XÂY DỰNG hệ hỗ TRỢ CHẨN đoán BỆNH VIÊM PHẾ QUẢN

Với sự phát triển ngày càng cao của mình, khoa học máy tính nói chung và lĩnh vực trí tuệ nhân tạo nói riêng đã và đang nghiên cứu các phương pháp biểu diễn tri thức, xử lý tri thức nhằm

MỤC LỤC 1

DANH MỤC TỪ VIẾT TẮT 4

DANH MỤC BẢNG 5

DANH MỤC HÌNH 6

Chương 1 TỔNG QUAN 7

1.1 Lý do chọn đề tài 7

1.2 Mục tiêu, đối tượng của đề tài 8

1.3 Phạm vi nghiên cứu: 9

1.4 Ý nghĩa khoa học và thực tiễn 10

1.4.1 Ý nghĩa khoa học 10

1.4.2 Ý nghĩa thực tiễn 10

1.5 Nội dung, phương pháp nghiên cứu: 11

1.5.1 Các nội dung nghiên cứu 11

1.5.2 Các phương pháp nghiên cứu 11

Chương 2 CƠ SỞ LÝ THUYẾT 13

2.1 Cơ sở tri thức 13

2.2 Các phương pháp biểu diễn tri thức 14

2.2.1 Biểu diễn tri thức bằng logic 14

2.2.2 Biểu diễn tri thức bằng hệ luật dẫn 15

2.2.3 Biểu diễn tri thức bằng Frame 16

2.2.4 Biểu diễn tri thức bằng mạng ngữ nghĩa 19

2.2.5 Biểu diễn tri thức bằng mạng các đối tượng tính toán 21

2.2.6 Biểu diễn tri thức bằng mô hình COKB 22

2.3 Hệ chuyên gia 26

2.3.1 Định nghĩa: 26

2.3.2 Cơ sở tri thức của hệ chuyên gia 28

2.3.3 Cấu trúc một hệ chuyên gia 30

2.3.4 Quy trình xây dựng hệ chuyên gia 31

2.4 Cơ chế suy diễn trong hệ chuyên gia 33

2.4.1 Suy diễn tiến 34

2.4.2 Suy diễn lùi 35

2.4.3 Ưu nhược điểm của các cơ chế suy diễn 37

Chương 3 THIẾT KẾ CƠ SỞ TRI THỨC VÀ BỘ SUY DIỄN 39

3.1 Tri thức về viêm phế quản 39

3.1.1 Định nghĩa về viêm phế quản 39

3.1.2 Nguyên nhân của viêm phế quản 39

3.1.3 Triệu chứng của viêm phế quản 41

3.2 Mô hình biểu diễn tri thức viêm phế quản 44

3.2.1 Danh sách thuộc tính 45

3.2.2 Tập hợp các hành động chẩn đoán 49

3.2.3 Tập các luật trong chẩn đoán 50

3.2.4 Tập các đối tượng dùng để chẩn đoán 51

3.3 Tổ chức và lưu trữ tri thức lên máy 51

3.4 Quy trình chẩn đoán viêm phế quản 52

3.4.1 Khám lâm sàng 52

3.4.2 Khám cận lâm sàng 52

3.4.3 Quy trình chẩn đoán lâm sàng, cận lâm sàng 53

3.5 Thuật giải trong chẩn đoán viêm phế quản 55

3.5.1 Ý tưởng 55

3.5.2 Thuật giải 56

Chương 4 CÀI ĐẶT VÀ KIỂM THỬ 59

4.1 Nền tảng công nghệ sử dụng 59

4.2 Cài đặt hệ thống 59

4.2.1 Sơ lược quy trình chẩn đoán của hệ thống 59

4.2.2 Các thành phần của hệ thống 60

4.3 Kiểm thử hệ thống 64

5.1 Kết quả đạt được 65

5.2 Một số hạn chế 65

5.3 Hướng phát triển 66

TÀI LIỆU THAM KHẢO 67

Từ viết tắt Tiếng Anh Tiếng Việt

COKB Computational Objects Knowledge

Chronic Bronchitis Viêm phế quản mạn

Bảng 1.1 Thống kê các bệnh mắc cao nhất toàn quốc 2013 8

Bảng 3.1 Phân biệt khí phế thủng và viêm phế quản mạn 43

Bảng 3.2 Phân biệt viêm phế quản mạn và giãn phế nang 44

Bảng 4.1 Thống kê kết quả thử nghiệm 64

Hình 2.1 Mô hình đồ thị biểu diễn tri thức nhờ mạng ngữ nghĩa 20

Hình 2.2 Mô hình đồ thị thêm vào các nút và cung biểu diễn tri thức nhờ mạng ngữ nghĩa 20

Hình 2.3 Các thành phần của hệ chuyên gia 27

Hình 2.4 Cơ chế hoạt động của hệ chuyên gia 27

Hình 2.5 Cấu trúc của hệ chuyên gia 31

Hình 2.6 Nền tảng của hệ chuyên gia dựa trên luật 33

Hình 3.1 Tỉ lệ tử vong theo số điếu thuốc lá hút 40

Hình 3.2 Tỉ lệ tử vong do viêm phế quản theo tuổi 41

Hình 3.3 Tỉ lệ tử vong giữa nam và nữ do viêm phế quản 41

Hình 3.4 Mô hình quan hệ giữa các bảng 52

Hình 3.5 Quy trình chẩn đoán bệnh viêm phế quản 55

Hình 3.6 Thuật giải suy luận trong chẩn đoán bệnh viêm phế quản 57

Hình 4.1 Quy trình chẩn đoán của hệ thống 60

Hình 4.2 Giao diện màn hình đăng nhập 61

Hình 4.3 Giao diện màn hình nhận thông tin bệnh nhân 61

Hình 4.4 Giao diện màn hình chẩn đoán lâm sàng 62

Hình 4.5 Giao diện màn hình yêu cầu thực hiện cận lâm sàng 62

Hình 4.6 Giao diện màn hình nhận kết quả cận lâm sàng 63

Hình 4.7 Giao diện màn hình kết quả chẩn đoán 63

Chương 1 TỔNG QUAN

Ngày nay, Công nghệ Thông tin (Information Technology) không ngừng phát triển và được ứng dụng rộng rãi trong nhiều lĩnh vực như: kinh tế, giáo dục, quản lý hành chính nhà nước… và đặc biệt là trong lĩnh vực y tế Với sự phát triển ngày càng cao của mình, khoa học máy tính nói chung và lĩnh vực trí tuệ nhân tạo nói riêng đã và đang nghiên cứu các phương pháp biểu diễn tri thức, xử lý tri thức nhằm tạo ra những hệ chuyên gia thông minh về lĩnh vực y khoa để có thể ứng dụng vào thực tế, trong đó tiêu biểu là các hệ chuyên gia chẩn đoán bệnh giúp người dùng

có thể dự đoán được căn bệnh mà mình đang bị mắc phải

Chính vì vậy, công tác nghiên cứu phần mềm chẩn đoán bệnh được xã hội rất quan tâm chẳng hạn như trên thế giới có phần mềm MYCIN là một hệ thống có chức năng chẩn đoán bệnh lý thông thường được đề xuất từ những năm đầu của thập kỷ 1970 tại Đại học Standford, trong nước cũng có khá nhiều hệ thống cho phép chẩn đoán các bệnh thông thường có thể kể đến như: “Hệ chuyên gia chẩn đoán một số bệnh trong cơ thể người”, phần mềm AMD – Hệ chuyên gia chẩn đoán bệnh lâm sàng, “Hệ chuyên gia chẩn đoán bệnh thần kinh tâm thần”, Các nghiên cứu này đã xây dựng được các nhóm biện pháp cụ thể về chăm sóc sức khỏe trong

xã hội nhằm nâng cao chất lượng sức khỏe nói riêng và chất lượng giáo dục, đào tạo nói chung

1.1 Lý do chọn đề tài

Hàng năm trên thế giới có hơn 4 triệu người tử vong do các bệnh liên quan đến đường hô hấp, trong đó phổ biến nhất là viêm phế quản (Bronchitis) Viêm phế quản là bệnh thường gặp ở trẻ em, bất kể lứa tuổi nào và thời tiết nào, đặc biệt là trẻ

ở thành thị cũng như ở các nơi tập trung dân cư đông đúc thì tỉ lệ bệnh còn cao hơn Thế giới hiện có khoảng 300 triệu người mắc viêm phế quản, và khoảng 250.000 trường hợp tử vong vì viêm phế quản mỗi năm Tỷ lệ mắc viêm phế quản ước tính khoảng 6-8% ở người lớn và khoảng 10-12% ở trẻ em dưới 15 tuổi Ở Việt Nam, các nghiên cứu cho thấy, tỷ lệ mắc viêm phế quản dao động từ 1,1% ở Đà Lạt cho tới cao nhất là 5,5% ở cư dân một số khu vực Hà Nội [4] Theo bảng thống kê năm

2013 của bộ y tế ta có số liệu sau:

Tên Bệnh Số ca mắc (đơn vị tính: trên 10000 dân)

Bảng 1.1 Thống kê các bệnh mắc cao nhất toàn quốc Chính vì vậy, hiểu biết một số nguyên nhân và cách đề phòng của căn bệnh này sẽ làm giảm thiểu số ca bệnh, đề phòng được các biến chứng và nâng cao chất lượng cuộc sống Đồng thời cũng làm giảm nguy cơ dẫn đến các biến chứng do bệnh này gây ra như hen phế quản, ung thư phế quản, viêm phổi, áp xe phổi, suy hô hấp cấp…

Để áp dụng công nghệ thông tin vào giải quyết vấn đề trên, ta cần có một hệ thống thu thập tri thức về các triệu chứng và dấu hiệu nhận biết viêm phế quản, sau

đó tổ chức, biểu diễn tri thức này bằng mô hình COKB (Computational Objects Knowledge Base) để xây dựng hệ chuyên gia chẩn đoán bệnh viêm phế quản Chính

vì vậy, sau khi tham khảo ý kiến của các chuyên gia về công nghệ thông tin và y

khoa, tôi đã chọn nghiên cứu hướng đề tài: “Xây dựng hệ hỗ trợ chẩn đoán bệnh viêm phế quản”

Chương trình dựa trên tri thức của các bác sĩ chuyên khoa Nội - hô hấp có kiến thức chuyên sâu, có kinh nghiệm lâm sàng về viêm phế quản để phân tích những dấu hiệu, triệu chứng nhằm đưa ra chẩn đoán chính xác để có cách điều trị nhanh chóng và kịp thời Chương trình có giao diện thân thiện, dễ sử dụng, thể hiện được sự tương tác với người dùng như trong quy trình chẩn đoán bệnh thực tế tại các bệnh viện hay phòng khám Đồng thời chương trình cũng có ý nghĩa quan trọng trong việc giúp các bác sĩ không chuyên nội hô hấp có thể đưa ra những chẩn đoán chính xác và nhanh chóng trong tình huống chưa có bác sĩ chuyên khoa kịp thời

1.2 Mục tiêu, đối tượng của đề tài

Từ nhu cầu thực tiễn cuộc sống về khám chữa bệnh cộng với những động lực

đã nêu trên, đề tài mong muốn ứng dụng công nghệ thông tin vào lĩnh vực y khoa

và đặc biệt là chuyên khoa hô hấp để chẩn đoán bệnh viêm phế quản Đề tài cũng sẽ

tìm hiểu và nghiên cứu về các mô hình biểu diễn tri thức và những phương pháp, kĩ thuật xây dựng hệ chuyên gia để vận dụng vào việc xây dựng hệ hỗ trợ chẩn đoán bệnh một cách tự động Như vậy, đề tài hướng tới việc xây dựng một hệ hỗ trợ chẩn đoán bệnh viêm phế quản có cơ sở tri thức từ các bác sĩ chuyên khoa Nội - Hô hấp

để hỗ trợ cho các bác sĩ trẻ chưa có nhiều kinh nghiệm hoặc các bác sĩ không chuyên về Nội - Hô hấp có thể tham khảo kinh nghiệm chẩn đoán và điều trị của các bác sĩ chuyên khoa nhằm đưa ra những quyết định chính xác trong trường hợp chưa có bác sĩ chuyên khoa kịp thời

Hệ hỗ trợ chẩn đoán này đáp ứng một số yêu cầu từ ý kiến của chuyên gia,

có giao diện mang tính tương tác và hệ thống thử nghiệm trên các bệnh án thực tế

Hệ thống có cơ sở tri thức từ các chuyên gia cấp cao để hỗ trợ cho bác sĩ trẻ chưa có nhiều kinh nghiệm hay các bác sĩ tuyến huyện rút kinh nghiệm trước khi ra quyết định lâm sàng Có thể nói, đây là một chương trình có tính ứng dụng thực tế cao Cụ thể, dữ liệu vào ra của hệ chẩn đoán như sau:

 Input:

- Một số triệu chứng của bệnh nhân có nghi ngờ viêm phế quản

- Một số xét nghiệm cận lâm sàng cần thiết như chụp X quang, xét nghiệm máu (chủ yếu về số lượng bạch cầu và tốc độ máu lắng), xét nghiệm cấy đàm (tìm virus), xét nghiệm dịch màn phổi (tìm khuẩn lao), soi phế quản

- Nghiên cứu tri thức và kinh nghiệm thực tế của các bác sĩ chuyên khoa để thu thập, xây dựng và biểu diễn tri thức về bệnh viêm phế quản lên máy tính

- Xây dựng hệ chẩn đoán nhằm hỗ trợ các bác sĩ không chuyên trong việc đưa

ra các kết luận về tình trạng bệnh để có phương pháp điều trị phù hợp

Chương trình hỗ trợ cho các bác sĩ không thuộc chuyên khoa Nội – Hô hấp, các bác sĩ mới ra trường và bác sĩ đa khoa tuyến huyện chưa có kiến thức chuyên sâu về bệnh viêm phế quản Chương trình chỉ hỗ trợ bác sĩ trong việc ra quyết định lâm sàng, chẩn đoán cuối cùng phải là chẩn đoán của bác sĩ điều trị trực tiếp

1.4 Ý nghĩa khoa học và thực tiễn

1.4.1 Ý nghĩa khoa học

Đề tài nghiên cứu và áp dụng những phương pháp, kĩ thuật xử lý của chuyên ngành công nghệ thông tin vào y khoa, từ đó ứng dụng vào hệ chuyên gia để hỗ trợ chẩn đoán bệnh như sau:

- Thu thập cơ sở tri thức y khoa về viêm phế quản

- Biểu diễn cơ sở tri thức đã thu thập

- Thiết kế mô hình cơ sở tri thức phù hợp

- Xây dựng phần mềm trên cơ sở tri thức đã có

Như vậy, thông qua ứng dụng này có một số đóng góp về mặt kĩ thuật biểu diễn tri thức và suy luận Dựa trên cơ sở kĩ thuật ứng dụng chương trình giải quyết những vấn đề về nghiên cứu tri thức thực tế từ chuyên gia cấp cao về bệnh viêm phế quản để xây dựng mô hình biểu diễn tri thức và đưa ra những kết quả chẩn đoán cho bệnh nhân viêm phế quản Đề tài đã đưa ra một mô hình tri thức áp dụng phương pháp thiết kế hệ cơ sở tri thức dựa vào hệ chuyên gia, phương pháp biểu diễn và kĩ thuật xử lý tri thức phức tạp trong lĩnh vực y khoa là một đóng góp về mặt khoa học của đề tài

1.4.2 Ý nghĩa thực tiễn

Vấn đề chẩn đoán và điều trị bệnh viêm phế quản đã được các bác sĩ chuyên khoa áp dụng thường xuyên trong việc khám bệnh thực tế tại bệnh viện Tuy nhiên việc đưa tri thức của các chuyên gia này vào mô hình biểu diễn tri thức để ứng dụng

nó trong tin học thì chưa được tiến hành, vì vậy việc ứng dụng công nghệ tri thức để biểu diễn và ứng dụng vào lĩnh vực y khoa để xây dựng một hệ thống chẩn đoán tự động có ý nghĩa thực tiễn rất lớn

Đề tài này mang tính ứng dụng thực tế rất cao do nhu cầu của con người cần

có một chương trình hỗ trợ cho việc chẩn đoán và phát hiện bệnh sớm để kịp thời chữa trị Trong khi làm ứng dụng này, tôi đã nghiên cứu tìm hiểu một số phương

pháp, kĩ thuật để thiết kế chương trình nhằm xây dựng một hệ chuyên gia phù hợp hơn so với chương trình ứng dụng thông thường Sử dụng mô hình mới để xây dựng một hệ chuyên gia hỗ trợ cho việc chẩn đoán bệnh trong lĩnh vực Y khoa là một công cụ giúp nâng cao hiệu quả công việc và mang tính thực tiễn rất cao.

1.5 Nội dung, phương pháp nghiên cứu:

1.5.1 Các nội dung nghiên cứu

Nội dung nghiên cứu của đề tài được chia ra làm 5 chương như sau:

- Chương 1: Giới thiệu tổng quan về đề tài: bao gồm các nghiên cứu về hệ chẩn đoán bệnh bệnh, các nghiên cứu khảo sát về bệnh viêm phế quản Đồng thời cũng trình bày động cơ nghiên cứu, mục tiêu, phạm vi nghiên cứu cũng như ý nghĩa khoa học và thực tiễn của đề tài

- Chương 2: Cơ sở lý thuyết để thực hiện đề tài: gồm các kiến thức lý thuyết

về hệ chuyên gia, các cơ sở tri thức, các phương pháp biểu diễn tri thức, các

mô hình biểu diễn tri thức, các kĩ thuật suy diễn trong việc xây dựng một hệ chuyên gia

- Chương 3: Thiết kế cơ sở tri thức và bộ suy diễn: thu thập tri thức về bệnh viêm phế quản, xây dựng mô hình tri thức thu thập được, tổ chức và lưu trữ tri thức đã có lên máy tính và xây dựng thuật giải theo quy trình chẩn đoán viêm phế quản thực tế

- Chương 4: Cài đặt và kiểm thử: trên cơ sở tri thức đã tổ chức, tiến hành xây dựng hệ chẩn đoán và thử nghiệm trên các mẫu bệnh án đã thu thập

- Chương 5: kết luận và hướng phát triển: trình bày những kết quả đạt được của đề tài cũng như những mặt hạn chế cần khắc phục, phát triển

1.5.2 Các phương pháp nghiên cứu

Đề tài này sẽ kết hợp hai phương pháp nghiên cứu:

 Phương pháp phân tích, tổng hợp: thu thập tri thức từ các hồ sơ bệnh án về bệnh viêm phế quản tại bệnh viện đa khoa huyện Cầu Ngang, đồng thời cũng thu thập tri thức từ các bác sĩ chuyên khoa Nội - Hô hấp của bệnh viện để phân tích và xử lý dữ liệu Ngoài việc đọc các tài liệu chuyên ngành công nghệ thông tin để tìm hiểu các mô hình biểu diễn tri thức và các phương

pháp suy diễn còn đọc thêm các tài liệu chuyên ngành y để có kiến thức về bệnh viêm phế quản

 Phương pháp mô hình hóa: nghiên cứu các mô hình biểu diễn tri thức để xây dựng mô hình phù hợp cho tri thức đã thu thập và xử lý, cụ thể trong đề tài này tôi sẽ sử dụng mô hình COKB (có rút gọn) để thực hiện việc biểu diễn tri thức thu thập được

Chương 2 CƠ SỞ LÝ THUYẾT2.1 Cơ sở tri thức

Tri thức [1] là những gì mà một người có thể biết và hiểu được Tri thức có thể được phân loại thành tri thức có cấu trúc hoặc không có cấu trúc, tri thức rõ ràng hay tri thức ngụ ý, không rõ ràng Những gì mà chúng ta biết được thường là các tri thức rõ ràng Tri thức không có cấu trúc mà vẫn hiểu được, nhưng không được phát biểu rõ ràng là các tri thức ngầm ý, tri thức không rõ Khi tri thức được tổ chức để

có thể chia sẻ thì lúc đó tri thức được gọi là tri thức có cấu trúc Để có thể chuyển đổi từ tri thức không rõ ràng sang tri thức rõ ràng thì tri thức đó cần phải được cấu trúc hóa và định dạng lại Tri thức có thể được phân loại thành các loại như sau:

- Tri thức thủ tục: trong thực tế, nhiều bài toán mà ta có thể gặp là các bài toán

mà tri thức không đơn thuần là khái niệm hay mô tả mà là một hành động hay một công thức, thủ tục Ta gọi các tri thức như vậy là các tri thức thủ tục (diễn tả các vấn đề được giải quyết)

- Tri thức mô tả: cho biết một vấn đề được thấy như thế nào

- Tri thức Meta: diễn tả tri thức về tri thức

- Tri thức may rủi: diễn tả các luật may rủi dẫn dắt quá trình suy lý Tri thức này có được dựa trên kinh nghiệm tích lũy nên còn gọi là hueristic

- Tri thức cấu trúc: mô tả mô hình tri thức tổng quát của chuyên gia về một vấn đề

Tùy thuộc vào ứng dụng cụ thể mà tri thức được biểu diễn theo những phương thức khác nhau Ứng với mỗi dạng biểu diễn đó có một cơ chế để xử lý tri thức đó Hệ cơ sở tri thức là một tập hợp các cơ sở lập luận, các luật, các quy trình, thủ tục được tổ chức thành một lược đồ Đó là tập hợp của tất cả các thông tin cũng như tất cả các kiến thức về một lĩnh vực cụ thể nào đó

Quá trình thu thập tri thức được gọi là quá trình rút trích tri thức và định dạng tri thức được thực hiện từ nhiều nguồn khác nhau, đặc biệt là từ các chuyên gia trong các lĩnh vực cụ thể Công việc này là một trong những bước quan trọng và thường mất rất nhiều thời gian cũng như công sức trong quá trình xây dựng một hệ

cơ sở tri thức được sử dụng trong hệ chuyên gia Trong quá trình phát triển một hệ chuyên gia, các kỹ sư tri thức, những nhà chuyên môn trong lĩnh vực trí tuệ nhân

tạo, có nhiệm vụ thu thập tri thức từ các chuyên gia thuộc lĩnh vực chuyên ngành Sau đó “sao chép” các tri thức đó vào cơ sở tri thức và diễn đạt các tri thức đó dưới dạng có thể dùng được trong hệ chuyên gia [2]

2.2 Các phương pháp biểu diễn tri thức

2.2.1 Biểu diễn tri thức bằng logic

Dựa vào các khái niệm cơ bản về logic mệnh đề và logic vị từ, với một số bài toán, các trạng thái được mô tả qua các biểu thức logic Sử dụng các kí hiệu để mô

tả tri thức Mỗi kí hiệu nhằm diễn tả một khái niệm nào đó trong lĩnh vực đang xét,

và mỗi kí hiệu này mang 2 giá trị luận lý là đúng hoặc sai Khi đó bài toán được phát biểu dưới dạng: Chứng minh: Từ GT1  GT2  …GTm suy ra một trong các kết luận: KL1, …, KLn Ở đây: GTi , KLj là các biểu thức logic (mệnh đề hoặc vị từ)

Các phép toán logic được sử dụng phổ biến của dạng là: and (^), or (v), not (~) và phép kéo theo (→), tương đương (≡) Ví dụ: Tri thức “nếu trời mưa và xe máy hư thì đi xe buýt” được biểu diễn là: s^p → r, trong đó s diễn tả khái niệm trời mưa, p diễn tả khái niệm xe hư, r là đi xe buýt Như vậy mô hình cho phương pháp này bao gồm: tập các kí hiệu và tập các luật để diễn đạt các sự kiện và luật trong hệ

cơ sở tri thức

Phương pháp suy luận trong các biểu diễn này là sử dụng suy diễn tiến, suy diễn lùi hoặc kết hợp cả hai Phương pháp suy diễn tiến là suy dẫn từ giả thuyết đi đến kết luận và suy diễn lùi là truy ngược từ kết luận trở về giả thuyết

Cho bài toán suy diễn: Tập luật R={Ri : nếu l(Ri) thì r(Ri), i=1,2, n}

Ghi chú: l(Ri): vế trái luật Ri

r(Ri): vế phải luật Ri

 Thuật giải suy diễn tiến

- Đầu vào: Tập giả thiết G và tập kết luận K

- Đầu ra: thành công hay thất bại

Bước 1: GT ← G

Bước 2: nếu K  G thì dừng thành công Ngược lại, chuyển sang bước 3

Bước 3: Từ R chọn luật Ri sao cho l(Ri)  G

GT ← GT r(Ri)

Quay lại bước 2

Nếu không chọn được Ri thì dừng thất bại

 Thuật giải suy diễn lùi

- Đầu vào: Tập giả thiết G và tập kết luận K

- Đầu ra: thành công hay thất bại

Bước 1: O ← K: // O là tập các sự kiện kết luận cần chứng minh

Bước 2: nếu O  G thì dừng thành công, ngược lại qua bước 3

Bước 2: chứng minh tất cả các sự kiện giả thiết của một luật nào đó trong G

mà có kết luận K

Mô hình biểu diễn này rất khó áp dụng trong thực tế vì các phát biểu (sự kiện) được mô tả quá đơn giản, và giá trị của các phát biểu này là đúng, sai Trong khi đó tri thức của mỗi lĩnh vực thì phức tạp và mô tả trong tri thức là đa dạng

 Logic vị từ và logic mệnh đề có các ưu điểm sau:

- Là ngôn ngữ biểu diễn kiểu mô tả

- Có khả năng suy diễn đối với các cơ chế quen thuộc: Pronens & Tollens

- Khá trực quan với người sử dụng

- Khá gần gũi về cú pháp với các lệnh lập trình logic, chẳng hạn như PROLOG

- Có thể dùng để mô tả cấu trúc mô hình và xử lý động mô hình

- Có thể kiểm tra tính mâu thuẫn trong cơ sở tri thức

- Tính mô đun cao, do vậy các tri thức có thể them bớt sửa đổi khá độc lập với nhau và các cơ chế suy diễn

 Một số điểm yếu của logic:

- Mức độ hình thức hóa cao, dẫn tới khó hiểu ngữ nghĩa của các vị từ khi xét chương trình

- Năng xuất xử lý thấp Một trong những khó khăn cơ bản của quá trình suy diễn là cơ chế hợp và suy diễn vét cạn

- Do các tri thức được biểu diễn nhờ các vị từ, nên ưu thế sử dụng cấu trúc dữ liệu không được khai thác triệt để

2.2.2 Biểu diễn tri thức bằng hệ luật dẫn

Một hệ luật dẫn được mô tả dưới dạng nếu <giả thiết> thì <kết luận> Đây là dạng biểu diễn tri thức rất phổ biến Mô hình biểu diễn tri thức dạng này thường bao gồm: tập các ký hiệu mô tả các sự kiện (có cấu trúc đơn giản) và tập luật dẫn Trong

đó phần giả thiết và kết luận của luật là tập các sự kiện Mỗi sự kiện được mô tả có cấu trúc đơn giản như (tên đối tượng – thuộc tính – giá trị) Ví dụ: quả cam – màu vàng

Mô hình biểu diễn tri thức dạng này có những ưu diểm là dễ hiểu, dễ giải thích vì các khái niệm được mô tả có cấu trúc tương đối đơn giản Có thể xây dựng

cơ chế suy luận dễ dàng bằng cách áp dụng phương pháp suy diễn tiến hay lùi Ngoài ra, các luật được biểu diễn theo mô hình này thường độc lập nhau nên việc cập nhật luật, hiệu chỉnh và bảo trì hệ thống thuận lợi Tuy nhiên, từ những đặc điểm trong các biểu diễn tri thức dạng này tạo nên ưu điểm thì nó cũng tạo ra các khuyết điểm sau: Chính vì các sự kiện có cấu trúc đơn giản, trong khi tri thức của một số lĩnh vực lại trừu tượng và phức tạp, các khái niệm của lĩnh vực có quan hệ ràng buộc lẫn nhau nên mô hình biểu diễn này không thể hiện được hết tất cả những yếu tố trừu tượng đó

 Ưu điểm:

- Cách biểu diễn khá đơn giản và trực quan

- Có thể suy diễn theo chiến lược khác nhau: suy diễn tiến, suy diễn lùi và suy diễn hỗn hợp

- Khá gần gũi về cú pháp

- Có thể kiểm tra tính mâu thuẫn giữa các luật

- Tính mô đun cao, có nghĩa là việc thêm, sửa đổi hoặc loại bỏ các luật hoàn toàn không có ảnh hưởng tới các luật khác và cơ chế suy diễn

 Nhược điểm:

- Năng xuất xử lý thấp

- Không sử dụng được các cấu trúc dữ liệu

2.2.3 Biểu diễn tri thức bằng Frame

Frame là một cấu trúc dữ liệu chứa đựng tất cả những tri thức liên quan đến một đối tượng cụ thể nào đó Frames có liên hệ chặt chẽ đến khái niệm hướng đốitượng (thực ra Frame là nguồn gốc của lập trình hướng đối tượng) Ngược lại với

các phương pháp biểu diễn tri thức đã được đề cập đến, frame “đóng gói” toàn bộ một đối tượng, tình huống hoặc cả một vấn đề phức tạp thành một thực thể duy nhấtcó cấu trúc Một frame bao hàm trong đó một khối lượng tương đối lớn tri thức

về một đối tượng, sự kiện, vị trí, tình huống hoặc những yếu tố khác Do đó, frame

có thể giúp ta mô tả khá chi tiết một đối tượng

Dưới một khía cạnh nào đó, người ta có thể xem phương pháp biểu diễn tri thức bằng frame chính là nguồn gốc của ngôn ngữ lập trình hướng đối tượng Ý tưởng của phương pháp này là “thay vì bắt người sử dụng các công cụ phụ như dao

mở để đồ hộp, ngày nay các hãng sản xuất đồ hộp thường gắn kèm các nắp mở đồ hộp ngay bên trên vỏ lon Như vậy, người dùng sẽ không bao giờ phải lo lắng đến việc tìm một thiết bị để mở đồ hộp nữa” Cũng vậy, ý tưởng chính của frame (hay của phương pháp lập trình hướng đối tượng) là khi biểu diễn một tri thức, ta sẽ “gắn kèm” những thao tác thường gặp trên tri thức này Chẳng hạn như khi mô tả khái niệm về hình chữ nhật, ta sẽ gắn kèm cách tính chu vi, diện tích

Frame thường được dùng để biểu diễn những tri thức “chuẩn” hoặc những tri thức được xây dựng dựa trên những kinh nghiệm hoặc các đặc điểm đã được hiểu biết cặn kẽ Bộ não của con người chúng ta vẫn luôn “lưu trữ” rất nhiều các tri thức chung mà khi cần, chúng ta có thể “lấy ra” để vận dụng nó trong những vấn đề cần phải giải quyết Frame là một công cụ thích hợp để biểu diễn những kiểu tri thức này

Phương pháp biểu diễn tri thức bằng Frame có tất cả các tính chất vốn có của một ngôn ngữ biểu diễn tri thức Nghĩa là nó có thể biểu diễn tri thức ở góc độ giao diện người-máy, góc độ mô tả mô hình, điều khiển hệ thống Đồng thời nó cũng là một cơ sở cho phương pháp xử lý thông tin mới – hướng đối tượng Nếu phương pháp nhờ logic và mạng ngữ nghĩa dùng để biểu diễn tri thức mô tả và phương pháp luật sản xuất dùng để biểu diễn tri thức thủ tục thì các Frame là kết hợp của cả 2 dạng biểu diễn: mô tả và thủ tục Frame tận dụng các ưu điểm của luật sản xuất, vị

từ, cũng như mạng ngữ nghĩa

Cấu trúc của Frame: Mỗi một frame mô tả một đối tượng (object) Một frame bao gồm 2 thành phần cơ bản là slot và facet Một slot là một thuộc tính đặc tả đối tượng được biểu diễn bằng frame Ví dụ: trong frame mô tả xe hơi, có hai slot là

trọng lượng và loại máy Mỗi slot có thể chứa một hoặc nhiều facet Các facet (đôi lúc gọi là slot “con”) đặc tả một số thông tin hoặc thủ tục liên quan đến thuộc tính được mô tả bởi slot

- Facet có nhiều loại khác nhau, sau đây là một số facet thường gặp

- Value (giá trị): chi biết giá trị của thuộc tính đó (như xanh, đỏ, tím, vàng nếu slot là màu xe)

- Dafault (giá trị mặc định): hệ thống sẽ tự động sử dụng giá trị trong facet này nếu slot là rỗng (nghĩa là chẳng có đặc tả nào!) Chẳng hạn trong frame về

xe, xét slot về số lượng bánh Slot này sẽ có giá trị 4 Nghĩa là, mặc định một chiếc xe hơi sẽ có 4 bánh

- Range (miền giá trị): (tương tự như kiểu biến), cho biết giá trị slot có thể nhận những loại giá trị gì (như số nguyên, số thực, chữ cái )

- If added: mô tả một hành động sẽ được thi hành khi một giá trị trong slot được thêm vào (hoặc được hiệu chỉnh) Thủ tục thường là viết dưới dạng một script

- If needed: được sử dụng khi slot không có giá trị nào Facet mô tả một hàm

để tính ra giá trị của slot

Trong thực tế, một hệ thống trí tuệ nhân tạo thường sử dụng nhiều frame được liên kết với nhau theo một cách nào đó Một trong những điểm thú vị của frame là tính phân cấp Đặc tính này cho phép kế thừa các tính chất giữa các frame Hình sau đây cho thấy cấu trúc phân cấp của các loại hình học cơ bản Gốc của cây

ở trên cùng tương ứng với mức độ trừu tượng cao nhất Các frame nằm ở dưới cùng (không có frame con nào) gọi là lá Những frame nằm ở mức thấp hơn có thể thừa

kế tất cả những tính chất của những frame cao hơn Các frame cha sẽ cung cấp những mô tả tổng quát về thực thể Frame có cấp càng cao thì mức độ tổng quát càng cao Thông thường, frame cha sẽ bao gồm các định nghĩa của các thuộc tính Còn các frame con sẽ chứa đựng giá trị thực sự của các thuộc tính này

Ví dụ về một Frame mô tả tập HOCSINH

HOC_SINH_TRUNG_HOC)

Cấu trúc này cho ta một khung dữ liệu để khoang vùng các đối tượng là học sinh Trường hợp gặp một người cao 180 cm, nặng 45 kg ta có thể khẳng định rằng đó không phải học sinh, vì không thỏa mãn các ràng buộc đã có

 Ưu điểm:

- Đáp ứng tất cả các yêu cầu về biểu diễn tri thức

- Cho phép người sử dụng khá tự do khi biểu diễn tri thức

- Frame không chỉ sử dụng để mô tả tri thức mà còn được dùng thể hiện các thuật toán suy dẫn

- Tận dụng được những điểm mạnh của biểu diễn thủ tục và mô tả

- Quá trình xử lý trên các Frame độc lập theo nghĩa kế thừa thông tin, không nhất thiết phải tuần tự

 Nhược điểm:

- Phương pháp biểu diễn quá phức tạp và cồng kềnh

- Phương pháp biểu diễn Frame tiện lợi đối với kỹ sư xử lý tri thức cũng như người sử dụng có trình độ cao, nhưng là sự quá tải đối với những người sử dụng thông thường

- Các giá trị của slot có thể gán qua thực hiện các thủ tục, điều này làm cho việc thu nạp và cập nhật tri thức trở nên phức tạp và làm khả năng mềm dẻo, phù hợp với những thay đổi của môi trường bên ngoài bị giảm xuống

- Do cấu trúc của Frame nên khi biểu diễn cần phải sử dụng các biện pháp khá cầu kỳ Vì vậy làm mất đi tính trực quan trong phương pháp biểu diễn

- Đối với các bài toán phức tạp thì việc mô tả và điều khiển hệ thống sử dụng Frame sẽ phức tạp lên rất nhiều so với các phương pháp biểu diễn khác

2.2.4 Biểu diễn tri thức bằng mạng ngữ nghĩa

Trong phương pháp này, người ta sử dụng một đồ thị gồm các nút và các cung 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 (xem hình 2.1):

Hình 2.1 Mô hình đồ thị biểu diễn tri thức nhờ mạng ngữ nghĩa

Dựa vào mạng ngữ nghĩa ta nhận biết tri thức một cách trực quan giúp thiết

kế các xử lý như: thêm bớt các khái niệm / đối tượng, tìm kiếm thông tin Bằng cách thêm vào đồ thị nút mới và các cung mới người ta có thể mở rộng một mạng ngữ nghĩa Các cung mới được thêm thể hiện các đối tượng tương tự (với các nút đã có trong đồ thị), hoặc tổng quát hơn Chẳng hạn để thể hiện “chim là một loài động vật

đẻ trứng” và “cánh cụt là loài chim biết lặn”, người ta vẽ thêm (xem hình 2.2):

Hình 2.2 Mô hình đồ thị thêm vào các nút và cung biểu diễn tri thức nhờ mạng ngữ nghĩa

Cơ chế thực hiện theo thuật toán “loang” như sau:

- Bước 1: Kích hoạt các nút ứng với giả thiết cho ban đầu (những yếu tố đã có

giá trị)

- Bước 2: Lặp lại bước sau cho đến khi kích hoạt tất cả các đỉnh ứng với các

yếu tố cần tính (thành công) hoặc không thể kích hoạt được bất kỳ đỉnh nào nữa (thất bại)

Mô hình mạng ngữ nghĩa rất linh động, ta dễ dàng thêm các đỉnh hoặc cung

để bổ sung thêm tri thức Cách biểu diễn tri thức dạng đồ thị nên rất dễ hiểu Ngoài

ra so với cách biểu diễn này giữa các đỉnh còn thể hiện mối quan hệ “kế thừa” nếu thông qua quan hệ “là” Cùng với những ưu điểm trên thì cách biểu diễn này khá trừu tượng và khái quát, trong áp dụng phải phát triển các mô hình tri thức cụ thể hơn

2.2.5 Biểu diễn tri thức bằng mạng các đối tượng tính toán

Một mạng tính toán còn gọi là mạng đối tượng tính toán (ký hiệu O) Một mạng các đối tượng tính toán bao gồm: Tập các đối tượng tính toán O = {O1,

O2, On} và tập các quan hệ giữa các đối tượng tính toán F = {f1, f2, fn}

Đặt M(fi) = Tập các biến có liên quan với nhau bởi quan hệ fi

M là tập hợp những biến được xem xét trên mạng, kể cả các biến thuộc tập M(f )

- Là ngôn ngữ biểu diễn dạng mô tả

- Có thể áp dụng một số cơ chế trên mạng: Cơ chế truyền và thừa hưởng thông tin giữa các đối tượng

 Nhược điểm:

- Không có một phương thức suy diễn chung cho mọi loại mạng ngữ nghĩa

- Khó kiểm soát được quá trình cập nhật tri thức, dễ dẫn đến mâu thuẫn trong

cơ sở tri thức

2.2.6 Biểu diễn tri thức bằng mô hình COKB

Theo lý thuyết mô hình COKB (Computational Object Knowledge Base) gồm 6 thành phần sau:

M = (C, H, R, Ops, Funcs, Rules)

Trong đó:

(1) C là tập hợp các khái niệm về C_Object

(2) H là tập hợp các quan hệ phân cấp giữa các loại đối tượng

(3) R là tập hợp các khái niệm về các loại quan hệ trên C_Object

 Tập hợp C (các khái niệm về các C_Object):

Các khái niệm được xây dựng dựa trên các đối tượng Mỗi khái niệm là một lớp các đối tượng tính toán có cấu trúc nhất định và được phân cấp theo sự thiết lập của cấu trúc đối tượng, bao gồm:

- Các đối tượng (hay khái niệm) nền: là các đối tượng (hay khái niệm) được mặc nhiên thừa nhận Ví dụ: như một số đối tượng kiểu boolean (logic), số tự nhiên (natural), số nguyên (integer), số thực (real), tập hợp (set), danh sách (list) hay một số kiểu tự định nghĩa

- Các đối tượng cơ bản (hay khái niệm) cơ bản cấp 0: có cấu trúc rỗng hoặc có cấu trúc thiết lập trên một số thuộc tính kiểu khái niệm nền: Các đối tượng

(hay khái niệm) này làm nền cho các đối tượng (hay các khái niệm) cấp cao hơn Ví dụ: đối tượng DIEM có kiểu mô tả không có cấu trúc thiết lập

- Các đối tượng (hay khái niệm) cấp 1: Các đối tượng này chỉ có các thuộc tính kiểu khái niệm nền và có thể được thiết lập trên một danh sách nền các đối tượng cơ bản Ví dụ: đối tượng DOAN[A,B] trong đó A, B là các đối tượng cơ bản loại DIEM, thuộc tính a biểu thị độ dài đoạn thẳng có kiểu tương ứng là “real”

- Các đối tượng (hay khái niệm) cấp 2: Các đối tượng này có các thuộc tính kiểu khái niệm nền và các thuộc tính loại đối tượng cấp 1, có thể được thiết lập trên một danh sách nền các đối tượng cơ bản Ví dụ: đối tượng TAMGIAC[A,B,C] trong đó A, B, C là các đối tượng cơ bản loại DIEM, các thuộc tính như GocA, a, S có kiểu tương ứng là “GOC[C,A,B]”,

“DOAN[B,C]”, “real”

- Các đối tượng (hay khái niệm) cấp n >0: Các đối tượng này có các thuộc tính kiểu khái niệm nền và các thuộc tính loại đối tượng cấp thấp hơn, có thể được thiết lập trên một danh sách nền các đối tượng cấp thấp hơn

 Cấu trúc bên trong của mỗi lớp đối tượng:

(1) Kiểu đối tượng: Kiểu này có thể là kiểu thiết lập trên một danh sách nền các đối tượng cấp thấp hơn

(2) Danh sách các thuộc tính của đối tượng: Mỗi thuộc tính có kiểu thực, kiểu đối tượng cơ bản hay kiểu đối tượng cấp thấp hơn Phân ra làm 2 loại là tập các thuộc tính thiết lập của đối tượng và tập các thuộc tính khác (còn gọi là tập thuộc tính)

(3) Tập hợp các điều kiện ràng buộc trên các thuộc tính

(4) Tập hợp các tính chất nội tại hay sự kiện vốn có liên quan đến các thuộc tính của đối tượng

(5) Tập hợp các quan hệ suy diễn - tính toán trên các thuộc tính của đối tượng Các quan hệ này thể hiện các luật suy diễn và cho phép ta có thể tính toán một hay một số thuộc tính từ các thuộc tính khác của đối tượng

(6) Tập hợp các luật suy diễn trên các loại sự kiện khác nhau liên quan đến các thuộc tính của đối tượng hay bản thân đối tượng Mỗi luật suy diễn có dạng:

{các sự kiện giả thiết}{các sự kiện kết luận}

 Mô hình cho một đối tượng tính toán (C-Object)

Một C-Object có thể được mô hình hóa bởi một bộ 6 thành phần chính:

(BasicO, Attrs, CRela, Rules, Prop, Cons)

Trong đó:

- BasicO: là tập hợp các đối tượng nền của một đối tượng

- Attrs: là tập hợp các thuộc tính của đối tượng

- CRela: là tập hợp các quan hệ suy diễn tính toán

- Rules: là tập hợp các luật suy diễn trên các sự kiện liên quan đến các thuộc tính cũng như liên quan đến bản thân đối tượng

- Prop: là tập hợp các tính chất hay sự kiện vốn có của đối tượng

- Cons: là tập hợp các điều kiện ràng buộc

 Tập hợp H (các quan hệ phân cấp giữa các đối tượng)

Trong tập C, ta có các quan hệ mà theo đó có thể có những khái niệm là sự đặc biệt hoá của những khái niệm khác Có thể nói, H là một biểu đồ Hasse trên C khi xem quan hệ phân cấp là một quan hệ thứ tự trên C Cấu trúc của một quan hệ phân cấp:

[<tên lớp đối tượng cấp cao>, <tên lớp đối tượng cấp thấp>]

 Tập hợp R các khái niệm về các loại quan hệ trên các C-Object

Mỗi quan hệ được xác định bởi tên quan hệ và danh sách các loại đối tượng của quan hệ Đối với quan hệ 2 hay 3 ngôi thì quan hệ có thể có các tính chất như tính phản xạ, tính phản xứng, tính đối xứng và tính bắc cầu

Cấu trúc của một quan hệ:

[<tên quan hệ>, <loại đối tượng>, <loại đối tượng>,…], {<tính chất> , <tính

chất>}

 Tập hợp Opts các toán tử

Các toán tử thể hiện các qui tắc tính toán nhất định trên các biến thực cũng như trên các đối tượng Chẳng hạn như các phép toán số học, các phép tính toán trên các đối tượng đoạn, góc tương tự như đối với các biến thực hay các phép tính toán vectơ, tính toán ma trận,…Trong trường hợp các phép toán 2 ngôi thì phép

toán có thể có các tính chất như tính giao hoán, tính kết hợp, tính nghịch đảo, tính trung hòa

 Tập hợp Funcs các hàm

Tập hợp Funcs trong mô hình COKB thể hiện tri thức về các hàm hay nói cách khác là thể hiện tri thức về các khái niệm và các qui tắc tính toán trên các biến thực cũng như trên các loại C-Object, được xây dựng thông qua các quan hệ tính toán dạng hàm Mỗi hàm được xác định bởi <tên hàm>, danh sách các đối số và một qui tắc định nghĩa hàm về phương diện toán học

 Tập hợp Rules các luật

Mỗi luật cho ta một qui tắc suy luận để từ các sự kiện đang biết suy ra được các sự kiện mới thông qua việc áp dụng các định luật, định lý hay các qui tắc tính toán nào đó Mỗi luật suy diễn r có thể được mô hình hoá dưới dạng:

r: {sk 1 , sk 2 , , sk m }{sk m+1 , sk m+2 , , sk n }

Cấu trúc của một luật: [Kind, BasicO, Hypos, Goals]

Trong đó:

- Kind: loại luật

- BaseO: tập các đối tượng cơ bản

- Hypos: tập các sự kiện giả thiết của một luật

- Goals: tập các sự kiện kết luận của một luật

Ngoài ra, mô hình này có 11 loại sự kiện sau:

- Sự kiện loại 1: Sự kiện thông tin loại của đối tượng

- Sự kiện loại 2: sự kiện về tính xác định của một đối tượng hay của một thuộc tính của đối tượng

- Sự kiện loại 3: Sự kiện về tính xác định của một đối tượng hay của một thuộc tính của đối tượng thông qua biểu thức hằng

- Sự kiện loại 4: Sự kiện về sự bằng nhau của một đối tượng hay một thuộc tính của đối tượng với một đối tượng hay một thuộc tính khác

- Sự kiện loại 5: Sự kiện về sự phụ thuộc giữa các đối tượng và các thuộc tính của các đối tượng thông qua một công thức tính toán hay một đẳng thức theo các đối tượng hay các thuộc tính

- Sự kiện loại 6: Sự kiện về một quan hệ trên các đối tượng hay trên các thuộc tính của các đối tượng

- Sự kiện loại 7: Sự kiện về tính xác định của một hàm

- Sự kiện loại 8: Sự kiện về tính xác định của một hàm thông qua một biểu thức hằng

- Sự kiện loại 9: Sự kiện về sự bằng nhau giữa một đối tượng với một hàm

- Sự kiện loại 10: Sự kiện về sự bằng nhau giữa một hàm với một hàm khác

- Sự kiện loại 11: Sự kiện về sự phụ thuộc của một hàm theo các hàm hay các đối tượng khác thông qua một công thức tính toán

Mô hình biểu diễn này sử dụng các tiếp cận hướng đối tượng để biểu diễn tri thức

do đó rất dễ thiết kế các mô hình cho những ứng dụng cụ thể và thiết kế các giải thuật

2.3 Hệ chuyên gia

2.3.1 Định nghĩa:

Theo E.Feigenbaum: “Hệ chuyên gia (Expert System) là một chương trình máy tính thông minh sử dụng tri thức (knowledgea) 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” [18]

Hệ chuyên gia là một hệ thống tin học có thể mô phỏng (emulates) năng lực quyết đoán (decision) và hành động (making ability) 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 tri thức của chuyên gia để giải quyết các vấn đề (bài toán) khác nhau thuộc mọi lĩnh vực

Tri thức (knowledge) trong hệ chuyên gia phản ánh sự tinh thông 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 bao gồm ba thành phần chính là cơ sở tri thức (CSTT - knowledge base), máy suy diễn hay môtơ suy diễn (inference engine) và hệ thống giao tiếp với người sử dụng (userinterface) 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) [17]

Hình 2.3 Các thành phần của hệ chuyên gia Hoạt động của một hệ chuyên gia dựa trên cơ sở tri thức được minh họa như sau:

Hình 2.4 Cơ chế hoạt động của hệ chuyên gia Những chương trình trí tuệ nhân tạo đạt được khả năng giải quyết các vấn đề trong các lĩnh vực cụ thể ở mức độ chuyên gia bằng cách sử dụng một cơ sở tri thức trong lĩnh vực đó gọi là các hệ cơ sở tri thức hoặc hệ chuyên gia Thông thường, thuật ngữ Hệ chuyên gia được dùng riêng cho các chương trình mà cơ sở tri thức của nó chứa đựng các tri thức được dùng bởi các chuyên gia thực thụ, khác với các tri thức được thu thập trong các sách giáo khoa hoặc không phải là tri thức chuyên môn Tuy nhiên, đôi khi 2 thuật ngữ Hệ chuyên gia và Hệ cở sở tri thức được sử dụng tương tự như nhau Phạm vi của trí tuệ nhân tạo cố gắng để đạt được trong một hệ chuyên gia gọi là lĩnh vực chuyên ngành Nhiệm vụ này có thể là các hoạt động như giải quyết vấn đề, hoặc là các suy luận hướng đích Còn chuyên ngành là

phạm vi tri thức mà nhiệm vụ đang thực hiện Các chức năng (nhiệm vụ) thông thường như chẩn đoán bệnh, lập kế hoạch, lập lịch, thiết lập cấu hình và thiết kế Một ví dụ cụ thể là lập lịch bay cho phi hành đoàn trong các chuyến bay của một hãng hàng không, hay phân tích cấu trúc của một tòa nhà và đưa ra các giải pháp hay tư vấn về việc thiết kế tòa nhà đó Có thể phân loại các hệ chuyên gia như sau [18]:

- ES – phân loại: là các hệ áp dụng trong chẩn đoán hoặc phân loại đối tượng Tri thức thường được tổ chức dưới dạng hệ luật dẫn

- ES – tư vấn: là các hệ thực hiện tư vấn từ các giả thiết có sẵn hoặc từ các giả thiết mới được thiết lập

- ES – phản biện: thực hiện phản biện dựa vào tập phản đề sẵn có hay là tự tạo phản biện

- ES – quyết định: là các hệ trợ giúp quyết định, thường được kết hợp với các công cụ tính toán

Việc xây dựng một hệ chuyên gia được hiểu như là việc ứng dụng các kiến thức khoa học vào việc vận hành và bảo trì tri thức, và người vận hành tri thức này gọi là người thiết kế tri thức Người thiết kế tri thức phải đảm bảo rằng máy tính luôn có đủ tri thức để giải quyết một vấn đề nào đó Người thiết kế tri thức phải chọn một hoặc nhiều hình thức miêu tả các tri thức được yêu cầu dưới dạng các mô hình kí hiệu trong bộ nhớ của máy tính và như vậy anh ta phải chọn một cách biểu diễn có hiệu quả bằng việc chọn ra một số các biện pháp lập luận

2.3.2 Cơ sở tri thức của hệ chuyên gia

Cơ sở tri thức của hệ chuyên gia bao gồm cả tri thức thực tế và tri thức Heuristic Tri thức thực tế là tri thức chuyên ngành mà được phổ biến và chia sẻ trong phạm vi rộng, có thể tìm thấy dễ dàng trong sách giáo khoa hoặc trong các sách báo và nhìn chung là được chấp nhận dựa trên các kiến thức đúng đắn trong từng lĩnh vực cụ thể Còn tri thức Heuristic mang ít tính nghiêm ngặt hơn, dựa nhiều vào kinh nghiệm và sự phán đoán hơn Trái với tri thức thực tế, tri thức Heuristic ít khi được thảo luận, và mang đậm tính cá nhân Nó là kiến thức rút ra từ việc thực hành và phán đoán tốt và sự lập luận chặt chẽ trong từng lĩnh vực

Biểu diễn tri thức là mô hình hóa và tổ chức tri thức Một phương pháp biểu diễn tri thức được sử dụng rộng rãi là sử dụng hệ các luật dẫn hoặc là dùng các luật đơn giản Một luật bao gồm một phần IF và một phần là THEN (còn gọi là điều kiện và kết luận) Phần IF liệt kê một tập hợp các điều kiện được liên kết logic với nhau Một mẫu tri thức được biểu diễn bởi luật dẫn có liên quan đến dòng lập luận đang được khai triển nếu như phần IF của luật được thỏa mãn Vì vậy, phần THEN của luật có thể được kết luận, hoặc là vấn đề của luật có thể được giải quyết

Ví dụ:

(1) Nếu điều-kiện P thì kết-luận C

(2) Nếu trạng-thái S thì hành-động A

(3) Nếu các điều kiện C1, Cn đúng thì kết luận C đúng

Hệ luật dẫn được sử dụng rộng rãi là do các nguyên nhân sau:

- Tính đơn thể: Mỗi luật định nghĩa một phần nhỏ và độc lập các tri thức

- Dễ thêm: Có thể thêm các luật mới vào CSTT tương đối độc lập với các quy tắc đã có

- Dễ sửa đổi: Có thể sửa đổi các quy tắc trong CSTT tương đối độc lập với các quy tắc khác

- Trong suốt: Hệ thống dựa trên luật dẫn có khả năng giải thích các hành động cũng như các quyết định của nó

Mô hình giải quyết vấn đề tổ chức và điều khiển các bước thực hiện để giải quyết một vấn đề nào đó của hệ chuyên gia Một mô hình thông dụng nhưng hiệu quả là liên kết các mắt xích của các luật IF-THEN để hình thành một dòng lập luận Nếu như chuỗi mắt xích đó bắt đầu từ một tập hợp các điều kiện và tiến đến các kết luận thì phương pháp này gọi là suy luận tiến Còn nếu như kết luận đã được biết trước nhưng các bước suy luận để dẫn đến kết luận vẫn chưa biết thì khi đó, hàm suy lùi sẽ được gọi, và phương pháp suy luận này gọi là suy diễn lùi Các phương pháp giải quyết vấn đề này được xây dựng trong các module của chương trình và được gọi là các bộ máy suy diễn hoặc là các thủ tục suy diễn, các module này sẽ điều khiển và sử dụng tri thức trong cơ sở tri thức để hình thành dòng lập luận

Tri thức là thành phần quan trọng nhất trong bất kỳ một hệ chuyên gia nào Sức mạnh của các hệ chuyên gia dựa vào các tri thức cụ thể và có chất lượng mà nó

chứa đối với các lĩnh vực chuyên ngành Do tầm quan trọng của tri thức đối với các

hệ chuyên gia và vì hiện nay các phương pháp thu thập tri thức còn tốn nhiều chi phí, các hệ chuyên gia trong tương lai cần phải giải quyết được vấn đề thu thập tri thức và cải tiến việc hệ thống hóa cũng như việc biểu diễn một hệ cơ sở tri thức lớn

Với mục tiêu xây dựng một hệ chuyên gia có những bước suy luận giống như con người thì đòi hỏi trước hết hệ thống cần phải có một cơ sở tri thức phong phú

và sâu rộng về vấn đề mà hệ chuyên gia cần giải quyết, quá trình thu thập cơ sở tri thức là một quá trình quan trọng đối với bất cứ một hệ chuyên gia nào, và việc quản

lý cơ sở tri thức cũng là một vấn đề quan trọng

2.3.3 Cấu trúc một hệ chuyên gia

Mỗi hệ chuyên gia đều bao gồm 2 thành phần cơ bản là: hệ cơ sở tri thức và

bộ máy suy diễn Tùy theo cách biểu diễn tri thức mà ta có thể xây dựng mô tơ suy diễn theo thuật giải suy diễn nào Ngoài ra còn có thể kết hợp phương pháp biểu diễn thừa số chắc chắn để hệ chuyên gia hoạt động một cách tự nhiên [18] Cấu trúc của một hệ chuyên gia thường được phân ra thành các thành phần nhỏ như sau:

- Giao diện người máy: Thực hiện giao tiếp giữa người dùng và hệ thống nhận dạng các thông tin từ người dùng (các câu hỏi, các yêu cầu về lĩnh vực) và đưa ra các lời khuyên, các câu trả lời, các giải thích về lĩnh vực đó

- Bộ thu nạp tri thức làm nhiệm vụ thu nạp tri thức từ chuyên gia con người, từ

kỹ sư tri thức và người sử dụng thông qua các câu hỏi và yêu cầu của họ sau

đó lưu trữ vào cơ sở tri thức

- Bộ giải thích: giải thích những hành động cũng như những quyết định của hệ thống cho người dùng

- Mô tơ suy diễn: thực hiện các cơ chế suy diễn (để biến đổi hoặc tìm ra tri thức), xử lý và điều khiển các tri thức được biểu diễn trong cơ sở tri thức nhằm đáp ứng các câu hỏi và yêu cầu của người sử dụng

- Cơ sở tri thức: Lưu trữ các tri thức trong lĩnh vực mà hệ đảm nhận làm cơ sở cho mọi hoạt động của hệ Cơ sở tri thức bao gồm các sự kiện và các luật

Hình 2.5 Cấu trúc của hệ chuyên gia

2.3.4 Quy trình xây dựng hệ chuyên gia

Quy trình được chia làm 7 giai đoạn [18] như sau:

- Giai đoạn 1:

 Xác định miền tri thức

 Xác định phạm vi vấn đề

 Thu thập tri thức

- Giai đoạn 2: Thiết kế cơ sở tri thức

 Biểu diễn tri thức

 Tổ chức cơ sở tri thức

- Giai đoạn 3: Thiết kế bộ suy diễn

 Thu thập và biểu diễn vấn đề chẩn đoán

 Thiết kế giải thuật để chẩn đoán

- Giai đoạn 4: Thiết kế giao diện người dùng

- Giai đoạn 5: Cài đặt

- Giai đoạn 6: Xây dựng bảng mẫu để kiểm tra

- Giai đoạn 7: Hiệu chỉnh

2.3.5 Những thuận lợi và khó khăn của hệ chuyên gia

 Thuận lợi:

Tính lâu dài của hệ chuyên gia: các chuyên gia là con người vẫn có thể quên những lập luận hay khái niệm nào đó, nhưng hệ chuyên gia thì không Ngoài ra hệ chuyên gia còn có khả năng tái sử dụng cho các mục đích khác nhau, với các lĩnh vực khác nhau, một cách nhanh chóng và dễ dàng Trong khi đó, quá trình tạo ra một cuyên gia là con người phải mất một khoảng thời gian và công sức không nhỏ

Các hệ chuyên gia có thể dùng các luật hay quy tắc một cách nhanh chóng

mà không nhầm lẫn, nếu trong trường hợp có quá nhiều quy tắc hay luật thì một chuyên gia là con người không xử lý nhanh như một hệ chuyên gia được

Về tính hiệu quả, một hệ chuyên gia có thể tăng số lượng được đưa vào hệ và giảm

đi các chi phí nhân công Mặc dù các hệ chuyên gia được xây dựng và bảo trì thường tốn kém, nhưng để vận hành các hệ chuyên gia không phải tốn nhiều công sức và tiền bạc Việc phát triển và duy trì một hệ chuyên gia có thể được trải đều ra cho nhiều người, và tổng chi phí cho việc này sẽ hợp lý hơn rất nhiều so với việc kiếm một chuyên gia thực thụ

Nếu như không có sự trục trặc về thiết bị máy móc thì một hệ chuyên gia có thể hoạt động rất ổn định, với các tập luật đã được xây dựng và cùng với các khả năng xử lý khác, hệ có thể đưa ra các quyết định gần như nhau trong các tình huống tương tự nhau Ngoài ra, một hệ chuyên gia có thể cung cấp các giải pháp một cách thường xuyên trong một quá trình giải quyết vấn đề Trong một thời điểm thì một hệ chuyên gia có khả năng giải quyết được nhiều vấn đề hơn so với một chuyên gia là con người

Một thuận lợi lớn khác của các hệ chuyên gia đó là kiến thức của rất nhiều chuyên gia khác nhau được đưa vào hệ chuyên gia, điều này rõ ràng là làm cho cơ

sở tri thức của một hệ chuyên gia rộng và phong phú hơn so với một vài chuyên gia đơn lẻ Trong lĩnh vực kinh tế, hệ chuyên gia sẽ có thể giảm thiểu được nhiều rủi ro hơn

 Khó khăn:

Một điều dễ nhận ra là các hệ chuyên gia không có khả năng học như các hệ thống thông minh khác như Suy luận dựa tình huống (Case-based reasoning) hay Mạng nơron (Neural Networks), Vì vậy nếu có những thay đổi từ phía các chuyên gia là con người thì hệ chuyên gia cần được cập nhật lập tức Hệ chuyên gia không

có khả năng sáng tạo và không có được các giác quan thông thường như con người, trong những tình huống bất thường, hệ chuyên gia không có khả năng giải quyết

Ngoài ra, các hệ chuyên gia không có được những kinh nghiệm, sự nhạy bén, tính sáng tạo như các chuyên gia là con người, và cũng không thể nhận ra được vấn

đề nếu như vấn đề đó không thuộc phạm vi “hiểu biết” của hệ thống

2.4 Cơ chế suy diễn trong hệ chuyên gia

Có nhiều phương pháp tổng quát để suy luận các chiến lược giải quyết vấn

đề của hệ chuyên gia Những phương pháp hay gặp là suy diễn tiến (forward 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 (hierachical planning)

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

Hình 2.6 Nền tảng của hệ chuyên gia dựa trên luật Các cơ sở tri thức đều có động cơ suy diễn để tiến hành các suy diễn nhằm tạo ra các tri thức mới dựa trên các sự kiện, tri thức cung cấp từ ngoài vào và tri thức có sẵn trong hệ cơ sở tri thức

Động cơ suy diễn thay đổi theo độ phức tạp của cơ sở tri thức Các hệ cơ sở tri thức làm việc theo cách được điều khiển bởi dữ liệu (data driven) sẽ dựa vào thông tin có sẵn (các sự kiện cho trước) và tạo ra các sự kiện mới được suy diễn

Có hai kĩ thuật thường được sử dụng trong hệ chuyên gia đó là suy diễn tiến

và suy diễn lùi Cả hai kĩ thuật này đều dựa trên suy diễn logic như sau:

 Modus ponens (MP): các luật suy diễn đơn giản gọi là “modus ponens”

Nghĩa là nếu A đúng và A → B đúng thì B cũng đúng

 Modus Tollens (MT):

Nghĩa là nếu B sai và A → B đúng thì A cũng sai

Nói một cách khác A, B, , là các sự kiện trước khi áp dụng luật A →

B ta có tập {A} ( hoặc {} tương ứng) thì sau khi thực hiện luật ta sẽ có thêm {B} (hoặc {} tương ứng)

Dựa trên các tập kéo theo tức là các luật, và các dữ liệu ban đầu, luật modus ponens tạo nên một dãy các khẳng định Quá trình suy diễn được tiến hành nhờ một dãy các thông tin đã được khẳng định Loại suy diễn này là cơ sở của suy diễn

dữ liệu hay của hệ chuyên gia suy diễn tiến

2.4.1 Suy diễn tiến

Suy diễn tiến là loại suy diễn thường được sử dụng trong hệ chuyên gia có

tìm kiếm dữ liệu Suy diễn tiến là lập luận các sự kiện, sự việc để rút ra các kết luận

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: Attribute = Value

Lần lượt các sự kiện trong cơ sở tri thức được chọn và 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 thỏa mãn Sauk hi gán giá trị cho các thuộc tính thuộc kết luận