它处理问题的方式特别死板——套既定规则，翻内部数据，再结合当前信息一通推导。

    赵卫国搭这套程序的时候，得提前把全套运行标准和操作规范定死，再配套搭好专属数据库。

    小主，这个章节后面还有哦，请点击下一页继续阅读，后面更精彩！

    结果就是，整套程序跑起来特别僵，没什么灵活应变的能力，实用价值大打折扣。

    同时，这类系统极度依赖符号处理和逻辑推导，这也是它完成计算、得出结果的唯一方式。

    程序会老老实实地按预设逻辑规则，一个符号一个符号地处理，一层一层推导，最后输出结果或者执行方案。

    这种基于符号推演的模式，好处是逻辑精准，但一碰到复杂、模糊、没什么固定套路的情况，短板就全暴露了。

    之所以叫它专家系统，核心原因很简单——它的智能来源，是行业顶尖专家的知识体系。

    开发这类系统，目的就是完整复制专家的知识储备、思维方式和决策逻辑。

    研发人员把专家们脑子里那套经验学识整理出来，搭成数据库，再配上推理模块，完完整整地模拟专家思考、分析、决策的全过程。

    正因如此，专家系统才能在某些固定的细分领域里，给出专业度极高、准确率也不错的解决方案。

    赵卫国之前自己搞的那套人工智能，也是拿他自己的专业知识当核心，搭起来的整套规则体系。

    知识推理型专家系统还有个挺明显的优势：整套决策过程全程透明，有迹可循。

    使用者能顺着逻辑脉络和规则应用过程，清清楚楚地知道系统为什么得出这个结论。

    这种透明化的特质，确实能让人更愿意信任系统给出的判断结果。

    但真要扔到专业数据研判、复杂数据分析这种高端场景里，这套系统就明显拉胯了，根本使不上劲儿。

    凭赵卫国那恐怖的数据解析能力和心算能力，他自己整理的数据、搭出来的推演模型，分分钟碾压这种基础智能程序。

    除此之外，还有一个绕不过去的硬伤：专家系统只能用在场景固定、范围有限的标准化工作里。