Hệ thống này góp phần tạo ra các hệthống có khả năng trí tuệ của con người, giải quyết các vấn đề dựa trên một tập luật phân tíchthông tin và đưa lời khuyên về trình tự các hành động cần
GIỚI THIỆU VỀ HỆ THỐNG CHUYÊN GIA
T HÔNG TIN CHUNG VỀ H Ệ THỐNG CHUYÊN GIA
Chuyên gia là những người được đào tạo chuyên sâu, sở hữu kinh nghiệm thực hành và kỹ năng lý luận vượt trội trong một lĩnh vực cụ thể Họ có thể tham gia trực tiếp hoặc gián tiếp vào công việc, cung cấp ý kiến và tư vấn cho các lĩnh vực chuyên môn Một trong những đặc điểm nổi bật giúp phân biệt chuyên gia với các chuyên viên thông thường là sự sâu sắc và tính chuyên biệt trong kiến thức và kinh nghiệm của họ.
Kỹ năng, nghề nghiệp vượt trội đồng nghiệp.
Trong công việc luôn cho kết quả chính xác.
Tinh thông nghiệp vụ, am tường về công việc đang làm.
Được Tổ chức có thẩm quyền thừa nhận hoặc công nhận bằng văn bản.
Có khả năng tư vấn thông thạo trên một vài lĩnh vực cụ thể.
Hình 1 Minh họa về chuyên gia' 1.1.2 Hệ thống chuyên gia là gì?
Hệ thống chuyên gia, theo Theo E Feigenbaum, là một chương trình máy tính thông minh, ứng dụng tri thức và các thủ tục suy luận để giải quyết những bài toán phức tạp mà chỉ các chuyên gia mới có khả năng giải quyết.
Hệ thống chuyên gia là ứng dụng máy tính mô phỏng khả năng ra quyết định và hành động của con người, giúp giải quyết các vấn đề cụ thể Chúng được sử dụng trong các ứng dụng chẩn đoán y tế, chơi cờ, tạo lập dự án tài chính, và quản lý hệ thống thời gian thực, đồng thời tích lũy kiến thức trong các lĩnh vực chuyên môn khác nhau.
Hệ thống chuyên gia (ES) được phát triển lần đầu vào năm 1970 và trở nên phổ biến vào những năm 1980 Đây là một trong những loại phần mềm trí tuệ nhân tạo (AI) thành công đầu tiên, đánh dấu bước tiến quan trọng trong lĩnh vực công nghệ.
Một trong những thách thức quan trọng khi xây dựng hệ chuyên gia là khai thác thông tin hiệu quả Việc mã hóa tri thức chuyên môn vào định dạng luật là một quá trình khó khăn và có thể gây nhàm chán Chúng tôi hướng đến việc cung cấp các kỹ thuật cần thiết cho kỹ sư chuyên môn và kỹ sư hệ thống, nhằm thiết kế những hệ thống mềm dẻo và hiệu quả.
Hệ thống chuyên gia (ES) là công cụ sử dụng tri thức từ các chuyên gia để giải quyết các vấn đề đa dạng trong nhiều lĩnh vực Nó cũng được coi là một dạng hệ thống hỗ trợ quyết định (DSS) đặc biệt, giúp phân tích thông tin quan trọng cho hoạt động của tổ chức và cung cấp hỗ trợ quyết định chiến lược cho các nhà lãnh đạo cấp cao.
Tri thức trong hệ thống ES được hình thành từ việc tích lũy kiến thức chuyên sâu từ sách vở, tạp chí và sự đóng góp của các chuyên gia, nhà bác học Các thuật ngữ trong ES phản ánh sự tinh thông và hiểu biết sâu rộng trong lĩnh vực này.
Trong đó, một hệ chuyên gia gồm ba thành phần chính là:
Cơ sở tri thức là nơi lưu trữ các thông tin cần thiết, trong khi máy suy diễn hoạt động như một mô-tơ để tạo ra câu trả lời cho người sử dụng Hệ thống giao tiếp với người sử dụng đóng vai trò quan trọng trong việc truyền đạt thông tin từ cơ sở tri thức đến người dùng.
Người sử dụng cung cấp các sự kiện đã biết và thông tin hữu ích cho hệ chuyên gia, từ đó nhận được những lời khuyên và gợi ý chính xác.
Hoạt động của một hệ chuyên gia dựa trên tri thức được minh hoạ như sau:
Hình 2 Hoạt đQng của hệ chuyên gia
Mỗi hệ thống chuyên gia được thiết kế đặc thù cho một lĩnh vực vấn đề cụ thể, chẳng hạn như y học, tài chính, khoa học hoặc công nghệ, và không thể áp dụng cho các lĩnh vực vấn đề khác.
Tri thức chuyên gia để giải quyết một vấn đề đặc trưng, nó được gọi là lĩnh vực tri thức (knowledge domain).
Để hiểu rõ mối quan hệ giữa lĩnh vực vấn đề và lĩnh vực tri thức trong y học, cần có một hệ thống chuyên gia nhằm phát hiện các căn bệnh lây truyền nhiễm Lĩnh vực tri thức y học bao gồm thông tin về các căn bệnh, triệu chứng và phương pháp chữa trị Tùy thuộc vào mục đích và yêu cầu của người sử dụng, có nhiều cách tiếp cận và sử dụng khác nhau về hệ thống chuyên gia (ES).
H thốấng giao ệ tiềấp ( User interface)
C s tri th cơ ở ứ ( Knowledge Base)
Máy suy diềễn( Inference Engine)
LOẠI NGƯỜI SỬ DỤNG VẤN ĐỀ ĐẶT RA
Người quản trị Tôi có thể dùng nó để làm gì?
Kỹ thuật viên Làm cách nào để tôi vận hành nó tốt nhất? Nhà nghiên cứu Làm sao để tôi có thể mở rộng nó?
Người sử dụng cuối Nó sẽ giúp tôi cái gì đây?
Nó có khó sử dụng và có tốn chi phí không?
Nó có đáng để chúng tôi tin cậy không?
1.1.3 Lý do xây dựng và phạm vi ứng dụng của hệ thống ES
- Hệ chuyên gia có thể hoạt động như một chuyên gia trong việc truy tìm thông tin từ nhiều nguồn, từ nhiều chuyên gia.
Hệ chuyên gia giữ lâu dài các tri thức chuyên gia, ngay cả khi chuyên gia mất đi.
Hệ chuyên gia cho kết quả bền vững, không bị cảm tính và thất thường như con người.
Tốc độ hệ chuyên gia tỏ ra ưu việt, nhất là xử lý nhiều vấn đề cùng một lúc.
Công việc của chuyên gia là cao và có xu hướng tăng lên, trong khi giá hệ chuyên gia giảm.
Một vài lí do để hệ thống chuyên gia được phát triển nhằm thay thế các chuyên gia là:
Người ta cần có chuyên gia ngay cả ngoài giờ hay tại những nơi xa nguy hiểm
Việc tự động hoá công việc trong dây chuyền cần đến chuyên gia, mà con người không thể đáp ứng.
Cần tạo điều kiện cho các chuyên gia nghỉ nghơi và khi cần đến chuyên gia có thể thuê với giá cao
Người ta xây dựng hệ chuyên gia để trợ giúp bản thân chuyên gia do nhu cầu:
Hỗ trợ chuyên gia trong công việc nhỏ để nâng cao năng suất
Hỗ trợ chuyên gia trong công việc phức tạp để quản lý sự phức tạp một cách hiệu quả.
Dùng lại các tri thức chuyên gia khi không còn nhớ được.
1.1.4 Lịch sử hình thành và phát triển của Hệ thống ES
Hệ thống cơ sở trí tuệ nhân tạo (AI) được phát triển từ nghiên cứu về trí tuệ nhân tạo, nhằm biểu diễn tri thức chuyên môn của các chuyên gia trong một lĩnh vực cụ thể Hệ thống chuyên gia bao gồm một cơ sở tri thức và một động cơ suy diễn, cho phép xử lý và áp dụng thông tin một cách hiệu quả.
ES là một loại hệ thống hỗ trợ quyết định (DSS) đặc biệt, được thiết kế để phân tích thông tin quan trọng cho hoạt động của tổ chức Nó cung cấp các công cụ hỗ trợ ra quyết định chiến lược cho các nhà điều hành cấp cao nhất, bao gồm cả Giám đốc điều hành (CEO).
Sau đây là một số sự kiện quan trọng trong lịch sử phát triển của công nghệ hệ chuyên gia (expert system technology).
Bảng 1 Lịch sự hình thành và phát triển
1943 Dịch vụ bưu điện ; mô hình Neuron của (Mc Culloch and Pitts
1954 Thuật toán Markov (Markov Algorithm) điều khiển thực thi các luật
1956 Hội thảo Dartmouth ; lý luận logic ; tìm kiếm nghiệm suy
(heuristic search); thống nhất thuật ngữ trí tuệ nhân tạo (AI: Artificial Intelligence)
1957 Rosenblatt phát minh khả năng nhận thức ; Newell, Shaw và
Simon đề xuất giải bài toán tổng quát (GPS: General Problem Solver)
1958 Mc Carthy đề xuất ngôn ngữ trí tuệ nhân tạo LISA (LISA AI
TIÊU CHÍ CHUYÊN GIA CON
Sẵn dùng Thời gian hành chính Mọi lúc
Vị trí Cục bộ Mọi nơi
An toàn Không thể thay thế Có thể thay thế
Có thể chết Có Không
Hiệu suất Thay đổi Hằng số
Tốc độ Thay đổi Hằng số
Chi phí Cao Có thể cố gắng language)
1962 Nguyên lý Rosenblatt’s về chức năng thần kinh trong nhận thức
Principles of Neurodynamicdynamics on Perceptions)
Vào năm 1965, phương pháp hợp giải Robinson được phát triển, ứng dụng logic mờ trong việc suy luận về các đối tượng mờ của Zadeh Đồng thời, hệ chuyên gia đầu tiên trong lĩnh vực nha khoa, DENDRAL, được xây dựng bởi Feigenbaum, Buchanan và các cộng sự.
1968 Mạng ngữ nghĩa (semantic nets), mô hình bộ nhớ kết hợp
(associative memory model) của Quillian
1969 Hệ chuyên gia về Toán học MACSYMA (Martin and Moses)
1970 Ưng dụng ngôn ngữ PROLOG (Colmerauer, Roussell, et, al.)
1971 Hệ chuyên gia HEARSAY I về nhận dạng tiếng nói (speech recognition).
Xây dựng các luật giải bài toán con người (Human Problem Solving popularizes rules (Newell and Simon)
1973 Hệ chuyên gia MYCIN về chẩn trị y học (Shortliffe, et,al.)
1975 Lý thuyết khung (frames), biểu diễn tri thức (knowledge representation) (Minsky)
In 1976, the concept of the Artificial Mathematician (AM) was introduced by Lenat, paving the way for advancements in artificial intelligence The Dempster-Shafer theory of Evidence offers a framework for reasoning under uncertainty, enhancing decision-making processes Additionally, the PROSPECTOR expert system, developed by Duda and Har, showcases practical applications of AI in the mining industry, demonstrating the technology's effectiveness in resource extraction.
1977 Sử dụng ngôn ngữ chuyên gia OPS (OPS expert system shell) trong hệ chuyên gia XCON/R1 (Forgy)
1978 Hệ chuyên gia XCON/R1 (McDermott, DEC) để bảo trì hệ thống máy tính DEC (DEC computer systems)
1979 Thuật toán mạng về so khớp nhanh (rete algorithm for fast nơ-ron Hopfield (Hopfield Neural Net) ;
Dự án xây dựng máy tính thông minh thế hệ 5 ở Nhật bản (Japanese Fifth Generation Project to develop intelligent computers)
1983 Bộ công cụ phục vụ hệ chuyên gia KEE (KEE expert system tool) (intelli Corp)
1985 Bộ công cụ phục vụ hệ chuyên gia CLIPS
(CLIPS expert system tool (NASA)
1.1.5 Các đặc trưng cơ bản của Hệ thống ES
Có bốn đặc trưng cơ bản của một hệ chuyên gia :
Hiệu quả cao (high performance) Khả năng trả lời với mức độ tinh thông bằng hoặc cao hơn so với chuyên gia (người) trong cùng lĩnh vực.
KIẾN TRÚC TỔNG QUAN VỀ HỆ THỐNG
P HÂN LOẠI HỆ THỐNG CHUYÊN GIA (ES)
Dựa trên nhu cầu và mục đích sử dụng của mỗi người khác nhau, hệ thống chuyên gia được chia thành nhiều loại như sau:
2.1.1 Hệ thống cung c Ā p tri thức (Knowledge Working System – KWS)
Hệ thống cung cấp tri thức hỗ trợ lao động tri thức, hay còn gọi là những nhân công có trình độ và kỹ năng cao, có nhiệm vụ sáng tạo và tìm kiếm thông tin cũng như kiến thức mới mẻ và thú vị.
Các hệ thống KWS, hay còn gọi là hệ thống hỗ trợ thiết kế kiến trúc và cơ khí (như AutoCAD), cũng bao gồm các hệ thống phân tích chứng khoán và phát triển phần mềm.
2.1.2 Hệ thống tự đQng hoá văn phRng (Office Automated System - OAS)
Hệ thống OAS mang lại nhiều lợi ích cho lao động dữ liệu, giúp cải thiện công việc phối hợp và liên lạc trong văn phòng Các ứng dụng này kết nối các lao động tri thức và các bộ phận chức năng, nâng cao năng suất làm việc và tăng cường sự tương tác giữa các bộ phận.
Các công cụ này hỗ trợ quản lý văn bản với các chức năng xử lý văn bản và chế bản điện tử, đồng thời quản lý tập tin hiệu quả Ngoài ra, chúng còn cung cấp khả năng quản lý thời gian biểu thông qua lịch điện tử, và tạo điều kiện thuận lợi cho việc liên lạc qua email cũng như các chức năng truyền tải giọng nói và hình ảnh qua mạng.
Hình 4 Minh họa hệ thống tự đQng hóa văn phRng
2.1.3 Hệ thống th Ȁ ng tin tăng cưXng khả năng cạnh tranh (Information System for
Hệ thống thông tin này hoạt động như một công cụ hỗ trợ chiến lược, nâng cao khả năng cạnh tranh cho tổ chức Đối tượng sử dụng chủ yếu là những cá nhân bên ngoài, bao gồm khách hàng, nhà cung cấp, và các tổ chức khác trong cùng ngành công nghiệp.
Hệ thống tăng cường khả năng cạnh tranh cung cấp công cụ thực hiện các chiến lược, khác với các hệ thống khác chỉ hỗ trợ quản lý tổ chức Do đó, nó còn được gọi là Hệ thống thông tin chiến lược.
Chúng giúp tổ chức vượt qua các lực lượng cạnh tranh từ khách hàng, nhà cung cấp, doanh nghiệp mới, sản phẩm thay thế và các tổ chức trong cùng ngành.
M Ô HÌNH KIẾN TRÚC HỆ CHUYÊN GIA
Có nhiều mô hình kiến trúc hệ chuyên gia theo các tác giả khác nhau Sau đây là một số mô hình.
Hình 5 Kiến trúc hệ chuyên gia theo J L Ermine’
Hình 6 Kiến trúc hệ chuyên gia theo C Ernest 2.2.3 M Ȁ hình E V Popov
Hình 7 Kiến trúc chuyên gia theo E V Popov
B IỂU DIỄN TRI THỨC
Hiện nay, hầu hết các hệ chuyên gia đều là các hệ thống dựa trên luật, bới lý do như sau:
Bản chất đơn thể (modular nature) Có thể đóng gói tri thức và mở rộng hệ chuyên gia một cách dễ dàng.
Khả năng diễn giải dễ dàng cho phép người dùng áp dụng luật một cách hiệu quả, nhờ vào các tiền đề được xác định rõ ràng Điều này giúp xác định các yếu tố liên quan đến việc áp dụng luật và từ đó rút ra kết quả chính xác.
Quá trình nhận thức của con người tương tự như cách xây dựng các luật giải quyết vấn đề dựa trên nghiên cứu của Newell và Simon Các luật này được biểu diễn đơn giản qua cấu trúc IF THEN, giúp dễ dàng giải thích cấu trúc tri thức cần thiết Luật sản xuất, được nghiên cứu từ những năm 1940, cho phép hệ thống suy luận xác định các luật tiên đề phù hợp với các sự kiện Các luật sản xuất thường được trình bày dưới dạng IF THEN và có hai dạng khác nhau.
IF < điều kiện > THEN < hành động >
IF < điều kiện > THEN < kết luận > DO < hành động >
Mỗi luật trong hệ chuyên gia được đặt tên theo cấu trúc Rule: tên, với phần IF mô tả điều kiện Phần giữa IF và THEN, được gọi là phần trái luật (LHS), có thể mang nhiều tên như tiền đề, điều kiện hoặc mẫu so khớp Phần sau THEN thể hiện kết luận hay hậu quả (consequent) Một số hệ chuyên gia còn bổ sung phần hành động (action) vào phần phải luật (RHS).
Trong ví dụ trên, Đèn đỏ sáng và Đèn xanh sáng là những điều kiện, hay những
Cho uống thuốc Aspirin Hệ thống chẩn đoán xe máy (OPS5)
Máy xe không nổ khi khởi động
Dự đoán rằng xe bị panne do sức nén không đạt yêu cầu, có thể do pittong, bạc xéc-măng và lòng xy lanh không đúng tiêu chuẩn, dẫn đến khe hở nhỏ làm pittong không kín, khiến hoà khí không được nén đầy đủ Để khắc phục, cần điều chỉnh hoặc thay mới pittong, bạc xéc-măng và lòng xy lanh cho đúng tiêu chuẩn.
Máy xe nổ không ổn định, OR máy xe nổ rồi lại tắt, AND bugi khô
Dự đoán nguyên nhân xe không hoạt động là do bị nghẹt xăng Để khắc phục, cần xúc rửa bình xăng và bộ khoá xăng Hệ thống MYCIN có khả năng chẩn đoán bệnh viêm màng não và phát hiện vi khuẩn bất thường trong máu, liên quan đến tình trạng nhiễm trùng.
Tại vị trí vết thương có máu, AND
Chưa biết chắc chắn cơ quan bị tổn thương, AND
Chất nhuộm màu âm tính, AND
Vi khuẩn có dạng hình que, AND
Bệnh nhân bị sốt cao
Cơ quan có triệu chứng (0.4) nhiễm trùng
Q UY TRÌNH HOẠT ĐỘNG CỦA HỆ THỐNG ES
Hình 8 Sơ đồ quy trình hoạt đQng của hệ thống ES
Quy trình hoạt động bao gồm các bước như sau:
1 Đầu vào – đưa ra câu trả lời có hoặc không
2 Quy trình – công cụ suy luận đã tìm kiếm
3 Đầu ra – quyết định và đưa ra kết luận
N HỮNG ƯU ĐIỂM VÀ NHƯỢC ĐIỂM CỦA HỆ THỐNG ES
Cải thiện chất lượng quyết định
Cắt giảm chi phí tư vấn các chuyên gia để giải quyết vấn đề
Nó cung cấp các giải pháp một cách nhanh chóng và hiệu quả cho các vấn đề trong một lĩnh vực chuyên môn hẹp
Nó có thể thu thập kiến thức chuyên môn khan hiếm và sử dụng nó một cách hiệu quả
Đưa ra câu trả lời nhất quán cho vấn đề lặp đi lặp lại
Duy trì mức độ thu nhập thông tin đáng kể
Giúp bạn nhận được câu trả lời nhanh chóng và chính xác
Giải thích phù hợp về việc đưa ra quyết định
Hệ thống Chuyên gia Trí tuệ Nhân tạo có thể hoạt động ổn định mà không phải gặp vấn đề, căng thẳng hoặc mệt mỏi
Hình 9 Ưu điểm hệ chuyên gia
Nhìn chung, tỷ lệ xuất hiện lỗi của hệ thống chuyên gia thấp hơn nhiều so với lỗi của con người
Hệ thống này có thể được sử dụng trong bất kỳ môi trường rủi ro nào mà con người không thể làm việc
Kiến thức sẽ tồn tại lâu dài vô thời hạn.
Chúng có khả năng giải thích chi tiết những lý do dẫn đến kết luận như vậy.
Như các hệ thống khác, không có công nghệ nào hoàn hảo và có thể cung cấp giải pháp hoàn chỉnh Hơn nữa, các hệ thống chuyên gia thường tốn kém, yêu cầu nhiều thời gian phát triển và tài nguyên máy tính đáng kể.
Ngoài những đặc điểm đó, hệ thống chuyên gia c‘ng có những mặt hạn chế như sau:
Những sai sót trong cơ sở kiến thức có thể dẫn đến quyết định sai lầm
Chi phí bảo trì của một hệ thống chuyên gia quá đắt
Tính mặc định và cứng nhắc của hệ thống khiến nó không linh hoạt trước sự thay đổi của môi trường Điều này dẫn đến việc thiếu khả năng giải thích logic đằng sau một số quyết định và không thể tự động hóa các thủ tục phức tạp.
Hệ thống chuyên gia gặp phải nhược điểm lớn trong việc tiếp thu kiến thức, yêu cầu thời gian đáng kể để phát triển kỹ năng làm việc với phần mềm Khác với con người, các hệ thống này không có khả năng áp dụng ý thức chung trong quyết định và thiếu sự sáng tạo.
K Ỹ THUẬT SUY LUẬN TRONG CÁC HỆ CHUYÊN GIA
Trong các chiến lược giải quyết vấn đề của hệ chuyên gia, có nhiều phương pháp suy luận khác nhau Hai phương pháp phổ biến nhất là Suy diễn tiến (forward chaining) và Suy diễn lùi (backward chaining), bên cạnh đó còn có phương pháp Phối hợp cả hai (mixed chaining).
Các phương pháp như phân tích phương tiện, rút gọn vấn đề, quay lui, kiểm tra lập kế hoạch và lập kế hoạch phân cấp là những kỹ thuật quan trọng trong lĩnh vực trí tuệ nhân tạo Những phương pháp này được coi là nền tảng cho công nghệ hệ chuyên gia hiện đại, giúp tối ưu hóa quy trình ra quyết định và nâng cao hiệu quả trong việc giải quyết vấn đề.
Hình 10 Nền tảng của c Ȁ ng nghệ hệ chuyên gia dựa trên luật hiện đại
2.6.1 Phương pháp suy diễn tiến
Suy diễn tiến (forward churning) là một phương pháp hiệu quả trong việc giải quyết vấn đề, cho phép mô hình hóa cấu trúc lựa chọn các vấn đề và lập luận từ các sự kiện để rút ra kết luận và nhận xét Phương pháp này trang bị cho hệ thống khả năng chọn lựa giải pháp tốt nhất từ những lựa chọn có sẵn.
Nếu trời mưa trước khi ra khỏi nhà, bạn cần chuẩn bị áo mưa Một số người có thể không tham gia Luật chia nhỏ các vấn đề thành những vấn đề nhỏ hơn, giúp dễ dàng quản lý Tuy nhiên, với nhiều câu hỏi được đặt ra, việc thống kê số lượng câu trả lời và chọn ra câu đúng nhất là rất khó khăn.
Các sự kiện thường có dạng : ATTHIBUTE = VALUE
Hệ thống sẽ chọn lọc các sự kiện trong cơ sở tri thức và xem xét tất cả các luật mà những sự kiện này làm tiền đề Dựa trên nguyên tắc lập luận, hệ thống sẽ xác định và lấy ra những luật phù hợp.
Sau khi gán giá trị cho các thuộc tính của kết luận tương ứng, các sự kiện được coi là đã được thỏa mãn Những thuộc tính này sẽ trở thành một phần của kết quả, theo nhận định của chuyên gia Khi tất cả các sự kiện đã được xem xét, kết quả cuối cùng sẽ được xuất ra cho người sử dụng.
2.6.2 Phương pháp suy diễn lùi
Phương pháp suy diễn lùi thực hiện các lập luận theo chiều ngược lại so với suy diễn tiến, sử dụng tập luật tương tự Tuy nhiên, quá trình suy diễn lùi có sự khác biệt, khi hệ thống lưu giữ tình trạng hiện tại của giải pháp và tìm kiếm các luật liên quan, từ đó dẫn đến giải pháp cuối cùng.
Hệ thống bắt đầu từ một giả thuyết và phát triển một tình huống trả lời, trong đó các sự kiện được trình bày như là cơ sở cho giả thuyết đã được đưa ra.
Khi một người vào nhà với áo mưa và quần áo ướt, ta có thể đưa ra giả thuyết rằng trời mưa Để xác nhận giả thuyết này, ta hỏi người đó có phải trời mưa không Nếu họ xác nhận, giả thuyết trở thành sự kiện thực tế, chứng minh rằng trời mưa là lý do khiến họ mang theo áo mưa và có quần áo ướt.
Suy diễn lùi cho phép xác định giá trị của một thuộc tính, trả lời câu hỏi về giá trị của thuộc tính A, với A là một mục tiêu cụ thể Để xác định giá trị của A, cần có các nguồn thông tin, bao gồm câu hỏi từ người sử dụng và các quy luật liên quan Hệ thống có thể nhận giá trị trực tiếp từ người dùng thông qua các câu hỏi, hoặc thông qua các quy luật, hệ thống suy diễn có thể tìm ra giá trị kết luận cho thuộc tính liên quan.
2.7 Các thành phần của hệ thống chuyên gia
Các thành phần của hệ thống chuyên gia bao gồm:
Hệ thống kiến thức trong hệ thống chuyên gia:
Hệ thống này sở hữu một kho tàng kiến thức chất lượng cao, được thiết kế riêng cho từng lĩnh vực Để thể hiện trí thông minh của mình, hệ thống cần có nền tảng kiến thức vững chắc Sự chính xác của tập hợp kiến thức là yếu tố quyết định cho sự thành công của hệ thống chuyên gia trong trí tuệ nhân tạo AI.
Dữ liệu là tập hợp các dữ kiện cần được tổ chức theo cách hợp lý để tạo thành thông tin về miền nhiệm vụ Kiến thức có thể được định nghĩa là sự kết hợp giữa dữ liệu, thông tin và kinh nghiệm trong quá khứ Để tổ chức và chính thức hóa kiến thức trong một cơ sở kiến thức, chúng ta có thể áp dụng các phương pháp được thiết kế dưới dạng quy tắc IF-THEN-ELSE.
2.8 Trình bày tri thức (Knowledge Representation)
Chất lượng và độ chính xác là những lý do chính đáng cho sự thành công của một hệ thống chuyên gia trong lĩnh vực AI
Các kỹ sư cần thu thập thông tin chính xác và thực tế, thường từ các chuyên gia trong lĩnh vực của họ Họ có nhiều phương pháp để thu thập thông tin, bao gồm nghiên cứu trên trang web, ghi âm, quay hình, tham gia phỏng vấn, hội nghị, hội thảo, và quan sát chuyên gia tại nơi làm việc.
Các kỹ sư sẽ áp dụng quy tắc IF-THEN-ELSE để tổ chức và phân loại thông tin một cách có hệ thống Họ cũng sẽ đảm nhiệm việc giám sát quá trình phát triển của hệ thống chuyên gia.
2.8.2 ĐQng cơ suy luận (Inference Engine) Để đưa ra một giải pháp cụ thể, động cơ suy luận sẽ thu nhận và vận dụng kiến thức.
Hệ thống chuyên gia sẽ dựa trên quy tắc:
Hệ thống sẽ áp dụng quy tắc cho các sự kiện, điều này có được từ việc áp dụng các quy tắc được quy định trước đó
Chúng ta sẽ cần phải bổ sung thêm kiến thức và dữ liệu mới nếu hệ thống báo cần
Hệ thống này có khả năng giải quyết sự xung đột về quy tắc (trong trường hợp
2.8.2.1 Chuyển tiếp chuỗi (Forward Chaining)
Đây là một chiến lược của hệ thống chuyên gia, tập trung vào việc trả lời câu hỏi "Điều gì có thể xảy ra tiếp theo?" Nó tuân theo chuỗi điều kiện và nguồn gốc, giúp giảm số lượng kết quả đầu ra Chuỗi này sẽ xem xét tất cả các sự kiện và quy tắc, do đó cần sắp xếp chúng trước khi đưa ra giải pháp.
Tương tự, trong chuỗi này, một hệ thống chuyên gia sẽ tìm ra câu trả lời cho câu hỏi: "Tại sao điều này lại xảy ra?"
ỨNG DỤNG HỆ THỐNG ES PHỤC VỤ QUẢN LÝ DOANH NGHIỆP
C ÁC PHẦN MỀM HỆ THỐNG ES ĐƯỢC ÁP DỤNG THÀNH CÔNG TẠI V IỆT N AM
Phân loại phần mềm là quá trình xác định hướng đi và chức năng của một ứng dụng, chẳng hạn như phần mềm hướng giao dịch, phần mềm hỏi đáp, hoặc phần mềm hỗ trợ quyết định.
Ứng dụng hướng giao dịch, hay còn gọi là hệ thống xử lý giao dịch (TPS), hỗ trợ các hoạt động hàng ngày của doanh nghiệp như xử lý đơn hàng, quản lý kiểm kê và ghi quỹ Các ứng dụng này được đặc trưng bởi yêu cầu và dữ liệu rõ ràng, có cấu trúc chuẩn xác Chức năng của chúng phải có tính lập lại, thân thiện và dễ hiểu, đồng thời vấn đề cần được xác định một cách đầy đủ và rõ ràng Đội ngũ xây dựng phần mềm có thể định danh các yêu cầu này.
Ứng dụng cơ sở dữ liệu là công cụ xử lý các câu hỏi liên quan đến dữ liệu Ngôn ngữ truy vấn dữ liệu chuẩn SQL cho phép người dùng đặt câu hỏi một cách hiệu quả.
Họ nhận thức rõ nhu cầu của mình nhưng lại chưa biết cách thu thập dữ liệu Các phần mềm máy tính cung cấp các phương pháp tối ưu để xử lý và truy cập dữ liệu một cách hiệu quả Có ba loại câu hỏi chính liên quan đến vấn đề này.
Tương tác: dữ liệu sử dụng xong là không cần nữa?
Dữ liệu được lưu trữ để sử dụng lại và thay đổi trong tương lai?
Dữ liệu được lưu trữ để sử dụng thường xuyên trong một số quá trình lập lại?
Ứng dụng truy vấn hỗ trợ khái niệm kho dữ liệu (data warehouse), nơi lưu trữ thông tin cần thiết cho truy cập trực tuyến Tại đây, các phiên bản của hầu hết các phần tử trong cơ sở dữ liệu, cùng với các giao dịch và bản ghi liên quan đến hoạt động, được lưu giữ Ứng dụng này hỗ trợ quyết định bằng cách phân tích và xác định xu hướng, thực hiện các phân tích dữ liệu thống kê hoặc toán học để giải quyết các bài toán không cấu trúc Dữ liệu cho hệ thống hỗ trợ quyết định (DSS) thường được lấy từ các ứng dụng giao dịch.
Trong hệ thống hỗ trợ quyết định (DSS), do thông tin thường thiếu sót, các bài toán thường được giải quyết thông qua phương pháp lặp lại, sử dụng mô hình toán học hoặc thống kê để đưa ra quyết định Dữ liệu hỗ trợ và điều chỉnh thường được tái đưa vào quá trình mô hình hóa nhằm cải thiện độ chính xác của các phân tích.
Ta thường gặp một số hệ thống được xem là một sản phẩm phụ của DSS như:
Hệ thống thông tin thi hành (EIS) là một sản phẩm phụ của hệ thống hỗ trợ quyết định (DSS), giúp hỗ trợ quá trình ra quyết định và tự động hóa việc tìm kiếm thông tin trong các môi trường phức tạp Các hệ thống EIS hàng đầu cần có khả năng xử lý thông tin không đầy đủ, không chính xác, không rõ ràng và có liên quan đến tương lai, đảm bảo đưa ra quyết định hiệu quả.
Hệ thống Thông tin Điều hành (EIS) kết hợp dữ liệu từ các cơ sở dữ liệu bên ngoài với ứng dụng nội bộ, mang lại khả năng mô hình hóa và tìm kiếm thông tin tự động Điểm khác biệt chính giữa EIS và Hệ thống Hỗ trợ Quyết định (DSS) là EIS xử lý dữ liệu không hoàn chỉnh, không rõ ràng và đôi khi không chính xác.
Hệ thống hỗ trợ quyết định theo nhóm (GDSS) là một ứng dụng đặc biệt của hệ thống hỗ trợ quyết định (DSS), được thiết kế để ghi lại quá trình ra quyết định của một nhóm các nhà ra quyết định GDSS cung cấp một nhật ký chi tiết về hành trình xây dựng quyết định, nhằm hỗ trợ và tối ưu hóa quá trình làm việc nhóm.
Hình 14 Phần mềm hệ thống chuyên gia
GDSS chủ yếu tập trung vào các quá trình tương tác mà không cần phân tích thống kê hoặc mô hình hóa dữ liệu trong nhóm Phần mềm cơ sở dữ liệu trong GDSS thường ít được phát triển hơn so với DSS, nhưng có thể bao gồm một số bảng tính và các thủ tục tổng hợp thông tin về các bên tham gia dưới dạng số liệu hoặc đồ thị.
Các chức năng điển hình của GDSS là:
1 Ghi lại các ý kiến vô danh.
2 Tuyển cử dân chủ bầu các nhà lãnh đạo.
3 Thảo luận, góp ý, đưa ra ý kiến và bầu cử để đạt được một sự thoả thuận nào đó trong nhóm.
D OANH NGHIỆP SỬ DỤNG HỆ THỐNG ES TẠI V IỆT N AM
Trong thời đại công nghệ 4.0, nhu cầu ứng dụng tự động hóa trong sản xuất đang ngày càng tăng, thay thế các phương pháp thủ công truyền thống Sự chuyển đổi này mang lại nhiều lợi ích to lớn từ tự động hóa và trí tuệ nhân tạo.
Giải pháp công nghệ hiện đại này tối ưu hóa lực lượng sản xuất, giúp tiết kiệm chi phí nhân công và giảm thiểu gián đoạn cũng như thời gian ngừng máy, từ đó nâng cao hiệu quả quản trị nguồn lực trong doanh nghiệp.
Để lập trình và cài đặt trí tuệ nhân tạo vào quy trình sản xuất, hệ thống máy tính công nghiệp chuyên dụng đóng vai trò quan trọng Tất cả thông tin như nhiệt độ, thời gian chạy, thời gian dừng và hiệu quả công việc sẽ được quản lý từ máy chủ, sau đó phân công nhiệm vụ cho từng khâu sản xuất trong toàn bộ hệ thống.
Hình 15 Trí tuệ nhân tạo và hệ thống chuyên gia trong ngành thép
Việc chọn lựa cơ sở phân phối máy tính uy tín là yếu tố quyết định hiệu quả công việc Công Ty Phát Triển Công Nghệ Cao Quyết Thắng là nhà cung cấp đáng tin cậy, chuyên cung cấp các sản phẩm máy tính công nghiệp và thiết bị truyền thông đạt tiêu chuẩn chất lượng ISO 9001:2015 với mức giá hợp lý.