專家系統應用于自閉癥兒童的研究述評

陽 澤 韓睿婷 王寶珠

（西南大學教育學部 重慶 400715）

一、引言

專家系統（Expert System）作為人工智能（Artificial Intelligence）研究領域之一，指通過模擬人類專家的思考推理過程，使用符號推理解決問題[1]的一種人工智能計算機程序。專家系統通常由人機接口（Interface）、知識庫（Knowledge base）、推理機（Reasoning Machine）、解釋器（Interpreter）、全局數據庫（GlobalDatabase）等部分構成，知識庫和推理機是最基本的模塊[2]，知識庫存儲著專家經驗、書本知識與常識性知識，推理機又稱為推理引擎，負責控制、協調整個系統[3]。伴隨計算機科學和人工智能的發展，專家系統已成功地運用到醫學[4]、健康[5]等領域，其中專家系統在自閉癥兒童教育和治療中的應用受到研究者的積極關注[6]。

美國疾病控制中心（Centers for Disease Control and Prevention,CDC）發布的最新數據顯示，自閉癥譜系障礙（Autism Spectrum Disorder，ASD，以下簡稱自閉癥兒童）的發病率已上升到1/59[7]，世界其他國家自閉癥障礙的發病率亦持續升高。研究顯示，自閉癥癥狀一般要在孩子12到18個月時才顯現[8]，許多家庭因未能及時發現孩子癥狀而錯過康復和發展關鍵期。當前自閉癥的診斷難以依據個體的生物化學指標[9]，通常依賴于臨床醫生和專家的觀察和經驗，在診斷時容易受到主觀干擾；此外自閉癥的癥狀很容易和精神疾病癥狀混淆[10]，誤診時有發生。低效率的人工診斷和不夠準確的診斷結果促使人們尋求輔助工具來支持臨床實踐。專家系統能夠從過去的數據中學習并與最新數據進行比較從而提出適合當前問題的新的解決方法[11]，具有快速、易操作、無害且經濟等特點[12]，有助于改善臨床實踐和治療[13]，可有效用于自閉癥的診斷和干預。目前，國外學者圍繞專家系統在自閉癥兒童中的應用研究已取得明顯進展，國內學界尚缺乏此類研究。有鑒于此，筆者追蹤國外專家系統在自閉癥兒童中的研究進展，意在揭示專家系統應用于自閉癥兒童研究的現狀和不足，為推動我國自閉癥專家系統研究提供借鑒和參考。

二、文獻選取

以 autism / autistic、expert system / knowledge-based system 為關鍵詞，檢索Springer、ProQuest、ACM、IEEE等電子期刊外文數據庫，檢索時間范圍不限，去掉重復文獻，初步檢索出相關英文文獻30 篇。為了使所選文獻更符合主題，根據以下標準進一步篩選檢索的文獻：（1）直接以專家系統應用為主題；（2）在專家系統應用中直接或間接涉及到自閉癥；（3）屬于實證或綜述類研究文獻。最終篩選出直接相關文獻18篇。所檢索到的文獻時間跨度從1992年到2018年，2010年以后文獻數量增長明顯，截止2016年，出現了研究的小高峰。文獻時間分布趨勢圖如圖1 所示。專家系統在自閉癥兒童中的應用研究文獻涉及專家系統的知識表征與獲得、專家系統的功能、專家系統的評估檢驗和針對用戶的專家系統四大主題，文獻主題頻次如圖2所示。

圖1 文獻時間分布趨勢圖

圖2 文獻主題頻次圖

三、專家系統在自閉癥兒童中的應用研究現狀

（一）知識表征和獲取視角的研究。人工智能問題的求解是以知識表征為基礎[14]，知識表征是知識在計算機中的表示方法和表現形式[15]。常用的知識表征方法有謂詞邏輯表征法、產生式表征法、框架表征法、語義網絡表征法等[16]。根據知識表征方法可將目前應用于自閉癥的專家系統歸為基于規則的專家系統、基于邏輯的專家和基于本體混合型的專家系統三類。

產生式表征法最早由post在1943年提出[3]，它將知識表征為條件語句[17]，以If…Then的結構呈現。這種知識表征形式直觀自然且能表示多類型知識[2]，因而目前大部分專家系統采用產生式表征法，即基于規則的專家系統?；谝巹t的專家系統尤其適合應用于醫療系統[14][18]，是最早應用在自閉癥兒童中的專家系統，并以Veeraraghavan研究的知識篩查器（Knowledge based Screener）[6]為代表?；谝巹t的專家系統通常由知識庫（Knowledge base）、推理引擎（Reasoning engine）、數據庫（Database）三個基本組件構成[18]。知識庫作為專家系統中的關鍵部件，它包含事實性知識（Factual Knowledge）和啟發性知識（Heuristic Knowledge）[6]。事實性知識指某領域中廣泛共有的知識[19]，例如源于Qualifier and Choice知識工程中的事實[20]，啟發性知識指專業領域經驗和具有啟發意義的知識[19]，例如有關自閉癥行為治療和不同教學計劃的知識[21]。推理引擎常使用前向鏈接（Forwardchaining）（即推理過程從一組條件開始并向一些結論發展）[6]、后向鏈接或混合推理方法[21]形成推理鏈以操縱推理過程。由于人們常會使用一些模糊語言，比如很少、經常等，特別是當對自閉癥兒童進行診斷時，常常需要處理這些不完整、不確定的詞匯，產生式表征法可表示不確定性知識[2]，在此基礎上有學者開始將模糊邏輯技術引入基于規則的專家系統中[22]。模糊邏輯（Fuzzy Logic）類似于人類的感覺和推理過程[23]，更貼近日常生活，被認為是不確定推理，即從不確定性的初始證據出發，通過運用不確定的知識[24]最終推出具有更高確定性的判斷。模糊邏輯知識表征的結構與一般的基于規則的專家系統稍有不同，由輸入模塊（Input Module）、模糊化模塊（Fuzzify module）、決策模塊（Decision Module）等組成[11][22][23]。此外，有學者借助成熟的專家系統外殼（ES shell）工具例如JESS[21]、eXpertise2Go[25]來開發此類專家系統。

相比產生式表征法，使用謂詞邏輯表征的專家系統較少。隨著基于一階謂詞邏輯和歸結原理的PROLOG（Programming in Logic）語言的推廣[18]，基于謂詞邏輯的專家系統開始多起來。謂詞邏輯（Predicate Logic）表征法是指各種基于形式邏輯(Formal Logic)的知識表征方式，利用邏輯公式描述對象、性質、狀況和關系[16]。謂詞邏輯表征的各條知識相互獨立[18]方便知識庫的擴充；其嚴密的推理結構保證了經演繹推理所得出結論的精確性[2]。因而有學者關注到謂詞邏輯表征法的優勢，基于邏輯的專家系統也被應用在自閉癥兒童中[26]。巴基斯坦自閉癥兒童診斷專家系統（Pakistan Childhood Autism Diagnostic Expert System，PCADEX）根據自閉癥的水平來確定回答問題的數目，每個問題有三個選項且都鏈接到下一個問題的所有選項，并使用統計技術（即排列和組合）定義了四條不同診斷路徑[10]，從而得到四種不同診斷結果。兒童自閉癥診斷專家系統則直接采用了發育量表（PEDS）和自閉癥診斷工具（Childhood Autism Rating Scale,CARS）支持的診斷算法[26]作為推理過程的機制。PROLOG語言是涉及人類推理的最高級通用語言，強調任何給定問題的實體之間的邏輯關系[10]，因此適合開發基于邏輯的專家系統。在自閉癥兒童中涉及到的基于邏輯的專家系統大部分使用PROLOG語言開發。

產生式規則和謂詞邏輯雖是重要的知識表示方法，但難以表征復雜的知識結構。單一的知識表征方法總存在一定的局限從而無法滿足智能化設計系統的需要[27]，因而混合的知識表征方法被引入到專家系統中，例如基于本體混合型的專家系統。本體是共享概念模型的形式化規范說明[28]，具有很強的表達概念語義和獲取知識的能力[29]，有利于知識共享和重用。本體混合型知識表征法是指將幾種單一知識表示方法按照本體原理組成的一種知識表征法，具有表示簡潔、明確、推理性強等特點[27]。Venkatesan 等學者開發的基于內容提取機制的語義電子學習系統則屬于此類專家系統，它從自閉癥領域知識和相關教學方法構建混合本體表征知識，使用語義 Web 規則語言（Semantic Web Rule Language，SWRL）創建規則，利用Pellet Reasoner 進行推理[30]。由于基于本體混合型的專家系統可能技術不夠成熟，鮮有相關研究推廣使用這種方法。

專家系統的質量水平由知識庫中知識的質量和數量決定[31]，而高質量知識需經過知識獲取這一關鍵步驟。知識獲取（KnowledgeAcquisition）指的是把用于求解專門領域問題的知識從擁有這些知識的知識源中抽取出來[18]，即知識來源。在自閉癥兒童中應用的專家系統的知識庫的知識來源主要有五類：一是知識由該領域的專家和臨床醫生提供[23]；二是向家長或教師發放問卷調查或者訪談[32]；三是直接根據自閉癥兒童的癥狀等[20]，在醫院收集患者資料[33][34]；四是從文獻回顧和權威科學出版物獲取，如使用自閉癥治療評估清單（Autism Treatment Evaluation Checklist，ATEC）的在線表格[10]，對自閉癥及相關文獻進行回顧；五是從數據庫中獲取，從包含自閉癥和非自閉癥兒童記錄的數據集中獲取知識[35]。在實際的過程中，知識獲取方式通常是結合使用的，以便獲得更豐富的知識。

（二）功能特征視角的研究。目前應用于自閉癥的專家系統主要體現出診斷和治療兩大功能。

準確的診斷結果是成功干預的前提，因此最早開發的自閉癥專家系統是為了診斷嬰兒自閉癥和其他發育障礙[36]，由此自閉癥的診斷類專家系統逐漸發展。診斷類專家系統的功能主要是對自閉癥進行診斷和篩查。由于自閉癥異質性較大，因此臨床上的診斷標準未達成一致，不同區域和不同專家系統所依據的診斷標準也不統一。例如有專家系統僅根據自閉癥的行為特性[10]來診斷，也有專家系統將臨床癥狀和發育特征[26]均考慮在內，還有將最新發布的精神診斷和統計手冊第五版（DSM-IV）中的社交溝通障礙和刻板行為[11]作為依據。自閉癥的診斷型專家系統所提供的功能可進一步分為三種：第一種是提供直接的診斷或篩查功能，即判斷兒童是否患有自閉癥，最初的診斷型專家系統也僅提供這種簡單功能。雖然印度的自閉癥醫學領域發展仍處于初期階段，但其開發的知識篩查系統能夠在早期識別出自閉癥[6]，這樣的輔助技術有助于醫生診斷。伊朗的自閉癥篩查專家系統（Autism Screening Expert System，ASES）主要是用于對2 至6歲兒童的早期篩查[32]，以便盡早對自閉癥兒童進行康復治療。這類診斷型專家系統能夠處理與自閉癥診斷和分析的不確定性[8]，輔助傳統醫學診斷。盡管已有多種技術來預測自閉癥，但仍缺乏確定自閉癥兒童嚴重程度的研究和系統[22]。為了保證有針對性的治療，因此診斷類專家系統出現了第二種功能，即診斷并且分類。專家系統不僅判斷兒童是否患有自閉癥，還給出具體的診斷結果如所患自閉癥的嚴重程度和具體類型。巴基斯坦自閉癥兒童診斷專家系統根據得分判斷是否為自閉癥并將其分為邊緣、輕度或重度三個級別[10]。馬來西亞的模糊專家系統則將自閉癥分為1 級（輕度）、2 級（中度）和3 級（重度）[11]。自閉癥的咨詢專家系統（Autism Advisory Expert System）則可以診斷出低、中、高水平的自閉癥，阿斯伯格（Asperger's Disorder）和兒童分裂癥五種類型（Child Disintegrative Disorder，CDD）[25]。隨著研究的深入，細節完善成為診斷類專家系統改進的方向，由此第三種功能更注重的是快速診斷并分類且易于使用。2018年新提出的分層模糊專家系統（Fast and Accurate Diagnosis of Autism，FADA）提供簡單操作界面，能快速準確地診斷出自閉癥及嚴重程度，還清楚地顯示出高度受損區域[23]，例如自閉癥兒童在社交關系上是輕度損傷的。此外，在一部分診斷類專家系統中還給出了詳細解釋和治療建議等。

隨著專家系統應用技術的成熟，研究者的視野不再局限于自閉癥診斷領域，他們嘗試擴大專家系統應用范圍，積極研發治療類的專家系統。自閉癥的治療類專家系統主要提供教育與服務支持的功能，可進一步劃分為兩種：第一種是從多方面圍繞自閉癥兒童學習的發展提供服務，通常為單獨運作的專家系統。針對自閉癥患者對面部表情的認知存在的各種困難，面部表情專家系統（Face-Expression Expert Program，FEEP）通過在面部表情(Facial Expression)、情感-詞（Emotion-word）、描述性句子（Descriptive Sentence）和情緒韻律（Prosody of Emotion）建立等效關系來使自閉癥患者形成面部表情的概念[37]，有助于自閉癥患者面部表情發展。印度的一款電子學習系統能根據自閉癥兒童的實際水平來提供相應的教學內容，目前主要是植入AARAMBH教學課程為3-6歲兒童提供適當的學習內容[30]來滿足他們的個性需求。該工具具有擴展性，支持應用行為分析（Applied Behavioral Analysis，ABA）等方法。專家系統也能夠對自閉癥的學生進行能力測試[38]，方便教師調整教學方法和內容。第二種是將專家系統作為子系統或核心技術構建大型綜合系統為自閉癥治療提供支持。專家系統作為自閉癥兒童行為治療支持系統的重要部分儲存著大量行為治療和教學方法，其作用是根據兒童學習成效給予治療師干預建議[21]。知識自動化專家引擎（Knowledge Automation Expert Engine）協助智能移動工具來跟蹤治療和識別治療模式，同時根據每個孩子的具體情況提供最佳后續指導[39]，有助于治療團隊間的溝通合作并及時調整康復方案?？傮w來看，相比診斷類專家系統，治療類專家系統的數量還較少。

（三）評估檢驗視角的研究。專家系統只有經過驗證后達到一定的標準，才能投入到實際中使用。從評估檢驗這個角度來看，專家系統可劃分為兩類。

一是專家系統經過了驗證或者已投入使用，能夠表現出一定效果，或者評估結果理想。評估檢驗又分為兩類情況，第一種情況是專家系統的評估結果是通過實驗支持獲得的。有研究將正常兒童和自閉癥兒童分組納入到測試中，并將專家系統測試結果與臨床專家的診斷結果、自閉癥評定量表對比后具有高度一致性。伊朗的自閉癥篩查專家系統（Autism Screening Expert System，ASES）在鑒別自閉癥和正常兒童時分別達到了92.4%和93.1%的準確度[32]，印度的分層模糊專家系統（Fast and Accurate Diagnosis of Autism，FADA）則達到了99%的準確率，98.2%的靈敏度（指檢測實際病例的能力），99.2%的特異性（將正常兒童視為非自閉癥的能力）[23]。還有研究僅將自閉癥兒童的數據納入測試中來評估專家系統檢測的準確性。結果顯示專家系統基本都達到了90%以上的準確度[33][35]?？傮w而言，在實驗評估下的專家系統整體表現良好，但仍然有專家系統的結果與臨床心理學家的臨床結果相比，只超過60%的人表現出相似的結果[11]。這種評估檢驗的方法只是將數據輸入到專家系統中進行測試，在真實情景中表現如何有待商榷。第二種情況是將開發的專家系統交由專業人員和潛在用戶評估，通過應用反饋診斷效果。有研究邀請12名兒科醫院護士使用專家系統并采用半結構化訪談形式討論了其易用性、有用性和診斷價值，大多數人認為專家系統是可協助臨床實踐的潛在診斷工具[26]。阿曼蘇丹國的自閉癥的咨詢專家系統由25位自閉癥專家和潛在用戶進行評估，認為其具有易用性、靈活性、節省時間和金錢等優點，同時也有人擔憂系統不準確或有時無法正常運行[25]。第二種評估檢驗方法彌補了第一種方法的不足，通過人機交互更能夠反映出在真實情景中使用專家系統的益處和潛在問題。在未來兩種方法結合起來可能更有助于專家系統獲得大眾的認可。

二是專家系統未提供詳細的評估信息或尚未進行驗證。巴基斯坦的自閉癥診斷自動化系統雖已成功實現，但需要進一步在真實的對象中進行測試和驗證[10]。印度的電子學習系統雖業已完成，但只指出了該系統準備在印度的10 所學校進行測試和評估[30]，但具體的評估的結果尚未說明。沒有提供評估方面的數據，可能與系統的影響不明顯或者系統還不夠成熟等原因有關。評估結果作為驗證專家系統可用性的重要指標，應當經過嚴格地測試和試用合格才可推廣使用。這也是未來使用某個專家系統的重要依據。因此要使用這些專家系統，則需要圍繞它做一些實驗驗證或者通過其他方式來提供一個效果反饋，必須給出一個明確的結論證明系統的可用性。

（四）用戶個性視角的研究。從現有研究來看，學者們所提出的專家系統的使用對象分布較廣泛，涵蓋了臨床醫生、護士、家長、兒童、教師、治療師等。但大部分使用對象是醫療人員、治療師、家長，提供給教師、兒童用戶使用的較少。

醫療人員用戶主要包括醫生和護士，目前絕大部分診斷型專家系統都是提供給臨床醫生作為輔助工具使用[10][23][34]，以提高診斷準確率。同樣為了完善患病兒童的醫療保健服務，盡可能擴大早期篩查的范圍，專家系統被設計為具有足夠簡單的學習曲線，可被任何醫療人員使用[26]，方便護士隨時使用。

針對教師用戶主要是圍繞輔助教師開展教學活動而設計。專家系統可用于彌補傳統分類方法的缺陷，輔助特殊學校教師尤其是新教師對孩子的障礙類型進行分類[20]，協助教師對自閉癥兒童進行能力測試[38]，以提供合適的教學方法和內容。

針對家長用戶專家系統主要集中在提供咨詢服務和提供支持兩方面。當家長懷疑自己的孩子存在發育遲緩等問題時，可預先使用專家系統在去醫院就診前進行一個初步的診斷[25]，起到心理緩沖作用或者排除患病可能性。同時專家系統也能夠給予家長一些建議和指導，甚至能夠提供適當的家庭干預[6]。

學生用戶專家系統主要從教學方面來影響學生，目前側重兩個方面的服務：一是針對自閉癥兒童某一具體的缺陷領域而開發改善相應能力的專家系統，如面部表情專家程序來提升自閉癥兒童面部表情認知能力的發展[37]；二是根據自閉癥兒童的學習情況，提供個性化的學習環境[30]，滿足不同學生不同水平的學習需要。

針對治療師用戶的專家系統主要從輔助的角度考慮設計，專家系統能夠幫助管理治療數據，使用系統評估替代手工評估[11]，及時制定新的治療方案。對于治療師自身而言，專家系統也可以通過在線交流來增強治療師的實時訓練[39]，提高業務水平和質量。

四、反思與展望

基于以上研究文獻，可見關于專家系統的研究進展表現在三個方面。從內容上分析，專家系統應用于自閉癥兒童的研究主要體現在：一是利用專家系統對自閉癥進行診斷，大部分研究顯示利用專家系統能篩查、診斷出自閉癥兒童及嚴重程度，且普遍達到了良好的準確度；二是利用專家系統來幫助自閉癥兒童在多方面得到發展，一部分研究是通過專家系統提供個性化的學習內容，以發展自閉癥兒童的情感、學習，另一部分研究將專家系統融入到大型系統中輔助治療。從時間脈絡上分析，一是專家系統最早應用在自閉癥診斷方面，相比之下治療類專家系統的研究起步較晚。隨著時間推移，診斷類專家系統的功能不斷得到細化，具體表現為診斷結果越來越具體，治療類專家系統仍處于初期階段；二是不斷有學者利用新的技術來促進專家系統的發展。從數量上分析，近年來該領域的研究數量呈現上漲的趨勢，并且在2013年數量較多。總體而言，專家系統在自閉癥兒童的研究主要集中在診斷方面，而在自閉癥的治療和教育方面應用的較少，基本屬于應用型研究。

根據現有研究的不足并結合專家系統的發展趨勢，專家系統在自閉癥兒童應用中的研究將朝著四個方向演進。

（一）技術集成化。目前專家系統知識庫不具備明顯代表性難以推廣使用，并且知識獲取方式仍然以人工收集和輸入為主，不僅影響效率還無法獲得充足信息。因此在知識獲取方面需引進其他先進技術（例如數據庫技術）進行模型、方法、技術集成化[14]來實現知識的自動獲取[2]。從人工智能發展的大背景下可以預測，傳統的專家系統與面向對象、神經網絡以及模糊技術等新技術相融合，將是專家系統發展的總趨勢[14]。例如將機器學習算法應用到專家系統[40]，使得診斷結果更加精準。將專家系統嵌入到社交機器人中[11]來改善自閉癥兒童的社會性發展。

（二）功能多樣化?，F有研究多圍繞自閉癥的診斷展開，在教學、干預、治療等方面比較薄弱。從使用對象來看，提供給學生和治療師使用的專家系統太少。因此今后應重點關注治療類專家系統的研發。目前專家系統的功能比較單一，未來的專家系統應具備擴展屬性并增加功能模塊，例如診斷型專家系統可以納入更多的障礙類型[20][25]，涵蓋更多的特殊對象；增加其他模塊[20]，提供更多的有關治療、營養和鍛煉的建議[25]，甚至可以提供家庭干預。總之，未來的專家系統不再只是提供某一方面的功能，而是集多重功能為一體。

（三）系統大型化。從單學科、單功能、專門性的小型專家系統向多學科、多功能、綜合性的大型知識系統發展[14]是專家系統未來發展的另外一個趨勢。傳統的特殊教育是將診斷、治療等過程割裂開的，實際上這些過程是相輔相成的，在治療的過程中隨時需要對自閉癥兒童進行評估，而大型的綜合專家系統能將所有的過程融合在一起，包括數據收集與分析、生成結果、評估、提供服務等一系列操作。

（四）設計人性化。專家系統始終是機器，而人類是復雜的，尤其是面對異質性較大的自閉癥時專家系統的局限就在于無法完全替代人類，比如診斷型專家系統仍然需要人類專家面對面的診斷[25]。為了盡可能地利用好專家系統，在設計上就要講究人性化，輔助人類高效工作。專家系統應根據不同對象考慮其效用和用戶體驗。當使用者為臨床醫生和專業人員時，應保證系統具有專業水準和嚴謹性。當使用者為家長時，系統具有易用性。當使用者為學生時，則要充分考慮到自閉癥兒童的年齡、障礙等差異以滿足不同需求，系統設計要具有吸引力[20]，應根據自閉癥兒童的特點設計，能夠引起自閉癥兒童的注意和興趣。隨著科技的發展，人們越來越多地使用便攜式設備，從現有研究看多數專家系統是基于電腦平臺的，因此專家系統也應當能提供安裝到便攜式設備例如手機的版本[41]。從這個角度來看，專家系統應當具有移植性。此外，專家系統應具備實時互動性，能夠提供共享功能以協助家長與專業人員及時交流，共同幫助特殊兒童。

隨著科技的發展，專家系統必將成為人類的左膀右臂，更好地輔助人類工作，特別是在康復領域具有深遠的應用前景。從已有研究來看，專家系統應用于自閉癥的篩查與診斷方面，并且也取得了一定成效，推動了自閉癥的醫學診斷和治療。但就目前而言，我國在這方面無論是基礎研究或是應用研究都很薄弱，迫切需要更多的研究者投入探究，尤其是人工智能技術和特殊教育診斷干預兩方面。我國自閉癥的診斷和治療還很不方便，為了給更多的自閉癥兒童提供優質服務，需進一步完善特殊教育診斷干預的研究；同時隨著教育信息化的大力推進，應結合特殊教育研究進一步深入挖掘人工智能輔助技術。總之，用于自閉癥的專家系統具有重復操作與客觀評估等特點，有利于克服人工誤差與人工疲勞等缺陷，在我國目前特殊教育人才資源緊缺的背景下具有重大意義和價值。筆者認為，為了將自閉癥的專家系統研究在我國推廣開來，可從以下幾方面努力：其一是與國外合作研究。借鑒國外已有的先進經驗，并保持學術交流，進而積極開展合作研究。其二是加強本土化研究。知識庫與推理機制應根據我國自閉癥的人口特征特點定制，以建構本土化知識庫以及推理特色。其三是強化推廣與應用。國家應做好宣傳工作，并大力推廣已證明有效的研究成果至醫療單位、學校等使用，特殊教育變得智能化。其四是追蹤前沿動態。持續關注并獲取最新技術，將其融入到現有的專家系統，及時對產品更新換代。