该文档是关于“人工智能小型专家系统的设计和实现”的教学材料，旨在让学生通过实际操作加深对人工智能和Prolog语言的理解，培养开发智能系统的能力。实验内容包括构建一个小型教授系统，允许用户与系统互动进行问题推理，以及一个动物分类的规则集。
在设计和实现人工智能小型专家系统时，主要涉及以下几个知识点：
1. **知识表示**：使用产生式规则作为知识的载体，这是专家系统中常见的知识表示方法。每个规则由前提条件和结论组成，形式为“如果...那么...”。
2. **Prolog语言**：Prolog是一种用于逻辑编程的语言，常用于知识表示和推理。学生需要掌握Prolog的基础语法和查询机制，以便编写和理解教授系统的规则。
3. **用户界面**：可以是菜单驱动或问答式，目的是提供友好的交互方式，让用户输入问题或信息，系统根据这些输入进行推理。
4. **知识库（规则库）**：存储产生式规则的地方，规则应能够方便地添加和删除。这要求系统具备管理和更新知识库的功能。
5. **数据库**：保存用户输入、已知事实和推理过程中的中间结果，是推理过程的重要组成部分。
6. **推理机**：负责控制如何使用知识库中的规则进行问题推理。通常采用正向推理，即从已知事实出发推导出未知结论。
7. **推理策略**：包括正向推理（数据驱动）、反向推理（目标驱动）和双向推理。正向推理是从已知事实出发，按照规则推导；反向推理则是从目标出发，寻找满足目标的路径；双向推理结合两者，同时进行。
8. **动物分类规则集**：提供了具体的例子来展示如何应用产生式规则进行分类。这些规则涵盖了哺乳动物、鸟类的各种特征，如是否有奶、毛发、羽毛、是否会飞等，通过这些规则可以识别出动物的种类。
9. **程序调试与运行环境**：实验推荐使用TurboPROLOG或VisualProlog这样的集成开发环境来调试和运行Prolog程序。
在实施这个实验时，学生需要理解每个步骤的目标，编写和调试Prolog代码，构建一个能够处理用户输入并基于规则进行推理的系统。通过这个过程，学生不仅可以学习到人工智能的基本原理，还能锻炼问题解决和编程技能。
