我国农业专家系统存在的问题和对策

(一) 应用中存在的问题和对策

1. 农业专家系统的应用与开发脱节

我国的一些农业专家系统只强调应用，缺乏进行二次开发所需的专家系统开发工具，使用者无法根据当地实际情况创建知识库和模型库，限制了专家系统的进一步应用。农业专家系统适用对象狭窄，一些农业专家系统追求所谓先进性，要求高档次的硬软件，也要求使用者有一定的计算机技术基础，很难在农业基层普及；一些农业专家系统与领域知识结合不够，停留于科普性知识介绍，其先进性和实用性不高。

2. 人工智能技术还不成熟

在农业专家系统等人工智能技术中，由专家整理出来的知识大多属于这个领域的浅层知识，形式上也主要是条件规则型知识。因为知识种类、数量可能很多，难于详细检验，待到专家系统具体使用这些知识时，机械死板的计算机程序就有可能推导出一些错误的结论。另外，目前各种专家系统在收集、整理专家知识时并没有把专家是如何学习、获得这些知识的知识整理出来，这样开发的专家系统并不具有真正的学习能力，结果导致系统的表现只能处理人类专家见过的各种情况，不能“随机应变”，人工智能面临严峻的考验。

(二) 发展中存在的问题和对策

1. 知识获取困难、存储方式落后

我国是农业大国，农业信息资源极其丰富，但农业信息网络和数据库的建设严重滞后，缺乏有序管理，使专家系统的知识来源比较单一。另外，我国已完成了农业普查、土地利用现状调查等基础性工作，取得了大量的属性数据图和形数据，这是农业专家系统的基础数据。但这些数据大多以纸为存储介质，不但信息的精度和数量受到限制，信息的更新也不方便，影响其时效性。农业专家系统应采用现代化的存储手段。

2. 没有通用的知识表示方法

在我国专家系统的构建过程中，对精确性知识多采用产生式规则方法，但每一种知识表示方法只能适用于表示某种或某些类型的知识，至今还没有通用的知识表示方法。农业领域知识的复杂性，要求多样性的知识表示方法，例如基于面向对象的知识表示、人工神经元网络等。

3. 推理策略比较单一

我国农业专家系统的推理策略比较单一，三种推理方式基本上是针对规则型知识的，而实际生产中的许多事实、概念并不能精确描述，不能使用精确推理规则，而需借助于概率论、证据理论、模糊理论等数学方法。

4. 开发工具不完善

我国农业专家系统的开发工具在应用国外较成熟的开发工具的同时，也自主研制了一些开发工具。但目前国内开发的农业专家系统生成工具大都在处理文字描述的定性知识方面功能较强，而在处理用数学模型描述的定量知识方面很少涉及。多功能、高效的专家系统开发工具壳的研制开发，是信息技术发展的必然趋势。