1. Deduce_from3s: suy ra các sự kiện loại 2 từ các sự kiện loại
2. Deduce_from43s: suy ra các sự kiện mới loại 3 từ các sự kiện loại 3
và 4 bằng cách thay thế các biến trong sự kiện loại 3 vào sự kiện loại
4.
3. Deduce_from53s: suy ra các sự kiện mới loại 3, 4, 5 từ các sự kiện
loại 3 và 5 bằng cách thay thế các biến trong sự kiện loại 3 vào sự
kiện loại 5.
4. Deduce_from45s: suy ra các sự kiện mới loại 3 từ các sự kiện loại 4
và 5 bằng cách giải hệ phương trình.
5. Deduce_from8s: suy ra các sự kiện loại 7 từ các sự kiện loại 8.
6. Deduce_from983s: suy ra các sự kiện loại 3, 8 từ các sự kiện loại 3,
8, 9 bằng cách thay thế các sự kiện loại 8 (hay sự kiện loại 3) vào
các sự kiện loại 9.
7. Deduce_Objects: thực hiện suy diễn và tính toán bên trong cấu trúc
của từng đối tượng. Các đối tượng tham gia vào bước giải có khả năng tham gia vào các bước giải có khả năng thực hiện các hành vi nhất định để phát sinh sự kiện mới, thực hiện suy diễn tính toán trên
các thuộc tính của đối tượng, bản thân đối tượng hay các đối tượng
liên quan được thiết lập trên nền của đối tượng.
8. Deduce_from9s: suy ra các sự kiện loại 2, 3 , 6, 7, 8 từ các sự kiện
loại 9 bằng cách thực hiện tính toán hàm.
9. Deduce_Rules: dò tìm luật có thể áp dụng được.
10.Deduce_Funcs: dò tìm hàm có thể áp dụng được.
11.Deduce_EqsGoal: giải hệ phương trình đơn giản gồm n phương
Chương 3: ƯU VÀ NHƯỢC ĐIỂM CỦA CÁC MÔ HÌNH
3.1 Ưu và nhược điểm của các mô hình
3.1.1 Ưu điểm và nhược điểm của biểu diễn tri thức bằng luật
Ưu điểm:
Biểu diễn tri thức bằng luật đặc biệt hữu hiệu trong những tình huống
hệ thống cần đưa ra những hành động dựa vào những sự kiện có thể quan sát được. Nó có những ưu điểm chính yếu sau đây:
- Các luật rất dễ hiểu nên có thể dễ dàng dùng để trao đổi với người
dùng (vì nó là một trong những dạng tự nhiên của ngôn ngữ).
- Có thể dễ dàng xây dựng được cơ chế suy luận và giải thích từ (adsbygoogle = window.adsbygoogle || []).push({});
các luật.
- Việc hiệu chỉnh và bảo trì hệ thống là tương đối dễ dàng.
- Có thể cải tiến dễ dàng để tích hợp các luật mờ.
- Các luật thường ít phụ thuộc vào nhau.
Nhược điểm:
- Các tri thức phức tạp đôi lúc đòi hỏi quá nhiều (hàng ngàn) luật
sinh. Điều này sẽ làm nảy sinh nhiều vấn đề liên quan đến tốc độ
lẫn quản trị hệ thống.
- Thống kê cho thấy, người xây dựng hệ thống trí tuệ nhân tạo thích
sử dụng luật sinh hơn tất cả phương pháp khác (dễ hiểu, dễ cài
đặt) nên họ thường tìm mọi cách để biểu diễn tri thức bằng luật
sinh cho dù có phương pháp khác thích hợp hơn! Đây là nhược
điểm mang tính chủ quan của con người.
- Cơ sở tri thức luật sinh lớn sẽ làm giới hạn khả năng tìm kiếm của
chương trình điều khiển. Nhiều hệ thống gặp khó khăn trong việc
đánh giá các hệ dựa trên luật sinh cũng như gặp khó khăn khi suy
3.1.2 Ưu điểm và nhược điểm của mạng ngữ nghĩa
Ưu điểm
- Mạng ngữ nghĩa rất linh động, ta có thể dễ dàng thêm vào mạng
các đỉnh hoặc cung mới để bổ sung các tri thức cần thiết.
- Mạng ngữ nghĩa có tính trực quan cao nên rất dễ hiểu.
- Mạng ngữ nghĩa cho phép các đỉnh có thể thừa kế các tính chất từ
các đỉnh khác thông qua các cung loại "là", từ đó, có thể tạo ra các liên kết "ngầm" giữa những đỉnh không có liên kết trực tiếp
với nhau.
- Mạng ngữ nghĩa hoạt động khá tự nhiên theo cách thức con người
ghi nhận thông tin.
Nhược điểm
- Cho đến nay, vẫn chưa có một chuẩn nào quy định các giới hạn
cho các đỉnh và cung của mạng. Nghĩa là bạn có thể gán ghép bất
kỳ khái niệm nào cho đỉnh hoặc cung! (adsbygoogle = window.adsbygoogle || []).push({});
- Tính thừa kế (vốn là một ưu điểm) trên mạng sẽ có thể dẫn đến
nguy cơ mâu thuẫn trong tri thức. Chẳng hạn, nếu bổ sung thêm nút "Gà" vào mạng như hình sau thì ta có thể kết luận rằng "Gà"
biết "bay"!. Sở dĩ có điều này là vì có sự không rõ ràng trong ngữ
nghĩa gán cho một nút của mạng. Bạn đọc có thể phản đối quan
điểm vì cho rằng, việc sinh ra mâu thuẫn là do ta thiết kế mạng dở
chứ không phải do khuyết điểm của mạng!. Tuy nhiên, xin lưu ý
rằng, tính thừa kế sinh ra rất nhiều mối liên "ngầm" nên khả năng
nảy sinh ra một mối liên hệ không hợp lệ là rất lớn!
- Hầu như không thể biển diễn các tri thức dạng thủ tục bằng mạng ngữ nghĩa vì các khái niệm về thời gian và trình tự không được thể hiện tường minh trên mạng ngữ nghĩa.
3.1.3 Ưu điểm và nhược điểm của mạng suy diễn tính toán
Ưu điểm:
- Giải được hầu hết các bài toán GT KL nếu như đáp ứng đầy đủ
các giả thiết cần thiết.
- Thuật toán đơn giản dễ cài đặt cho nên việc bảo trì hệ thống
tương đối đơn giản.
- Có thể xây dựng hệ thống suy luận và giải thích một cách rõ ràng
và dễ hiểu.
Khuyết điểm
- Do hệ thống chỉ bao gồm 1 cặp (M, F) để biểu diễn tri thức nên
khi gặp phải những bài toán phức tạp thì có thể xảy ra việc lưu trữ
khó khăn và nhập nhằng khi quản lý. Đồng thời việc xây dựng lại
thuật toán là một việc tương đối khó khăn phải bảo trì lại toàn
bộ hệ thống.
- Đối với các bài toán mà sử dụng nhiều các đối tượng tính toán bài
toán trở nên phức tạp, việc giải quyết bài toán bằng mạng tính
toán trở nên khó khăn cho người lập trình.
3.1.4 Ưu điểm và nhược điểm của mô hình frame
Ưu điểm:
- Có sức mạnh diễn đạt tốt, dễ cài đặt các thuộc tính cho các slot
cũng như các mối liên hệ, dễ dàng tạo ra các thủ tục chuyên biệt (adsbygoogle = window.adsbygoogle || []).push({});
hóa, dễ đưa vào các thông tin mặc định và dễ thực hiện các thao
tác phát hiện các giá trị bị thiếu sót.
Nhược điểm:
- Khó lập trình, khó suy diễn, thiếu phần mềm hỗ trợ.
3.1.5 Ưu điểm và nhược điểm của mô hình COKB
Ưu điểm:
- Cấu trúc tường minh giúp dễ dàng thiết kế các môđun truy cập cơ
- Thích hợp cho việc thiết kế một cơ sở tri thức với các khái niệm
có thể được biểu diễn bởi các đối tượng tính toán.
- Tiện lợi cho việc thiết kế các môđun giải bài toán tự động.
- Thích hợp cho việc định dạng ra một ngôn ngữ khai báo bài toán
và đặc tả bài toán một cách tự nhiên.
Với những ưu điểm trên, mô hình COKB là mô hình lý tưởng để biểu
diễn tri thức thay thế cho các mô hình biểu diễn tri thức thông thường. Bên
cạnh đó, công cụ Maple đã hỗ trợ một phần rất lớn cho mô hình COKB.
Đây chính là nền tảng để xây dựng phần mềm ứng dụng sẽ được trình bày ở chương tiếp theo.
3.2 Phối hợp nhiều cách biểu diễn tri thức
Mục tiêu chính biểu diễn tri thức trong máy tính là phục vụ cho việc
thu nhận tri thức vào máy tính, truy xuất tri thức và thực hiện các phép suy
luận dựa trên những tri thức đã lưu trữ. Do đó, để thỏa mãn được ba mục
tiêu trên, khi chọn phương pháp biểu diễn tri thức, chúng ta phải cân nhắc
một số yếu tố cơ bản sau đây:
- Tính tự nhiên, đồng bộ và dễ hiểu của biểu diễn tri thức.
- Mức độ trừu tượng của tri thức: tri thức được khai báo cụ thể hay
nhúng vào hệ thống dưới dạng các mã thủ tục
- Tính đơn thể và linh động của cơ sở tri thức (có cho phép dễ dàng bổ
sung tri thức, mức độ phụ thuộc giữa các tri thức,...)
- Tính hiệu quả trong việc truy xuất tri thức và sức mạnh của các phép
suy luận (theo kiểu heuristic)
Tuy vậy, như chúng ta đã biết, hiện nay vẫn chưa có một kiểu biểu (adsbygoogle = window.adsbygoogle || []).push({});
diễn tri thức nào phù hợp với mọi tình huống. Do đó, khi phải làm việc với
nhiều nguồn tri thức khác nhau (khác loại, khác tính chất), chúng ta nhiều
lúc phải hy sinh tính đồng bộ bằng cách sử dụng cùng lúc nhiều kiểu biểu
vậy, chúng ta lại nảy sinh ra vấn đề "dịch" một tri thức từ kiểu biểu diễn
này sang kiểu biểu diễn khác. Tuy thế nhưng một số hệ chương trình trí tuệ
gần đây vẫn dùng cùng lúc nhiều kiểu biểu diễn dữ liệu khác nhau.
Một trong những ví dụ kết hợp nhiều kiểu biểu diễn tri thức mà
chúng ta đã từng làm quen là kiểu kết hợp giữa frame và mạng ngữ nghĩa
trong việc trợ giúp giải bài toán hình học.
Một trong những sự phối hợp tương đối thành công là sự kết hợp
giữa luật sinh và frame. Luật sinh không đủ hiệu quả trong nhiều ứng dụng,
đặc biệt là trong các tác vụ định nghĩa, mô tả các đối tượng hoặc những mối
liên kết tĩnh giữa các đối tượng. Nhưng những yếu điểm này lại chính là ưu
điểm của frame. Ngày nay, đã có rất nhiều hệ thống đã tạo ra một kiểu biểu
diễn lai giữa luật sinh và frame có được ưu điểm của hai cách biểu diễn. Sự
thành công của các hệ thống nổi tiếng như KEE, Level5 Object và Nexpert
Object đã minh chứng cho điều này. Frame cung cấp một ngôn ngữ cấu
trúc hiệu quả để đặc tả những đối tượng xuất hiện trong các luật. Frame còn
đóng vai trò như một lớp hỗ trợ cho thao tác suy diễn cơ bản trên những đối
tượng không cần phải tương tác một cách tường minh trong các luật. Khả
năng phân lớp của frame còn có thể được dùng để phân hoạch, tạo chỉ mục và sắp xếp các luật sinh trong hệ thống. Khả năng này rất thích hợp cho
người dùng trong việc xây dựng và hiểu các luật, cũng như cũng có thể theo
dõi được các luật được sử dụng khi nào và cho mục gì.
Hình sau cho thấy một kiểu kết hợp giữa luật sinh và frame. Sự kết
hợp này đã cho phép tạo ra các luật so mẫu nhằm tăng tốc độ tìm kiếm của hệ thống. Kết quả của sự kết hợp này cho phép tạo ra các biểu diễn phức tạp hơn rất nhiều so với việc chỉ dùng frame.
Ví dụ kết hợp biểu diễn tri thức bằng luật sinh và frame trong bài
toán điều chế chất hóa học. Cho trước một số chất hóa học. Hãy xây dựng
chuỗi các phản ứng hóa học để điều chế một số chất hóa học khác.
Đầu tiên, đây là một ứng dụng hết sức tự nhiên của tri thức biểu diễn
dưới dạng luật. Lý do là vì bản thân các phản ứng hóa học tiêu chuẩn đều (adsbygoogle = window.adsbygoogle || []).push({});
được thể hiện dưới dạng luật. Chẳng hạn ta có các phương trình phản ứng sau: Na + Cl2→ NaCl Fe + Cl2→ FeCl2 Cu + Cl2→ CuCl2 Cl2 + H2O → HCl + HClO MnO2 + 4HCl → MnCl2 + Cl2+ H2O HCl + KMnO4→ KCl + MnCl2 + H2O + Cl2 NaCl + H2O → Cl2 + H2 + NaOH
Như vậy, nếu xem một chất hóa học là một sự kiện và một phương
cách rất tự nhiên, trở thành bài toán suy luận tiến trong cơ sở tri thức dạng luật dẫn.
Tuy nhiên, số lượng các phản ứng là rất lớn, nên ta không thể sử
dụng các luật dựa trên các phản ứng cụ thể như vậy mà phải sử dụng các phản ứng tổng quát hơn như:
Axit + Bazơ → Muối + Nước Kiềm + Nước → Xút + H2
(trong hóa học cũng có nhiều phản ứng rất đặc biệt không thể tổng
quát được, trong trường hợp này, ta sẽ xem phản ứng đó như là một luật riêng)
Để mô tả được các phản ứng tổng quát như trên, ta sẽ sử dụng các
frame. Chẳng hạn để đặc tả Acid Sulfuric H2SO4 ta sử dụng các frame tổng
quát sau.
KẾT LUẬN
Trong quá trình nghiên cứu và hoàn thành bài thu hoạch, em đã có dịp
tìm hiểu, đi sâu nghiên cứu kỹ hơn về các phương pháp biểu diễn tri thức.
Đây là một hướng nghiên cứu khá thú vị. Do thời gian hạn chế nên phạm
vi bài thu hoạch chỉ giới hạn trong việc tìm hiểu các mô hình biểu diễn tri
thức cơ bản, đặc biệt là mô hình tri thức về các đối tượng tính toán.
Đề tài này có thể mở rộng nghiên cứu, tìm hiểu và cài đặt phần mềm
ứng dụng mô hình biểu diễn tri thức các đối tượng tính toán để giải các bài
TÀI LIỆU THAM KHẢO
1. Hoàng Kiếm, Đỗ Văn Nhơn (2005), Mở rộng và phát triển mô hình tri
thức các đối tượng tính toán, NXB Khoa học Kỹ thuật
2. Đỗ Văn Nhơn (2001), Xây dựng hệ tính toán thông minh – Xây dựng
và phát triển các mô hình biểu diễn tri thức cho các hệ giải toán tự động, Luận án tiến sĩ, Trường Đại học Khoa học Tự nhiên, TP.HCM 3. Đỗ Tấn Nhàn (2005), Một mô hình Ontology và ứng dụng, Luận văn
thạc sĩ, Trường Đại học Khoa học Tự nhiên, TP.HCM
4. Nguyễn Chánh Tú (2006), Sử dụng Maple trong học tập, nghiên cứu
và giảng dạy toán, Trường Đại học Sư phạm Huế
5. PGS.TS Đỗ Văn Nhơn, Bài giảng môn học Biểu diễn tri thức và ứng
dụng, Trường Đại học Công nghệ Thông tin, TP.HCM
6. http://123doc.vn/document/24660-ung-dung-mang-tinh-toan-trong- (adsbygoogle = window.adsbygoogle || []).push({});