[Cẩm nang AI] Hệ thống chuyên gia (Expert System) là gì? Cách hệ thống ES giải quyết vấn đề

Trong cẩm nang AI này, chúng ta sẽ cùng tìm hiểu về hệ thống chuyên gia (tên tiếng Anh là Expert System) là gì, cũng như các đặc điểm về thành phần, phân loại của hệ thống này.

Ngoài ra, chúng ta cũng sẽ đi sơ lược qua các ưu nhược điểm của hệ thống này. Viettel IDC sẽ sử dụng nhiều hình ảnh minh họa trong bài viết để có thể thể hiện nó một cách đơn giản và giúp bạn hiểu nó dễ hơn.

Tìm hiểu về Expert System

Hệ thống chuyên gia trong trí tuệ nhân tạo AI là gì?

Có thể nói, hệ thống chuyên gia trong AI là các ứng dụng máy tính. Với sự trợ giúp của hệ thống này, chúng ta có thể giải quyết các vấn đề phức tạp. Chúng có mức độ thông minh và trình độ chuyên môn tương tự như con người.

I. Đặc điểm của hệ thống chuyên gia trong AI

     - Hiệu suất cao

     - Đáng tin cậy

     - Phản hồi cao

     - Dễ hiểu

II. Hệ thống chuyên gia trong AI có thể làm những gì?

Hệ thống chuyên gia có khả năng thực hiện các công việc:

     - Tư vấn

     - Hướng dẫn và hỗ trợ con người ra quyết định

     - Làm bằng chứng

     - Giúp tìm ra giải pháp

     - Hỗ trợ chẩn đoán

     - Giải thích

     - Thông dịch đầu vào

     - Dự đoán kết quả

     - Biện minh cho một kết luận cụ thể

 

Và đương nhiên, bạn cần lưu ý rằng hệ thống này sẽ không có khả năng làm những công việc:

     - Thay con người ra quyết định

     - Sở hữu toàn bộ khả năng của con người

     - Cho ra kết luận, kết quả đầu ra khi kiến thức đầu vào không được đầy đủ

     - Không thể tự điều chỉnh kiến thức bên trong chính hệ thống của mình.

Các thành phần của hệ thống chuyên gia trong AI

Các thành phần của hệ thống chuyên gia AI bao gồm:

     - Kiến thức cơ bản

     - Động cơ suy diễn

     - Giao diện người dùng

 

Hãy xem qua ví dụ đơn giản tóm tắt về từng thành phần:

 

Các thành phần bên trong hệ thống chuyên gia

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.

I. Kiến thức là gì?

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.

II. Các thành phần của hệ thống kiến thức

Về cơ bản, hệ thống kiến thức có hai thành phần:

    - Kiến thức thực tế: Các kỹ sư và học giả đã sử dụng kiến thức này trong miền nhiệm vụ.

    - Kiến thức Heuristic: Chúng ta có thể nói đây là tất cả những gì về thực hành, giúp phán đoán chính xác và có khả năng đánh giá của một người.

III. Trình bày tri thức (Knowledge Representation)

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.

IV. Thu nhận kiến ​​thức

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

 

Do đó, các kỹ sư cần phải thu thập thông tin chính xác. Họ thường thu thập thông tin này từ một chuyên gia chủ đề. Họ có nhiều cách khác nhau để thu thập thông tin theo những cách khác nhau, chẳng hạn như ghi âm, phỏng vấn và 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 cũng sẽ giám sát sự phát triển của hệ thống chuyên gia.

Động 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 trước đó

    - Chúng ta sẽ cần phải bổ sung kiến thức mới nếu hệ thống cần

   - Hệ thống này có khả năng giải quyết sự xung đột về quy tắc (trong trường hợp có nhiều quy tắc có thể áp dụng cho một trường hợp cụ thể)

 

Để đề xuất một giải pháp, động cơ suy luận sẽ sử dụng các chiến lược sau:

    - Chuyển tiếp chuỗi (Forward Chaining)

    - Chuỗi ngược (Backwards Chaining)

I. 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 cũng 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. 

 

Ví dụ: Dự đoán tình trạng thị trường cổ phiếu dưới tác động của những thay đổi trong lãi suất:

 

b. 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 cơ bản, những nguyên nhân để xảy ra sẽ có rất nhiều vấn đề. Do đó, hệ thống cố gắng tìm ra 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.

 

Ví dụ: Chẩn đoán ung thư máu ở người.

Giao diện người dùng

Nói chung, người sử dụng hệ thống chuyên gia trong AI cũng 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.

 

Có một số lời giải thích 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.

Nhược điểm của hệ thống chuyên gia trong AI

Cũng như các hệ thống khác, chúng ta có thể nhận thấy rằng không có công nghệ nào có thể đưa ra một giải pháp dễ dàng và đầy đủ. Ngoài ra, các hệ thống chuyên gia này quá tốn kém, chúng đòi hỏi thời gian phát triển và tài nguyên máy tính đáng kể.

 

Ngoài những đặc điểm đó, hệ thống chuyên gia AI cũng có những hạn chế như:

    - Hạn chế về trình độ công nghệ của con người

    - Việc tiếp thu kiến thức rất khó

    - Khó duy trì hệ thống chuyên gia

    - Chi phí để phát triển rất cao

Công nghệ trong hệ thống chuyên gia

Các công nghệ được sử dụng trong hệ thống chuyên gia bao gồm:

I. Môi trường phát triển hệ thống chuyên gia

Môi trường phát triển đề cập đến phần cứng và công cụ được bao gồm trong đó. Chúng gồm:

    - Máy tính mini, các máy trạm, máy tính lớn

    - Lập trình LIST (LISP) và PROgrammation en LOGique (PROLOG)

    - Hệ thống cơ sở dữ liệu lớn

II. Công cụ

Các công cụ được sử dụng để giảm bớt công sức và chi phí cho con người:

    - Các trình chỉnh sửa và công cụ gỡ lỗi mạnh mẽ

    - Các công cụ cho khả năng tạo mẫu nhanh chóng.

    - Có sẵn các định nghĩa về mô hình, biểu diễn tri thức và thiết kế suy luận.

Lợi ích của hệ thống chuyên gia

I. Khả dụng

Do yêu cầu về sự sản xuất hàng loạt phần mềm, các hệ thống chuyên gia luôn có sẵn để phục vụ người dùng.

 

II. Chi phí sản xuất phù hợp

Chi phí sản xuất của một hệ thống chuyên gia cũng khá hợp lý với mọi người.

 

III. Tốc độ

Hệ thống chuyên gia cung cấp tốc độ tuyệt vời. Nhưng bạn cũng đừng quên hãy giảm bớt số lượng công việc mà một cá nhân đưa vào để tối ưu tốc độ một cách tốt nhất nhé!

 

IV. Tỷ lệ lỗi ít hơn

Nhìn chung, tỷ lệ xuất hiện lỗi của hệ thống chuyên gia thấp hơn nhiều so với lỗi của con người.

 

V. Giảm tính nguy hiểm

Hệ thống này có thể được sử dụng trong bất kỳ môi trường rủi ro nào mà con người không thể làm việc.

 

VI. Tính thường xuyên

Kiến thức sẽ tồn tại lâu dài vô thời hạn.

 

VII. Hỗ trợ nhiều chuyên môn

Hệ thống này có thể được thiết kế để sở hữu kiến ​​thức của nhiều chuyên gia trong nhiều lĩnh vực, chuyên môn khác nhau.

 

VIII. Giải trình

Chúng có khả năng giải thích chi tiết những lý do dẫn đến kết luận như vậy.

Ứng dụng của hệ thống chuyên gia AI

I. Miền thiết kế

Chúng ta sẽ sử dụng các hệ thống chuyên gia trong việc thiết kế ống kính máy ảnh và ô tô.

 

II. Hệ thống giám sát

Dữ liệu này được so sánh với một hệ thống quan sát.

 

III. Hệ thống kiểm soát quy trình

Chúng ta có thể kiểm soát quá trình vật lý dựa trên việc giám sát.

 

IV. Miền tri thức

Tìm ra lỗi trên xe, máy tính.

 

V. Tài chính Thương mại

Hệ thống chuyên gia được sử dụng để phát hiện các tình trạng gian lận có thể xảy ra.

Phần kết luận

Vậy là chúng ta đã cùng nhau tìm hiểu về hệ thống chuyên gia (Expert System) trong trí tuệ nhân tạo AI cũng như các đặc điểm, thành phần, ứng dụng của hệ thống này. Nếu bạn có bất kỳ  thắc mắc gì khác cần giải đáp, đừng ngần ngại liên hệ Viettel IDC nhé!

  

 

>> Xem tiếp: Bài 18: Xử lý ngôn ngữ tự nhiên (Natural Language Processing) trong AI là gì?

>> Xem lại: Bài 16: Hệ thống Logic mờ (Fuzzy Logic) là gì?

 

 

 

Để tìm hiểu thêm về giải pháp Giám sát & Ứng dụng AI, vui lòng liên hệ đến Viettel IDC:

 

- Hotline: 1800.8088 (miễn phí cước gọi)

- Fanpage: https://www.facebook.com/viettelidc

- Website: https://viettelidc.com.vn