Bài giảng Trí tuệ nhân tạo - Bài 9+10: Biểu diễn tri thức bởi các luật và lập luận

I. Biểu diễn tri thức bằng luật sinh

 Ngôn ngữ bao gồm các luật nếu - thì (if - then), còn gọi

là các luật sinh (luật sản xuất - production rule), là ngôn

ngữ phổ biến nhất để biểu diễn tri thức.

Câu Horn có dạng

trong đó Pi (i = 1, ., n) và Q là các câu phân tử.

Các câu Horn còn được viết dưới dạng :

 nếu P1 và P2 . và Pn thì Q

 (if P1 and . and Pn then Q)

 các Pi (i = 1, ., n) được gọi là các điều kiện, Q được gọi

là kết luận của luật

pdf 16 trang yennguyen 10160
Bạn đang xem tài liệu "Bài giảng Trí tuệ nhân tạo - Bài 9+10: Biểu diễn tri thức bởi các luật và lập luận", để tải tài liệu gốc về máy hãy click vào nút Download ở trên

Tóm tắt nội dung tài liệu: Bài giảng Trí tuệ nhân tạo - Bài 9+10: Biểu diễn tri thức bởi các luật và lập luận

Bài giảng Trí tuệ nhân tạo - Bài 9+10: Biểu diễn tri thức bởi các luật và lập luận
Lec 7–8 TTNT. p.1
Lec 9-10 
Biểu diễn tri thức bởi 
các luật và lập luận
(74)
Lec 7. p.2
Nội Dung
 I. Biểu diễn tri thức bằng luật sinh
 II. Cơ chế suy diễn
– Lập luận tiến
– Lập luận lùi
Lec 7. p.3
I. Biểu diễn tri thức bằng luật sinh 
 Ngôn ngữ bao gồm các luật nếu - thì (if - then), còn gọi 
là các luật sinh (luật sản xuất - production rule), là ngôn 
ngữ phổ biến nhất để biểu diễn tri thức. 
Câu Horn có dạng 
trong đó Pi (i = 1, ..., n) và Q là các câu phân tử. 
Các câu Horn còn được viết dưới dạng :
 nếu P1 và P2 ... và Pn thì Q 
 (if P1 and ... and Pn then Q) 
 các Pi (i = 1, ..., n) được gọi là các điều kiện, Q được gọi 
là kết luận của luật. 
Lec 7. p.4
Biểu diễn tri thức bằng luật sinh 
1. Ưu điểm của các luật nếu – thì:
 Mỗi luật nếu - thì mô tả một phần nhỏ tương đối 
độc lập của tri thức. 
 Có thể thêm và cơ sở tri thức các luật mới, hoặc 
loại bỏ một số luật cũ mà không ảnh hưởng nhiều 
tới các luật khác. 
 Các hệ tri thức với cơ sở tri thức gồm các luật 
nếu - thì có khả năng đưa ra lời giải thích cho các 
quyết định của hệ. 
Lec 7. p.5
 Sau đây là một luật về chẩn đoán bệnh: 
 Nếu 
 1. bệnh nhân ho lâu ngày, và 
 2. bệnh nhân thường sốt vào buổi chiều 
 Thì bệnh nhân có khả năng bệnh lao 
 Một luật về kinh nghiệm dự báo thời tiết: 
 Nếu chuồn chuồn bay thấp thì trời sẽ mưa 
 Nhiều định lý trong toán học có thể biểu diễn bởi các 
luật. 
 VD: Nếu tam giác có một góc bằng 60 và tam giác có 
hai cạnh bằng nhau thì tam giác đó là tam giác đều. 
Lec 7. p.6
DẠNG LUẬT:
 nếu 
 1. , và 
 2. , và 
 .... 
 m. 
 thì 
Lec 7. p.7
B. Cơ chế suy diễn
Khái niêm về suy diễn và lập luận
 Suy diễn (inference) và lập luận (reasoning): chỉ một tiến trình 
đưa đến kết luận từ các giả thiết cho ở dạng cơ sở tri thức (sự 
kiện, quy luật) 
 Các hệ tri thức mà cơ sở tri thức bao gồm các luật sẽ được gọi là 
các hệ dựa trên luật (rule - based system).
 Phương pháp luận lập luận cơ bản trong các hệ dựa luật: 
– Lập luận tiến 
– Lập luận lùi 
 Cơ sở tri thức được phân chia thành hai bộ phận:
– Cơ sở luật: bao gồm các luật có ít nhất một điều kiện, biểu 
diễn các tri thức chung về lĩnh vực áp dụng. 
– Cơ sở sự kiện: bao gồm các câu phần tử (các luật không điều 
kiện) mô tả các sự kiện mà chúng ta biết về các đối tượng 
trong lĩnh vực áp dụng. 
Lec 7. p.8
Lập luận tiến
 Tư tưởng cơ bản: áp dụng luật suy diễn Modus Ponens 
tổng quát 
 Trong mỗi bước của thủ tục lập luận tiến, người ta xét 
một luật trong cơ sở luật. Đối sánh mỗi điều kiện của 
luật với các sự kiện trong cơ sở sự kiện:
– Nếu tất cả các điều kiện của luật đều được thoả mãn thì sự kiện 
trong phần kết luận của luật được xem là sự kiện được suy ra.
– Nếu sự kiện này là sự kiện mới (không có trong bộ nhớ làm 
việc), thì nó được đặt vào bộ nhớ làm việc. 
 Quá trình trên được lặp lại cho tới khi nào không có luật 
nào sinh ra các sự kiện mới. 
Lec 7. p.9
Lập luận tiến
 Quá trình lập luận tiến (forward chaining hoặc forward 
reasoning): xem xét các luật, đi từ phần điều kiện tới 
phần kết luận của luật. Nếu tất cả các điều kiện của luật 
đều được làm thoả mãn (bởi các sự kiện trong cơ sở sự 
kiện), thì suy ra sự kiện trong phần kết luận của luật.
 Quá trình lập luận tiến không định hướng tới giải quyết 
một vấn đề nào cả, không định hướng tới tìm ra câu trả 
lời cho một câu hỏi nào cả. 
 Lập luận tiến chỉ là quá trình suy ra các sự kiện mới từ 
các sự kiện trong bộ nhớ làm việc gọi là lập luận điều 
khiển bởi dữ liệu (data - driven reasioning), hoặc lập 
luận định hướng dữ liệu (data - directed reasioning). 
Lec 7. p.10
Thủ tục lập luận tiến
 Cở sở luật: RB (Rule Base)
 Cở sở sự kiện (bộ nhớ làm việc): FB (Fact Base) 
 Với mỗi luật R: Nếu P1 và P2 ... Pm thì Q 
ký hiệu Conds = [P1, P2, ..., Pm], Conc = Q. 
R = (Conds(R), Conc(R)) 
 Áp dụng luật suy diễn sau:
Lec 7. p.11
Thủ tục For_Chain
Thực hiện quá trình áp dụng luật suy diễn nêu trên để giảm bớt số 
điều kiện của một luật trong cơ sở luật. Nếu dẫn tới một luật có 
phần điều kiện rỗng tức là đã suy ra một sự kiện. 
Lec 7. p.12
Thủ tục lập luận tiến
Quá trình lập luận tiến là quá trình áp dụng thủ tục trên cho các 
luật trong cơ sở luật cho đến khi không có sự kiện mới nào 
xuất hiện: 
Lec 7. p.13
Lập luận lùi
 Tư tưởng: đưa ra các giả thuyết cần được đánh giá, giả thuyết đưa 
ra hoặc là được chứng minh, hoặc là bị bác bỏ (bởi các sự kiện 
trong bộ nhớ làm việc). 
 Quá trình lập luận lùi: Đối sánh giả thuyết đưa ra với các sự kiện 
trong bộ nhớ làm việc:
– Nếu có một sự kiện “khớp” với giả thuyết, thì ta xem như giả 
thuyết là đúng. 
– Nếu không cớ sự kiện nào khớp với giả thuyết, thì đối sánh giả 
thuyết với phần kết luận của các luật. Với mỗi luật mà kết luận 
của luật khớp với giả thuyết, ta đi lùi lại phần điều kiện của 
luật. Các điều kiện này của luật được xem như các giả thuyết 
mới. Với giả thuyết mới, ta lập lại quá trình trên
Nếu tất cả các giả thuyết được sinh ra trong quá trình phát triển 
các giả thuyết bởi các luật được chọn thích hợp đều được thoả 
mãn (đều có trong bộ nhớ làm việc) thì giả thuyết đã đưa ra 
được xem là đúng. Ngược lại, thì giả thuyết đã đưa ra được 
xem là sai. 
Lec 7. p.14
Lập luận lùi
Procedure Backward_Chaining(Hyp, θ);
Begin
H ← giả thuyết đầu tiên trong Hyp;
for mỗi luật R = (Conds, Q) do
if H hợp nhất với Q bởi θ1 then
1. loại H khỏi Hyp → Hyp1;
2. thêm các điều kiện Conds vào Hyp1;
3. áp dụng θ1 vào các giả thuyết trong Hyp1;
4. θ’ ← θθ1 ;
if Hyp1 = [] then return θ’
else Backward_chaining(Hyp1, θ’);
end;
Lec 7. p.15
So sánh
 Suy diễn tiến là phương pháp hướng dữ liệu
– Có thể có nhiều bước suy diễn không định hướng tới 
đích
– Dễ cài đặt
 Suy diễn lùi là hướng sự kiện
– Khó cài đặt
– Thích hợp với những bài toán chứng minh
Lec 7. p.16
Lập luận tiến
Ví dụ
 Cơ sở luật về các động vật trong sở thú: 
 Luật 1: nếu động vật có lông mao 
 thì động vật là loài có vú 
 Luật 2: nếu động vật có lông vũ 
 thì động vật là chim 

 Luật 3: nếu 1. động vật biết bay, và 
 2. động vật đẻ trứng 
 thì động vật là chim 
 Luật 4: nếu 1. động vật là loài có vú, và 
 2. động vật ăn thịt 
 thì động vật là thú ăn thịt 
 Luật 5: nếu 1. động vật là loài có vú, và 
 2. động vật có răng nhọn, và 
 3. động vật có móng vuốt 
 thì động vật là thú ăn thịt 
 Luật 6: nếu 1. động vật là thú ăn thịt, và 
 2. động vật có màu lông vàng hung, và 
 3. động vật có đốm sẫm 
 thì động vật là báo Châu Phi 
 Luật 7: nếu 1. động vật là thú ăn thịt, và 
 2. động vật có màu lông vàng hung, và 
 3. động vật có vằn đen 

File đính kèm:

  • pdfbai_giang_tri_tue_nhan_tao_bai_910_bieu_dien_tri_thuc_boi_ca.pdf