Bài giảng Hệ chuyên gia - Phan Huy Khánh - Chương 4: Phát triển các hệ chuyên gia

hát triển một hệ HCG cũng tác động nhiều trong một 
hệ thống chất lượng thương mại
a Người ta luôn mong muốn nhận được những thành công 
một khi HCG được phân phối đến người dùng 
22/53
Tiếp nhận tri thức trong một HCG
Đối thoại (dialog)
Tri thức tường minh
 (explicit knowledge)
Tri thức chuyên gia
 (Human Expert)
Công nghệ
tri thức
 (Knowledge Engineer)
Cơ sở
tri thức hệ
chuyên gia
(Knowledge Base of Expert System)
23/53
Phân phối sản phẩm HCG
a Hệ thống được phân phối (Delivery) như thế nào ?
V Vấn đề phân phối một sản phẩm phụ thuộc chủ yếu vào số 
lượng các HCG sẽ được phát triển và hệ thống dịch vụ
V Xu thế thị trường đòi hỏi phát triển các HCG chạy trên nền 
các thiết bị phần cứng chuẩn
V Mặt khác, một số HCG đòi hỏi cần có phần mềm hệ thống và
các công cụ midleware theo yêu cầu, chẳng hạn bộ xử lý 
LISP, từ đó có thể làm tăng giá thành sản phẩm
a Nói chung, một HCG cần phải được tích hợp (integrated) 
với những chương trình đã có sẵn với ưu điểm :
V Dùng lời gọi thủ tục từ một ngôn ngữ lập trình thông thường 
V Tận dụng môi trường hệ thống để trợ giúp khai thác HCG
24/53
Bảo trì
và
phát triển HCG
a Các HCG đòi hỏi các hoạt động bảo trì (Maintenance) và
tiến triển (Evolve) không hạn chế (Open-Ended)
so với các chương trình thông thường
a Lý do :
V HCG không dựa trên các thuật toán, mà thành tích 
(Performance) của chúng phụ thuộc vào tri thức có được
V HCG đòi hỏi phải thường xuyên cập nhật tri thức (System 
Improves) :
™ Bổ sung mới
™ Thay đổi tri thức cũ, lạc hậu...
25/53
Quản lý khai thác HCG
a Một sản phảm có chất lượng thương mại (commercial 
quality product) như các HCG, đòi hỏi phải có quy trình khai 
thác hiệu quả và chặt chẽ
V Thu thập một cách có hệ thống và có định kỳ các báo cáo
sai sót hệ thống do NSD phát hiện
V Việc bảo trì chỉ được thực hiện tốt khi thu thập đầy đủ các 
báo cáo sai sót
a Lập kế hoạch phòng ngừa rủi ro khai thác :
V Mô tả: Xác định vấn đề (rủi ro)
V Giả thiết: Hoàn cảnh có thể làm xuất hiện rủi ro
V Xác suất: Ước lượng khả năng xuất hiện (%)
V Đánh giá ảnh hưởng đối với kết quả khai thác
V Cách giải quyết (đối sách) 
26/53
Các giai đoạn cơ bản để
phát triển một HCG 
Thuyết trình hay báo cáo kết quả
so sánh
chỉ
ra tính khả
thi của dự
án
 ì 
ỉ
 í 
i 
Nghiên cứu khả
thi
(feasibility study)
i 
i
f i ili 
Phác thảo nhanh bản mẫu 
(rapid prototype)
i 
Làm mịn hệ
thống
(Refined system : a-test)
 ị 
fi 
Kiểm thử
(β
-test)
(field testable)
i 
fi l l
Chất lượng sản phẩm
(commercial quality)
t l 
i l lit
Bảo trì
và
phát triển
(maintenance&evolution)
 ì
 i
i l i
Tìm lỗi sai (fix bugs) và
tìm những khả năng mở
rộng (enhance capabilities)
ì l i i fi 
tì 
 iliti
Hợp thức hóa và
thử
nghiệm, viết tài liệu hướng 
dẫn sử
dụng, đào tạo, trợ
giúp khách hàng qua 
điện thoại, email kịp thời
i , i t i li 
, t , 
i 
i i, il ị t i
Lựa chọn người sử
dụng để
kiểm thử
hệ
thống, 
không nhờ
công nghệ
tri thức và
chuyên gia
 i 
i t
t , 
t i t 
 i
Kiểm thử
hệ
thống cho bài toán thực tế
nhờ
công nghệ
tri thức và
chuyên gia
i 
 i t t t
t i t 
 i
HCG thể
hiện ý tưởng, khởi động sự
nhiệt tình
và đặt nền móng quản lý ở
mức cao
i , i 
i t tì
 t l 
27/53
Sai sót trong quá
trình phát triển HCG
a Quá trình phát triển một SPPM nói chung,
một HCG nói riêng, thường gặp phải rủi ro, sai sót 
a Người ta phân ra thành nhiều loại sai sót chủ yếu :
V Sai sót trong tri thức chuyên gia
V Sai sót ngữ nghĩa
V Sai sót cú pháp
V Sai sót do máy suy diễn
28/53
Sai sót trong tri thức chuyên gia
a Chuyên gia là nguồn tri thức của một HCG
a Nếu tri thức chuyên gia không đúng và không đầy đủ,
hậu quả sai sót sẽ ảnh hưởng suốt quá trình phát triển hệ thống và
khai thác sau này
a Ví dụ trường hợp NASA, Hoa Kỳ :
V Để hạn chế những sai sót có thể trong các chuyến bay vũ trụ, 
NASA đã sử dụng bảng kỹ thuật bay (Flight Technique Panels)
V Các bảng này do nhiều thành phần chuyên gia tham gia kiểm soát 
nhằm bảo đảm tính đầy đủ và bao trùm hết mọi lĩnh vực :
™ Những NSD hệ thống
™ Các chuyên gia lĩnh vực độc lập
™ Những người phát triển hệ thống
™ Những người quản trị
29/53
Sai sót ngữ
nghĩa
a Sai sót ngữ nghĩa xảy ra do hiểu sai tri thức đưa vào HCG
a Ví dụ, giả sử một chuyên gia nói :
V « You can extinguish a fire with water »
a Công nghệ tri thức lại hiểu câu này là :
V « All fires can be extinguished by water »
30/53
Các sai sót khác
aSai sót cú pháp
V Do biểu diễn sai dạng các luật và các sự kiện
V hoặc do sai sót ngữ nghĩa
V hoặc sai sót trong tri thức chuyên gia ở các bước trước
aSai sót do máy suy diễn
V Máy suy diễn là một chương trình nên có thể gặp lỗi
khi thực hiện và có thể xác định được nguyên nhân
V Tuy nhiên, việc xác định lỗi trong một số HCG vẫn gặp khó 
khăn, do phụ thuộc vào công cụ phần mềm sử dụng 
31/53
Sai sót và
nguyên nhân sai sót 
a Sai sót trong tri thức của chuyên gia :
thiếu sót nhầm lẫn...
a Sai sót về mặt ngữ nghĩa giữa
công nghệ tri thức và chuyên gia
a Suy luận (elicitation) không đầy đủ
về tri thức từ chuyên gia
a Sai sót về mặt cú pháp
a Sai sót do thiếu sót và nhầm lẫn tri thức 
trong các luật và các sự kiện,
tính không chắc chắn
a Lỗi của máy suy diễn,
lỗi phần mềm công cụ HCG
a Lỗi suy diễn do xác định sai độ ưu tiên 
của các luật, tương tác giữa các luật,
sai trong cơ sở tri thức,
suy luận không nhất quán... 
Chuyên gia
 (expert)
 i
Công nghệ
tri thức 
(knowledge engineer)
i
l i
Cơ sở
tri thức
 (knowledge base)
i
 l
Máy suy diễn 
(inference engine)
i
i i
Phép suy diễn 
(inference chain)
i
i i
32/53
Bộ
sinh của HCG
a Bộ sinh của HCG (Expert System Generator) bao gồm :
V Một máy suy diễn,
V Một ngôn ngữ thể hiện tri thức (bên ngoài)
V Một tập hợp các cấu trúc và các quy ước
thể hiện các tri thức (bên trong)
a Theo cách nào đó, các cấu trúc và các quy ước này xác 
định một cơ sở tri thức rỗng (hay rỗng bộ phận)
a Nhờ các tri thức chuyên môn để định nghĩa một HCG,
người ta đã tạo ra bộ sinh để làm đầy cơ sở tri thức
V Chẳng hạn, EMYCIN là tên của bộ sinh của HCG MYCIN và được 
tiếp tục áp dụng cho một số lĩnh vực
V HCG R1 được xây dựng từ bộ sinh OPS (là hệ thống luật được phát 
triển bởi Charles Forgy năm 1975 tại Carnegie-Mellon University)
33/53
Một số
hậu duệ
của EMYCIN
EMYCIN
PUFF bệnh lý phổi
HEADMED dược học tâm thần (Psycho-Pharmacology)
SACON xây dựng cơ khí
DART hỏng hóc máy tính
SECOFOR khoan dầu mỏ
TOM bệnh lý cà
chua
...
34/53
Một số
hậu duệ
của OPS-5
OPS-5
R1/XCON cấu hình máy tính
ACE bảo vệ đường dây điện thoại
AIRPLAN cất cánh và
hạ
cánh máy bay
AI-SPEAR theo dõi máy tính
YES / MVS điều khiển máy tính 
...
35/53
Thống kê luật của cácHCG 
a Nhờ bộ sinh, mỗi hệ HCG có thể chứa từ hàng trăm
đến hàng ngàn luật
a Bảng dưới đây thống kê số luật của một số HCG : 
HCG Lĩnh vực Năm xuất hiện Số
luật
MYCIN Y học 1974 500
PROSPECTOR Địa chất 1979 1 600
R1/XCON Tin học 1980 > 7 000
LITHO Địa chất 1982 500
SPHINX Y học 1984 400
TOM Nông học 1984 200
36/53
Khả năng «học»
(learn)
a Một trong những nét hấp dẫn của tiếp cận HCG là khả năng 
«học» (learn) của hệ thống nhằm thường xuyên sửa đổi và
hoàn thiện cơ sở tri thức vốn có
a Sơ đồ dưới đây cho biết sự tiến triển của hai HCG nổi tiếng 
của Mỹ là MYCIN và R1 :
V MYCIN 1974 : 200 luật hiện nay : 500 luật
V R1 1980 : 800
1981 : 1 000
1982 : 1 500
1983 : 2 000
1984 : > 3 000
1985 : > 7 000
37/53
Soạn thảo các luật 
a Người ta sử dụng một số quy ước soạn thảo luật như sau :
V Mỗi luật do chuyên gia cung cấp :
™ Phải định nghĩa được các điều kiện khởi động (tác nhân) hay 
tiền đề của luật, nghĩa là các tình huống (được xác định bởi các 
quan hệ trên tập hợp dữ liệu đã cho) và hậu quả của luật, để
luật này có thể áp dụng
™ Theo cách dùng thông thường, người ta đặt tên riêng cho luật 
để chọn áp dụng, hoặc cung cấp một nhóm các sự kiện (fact) 
tương thích với điều kiện khởi động của luật
V Trong luật, không bao giờ người ta chỉ định một luật khác 
bởi tên riêng
a Ví dụ : luật R sau đây tuân thủ hai đặc trưng :
IF
bệnh nhân sốt 
AND
tốc độ
lắng huyết cầu trong máu tăng lên
THEN
bệnh nhân nhiễm bệnh virut
38/53
Nhận xét
a Phương pháp biểu diễn tri thức sử dụng luất có nhiều ưu 
điểm và người ta thường sử dụng phương pháp này để
phát triển các HCG
V Cách biểu diễn các điều kiện khởi động trong luật phù hợp 
với cách tư duy tự nhiên của các chuyên gia
V Người ta dễ dàng thể hiện cũng như sửa đổi các tri thức tiếp 
nhận
V Người ta không nhất thiết phải đặt tên cho luật để có thể gọi 
đến khi cần, mà có thể khai thác thông tin từ các điều kiện 
khởi động của luật
39/53
Structure of a rule-based expert system
a In the early seventies, Newell and Simon from Carnegie-
Mellon University proposed a production system model, the 
foundation of the modern rule-based expert systems
a The production model is based on the idea that humans 
solve problems by applying their knowledge (expressed as 
production rules) to a given problem represented by 
problem-specific information
a The production rules are stored in the long-term memory 
and the problem-specific information or facts in the short-
term memory
40/53
Production system model
Conclusion
REASONING
Long-term Memory
Production Rule
Short-term Memory
Fact
41/53
Basic structure of a rule-based expert system
Inference Engine
Knowledge Base
Rule: IF-THEN
Database
Fact
Explanation Facilities
User Interface
User
42/53
Complete structure of a rule-based expert system
User
External
Database External Programl 
Inference Engine
Knowledge
Base
Rule: IF-THEN
Database
Explanation Facilities
User Interface Developer Interface
Expert System
Expert
Knowledge Engineerl i
Fact
43/53
Comparison of expert systems 
with conventional systems and human experts _ 1
44/53
Comparison of expert systems 
with conventional systems and human experts _ 2