Giáo trình Trí tuệ nhân tạo và hệ chuyên gia (Nghề Lập trình máy tính): Phần 1 - CĐ Nghề

(NB) Giáo trình Trí tuệ nhân tạo và hệ chuyên gia (Nghề Lập trình máy tính): Phần 1 được biên soạn nhằm cung cấp cho bạn kiến thức về trí tuệ nhân tạo, giải quyết vấn đề, phương pháp tìm kiếm, chứng minh định lý và các khái niệm tri thức. Mời các bạn tham khảo!

BỘ LAO ĐỘNG - THƯƠNG BINH VÀ XÃ HỘI TỔNG CỤC DẠY NGHỀ GIÁO TRÌNH Mơn học: TRÍ TUỆ NHÂN TẠO VÀ HỆ CHUYÊN GIA Mã số: ITPGR3_07 NGHỀ: LẬP TRÌNH MÁY TÍNH Trình độ :Cao đẳng nghề NĂM 2012 LỜI TỰA Đây tài liệu xây dựng theo chương trình dự án giáo dục kỹ thuật dạy nghề, để có đươc giáo trình dự án tiến hành theo hai giai đoạn Giai đoạn : Xây dựng chương trình theo phương pháp DACUM, kết gian đoạn khung chương trình gồm 230 trang cấp độ 170 trang cấp độ Giai đoạn : 29 giáo trình 29 tài liệu hướng dẫn giáo viên cho nghề lập trình máy tính cấp độ Để có khung chương trình chúng tơi mời giáo viên, chun gia làm việc lĩnh vực công nghệ thông tin xây dựng chương trình Trong giai đoạn viết giáo trình chúng tơi có điều chỉnh để giáo trình có tính thiết thực phù hợp với phát triển lĩnh vực công nghệ thơng tin Trong q trình biên soạn, cố gắng tham khảo nhiều tài liệu giáo trình khác tác giả khơng khỏi tránh thiếu sót hạn chế Tác giả chân thành mong đợi nhận xét, đánh giá góp ý để giáo trình ngày hồn thiện Tài liệu thiết kế theo mô đun/ môn học thuộc hệ thống mơ đun/mơn học chương trình, để đào tạo hồn chỉnh nghề Lập trình máy tính cấp trình độ bậc cao dùng làm Giáo trình cho học viên khố đào tạo, sử dụng cho đào tạo ngắn hạn cho công nhân kỹ thuật, nhà quản lý người sử dụng nhân lực tham khảo Đây tài liệu thử nghiệm hoàn chỉnh để trở thành giáo trình thức hệ thống dạy nghề MỤC LỤC ĐỀ MỤC TRANG LỜI TỰA .3 MỤC LỤC GIỚI THIỆU BÀI : TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO .9 BÀI : GIẢI QUYẾT VẤN ĐỀ 16 BÀI : CÁC PHƯƠNG PHÁP TÌM KIẾM 46 BÀI : CHỨNG MINH ĐỊNH LÝ 58 CÂU HỎI VÀ BÀI TẬP 89 BÀI : CÁC KHÁI NIỆM TRI THỨC .90 10 BÀI : XỬ LÝ TRI THỨC .116 11 BÀI :TỔNG QUAN VỀ HỆ CHUYÊN GIA VÀ ỨNG DỤNG 131 12 BÀI :CẤU TRÚC HỆ CHUYÊN GIA .179 13 BÀI :HỆ CHUYÊN GIA MYCIN 183 14 BÀI 10:CÁC CÔNG CỤ TẠO LẬP HỆ CHUYÊN GIA .190 TÀI LIỆU THAM KHẢO 194 GIỚI THIỆU VỀ MƠN HỌC Vị trí, ý nghĩa, vai trị mơn học Trí tuệ nhân tạo trở thành môn học chuyên ngành sinh viên ngành Cơng nghệ Thơng tin Mục đích lĩnh vực phương pháp để tự tìm hiểu thân mơ nhân tao Khơng giống triết học tâm lý học, hai khoa học liên quan đến trí tuệ, AI cố gắng thiết lập các yếu tố trí tuệ tìm biết chúng AI có nhiều sản phẩm quan trọng đáng lưu ý, lúc sản phẩm hình thành Mặc dù khó dự báo, máy tính điện tử với độ thông minh định ảnh hưởng lớn tới sống ngày tương lai văn minh nhân loại Mục tiêu môn học Nắm khái niệm trí tuệ nhân tạo, biết biểu diễn vấn đề, sử dụng kỹ thuật chiến lược giải vấn đề, biết biểu diễn tri thức dạng bản, biết sử dụng phương pháp tìm kiếm Nắm kỹ thuật mô tơ suy diễn, nắm cấu trúc hệ chuyên gia, thu thập tri thức từ chuyên gia, xây dựng hệ chuyên gia cỡ nhỏ khoảng vài chục luật kiện, biết tích hợp ứng dụng hệ chuyên gia ứng dụng khác hệ thống thông tin v đánh giá khả hệ chuyên gia Mục tiêu thực mô đun/môn học Nắm khái niệm trí tuệ nhân tạo lịch sử phát triển TTNT lĩnh vực CNTT Biểu diễn vấn đề cần giải phương pháp khác dạng máy tính giải được: Mơ hình tốn học, khơng gian trạng thái Sử dụng kỹ thuật chiến lược giải vấn đề đòi hỏi trí tuệ: Biểu diễn tri thức dạng bản: Logíc, frame, OAV, luật sản xuất, mạng ngữ nghĩa Sử dụng phương pháp tìm kiếm bản: vét cạn, theo chiều sâu, rộng, heuristic để giải tốn Nắm kỹ thuật mơ tơ suy diễn tiến, lùi để suy luận sở tri thức Tính dư thừa, tính mâu thuẫn Nắm cấu trúc hệ chuyên gia : thành phần Thu thập tri thức từ chuyên gia Xây dựng hệ chuyên gia cỡ nhỏ khoảng vàI chục luật kiện cho ứng dụng cụ thể Sử dụng cơng cụ tạo lập hệ chun gia Tích hợp ứng dụng hệ chuyên gia ứng dụng khác hệ thống thông tin Đánh giá khả hệ chuyên gia: Thời gian, chất lượng Nội dung mơn học  :  Trí tuệ nhân tạo lịch sử phát triển  Các tiền đề phát triển TTNT  TTNT công nghệ thông tin  Các thành phần TTNT Các ứng dụng TTNT  Giải vấn đề, phương pháp biểu diễn vấn đề chiến lược giải vấn đề  Chứng minh định lý  Cơ sở tri thức, phương pháp biểu diễn tri thức  Các phương pháp tìm kiếm  Các kỹ thuật suy diễn : Tiến lùi  Các lĩnh vực TTNT tiên tiến : Xử lý ngôn ngữ tự nhiên, Xử lý ảnh, học máy, mạng nơ ron  Tổng quan hệ chuyên gía ứng dụng  Cấu trúc hệ chuyên gia  Hệ chuyên gia MYCIN  Các công cụ tạo lập hệ chuyên gia  Thu thâp sở tri thức  Xử lý tri thức  Hệ giảI thích  Hệ giao diện Kỹ thực thành:  Phân tích bàI toán TTNT  Phát biểu bàI toán dạng hình thức hố  áp dụng hiệu chiến lược giảI vấn đề cho bàI tốn thích hợp  Biểu diễn bàI toán cho dễ hiểu xử lý  Phân tích hệ chuyên gia ứng dụng  Kỹ thu thập tri thức  Kỹ sử dụng phần mềm ngơn ngữ logic hình thức  Biểu diễn bàI toán cho dễ hiểu xử lý Thái độ học viên:  Rèn kuyện kỹ phân tích, tổng hợp, cẩn thận Đánh giá thông qua kiểm tra trắc nghiệm  Kiểm tra trắc nghiệm thực máy tính chấm cho kết  Xây dựng ngân hàng câu hỏi Học viên nhận ngẫu nhiên Các câu hỏi trắc nghiệm 100 câu (mỗi chức 20 câu), Thời gian kiểm tra hạn chế 60 phút Học viên chưa qua lớp học máy tính tối thiểu biết gõ bàn phím di chuột Thang điểm: 0-49 : Không đạt 50-69 : Đạt trung bình 70-85 : Đạt 86-100 : Đạt Giỏi Sơ đồ quan hệ theo trình tự học nghề Học kỳ V Tiếng Anh chuyên ngành Cấp độ Cơ sở kỹ thuật điện - điện tử Lý thuyết ngơn ngữ lập trình Học kỳ VI Lập trình nâng cao hướng NET Phát triển phần mềm ứng dụng Phân tích thiết kế giải thuật Thiết kế mạng quản trị mạng Kho liệu Bảo trì máy tính Mơ hình client-server SQL server Cơ sở trí tuệ nhân tạo hệ chuyên gia Lập trình logic Phân tích hướng đối tượng UML Tích hợp ứng dụng mạng An tồn thơng tin Cơ sở liệu nâng cao Chuyên đề tự chọn BÀI TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO MÃ BÀI ITPRG3_07.1 Mục tiêu thực Học xong học viên có khả năng:  Hiểu kháI niệm TTNT  Nắm cách giảI bàI tốn địi hỏi tri thức Nội dung 1.1 Lịch sử hình thành phát triển TTNT 1.2 Các tiền đề phát triển TTNT 1.3 Trí tuệ nhân tạo CNTT 1.4 Các ứng dụng TTNT 1.5 Các lĩnh vực nghiên cứu 1.1 Lịch sử hình thành phát triển TTNT Những năm gần đây, nhiều sách, báo, cơng trình nghiên cứu khoa học đề cập đến kỹ thuật tính tốn, nguời ta hay nhắc đến nhiều thuật ngữ như: máy tính thơng minh, máy tính hệ V, hệ chuyên gia, mạng ngữ nghĩa… ngơn ngữ lập trình Prolog, LISP mở đường cho việc áp dụng hàng loạt hệ thống chương trình có khả “thơng minh” Trước nói đến trí tuệ nhân tạo (TTNT) người ta thường quan tâm đến việc tạo lập máy tính có khả “suy nghĩ”, chí số phạm vi hẹp đó, cạnh tranh vượt khả não người Những hy vọng thời gian dài ảnh hưởng nhiều đến nghiên cứu phịng thí nghiệm Mặc dù mơ hình tương tự máy tính thông minh đưa hàng nhiều năm trước, từ Alan Turing công bố kết nghiên cứu quan trọng đầu tiên, người ta bắt đầu thực nghiên cứu đến vấn đề TTNT cách nghiêm túc Phát triển Turing cho chương trình lưu trữ nhớ để sau thực sở phép tốn thao tác với bít 0, Điều tạo nên tản máy tính đại Việc lưu trữ chương trình máy cho phép thay đổi chức cách nhanh chóng dễ dàng thơng qua việc nạp chương trình vào nhớ Theo nghĩa đó, khả làm cho máy tính có khả học suy nghĩ Đó biểu quan trọng máy tính trang bị TTNT Năm 1956, chương trình dẫn xuất kết luận hệ hình thức cơng bố Tiếp theo đó, năm 1959, chương trình chứng minh định lý hình học phẳng chương trình giải tốn vạn (GPS – General Problem Solving) đưa Tuy vậy, khoảng năm 1960 McCathy MIT (Massachussets Institute of technology) đưa ngơn ngữ lập trình dùng cho trí tuệ nhân tạo LISP (list Processing), nghiên cứu TTNT phát triển mạnh mẽ Thuật ngữ TTNT Marvin Minsky chuyên gia tiếng MIT đưa năm 1961 báo “Steps Forwards To Artificical Intelligence”, Những năm 60 xem mốc quan trọng trình xây dựng máy có khả suy nghĩ Các chương trình chơi cờ định lý chứng minh định lý tốn học cơng bố khoảng thời gian Những bế tắt, hạn chế thành cơng cac cơng trình nghiên cứu TTNT năm 60 giới hạn khả thiết bị, nhớ đặt biệt yếu tố thời gian thực Chính yếu tố khơng cho phép tổng qt hóa thành cơng bước đầu đạt hệ chương trình TTNT xây dựng Tuy vào năm 70, nhớ máy tính thời gian tính tốn nâng cao đáng kể chất, song cách tiếp cận khác đến trí tuệ nhân tạo chưa mang tới thành công thực bùng nổ tổ hợp trình tìm kiếm lời giải cho toán đặt Cuối năm 70, nghiên cứu lĩnh vực xử lý ngôn ngữ tự nhiên, biểu diễn tri thức, lý thuyết giải vấn đề đem lại diện mạo cho TTNT Thị trường tin học bắt đầu đón nhận sản phẩm TTNT ứng dụng mang tính thương mại Đó hệ chuyên gia áp dụng lĩnh vực khác Hệ chuyên gia phần mềm máy tính, chứa thông tin tri thức lĩnh vực đó, có khả giải yêu cầu người dùng mức độ với trình độ chun gia có kinh nghiệm lâu năm Một hệ chuyên gia thành công thực tế hệ MYCIN, thiết cài đặt trường Đại học tổng hợp Stanford Một kiện quan trọng phát triển khoa học TTNT đời ngôn ngữ Prolog, Alain Calmerauer đưa năm 1972 Năm 1981, dự án Nhật xây dựng máy tính hệ thứ V lấy ngôn ngữ Prolog ngôn ngữ sở làm thay đổi nhiều tình hình phát triển trí tuệ nhân tạo Mỹ Châu Âu Giai đoạn 1981 trở người ta cảm nhận rõ nét chuyên gia TTNT dần chuyển kết phịng thí nghiệm sang cài đặt ứng dụng cụ thể Có thể nói giai đoạn cạnh tranh riết công ty, viện nghiên cứu hàng đầu nhằm đưa thị trường sản phẩm phần mềm ứng dụng kỷ thuật TTNT Cuối năm 80, đầu năm 90 thị trường sản phẩm dân dụng có nhiều sản phẩm trình độ cao máy giặt, máy ảnh… sử dụng TTNT Các hệ thống nhận dạng sử lý hình ảnh, tiếng nói ngày thúc đẩy phát triển kỹ thuật mạng Neuron Sự xích lại hai cách tiếp cận: Tiếp cận mở lập luận xấp xỉ kỹ thuật mạng Neuron gây quan tâm đặt biệt chuyên gia tin học Bên cạnh xuất hệ chuyên gia, ứng dụng công nghiệp quản lý xã hội, quản lý kinh tế đòi hỏi đời hệ thống xử lý tri thức – liệu tích hợp Thế giới chuyển nghiên cứu TTNT Tuy vậy, câu hỏi liệu kỹ thuật TTNT có tạo nên bước nhảy vọt cơng nghệ tin học, đặc biệt công nghệ máy tính người ta mong đợi hay khơng chưa có lời giải đáp thỏa đáng 1.2 Các tiền đề phát triển TTNT Phương pháp giải vấn đề hình thành thập kỉ đầu nghiên cứu AI liên kết bước lập luận để tìm cách hồn thiện Chương trình DENDRAL (Buchanan, 1969) ví dụ cách tiếp cận phương pháp Với học này, Feigebaum thành viên khác Stanford bắt đầu lập dự án cho chương trình Heuristic, đầu tư mở rộng vào phương pháp hệ chuyên gia nhằm áp dụng vào lĩnh vực khác Những nỗ lực chuẩn đốn y học Feigenbaum, Buchanan Edward Shortlife phát triển hệ chuyên gia MYCIN để chẩn đoán bệnh nhiễm trùng máu Với khoảng 450 luật, hệ chuyên gia MYCIN thực tốt nhiều bác sĩ Có hai khác biệt hệ MYCIN với hệ chuyên gia DENDRAL Thứ nhất: không giống luật DENDRAL, khơng mẫu chung tồn mà suy luận từ luật hệ MYCIN Các luật phải có câu chất vấn chuyên gia- người có nhiệm vụ tìm chúng từ kinh nghiệm Thứ hai: luật phản ánh mối liên quan không chắn với kiến thức y học MYCIN kết hợp với hệ vi phân biến số coi nhân tố phù hợp (ở lúc) với phương pháp mà bác sĩ tiếp cận với triệu chứng q trình chuẩn đốn Cách tiếp cận khác để chuẩn đoán y học nghiên cứu Tại trường đại học Rutger, máy tính ngành sinh hố Sual Amarel cố gắng chuẩn đoán bệnh tật dựa kiến thức mơ tả máy phân tích q trình gây bệnh Trong đó, số nhóm lớn MIT trung tâm y tế Anh tiếp tục phương pháp chuẩn đoán điều trị dựa học thuyết có tính khả thi thực tế Mục đích họ xây dựng hệ thống đưa phương pháp chẩn đốn y học Về y học, phương pháp Stanford sử dụng qui luật bác sĩ cung cấp từ đầu chứng minh phổ biến Một hệ chuyên gia khác: PROSPECTOR (Duda 1979) công bố để tư vấn lĩnh vực thăm dò quặng Một yếu tố có tính tiền đề cho phát triển AI ngơn ngữ trí tuệ nhân tao Một vài ngôn ngữ dựa vào logic PROLOG phổ biến châu Âu, PLANNER Mĩ Các ngôn ngữ khác, theo sau ý tưởng Minsky (1975) chấp nhận phương pháp tiếp cận cấu trúc, thu thập chứng đối tượng loại kiện 1.3 Trí tuệ nhân tạo CNTT Khoa học trí tuệ nhân tạo có nhiệm vụ nghiên cứu kỹ thuật làm cho máy tính suy nghĩ cách thơng minh Khoa học trí tuệ nhân tạo cịn mơ q trình suy nghĩ người đưa định, lời giải nhờ tìm kiếm khơng gian tốn hay phân rã toán thành bào toán Do vậy, chia nhỏ trình suy nghĩ thành bước Trên sở thiết kế chương trình máy tính để giải tốn dựa vào bước q trình tìm kiếm Trí tuệ nhận tạo tạo nên cách tiếp cận đơn giản có cấu trúc để xây dựng chương trình định phức hợp đòi hỏi phải dựa tri thức định Trí tuệ nhân tạo tạo cho máy tính khả suy nghĩ Nhờ đơn giản hố phương cách kết hợp chương trình với nhau, trí tuệ nhân tạo mơ q trình học người, sở thu nạp thông tin phục vụ cho trình suy diễn sau Các kỹ thuật trí tuệ nhân tạo cho phép tạo lập chương trình phần thể thao tác độc lập trình tới lời giải cuối cho tốn Có thể coi phần chương trình mẩu thơng tin não người Nếu mẩu thơng tin thay đổi não chỉnh lý q trình suy nghĩ để phù hợp với tập kiện mà khơng cần phải xét lại tồn có Thay vào đó, cần xét số phần có liên quan Sự đời phát triển trí tuệ nhân tạo tạo nên bước nhảy vọt chất kỹ thuật kỹ nghệ xử lý thơng tin Trí tuệ nhân tạo sở công nghệ xử lý thông tin mới, độc lập với công nghệ xử lý thông tin truyền thống dựa vào văn giấy tờ So sánh kỹ thuật lập trình truyền thống kỹ thuật xử lý ký hiệu trí tuệ nhân tạo: Lập trình truyền thống liệu Xử lý Lập trình xử lý ký hiệu Xử lý liệu định tính (các ký hiệu tượng trưng) xử lý tri thức Tri thức cấu trúc nhớ làm Dữ liệu việc theo ký hiệu nhớ đánh địa số Xử lý theo thuật giải heuristic theo Xử lý theo chế lập luận thuật toán Định hướng xử lý đại lượng định tính, Định hướng ký hiệu tượng trưng danh sách xử lý đại lượng định lượng số Xử lý theo chế độ tương tác cao (như hội thoại theo ngôn ngữ tự nhiên … ) Xử lý tuần Có thể giải thích hành vi hệ thống q tự theo mẻ trình thực Khơng giải thích trình thực Bảng So sánh kỹ thuật lập trình truyền thống xử lý ký hiệu trí tuệ nhân tạo 1.4 Các ứng dụng TTNT Các ứng dụng trí tuệ nhân tạo đa dạng: hệ điều khiển tự động q trình sản xuất cơng nghiệp, robot làm việc môi trường đặc biệt, hệ chuyên gia lĩnh vực, hệ dịch tự động, hệ nhận dạng … 1.4.1 Kỹ thuật robot Cuối năm 1960, kỹ thuật công nghệ chế tạo người máy có bước phát triển mới, sở kết hợp thành tựu nghiên cứu lý thuyết trí tuệ nhân tạo điều khiển Các nghiên cứu ứng dụng phương pháp nhận dạng, hình ảnh, tiếng nói tiền đề quan trọng tiến tới chế tạo robot thông minh Người máy hệ thứ ba đảm nhận nhiều nhiệm vụ phức tạp, địi hỏi khả trí tuệ cao, kỹ thuật trí tuệ nhân tạo cho phép điều khiển chuyển động người máy dựa tri thức phụ thuộc không gian thời gian 1.4.2 Các chương trình trị chơi Các chương trình trị chơi theo nghĩa xuất phát điểm nghiên cứu thử nghiệm lập trình heuristic, điểm mấu chốt xác định hàm giá Có nhiều loại chương trình trị chơi: chương trình chơi cờ, chơi bài, trò chơi Go, Nimo … 1.4.3 Xử lý ngôn ngữ tự nhiên Việc sử dụng ngôn ngữ tự nhiên ngày trở nên phổ biến cần thiết Phạm vi xử lý ngôn ngữ tự nhiên bao gồm: - Giao tiếp ngôn ngữ tự nhiên với máy tự động - Các hệ thống thu thập tin tự động - Robot có khả nghe, hiểu - Giao tiếp với hệ chuyên gia - Hiểu văn - Hiểu tiếng nói liên tục … 10 Trong logic vị từ, kiện mệnh đề chia thành phần: vị từ luận chứng Luận chứng biếu diễn đối tượng, vị từ khẳng định đối tượng Ví dụ: để biểu diễn mệnh đề “John likes Mary”, ta viết sau likes(John,Mary) Trong biểu diễn logic vị từ, từ vị từ để xác định quan hệ đối dấu ngoặc Các đối ký hiệu xác định đối tượng Chữ vị từ thường chữ in thường  Biến Biến thường dùng để biểu diễn lớp đối tượng thuộc tính Biến biểu diễn đối tượng bắt đầu với chữ in hoa Ví dụ, để biểu diễn mệnh đề “John likes Mary”, “Bob likes Judy” … ta viết likes(X,Y)  Hàm Logic vị từ sử dụng ký hiệu để biểu diễn hàm Một hàm xác định ánh xạ thực thể từ tập sang phần tử tập khác Ví dụ, hàm sau định nghĩa để trả giá trị Father(Jack)=Bob Mother(Judy)=Kathy Hàm dùng vị từ Ví dụ, vị từ sau Bob Kathy bạn Friends(father(Jack),mother(Judy))=Friends(Bob,Kathy)  Toán tử Logic vị từcũng sử dụng toán tử logic mệnh đề Ví dụ: Likes(John, Mary) Likes(Bob,Mary) Hai vị từ có hai người đàn ơng thích Mary Để mơ tả rõ ràng đố kỵ xảy ra, ta viết: Likes (X,Y) AND Likes(Z,Y) IMPLIES NOT Likes(X,Z) Tức có người thích người họ khơng thích Trong logic vị từ, sử dụng ký hiệu cho phép ta định nghĩa phạm vi biến biểu thức logic Hai ký hiệu biểu thức True tất giá trị gán cho biến Ví dụ: X likes(X,Mary) có nghĩa tất người thích Mary biểu thức True số giá trị biến Ví dụ: X likes(X,Mary) có nghĩa có số người thích Mary (tồn người thích Mary) Dấu ngoặc sử dụng để xác định phạm vi Ví dụ: X(likes(X,Mary) nice(Mary) nice(X)) Biểu thức logic xác định tất người thích Mary Mary tốt suy người thích Mary tốt  Suy diễn logic Trong phần trước giới thiệu cách sử dụng logic vị từ để biểu diĩen tri thức theo dạng ký hiệu Mặc dù vậy, hệ thống thơng minh cần phải có phương pháp để suy diễn tri thức Việc sử dụng logic vị từ cung cấp khả suy diễn cho hệ thống Việc suy diễn yêu cầu khả đưa kết luận từ kiện Quá trình suy diễn hệ chuyên gia gọi trình rút kết luận 89 Một dạng đơn giản trình rút kết luận modus ponens Modus ponens khẳng định rằng: Nếu A , A B đúng, B Ý tưởng việc đưa kết luận từ thông tin biết sử dụng chứng minh luật trung tâm để suy diễn hệ thống thông minh Để minh hoạ cho lý thuyết suy diễn logic, ta xét ví dụ điều khiển robot Chức robot di chuyển khối xác định sang số vị trí xác định Nhiệm vụ ta cung cấp cho robot tri thức cách sử dụng logic vị từ để thự nhiệm vụ Để hồn thành nhiệm vụ này, trước tiên ta phải cung cấp để robot hiểu đối tượng tồn cách chúng xếp Sử dụng logic vị từ để mô tả khối: cube(a) cube(b) cube(d) pyramid(c) sphere(c) hand(hand) table(table1) dạng đối tượng on(a,table1) on(b,table1) on(d,a) on(c,b) holding(hand,nothing) định nghĩa định nghĩa quan hệ đối tượng mô tả trạng thái thời tay robot Mục đích robot đặt khối chồng lên Ví dụ, đặt khối b lên khối a put_on(b,a) Để thực nhiệm vụ này, robot phải giữ khối b khối a phải khơng có khối đè lên Sau đó, đặt khối b lên khối a Hand_holding(b) clear(a) put_on(b,a) Nếu ta muốn robot chuuyển nhiều khối, ta viết: X Y (hand_holding(X) clear(Y) put_on(X,Y)) Khối bị di chuyển tập X sang khối đích Y Một nhiệm vụ mà robot cần thực hướng dẫn để lấy di chuyển số khối phải xác định xem khối có bị khối khác đè lên khơng Nếu có, trước tiên robot phải di chuyển khối nằm khối X(⌐ Y on(Y,X) clear(X)) Đối với tất X, X không bị đè lên không tồn Y nằm X Nhận thông tin từ thông tin cũ chìa khố suy diễn Trên ví dụ minh hoạ cách sử dụng logic vị từ để tạo hệ thống thông minh 5.4 Biểu diễn tri thức O-A-V Tất lý thuyết tổ chức tri thức người sử dụng kiện khối xây dựng Một kiện dạng tri thức mô tả Nó cung cấp số hiểu biết cần thiết kiện vấn đề Trong hệ chuyên gia, kiện thường dùng để mô tả phần frames, mạng ngữ nghĩa luật Sự kiện thường dùng để mô tả mối quan hệ cấu trúc tri thức phức tạp điều khiển việc sử dụng cấu trúc trình giải vấn đề Trong AI hệ chuyên gia, kiện thường đề cập tới phát biểu (proposition) Phát biểu câu sai Ví dụ: Trời mưa Một kiện sử dụng để xác định giá trị số đối tượng Ví dụ: “Quả bóng màu đỏ” gán Ghế giá trị “đỏ” cho màu Màu bóng Sự kiện Nâu loại gọi ba O_A_V (đối tượng _ thuộc tính _ gí trị) O_A_V loại phát biểu phức tạp Nó chia câu thành phần khác nhau: đối tượng, thuộc tính giá trị thuộc tính Ví dụ: “Cái ghế màu nâu” Ta biểu diễn câu Đối tượng Thuộc Giá gia trị trị “nâu” theo cấu trúc O_A_V sau: đối tượng “ghế”,tính thuộc tính “màu”, 90 Hình O_A _V Đối tượng biểu diễn O_A_V vật lý như: tơ, bóng … trừu tượng như: tình u … Thuộc tính tính chất đặc điểm đối tượng Giá trị xác định phép gán thuộc tính Giá trị Boolean, số, chuỗi … Đối với hầu hết vấn đề hệ chuyên gia, đối tượng thường có nhiều đặc điểm quan trọng Trong trường hợp này, thuộc tính đa trị định nghiã cho đối tượng, tương ứng với giá trị thuộc tính Đường kính Bóng Màu Khối lượng Đối tượng Thuộc tính 50 cm Đỏ 1.5 kg Giá trị Đối tượng có nhiều thuộc tính Sự kiện đơn trị kiện đa trị Một số thuộc tính có giá trị, thuộc tính khác đa trị Trong trình thiết kế hệ chun gia, ta thiết kế thuộc tính ba O_A_V đơn hay đa trị Điều cung cấp cho ta khả mềm dẻo để biểu diễn tri thức liên quan Ví dụ: Quan tâm đến vấn đề trình độ học vấn Đối tượng “người”, thuộc tính “trình độ học vấn” Một người có nhiều cấp Vì vậy, phải thiết kế ba O_A_V đa trị Cả hai kiện O_A_V đơn đa trị có chung đặc điểm quan trọng: người sử dụng lựa chọn giá trị từ danh sách, hệ thống phải xác nhận gí trị nhớ làm việc True, cịn giá trị khác False Sự kiện khơng chắn Trong giới khơng có hồn tồn sai Chúng ta ln có mức độ tin tưởng vào kiện Ví dụ: Một người nói “Hơm trời mưa” Con người có số cách giải thích khác câu nói Hệ chuyên gia cung cáp khả tương tự Phương pháp truyền thống thường sử dụng hệ chuyên gia quản lý thông tin không chắn, gọi nhân tố tin cậy (CF) CF giá trị số gán cho câu để biểu diễn mức độ tin tưởng câu 91 Sử dụng giá trị CF, hệ chuyên gia lưu giữ mức độ tin tưởng câu trả lời người sử dụng thông tin tạo Sự kiện mờ Hệ chuyên gia cần phải biểu diễn thuật ngữ khơng rõ ràng thường tìm thấy ngơn ngữ tự nhiên Ví dụ: “Người cao” Câu khơng rõ ràng sử dụng từ “cao” Người ta có giải thích suy diển khác với thuật ngữ không rõ ràng, máy tính cần phải trợ giúp Việc trợ giúp lĩnh vực nghiên cứu gọi Logic mờ Logic mờ cung cấp phương pháp cho việc biểu diễn suy diễn thuật ngữ không rõ ràng Các thuật ngữ không rõ ràng biểu diễn tập mờ Chiều cao Thấp Cao Trung bình Membership value 0.5 Tập mờ chiều cao Hình biểu diễn tính từ khác mơ tả chiều cao người tập mờ ánh xạ vùng chiều cao thành giá trị gọi Membership value (MV) MV số thuộc từ đến để phản ánh mức độ tin tưởng mà chiều cao thuộc vào tập mờ Ví dụ: người cao 1.6 m thuộc tập “trung bình” với MV=1 Nếu thuộc tập “cao” “thấp” có MV=0.25 Logic mờ cho phép viết luật mờ Một luật mờ bao gồm tập mờ có phần IF THEN 5.5 Biểu diễn tri thức Frame Phần mở rộng mạng ngữ nghĩa sử dụng lược đồ, đề xuất Barlett (1932) Lược đồ đơn vị lưu giữ tri thức thông thường số khái niệm đối tượng, bao gồm tri thức mô tả tri thức thủ tục.Lược đồ nắm giữ thông tin chuẩn khả nghiên cứu số trường hợp nghiên cứu đặc biệt Người thiết kế hệ chuyên gia sử dụng ý tưởng để nắm giữ biểu diễn tri thức mức khái niệm hệ chuyên gia, lược đồ gọi frame, đề xuất Minsky (1975) Frame cấu trúc liệu dùng để biểu diễn tri thức chuẩn số khái niệm đối tượng  Thiết kế frame 92 Cấu trúc frame cúng giống form Nó có tên “Object 1”, tên đối tượng biểu diễn frame Một frame có trường “Property 1”, “Property 2” … đặc điểm hay thuộc tính đối tượng Mỗi thuộc tính có slot để nhập giá trị “Value 1” Các thuộc tính giá trị thuộc tính lấy từ danh sách câu có dạng O_A_V, câu cung cấp phương pháp biểu diễn đối tượng đa dạng Giá trị thuộc tính thường dạng: Boolean, chuỗi, số Một frame cung bao gồm trường lựa chọn gọi Class Ta nhập giá trị (Ví dụ “Object 2”) tên frame khác liên quan đến “Object 1” Quan hệ thường gọi “IS-A” Vì ta có quan hệ “Object IS-A Object 2” Giá trị việc thiết lập liên kết hai frame tương tự nút mạng ngữ nghĩa liên kết với “Object 1” thừa kế thông tin từ “Object2” Tên frame Object Object Class Thuộc tính Property Value Poperty Value … … Bảng Thiết kế Frame  Class frame: Class frame biểu diễn đặc tính chung tập hợp đối tượng Ví dụ: ta tạo class frame mô tả đối tượng ô tô, thuyền, chí đối tượng vơ nhiệt độ, độ ẩm … Tromg class frame ta cần định nghĩa thuộc tính chung tất đối tượng gán giá trị mặc định Các thuộc tính có hai dạng: tĩnh động Thuộc tính tĩnh mơ tả đặc điểm đối tượng mà giá trị khơng thay đổi Thuộc tính động thuộc tính mà giá trị thay đổi theo thao tác hệ thống Tên frame Thuộc tính Chim Màu Ăn Số cánh Bay Đói Hoạt động Chưa biết Giun True Chưa biết Chưa biết Bảng : Class Frame Instance frame: Ta sử dụng dạng frame khác để mô tả trường hợp sử dụng khác class frame Điều gọi instance frame Khi ta tạo Tên frame trường hợp số lớp, frame thừa kế thuộc tính giá trị thuộc tính từ lớp Sau đó, ta thay đổi giá trị thuộc tính cho thích hợp với mô tả đối tượng biểu diễn instance frame Thậm chí ta bổ sung thuộc tính vào instance Class frame cần thiết Chim non Thuộc tính Chim 93 Màu Ăn Số cánh Bay Đói Hoạt động Sống Vàng Giun False Chưa biết Chưa biết Lồng Bảng : Instance frame Nói chung, ta tạo nhiều instance cho lớp Đơn giản ta cần chấp nhận frame instance lớp thừa kế thơng tin lớp Cách tiếp cận làm tăng tốc độ mã hoá hệ thống, đặc biệt có nhiều instance cần phải mã hố  Thừa kế frame Một nút mạng ngữ nghĩa thừa kế thơng tin từ nút khác, instance frame thừa kế thông tin từ class frame Khi ta tạo instance frame, ta bắt đầu thừa nhận frame instance số lớp Việc thừa nhận làm cho instance frame thừa kế tất thơng tin class frame Ngồi việc thừa kế thơng tin mơ tả từ lớp nó, mơt instance thừa kế behaviour Để thực việc này, trước tiên ta phải bổ sung vào class frame thủ tục (hay gọi phương thức) để định nghĩa số hành động mà frame thực  Cấu trúc phân cấp Bên cạnh việc có lớp đơn lẻ instance kết hợp với nahu, ta cịn tạo cấu trúc frame phức tạp Hình sau giới lồi chim xếp theo cấu trúc phân cấp Cấu trúc tổ chức loài chim theo mức trừu tượng khác Mức đỉnh chứa thông tin chung lồi chim Mức chứa thơng tin chi tiết loài chim riêng lẻ Mức cuối instance Mỗi instance thừa kế thông tin từ lớp đỉnh đặc điểm từ lớp liên kết với Chim Chim két Chim Chim sẻ Chim bồ câu Chim Chim Chim Bảng Frame loài chim  Facets 94 Chim Chim Hệ thống sử dụng frame đề cập đến đặc điểm gọi facet Facet cung cấp cho ta cách điều khiển thông qua giá trị thuộc tính Ta sử dụng facet để định nghĩa phạm vi giá trị thuộc tính giới hạn kiểu liệu lưu trữ giá trị thuọc tính Ví dụ: chuỗi, số, boolean Ta sử dụng facet để hướng thuộc tính cách lưu trữ giá trị làm giá trị thay đổi Người ta thường gọi IF-NEED IFCHANGED facet  IF-NEED facet Trong số ứng dụng ta phải định nghĩa thủ tục Thủ tục thực giá trị thuộc tính cần Trường hợp thường xảy tính chất thuộc tính thu từ chuỗi phép toán, từ CSDL từ vùng tính bên ngồi Trường hợp xảy giá trị phụ thuộc vào giá trị thuộc tính khác thay đổi phiên Phương thức viết ngôn ngữ thủ tục cấu trúc phát triển lựa chọn, gắn vào IF-NEED facet thuộc tính Để minh hoạ cho cách sử dụng IF-NEED facet từ giá trị thuộc tính, ta xét ví dụ sau: Tính chất “Bay” “Chim non” hình 3.14 Giá trị thuộc tính khởi tạo “Chưa biết” ta muốn hệ thống xác định liệu “Chim non” bay hay khơng? Hầu hết lồi chim bay có cánh, giá trị mặc định class frame “Chim” Vì vậy, “Chim non” có cánh, suy khơng thể bay Phương thức sau thực nhiệm vụ này: IF chim non có cánh THEN chim non bay IF chim non có cánh THEN chim non bay Để thực phương thức cấu trúc chọn, trước tiên ta phải có cách để lấy giá trị thuộc tính “Số cánh” frame “Chim non” Trong mã lệnh cấu trúc khác không đáng kể, chúng sử dụng để lấy giá trị thuộc tính frame Ví dụ: Cấu trúc Fappa PC sử dụng đoạn mã lệnh sau: Frame:Property Sử dụng đoạn mã lệnh frame “Chim non “ hình 3.14 ta có: Chim non: Số cánh =1 Sau đó, ta phải gán giá trị True False cho thuộc tính “Bay”, phụ thuộc vào số cánh “Chim non” Các cấu trúc không khác nhiều thủ tục Kappa PC sử dụng đoạn mã lệnh sau: Frame:Property = Value Để chuẩn bị cho phương thưc chung cú pháp dùng để viết phương thức, ta phải sử dụng đoạn mã lệnh sau: IF Chim non: Số cánh < THEN Chim non: Bay = False IF Chim non: Số cánh = THEN Chim non : Bay = True Phương thức đặt tên gán vào IF-NEED facet thuộc tính “Bay” frame “Chim non” 95 Cách tiếp cận hiệu việc xác định liệu “Chim non” bay hay không, phương pháp lại không hiệu ứng dụng lớn Xét trường hợp có nhiều lồi chim tồn tại, tên “Chim non ” thay loài chim khác cách tương ứng Hơn nữa, hầu hết cấu trúc cho phép ta sử dụng biến để thay cho tên frame Ví dụ: Kappa PC sử dụng biến Self Ta sử dụng biến phương thức gắn phương thức vào mức lớp Để thừa kế phương thức này, instance phải gán tên vào biến Điều cho phép ta viết phương thức chung mức lớp mà chứa instance frame Ví dụ: IF Self: Số cánh < THEN Self: Bay = False IF Self: Số cánh = THEN Self : Bay = True Mỗi instance frame “Chim” sử dụng phương thức để xác đinh liệu bay hay khơng IF-CHANGED facet Một phương thức gắn vào IF-CHANGED facet thuộc tính thực số hành động mà giá trị thay đổi Chúng ta cần loại phương thức giá trị thuộc tính frame tác động tới giá trị thuộc tính frame khác ngs dụng mô điều khiển Nó sử dụng để thay đổi giá trị thuộc tính frame đó, ta xét ví dụ sau: Ta muốn lồi chim biểu diễn instance lớp “Chim” hình 3.13 để biết chúng làm chúng đói Một câu suy diễn nói cho ta biết lồi chim thường ăn gì, sử dụng giá trị thuộc tính “Ăn” Để lưu giữ mơ tả lồi chim làm gì, ta gửi kết đến giá trị thuộc tính “Hoạt động” Ví dụ : “Ăn giun” Để thực điều này, ta cần phải viết phương thức (gọi “Hungry_Action”) gắn vào IF-CHANGED facet thuộc tính “Đói” class frame “Chim” Phương thức thưc instance thuộc tính “Đói” thay đổi Cho nên, instance sử dụng phương thức này, phương thức phải chứa biến Self Phương thức sau thực yêu cầu trên: IF Self: đói = True THEN Self: hoạt động = Ăn # Self: Ăn Khi thuộc tính “Đói” bát kỳ instance thay đổi, phương thức trước tiên kiểm tra liệu giá trị thuộc tính có True khơng? Nếu có, phương thức gán giá trị thuộc tính “Hoạt động” ăn Chú ý, ký tự ”#” dùng phương thức dùng để nối chuỗi Sử dụng phương thức IF-CHANGED class level cung cấp nguyên tắc chung cho hệ thống Mỗi frame gắn kiểu behaviour chung vậy, frame sửa behaviour cho phù hợp với yêu cầu 5.4 Biểu diễn tri thức luật sản xuất Các kiện hỗ trợ người sử dụng phần quan trọng thao tác hệ chuyên gia Nó cho phép hệ thống hiểu trạng thái thời giới Mặc dù vậy, hệ thống phải có tri thức bổ sung, cho phép làm việc cách thơng minh với kiện để giải vấn đề đưa Một cấu trúc tri thức thường sử dụng thiết kế hệ chuyên gia để cung cấp tri thức bổ sung luật Luật cấu trúc tri thức liên hệ số thông tin biết với thông tin khác để đưa kết luận 96 Luật dạng tri thức thủ tục Nó liên kết thông tin đưa với số kiện Sự kiện chấp nhận thông tin số thủ tục thực Trong nhiều trường hợp, luật mô tả cách giải vấn đề Cấu trúc luật liên kết nhiều giả thiết lưu giữ phần IF, với nhiều kết lưu giữ phần THEN Ví dụ: IF Quả bóng màu đỏ THEN Tơi thích Nói chung, luật có nhiều giả thiết liên kết câu AND, OR hai Kết luận luật câu đơn câu phức Luật chứa ELSE Trong hệ chuyên gia sử dụng luật, vùng tri thức lưu giữ tập luật đưa vào sở tri thức hệ thống Hệ thống sr dụng luật thông tin lưu giữ nhớ làm việc để giải vấn đề Nếu phần IF luật tương ứng với thông tin lưu nhớ làm việc hệ thống thực thao tác xác định phần THEN luật Khi điều xảy luật thực phần THEN đưa vào nhớ làm việc Các câu đưa vào nhớ làm việc làm cho luật khác thực Cơ sở tri thức Bước3 IF Quả bóng màu đỏ THEN Tơi thích IF Tơi thích THEN Tơi mua Bước5 Q: Quả bóng màu gì? A: Màu đỏ Bước1 Bộ nhớ làm việc Quả bóng màu đỏ Tơi thích bóng Tơi mua Bước2 Bước4 Bảng Thao tác hệ thống sử dụng luật Quá trình xử lý luật hệ chuyên gia có sử dụng luật quản lý module gọi máy suy diễn Thực thủ tục Bên cạnh việc đưa kết luận, luật cịn thực số thao tác Thao tác phép tính đơn giản Ví dụ: IF Diện tích hình vng có cạnh a THEN Diện tích = a*a Luật thực thông tin phần giả thiết đưa vào nhớ làm việc Để thực thao tác phức tạp, hầu hết hệ thống có sử dụng luật thiết kế để truy nhập tới chương trình từ bên ngồi Chương trình loại phần mềm truyền thống CSDL, Chương trình C 97 Nói chung, ta truy nhập thay đổi thông tin chương trình ngồi Khả làm tăng tính mềm dẻo việc thiết kế hệ chuyên gia Ta sử dụng số lượng lớn thông tin lưu trữ CSDL bảng tính, thay đổi thông tin thông qua định thông minh tạo hệ chuyên gia  Phân loại luật Luật biểu diễn dạng khác tri thức:  Quan hệ IF ăc quy hỏng THEN ô tô không khởi động  Nhắc nhở IF ô tô không khởi động THEN xe taxi  Điều khiển IF ô tô không khởi động AND Hệ thống xăng tốt THEN Kiểm tra hệ thống điện  Chiến lược IF ô tô không khởi động THEN trước tiên phải kiểm tra hệ thống xăng, sau kiểm tra hệ thống điện  Heuristic IF tơ khơng khởi động AND Đó loại Ford 1975 THEN kiểm tra float Luật sản xuất theo chất chiến lược giải vấn đề  Vấn đề giải thích  Vấn đề chuẩn đoán  Vấn đề thiết kế  Các luật thay đổi Trong số ứng dụng, ta phải thực thao tác giống tập đối tượng giống Ta viết luật cho đối tượng, cách làm khơng hiệu gây khó khăn cho việc lưu trữ hệ thống Ví dụ: IF John Smith nhân viên AND Ông ta lớn 65 tuổi THEN Ông ta nghỉ hưu Luật kiểm tra John Smith nhân viên cơng ty, có tuổi lớn 65 kết luận cho ơng ta nghỉ hưu Nếu ta muốn hệ thống thực việc kiểm tra cá nhân khác nhau, ta viết luật tương tự cho người _ cách làm hiệu nhiều Thêm vào đó, tri thức sở thay đổi, Ví dụ: tuổi nghỉ hưu từ 60 đến 65, ta lại phải thay đổi luật Để tránh điều này, ta lựa chọn ngơn ngữ máy tính có khả thay đổi Các luật bao gồm biến mà ta sử dụng tương ứng với vấn đề giống 98 Ví dụ: IF ?X nhân viên AND ?X Tuổi lớn 65 THEN ?X nghỉ hưu Luật quét toàn bộ nhớ làm việc để tìm phần tương ứng với hai giả thiết Nếu phần tương ứng tìm ra, luật đưa kết luận người nghỉ hưu Giả thiết quét danh sách thông tin gán tên tứng người cho biến ?X người nhân viên Giả thiết thứ hai kiểm tra người có lớn 65 tuổi không Nếu phần tương ứng với hai giả thiết tìm luật đưa kết luận người nghỉ hưu ghi thông tin vào nhớ làm việc Các luật không chắn Nếu có kiện khơng chắn có luật không chắn Chuyên gia thường cung cấp luật thiết lập từ giả thiết kết luận khơng xác Ví dụ: IF Có mây đen THEN Trời mưa Trong ví dụ này, chun gia sử dụng từ “có thể” Vì vậy, để đảm bảo phát biểu chuyên gia sử dụng nhân tố tin cậy (CF) Ví dụ: IF Có mây đen THEN Trời mưa (CF=0.8) Siêu luật Thông thương, giải vấn đề chuyên gia thường sử dụng tri thức để giải vấn đề Các tri thức khác với loại tri thứcmà thường thấy, dùng để miêu tả đặc điểm miền tri thức Hơn nữa, loại tri thức thường sử dụng miền tri thức tồn để xác định cách giải vấn đề tốt Loại tri thức gọi siêu tri thức Siêu tri thức tri thức sử dụng điều khiển miền tri thức Siêu tri thức thường biêu diễn siêu luật để đưa kết luận Siêu luật mô tả cách luật khác nên sử dụng Siêu luật thiết lập chiến lược sử dụng luật xây dựng miền, thay đưa luật Ví dụ: IF ô tô không khởi động AND hệ thống điện hoạt động bình thường THEN sử dụng luật có liên quan đến hệ thống xăng Siêu luật kiểm tra ô tô trực tiếp điều khiển hệ thống kiểm tra hệ thống xăng khơng có vấn đề phát sinh từ hệ thống điện Siêu luật cung cấp điều khiển trực tiếp cho hệ chuyên gia trình xử lý Ta sử dụng chúng để tăng cường hiệu suất hệ thống cách điều khiển trực tiếp suy diễn vùng giả thiết Tập luật Thông qua kinh nghiệm, chuyên gia đưa số tập luật ứng dụng cho vấn đề Một tập luật ứng dụng vấn đề, lại khơng cõ ích 99 vấn đề khác Ví dụ: Kỹ thuật ô tô có tập luật dùng chung cho hệ thống điện xăng Khi ta gặp vấn đề điện, ta sử dụng luật lấy từ kinh nghiệm mà ta trải qua trình làm việc với hệ thống điện tơ Một tập đưa đối chọi với kinh nghiệm chuyên gia lĩnh vực Việc lựa chọn sử dụng khác tập luật đối chọi với khả suy diễn chuyên gia Các luật độc lập không đầy đủ suy diễn chuyên gia Một chiến lược cần sử dụng để biết sử dụng luật Không khởi động xe ô tô Kiểm tra hệ thống điện Kiểm tra máy phát điện Kiểm tra hệ thống xăng Kiểm tra phân phối Kiểm tra phân phối Kiểm tra pin Kiểm tra vạch xăng Kiểm tra float Bảng Tập luật kiểm tra ô tô Loại cấu trúc modul cung cấp trật tự tự nhiên tập luật Nó đưa phương pháp tiếp cận top-down để giải vấn đề Hệ chuyên gia điều khiển tập luật đưa cách sử dụng siêu luật Một thuận lợi chủ yếu thiết kế biểu diễn phương pháp tiếp cận tự nhiên để giải vấn đề phức tạp Con người thường cố gắng phân tích vấn đề phức tạp thành vấn đề để dễ kiểm soát Một thuận lợi khác cách tiếp cận dễ dàng phát triển lưu giữ hệ thống Trong trình phát triển hệ chuyên gia, ta cần tập trung ý vào module thời điểm Ta xây dựng kiểm tra module độc lập với module khác Điều cho phép ta tập trung vào vấn đề thời điểm Công sức ta dự án phân chia vào việc sửa chữa, lưu giữ sở tri thức, module hoá thiết kế Một thuận lợi kỹ thuật đề cập tới cách tiếp cận Mỗi module coi hệ chuyên gia dùng chung, cho phép ta tích hợp cơng nghệ biểu diễn tri thức khác đưa chiễn lược cho hệ thống Blackboards 100 Các vấn đề phức tạp yêu cầu tri thứctừ chuyên gia khác Ví dụ: Vấn đề hình thành chiến lược marketting thương mại giải cách tổ chức hội nghị nhân vật đặc biệt công ty Mỗi nhân vật mạng đến hội nghị kiến thức chuyên môn họ lĩnh vực marketting Làm việc với nhau, hội nghị đưa kế hoạch marketting hiệu Cách giải vấn đề gọi giải vấn đề phân tán Trong hệ chuyên gia, việc giải vấn đề phân tán hồn thành thơng qua việc giao tiếp tập luật Hệ chuyên gia phát triển, có sử dụng giao tiếp tập luật HEARSAY-II HEARSAY-II sử dụng 12 module chuyên gia, modile thực nhiệm vụ riêng Các module làm việc chung với cách chuyển đổi thông tin module thông qua cấu trúc gọi blackboards Blackboard thiết kế hệ chuyên gia dùng chung thông tin lưu nguồn Kiến trúc hệ chuyên gia có sử dụng cấu trúc blackboard chứa thành phần chính: Giao tiếp hệ chuyên gia khác Blackboard Scheduler Mỗi module hệ chuyên gia nhằm vào vấn đề Mặc dù vậy, chúng sử dụng chung thông tin với hệ chuyên gia khác để hoàn thành nhiệm vụ chúng Các module hệ chuyên gia giao tiếp với nahu cách viết thông tin lên blackboard đọc thông tin từ module khác Các thơng tin đặc biệt giả thiết module module khác sử dụng để bổ sung vào việc giải vấn đề Scheduler lưu giữ điều khiển module hướng dẫn toàn chiến lược suy diễn Kiến trúc hệ thống tương tự với hội nghị lập kế hoạch marketting Ta biểu diễn thành viên hội nghị hệ chuyên gia đơn lẻ Blackboard làm nhiệm vụ mơ hình hố đàm thoại hội nghị Scheduler làm nhiệm vụ người điều khiển họp Kiến trúc cho phép module chuyên gia làm việc đồng thời, mơ hình xử lý song song 5.5 Biểu diễn tri thức mạng ngữ nghĩa Mạng ngữ nghĩa Mạng ngữ nghĩa phương thức biểu diễn tri thức sử dụng đồ thị tạo nút cung, nút biểu diễn đối tượng, cung biểu diễn quan hệ đối tượng Mạng ngữ nghĩa cung cấp quan sát đồ hoạ đối tượng, thuộc tính, quan hệ quan trọng vấn đề Nó chứa nút cung, cung liên kết nút Các nút biểu diễn đối tượng, thuộc tính đối tượng gia trị thuộc tính Các cung biểu diễn mối quan hệ nút Các nút cung có nhãn Ví dụ: Cánh Có Chim hồng yến Chim Là Di chuyển Bảng Mạng ngữ nghĩa chim 101 Bay Mở rộng mạng Ta dễ dàng mở rộng mạng ngữ nghĩa cách thêm nút liên kết chúng với nút tồn mạng Các nút biểu diễn đối tượng tính chất bổ sung Ta bổ sung nút đối tượng theo ba cách: đối tượng tương tự, đối tượng xác định, đối tượng phát sinh Cánh Khơng khí Có Chim non Là Chim hồng yến Thở Động vật Chim Là Là Di chuyển Là Bay Chim cánh cụt Di chuyển Bảng Mở rộng mạng ngữ nghĩa Đi Thừa kế mạng ngữ nghĩa Các nút bổ sung vào mạng ngữ nghĩa tự động thừa kế thông tin mạng Đây đặc điểm quan trọng mạng ngữ nghĩa gọi thừa kế Đặc điểm thừa kế mạng ngữ nghĩa làm cho nhiệm vụ mã hoá tri thức trở lên dễ dàng Ví dụ: Nếu ta thêm số nút đối tượng đặc biệt vào mạng, thừa kế thơng tin thơng qua mạng Thêm vào đó, ta thêm nút phát sinh nút khác thừa kế tính chất Thao tác mạng ngữ nghĩa Một cách đơn giản để sử dụng mạng ngữ nghĩa đạt câu hỏi với số nút Ví dụ: ta hỏi nút “chim”, “Chim di chuyển nào?” Để trả lời câu hỏi này, trước tiên nút tìm cung có nhãn “di chuyển” Trong trường hợp này, cung tồn Sau đó, nút “chim” sử dụng thơng tin gắnChim trêndinút để trảnhư lời “bay” chuyển nào? Chim Người sử dụng Bay Di chuyển Bay 102 Bảng Thao tác mạng ngữ nghĩa (CASE 1) Nếu khơng tìm thấy câu trả lời thơng qua cung, tìm kiếm câu trả lời thơng qua liên kết “Là” Trong trường hợp này, nút liên kết thông qua “Là” phải trả lời câu hỏi tìm thấy nút cung cấp câu trả lời Người sử dụng Chim non di chuyển nào? Bay Chim hoàng yến di chuyển nào? Chim non Bay Chim hoàng yến Chim di chuyển nào? Bay Di chuyển Bay Bảng Thao tác mạng ngữ nghĩa (CASE 2) Chim Mạng ngữ nghĩa trang bị đặc điểm thừa kế cung cấp cách xử lý thông tin hiệu Nắm giữ ngoại lệ Thừa kế đặc điểm quan trọng mạng ngữ nghĩa, gây số vấn đề Ví dụ: Khi nút “Chim cánh cụt” liên kết với nút “Chim”, thừa kế thông tin “Di chuyển _ Bay” Điều sinh lỗi Vì vậy, ta kiểm tra cách sử dụng kỹ thuật Exception Handling Kỹ thuật yêu cầu ta mô tả ngoại lệ Khi nút thừa kế thông tin khơng xác, ta phải liên kết nút với thơng tin ghi đè lên thơng tin thừa kế Ví dụ: Nút “Đi bộ” gắn vào “Chim cánh cụt” sư dụng liên kết “Di chuyển” Vì vậy, nút tìm kiếm câu trả lời, “Đi bộ” trả lời cho câu hỏi “Di chuyển” “Chim cánh cụt” Exception Handling kỹ thuật đơn giản sử dụng để tránh vấn đề xay mạng ngữ nghĩa Mặc dù vậy, vấn đề bật nhược điểm thừa kế mạng ngữ nghĩa Nếu ta thất bại việc mô tả ngoại lệ cần thiết vấn đề xảy Và vậy, chim cánh cụt bay Câu hỏi Bài tập Câu 1: Hãy nêu định nghĩa :Tri thức ,Domain,Biểu diễn tri thức ,nêu ví dụ,điều kiện,phương pháp biểu diễn tri thức.Phân loại cấp độ tri thức,PP biểu diễn Câu 2:Hãy nêu hình thức Biểu diễn tri thức logíc hình thức ,bộ O-A-V Câu 3: Hãy nêu class frame instance frame Câu 4:Hãy nêu :Biểu diễn tri thức luật sản xuất Biểu diễn tri thức mạng ngữ nghĩa 103 ... .90 10 BÀI : XỬ LÝ TRI THỨC .11 6 11 BÀI :TỔNG QUAN VỀ HỆ CHUYÊN GIA VÀ ỨNG DỤNG 13 1 12 BÀI :CẤU TRÚC HỆ CHUYÊN GIA .17 9 13 BÀI :HỆ CHUYÊN GIA MYCIN 18 3 14 BÀI 10 :CÁC... sâu giới hạn tới độ sâu d với hệ số phân nhánh b là: 1+ b + b2+ ….+ bd-2+ bd -1 + bd 19 Cụ thể, cho b =10 , d=5 số lần mở rộng : 1+ 10 +10 0 +10 00 +10 .000 +10 0.000= 11 1 .11 1 Trong phép tìm kiếm lặp sâu... phương trình: 10 0 0- (X -6 4) Chọn nghiệm có hệ số thích nghi: 10 0 0-( X -6 4) =10 00 Tính hệ số thích nghi cho nghiệm: Bước 4: Chọn lọc nghiệm tạo nghiệm mới: (4): 0 010 0 010 00 (8) (10 ): 010 10 0 011 0 (6) Bước