如何对领域模型进行建模-以地震应急为例

专家系统的概念（1991已经有相关专著 James Ignizio, Introduction to Expert Systems）似乎很早就已经提出来了，其提出的一个主要的目的就是为了使得计算机不仅仅是一个快速的计算器和庞大的存储器，而是能够在一定程度上拥有智能，从而能够解决许多相应的实际问题，从而在很高的层面上代替人进行工作。事实上，专家系统的研究也是人工智能领域早期研究的一个重要的分支，这一点也非常地容易理解，因为人们总是很好奇，计算机到底能在多大程度上像人类一样思考。不过很可惜的是，似乎知道今天，也没有这么一个如同彭罗斯《皇帝新脑》一书中所描绘的伟大系统的诞生。计算机依然非常愚蠢，但是不过怎么样，随着知识工程这个领域研究的深入，我们也越来越惊讶于我们以前曾经忽视的我们大脑所具有的一些神奇的能力。不过，本文所要论述不是人的能力，而是机器的能力，介绍一种建模的方法，以及建模的例子，来使大家明白目前的计算机到底“聪明”到了哪种程度？

我们讨论的例子非常地贴近生活：
今年5月在中国四川发生了一次震级里氏8.0级的地震，造成了重大的人员伤亡。假设你就是负责汶川地震应急抢险的信息支持的工程师，那么，你如何在很短的时间里，根据中央领导的要求，快速组装出能够帮助进行决策的应急地图系统。

如果你是一个信息领域的专家，应该不难看出，这是一个非常困难的问题。从技术角度来看，这个组装过程涉及到以下几个方面的问题：
1. 数据源的问题，数据从何而来，如何读取
2. 数据标准的问题，对于一个要综合相当多的方面的大系统来说，我们可能并没有一套全面适用的标准来对数据进行统一的操作，甚至在一些子领域，我们都没有数据交换标准。比如说对于空间数据，可能中国军方提供的数据是基于西安80坐标系统，而其他国家为我们提供的最新的卫星影像的数据则是基于WGS84坐标系统，而这两种坐标系统的数据在没有进行转换前则是不能够简单地进行叠加的。
3. 概念实体建模的问题，在对概念建模的过程中（往大了说就是知识表达），我们经常使用的方法是本体法，但是如何建立这个本体？却是一个很大的问题，因为不同专业领域的人可能对于相同的概念有着截然不同的理解，如何克服这种差异？在这里，我们要讨论的则更多的是另外一种差异，就是人的大脑中理解和我们使用计算机所能理解的本体语言表达出来之后的差异。或者说，计算机是否有这么一种能力，能够完备地表达出我们对于一个概念的理解。

（to continue...）