L IăC ăĐ ON
1.2.5.Hệ chuyên gia dựa trên luật
6. Tổng quan tài liệu nghiên cu
1.2.5.Hệ chuyên gia dựa trên luật
HCG dựa trên luật là một ch ơng trình máy tính, xử lý các thông tin cụ thể
c a bài toán đ ợc ch a trong bộ nhớ làm việc và tập các luật đ ợc ch a trong CSTT,
sửdụngđộng cơ suy luận để suy ra thông tin mới.
HCG dựa trên luật có nền tảng xây dựng là hệ luật sinh (Production System).
a) Khái niệm Hệ luật sinh:
Hệ luật sinh (HLS) hay hệ sinh hay hệ thống sản xuất đều có cùng ý nghĩa. HLS là một mô hình tính toán quan trọng trong các bài toán tìm kiếm cũng nh mô phỏng cách giải quyết vấn đề c a con ng i trong lĩnh vực ng dụng trí tuệ nhân tạo. HLS cung cấp cơ chế điều khiển Pattern-directed trong quá trình giải quyết vấn đề. Cấu trúc HLS gồm 3 thành phần: tập luật sản sinh (Production rules), bộ nhớ làm việc (Working memory), bộ điều khiển nhận dạng và hành động (Recognize-action
control). Trong đó:
- Tập luật sản sinh đ ợc đặc tả dạng: Condition-Action (điều kiện -
hành động). Một luật là một mắt xích c a kho tri th c giải quyết vấn đề. Kho tri
th c là một CSDL c a các tập luật sản sinh. Thành phần Condition là một mẫu
(pattern) dùng xác định điều kiện áp dụng c a luật cho một vấn đề t ơng ng.
luận c a luật hoặc dẫn đến một luật kế tiếp nhằm tìm ra kết luận cuối cùng. Các
luật sinh th ng đ ợc viết d ới dạng IF THEN. Có hai dạng: IF<điều kiện>
THEN <hành động> hoặc IF <điềukiện> THEN <kết luận> DO <hành động>.
-Bộ nhớ làm việc ch a những đặc tả trạng thái hiện tại c a quá trình suy
luận. Chúng đ ợc l u trữ nh là tập các mẫu. Những đặc tả này là các mẫu để so
trùng với các điều kiện c a tập luật sản sinh. Khi một luật trong tập luật sản sinh
đ ợc so trùng phần điều kiện thì phần hành động c a nó có thể đ ợc áp dụng và
phần hành động này đ ợc xây dựng đặc thù để tác động trực tiếp lên bộ nhớ làm
việc.
-Bộ điều khiển nhận dạng và hành động là cấu trúc điều khiển dùng
trong HLS. Tập các mẫu trong bộ nhớ làm việc lần l ợt đ ợc đ a vào thành phần nhận dạng (Recognize) để thực hiện so trùng mẫu. Kết quả c a quá trình so khớp sẽ tạo thành một tập các luật sản sinh đư so khớp. Tập kết quả này đ ợc đ a vào
bộ điều khiển quyết định chọn luật phù hợp, trong quá trình điều khiển có thể
áp dụng các chiến l ợc giải quyết xung đột đơn giản hoặc áp dụng các chiến l ợc lựa chọn heuristic. Với luật đ ợc chọn, hệ thống sẽ thực hiện hành động t ơng ng. Quy trình hoạt động c a bộ điều khiển nhận dạng và hành động là một quy trình khép kín đ ợc lặp đi lặp lại nên trong quá trình thực hiện nó sẽ tác động tr lại và làm thay đổi các tập mẫu trong bộ nhớ làm việc. Đây chính là đặc tr ng cơ bản c a HLS trong quá trình cải thiện các tập mẫu c a hệ thống. Quy trình hoạt độngđ ợc mô tả b i hình 1.10 [3]:
Hình 1.10. Quy trình hoạt động của Recognize-Action
HLS là khung làm việc tổng quát để thực thi các giải thuật tìm kiếm. Với đặc tính đơn giản, dễ sửa đổi và linh động. HLS đ ợc dùng nh một công cụ quan trọng
để xây dựng các HCG và các ng dụng trí tuệ nhân tạo khác. Các u điểmc a HLS: - Tách bạch giữa tri th c và điều khiển: Điều khiển nằm trong chu trình Recognize-Action; tri th c đ ợc ch a đựng trong các luật sinh. Chính vì vậy, HLS có khả năng cập nhật tri th c mà không cần điềuchỉnh ch ơng trình và ng ợclại.
Tập xung đột Chọn luật Thực hiện Tập đ ợc chọn
Nhận dạng Bộ nhớ làm việc
- Dễ dàng áp dụng trong tìm kiếm trên không gian trạng thái - Tính độclậpc a các luật sinh (adsbygoogle = window.adsbygoogle || []).push({});
- Khảnăng áp dụng heuristic cho việcđiềukhiển quá trình hoạt động
- Theo dõi và giải thích quá trình hoạtđộng
- Độc lập với ngôn ngữ và có thể dùng nh kỹ thuật mô phỏng giải pháp c a
con ng i
b) Các đặc tr ng và kiến trúc c ahệ chuyên gia dựa trên luật
HCG dựa trên luật cũng có những đặc tr ng cơ bản c a HCG tổng quát, một
vài đặc điểm tiêu biểu: Có CSTT ch a các luật, có bộ nhớ làm việc tạm th i, có động cơ suy luận, có giao diện để giao tiếp với ng i dùng và ng i phát triển, có tiện ích giải thích và có khả năng giao tiếp với ch ơng trình ngoài nh các hệ quản trị
CSDL, xử lý bảngtính…
Hệ chuyên gia dựa trên luật có kiến trúc nh sau:
Hình 1.11. Kiến trúc HCG dựa trên luật
c) u và nh ợcđiểmcủahệ chuyên gia dựa trên luật
- uđiểmc a HCG dựa trên luật
+Các luật đ ợc xây dựng từ cách con ng i giải quyết vấn đề. Cách biểu diễn luật nh IF-THEN đơn giản cho phép giảithích dễ dàng cấu trúc tri th ccần trích lọc
+Phân tách tri th c và điềukhiển
+Tri th c là tập các luật có tính độclập cao nên dễ thay đổivà chỉnhsửa
+HCG dựa trên luậtdễm rộng
+Tậndụngđ ợc tri th c heuristic
+Có thể dùng biến trong luật, truy xuất ch ơng trình ngoài - Nh ợcđiểm c a HCG dựa trên luật
+Các sự kiện muốn đồng nhất nhau phải khớp nhau hoàn toàn. Các sựkiện cùng một nghĩa phải giống nhau về cú pháp nh ng ngôn ngữ tự nhiên thìkhông nh vậy
+Khó tìm mối quan hệ giữa các luật trong một chuỗi suy luận vì chúng nằm rải rác trong CSTT
+Có thể hoạtđộngchậm
+Làm cho nhà phát triển phải hình dung mọi cái dạng luật, không phải
bài toán nào cũng có thể làm đ ợc nh vậy
1.2.6. Biểu diễn tri thức nhờ mệnh đề logic
Ng i ta sử dụng các ký hiệu để thể hiện tri th c và các phép toán logic tác
động lên các ký hiệu để thể hiện suy luận logic. Kỹ thuật ch yếu th ng đ ợc sử dụng là logic vị từ (Predicate Logic) mà ta sẽ đề cập đến ch ơng sau.
Các ví dụ d ới đây minh hoạ cách thể hiện các phát biểu (cột bên trái) d ới dạng vị từ (cột bên phải):
Bảng . Biểu diễn bằng logic vị từ
Phát biểu Vị từ
Tom là đàn ông MAN(tom) (adsbygoogle = window.adsbygoogle || []).push({});
Tom là cha c a Mary FATHER(tom, mary)
Tất cả mọi ng i đều chết
MAN(X) MORTAL(X)
với quy ớc MAN(X) có nghĩa «X là một ng i» và MORTAL(X) có nghĩa «X chết». MAN và MORTAL đ ợc gọi là các vị từđối với biến X.
Các vị từ th ng có ch a hằng, biến hay hàm. Ng i ta gọi các vị từ không ch a biến (có thể ch a 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 đ ợc nối nhau b i một dấu mũi tên (→). Các vị từ còn lại (không ch a mũi tên) đ ợc 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.
1.3. Kỹ thu t suy lu n trong h chuyên gia
Suy luận hay suy diễn là quá trình làm việc với tri th c, sự kiện, chiến l ợc giải toán để dẫn ra kết luận. Các kỹ thuật suy luận cơ bản: suy diễn tiến (forward- chaining), suy diễn lùi (backward-chaining).
1.3.1. Kỹ thuật suy diễn tiến
Suy diễn tiến là lập luận từ các sự kiện, sự việc để rút ra các kết luận. Ví dụ: Nếu thấy tr i m a tr ớc khi ra khỏi nhà (sự kiện) thì phải lấy áo m a (kếtluận).
Trong ph ơng pháp này, ng i sử dụng cung cấp các sự kiện cho HCG để máy
suy diễn tìm cách rút ra các kết luận có thể. Kết luận đ ợc xem là cácthuộc tính có thể gán giá trị. Trong số những kết luận này, có thể có những kết luận làm ng i sử dụng
quan tâm, một số khác không nói lên điều gì, một sốkhác có thể vắng mặt.
Các sự kiện th ng có dạng: Attribute = value. Lần l ợt các sự kiện trong CSTT đ ợc chọn và hệ thống xem xét tất cả các luật mà các sự kiện này xuất hiện nh
là tiền đề. Theo nguyên tắc lập luận trên, hệ thống sẽ lấy ra những luật thỏa mãn. Sau khi gán giá trị cho các thuộc tính thuộc kết luận t ơng ng, ng i ta nói rằng các sự kiện đư đ ợc thỏa mãn. Các thuộc tính đ ợc gán giá trị sẽ là một phần c a
kết quả chuyên gia. Sau khi mọi sự kiện đư đ ợc xem xét, kết quả đ ợc xuất ra cho ng i sửdụng [3].
u điểm c a kỹ thuật suy diễn tiến là làm việc với bài toán có bản chất gom thông tin và sau đó tìm xem có thể suy ra đ ợc gì từ thông tin đó. Cũng với kỹ thuật này, có thể dẫn ra rất nhiều thông tin chỉ từ một ít sự kiện ban đầu. Kỹ thuật suy diễn tiến thích hợp cho một số vấn đề nh hoạch định, giám sát, điều khiển, diễn
dịch…
Nh ợc điểm c a kỹ thuật suy diễn tiến là không có cách để nhận thấy tính quan trọng c atừng sự kiện, hỏi nhiều câu hỏi thừa vì đôi lúc chỉcần một vài sự kiện là cho ra kết luận. Bên cạnh đó, với kỹ thuật này hệ thống có thể hỏi những câu hỏi
không liên quan nhau.
1.3.2. Kỹ thuật suy diễn lùi
Kỹ thuật suy diễn lùi tiến hành các lập luận theo chiều ng ợc lại so với kỹ
thuật suy diễn tiến. Từ một giả thuyết đ ợc xem nh là một kết luận, hệthống đ a ra một tình huống trả l i gồm các sự kiện là cơ s c a giả thuyết đư cho này. Ví dụ,
nếu ai đó vào nhà mà cầm áo m a và áo quần bị ớt thì giả thuyết này là tr i m a.
Để c ng cố giả thuyết này, ta sẽ hỏi ng i đó xem có phải tr i m a không? Nếu ng i đó trả l i có thì giả thuyết tr i m a là đúng và tr thành một sự kiện. Nghĩa là tr i m a nên phải cầm áo m a và áo quần bị ớt.
Suy diễn lùi cho phép nhận đ ợc giá trị c a mộtthuộc tính. Đó là câu trả l i cho câu hỏi “Giá trị c a thuộc tính A là bao nhiêu?” với A là một đích (goal). Để xác
định giá trị c a A, cần có các nguồn thông tin. Những nguồn này có thể là những câu hỏi hoặc có thể là những luật. Căn c vào các câu hỏi,hệ thống nhận đ ợc một
cách trực tiếp từ ng isử dụng những giá trị c athuộc tính liên quan. Căn c vào các luật, hệ thống suy diễn có thể tìm ra giá trị sẽ là kết luận c a một trong số các kết luận có thể c a thuộc tính liên quan…
Ý t ng c a thuật toán suy diễn lùi là với mỗi thuộc tính đư cho, ng i ta định
nghĩanguồn c a nó:
- Nếu thuộc tính xuất hiện nh là tiền đề c a một luật (phần đầu c a luật), thì nguồnsẽ thu gọn thành một câu hỏi. (adsbygoogle = window.adsbygoogle || []).push({});
- Nếu thuộc tính xuất hiện nh là hậu quả c a một luật (phần cuối c a luật), thì nguồnsẽ là các luật mà trong đóthuộc tính là kết luận.
- Nếu thuộc tính là trung gian, xuất hiện đồng th i nh là tiền đề và hậu quả, khi đó nguồn có thể là các luật, hoặc có thể là các câu hỏi mà ch a đ ợc nêu ra.
- Nếu mỗi lần với câu hỏi đư cho, ng i sử dụng trả l i hợp lệ, giá trị trả l i này
đ ợc gán cho thuộc tính và xem nh thành công. Nếu nguồn là các luật, hệ thống sẽ lấy lần l ợt các luật mà thuộc tính đích xuất hiện nh là kết luận, để có thể tìm giá trị các thuộc tính thuộc tiền đề. Nếu các luật thỏa mãn, thuộc tính kết luận sẽ đ ợc ghi nhận [3].
uđiểm c akỹ thuật suy diễn lùi là làm việc tốt với bài toán có bản chất thành lập giả thiết, sau đó tìm xem có thể ch ng minh đ ợc không. Vì kỹ thuật này h ớng đến một đích nên hỏinhững câu hỏi liên quan nhau. Máy suy diễn áp dụng kỹ
thuật này chỉ khảo sát CSTT trên nhánh vấn đề đang quan tâm. Với kỹ thuật này, thích hợp cho các vấn đề chuẩn đoán, kê toa, gỡ rối…
Nh ợc điểm c a kỹ thuật này là luôn h ớng theo dòng suy luận định tr ớc thậm chí có thể dừng hoặc rẽ sang mộtđích khác.
1.3.3. Thuật toán Robinson
Trình bày thuật toán Robinson
Đ ăvƠo Mệnh đề logic cần ch ng minh
Đ ăra Kết quả trả về là đúng hay sai.
B ớc 1: Phát biểu lại giả thuyết và kết luận bài toán d ới dạng chuẩn sau: GT1, GT2,….,GTn KL1,KL2,…, KLm
Trong đó các GTi và KLj đ ợc xây dựng từ các biến mệnh đề và các phép
toán: ,,.
B ớc 2: Biến đổi dòng trên thành danh sách các mệnh đề:
{GT1,GT2,…,GTn,KL1,KL2,…,KLM}
B ớc 3: Nếu trong danh sách các mệnh đề b ớc 2 có hai mệnh đề đối ngẫu nhau thì vấn đề đ ợc giải quyết xong, còn không chuyển sang b ớc 4
1.3.4. Thuật toán Vương Hạo
Thuật toán V ơng Hạo đ ợc trình bày theo các b ớc sau:
Đ ăvƠo Mệnh đề logic cần ch ng minh
Đ ăra Kết quả trả về là đúng hay sai.
B ớc 4: Xây dựng một mệnh đề mới bằng cách tuyển một cặp mệnh đề trong danh sách các mệnh đề b ớc 2, nếu mệnh đề mới có các biến mệnh đề đối ngẫu thì những biến đó đ ợc loại bỏ.
Ví dụ:
(p q), (q r)
(p q) (q r)
(p q q r)
(p r)
B ớc 5: Bổ sung mệnh đề mới vào danh sách và loại bỏ hai mệnh đề cũ vừa tạo thành mệnh đề mới ra khỏi danh sách.
B ớc 6: Nếu không xây dựng thêm mệnh đề mới nào và trong danh sách các mệnh đề không có hai mệnh đề nào đối ngẫu nhau thì vấn đề phát biểu dạng chuẩn b ớc 1 là Sai. (adsbygoogle = window.adsbygoogle || []).push({});
B ớc 1: Phát biểu lại giả thuyết và kết luận c a bài toán d ới dạng chuẩn
sau:
GT1, GT2,..,GTn KL1, KL2,…, KLm
Trong đó các GTi và KLjđ ợc xây dựng từ các biến mệnh đề và các phép
toán: , , .
B ớc 2: Chuyểnvế các GTi và KLjcó dạng ph định.
B ớc 3: Thay phép toán GTi và phép toán KLjbằng dấu “,”. B ớc 4: Nếu dòng hiện hành có một trong hai dạng sau:
+ Dạng 1: GT1,…,avb,…,GTnKL1, KL2,…, KLm thành �� , … , , … , �� →�� , … , , … , �� → , … ,, … ,
Ví dụ: - Các công th c cơ bản - Công th c 1: p q p - Công th c 2: (p q) p q - Công th c 3: (p q) p q - Ch ng minh rằng: pq, qr suy ra pr. (p q, q r) (p r) (p q, q r) (p r) (p q, q r) (p, r) (p q, q r, p) (r) (p, q r, p) (r) (1) (q, q r, p) (r) (2) + Từ (1) ta có: (p, q r, p) (r) + (q r, p) (r, p) + Từ (2) ta có: (q,q r, p) (r) (q, q, p) (r) (21) (q, r, p) (r) (22) + Từ (21) ta có: (q, q, p) (r) + Vậy: p q, q r p r đ ợc ch ng minh.
1.4. Lýă ăc năng ăng p 1.4.1. Lý thuyết cây nghề nghiệp
a) Nội dung lý thuyết cây nghề nghiệp (LTCNN)
S thích, khả năng, cá tính và giá trị nghề nghiệp c a mỗi ng i đóng vai trò �� , … , �� →�� , … , �� → ,, , … , , … ,, … , , … ,
B ớc 5: Một dòng đ ợc ch ng minh nếu tồn tại chung một mệnh đề cả hai vế.
B ớc 6:
+ B ớc 6a: Một vấn đề đ ợc giải quyết trọn vẹn nếu mọi dòng dẫn xuất biểu diễn dạng chuẩn đ ợc ch ng minh.
+ B ớc 6b: Nếu một dòng không còn dấu liên kết “˅, ˄” và cả hai vế không có chung mệnh đề nào thìdòng đó không đ ợc ch ng minh.
rất quan trọng trong việc chọn h ớng học, chọn nghề phù hợp và nó đ ợc coi là phần “Rễ” c a cây nghề nghiệp. Rễ có khỏe thì cây mới khỏe và ra hoa, kết trái nh