1. Trang chủ
  2. » Luận Văn - Báo Cáo

xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em

86 830 4

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 86
Dung lượng 871,1 KB

Nội dung

Tổng quan về các hệ thông minh AI là một bộ phận của khoa học máy tính liên quan đến việc thiết kế các hệ thống máy tính thông minh, nghĩa là các hệ thống thể hiện các đặc trưng mà chún

Trang 1

1

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

ĐẠI HỌC THÁI NGUYÊN

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS LÊ BÁ DŨNG

Thái Nguyên - 2014

Trang 2

2

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

LỜI CAM ĐOAN

Tôi xin cam đoan luận văn là công trình nghiên cứu của riêng cá nhân tôi, không sao chép của ai Luận văn là do tôi tự nghiên cứu, đọc, dịch tài liệu, tổng hợp và thực hiện Nội dung lý thuyết trong luận văn có sử dụng một số tài liệu tham khảo như đã trình bày trong phần tài lieuj tham khảo Chương trình phần mềm và những kết quả trong luận văn là trng thực và chưa được công bố trong bất kỳ một công trình nào khác

Thái Nguyên, ngày 16 tháng 5 năm 2014

Học viên thực hiện

Bùi Đức Trường

Trang 3

Tôi xin bày tỏ lòng biết ơn đến các thầy cô giáo ở trường Đại học Công nghệ thông tin và Truyền thông – Đại học Thái Nguyên, các cán bộ giảng viên

và chuyên viên Trường Cao Đẳng Cộng Đồng Hải Phòng đã tận tình giảng dạy

và tạo mọi điều kiện cho tôi học tập, nghiên cứu và hoàn thành luận văn này Tôi xin chân thành cảm ơn các bạn học viên lớp CK11B – Khoa học máy tính đã giúp đỡ, tạo điều kiện cho tôi trong suốt quá trình học tập và thực hiện luận văn

Cuối cùng, tôi xin gửi lời cảm ơn sâu sắc nhất đến gia đình, đồng nghiệp và bạn bè tôi, những người đã động viên, tạo mọi điều kiện cho tôi lao động và học tập trong suốt thời gian qua

Một lần nữa, xin chân thành cảm ơn!

Thái Nguyên, ngày 16 tháng 5 năm 2014

Học viên thực hiện

Bùi Đức Trường

Trang 4

4

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

MỤC LỤC

LỜI CAM ĐOAN 2

LỜI CẢM ƠN 3

DANH MỤC VIẾT TẮT 8

DANH MỤC HÌNH ẢNH 8

DANH MỤC BẢNG BIỂU 9

ĐẶT VẤN ĐỀ 11

Chương 1: Tổng quan trí tuệ nhân tạo 12

1.1 Tổng quan về các hệ thông minh 12

1.1.1 Hệ chuyên gia 12

1.1.1.1 Khái niệm: 12

1.1.1.2 Xây dựng hệ chuyên gia 12

1.1.1.3 Những thành phần cơ bản của hệ chuyên gia 13

1.1.2 Hệ hỗ trợ ra quyết định 14

1.1.2.1 Khái niệm: 14

1.1.2.2 Các thành phần của hệ thống hỗ trợ ra quyết định: 14

1.1.3 Hệ điều khiển thông minh 14

1.1.4 Hệ học 15

1.1.4.1 Khái niệm 15

1.1.4.2 Học giám sát 16

1.1.4.3 Học không giám sát 17

1.1.4.4 Các hình thức học 17

1.2 Chứng minh và suy diễn tự động 18

1.2.1 Suy diễn dựa trên bảng giá trị chân lý 18

1.2.2 Suy diễn tiến, lùi dựa trên các câu Horn 18

1.3 Phân tích đánh giá một số hệ xử lý thông minh 19

1.3.1 Lập luật dựa trên luật (rule-based reasoning) 19

Trang 5

5

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

1.3.3 Lập luật dựa trên mô hình (model-based reasoning) 21

1.4 Kết luận chương 21

Chương 2: Hệ Chuyên Gia 22

2.1 Hệ chuyên gia là gì 22

2.1.1 Khái niệm: 22

2.1.2 Những thành phần cơ bản của hệ chuyên gia 23

2.2 Cấu trúc của hệ chuyên gia 24

2.2.1 Cấu trúc kiểu mẫu của hệ chuyên gia 24

2.2.1.1 Một số mô hình kiến trúc hệ chuyên gia 26

2.2.2 Hệ cơ sở tri thức 28

2.2.2.1 Tri thức chuyên gia 28

2.2.2.2 Các phương pháp biểu diễn tri thức 29

2.2.3 Suy diễn và lập luận 37

2.2.3.1 Phương pháp suy diễn tiến 37

2.2.3.2 Phương pháp suy diễn lùi 38

2.2.4 Giao diện người dùng 39

2.3 Phát triển hệ chuyên gia 41

2.3.1 Hệ chuyên gia được phát triển như thế nào 41

2.3.1.1 Quản lý dự án 41

2.3.1.2 Tiếp nhận tri thức 42

2.3.1.3 Phân phối 42

2.3.1.4 Bảo trì và phát triển 43

2.4 Kết luận chương 43

Chương 3 Xây dựng hệ chuyên gia cho chẩn đoán các chứng cam 44

3.1 Chứng cam là gì 44

3.2 Các biểu hiện lâm sàng thông qua các biểu hiện trên cơ thể của trẻ 45

3.2.1 Gọi tên chứng cam theo bộ vị 45

3.2.1.1 Cam mồm 45

3.2.1.2 Cam mắt: 46

Trang 6

6

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

3.2.1.3 Cam mũi: 46

3.2.2 Gọi tên chứng cam theo tạng 47

3.2.2.1 Khái niệm về phủ tạng: 47

3.2.2.2 Ngũ tạng 47

3.2.2.5 Quan hệ của lục phủ ngũ tạng với ngũ hành 55

3.2.2.6 Chứng cam theo tạng 55

3.3 Các biểu hiện khác 55

3.4 Các phương pháp chẩn đoán 56

3.4.1 Vọng chẩn (Nhìn, quan sát) 56

3.4.2 Văn chẩn (Nghe, ngửi) 58

3.4.3 Vấn chẩn (Hỏi bệnh) 58

3.3.4 Thiết chẩn (Xét đoán bộ mạch) 60

3.3.4.1 Phép xem mạch ở trán: 60

3.3.4.2 Phép xem mạch ở hổ khẩu 60

3.5 Nguyên nhân và các phương pháp điều trị 63

3.5.1 Nguyên nhân 63

3.5.2 Các phương pháp điều trị 63

3.6 Thiết kế hệ chuyên gia chẩn đoán chứng cam 64

3.6.1 Đầu vào của bài toán chẩn đoán chứng cam 64

3.6.1.1 Biểu diễn tri thức các chứng cam 65

3.6.2 Xây dựng các động cơ suy diễn cho các chứng cam 68

3.6.2.1 Thuật toán của bài toán chẩn đoán chứng cam của trẻ em 68

3.6.2.2 Hàm xử lý chính của bài toán 70

3.6.2.3 Hàm chẩn đoán chứng cam 71

3.6.2.3 Cây chẩn đoán triệu chứng“Ăn ít” – Chủ trị Tỳ cam và Can cam 73

3.6.2.2 Cây chẩn đoán triệu chứng“Đêm ngủ giật mình"- Chủ trị Tâm cam 74

3.6.3.3 Cây chẩn đoánt triệu chứng “Đái dầm” – Chủ trị Thận cam 75

3.6.3.4 Cây chẩn đoán triệu chứng “Ho” – Chủ trị Phế cam 76

3.6.3.5 Cây chẩn đoán triệu chứng “Mụn nhọt”– Chủ trị Can cam 77

Trang 7

7

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

3.7 Giao diện và kết quả kiểm thử của trương trình 79

3.8 Kết luận chương 83

TỔNG KẾT 84

TÀI LIỆU THAM KHẢO 85

Trang 8

8

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

DANH MỤC VIẾT TẮT

1 AI Artificial Intelligence Trí tuệ nhân tạo

6 DSS Decision Support System Hệ hỗ trợ ra quyết định

10 OPS Official Production System Hệ thống sản xuất chính

thức

Trang 9

9

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

DANH MỤC HÌNH ẢNH

Hình 2.1 Thành phần cơ bản của hệ chuyên gia 23

Hình 2.2 Cấu trúc của hệ chuyên gia 24

Hình 2.3 Mô hình J.L.Ermine 26

Hình 2.4 Mô hình C.Ernest……….26

Hình 2.5 Mô hình E.V.Popov 27

Hình2.6 Biểu diễn tri thức nhờ mạng ngữ nghĩa 33

Hình2.7 Nền tảng của công nghệ hệ chuyên gia dựa trên luật hiện đại 36

Hình 3.1 Mô hình quan hệ giữa các tri thức……… 63

Hình 3.2 Cây nhị phân chẩn đoán chứng cam theo triệu chứng “Ăn ít”…….71

Hình 3.3 Cây nhị phân chứng cam theo triệu chứng “Đêm ngủ giật mình”…72 Hình 3.4 Cây nhị phân chứng cam theo triệu chứng “Đái dầm”……… 73

Hình 3.5 Cây nhị phân chứng cam theo triệu chứng “Ho” 74

Hình 3.6 Cây nhị phân chứng cam theo triệu chứng “Mụn nhọt”………… 75

Hình 3.7 Giao diện chính của chương trình 77

Hình 3.8 Giao diện bài thuốc 78

Hình 3.9 Giao diện công cụ………78

Hình 3.10 Form thêm mới cơ sở tri thức 79

Hình 3.11 Giao diện danh mục……… 80

Hình 3.12 Form quản lý bệnh nhân 80

Trang 10

10

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

DANH MỤC BẢNG BIỂU

Bảng 2.1 Bảng minh họa vị từ………31 Bảng 2.2 Biểu diễn tri thức nhờ ngôn ngữ nhân tạo trong MYCIN…………33 Bảng 3.1 Quan hệ của lục phủ ngũ tạng với ngũ hành………51

Trang 11

y học cổ truyền đang được đặt ra với mức độ cao đối với các nhà khoa học về công nghệ thông tin và các chuyên gia ngành y

Chúng ta biết rằng để đào tạo một bác sỹ phải mất một khoảng thời gian tương đối dài (5 năm) nhưng chỉ được có một ông bác sỹ thôi Xây dựng một hệ chuyên gia cho ngành y sẽ rất khó nhưng đổi lại hệ thống sẽ làm việc 24/24 trong một ngày và có thể nhân ra hàng vạn vạn phiên bản làm việc trên nhiều máy tính khác nhau

Ứng dụng công nghệ thông tin cho các ngành kinh tế, xã hội đã và đang ngày càng cần thiết và hiệu quả cao Đặc biệt là ứng dụng có hiệu quả trong quá trình nghiên cứu khám, chữa bệnh

Y học cổ truyền Việt Nam rất phong phú và đa dạng Có rất nhiều gia đình chữa khỏi bệnh cho nhiều bệnh nhân theo phương pháp gia truyền, chữa bệnh theo kinh nghiệm được tích tụ từ đời này qua đời khác là một phương pháp truyền thống, lâu đời

Trang 12

12

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

Chương 1: Tổng quan trí tuệ nhân tạo

1.1 Tổng quan về các hệ thông minh

AI là một bộ phận của khoa học máy tính liên quan đến việc thiết kế các hệ thống máy tính thông minh, nghĩa là các hệ thống thể hiện các đặc trưng mà chúng ta thấy gắn với trí thông minh trong các hành vi của con người, như hiểu

ngôn ngữ, học, suy luận, giải quyết vấn đề,…

Những công cụ thuộc lĩnh vực Trí tuệ nhân tạo được xem như các hệ thống thông minh nhằm giúp giải quyết rất nhiều bài toán mà trước đây được xem là quá khó, và giúp giải quyết nhiều bài toán theo cách hiệu quả hơn

1.1.1 Hệ chuyên gia

1.1.1.1 Khái niệm:

Hệ chuyên gia (HCG ) là một chương trình ứng dụng (CTƯD) khai thác cơ

sở tri thức (CSTT) thu nạp từ nguồn tri thức chuyên môn dựa trên việc sử dụng

cơ chế suy diễn để giải quyết các bài toán tư vấn KHÓ đạt trình độ cỡ như một CHUYÊN GIA LÂU NĂM LÀNH NGHỀ

Một chương trình ứng dụng được xây dựng dựa trên CSTT và (MTSD) mô

tơ suy diễn Trong đó CSTT được lấy từ nguồn tri thức Có hai loại là xin ý kiến

từ các chuyên gia trong lĩnh vực đó, cũng có thể lấy theo cách thứ hai đó là tổng hợp từ các tài liệu chuyên môn Còn MTSD phụ thuộc vào người dùng do người dùng đưa ra

1.1.1.2 Xây dựng hệ chuyên gia

Xây dựng hệ chuyên gia dự đoán tương đương với việc đưa các tri thức

dự đoán vào trong máy tính Việc này bao gồm các bước:

Trang 13

13

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

+ Biểu diễn tri thức dự đoán vào trong máy tính

+ Sử dụng các tri thức vào trong dự đoán

Chúng ta có thể viết một chương trình máy tính bình thường với các thao tác dòng lệnh để thực hiện chức năng trên, nhưng hạn chế của một chương trình bình thường là khó thay đổi, bổ xung các tri thức mới Vì vậy ở đây sẽ xây dựng một hệ chuyên gia dự đoán trên nền tảng là một hệ cơ sở tri thức, chính xác hơn

là một cơ sở tri thức dựa vào luật

Với cách này có sự kết hợp và nỗ lực giũa các chuyên gia, các kĩ sư tri thức

và các lập trình viên Họ làm việc cùng nhau và kết quả là xây dựng một hệ chuyên gia

1.1.1.3 Những thành phần cơ bản của hệ chuyên gia

- Cơ sở tri thức ( KB): Gồm các phần tử (hay đơn vị) tri thức, thông thường

được gọi là luật (rule), được tổ chức như một cơ sở dữ liệu

- Máy duy diễn (inference engine): Công cụ (chương trình, hay bộ xử lý)

tạo ra sự suy luận bằng cách quyết định xem những luật nào sẽ làm thỏa mãn các

sự kiện, các đối tượng , chọn ưu tiên các luật thỏa mãn, thực hiện các luật có tính ưu tiên cao nhất

- Bộ nhớ làm việc (working memory): Cơ sở dữ liệu toàn cục chứa các sự

kiện phục vụ cho các luật

- Khả năng giải thích (explanation facility): Giải nghĩa cách lập luận của

hệ thống cho người sử dụng

- Giao diện người sử dụng (user interface): Là nơi người sử dụng và hệ

chuyên gia trao đổi với nhau

Trang 14

14

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

1.1.2 Hệ hỗ trợ ra quyết định

1.1.2.1 Khái niệm:

Vào thập niên 1970, Scott Morton đưa ra những khái niệm đầu tiên về Hệ

hỗ trợ ra quyết định (Decision Support System – DSS) Ông định nghĩa DSS như

là hệ thống máy tính tương tác nhằm giúp những người sử dụng dữ liệu và mô hình để giải quyết các vấn đề không cấu trúc

1.1.2.2 Các thành phần của hệ thống hỗ trợ ra quyết định:

- Data management subsystem: Gồm một cơ sở dữ liệu (database) chứa

các dữ liệu cần thiết của tình huống và được quản lý bởi một hệ quản trị cơ sở

dữ liệu (DBMS – data base management system) Phần hệ này có thể được kết nối với nhà kho dữ liệu (data warehouse)- là kho chứa dữ liệu có liên đới đến vấn đề ra quyết định

- Model management subsystem: Còn được gọi là hệ quản trị cơ sở mô

hình (MBMS – model base management system) là gói phần mềm gồm các thành phần về thống kê, tài chính, khoa học quản lý hay các phương pháp định lượng nhằm trang bị cho hệ thống năng lực phân tích, các ngôn ngữ mô hình hóa Thành phần này có thể kết nối với các kho chứa mô hình của tổ chức

- User interface subsystem: Giúp người sử dụng giao tiếp và ra lệnh cho hệ

thống

1.1.3 Hệ điều khiển thông minh

Thuật ngữ “điều khiển thông minh” đã được giới thiệu trong khoảng hơn ba thập niên trở lại đây với các phương pháp điều khiển có mục tiêu tham vọng hơn

so với các hệ thống truyền thống Hệ thống điều khiển thông minh có thể điều

Trang 15

15

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

khiển một cách tự chủ các hệ thống phức tạp, các quá trình sẽ được tự động quyết định về mục tiêu điều khiển phù hợp

Hệ thống này còn hoạt động được khi hệ thống có sự thay đổi về tham số hay môi trường điều khiển, thông qua quá trình học từ kinh nghiệm, tiếp thu và

tổ chức kiến thức về môi trường xung quanh và hành vi sắp tới của hệ thống Trong một số trường hợp các kỹ thuật này đã thực sự đóng góp cho hệ thống một số khả năng thông minh, còn các trường hợp khác thì chỉ đơn thuần là phương tiện biểu diễn các luật điều khiển phi tuyến, mô hình của quá trình điều khiển hay các yếu tố bất định Trường hợp sau tuy không đóng góp một cách rõ ràng vào mức độ thông minh của hệ thống, nhưng các phương pháp trên vẫn rất hữu ích Chúng đã làm phong phú hõa lĩnh vực điều khiển thông qua các sơ đồ biểu diễn khác nhằm có được các thông tin đặc thù từ đối tượng điều khiển mà các phương pháp truyền thống không thể có được trên cơ sở của hệ phương trình

vi phân và sai phân

1.1.4 Hệ học

1.1.4.1 Khái niệm

Trong nhiều tình huống, tri thức là không có sẵn Phần lớn người lập trình không có đủ kiến thức thuộc về lĩnh vực chuyên môn của phần mềm nên không biết cách mô tả các luật trong từng lĩnh vực cụ thể Do thiếu tri thức nên bài toán không được biểu diễn tường minh theo luật, sự kiện hay các quan hệ Vì vậy cần xây dựng các hệ thống học có khả năng thu nhận kiến thức từ các chuyên gia và học tập từ các ví dụ do chuyên gia cung cấp

Máy học (Machine Learning) là các hệ chương trình có khả năng thực thi công việc dựa trên kinh nghiệm, tự khám phá tri thức bằng các cấu trúc dữ liệu

Trang 16

16

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

và thuật giải đặc biệt Có hai tiếp cận cho hệ thống học là học từ ký hiệu và học

từ dữ liệu số Học từ ký hiệu bao gồm việc hình thức hóa, sửa chữa các luật tường minh, sự kiện và các quan hệ Học từ dữ liệu số áp dụng cho các hệ thống

sử dụng các mô hình có liên quan đến các kỹ thuật tối ưu các tham số Các hệ học có ưu điểm:

Xử lý dữ liệu với khối lượng lớn

Hỗ trợ các kỹ thuật phân tích, xử lý, trích chọn và chi tiết hóa dữ liệu

Các hệ học có hai giai đoạn cơ bản: học dữ liệu và xử lý dữ liệu Học dữ liệu là quá trình phân tích và tìm ra những điểm tương đồng trong dữ liệu để sản sinh luật Giai đoạn xử lý ước lượng đặc tính dữ liệu mới dựa trên luật đã được phát sinh ở giai đoạn học Có thể chia các quá trình học thành hai dạng chính: học có giám sát (suppervised learning) và học không giám sát (unsuppervised learning)

Trang 17

17

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

1.1.4.3 Học không giám sát

Thay vì có mục tiêu tường minh, hệ tìm kiếm quy luật hình thành các mẫu

và khám phá mối quan hệ của dữ liệu Các bài toán gom cụm dữ liệu (clustering) đều thuộc dạng này Trong mô hình học có giám sát, số các lớp là biết trước Ngược lại, trong mô hình học không giám sát, mẫu học chưa được gán nhãn nên nói chung, số lớp chưa biết trước Các hệ học loại này có khả năng tự giám sát quá trình hình thành và phát sinh của các lớp Công tác gán nhãn được thực hiện

tự động một cách hệ thống và phân biệt với các lớp khác

1.1.4.4 Các hình thức học

- Học vẹt: Hệ tiếp nhận tập khẳng định của các quyết định đúng Nếu tạo ra

một quyết định không đúng, hệ sẽ đưa ra các luật/quan hệ đúng đã sử dụng Hình thức học vẹt cho phép chuyên gia cung cấp tri thức qua tương tác

- Học bằng chỉ dẫn: Thay vì đưa ra một luật cụ thể cần áp dụng vào tình

huống cho trước, hệ thống được cung cấp các chỉ dẫn tổng quát Hệ tự đề ra cách biến đổi trừu tượng thành các luật phổ dụng

- Học bằng quy nạp: Hệ thống được cung cấp một tập các ví dụ và kết luận

của từng ví dụ Hệ liên tục học các luật và quan hệ nhằm xử lý và rút ra kết luận cho từng ví dụ mới

- Học bằng tương tự: Hệ thống được cung cấp đáp ứng đúng cho các tác

vụ tương tự nhưng không giống nhau Hệ thống cần thích ứng đáp ứng trước đó nhằm tạo ra một luật mới có khả năng áp dụng cho tình huống mới

- Học dựa trên tình huống: Bất kỳ tình huống nào được hệ thống lập luận

đều được lưu trữ cùng với kết quả cho dù đúng hay sai Khi gặp tình huống mới,

hệ thống sẽ tự thích nghi dựa vào các tình huống cũ đã được lưu trữ

Trang 18

18

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

- Học dựa trên giải thích: Hệ thống phân tích tập các ví dụ nhằm ấn định

khả năng đúng hoặc sai, sau đó tạo ra các giải thích hướng dẫn cách giải các bài toán tương tự trong tương lai

1.2 Chứng minh và suy diễn tự động

Con người làm việc với tri thức, sự kiện và các chiến lược giải bài toán để rút ra kết luận- quá trình suy lý Trong các hệ thống thông minh, việc suy lý thể hiện ở kỹ thuật suy diễn và các chiến lược điều khiển Kỹ thuật suy diễn là các bước hướng dẫn hệ thống tổng hợp tri thức từ các tri thức đã có trong CSTT và

từ sự kiện ghi lại ở bộ nhớ Các chiến lược điều khiển: thiết lập đích cần đến và hướng dẫn hệ thống suy lý

1.2.1 Suy diễn dựa trên bảng giá trị chân lý

Xây dựng các giải thuật cài đặt cho máy tính để nó biết lập luận Giải thuật lập luận tự động là giải thuật chỉ ra rằng nếu KB (cơ sở tri thức) là đúng thì câu truy vấn q có đúng hay không?

Phương pháp lập luận đầu tiên là dựa liệt kê các tất cả các trường hợp có thể có của tập các ký hiệu mệnh đề, rồi kiểm tra xem liệu tất cả các trường hợp làm cho KB đúng xem q có đúng không

Thuật giải trên là sinh ra toàn bộ bảng giá trị chân lý để đánh giá KB và q, nếu chỉ cần một trường hợp KB đúng mà q sai thì q sẽ kết luận KB không suy diễn được ra q

Giải thuật trên có độ phức tạp thời gian là 2n * m, với n là số ký hiệu có trong KB,q và m độ dài câu trong KB

1.2.2 Suy diễn tiến, lùi dựa trên các câu Horn

- Suy diễn tiến (forward chaining):

Trang 19

19

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

+ Quá trình lập luận suy ra sự kiện mới từ các sự kiện trong bộ nhớ làm việc, sử dụng modus ponens tổng quát (không định hướng tới giải quyết một vấn

đề nào cả)  gọi là lập luận điều khiển bởi dữ liệu

+ Có thể coi là quá trình tìm kiếm từ sự kiện (fact) đến mục tiêu (goal)

Thích hợp khi:

+ Tất cả hoặc một phần dữ liệu được cho từ đầu

+ Có nhiều mục tiêu, nhưng chỉ có một số ít các phép toán có thể áp dụng cho một trạng thái bài toán

+ Rất khó đưa ra một mục tiêu hoặc giả thuyết ngay lúc đầu

- Suy diễn lùi (backward chaining)

+ Quá trình lập luận nhằm chứng minh (hay bác bỏ một giả thuyết (tìm ra các câu trả lời cho một câu hỏi)  gọi là lập luận định hướng mục đích

+ Có thể coi là quá trình tìm kiếm từ mục tiêu (goal) về sự kiện (fact)

Thích hợp khi:

+ Có thể đưa ra mục tiêu hoặc giả thuyết ngay lúc đầu

+ Có nhiều phép toán có thể áp dụng trên 1 trạng thái của bài toán  sự bùng nổ số lượng các trạng thái

+ Các dữ liệu của bài toán không được cho trước, nhưng hệ thống phải lấy được trong quá trình tìm kiếm

1.3 Phân tích đánh giá một số hệ xử lý thông minh

1.3.1 Lập luật dựa trên luật (rule-based reasoning)

Ưu điểm

Trang 20

20

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

+ Dùng được theo kiểu trực tiếp, với những tri thức kinh nghiệm có từ chuyên gia; đặc biệt quan trọng ở lĩnh vực tin cậy vào kinh nghiệm để quản trị

độ khó và/hoặc thông tin không đầy đủ

+ Các luật ánh xạ vào duyệt không gian trạng thái, các tiện ích giải thích hỗ trợ cho tìm lỗi

+ Sự tách biệt tri thức khỏi điều khiển làm quá trình phát triển ES đơn giản hơn

+ Có thể đạt được hiệu năng cao trong miền lĩnh vực được giới hạn

+ Có những phương tiện giải thích (khác nhau giữa 2 loại suy diễn tiến và lùi)

+ Sự tách biệt tri thức khỏi điều khiển làm quá trình phát triển ES đơn giản hơn

Hạn chế

+ Các luật có được từ chuyên gia thường là tri thức kinh nghiệm, không phản ánh tri thức theo kiểu hàm hoặc tri thức dựa trên mô hình của lĩnh vực + Luật heuristic có khuynh hướng “dễ vỡ”, khó khăn trong những trường hợp gặp dữ liệu không mong đợi hay thông tin không đầy đủ

+ Chức năng giải thích chỉ có ở mức mô tả, bỏ qua giải thích mang tính lý thuyết (vì không đòi hỏi những lập luận sâu hơn)

+ Tri thức có khuynh hướng rất phụ thuộc vào công việc (task) Tri thức lĩnh vực được hình thức hóa có khuynh hướng được cụ thể hóa trong ứng dụng của nó Cho đến nay các ngôn ngữ biểu diễn tri thức chưa tiếp cận được với sự linh hoạt trong lập luận của con người

Trang 21

21

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

1.3.3 Lập luật dựa trên mô hình (model-based reasoning)

Ưu điểm

+ Khả năng dùng tri thức có cấu trúc của lĩnh vực tăng khả năng cho người suy luận để dùng được những điều mà người thiết kế hệ thống không lường trước được, hướng đến những giải pháp kỹ lưỡng (hoàn hảo) và linh hoạt + Có tri thức chuyển đổi được giữa các công việc (task) Thường sử dụng tri thức khoa học và lý thuyết

+ Thường cung cấp lý giải  hiểu sâu hơn những sai lầm ta mắc phải  đóng vai trò gia sư (tutor) rất tốt

Hạn chế

+ Thiếu kinh nghiệm đặc tả tri thức của lĩnh vực Các phương pháp heuristic được sử dụng trong cách tiếp cận dùng luật phản ánh lớp kiến thức chuyên gia đáng giá

+ Yêu cầu một mô hình (lĩnh vực) tường minh Trong khi nhiều lĩnh vực thiếu lý thuyết khoa học phát biểu tốt và rõ ràng cho vấn đề đặt ra

+ Độ phức tạp lớn (do thường vận hành ở mức chi tiết)

1.4 Kết luận chương

Chương 1 đi tìm hiểu tổng quan về một số hệ thông minh Vai trò của các

hệ thông minh trong các lĩnh vực của đời sống và những ứng dụng của các hệ thông minh đó Ngoài ra còn tìm hiểu cách thức suy diễn của từng hệ thông minh

Trang 22

22

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

Tìm hiểu các đặc trưng của từng hệ thông minh ưu và nhược điểm của từng

hệ thông minh Phân tích và đánh giá các hệ thông minh

Chương 2: Hệ Chuyên Gia 2.1 Hệ chuyên gia là gì

2.1.1 Khái niệm:

Theo E Feigenbaum: Hệ chuyên gia (Expert System) là một chương trình máy tính thông minh sử dụng tri thức (knowledge) và các thủ tục suy luận (inference procedures) để giải những bài toán tương đối khó khăn đòi hỏi những chuyên gia mới giải được

Hệ chuyên gia là một hệ thống tin học có thể mô phỏng (emulates) năng lực quyết đoán (decision) và hành động (making abilily) của một chuyên gia (con người) Hệ chuyên gia là một trong những lĩnh vực ứng dụng của trí tuệ nhân tạo (Artificial Intelligence)

Hệ chuyên gia sử dụng các tri thức của những chuyên gia để giải quyết các

Trang 23

23

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

vấn đề (bài toán) khác nhau thuộc mọi lĩnh vực

Tri thức (knowledge) trong hệ chuyên gia phản ánh sự tinh thông được tích tụ

từ sách vở, tạp chí, từ các chuyên gia hay các nhà bác học Các thuật ngữ hệ

chuyên gia, hệ thống dựa trên tri thức (knowledge based system) hay hệ chuyên gia dựa trên tri thức (knowledge based expert system) thường có cùng nghĩa Một hệ chuyên gia gồm ba thành phần chính là cơ sở tri thức (knowledge base), máy suy diễn hay môtơ suy diễn (inference engine), và hệ thống giao tiếp với người sử dụng (user interface) Cơ sở tri thức chứa các tri thức

để từ đó, máy suy diễn tạo ra câu trả lời cho người sử dụng qua hệ thống giao tiếp

Người sử dụng (user) cung cấp sự kiện (facts) là những gì đã biết, đã có thật

hay những thông tin có ích cho hệ chuyên gia, và nhận được những câu trả lời là những lời khuyên hay những gợi ý đúng đắn (expertise)

Mỗi hệ chuyên gia chỉ đặc trưng cho một lĩnh vực vấn đề (problem domain)

nào đó, như y học, tài chính, khoa học hay công nghệ, v.v , mà không phải cho

bất cứ một lĩnh vực vấn đề nào

Tri thức chuyên gia để giải quyết một vấn đề đặc trưng được gọi là lĩnh vực tri thức (knowledge domain)

Ví dụ : hệ chuyên gia về lĩnh vực y học để phát hiện các căn bệnh lây nhiễm

sẽ có nhiều tri thức về một số triệu chứng lây bệnh, lĩnh vực tri thức y học bao

gồm các căn bệnh, triệu chứng và cách chữa trị

2.1.2 Những thành phần cơ bản của hệ chuyên gia

Người sử

dụng

(User)

Hệ thống giao tiếp (User Interface)

Cơ sở tri thức (Knowled Base)

Máy suy diễn

Trang 24

24

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

Hình 2.1 Thành phần cơ bản của hệ chuyên gia 2.1.2.1 Cơ sở tri thức (knowledge base): Gồm các phần tử (hay đơn vị)

tri thức, thông thường được gọi là luật (rule), được tổ chức như một cơ sở

dữ liệu

2.1.2.2 Máy duy diễn (inference engine): Công cụ (chương trình, hay bộ xử lý)

tạo ra sự suy luận bằng cách quyết định xem những luật nào sẽ làm thỏa mãn các

sự kiện, các đối tượng , chọn ưu tiên các luật thỏa mãn, thực hiện các luật có tính ưu tiên cao nhất

2.1.2.3 Giao diện người sử dụng (user interface): Là nơi người sử dụng

và hệ chuyên gia trao đổi với nhau

2.1.2.4 Người sử dụng (User): Người sử dụng đầu cuối

2.2 Cấu trúc của hệ chuyên gia

2.2.1 Cấu trúc kiểu mẫu của hệ chuyên gia

Bộ thu nạp tri thức

Giao diện Người máy

Bộ giải thích

Chuyên gia con

người

Mô tơ suy diễn Người

sử dụng

Trang 25

25

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

Hình 2.2 Cấu trúc của hệ chuyên gia

Giao diện người, máy: Thực hiện giao tiếp giữa hệ chuyên gia và người sử dụng Nhận những thông tin từ người dùng (các câu hỏi, các yêu cầu về lĩnh vực) và đưa ra lời khuyên, các câu trả lời, các giải thích về lĩnh vực

Cơ sở tri thức: Lưu trữ, biểu diễn các tri thức trong lĩnh vực mà hệ đảm nhận, làm cơ sở cho các hoạt động của hệ, cơ sở tri thức gồm các sự kiện

Trang 26

- Giảm dư thừa tri thức, dữ liệu

- Tính nhất quán và phi mâu thuẫn của tri thức

- Tính toàn vẹn và an toàn

- Giải quyết vấn đề cạnh tranh

- Chuyển đổi tri thức

2.2.1.1 Một số mô 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:

Bộ nhớ làm việc

Người sử dụng yêu cầu

Dữ liệu vấn đề cần giải quyết Tri thức mới

Trang 27

Dữ liệu

Lời giải Giải thích Theo dõi

Cơ sở Tri thức

Máy Suy diễn

Giao diện người

sử dùng

Bộ nhớ Làm việc Diễn dich

Khả năng G.thich

Sở hữu Tri thức

Cơ sở Tri thức

Chuyên

gia

Người

S.dụng

Trang 28

28

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

Hình 2.5 Mô hình E.V.Popov 2.2.2 Hệ cơ sở tri thức

Hệ cơ sở tri thức (CSTT) là chương trình máy tính được thiết kế để mô hình hóa khả năng giải quyết vấn đề của chuyên gia, con người

Hệ CSTT là hệ thống dựa trên tri thức, cho phép mô hình hóa các tri thức của chuyên gia, dùng tri thức này để giải quyết vấn đề phức tạp thuộc cùng lĩnh vực

Hai yếu tố quan trọng trong hệ CSTT là tri thức chuyên gia và lập luận, tương ứng với hệ thống có hai khối chính là cơ sở tri thức và động cơ suy diễn

Cơ sở tri thức: Chứa các tri thức chuyên sâu về lĩnh vực như chuyên gia

Cơ sở tri thức bao gồm: các sự kiện, các luật, các khái niệm và các quan hệ

Động cơ suy diễn: Bộ xử lý tri thức mô hình hóa theo cách lập luận của hệ chuyên gia Động cơ hoạt động dựa trên thông tin về vấn đề đang xét, so sánh với tri thức đang lưu trong cơ sở tri thức rồi rút ra kết luận

2.2.2.1 Tri thức chuyên gia

Chuyên gia là người có đầy đủ kỹ năng, kiến thức sâu về một lĩnh vực nào

đó (một người có thể làm những việc mà người khác ít khả năng làm được)

Như vậy tri thức chuyên gia là một dạng tri thức đã được tổng hợp từ nhiều chuyên gia trong một lĩnh vực nào đó sau đó được tổng hợp mã hóa đưa vào một

cơ sở tri thức và sử dụng máy tính để thực hiện các công việc trong một lĩnh vực

Trang 29

29

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

hẹp ở mức tương tự như một người chuyên gia Tri thức chuyên gia chính là các

hệ luật

Tri thức chuyên gia có đặc điểm nổi bật là khả năng thu thập tri thức Tri thức bao gồm tri thức về lĩnh vực và tri thức kĩ năng giải quyết vấn đề Các tri thức thu được từ chuyên gia không nhất thiết phải là các ý tưởng sáng chói hay độc đáo mà đặc biệt và sâu về lĩnh vực cụ thể

2.2.2.2 Các phương pháp biểu diễn tri thức

* Thể hiện tri thức nhờ các luật

Các sự kiện được cung cấp có ý nghĩa rất lớn đối với hoạt động của hệ chuyên gia Các sự kiện này cho phép hệ thống hiểu trạng thái hiện tại của bài toán, trong quá trình giải bài toán hệ chuyên gia cần thêm các tri thức phụ, tri thức bổ sung có quan hệ với các sự kiện đã biết từ đó làm tăng thêm hệ thống tri thức, khi sử dụng thêm tri thức chính là bổ sung thêm các luật

- Luật:

Là cấu trúc tri thức dùng để liên kết thông tin đã biết với thông tin khác, các thông tin này có thể được suy luận để hiểu biết thêm

- Cấu trúc của luật:

Kết nối một hay nhiều già thiết trong câu IF với một hay nhiều kết luận trong câu của THEN

Ví dụ: IF Nhiệt độ <80

c THEN Trẻ em được nghỉ học

Trang 30

30

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

Đối với hệ thống dựa trên các luật người ta thu thập tri thức trong một tập

và lưu vào một cơ sở tri thức của hệ thống, hệ thống này sử dụng các luật cùng với các thông tin trong bộ nhớ để giải các bài toán

- Các dạng tri thức luật

Các luật thể hiện tri thức có thể được phân theo loại tri thức luật

- Tri thức luật quan hệ

- Tri thức luật khuyến cáo

- Tri thức luật hướng dẫn

- Tri thức luật chiến lược

- Tri thức luật may rủi

* Biểu diễn tri thức trong các hệ chuyên gia

Tri thức của một hệ chuyên gia có thể được biểu diễn theo nhiều cách khác

nhau Thông thường người ta sử dụng các cách sau đây :

• Biểu diễn tri thức bởi các luật sản xuất

• Biểu diễn tri thức nhờ mệnh đề logic

• Biểu diễn tri thức nhờ mạng ngữ nghĩa

• Biểu diễn tri thức nhờ ngôn ngữ nhân tạo

Ngoài ra, người ta còn sử dụng cách biểu diễn tri thức nhờ các sự kiện không chắc chắn, nhờ bộ ba: đối tượng, thuộc tính và giá trị (O-A-V: Object-Attribute-Value), nhờ khung (frame), v.v Tuỳ theo từng hệ chuyên gia, người ta có thể

sử dụng một cách hoặc đồng thời cả nhiều cách

* Biểu diễn tri thức nhờ các luật sản xuất

Trang 31

31

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

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 (explanation facilities) Dễ dàng dùng luật để

diễn giải vấn đề nhờ các tiền đề đặc tả chính xác các yếu tố vận dụng luật, từ đó

rút ra được kết quả

• Tương tự quá trình nhận thức của con người Dựa trên các công trình của

Newell và Simon, các luật được xây dựng từ cách con người giải quyết vấn đề Cách biểu diễn luật nhờ IF THEN đơn giản cho phép giải thích dễ dàng cấu trúc tri thức cần trích lọc Trong một hệ thống dựa trên luật, công cụ suy luận sẽ xác

định những luật nào là tiên đề thỏa mãn các sự việc

Các luật sản xuất thường được viết dưới dạng IF THEN Có hai dạng :

IF < điều kiện > THEN < hành động >

Hoặc

IF < điều kiện > THEN < kết luận > DO < hành động >

Tuỳ theo hệ chuyên gia cụ thể mà mỗi luật có thể được đặt tên Chẳng hạn

mỗi luật có dạng Rule: tên Sau phần tên là phần IF của luật

Phần giữa IF và THEN là phần trái luật (LHS: Left - Hand -Side), có nội

dung được gọi theo nhiều tên khác nhau, như tiền đề (antecedent), điều kiện (conditional part), mẫu so khớp

(pattern part), Phần sau THEN là kết luận hay hậu quả (consequent) Một

số hệ chuyên gia có thêm phần hành động (action) được gọi là phần phải luật

Trang 32

32

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

(RHS: Right - Hand -Side)

cho uống thuốc Aspirin

* Bộ sinh của hệ chuyên gia

Bộ sinh của hệ chuyên gia (expert-system generator) là hợp của :

Một máy suy diễn,

Một ngôn ngữ thể hiện tri thức (bên ngoài)

Và một tập hợp các cấu trúc và các quy ước thể hiện các tri thức (bên

trong)

Theo cách nào đó, các cấu trúc và các quy ước này xác định một cơ sở tri thức rỗng (hay rỗng bộ phận) Nhờ các tri thức chuyên môn để định nghĩa một

hệ chuyên gia, người ta đã tạo ra bộ sinh để làm đầy cơ sở tri thức

* Biểu diễn tri thức nhờ mệnh đề logic

Người ta sử dụng các ký hiệu để thể hiện tri thức và các phép toán lôgic tác động lên các ký hiệu để thể hiện suy luận lôgic Kỹ thuật chủ yếu thường

được sử dụng là lôgic vị từ (predicate logic)

Các ví dụ dưới đây minh hoạ cách thể hiện các phát biểu (cột bên trái) dưới

dạng vị từ (cột bên phải) :

Trang 33

33

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

MAN(X) MORTAL(X)

với quy ước MAN(X) có nghĩa «X là một

người» và

MORTAL(X) có nghĩa «X chết» MAN và

MORTAL là các vị từ đối với biến X

Bảng 2.1 Bảng minh họa vị từ

Các vị từ thường có chứa hằng, biến hay hàm Người ta gọi các vị từ không

chứa biến (có thể chứa hằng) là các mệnh đề (preposition) Mỗi vị từ có thể là một sự kiện (fact) hay một luật Luật là vị từ gồm hai vế trái và phải được nối

nhau bởi một dấu mũi tên ( ) Các vị từ còn lại (không chứa mũi tên) được gọi là các sự kiện Trong ví dụ trên đây, MAN và FATHER là các mệnh

đề và là các sự kiện Còn MAN(X) MORTAL(X) là một luật

1 BLOND (marc)

2 BROWN (jean)

Trang 34

34

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

3 FATHER (pierre, jean)

4 FATHER (marc, pierre)

5 FATHER (jean, rené)

6 SON (marc, georges)

7 FATHER (X, Y) SON (Y, X)

8 GRANDFATHER (X, Y) FATHER (X, Z), FATHER (Z, Y)

Người ta gọi tập hợp các sự kiện và các luật là một cơ sở tri thức

* Biểu diễn tri thức nhờ mạng ngữ nghĩa

Trong phương pháp này, người ta sử dụng một đồ thị gồm các nút (node)

và các cung (arc) nối các nút để biểu diễn tri thức Nút dùng để thể hiện các đối

tượng, thuộc tính của đối tượng và giá trị của thuộc tính Còn cung dùng để thể

hiện các quan hệ giữa các đối tượng Các nút và các cung đều được gắn nhãn

Ví dụ để thể hiện tri thức "sẻ là một loài chim có cánh và biết bay", người ta

vẽ một đồ thị như sau :

Là Biết

Hình2.6 Biểu diễn tri thức nhờ mạng ngữ nghĩa

Bằng cách thêm vào đồ thị các nút mới và các cung mới, người ta có thể

mở rộng một mạng ngữ nghĩa Các nút mới được thêm thể hiện các đối tượng

Cánh

Trang 35

35

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

tương tự (với các nút đã có trong đồ thị), hoặc tổng quát hơn

Một trong những tính chất quan trọng của mạng ngữ nghĩa là tính thừa kế

1.3.4.4 Biểu diễn tri thức nhờ ngôn ngữ nhân tạo

Nói chung, theo quan điểm của người sử dụng, ngôn ngữ tự nhiên sẽ

là phương cách thuận tiện nhất để giao tiếp với một hệ chuyên gia, không những đối với người quản trị hệ thống (tư cách chuyên gia), mà còn đối với người sử dụng cuối Hiện nay đã có những hệ chuyên gia có khả năng đối thoại trên ngôn ngữ tự nhiên (thông thường là tiếng Anh) nhưng chỉ hạn chế trong lĩnh vực ứng dụng chuyên môn của hệ chuyên gia

Hình dưới đây thể hiện một đơn vị tri thức (luật) trong hệ chuyên gia MYCIN dùng để chẩn đoán các bệnh virut Cột bên trái là một luật được viết bằng tiếng

Anh, cột bên phải là mã hoá nhân tạo của luật đó

Nếu và nếu 1)Máu cơ thể là gram

(SAME CNTXT DEVEL COLONY)

(CONCULDE CNTXT IDENT STAPHYLOCOCCUS MEASURE 0.7))

Bảng 2.2 Biểu diễn tri thức nhờ ngôn ngữ nhân tạo trong MYCIN

2.2.2 Các chế độ làm việc của bộ nhớ

Trang 36

36

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

Bộ nhớ làm việc chứa dữ liệu nhận được từ người sử dụng trong phiên hệ thống chuyên gia Giá trị trong bộ nhớ làm việc được sử dụng để đánh giá tiền

đề trong cơ sở tri thức Hậu quả từ quy tắc trong cơ sở tri thức có thể tạo ra các giá trị mới trong bộ nhớ làm việc , cập nhật giá trị cũ , hoặc loại bỏ các giá trị hiện có

Các sự kiện của trường hợp nhất định được nhập vào bộ nhớ làm việc , hoạt động như một tấm bảng đen , tích lũy kiến thức về các sự kiện Động cơ suy luận liên tục áp dụng các quy tắc để các bộ nhớ làm việc, thêm các thông tin mới (thu được từ các quy tắc kết luận ) cho đến khi một đạt được mục tiêu sản xuất hoặc được xác nhận

Là một chiến lược hướng dữ liệu Quá trình suy luận chuyển từ các sự kiện của giả thiết mang lại kết luận Chiến lược được thúc đẩy bởi các sự kiện có sẵn trong bộ nhớ làm việc và các cơ sở có thể được thỏa mãn Động cơ suy luận cố gắng điều chỉnh để phù hợp với điều kiện (IF) là một phần của từng quy tắc có trong cơ sở tri thức với các sự kiện hiện đang có sẵn trong bộ nhớ làm việc Nếu một số quy tắc không phù hợp thì thủ tục giải quyết xung đột được gọi Kết luận của các quy tắc được thêm vào bộ nhớ làm việc.Bộ nhớ làm việc liên quan đến công việc - dữ liệu cụ thể cho từng vấn đề Các nội dung của bộ nhớ làm việc này sẽ thay đổi theo từng tình huống của vấn đề, do đó nó là thành phần năng động nhất của một hệ thống chuyên gia

+ Dữ liệu có thể bao gồm tập hợp các điều kiện dẫn đến các sự kiện

+ Dữ liệu cụ thể cho các vấn đề cần phải có đầu vào bởi người sử dụng tại thời điểm sử dụng, có nghĩa là tham khảo ý kiến các chuyên gia Thể hiện bộ nhớ làm việc có liên quan chặt chẽ đến giao diện người dùng

Trang 37

37

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

2.2.3 Suy diễn và lập luận

Có nhiều phương pháp tổng quát để suy luận trong các chiến lược giải quyết vấn đề của hệ chuyên gia Những phương pháp hay gặp là suy diễn tiến (foward chaining), suy diễn lùi (backward chaining) và phối hợp hai phương pháp này (mixed chaining) Những phương pháp khác là phân tích phương tiện (means -end analysis), rút gọn vấn đề (problem reduction), quay lui (backtracking), kiểm tra lập kế hoạch (plan-generate-test),lập kế hoạch phân cấp

Dưới đây là nền tảng của công nghệ hệ chuyên gia hiện đại (foundation of modern rele-based expert system)

Hệ chuyên gia dựa trên luật

Luật sản

xuất Post

So khớp hiệu quả

Suy diễn bên phải luật

Hợp giải xung đột

Thuật toán mạng lưới

Thuật toán Markov

Trang 38

38

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

Ví dụ : Nếu thấy trời mưa trước khi ra khỏi nhà (sự kiện) thì phải lấy áo mưa (kết luận)

Trong phương pháp này, người sử dụng cung cấp các sự kiện cho hệ chuyên gia để hệ thống (máy suy diễn) tìm cách rút ra các kết luận có thể Kết luận được xem là những thuộc tính có thể được gán giá trị Trong số những kết luận này, có thể có những kết luận làm người sử dụng quan tâm, một số khác không nói lên điều gì, một số khác có thể vắng mặt

Các sự kiện thường có dạng : Atthibute = value

Lần lượt các sự ki ện trong cơ sở tri thức được chọn và hệ thống xem xét tất

cả các luật mà các sự kiện này xuất hiện như là tiền đề Theo nguyên tắc lập luận trên, hệ thống sẽ lấy ra những luật thoã mãn Sau khi gán giá trị cho các thuộc tính thuộc kết luận tương ứng, người ta nói rằng các sự kiện đã được thoã mãn Các thuộc tính được gán giá trị sẽ là một phần của kết qu ả chuyên gia Sau khi mọi sự kiện đã được xem xét, kết quả được xuất ra cho người sử dụng

2.2.3.2 Phương pháp suy diễn lùi

Phương pháp suy diễn lùi tiến hành các lập luận theo chiều ngược lại ( đối với phương pháp suy diễn tiến) Từ một giả thuyết (như là một kết luận), hệ thống đưa ra một tình huống trả lời gồm các sự kiện là cơ sở của giả thuyết đã cho này

Ví dụ: Nếu ai đó vào nhà mà cầm áo mưa và áo quần bị ướt thì giả thuyết này là trời mưa

Để củng cố giả thuyết này, ta sẽ hỏi người đó xem có phải trời mưa không ? Nếu người đó trả lời có thì giả thuyết trời mưa đúng và trở thành một sự kiện Nghĩa là trời mưa nên phải cầm áo mưa và áo quần bị ướt

Trang 39

39

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

Suy diễn lùi là cho phép nhận được giá trị của một thuộc tính Đó là câu trả lời cho câu hỏi « giá trị của thuộc tính A là bao nhiêu ? » với A là một đích (goal)

Để xác định giá trị của A, cần có các nguồn thông tin Những nguồn này có thể là những câu hỏi hoặc có thể là những luật Căn cứ vào các câu hỏi, hệ thống nhận được một cách trực tiếp từ người sử dụng những giá trị của thuộc tính liên quan Căn cứ vào các luật, hệ thống suy diễn có thể tìm ra giá trị sẽ là kết luận của một trong số các kết luận có thể của thuộc tính liên quan, v.v

Ý tưởng của thuật toán suy diễn lùi như sau Với mỗi thuộc tính đã cho, người ta định nghĩa nguồn của nó :

• Nếu thuộc tính xuất hiện như là tiền đề của một luật (phần đầu của luật), thì nguồn sẽ thu gọn thành một câu hỏi

• Nếu thuộc tính xuất hiện như là hậu quả của một luật (phần cuối của luật), thì nguồn sẽ là các luật mà trong đó, thuộc tính là kết luận

• Nếu thuộc tính là trung gian, xuất hiện đồng thời như là tiền đề và như là kết luận, khi đó nguồn có thể là các luật, hoặc có thể là các câu hỏi

mà chưa được nêu ra

Nếu mỗi lần với câu hỏi đã cho, người sử dụng trả lời hợp lệ, giá trị trả lời này sẽ được gán cho thuộc tính và xem như thành công Nếu nguồn là các luật,

hệ thống sẽ lấy lần lượt các luật mà thuộc tính đích xuất hiện như kết luận, để có thể tìm giá trị các thuộc tính thuộc tiền đề Nếu các luật thoã mãn, thuộc tính kết luận sẽ được ghi nhận

2.2.4 Giao diện người dùng

Giao diện người dùng là thành phần rất quan trọng khi muốn được sự chấp

Trang 40

40

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/

nhận của người sử dụng Điều đầu tiên mà người sử dụng đánh giá hệ thống cũng như là điều đầu tiên mà người dùng tiếp cận với hệ chuyên gia cũng như thường xuyên tiếp xúc với đó chính là giao diện người dùng

Nếu một hệ thống có giao diện không mềm dẻo, linh hoạt, trong sáng sẽ gây nhiều khó khăn cho người sử dụng tiếp cận và khai thác hệ thống

Người kỹ sư xử lý tri thức sẽ tốn khá nhiều thời gian, công sức cho việc xây dựng các chức năng cần thiết cho giao diện người dùng

Các chức năng có thể bao gồm: Bộ giao diện, module ngôn ngữ tự nhiên và module biểu diễn đồ họa

Xây dựng các menu cho phép người kỹ sư xử lý tri thức xây dựng menu một cách nhanh chóng Menu lựa chọn chính là một kiểu giao diện trực quan nhất

Menu ngôn ngữ tự nhiên có khả năng trợ giúp người sử dụng, xây dựng giao diện người dùng thực hiện các ngôn ngữ tự nhiên mà người sử dụng giao tiếp với hệ thống và khai thác hệ chuyên gia Khi đó giao diện ngôn ngữ cho phép người xây dựng hệ chuyên gia và người sử dụng tương tác với các chương trình ngoài

Module biểu diễn đồ họa thường có giá trị trợ giúp người sử dụng hiểu những câu hỏi và những lời giải thích của hệ chuyên gia Module này giúp người

sử dụng xử lý các tri thức kết hợp chặt chẽ với khái niệm đồ họa và giao diện người dùng Nó nhận các file đồ họa và biểu diễn chúng theo cách nhất định mà người xây dựng hệ chuyên gia quyết định Nó thường được sử dụng khi hệ chuyên gia muốn mô tả bằng hình ảnh hơn là việc mô tả bằng lời

Bộ tạo giải thích đưa ra lời giải thích dựa vào dữ liệu tri thức do người kỹ

Ngày đăng: 23/11/2014, 00:14

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[1] Lê Bá Dũng (2013), Knowledge Based System, Lecture in Bach khoa_Genetic Singapure joint education progam Sách, tạp chí
Tiêu đề: Knowledge Based System
Tác giả: Lê Bá Dũng
Năm: 2013
[2] Phan Huy Khánh (2004), Hệ chuyên gia, Đại học Đà Nẵng Sách, tạp chí
Tiêu đề: Hệ chuyên gia
Tác giả: Phan Huy Khánh
Năm: 2004
[3] Nguyễn Thiện Thành (2006), Trí tuệ nhân tạo và hệ chuyên gia, Đại học Bách Khóa TP.HCM Sách, tạp chí
Tiêu đề: Trí tuệ nhân tạo và hệ chuyên gia
Tác giả: Nguyễn Thiện Thành
Năm: 2006
[5] Phạm Thị Anh Lê (2011), Bài giảng Trí tuệ nhân tạo, Đại học sƣ phạm Hà Nội Tài liệu tiếng Anh Sách, tạp chí
Tiêu đề: Bài giảng Trí tuệ nhân tạo
Tác giả: Phạm Thị Anh Lê
Năm: 2011
[4] Nguyễn Thanh Thủy ( 2 0 0 8 ) , Trí tuệ nhân tạo – ĐH BKHN Khác

HÌNH ẢNH LIÊN QUAN

Hình 2.1 Thành phần cơ bản của hệ chuyên gia - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 2.1 Thành phần cơ bản của hệ chuyên gia (Trang 24)
Hình 2.4 Mô hình C.Ernest - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 2.4 Mô hình C.Ernest (Trang 27)
Hình 2.3 Mô hình J.L.Ermine - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 2.3 Mô hình J.L.Ermine (Trang 27)
Bảng 2.1 Bảng minh họa vị từ - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Bảng 2.1 Bảng minh họa vị từ (Trang 33)
Hình dưới đây thể hiện một đơn vị tri thức (luật) trong hệ chuyên gia MYCIN  dùng để chẩn đoán các bệnh virut - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình d ưới đây thể hiện một đơn vị tri thức (luật) trong hệ chuyên gia MYCIN dùng để chẩn đoán các bệnh virut (Trang 35)
Bảng 3.1 Quan hệ của lục phủ ngũ tạng với ngũ hành - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Bảng 3.1 Quan hệ của lục phủ ngũ tạng với ngũ hành (Trang 55)
Hình 3.1 Mô hình quan hệ giữa các tri thức - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 3.1 Mô hình quan hệ giữa các tri thức (Trang 66)
Hình 3.2 Cây nhị phân chẩn đoán chứng cam theo triệu chứng “Ăn ít” - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 3.2 Cây nhị phân chẩn đoán chứng cam theo triệu chứng “Ăn ít” (Trang 73)
Hình 3.3 Cây nhị phân chứng cam theo triệu chứng “Đêm ngủ giật mình” - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 3.3 Cây nhị phân chứng cam theo triệu chứng “Đêm ngủ giật mình” (Trang 74)
Hình 3.4 Cây nhị phân chứng cam theo triệu chứng “Đái dầm” - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 3.4 Cây nhị phân chứng cam theo triệu chứng “Đái dầm” (Trang 75)
Hình 3.5 Cây nhị phân chứng cam theo triệu chứng “Ho” - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 3.5 Cây nhị phân chứng cam theo triệu chứng “Ho” (Trang 76)
Hình 3.6 Cây nhị phân chứng cam theo triệu chứng “Mụn nhọt” - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 3.6 Cây nhị phân chứng cam theo triệu chứng “Mụn nhọt” (Trang 77)
Hình 3.7 Giao diện chính của chương trình - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 3.7 Giao diện chính của chương trình (Trang 79)
Hình 3.8 Giao diện bài thuốc - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 3.8 Giao diện bài thuốc (Trang 80)
Hình 3.9 Giao diện công cụ - xây dựng hệ chuyên gia chẩn đoán chứng cam của trẻ em
Hình 3.9 Giao diện công cụ (Trang 81)

TỪ KHÓA LIÊN QUAN

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w