้เชี่ยวชาญ ผู้เชี่ยวชาญใหม่ฝึกอบรม และความเชี่ยวชาญจำเป็นให้กับโครงการที่ไม่สามารถขาดแคลนผู้เชี่ยวชาญในเว็บไซต์พัฒนาระบบผู้เชี่ยวชาญใน 1960 และโดยทั่วไปเขียน 115บนเครื่องเมนเฟรมในภาษาการเขียนโปรแกรมตามรายการประมวลผล (ภาษาลิสป์) การพัฒนาจากมหาวิทยาลัยวิจัย พวกเขาถูกจำกัดไปยังโปรแกรมประยุกต์ที่พัฒนาขึ้น โดยเว็บไซต์วิจัยเหล่านี้ ส่วนใหญ่ระบบผู้เชี่ยวชาญเหล่านี้ก็ไม่ได้มีไว้สำหรับใช้ในเชิงพาณิชย์ พวกเขารวมความรู้เฉพาะด้านผู้เชี่ยวชาญเกี่ยวกับปัญหาพื้นที่เรียกว่า 'โดเมนความรู้ การแก้ปัญหาการลองผิดลองถูก (หรือ ' กฎของนิ้วหัวแม่มือ ') และความสามารถในการ inferencing และเคล็ดการอินเตอร์เฟซระหว่างผู้ใช้และระบบ บางตัวอย่างของระบบนี้ได้แก่MACSYMA พัฒนาที่สถาบันเทคโนโลยีแมสซาชูเซตส์(MIT), การให้ความช่วยเหลือบุคคลในการแก้ปัญหาทางคณิตศาสตร์ที่ซับซ้อนสแตนฟอร์ดมหาวิทยาลัย MYCIN ซึ่งการวินิจฉัย bacteremia และเยื่อหุ้มสมองอักเสบติดเชื้อ และมหาวิทยาลัยพิตส์เบิร์ก INTERNIST/คทา งู ไขว้ซึ่งช่วยทันตกรรมวินิจฉัยและตัดสินใจนักวิจัยภายในมหาวิทยาลัยสแตนฟอร์ดรู้ว่า MYCIN ประกอบด้วยทั้ง 3 ส่วนซึ่งสามารถ visualized เป็นชุดของวง concentricหรือ เป็นเมล็ด ในเคอร์เนลของเมล็ดเป็นฐานความรู้ซึ่งประกอบด้วยความรู้เฉพาะโดเมน ภายนอกเครื่องยนต์ข้อ ส่วนที่ประกอบด้วยความสามารถในการ inferencing รุก การแก้ปัญหา และควบคุมกลยุทธ์ และในที่สุด ระบบผู้เชี่ยวชาญ 'ล้อม' โดยอินเทอร์เฟซสำหรับผู้ใช้ระบบ โดยเอาความรู้เฉพาะโดเมน และเพิ่มเครื่องมือสำหรับจัดการความรู้การตั้งค่า (เช่นกฎบรรณาธิการและ tracers),นักวิทยาศาสตร์เหล่านี้ได้สร้างเครื่องมือทั่วไปสำหรับการพัฒนาระบบผู้เชี่ยวชาญตอนนี้ เรียกว่าเป็น 'เชลล์'เปลือกของระบบผู้เชี่ยวชาญมันไม่ได้อยู่จนถึงพ.ศ. 2523 เป็นที่ค้าเชลล์ได้แนะนำในการหลากหลายของชั้นเรียนคอมพิวเตอร์ ของเปลือกหอยที่นิยมมากขึ้นเมื่อมี1 เซนต์คลาส โฆษณา ศิลปะ คริสตัล EXSYS, GoldWorks คุรุ ระดับ 5วัตถุ Nexpert, KDS, KES, S. ที่ปรึกษาส่วนบุคคล ม. 1, 1, TIMM และ VPผู้เชี่ยวชาญ แพคเกจเหล่านี้ไม่เพียงแต่ให้เครื่องมือที่จำเป็นสำหรับการพัฒนาระบบผู้เชี่ยวชาญการเช่นอินเทอร์เฟซผู้ใช้ระบบ กลไกข้อกฎการแก้ไข และเพิ่มประสิทธิภาพของรหัส แต่โดยทั่วไปสามารถเรียกใช้บน microcomputersminicomputers และ mainframes ราคาไม่แพง และมีคุณลักษณะที่มีประสิทธิภาพโดยการเรียนรู้กลศาสตร์ของภาษาปัญญาประดิษฐ์ (AI) หรือซื้อความฮาร์ดแวร์ มีการพัฒนาและการใช้อย่างแพร่หลายของเชลล์ หลากหลายโปรแกรมประยุกต์ระบบผู้เชี่ยวชาญอย่างขึ้น แนะนำของพวกเขามีบทบาทสำคัญในการขยายการใช้งานระบบผู้เชี่ยวชาญในพื้นที่จัดการ การเงิน สำนักงาน การเลือกคอมพิวเตอร์ และระบบเครือข่าย กฎหมายกระบวนการ การผลิต อุปกรณ์ ฝึกอบรมบุคลากรฝึกอบรม ศึกษา ขนส่ง น้ำมัน และธรณีวิทยา วิทยาศาสตร์ และการ แพทย์และเกษตรระบบผู้เชี่ยวชาญในการเกษตรมีหลายตัวอย่างของการประยุกต์ใช้ระบบผู้เชี่ยวชาญพัฒนาวิธีการในสาขาเกษตร ข้าวสาลีปรึกษา พัฒนาโดยสารเคมีที่อิมพีเรียลใน 1984 ทำหน้าที่เป็นคู่มือสำหรับเกษตรกรช้อปปิ้งซื้อสำหรับพนักงานผลิตสารเคมีเกษตรเคมีและเอดส์ด้วยผลิตภัณฑ์ใดที่สามารถ และไม่สามารถช่วยให้ลูกค้าของพวกเขา [13] EPINFORMเป็นระบบผู้เชี่ยวชาญสำหรับการคาดการณ์โรคระบาดโรคข้าวสาลี [6]ถั่วลิสง พัฒนา โดยห้องปฏิบัติการงานวิจัยถั่วลิสงแห่งชาติของการสหรัฐอเมริกากรมวิชาการเกษตร (จาก) ในปีค.ศ. 1987 ให้คำแนะนำในกำหนดการชลประทานและกลยุทธ์สำหรับการควบคุมศัตรูพืชทั่วไปและ leafspotflorunner ถั่วลิสงที่ปลูกในสภาพเฉลี่ยในจอร์เจีย [26] FARMSYSโดยที่ภาคเกษตรวิศวกรรมศาสตร์ในการพัฒนามหาวิทยาลัยฟลอริดาในปี 1988 ให้คำแนะนำที่เกี่ยวข้องกับการเกษตรงานวิจัยที่ดำเนินการใน Sitiung, Sumatrain ตะวันตกบนมินังกาบัวชวา และชุมชน transmigrant ซูดาน [11, 7] ระบบผู้เชี่ยวชาญนอกจากนี้ยังถูกใช้เพื่อสนับสนุนการบริหารคู่ครอบ [10]ความพยายามเหล่านี้ชี้ไปที่ความสำเร็จของระบบผู้เชี่ยวชาญเกษตร exploitingอย่างไรก็ตาม เราจะไม่เกี่ยวข้องใด ๆ พยายามที่ใช้ระบบผู้เชี่ยวชาญเทคนิคใน agroforestry ดังนั้น พยายามอธิบายไว้ที่นี่เป็นการบุกเบิกงาน และอาจจะเป็นก้าวสำคัญในการวางแผนและออกแบบระบบ agroforestryAgroforestry และซอย croppingคำอธิบายโดยย่อของ agroforestry cropping ซอยได้ที่นี่สำหรับการประโยชน์ของผู้ไม่คุ้นเคยกับเหล่านี้ Agroforestry เป็นกลุ่มชื่อสำหรับที่ดินใช้ระบบซึ่งวู้ดดี้ perennials ตั้งใจปลูกบนที่ดินชิ้นเดียวกันเป็นพืชเกษตรและ/หรือสัตว์บางอย่างใดอย่างหนึ่งแบบฟอร์มการจัดพื้นที่ หรือลำดับ ในระบบ agroforestry การคอมโพเนนต์วู้ดดี้โต้ตอบระบบนิเวศ และทางเศรษฐกิจกับพืชผลหรือส่วนประกอบของสัตว์ โต้ตอบดังกล่าวมีหลายรูปแบบแตกต่างกันทั้งบวก และ ลบ และพวกเขาต้องไม่มั่นคงเวลาผ่านไป ที่จุดมุ่งหมายหลักการและเหตุผลของระบบ agroforestry ส่วนใหญ่จะเพิ่มประสิทธิภาพในแง่บวกโต้ตอบเพื่อให้ได้ยอดรวมสูง ที่เพิ่มเติมมากมาย หรือเป็นมากขึ้นผลิตอย่างยั่งยืนจากทรัพยากรที่มีอยู่ได้ด้วยรูปแบบอื่น ๆ ของการใช้ที่ดินขึ้นระบบนิเวศ เทคโนโลยี และสังคมเศรษฐกิจสภาพ [15] มีหลายตัวอย่างของคนพื้นเมืองagroforestry ระบบในประเทศกำลังพัฒนาในระดับชาติและ[25]ซอย cropping คือระบบ agroforestry ต้นไม้ใด leguminousมีปลูกในแถวกับพืชอาหาร cultivated ระหว่างพวกเขา มีต้นไม้pruned on a regular basis to minimize shade to associated crops, providenitrogen-rich foliage, recycle nutrients, and, in some cases, to provide additionaloutputs such as fodder and firewood. As the tree foliage may serveboth as mulch and fodder, the system also provides a means of integratingcrops and animal production. Economic analyses have indicated that alleycropping may be a profitable enterprise for farmers in certain environmentalconditions. A substantial body of research information on various aspectsof alley cropping from different parts of the tropics has become availableduring the past five years; some selected references include: Attah-Krah andFrancis 1987; Budelman 1988a; 1988b; Jama and Nair 1989; Duguma,Kang, and Okali 1988; Gill and Patil 1985; Huxley 1986; Jama et al. 1986;Kang, Wilson, and Lawson 1984a; 1984b; Kang, Grimme, and Lawson1985; Kang and Duguma 1985; Kang and Wilson 1987; Nair 1984; Nair1987; Sumberg 1986; Wilson, Kang, and Mulongoy 1986; Yamoah, Agboola,and Wilson, 1986a; 1986b; Young 1987. Thus, alley cropping is ofconsiderable interest to researchers, policy makers, and farmers in developingcountries.Development of the Agroforestry Expert SystemThe process of developing knowledge-based expert systems is known asknowledge engineering, and it includes several distinct steps. The methodologiesproposed by Harmon and King [12], Waterman [31], Weitzel andKerschberg [32], and others were followed to ensure that UNU-AES wassuccessfully developed. Typical phases of expert system development are:1. Selection of an Appropriate Problem2. Development of a Prototype System3. Development of a Complete System4. Evaluation of System5. Integration of a System6. MaintenanceAlley cropping was selected as the focus of this first effort in the applicationof expert system technique to agroforestry because of the availability ofknowledge in forms appropriate to expert system construction, and becauseof its potential applicability as an agroforestry practice in developing countries.Waterman [31] suggests that within the development of a prototypesystem, there are actually three prototype systems developed. The first is thedemonstration prototype, the purpose of which is to determine if theapproach ('proof of concept') is viable and system development is achievable.The second prototype, known as the research prototype, displayscredible performance on the entire problem. In most cases, the system is'fragile' in several areas due to incomplete testing and revision. The third isthe field prototype, the purpose of which is to display good performancewith adequate reliability on the overall system. This activity is achieved byextensive testing in the user environment [31]. This stage of developmentprecedes the development of a complete system and is the current status ofUNU-AES.In order to develop the system, the domain experts (Nair, assisted byco-workers) and the knowledge engineers (Warkentin, Ruth, and Sprague,assisted by co-workers) interacted continously. The activities performed forthe selection of the appropriate problem and the development of threeprototypes will be discussed in a later publication. (Readers are encouragedto contact the first author for additional details.)Specifying performance criteriaThe performance criterion selected for this project was to have UNU-AESachieve results that were consistent with those generated by the primarydomain expert. In other words, each time UNU-AES would be consulted,it was expected to provide the same advice as would a recognized expert onalley cropping. Although this is quite optimistic, it established a benchmarkby which to test UNU-AES.Selecting the development environment and toolsEXSYS Professional, by EXSYS, Inc., was selected as the expert systembuilding tool to develop UNU-AES. This software package was chosenbecause of a combination of several factors. The first is the requirement of
การแปล กรุณารอสักครู่..