hệ hỗ trợ quyết định, hệ chuyên gia

Ngày nay, với sự phát triển chung của công nghệ thông tin toàn cầu, hệ chuyên gia tiếp tục được phát triển nhắm cung cấp những công cụ hữu ích cho các ứng dụng tin học trong nhiều ngành

TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI VIỆN TOÁN ỨNG DỤNG VÀ TIN HỌC

BÁO CÁO CUỐI KÌ

HỆ HỖ TRỢ QUYẾT ĐỊNH

CHỦ ĐỀ: HỆ CHUYÊN GIA

Giảng viên hướng dẫn: TS Lê Chí Ngọc

Nhóm sinh viên thực hiện: Nhóm 8

Tên sinh viên Mã số sinh viên:

Trần Tùng Dương

Phạm Thị Lan

20160871

20162286 Nguyễn Thiện Đông

Lê Thành Trung

20161027

20164243

Hà Nội, 2020

MỤC LỤC

Lời mở đầu 4

Phần I: Hệ hỗ trợ quyết định tự động 5

I.1 Hệ dựa trên luật (RB system) 5

I.2 Hệ hỗ trợ quyết định tự động (Automated decision system) 5

Phần II: Trí tuệ nhân tạo 11

II.1 Khái niệm 11

II.2 Khi nào một máy tính được gọi là Trí tuệ nhân tạo 11

Phần III: Hệ chuyên gia (ES) 14

III.1 Các khái niệm 14

III.1.a Khái niệm hệ chuyên gia 14

III.1.b Chuyên gia 14

III.1.c Chuyên môn 15

III.1.d Đặc trưng của ES 16

III.2 Ứng dụng của ES 16

III.3 Cấu trúc của ES 19

III.3.a Hệ thống con thu nhận kiến thức 19

III.3.b Nền tảng tri thức 20

III.3.c Công cụ suy luận 21

III.3.d Giao diện người dùng 21

III.3.e Bảng đen 21

III.3.f Hệ thống con giải thích 22

III.3.g Hệ thống tinh chỉnh tri thức 22

Phần IV: Phát triển hệ chuyên gia 23

IV.1 Xác định bản chất và phạm vi của vấn đề 23

IV.4 Lựa chọn công cụ 24

IV.5 Mã hóa hệ thống 26

IV.6 Đánh giá hệ thống 26

Kết luận 27

Danh mục từ viết tắt 28

Tài liệu tham khảo 29

Lời mở đầu

Thuật ngữ “Hệ chuyên gia” đã xuất hiện từ thập niên 60 của thế kỷ XX, là một

trong những lĩnh vực ứng dụng trí tuệ nhân tạo Ngày nay, với sự phát triển chung của công nghệ thông tin toàn cầu, hệ chuyên gia tiếp tục được phát triển nhắm cung cấp những công cụ hữu ích cho các ứng dụng tin học trong nhiều ngành nghề khác nhau trong xã hội như khoa học, công nghệ, y học, tài chính,…

Vì vậy, nhóm chúng em chọn chủ đề “Hệ chuyên gia” (ES) để tìm hiểu một số vấn đề cơ bản như sau:

- Khái niệm và ứng dụng của Hệ hỗ trợ quyết định tự động dựa trên luật (Automated rule-based decision systems)

- Tầm quan trọng của tri thức trong việc hỗ trợ quyết định

- Khái niệm và sự phát triển của Hệ chuyên gia dựa trên luật (Rule-based Expert system – RB ES)

- Kiến trúc của RB ES

- Lợi ích và hạn chế của Hệ dựa theo luật cho việc hỗ trợ quyết định

- Những công cụ và công nghệ để phát triển Hệ hỗ trợ quyết định dựa trên luật (RB DSS)

Nhóm chúng em trong quá trình tìm hiểu và báo cáo có thể còn nhiều thiếu sót, rất mong nhận được sự góp ý, bổ sung của thầy và các bạn

Phần I: Hệ hỗ trợ quyết định tự động I.1 Hệ dựa trên luật (RB system)

- Trong Khoa học máy tính, hệ dựa trên luật là hệ được sử dụng để lưu trữ và vận dụng tri thức, mục đích là diễn giải thông tin theo cách một cách hữu ích

- Thông thường, thuật ngữ này được áp dụng cho các hệ thống liên quan đến các bộ quy tắc do con người tạo ra hoặc quản lý, và được xây dựng bằng suy luận quy tắc

tự động

I.2 Hệ hỗ trợ quyết định tự động (Automated decision system)

- Hệ hỗ trợ quyết định tự động (ADS), đôi khi còn được gọi là hệ thống tự động hóa

hỗ trợ quyết định (Decision automation system – DAS), là một hệ thống RB, nó cung cấp giải pháp cho một vấn đề quản lý lặp đi lặp lại cụ thể (ví dụ như phê duyệt hoặc không phê duyệt yêu cầu cho vay; xác định giá của một mặt hàng trong một cửa hàng), trong một lĩnh vực, ngành nghề đặc thù (ví dụ như tài chính, sản xuất)

- Ngược lại với các phương pháp khoa học quản lý, những cái mà cung cấp giải pháp dựa trên mô hình (model-based) cho các vấn đề chung chung có cấu trúc (như phân

bổ tài nguyên, xác định mức tồn kho), ADS cung cấp giải pháp dựa trên luật

- Các ví dụ về luật kinh doanh như sau:

+ Nếu chỉ có 70% số ghế trên một chuyến bay từ Los Angeles đến New York được bán 3 ngày trước khi khởi hành, hãy giảm giá ‘x’ cho khách du lịch không vì mục đích kinh doanh

+ Nếu người nộp đơn sở hữu một căn nhà và kiếm được $100.000 một năm, hãy đề nghị hạn mức tín dụng $10.000

+ Nếu một mặt hàng có giá hơn $2.000, và nếu công ty bạn mua nó mỗi năm một lần, thì đại lý thu mua không cần phê chuẩn đặc biệt

- Các quy tắc này, dựa trên kinh nghiệm hoặc xuất phát từ khai phá dữ liệu, có thể

được kết hợp với các mô hình toán học để tạo thành các giải pháp có thể được áp

dụng tự động và ngay lập tức cho các vấn đề (Ví dụ: Dựa trên thông tin được cung cấp và phải xác minh, bạn sẽ được nhận vào trường đại học của chúng tôi), hoặc chúng có thể được cung cấp cho người đưa ra quyết định cuối cùng (xem hình 1)

Hình 1: Kiến trúc chung của ADS

- ADS cố gắng tự động hóa các quyết định lặp đi lặp lại (để biện minh cho chi phí

máy tính hóa), dựa trên các quy tắc kinh doanh ADS hầu hết phù hợp cho nhân viên tuyến đầu, những người có thể xem thông tin trực tuyến khách hàng và thường xuyên phải đưa ra quyết định nhanh chóng Một trang web là “decisionautomation.com” được tạo ra để biên dịch thông tin trên các hệ thống như vậy Người chủ trang web,

Dan Power, cho rằng các hệ thống tự động hóa hỗ trợ quyết định (DAS) thực sự

không phải là hệ thống hỗ trợ quyết định (DSS) Các loại hệ thống này đưa ra các

quyết định theo thời gian thực (real time) hoặc gần thời gian thực (near-real time) Các hệ thống cung cấp quyết định phê duyệt tín dụng cho việc phê duyệt các khoản vay, hoặc báo giá về lần đặt vé máy bay tiếp theo cho một yêu cầu chuyến bay cụ thể, hoặc giải quyết bất kỳ vấn đề giá cả nào khác, là những ví dụ phổ biến nhất của các hệ thống ADS

- ADS ban đầu xuất hiện trong ngành hàng không, nơi chúng được gọi là hệ thống

quản lý doanh thu/năng suất (hoặc hệ thống tối ưu hóa doanh thu) Các hãng hàng không sử dụng các hệ thống này để tự động định giá vé dựa trên nhu cầu thực tế Ngày nay, nhiều ngành dịch vụ sử dụng các mô hình định giá tương tự như vậy

định, một mô hình được xây dựng và triển khai sẽ có khả năng đưa ra quyết định một cách tự chủ Điều này loại bỏ sự cần thiết phải có sự can thiệp của con người trong việc đưa ra quyết định Có thể có một số yếu tố hoặc tham số bên ngoài có thể khiến mô hình bị lỗi Tuy nhiên, những tiến bộ trong trí tuệ nhân tạo đã giúp tạo ra các mô hình thích ứng, có khả năng điều chỉnh các thay đổi của các tham số bên ngoài

- Hầu hết tất cả các hãng hàng không thường có ADS để gán giá dựa trên nhu

cầu Nếu công việc phân tích xu hướng và mô hình du lịch để tạo ra giá được dành

cho người nào đó, có lẽ sẽ rất tốn thời gian và giá sẽ không phục vụ cho xu hướng của người mua

- Tất cả các hãng hàng không đều có ba hệ thống thông tin chính được tích hợp

chặt chẽ với nhau: (1) hệ thống giá cả và kế toán, (2) hệ thống lập kế hoạch máy

bay, (3) hệ thống quản lý hàng tồn kho Để quản lý toàn bộ hệ thống này, các nhân viên được thuê sẽ phải có những kỹ năng khác nhau từ quản lý hoạt động đến phân tích kinh doanh và lưu trữ dữ liệu Những người này được giao một trong những nhiệm vụ quan trọng nhất trong việc điều hành một hãng hàng không thành công, đó

là quản lý doanh thu

- Làm thế nào để một hãng hàng không đi từ xử lý dữ liệu hàng tồn kho, lịch trình

sân bay và nhu cầu của khách hàng đến lựa chọn / lên lịch trình và thực hiện chuyến bay? Các nhà hoạch định quản lý doanh thu (Revenue Management Planners

– Nhà hoạch định RM) đóng một vai trò quan trọng trong việc điều hành toàn bộ quá trình này để giúp hãng hàng không có lợi nhuận, trong khi cung cấp giá cả và dịch vụ khách hàng tốt nhất Nhân tố quan trọng nhất trong quá trình này là khách hàng Trong một tình huống lý tưởng, giá cả và lịch trình được thúc đẩy bởi nhu cầu của khách hàng Tuy nhiên, dự báo nhu cầu của khách hàng là một quá trình cực kỳ phức tạp liên quan đến hàng ngàn khả năng Theo thông lệ, nhu cầu trong quá khứ được sử dụng để dự đoán nhu cầu trong tương lai, điều này không phải lúc nào cũng chính xác Với sự phát triển của các hãng hàng không giá rẻ (low-cost carriers – LCCs), các mẫu đặt vé thay đổi mạnh mẽ theo từng thời điểm Khách hàng có thể mua vé với giá thấp, trong vòng một tuần khởi hành, điều này tạo ra một cơn ác mộng trong dự báo Các hãng hàng không sử dụng mức cầu trung bình để quyết định giá và điều chỉnh bất cứ khi nào cần thiết

- Nhận thức được bản chất của một khách hàng là điều vô cùng quan trọng đối

với một hãng hàng không Hành khách du lịch rất nhạy cảm về giá, nhưng sẵn sàng

thích nghi với lịch trình linh hoạt, miễn là giá thấp hơn Những hành khách này sẵn

sàng cam kết đặt chỗ trước Mặt khác, hành khách kinh doanh cực kỳ nhạy cảm về thời gian và sẵn sàng trả giá cao hơn để đến đích đúng giờ Ngoài ra, họ không có khả năng cam kết đặt phòng trước, và họ thích phòng trống vào phút chót Hơn nữa, hành khách kinh doanh không tự trả tiền cho chuyến đi, công ty của họ làm việc đó

Cả hai loại khách hàng này đều có nhu cầu và sở thích khác nhau Phục vụ cho sở thích cụ thể của họ là vô cùng quan trọng

- Nhận biết việc tách các loại khách hàng là vô cùng hữu ích trong việc xác định

tổng doanh thu từ một chuyến bay Giá vé cho hành khách du lịch và kinh doanh là

khác nhau đáng kể Ví dụ:nếu giá vé cho hành khách kinh doanh nằm trong khoảng

$200 – $350, thì giá vé cho hành khách du lịch nằm trong khoảng $90 – $150 Sự khác biệt này tạo ra nhu cầu cân bằng số ghế cho cả hai loại hành khách này để một chuyến bay nhất định có thể sinh lợi nhuận Nói chung, tối đa hóa doanh thu được thực hiện qua một mạng lưới các sân bay được khai thác bởi hãng hàng không, không phải cho một chuyến bay riêng lẻ Mục tiêu là tạo ra tổng doanh thu vượt mức các tiêu chuẩn tối thiểu do hãng hàng không đặt ra Ghế trống trên một chuyến bay tương đương với doanh thu bị mất Ghế trên một chuyến bay có thể bị bỏ trống vì nhiều lý do: hủy vào phút chót, đến muộn giờ bay, và đặt nhiều chỗ do không chắc chắn về

kế hoạch du lịch Để tránh những trường hợp này, hầu hết các chuyến bay đều được đặt trước, dựa trên kinh tế và hành vi của con người Điều này được thực hiện để giảm thiểu doanh thu bị mất, và cho phép nhiều hành khách đặt chuyến bay ưa thích của họ Nhưng đặt trước quá nhiều cũng có thể dẫn đến việc hành khách bị từ chối lên máy bay Các hãng hàng không thường cố gắng bù đắp bằng các ưu đãi hấp dẫn cho khách hàng để đổi lấy việc chuyển sang một chuyến bay khác

- Tất cả quá trình này được thực hiện với sự trợ giúp của hệ thống quản lý doanh

thu với đầu vào từ Nhà hoạch định RM Hình 2 trình bày kiến trúc chung của các

hệ thống quản lý doanh thu hàng không Kiến trúc này được phát triển bởi Tiến sĩ Mukund Shankar, một chuyên gia quản lý doanh thu hàng không, người đã làm việc cho và với một số hãng hàng không trong việc phát triển các hệ thống như vậy Hệ thống giá và kế toán xử lý dữ liệu vé, giá vé được công bố và quy tắc định giá Hệ thống lập lịch trình máy bay xử lý lịch trình chuyến bay dựa trên nhu cầu của khách hàng Cuối cùng, hệ thống quản lý hàng tồn kho xử lý việc đặt phòng, hủy bỏ và thay đổi trong dữ liệu khởi hành

Hình 2: Kiến trúc Hệ thống quản lý doanh thu hãng hàng không

- Nhu cầu của khách hàng được ước tính ở các mức giá khác nhau trước khi giá được công bố Điều này phù hợp với những thay đổi theo mùa và theo ngày trong nhu cầu của khách hàng Tuy nhiên, giá cả có thể được điều chỉnh nhanh chóng để phục vụ cho những thay đổi trong nhu cầu.Đồng thời, một sự thay đổi trong dự báo nhu cầu đòi hỏi thay đổi lịch trình máy bay, vì các chuyến bay trống hoặc đặt trước là một thách thức để xử lý, và phải trả giá bằng doanh thu bị mất Hơn nữa, việc tối ưu hóa được thực hiện ở mỗi mức giá để vận hành các chuyến bay với chi phí thấp nhất có thể Điều này nghĩa là toàn bộ hệ sinh thái thông tin của hãng hàng không cần phải cực kỳ linh hoạt, nếu là để tối đa hóa lợi nhuận Tuy nhiên, có một hạn chế đối với việc hệ thống này có thể linh hoạt như thế nào, vì bất kỳ hãng hàng không nào cũng

có hàng tồn kho hạn chế các chuyến bay theo ý của họ Nhu cầu cao không thể được cung cấp với một đội bay với kỹ năng hạn chế, và thường dẫn đến việc mất khách hàng cho các hãng hàng không khác

- Do sự phức tạp liên quan đến việc quản lý các hãng hàng không, người ta đầu tư mạnh vào việc xây dựng các mô hình dự đoán tốt hơn để dự báo nhu cầu; phân tích

cơ sở khách hàng cẩn thận hơn để phân loại hàng tốt hơn; nghiên cứu vận hành để tối ưu hóa các tuyến bay, nhu cầu và lập lịch trình; và phần cứng cực nhanh để xử lý

tất cả thông tin này nhanh nhất có thể Hầu hết các hãng hàng không lớn đều sử dụng các ADS như vậy Điều quan trọng cần nhận ra là các hệ thống tương tự cũng tồn tại

và được sử dụng trong nhiều ngành công nghiệp khác Mặc dù các ví dụ ở đây là từ việc ra quyết định kinh doanh, nhưng các hệ thống tương tự cũng tồn tại trong các ứng dụng kỹ thuật Ví dụ, lưới điện thông minh phụ thuộc vào các quyết định tự động để kích hoạt các hoạt động cụ thể bất cứ khi nào xuất hiện cung và cầu của nhu cầu điện chuyển đổi giữa phát điện và phân phối điện Trong tương lai, các loại hệ thống này sẽ mang đến một cơ hội kinh doanh lớn trong lĩnh vực tiêu dùng

- Tiếp theo, ta sẽ tìm hiểu một loại hệ thống RB khác đã phổ biến và được sử dụng

từ giữa những năm 1980 Các hệ thống này có nguồn gốc từ trí tuệ nhân tạo (Artificial Intelligence – AI), vì vậy trước tiên chúng ta sẽ làm một tổng quan cực

kỳ nhanh chóng về trí tuệ nhân tạo

Phần II: Trí tuệ nhân tạo II.1 Khái niệm

- Trí tuệ nhân tạo (Artificial Intelligence – AI) là tập hợp các khái niệm và ý tưởng

có liên quan đến sự phát triển của các hệ thống thông minh Những khái niệm và ý tưởng này có thể được phát triển trong các lĩnh vực khác nhau và được áp dụng cho các lĩnh vực khác nhau Do đó, để hiểu phạm vi của AI, chúng ta cần xem một nhóm các lĩnh vực được gọi là gia đình AI (AI family) Hình 3 cho ta thấy các nhánh chính ứng dụng của AI Các ứng dụng này được xây dựng trên nền tảng của nhiều ngành

và công nghệ, bao gồm khoa học máy tính, triết học, kỹ thuật điện, khoa học quản

lý, tâm lý học và ngôn ngữ học Trí tuệ nhân tạo là một lĩnh vực của khoa học máy tính Mặc dù thuật ngữ này có nhiều định nghĩa khác nhau, hầu hết các chuyên gia đều đồng ý rằng AI quan tâm đến hai ý tưởng cơ bản: (1) sự nghiên cứu các quá trình suy nghĩ của con người (để hiểu trí thông minh là gì) và (2) sự thể hiện và sao chép các quá trình suy nghĩ đó trong máy móc (ví dụ: máy tính, robot)

II.2 Khi nào một máy tính được gọi là Trí tuệ nhân tạo

- Một định nghĩa kinh điển về AI được công bố rộng rãi là: “Một hành vi của một cỗ máy, nếu được thực hiện bởi một con người, sẽ được gọi là thông minh” Rich và Knight (1991) đã đưa ra một định nghĩa kích thích tư duy: “Trí tuệ nhân tạo là việc nghiên cứu về cách giúp cho máy tính làm những việc mà tại thời điểm đó, con người trở nên tốt hơn Để hiểu AI là gì, chúng ta cần kiểm tra những khả năng được coi là dấu hiệu của trí thông minh:

+ Học hỏi hoặc hiểu biết từ kinh nghiệm

+ Làm cho các thông điệp mơ hồ hay mẫu thuẫn trở nên có ý nghĩa

+ Phản ứng thành công và nhanh chóng với một tình huống mới

+ Sử dụng lý luận có hiệu quả trong việc giải quyết vấn đề và chỉ đạo tiến hành

+ Xử lý các tính huống rắc rối

+ Hiểu biết và suy luận hợp lý

+ Áp dụng kiến thức để thao tác với môi trường

+ Suy nghĩ và suy đoán

+ Nhận biết và đánh giá tầm quan trọng của các yếu tố khác nhau trong một tình huống

Hình 3: Các ngành và ứng dụng của AI

người phỏng vấn không thể xác định được đâu là máy tính khi trò chuyện với cả người ẩn danh và máy tính ẩn danh Như hình 3 cho thấy, có nhiều lĩnh vực ứng dụng của trí tuệ nhân tạo Ta sẽ chỉ tập trung vào các hệ thống chuyên gia (ES) bởi các hệ thống này liên quan đến các RB ADS dựa trên luật được mô tả trong phần trước

Phần III: Hệ chuyên gia (ES) III.1 Các khái niệm

III.1.a Khái niệm hệ chuyên gia

- Expert system (ES) là các hệ thống thông tin dựa trên máy tính, sử dụng kiến thức chuyên môn để đạt được hiệu suất tốt trong quyết định cấp cao của một lĩnh vực được xác định hẹp MYCIN, được phát triển tại Đại học Stanford vào đầu những năm 1980 để chẩn đoán y khoa, là ứng dụng ES nổi tiếng nhất ES cũng đã được sử dụng trong thuế, phân tích tín dụng, bảo trì thiết bị, tự động hóa bàn trợ giúp, giám sát môi trường và chẩn đoán lỗi ES đã được phổ biến rộng rãi trong các tổ chức lớn

và vừa, như một công cụ tinh vi để cải thiện năng suất và chất lượng Các khái niệm

cơ bản của ES bao gồm: Cách xác định ai là chuyên gia, Định nghĩa về chuyên môn, Cách trích xuất và chuyển giao chuyên môn từ người sang máy tính và Cách hệ chuyên gia bắt chước quy trình suy luận của các chuyên gia Ta sẽ mô tả các khái niệm này trong các phần sau

III.1.b Chuyên gia

- Chuyên gia là người có kiến thức, phán đoán, kinh nghiệm và kỹ năng đặc biệt để

đưa kiến thức của mình vào thực tế, nhằm đưa ra lời khuyên đúng đắn và giải quyết các vấn đề phức tạp trong một lĩnh vực được xác định hẹp Họ biết những sự thật gì

là quan trọng, đồng thời hiểu và giải thích được các mối quan hệ phụ thuộc giữa những sự thật đó Ví dụ, khi chẩn đoán sự cố với hệ thống điện của ô tô, một thợ máy chuyên gia biết rằng dây đai quạt bị hỏng có thể là nguyên nhân khiến pin bị

xả

- Không có định nghĩa chuẩn về chuyên gia, nhưng hiệu suất quyết định và mức độ

hiểu biết của một người là tiêu chí điển hình được sử dụng để xác định xem một

người cụ thể có phải là chuyên gia hay không Thông thường, các chuyên gia phải

có khả năng giải quyết vấn đề và đạt được mức hiệu suất tốt hơn đáng kể so với mức trung bình Ngoài ra, cụm từ chuyên gia chỉ là tương đối (và không tuyệt đối) Một chuyên gia tại một thời điểm hoặc trong một khu vực có thể không phải là một chuyên gia ở một thời điểm hoặc khu vực khác Chẳng hạn, một luật sư ở New York

có thể không phải là chuyên gia pháp lý ở Bắc Kinh, Trung Quốc Một sinh viên y khoa có thể là một chuyên gia so với người thường, nhưng có thể không được coi là một chuyên gia trong giải phẫu não Các chuyên gia có chuyên môn có thể giúp giải