Ứng dụng hệ chuyên gia vào chấn đoán một số sự cố đơn giản của máy tính

Chơng 2 - Các đặc tính chính của hệ chuyên gia Chơng này giới thiệu về cấu trúc, các đặc tính và các quá trình tạo lập hệchuyên gia Chơng 3 - Biểu diễn tri thức Giới thiệu về các loại t

Lời nói đầu

Trong các năm qua, công nghệ thông tin đã và đang có nhiều ứng dụngtrong nhiều ngành kinh tế quốc dân Việc sử dụng và thiết kế cơ sở dữ liệucũng nh làm quen với các phần mềm xử lý dữ liệu đã dần trở nên quen thuộc.Tuy nhiên, việc xử lý tri thức - một dạng dữ liệu đặc biệt bằng các công cụcủa công nghệ thông tin thì cha đợc áp dụng rộng rãi “Công nghệ tri thức”

đang thực sự thách thức đối với những chuyên viên về công nghệ thông tin vàcác cán bộ ngành khác Hệ chuyên gia là điển hình của việc xử lý tri thứctheo công nghệ tri thức Hệ chuyên gia trớc đây đợc nhắc đến nhiều trong lĩnhvực của trí tuệ nhân tạo, hay trong các ứng dụng về tri thức

Ngày nay với ý nghĩa và tầm ứng dụng quan trọng của nó ngời ta quantâm tới xây dựng hệ chuyên gia nhiều hơn và đang ngày càng phát triển Tuynhiên, việc nghiên cứu về đề tài này trong trờng Đại học Vinh cha nhiều Do

đó, chúng tôi đã lựa chọn đề tài “ứng dụng hệ chuyên gia vào chẩn đoán bệnh đơn giản của máy tính” cho khoá luận tốt nghiệp cuối khoá nhằm góp

phần làm rõ hơn về vấn đề này

Đề tài này bao gồm 5 chơng với cấu trúc nh sau:

Chơng 1 - Giới thiệu về hệ chuyên gia

Chơng này giới thiệu về nguồn gốc, lịch sử phát triển của hệ chuyên gia

Hệ chuyên gia là một ứng dụng đặc biệt của Trí tuệ nhân tạo Trí tuệ nhântạo là điển hình của mô hình máy tính thông minh

Chơng 2 - Các đặc tính chính của hệ chuyên gia

Chơng này giới thiệu về cấu trúc, các đặc tính và các quá trình tạo lập hệchuyên gia

Chơng 3 - Biểu diễn tri thức

Giới thiệu về các loại tri thức và cách biểu diễn tri thức trong hệ chuyêngia

khoá luận chắc chắn còn nhiều thiếu sót Rất mong sự góp ý của các thầy cô,bạn bè để chúng tôi hoàn thiện khoá luận này tốt hơn.

Để hoàn thành đề tài này, tôi xin chân thành bày tỏ lòng biết ơn sâu sắc

tới thầy giáo - thạc sĩ Nguyễn Quang Ninh, ngời đã tận tình hớng dẫn tôi

hoàn thành đề tài này Cũng nhân đây cho tôi đợc gửi lời cảm ơn đến tất cảcác thầy giáo, cô giáo và bạn bè đã ủng hộ giúp đỡ tôi trong suốt quá trìnhhoàn thành đề tài này

và có khả năng xử lí tình huống và thu nhận kiến thức nh ngời Nhiều tổ chức

đã dùng thiết bị và phần mềm trong việc ra quyết định hoặc trong việc tổ chứchuy động tri thức của chuyên gia Chính việc nghiên cứu về máy nh thế cũnggiúp con ngời hiểu rõ về cách lập luận của họ

Có nhiều quan điểm về vai trò giữa ngời và máy nhng ngời ta không thểphủ nhận vai trò trợ giúp hữu hiệu của máy, đặc biệt là máy thông minh Cácmáy thông minh có khả năng:

-Khả năng học

-Khả năng mô phỏng các hành vi sáng tạo của con ngời, nghĩa là có thểgiải quyết một bài toán sáng tạo nào đó giống nh một chuyên gia khi giảichính bài toán đó, cho dù có nhiều cách giải (chẳng hạn chơng trình chơi cờ)-Khả năng trừu tợng hoá, tổng quát hoá và suy diễn.

1.2 Khoa học trí tuệ nhân tạo (Artificial Intelligence):

Khoa học trí tuệ nhân tạo hớng tới việc xây dựng các máy tính thôngminh giúp ích cho việc khám phá các quy luật hoạt động sáng tạo và khả năngtrí tuệ của con ngời

1.2.1 Lịch sử phát triển của trí tuệ nhân tạo :

Ngày nay chúng ta thờng gặp những thuật ngữ mới nh: máy tính thôngminh, trí tuệ nhân tạo, hệ chuyên gia Sự phát triển mạnh mẽ của công nghệthông tin đã mở đờng cho việc xây dựng và áp dụng vào thực tế hàng loạt các

hệ thống chơng trình có khả năng “thông minh”

Trớc đây, khi nói đến trí tuệ nhân tạo ngời ta thờng quan tâm đến việc tạolập các máy có khả năng “suy nghĩ”, thậm chí trong một số phạm vi nào đó,

có thể cạnh tranh hoặc vợt quá khả năng bộ não con ngời Mặc dầu mô hình

t-ơng tự các máy thông minh đã đa ra hàng trăm năm trớc đây, song chỉ đếnnăm 1930 khi Allen Turing công bố những kết quả quan trọng đầu tiên, ngời

ta mới nghiên cứu vấn đề trí tuệ nhân tạo một cách nghiêm túc Phát hiện củaTuring cho rằng chơng trình có thể lu trữ trong bộ nhớ để sau đó thực hiệntrên cơ sở các phép toán cơ bản thao tác với các đại lợng 0 và 1, đã tạo nênnền tảng của những máy tính hiện đại Việc lu trữ chơng trình trong máy chophép thay đổi chức năng của nó một cách nhanh chóng và dễ dàng thông quaviệc nạp một chơng trình mới khác vào bộ nhớ Theo một nghĩa nào đó, khả

năng này làm cho máy có khả năng học và suy nghĩ Đây chính là những biểuhiện quan trọng đầu tiên của những máy tính đợc trang bị trí tuệ nhân tạo.Những năm 60 có thể xem là một mốc quan trọng trong quá trình xâydựng các máy có khả năng suy nghĩ Có thể kể đến các chơng trình nh:

- Năm 1961chơng trình tính tích phân bất định

- Năm 1963 chơng trình chơi cờ của Samuel

- Năm 1964 chơng trình giải phơng trình đại số sơ cấp, chơng trình trợgiúp ELIZA

- Năm 1965 chơng trình phân tích và tổng hợp tiếng nói

- Năm 1968 chơng trình điều khiển ngời máy, chơng trình học nói

Chơng trình ELIZA của Joseph Weizenbaum - 1964 có khả năng làmviệc nh một hệ chuyên gia phân tích tâm lý

Tuy nhiên, những công trình này có nhiều hạn chế do giới hạn của cácthiết bị, bộ nhớ và đặc biệt là yếu tố thời gian thực hiện Chính những yếu tốnày không cho phép tổng quát hoá những thành công bớc đầu đạt đợc trongcác hệ chơng trình trí tuệ nhân tạo đã xây dựng

Cho đến cuối những năm 70 một số nghiên cứu cơ bản trong các lĩnh vực

nh xử lý ngôn ngữ tự nhiên, biểu diễn tri thức, lý thuyết giải quyết vấn đề đã

đem lại diện mạo mới cho trí tuệ nhân tạo Thị trờng tin học đã bắt đầu đónnhận những sản phẩm trí tuệ nhân tạo ứng dụng đầu tiên mang tính thơngmại Đó là các hệ chuyên gia đã đợc đem áp dụng trong các lĩnh vực khácnhau Một trong những hệ chuyên gia đầu tiên và đợc sử dụng thành côngtrong thực tế là hệ chuyên gia Mycin, đợc thiết kế cài đặt tại trờng đại họctổng hợp Stanford

Giai đoạn từ 1981 trở đi, ngời ta nhận thấy rõ nét các chuyên gia về trítuệ nhân tạo đang dần chuyển các kết quả nghiên cứu từ phòng thí nghiệmsang cài đặt ứng dụng cụ thể

Những năm 90 thị trờng các sản phẩm dân dụng đã có khá nhiều sảnphẩm ở trình độ cao nh máy giặt, máy ảnh sử dụng trí tuệ nhân tạo Bêncạnh sự xuất hiện của các hệ chuyên gia trên thị trờng, những năm gần đâycác ứng dụng công nghiệp và quản lý xã hội, quản lý kinh tế đòi hỏi sự ra đờicủa các hệ thống xử lý tri thức, dữ liệu tích hợp trong đó phải kể đến các hệ hỗtrợ quyết định dựa trên tri thức công nghệ thông tin ngày càng phát triển mạnh

mẽ

1.2.2 Những tiền đề cơ bản của trí tuệ nhân tạo:

Những tiền đề ban đầu cho sự ra đời của trí tuệ nhân tạo là những lýthuyết sâu sắc của các chuyên gia về: logic hình thức, tâm lý học nhận thức(Cognitive Psychology) và điều khiển học (Cybernetics).

Những tiến bộ trong kỹ thuật vi điện tử đã tạo nên tiền đề vật chất có tínhchất quyết định, làm thay đổi toàn bộ sự phát triển và ứng dụng các kỹ thuậttrí tuệ nhân tạo

Những tiền đề hình thành và các hớng nghiên cứu, ứng dụng cơ bản của

trí tuệ nhân tạo

1.2.3 Các thành phần trong hệ thống trí tuệ nhân tạo:

Một hệ thống trí tuệ nhân tạo gồm hai thành phần cơ bản:

- Các phơng pháp biểu diễn vấn đề, các phơng pháp biểu diễn tri thức

- Các phơng pháp tìm kiếm trong không gian bài toán, các chiến lợc suydiễn

Các kỹ thuật

và môi tr ờng lập trình nâng cao

Trí tuệ nhân tạoArtificial Intelligen-ce

Lôgic hình thức

Ng ời máy

Hệ chuyên gia

Kỹ thuật vi điện

tử hiện đại

Lôgic hình thức

Hai thành phần này tơng hỗ với nhau rất chặt chẽ Việc lựa chọn một

ph-ơng pháp biểu diễn tri thức sẽ quyết định phph-ơng pháp giải quyết vấn đề tph-ơngứng có thể áp dụng đợc

Có thể phân chia các hệ thống trí tuệ nhân tạo nh sau:

1 Các hệ tìm kiếm thông tin, các hệ thống hỏi đáp thông minh cho phéphội thoại giữa những ngời sử dụng đầu cuối không chuyên tin với cơ sở dữ liệuthông qua ngôn ngữ chuyên ngành gần với ngôn ngữ tự nhiên

2 Các hệ thống suy diễn-tính toán, cho phép giải quyết những bài toánphức tạp dựa trên các mô hình toán học và tri thức chuyên gia

3 Các hệ chuyên gia, cho phép sử dụng các tri thức chuyên gia trong cáclĩnh vực tri thức tản mạn

1.2.4 Các lĩnh vực nghiên cứu và ứng dụng cơ bản của trí tuệ nhân tạo:

Các lĩnh vực nghiên cứu và ứng dụng quan trọng trong trí tuệ nhân tạotheo 4 hớng cơ bản:

Hớng thứ nhất: Mô hình hoá trên máy tính những chức năng khác nhautrong quá trình sáng tạo: Các trò chơi, chứng minh tự động các định lý, tổnghợp tự động các chơng trình, phân tích và tổng hợp các tác phẩm nghệ thuật Hớng thứ hai: Nâng cao khả năng trí tuệ “bên ngoài” của máy tính, baogồm các nghiên cứu cơ bản và ứng dụng, gắn liền với các giao tiếp, hội thoạiphù hợp sử dụng các kỹ thuật suy diễn và tìm kiếm

Hớng thứ ba: Nâng cao khả năng trí tuệ “bên trong” của máy tính trên cơ

sở chế tạo các máy tính thế hệ mới, với kiến trúc vật lý mới, dựa trên cácnguyên lý của trí tuệ nhân tạo

Hớng thứ t: chế tạo ngời máy thông minh, có khả năng thực hiện các thaotác phức tạp và có thể “suy nghĩ” và “hành động” để đạt tới mục đích đặt ra

1.3 Hệ chuyên gia:

1.3.1 Khái niệm:

Hệ chuyên gia là một hệ thống máy tính chứa các thông tin, tri thức vàcác quá trình suy luận về một lĩnh vực cụ thể nào đó để giải quyết các vấn đềkhó hoặc hóc búa đòi hỏi sự tinh thông đầy đủ của các chuyên gia con ngời

đối với các giải pháp của họ Nói cách khác hệ chuyên gia là một chơng trìnhmáy tính đợc thiết kế để mô hình hoá khả năng giải quyết vấn đề của cácchuyên gia con ngời giỏi nhất trong lĩnh vực đợc quan tâm

1.3.2 Các tiêu chuẩn xây dựng hệ chuyên gia:

Các lĩnh vực thích hợp với một hệ chuyên gia phụ thuộc vào một số nhân

tố sau:

-Vấn đề có thể giải quyết một cách hiệu quả bằng chơng trình thông ờng hay không? Nếu có thì một hệ chuyên gia không phải là lựa chọn tốtnhất Hệ chuyên gia thích hợp với các vấn đề phi cấu trúc và lập luận để hyvọng có thể đa ra giải pháp tốt

-Vấn đề thuộc lĩnh vực chẩn đoán, giải thích, dự báo

-Vấn đề giải quyết theo hớng suy luận hình thức

-Giới hạn của lĩnh vực là hoàn toàn xác định

-Có thực sự cần thiết và mong muốn xây dựng hệ chuyên gia hay không? -Có những nhà chuyên gia giỏi trong lĩnh vực đang nghiên cứu

-Chuyên gia có thể giải thích đợc tri thức để kỹ s tri thức có thể hiểu đợchay không

1.3.3 Lý do và ý nghĩa thực tiễn của việc xây dựng hệ chuyên gia :

Hệ chuyên gia phục vụ nhiều cho con ngời trong lĩnh vực công nghệthông tin Những nguyên nhân khiến ngời ta đầu t vào xây dựng hệ chuyêngia có thể kể là:

- Hệ chuyên gia có thể hoạt động nh một chuyên gia trong việc truy tìmthông tin từ nhiều nguồn, từ nhiều chuyên gia

- Hệ chuyên gia giữ lâu dài các tri thức chuyên gia, ngay cả khi chuyêngia mất đi

- Hệ chuyên gia cho kết quả bền vững, không bị cảm tính và thất thờng

Nhân tố so sánh Chuyên gia Hệ chuyên gia

Thời gian sẵn sàng Trong giờ làm việc Suốt ngày

Độ an toàn Không thay thế đợc Linh hoạt thay thế đợc

So sánh chuyên gia và hệ chuyên gia

Một vài lý do để hệ chuyên gia đợc phát triển nhằm thay thế các chuyêngia là:

- Ngời ta cần có chuyên gia ngay cả ngoài giờ hay tại những nơi xa, nguyhiểm

- Việc tự động hoá công việc trong dây chuyền cần đến chuyên gia, màcon ngời không đáp ứng đợc

- Cần tạo điều kiện để chuyên gia nghỉ ngơi và khi cần đến chuyên gia thì

có thể thuê với giá cao

1.3.4 Phạm vi ứng dụng của hệ chuyên gia:

Hệ chuyên gia đợc thiết kế để làm việc nh một chuyên gia Trong thực tế

có các lớp bài toán sau đây có thể áp dụng kỹ thuật hệ chuyên gia:

- Diễn giải:

Các hệ thống diễn giải cho phép hiểu tình huống từ các thông tin sẵn có

Điển hình là thông tin đợc rút từ các dữ liệu của máy dò, thiết bị hay kết quảthí nghiệm Các hệ thống này dịch các dữ liệu thô sang dạng kí hiệu tiện choviệc mô tả tình huống Các hệ thống này thờng tiếp xúc với dữ liệu trong môitrờng có nhiễu, không đầy đủ, không hiện thực và cần đến lập luận khôngchính xác hay lập luận thống kê

Ví dụ: hệ FXAA năm 1988 là hệ chuyên gia trợ giúp tai nghe trong dịch vụ

đổi tiền tại ngân hàng Manhattan

- Dự đoán:

Ngời ta dùng hệ thống dự báo để biết kết quả mà các tình huống gây ra.Các hệ thống này dự báo tơng lai theo thông tin đã có và theo mô hình về bàitoán Các hệ thống dự đoán cần trang bị khả năng lập luận về thời gian haycác sự kiện theo thời gian Các mô hình mô phỏng thông minh thờng đợc dingtrong các loại hệ thống này

Ví dụ: Hệ PLAN do Boulanger đa ra năm 1983 dùng để dự đoán tác hại củasâu đen đối với cây ngô

- Chẩn đoán:

Các hệ thống chẩn đoán chỉ ra các chức năng trong hệ thống hay pháthiện lỗi dựa trên các quan sát thông tin Hầu hết các hệ thống chẩn đoán có trithức về điều kiện, nguyên nhân phát sinh lỗi Chẳng hạn hệ thống chẩn đoánbệnh dựa trên triệu chứng của ngời bệnh hay hệ thống định vị nơi hỏng trongmạch điện

Ví dụ: hệ thống NEAT năm 1989 trợ giúp kỹ thuật viên tìm lỗi xử lí dữ liệuhay lỗi trên các thiết bị mạng truyền thông NEAT cô lập, chẩn đoán và giải

vấn đề do ngời dùng yêu cầu từ các trạm đầu cuối Dựa trên cơ sở tri thức, hệthống xác định cấu hình thiết bị đầu cuối đang hỏng.

- Thiết kế:

Hệ thống thiết kế có nhiệm vụ xây dựng các đối tợng theo các ràng buộc.Chẳng hạn ngời ta thiết kế hệ thống máy tính với đủ yêu cầu về cấu hình bộnhớ, tốc độ Các hệ thống này thờng thực hiện các bớc công việc, mỗi bớccông việc tuân theo các ràng buộc riêng Những bớc này phụ thuộc lẫn nhaunên khó thay đổi riêng một bớc riêng lẻ Do vậy loại hệ thống này thờng đợcxây dựng theo kỹ thuật suy diễn đơn điệu

Ví dụ: hệ thống PEACE của Dincbas năm 1980 dùng để hỗ trợ các kĩ s thiết

kế mạch điện tử

- Lập kế hoạch:

Các hệ thống lập kế hoạch tạo các hành động đạt đợc đích theo các ràngbuộc Chẳng hạn việc lập kế hoạch các nhiệm vụ cho ngời máy để thực hiệnchức năng nào đó

Ví dụ: hệ chuyên gia PLANPOWER do Stansfield và Greenfield đa ra năm

1987 cho phép lập các kế hoạch tài chính cho ngời quản lý trong lĩnh vựcquản lí tiền mặt, lên kế hoạch thuế, đầu t, quản lý rủi ro

- Giám sát:

Các hệ thống giám sát so sánh thông tin quan sát về hành vi của hệthống với các trạng thái hệ thống đợc coi là gay cấn Các hệ thống giám sátdiễn giải tín hiệu thu từ đầu dò và so sánh thông tin này với các trạng thái đãbiết Khi phát hiện điều gay cấn, hệ thống sẽ kích hoạt một loạt nhiệm vụ

Ví dụ: hệ thống NAVEX năm 1984 là hệ chuyên gia giám sát dữ liệu ra đa

và ớc lợng tốc độ, vị trí của tên lửa vũ trụ

- Lựa chọn:

Các hệ thống lựa chọn dùng để xác định một lựa chọn tốt nhất trong sốcác khả năng Chúng làm việc trên các đặc tả về vấn đề do ngời dùng cung cấp

để tìm giải pháp khớp nhất đối với đặc tả này Trong hệ chuyên gia này ngời

ta thờng dùng kĩ thuật suy diễn không chính xác hoặc hàm đánh giá khớp

Ví dụ: Hệ IREX năm 1990 của Gardone và Ragade để trợ giúp ngời máytrong môi trờng công nghiệp

- Điều khiển:

Các hệ thống điều khiển quản lý theo cách phù hợp các hành vi của hệthống, chẳng hạn điều khiển quá trình sản xuất hay điều trị bệnh nhân Một hệchuyên gia về điều khiển lấy dữ liệu về các thao tác hệ thống, diễn giải dữ liệu

này để hiểu về trạng thái hệ thống hay dự đoán trạng thái tơng lai, và xác địnhhay khai thác các điều chỉnh cần thiết Các hệ thống điều khiển cần diễn giải

và giám sát để theo dõi hành vi hệ thống theo thời gian

Ví dụ: Hệ thống VM của Fagan năm 1978 giám sát bệnh nhân và theo dõi

điều trị

- Giảng dạy:

Dùng để chẩn đoán, tìm lỗi và chỉnh lý hành vi của ngời học

Ví dụ: Hệ GVIDON năm 1979 là hệ chuyên gia dạy sinh viên điều trị bệnhnhiễm khuẩn

Các loại bài toán trên đợc áp dụng trong nhiều lĩnh vực khác nhau: côngnghiệp, nông nghiệp, khoa học máy tính, điện tử, thơng mại, khí tợng, y học,hoá học, quân sự, Đặc biệt hiện nay các hệ hỗ trợ quyết định trong kinh tếtài chính, các phần mềm trợ giúp giảng dạy đang đợc phát triển mạnh

-Chẩn trị:

Các hệ thống chẩn trị khuyến cáo các giải pháp đối với các chức năngsai Chúng có thể dùng nhiệm vụ chẩn đoán để xác định chức năng sai, rồi kếthợp với việc lập kế hoạch để có cách điều trị phù hợp

Ví dụ: Hệ thống BLUE BOX do Mulsant và Schreiber đa ra năm 1984chẩn trị bệnh nhân suy nhợc Nó dùng thông tin về triệu chứng ngời bệnh vàlịch sử bệnh án để chẩn đoán loại suy nhợc Dựa vào thông tin này, hệ thống

đa ra chẩn trị để khống chế suy nhợc

-Mô phỏng:

Các hệ chuyên gia mô phỏng mô hình hoá một quá trình hay một hệthống để nghiên cứu tác nghiệp dới điều kiện đa dạng Chúng mô hinh hoá cácthành phần khác nhau của hệ thống và của sự tơng tác trong hệ thống Ngời sửdụng đợc phép chỉnh lý mô hình cho phù hợp với điều kiện giả thiết đã có.Với mô hình trên các thông tin do ngời dùng cung cấp, các hệ thống này cóthể tiên đoán các điều kiện thao tác đối với hệ thống thực

Ví dụ: Hệ chuyên gia STEAMER do William đa ra năm 1983 mô phỏng

và giải thích thao tác của hệ thống máy móc quân sự của hải quân Nhiềuthành phần đợc mô phỏng nh van, khoá Cho phép điều chỉnh và quan sát tác

động của thao tác tổng thể dới các điều kiện áp suất, nhiệt độ

Chơng 2: Các đặc tính của hệ chuyên gia

2.1 Cấu trúc của hệ chuyên gia:

để rút ra các sự kiện mới Các sự kiện này lại đợc nhập vào bộ nhớ làm việc vàquá trình cứ thế tiếp tục Cuối cùng hệ thống đa ra kết luận và cũng đa chúngvào bộ nhớ làm việc Nh vậy bộ nhớ làm việc là nơi chứa tất cả các thông tin

về vấn đề do ngời dùng cung cấp hoặc do hệ thống suy luận ra Thông tin thu

đợc trong suốt quá trình trao đổi đợc gọi là ngữ cảnh của phiên làm việc

2.1.3 Mô tơ suy diễn:

Đây là bộ phận quan trọng nhất của hệ chuyên gia Đó là quá trình chophép khớp các sự kiện trong bộ nhớ làm việc với các tri thức trong cơ sở trithức để rút ra các kết luận về vấn đề đang xét

Mô tơ suy diễn làm việc trên các sự kiện trong bộ nhớ làm việc và trithức để rút ra thông tin mới Tức là nó cần tìm các luật để khớp phần giảthiết của luật với thông tin có trong bộ nhớ Khi phát hiện thấy khớp thì kếtluận của luật này sẽ là thông tin mới

2.1.5 Bộ thu nạp tri thức:

Là bộ phận làm nhiệm vụ thu nhận tri thức từ chuyên gia con ngời để bổsung, hiệu chỉnh tri thức có trong cơ sở tri thức của hệ thống

2.1.6 Giao diện ngời máy:

Là bộ phận thực hiện việc giao tiếp giữa hệ thống và ngời sử dụng Đây

là nơi thu nhận thông tin từ ngời sử dụng (các câu hỏi, các yêu cầu về lĩnh vực

đang quan tâm) và đa ra các lời khuyên, các câu trả lời, các giải thích về lĩnhvực đó của hệ thống Các loại giao diện nh hớng đồ họa, thực đơn, biểu tợnghay tự xác định là các loại đợc dùng

2.2 Các đặc tính chính của hệ chuyên gia :

2.2.1 Tách tri thức ra khỏi điều khiển:

Trong hệ chuyên gia cơ sở tri thức và mô tơ suy diễn là các khối tách rờinhau Khối cơ sở tri thức chứa các tri thức chuyên gia về lĩnh vực, khối mô tơsuy diễn là cơ chế giải vấn đề độc lập với khối kia

Việc phân tách các tri thức của hệ thống với điều khiển là khía cạnh cógiá trị trong hệ chuyên gia Đây chính là điểm khác biệt của hệ chuyên gia vớichơng trình bình thờng

Năm 1981 Duda đã nhận xét về đặc tính này của hệ chuyên gia nh sau:

“ hệ chuyên gia phân tích rõ ràng tri thức tổng quát về vấn đề (các luật tạo nên cơ sở tri thức) với thông tin về vấn đề đang xét (các dữ liệu nhập vào) và các phơng pháp dùng tri thức tổng quát đối với vấn đề (giải thích luật) … Ch Ch -

ơng trình hệ chuyên gia có thể giải thích (hay cơ chế lập luận tổng quát) và

có thể thay đổi hệ thống bằng cách thêm vào hay bớt đi các luật trong cơ sở tri thức”.

Thực vậy, do trong hệ chuyên gia tách rời hai khối tri thức và xử lý, nêncác nhiệm vụ bảo trì và thay đổi đợc thực hiện dễ dàng Ngời ta có thể thay

đổi một phần tri thức cũng nh thêm bất kỳ tri thức nào tại bất cứ nơi đâu trongcơ sở tri thức Nếu cần thay đổi điều khiển, ngời ta thay đổi thuật toán trongmô tơ suy luận

2.2.2 Tri thức chuyên gia:

Các chuyên gia là ngời sở hữu các tri thức chuyên gia lĩnh vực Họ lànhững ngời có kỹ năng về giải đúng vấn đề và giải vấn đề theo cách hiệu quả

Điểm quan trọng trong hệ chuyên gia là thu nhập đợc tri thức của các chuyêngia này Những tri thức đó bao gồm tri thức về lĩnh vực và kỹ năng giải quyếtvấn đề Các tri thức này không nhất thiết là các ý tởng sáng chói hay độc đáo,

mà là đặc biệt, sâu về lĩnh vực

2.2.3 Tập trung nguồn chuyên gia:

Một khó khăn chung đối với các nhà thiết kế hay phát triển hệ thống làthu thập các tri thức chuyên gia để giải các vấn đề khó, phức tạp Một trongnhững phơng pháp đề xuất là trực tiếp làm việc với tri thức chuyên sâu về vấn

đề và làm việc với bài toán đợc xác định tốt Tuy nhiên hầu hết các chuyên gia

có kỹ năng giải vấn đề trong lĩnh vực liên quan đến nguồn tri thức chuyên gia.Còn ngoài các lĩnh vực này, các chuyên gia có thể không có khả năng giải vấn

đề Chẳng hạn không thể dùng hệ chuyên gia ngành y để trợ giúp sửa máytính đợc

2.2.4 Lập luận trên các ký hiệu:

Các hệ chuyên gia thể hiện tri thức ở dạng ký hiệu Ngời ta có thể dùngcác ký hiệu để thể hiện các loại tri thức đa dạng, nh các sự kiện, khái niệm,hay các luật Ngoài thể hiện các câu ngôn ngữ tự nhiên ở dạng ký hiệu, các hệchuyên gia còn xử lý các kí hiệu này khi giải quyết vấn đề

Ví dụ: X bị ốm có thể đợc thể hiện qua ốm (X)

Luật “if ốm then uống thuốc” đợc thể hiện qua ốm(X) uống(X,thuốc)

Nh vậy, hệ chuyên gia giải bài toán bằng cách xử lý các ký hiệu thay vìthực hiện việc xử lý số

2.2.5 Lập luận may rủi:

Các chuyên gia thờng dùng kinh nghiệm để giải đúng và hiệu quả bàitoán đang xét Qua kinh nghiệm, họ hiểu vấn đề một cách thực tế và giữ dớidạng các may rủi Thực tế cho thấy một số kỹ thuật may rủi đã thành côngtrong việc giải vấn đề Theo Baraiko năm 1982 thì Minski đã chú ý đến tìm

kiếm may rủi nh là “nếu ngời ta không thể khuyên máy tính cách thực hiện tốt nhất, thì hãy lập trình để may ra tìm thấy một cách nào đó”.

May rủi trong hệ chuyên gia giúp ngời ta đi nhanh đến giải pháp Chơngtrình xử lý dữ liệu theo thuật toán, nhng hệ chuyên gia thờng dùng các kỹthuật lập luận may rủi Thuật toán thể hiện một loạt các nhiệm vụ xác định rõcần thực hiện

2.2.6 Lập luận không chính xác:

Hệ chuyên gia đợc coi là thành công trong ứng dụng cần đến lập luậnkhông chính xác Những loại ứng dụng này đặc trng bằng thông tin khôngchắc chắn, nhập nhằng hay không sẵn sàng, đặc trng bằng tri thức lĩnh vực doviệc suy luận một cách không chính xác cung cấp

2.2.8 Độ phức tạp vừa phải của vấn đề

Ngời ta nhận thấy các vấn đề giải bằng hệ chuyên gia cần phức tạp vừaphải, không dễ, mà cũng không khó quá Vấn đề không đợc phức tạp đến mứcgây ra tình trạng không quản lý nỗi ở tầm của hệ chuyên gia, chẳng hạn nhphải cần đến hàng giờ mới giải xong bài toán Hệ chuyên gia chấp nhận cácvấn đề phức tạp ở mức giải đợc trong vòng mời lăm, hai mơi phút

2.2.9 Chấp nhận sai lầm:

Hệ chuyên gia giải quyết vấn đề nh chuyên gia nên chấp nhận hệ thống

có thể mắc sai lầm Về điều này thì chơng trình bình thờng u việt hơn, vớinghĩa chỉ chấp nhận giải pháp đúng Bởi chơng trình bình thờng áp dụng cho

2.3 Quá trình tạo lập hệ chuyên gia :

2.3.1 Các thành viên tham gia quá trình tạo lập hệ chuyên gia:

- Chuyên gia con ngời:

Là ngời có kỹ năng và tri thức để giải vấn đề chuyên sâu theo cách tốthơn ngời khác

Ngời chuyên gia đòi hỏi phải có các tính cách sau:

+ Có tri thức chuyên gia

+ Có kỹ năng giải vấn đề đúng và hiệu quả

Kỹ s tri thức là ngời giữ nhiều vai trò trong việc tạo lập hệ chuyên gia.

Họ là ngời chịu trách nhiệm thu thập, xử lý và mã hoá tri thức

Kỹ s tri thức cần có các tính cách sau:

+ Có kỹ năng về công nghệ tri thức

+ Có kỹ năng giao tiếp

+ Có kỹ năng khớp bài toán với phần mềm

+ Có kỹ năng chơng trình hóa hệ chuyên gia

+ Trợ giúp việc thu thập tri thức

Ngoài các thành viên trên để tạo lập hệ chuyên gia còn cần phải có sự hỗtrợ từ các bộ phận khác nh: Nhóm công cụ, nhóm nhân viên

2.3.2 Các bớc xây dựng hệ chuyên gia :

Khác với chơng trình bình thờng quan tâm đến cách xử lý dữ liệu của bàitoán hệ chuyên gia thì quan tâm đến tri thức của vấn đề Hệ chuyên gia hỏi, tổchức, nghiên cứu tri thức để hiểu về vấn đề Nó xây dựng và thử hệ thống đểhiểu thêm về các tri thức Cuối cùng là thể hiện tự nhiên, thể hiện phù hợp cáchiểu biết ấy Những nhà thiết kế hệ chuyên gia dùng thuật ngữ xử lý và xâydựng hệ thống là công nghệ tri thức

Công nghệ tri thức bao gồm 6 pha:

- Định tên các vấn đề liên quan

- Tiến hành nghiên cứu khả thi

- Phân tích giá, lợi nhuận

- Chọn đề án tốt nhất

- Viết dự kiến đề án

Sau pha này ngời ta hình thành đợc các yêu cầu chính của hệ thống

- Thu thập tri thức:

Nhiệm vụ của pha này là lấy tri thức nhằm hớng dẫn việc phát triển hệthống Tri thức cần thiết cho cả vấn đề và những phơng tiện dùng cho thiết kế

hệ thống Pha này đòi hỏi ngời thu thập tri thức phải gặp gỡ chuyên gia, định

ra các khái niệm chính và các phơng pháp giải tổng quát mà chuyên gia đãdùng Một số thông tin thuận lợi cho hệ chuyên gia sẽ còn có thể đợc bổ sungtrong quá trình thử hệ thống

- Thiết kế

Hệ chuyên gia cần có các kỹ thuật thể hiện phù hợp và tốt nhất đối với trithức chuyên gia và với chiến lợc giải vấn đề Trong pha này, ngời ta xác địnhcấu trúc chung và cách tổ chức của tri thức trong hệ thống Pha này lựa chọnmột công cụ phần mềm cho phép thể hiện và lập luận với tri thức hệ thốngtheo cách mà con ngời đã làm

Việc thiết kế cũng sẽ thừa hởng những thông tin từ pha thử hệ thốngnhằm làm mịn tri thức và cấu trúc hệ thống

- Thử hệ thống:

Tuy đợc xem là một pha độc lập, việc thử nghiệm không phải là nhiệm

vụ tách biệt, mà là quá trình kế tiếp sau thiết kế trong đề án hệ chuyên gia.Trong suốt quá trình thử, ngời thiết kế làm việc chặt chẽ không chỉ với chuyêngia mà còn với ngời dùng, ngời dùng sẽ hỗ trợ phát triển giao diện để hoànthiện hệ thống Đối tợng chính của pha thử hệ thống là kiểm tra cấu trúc tổngthể và tri thức của hệ thống

- Làm t liệu:

Làm t liệu có nghĩa là chuyển hoá tất cả các thông tin về hệ thống sangdạng tài liệu đáp ứng đòi hỏi của ngời dùng và ngời phát triển hệ thống Tuỳtheo yêu cầu của ngời dùng mà các t liệu đợc xây dựng nh t liệu chung chotoàn đề án hay đợc xây dựng riêng, phục vụ cho việc sử dụng, tra cứu các phầnmềm riêng lẻ

Một lu ý là t liệu cần có từ điển tri thức, nó cho phép thể hiện tốt các trithức của hệ thống và nó sẽ đợc bổ sung dần dần

tiến hành theo các bớc nhỏ Để các hoạt động bảo trì tiến hành tự động, tất cảnhững thao tác bảo trì có thể đợc chơng trình hoá.

Khai thác

Làm tinh

Yêu Tri cấu đánh thực

Cầu thức trúc giá hiện

Tạo lại

Các bớc xây dựng hệ chuyên gia

2.4 Các công cụ tạo lập hệ chuyên gia:

2.4.1.Bộ soạn thảo tri thức:

Bộ soạn thảo tri thức và môdul đối thoại của nó là môi trờng trung giangiữa cơ sở tri thức và chuyên gia để có thể thay đổi và bổ sung tri thức

Hệ soạn thảo tri thức có các chức năng:

- Cho phép soạn thảo, cập nhật các luật và các sự kiện

- Đa ra các phạm vi tri thức cần thu nạp

- Lên danh sách các giá trị cần thiết cho mỗi đối tợng

- Kiểm tra sự đúng đắn của các luật đợc đa vào (đảm bảo tính nhấtquán, phi mâu thuẫn và tránh d thừa dữ liệu)

- Kiểm tra các từ, các đối tợng, các dạng đối tợng đã có trong hệ thống

2.4.2 Bộ tạo mô tơ suy diễn:

Là cách thức liên kết các tri thức đã có của hệ để suy diễn ra các tri thứcmới nhằm giải quyết bài toán Mô tơ suy diễn gồm 2 thành phần chính là cơchế suy diễn và cơ chế điều khiển, trong đó:

Cơ chế suy diễn là cách thức khớp các sự kiện trong bộ nhớ với các trithức lĩnh vực trong cơ sở tri thức để rút ra kết luận về vấn đề đang xét Cơ chếsuy diễn bao gồm: cơ chế suy diễn tiến, cơ chế suy diễn lùi và cơ chế suy diễnhỗn hợp

Cơ chế điều khiển là các cách thức điều khiển việc suy diễn của hệ thống

đảm bảo việc suy diễn có kết quả Cơ chế điều khiển bao gồm: chọn hớng suydiễn, giải quyết các tranh chấp, thu hẹp phạm vi các luật, điều khiển dừng

2.4.3 Bộ tạo các giao diện:

Cung cấp các khả năng tạo các giao diện Chủ yếu là giao diện ngời sửdụng theo yêu cầu đặt ra của hệ chuyên gia Tuy nhiên đối với các lĩnh vực cụthể việc áp dụng các công cụ này có thể khác nhau và tuỳ thuộc vào các đặctính riêng của từng hệ chuyên gia có thể bổ sung thêm một vài thành phầnkhác nh bộ giải thích

Chơng 3: Biểu diễn tri thức

3.1 Giới thiệu:

Các hệ chuyên gia dùng các kỹ thuật mã hoá tri thức để xử lý tri thức.Các tri thức này cần đợc biểu diễn ở dạng ký hiệu mà hệ thống xử lý đợc Dotính đa dạng của thực tế, của bài toán cần giải và vì chẳng có kỹ thuật nào làphù hợp cho tất cả các ứng dụng, ngời ta cần lựa chọn một kỹ thuật thích hợp

đối với một lớp bài toán

Hiệu quả của hệ chuyên gia phụ thuộc trực tiếp đến chất lợng tri thức mà

hệ thống đã thu thập và sẽ bổ sung thêm vào bài toán cần giải nên tri thức đợcxem là “ sức mạnh” trong hệ thống thông minh

Tri thức là một thuật ngữ trừu tợng nhằm chỉ hiểu biết của một cá nhân

và chủ đề đã cho Trong hệ chuyên gia, tri thức đợc xem nh cái liên quan chặtchẽ đến miền chủ đề của vấn đề cần xét Vậy tri thức là gì?

3.1.1 Tri thức là sự hiểu biết về một lĩnh vực của chủ đề:

Khi xây dựng hệ chuyên gia không phải ngời ta muốn thu thập tất cả cáctri thức chuyên gia Mà chỉ những tri thức chuyên gia đợc chọn tức những trithức chuyên gia theo một vài chủ đề quan trọng của miền chủ đề Khi ấy ngời

Sau khi thu thập tri thức các chuyên gia về lĩnh vực quan tâm, ngời ta mãhoá các tri thức trong cơ sở tri thức Việc này đòi hỏi phải cấu trúc các tri thứctrong hệ thống một cách phù hợp để hệ thống giải quyết vấn đề thuận tiện Đó

là yêu cầu về thể hiện tri thức

3.1.3 Thể hiện tri thức:

Là phơng pháp cho phép mã hoá tri thức trong cơ sở tri thức của hệthống

Để giải bài toán trong hệ chuyên gia, sau khi biểu diễn tri thức rồi cần có một

hệ thống lập luận trên các tri thức Trong hệ chuyên gia việc lập luận đợc thựchiện thông qua các kỹ thuật suy diễn và các chiến lợc điều khiển

Hiện nay cha có lý thuyết nào giải thích đợc cách tổ chức tri thức con

ng-ời và cũng chẳng có cấu trúc thể hiện tri thức nào là lý tởng cả Vấn đề conngời phải biết chọn kỹ thuật thể hiện tri thức nào phù hợp với ứng dụng họcần Do vậy cần phải biết các kỹ thuật thể hiện tri thức trên một số dạng trithức Có năm dạng tri thức đợc liệt kê trong bảng sau:

Tri thức thủ tục Các luật, các chiến lợc, các thủ tục

Tri thức mô tả Các khái niệm, các đối tợng, các sự kiện

Tri thức Mêta Tri thức về các dạng tri thức khác và cách sử dụng chúngTri thức may rủi Các luật may rủi

Tri thức cấu trúc Các tập luật, các quan hệ, khái niệm, khái niệm về quan

hệ giữa các đối tợng

3.2.1 Tri thức thủ tục:

Là loại tri thức diễn tả cách giải quyết vấn đề Loại tri thức này cho biếtphơng hớng thực hiện các hoạt động Các luật, các chiến lợc, các lịch và cácthủ tục là các dạng đặc trng của tri thức thủ tục

3.2.2 Tri thức mô tả:

Là loại tri thức cho biết một vấn đề đợc thấy nh thế nào Tri thức mô tảgồm các khẳng định đơn giản nhận giá trị chân lý là đúng hay sai Tri thức môtả cũng có thể gồm các xâu khẳng định để diễn tả đầy đủ hơn về đối tợng haymột khái niệm nào đó

3.2.3 Tri thức Meta:

Là loại tri thức diễn tả tri thức của tri thức Thuật ngữ Meta ở đây mang ýnghĩa diễn tả về bản thân đối tợng Loại tri thức này giúp lựa chọn tri thứcthích hợp nhất trong số các tri thức khi giải vấn đề Các chuyên gia dùng trithức Meta để tăng hiệu quả giải vấn đề bằng cách hớng lập luận về miền trithức có khả năng hơn cả

3.2.4 Tri thức may rủi:

Là loại tri thức diễn tả luật may rủi, cung cách may rủi dẫn dắt quá trìnhlập luận Tri thức may rủi còn đợc gọi là tri thức nông cạn do không đảm bảochính xác, khoa học Tri thức may rủi xuất phát từ các kinh nghiệm, từ tri thức

về việc giải vấn đề quá khứ Các chuyên gia thờng dùng các tri thức mang tínhkhoa học về vấn đề, nh các điều luật cơ bản, các quan hệ chức năng…, rồi, rồichuyển chúng thành các tri thức may rủi đơn giản để thuận tiện cho việc giảivấn đề

3.2.5 Tri thức cấu trúc:

Là loại tri thức diễn tả cấu trúc của tri thức Đối với một hệ chuyên giathì tri thức cấu trúc thể hiện cách tổ chức tri thức, mô hình về các tri thức Dovậy tri thức cấu trúc liên quan đến các loại tri thức, chức năng và quan hệ giữacác tri thức

3.3 Các kỹ thuật biểu diễn tri thức:

3.3.1 Phơng pháp biểu diễn tri thức bằng bộ ba đối tợng-thuộc giá trị OAV

tính-Biểu diễn tri thức bằng bộ ba OAV là sử dụng bộ ba Đối tợng - Thuộctính - Giá trị (Object - Attibute - Value) để chỉ ra rằng “đối tợng” với “thuộctính” đã cho nào đó có một “giá trị” nào đó Trong đó đối tợng có thể đợc vật

lý hoá nh cái xe, quả bóng hay một vật trừu tợng nh tình yêu, sự sống, Thuộc tính là tính chất hay những nét quan trọng để nhận ra đối tợng Giá trịcho biết thuộc tính nhận một thể hiện cụ thể Giá trị có kiểu dữ liệu tuỳ thuộc

vào tính chất của thuộc tính, có thể là logic, số hay chữ Một đối tợng có thể

Thí dụ: dùng OAV để thể hiện mệnh đề mô tả việc đọc áp suất trên đồng

hồ đo Đối tợng sẽ là “đồng hồ đo”, thuộc tính là “đọc áp suất” và các giá trị

có thể lấy sẽ là “xuống”, “ổn định” hay “lên”

Hệ thống: hãy cho biết áp suất do đồng hồ trỏ, ứng với trờng hợp nàotrong các trờng hợp sau:

Hệ thống: chọn một trong các giá trị là “cao, béo, cân đối, ”

3.3.2 Phơng pháp biểu diễn các sự kiện không chắc chắn:

Khi ngời ta không rõ một sự kiện nào đó là đúng hay sai với độ chắc

chắn hoàn toàn thì ngời ta sử dụng thêm một khái niệm là mức độ tin vào sự

kiện Câu nói thông thờng luôn nhận một mức độ tin cậy, chẳng hạn nh “cóthể”, “hình nh”, “có vẻ”

Phơng pháp truyền thống trong hệ chuyên gia khi quản lý thông tin

không chắc chắn là sử dụng nhân tố chắc chắn, ký hiệu là CF (certainty

factor) Đó là một giá trị bằng số đợc gán cho mệnh đề để thể hiện mức độ tincậy vào mệnh đề đó

Thí dụ: Hệ Mycin sử dụng các giá trị nhân tố chắc chắn trong khoảng -1

Khái niệm CF bắt đầu từ hệ thống Mycin rồi đợc hình thức hoá vào năm

1975 trong kỹ thuật lập luận gọi là lý thuyết chắc chắn Ngời ta có thể dùng

CF để quản lý mức độ chắc chắn trong câu trả lời của ngời dùng và thông tinsuy luận

Thí dụ: câu “hôm nay có thể nắng” đợc gán giá trị CF bằng 0.7

Một phơng pháp khác để thể hiện sự kiện không chắc chắn là sử dụng lýthuyết tập mờ Mỗi giá trị có tính nhập nhằng của một thuộc tính là một tập

mờ mà mỗi giá trị thực của thuộc tính đó sẽ đợc gán một giá trị thành viên haymức độ thành viên để phản ánh mức độ tin cậy để giá trị thuộc tính đã biết rơivào các tập mờ

Thí dụ: Dùng tập mờ để thể hiện chiều cao của ngời

Khi đó ta có ba tập mờ là “thấp”, “trung bình”, “cao”

Trong mỗi tập mờ, một chiều cao cụ thể đợc gán một con số từ 0 đến 1gọi là giá trị thành viên Chẳng hạn một ngời cao 1m60 đợc xem là thành viêncủa ngời “trung bình” với giá trị thành viên là 1, trong khi đó họ đợc xem làngời “cao” hay ngời “thấp” với giá trị thành viên là 0.25

Logic mờ dùng các luật mờ để tạo ra tập mờ Một luật mờ có các tập mờ

trong cả phần IF và THEN

Thí dụ:

IF chiều cao của ngời là cao THEN trọng lợng của ngời ấy là nặng.

3.3.3 Phơng pháp biểu diễn tri thức nhờ các luật:

Có thể sai

Có thể

đúng