K Ỹ THUẬT SUY LUẬN TRONG CÁC HỆ CHUYÊN GIA

Một phần của tài liệu Đề tài p ân tích hệ thống chuyên gia trong doanh nghiệp tại việt nam (Trang 29 - 35)

CHƯƠNG 2: KIẾN TRÚC TỔNG QUAN VỀ HỆ THỐNG

2.6. K Ỹ THUẬT SUY LUẬN TRONG CÁC HỆ CHUYÊN GIA

Thường có rất nhiều phương pháp tổng quát để suy luận trong các chiến lược giải quyết vấn đề của hệ chuyên gia. Thế nhưng, những phương pháp chúng ta thường hay gặp phải là Suy diễn tiến (foward chaining), Suy diễn lùi (backward chaining) và Phối hợp cả hai phương pháp này (mixed chaining).

Còn những phương pháp khác là Phân tích phương tiện (means-end analysis), Rút gọn vấn đề (problem reduction), Quay lui (backtracking), Kểm tra lập kế hoạch (plan- generate-test), Lập kế hoạch phân cấp (hierachical planning)..,v..v.Và dưới đây được cho là nền tảng của công nghệ hệ chuyên gia hiện đại (foundation of modern rele-based expert system).

Hình 10. Nền tảng của c Ȁng nghệ hệ chuyên gia dựa trên luật hiện đại 2.6.1. Phương pháp suy diễn tiến

Suy diễn tiến (forward charning) được hiểu là tính hiệu quả để giải quyết vấn đề mà có thể mô hình hóa lại là cấu trúc lựa chọn các vấn đề, lập luận từ các sự kiện, sự việc để rút ra các kết luận, các nhận xét. Tramg bị cho hệ thống khả năng chọn cái tốt nhất từ những cái có thể

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

điều gì, một số khác có thể vắng mặt. Luật chia nhỏ các vấn đề thành nhiều vấn đề khác nhỏ hơn. Có nhiều vấn đề được đặt ra, khó mà có thể thống kê được số lượng câu trả lời và chọn được một câu đúng nhất trong tất cả các câu trả lời đó

Các sự kiện thường có dạng : ATTHIBUTE = VALUE

Lần lượt các sự kiện 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 quả, nhận định chuyên gia. Sau khi mọi sự kiện đã được xem xét, kết quả được xuất ra cho người sử dụng.

2.6.2. 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) là sử dụng tập luật tương tự nhằm cho việc sử dụng suy diễn lùi. Mặc dù vậy, tiến trình suy diễn có khác đi, hệ thống giữ vết tình trạng hiện tại của giải pháp và tìm kiếm luật, điều này sẽ dẫn đến việc giải pháp cuối cùng.

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.

Suy diễn lùi là cho phép nhận được giá trị của một thuộc tính. Đó là câu trả lời cho cõu hỏi ô giỏ trị của thuộc tớnh A là bao nhiờu ? ằ với A là một đớch (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...

2.7. Các thành phần của hệ thống chuyên gia Các thành phần của hệ thống chuyên gia bao gồm:

 Kiến thức cơ bản

 Động cơ suy diễn

 Giao diện người dùng

Hệ thống kiến thức trong hệ thống chuyên gia:

Bên trong hệ thống này có chứa một lượng kiến thức chất lượng cao và dành riêng cho từng miền. Để thể hiện trí thông minh của mình, hệ thống này cần phải có kiến thức.

Một tập hợp các kiến thức có tính chính xác cao là lý do cho sự thành công của hệ thống chuyên gia trong trí tuệ nhân tạo AI.

Về cơ bản, dữ liệu là một tập hợp các dữ kiện. Chúng ta phải tổ chức thông tin dưới dạng dữ liệu và dữ kiện về miền nhiệm vụ. Bên cạnh đó, chúng ta có thể định nghĩa kiến thức là sự kết hợp của dữ liệu, thông tin và kinh nghiệm trong quá khứ.

Đây là các loại phương pháp. Chúng ta có thể sử dụng thành phần này để tổ chức và chính thức hóa kiến thức trong một cơ sở kiến thức. Phương pháp này được thiết kế ở dạng quy tắc IF-THEN-ELSE.

2.8. Trình bày tri thức (Knowledge Representation) 2.8.1. Thu nhận kiến thức

Chất lượng và độ chính xác là những lý do chính đáng cho sự thành công của một hệ thống chuyên gia trong lĩnh vực AI.

Chính vì như thế, các kỹ sư cần phải thu thập thông tin chính xác, đúng thực tế. Họ thường thu thập những thông tin này từ một chuyên gia chủ đề. Họ có nhiều cách khác nhau để thu thập thông tinchẳng hạn như nghiên cứu thông tin trên trang wed, ghi âm, quay hình, tham gia phỏng vấn, hội nghị, hội thảo, quan sát chuyên gia chủ đề đó tại nơi làm việc, ...

Họ sẽ sử dụng các quy tắc IF-THEN-ELSE để tổ chức và phân loại thông tin theo cách có ý nghĩa. Ngoài ra, các vị kỹ sư này c‘ng sẽ giám sát sự phát triển của hệ thống chuyên gia

2.8.2. ĐQng cơ suy luận (Inference Engine)

Để đưa ra một giải pháp cụ thể, động cơ suy luận sẽ thu nhận và vận dụng kiến thức.

Hệ thống chuyên gia sẽ dựa trên quy tắc:

 Hệ thống sẽ áp dụng quy tắc cho các sự kiện, điều này có được từ việc áp dụng các quy tắc được quy định trước đó

 Chúng ta sẽ cần phải bổ sung thêm kiến thức và dữ liệu mới nếu hệ thống báo cần

Hệ thống này có khả năng giải quyết sự xung đột về quy tắc (trong trường hợp

 Chuỗi ngược (Backwards Chaining) 2.8.2.1. Chuyển tiếp chuỗi (Forward Chaining)

Chúng ta có thể nói rằng đây là một kiểu chiến lược của một hệ thống chuyên gia.

Trong chuỗi này, chúng ta phải trả lời câu hỏi: "Điều gì có thể xảy ra tiếp theo?"

Nói chung, nó tuân theo chuỗi các điều kiện và nguồn gốc. Do đó, nó c‘ng làm giảm số lượng kết quả đầu ra. Chuỗi này sẽ xem xét tất cả các sự kiện và quy tắc. Bạn cần phải sắp xếp những sự kiện, quy tắc này trước khi đưa ra giải pháp.

2.8.2.2. Chuỗi ngược (Backwards Chaining)

Tương tự, trong chuỗi này, một hệ thống chuyên gia sẽ tìm ra câu trả lời cho câu hỏi: "Tại sao điều này lại xảy ra?"

Về căn bản, những nguyên nhân dễ xảy ra sẽ có rất nhiều vấn đề. Do đó, hệ thống cố gắng nhất có thể để tìm ra được những điều kiện nào có thể đã xảy ra trong quá khứ cho kết quả này. Chiến lược này được diễn ra bằng cách tìm ra nguyên nhân hoặc lý do của sự việc

2.8.3. Giao diện ngưXi dùng

Nói chung, người sử dụng hệ thống chuyên gia trong AI c‘ng như bản thân hệ thống này sẽ sử dụng giao diện người dùng làm phương tiện tương tác giữa những người dùng. Ngoài ra, người dùng hệ thống chuyên gia không nhất thiết phải là chuyên gia về trí tuệ nhân tạo.

Hình 11. Giao diện ngưXi dùng

Có một số lời giải thích cho việc cách hệ thống chuyên gia xuất hiện. Các lời giải thích này có thể xuất hiện ở các dạng sau:

 Ngôn ngữ tự nhiên sẽ hiển thị trên màn hình

 Tường thuật lời nói bằng ngôn ngữ tự nhiên

Giao diện người dùng giúp bạn dễ dàng theo dõi mức độ đáng độ tin cậy của các khoản khấu trừ.

2.8.4. So sánh expert systems vdi expert nói chung Hê ˆ thống thông thư‰ng so vŠi hê ˆ Expert Systems - Hê ™ thông thường:

 Kiến thức và xử lí được kết hợp trong mô ™t đơn vị

 Chương trình không mắc lỗi (Trừ khi có lỗi trong lâ ™p trình

 Hê ™ thống chỉ hoạt đô ™ng khi được phát triển đầy đủ

 Từng bước thực hiê ™n theo các thuâ ™t toán cố định là bắt buô ™c

 Cần thông tin đầy đủ

Hình 12. Hê p thống th Ȁng thưXng so vdi hê p expert systems - Hê ™ thống chuyên gia:

 Cơ sở dữ liê ™u database và cơ chế xử lí là hai thành phần riêng biê1 ™t

 Hê ™ thống chuyên gia có thể phạm sai lầm

 Hê ™ thống chuyên gia được tối ưu hóa trên cơ sở liên tục và có thể được đưa ra với mô ™t số lượng nhỏ các quy tắc

 Được thực hiê ™n mô ™t cách hợp lý và tự đô ™ng

 Nó có thể hoạt đô ™ng với thông tin đầy đủ hoă ™c không đủ - Expert systems và Expert con người

 Con người thường khó câ ™p nhâ ™t tài liê ™u còn Expert Systems câ ™p nhâ ™t dễ dàng

Hình 13. Expert systems vdi expert con ngưXi

 Chuyên gia con người bỏ nhiều chi phí còn Expert Systems giúp tiết kiê ™m chi phí

 Những con người lại tạo ra Expert Systems

 Expert Systems là mô ™t hê ™ thống ra quyết định dựa trên máy tính tương tác và đáng tin câ ™y, sử dụng cả sự kiê ™n và phương pháp phỏng đoán để giải quyết vấn đề ra quyết định phức tạp. Cải thiê ™n chất lượng quyết định, giảm chi phí, tính nhất quán, đô ™ tin câ ™y, tốc đô ™ là những lợi ích chính của Expert Systems đem lại.

Mô ™t hê ™ thống Expert Systems có thể được sử dụng trong các ứng dụng rô ™ng rãi như thị trường chứng khoán, kho, nhân sự,…

Một phần của tài liệu Đề tài p ân tích hệ thống chuyên gia trong doanh nghiệp tại việt nam (Trang 29 - 35)

Tải bản đầy đủ (PDF)

(42 trang)