Phương pháp biểu diễn tri thức theo cách tiếp cận đại số - Luận án Tiến sĩ

Biểu diễn tri thức bằng tiếp cận đại số giúp hệ thống AI suy luận logic. Bài viết giới thiệu các khái niệm, kỹ thuật và ứng dụng thực tiễn.

• Tác giả: Nguyễn Đình Hiển
• Người hướng dẫn: Pgs. Đỗ Văn Nhơn
• Trường học: Trường Đại học Công nghệ Thông tin
• Chuyên ngành: Khoa học máy tính
• Đề tài: Phương Pháp Biểu Diễn Tri Thức Theo Cách Tiếp Cận Đại Số
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2019
• Địa điểm: Tp. Hồ Chí Minh

Mục lục chi tiết

• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Tổng quan về biểu diễn tri thức
• 1.2. Các phương pháp suy diễn
• 1.3. Mục tiêu luận án
• 1.3.1. Mục tiêu chung của luận án
• 1.3.2. Các vấn đề giải quyết trong luận án
• 1.4. Các kết quả của luận án
• 2. Chương 2: MÔ HÌNH TRI THỨC QUAN HỆ
• 2.1. Mô hình tri thức quan hệ
• 2.2. Mô hình bài toán và thuật giải

Tóm tắt

I. Tổng Quan Biểu Diễn Tri Thức Tiếp Cận Đại Số SEO

Trong lĩnh vực Trí Tuệ Nhân Tạo (AI), biểu diễn tri thức đóng vai trò then chốt trong việc xây dựng các hệ thống thông minh. Nó tập trung vào việc mô hình hóa tri thức thực tế thành định dạng mà máy tính có thể hiểu, lưu trữ và suy luận. Mục tiêu chính là giúp máy tính thực hiện các tác vụ tương tự như con người, đặc biệt là suy luận và giải quyết vấn đề. Nghiên cứu về biểu diễn tri thức không chỉ thúc đẩy sự phát triển của khoa học máy tính mà còn mở ra nhiều ứng dụng thực tế trong các lĩnh vực khác nhau. Một trong những phương pháp tiếp cận quan trọng là tiếp cận đại số (Algebraic Approach), sử dụng các cấu trúc đại số để mô hình hóa và thao tác tri thức. Phương pháp này mang lại tính hình thức cao, cho phép chứng minh tính đúng đắn của các suy luận và xây dựng các thuật toán hiệu quả. Tài liệu gốc nhấn mạnh rằng "biểu diễn tri thức và phương pháp suy diễn đóng một vai trò quan trọng, quyết định trong quá trình xây dựng và cài đặt hệ thống thông minh". Các phương pháp biểu diễn tri thức có thể được phân loại thành ba loại chính: các phương pháp cục bộ, các phương pháp cho miền tri thức tổng quát và các phương pháp cho ứng dụng thực tiễn. Mỗi loại có những ưu điểm và hạn chế riêng, phù hợp với các bài toán và yêu cầu khác nhau. Việc lựa chọn phương pháp biểu diễn tri thức phù hợp là yếu tố then chốt để xây dựng các hệ thống thông minh hiệu quả.

1.1. Tầm quan trọng của Biểu Diễn Tri Thức trong AI

Biểu diễn tri thức, hay Knowledge Representation, là nền tảng cốt lõi của Artificial Intelligence (AI). Khả năng của một hệ thống AI trong việc hiểu, suy luận và giải quyết vấn đề phụ thuộc trực tiếp vào cách thức tri thức được biểu diễn. Một biểu diễn tri thức tốt phải đảm bảo tính đầy đủ, rõ ràng, hiệu quả và dễ dàng suy luận. Thiếu sót trong biểu diễn có thể dẫn đến các kết luận sai lầm hoặc khả năng giải quyết vấn đề bị hạn chế. Ngược lại, một biểu diễn hiệu quả cho phép hệ thống AI tận dụng triệt để tri thức đã có để đưa ra các quyết định thông minh và thích ứng với môi trường. Ontology, Semantic Web, và Logic Programming đều đóng góp vào việc cải thiện hiệu quả biểu diễn. Các hệ thống Rule-Based Systems cũng dựa vào biểu diễn tri thức để đưa ra quyết định. Việc lựa chọn Knowledge Representation phù hợp là then chốt để tạo ra các hệ thống AI mạnh mẽ và linh hoạt.

1.2. Giới thiệu về Phương pháp Tiếp Cận Đại Số trong Biểu Diễn Tri Thức

Phương pháp tiếp cận đại số (Algebraic Approach) là một hướng đi đầy tiềm năng trong biểu diễn tri thức. Nó sử dụng các cấu trúc đại số như nhóm, vành, trường, để mô hình hóa tri thức và các thao tác trên tri thức. Ưu điểm nổi bật của phương pháp này là tính hình thức cao, cho phép chứng minh tính đúng đắn của các suy luận và xây dựng các thuật toán hiệu quả. Tiếp cận đại số đặc biệt hữu ích trong việc biểu diễn các mối quan hệ phức tạp và các luật suy diễn. Nó cung cấp một nền tảng toán học vững chắc để phát triển các hệ thống Automated Reasoning và Knowledge Engineering. Hơn nữa, nó tạo điều kiện cho việc kết hợp biểu diễn tri thức với các kỹ thuật Constraint Satisfaction và SAT Solving để giải quyết các bài toán phức tạp.

II. Thách Thức Trong Biểu Diễn Tri Thức Hiệu Quả SEO

Việc biểu diễn tri thức hiệu quả đối mặt với nhiều thách thức lớn. Một trong số đó là làm sao để biểu diễn được sự phức tạp và đa dạng của tri thức thực tế. Tri thức không chỉ bao gồm các sự kiện đơn giản mà còn cả các mối quan hệ phức tạp, các quy tắc, các ràng buộc, và cả sự không chắc chắn. Một hệ thống biểu diễn tri thức phải có khả năng mô hình hóa tất cả các khía cạnh này một cách đầy đủ và chính xác. Thêm vào đó, việc quản lý và duy trì một cơ sở tri thức lớn cũng là một vấn đề nan giải. Tri thức liên tục thay đổi và phát triển, do đó hệ thống phải có khả năng cập nhật và sửa đổi tri thức một cách linh hoạt và hiệu quả. Cuối cùng, việc đảm bảo tính nhất quán và tránh mâu thuẫn trong cơ sở tri thức là vô cùng quan trọng. Các phương pháp Logic Programming và Description Logic thường được sử dụng để giải quyết vấn đề này. Theo tài liệu gốc, "Bên cạnh việc biểu diễn các tri thức chắc chắn, các phương pháp biểu diễn tri thức không chắc chắn cũng được nghiên cứu".

2.1. Biểu diễn Tri Thức Không Chắc Chắn và Mơ Hồ

Trong thực tế, tri thức thường không hoàn toàn chắc chắn mà có thể mơ hồ, không đầy đủ, hoặc chứa đựng sự không chắc chắn. Các phương pháp biểu diễn tri thức truyền thống thường gặp khó khăn trong việc xử lý loại tri thức này. Do đó, việc phát triển các phương pháp biểu diễn tri thức có khả năng mô hình hóa sự không chắc chắn và mơ hồ là vô cùng quan trọng. Các kỹ thuật như Logic mờ (Fuzzy Logic), mạng Bayesian (Bayesian Networks), và lý thuyết chứng cứ (Dempster-Shafer theory) thường được sử dụng để giải quyết vấn đề này. Các phương pháp này cho phép hệ thống AI suy luận và đưa ra quyết định dựa trên tri thức không hoàn toàn chắc chắn, tương tự như cách con người xử lý thông tin trong thế giới thực.

2.2. Khả năng mở rộng và duy trì cơ sở Tri Thức lớn

Một thách thức khác trong biểu diễn tri thức là khả năng mở rộng và duy trì một cơ sở tri thức lớn. Khi lượng tri thức tăng lên, hệ thống phải có khả năng xử lý và truy xuất thông tin một cách hiệu quả. Các phương pháp biểu diễn tri thức phải được thiết kế sao cho có thể dễ dàng mở rộng và cập nhật tri thức mới mà không ảnh hưởng đến hiệu suất của hệ thống. Các kỹ thuật như mô hình hóa ontology (Ontology Modeling), quản lý tri thức dựa trên đồ thị (Graph-based Knowledge Management), và phân tán tri thức (Distributed Knowledge) thường được sử dụng để giải quyết vấn đề này.

III. Mô Hình Tri Thức Quan Hệ Rela Model Giải Pháp Đại Số SEO

Mô hình tri thức quan hệ (Rela-Model) là một phương pháp biểu diễn tri thức theo tiếp cận đại số, tập trung vào việc mô hình hóa các mối quan hệ giữa các khái niệm. Mô hình này sử dụng các cấu trúc đại số như tập hợp, quan hệ, và các luật suy diễn để biểu diễn tri thức. Điểm mạnh của Rela-Model là khả năng mô hình hóa các mối quan hệ phức tạp một cách rõ ràng và hình thức. Nó cung cấp một nền tảng toán học vững chắc để xây dựng các thuật toán suy luận và kiểm tra tính đúng đắn của các suy luận. Theo luận án gốc, Rela-Model bao gồm các thành phần chính là các khái niệm, mỗi khái niệm là một lớp các đối tượng, các quan hệ giữa các khái niệm và các luật suy diễn. Mô hình hóa các lớp bài toán trên mô hình và xây dựng thuật giải để giải quyết, đảm bảo dừng và hiệu quả.

3.1. Cấu trúc và Thành phần của Mô Hình Tri Thức Quan Hệ

Mô hình tri thức quan hệ (Rela-Model) bao gồm ba thành phần chính: các khái niệm (Concepts), các quan hệ (Relations), và các luật (Rules). Các khái niệm đại diện cho các đối tượng hoặc lớp đối tượng trong miền tri thức. Các quan hệ mô tả các mối liên kết giữa các khái niệm. Các luật định nghĩa các quy tắc suy luận và các ràng buộc trên các khái niệm và quan hệ. Cấu trúc hình thức này cho phép biểu diễn tri thức một cách rõ ràng, nhất quán và dễ dàng suy luận. Rela-Model có thể ứng dụng cho các bài toán trên một đối tượng và các bài toán tổng quát.

3.2. Các Loại Bài Toán và Thuật Toán Giải Quyết Trong Rela Model

Trong Rela-Model, các bài toán thường liên quan đến việc suy luận các mối quan hệ mới từ các mối quan hệ đã biết. Các thuật toán suy luận được xây dựng dựa trên các luật và các quy tắc đại số. Các bài toán có thể bao gồm việc xác định bao đóng của một tập hợp các sự kiện, tìm kiếm các đường đi giữa các khái niệm, và kiểm tra tính nhất quán của cơ sở tri thức. Việc thiết kế các thuật toán hiệu quả là rất quan trọng để đảm bảo khả năng giải quyết vấn đề của hệ thống. Mô hình bao gồm bài toán trên đối tượng và bài toán tổng quát trên mô hình tri thức.

IV. Biểu Diễn Tri Thức Toán Tử Ops Model Tiếp Cận Đại Số SEO

Mô hình tri thức toán tử (Ops-Model) là một phương pháp biểu diễn tri thức theo tiếp cận đại số, tập trung vào việc mô hình hóa các phép toán và các quy tắc biến đổi tri thức. Mô hình này sử dụng các cấu trúc đại số như các toán tử, các biểu thức, và các luật đẳng thức để biểu diễn tri thức. Ưu điểm của Ops-Model là khả năng mô hình hóa các quá trình biến đổi tri thức một cách rõ ràng và hình thức. Nó cung cấp một nền tảng toán học vững chắc để xây dựng các thuật toán rút gọn biểu thức, chứng minh đẳng thức, và giải quyết bài toán. Theo tài liệu, mô hình Ops-Model bao gồm các thành phần chính là các khái niệm, các toán tử và các luật, được chia làm hai loại: luật dẫn và luật dạng phương trình. Mô hình này có thể áp dụng cho cả bài toán trên một đối tượng và các bài toán tổng quát trên mô hình.

4.1. Cấu trúc và Thành phần của Mô Hình Tri Thức Toán Tử

Mô hình tri thức toán tử (Ops-Model) bao gồm ba thành phần chính: các khái niệm (Concepts), các toán tử (Operators), và các luật (Rules). Các khái niệm đại diện cho các đối tượng hoặc lớp đối tượng trong miền tri thức. Các toán tử mô tả các phép biến đổi trên các khái niệm. Các luật định nghĩa các quy tắc biến đổi và các ràng buộc trên các khái niệm và toán tử. Ops-Model hỗ trợ khảo sát các tính chất của toán tử như đối xứng, kết hợp, và phần tử trung hòa.

4.2. Ứng dụng Ops Model trong Giải Quyết Bài Toán Biến Đổi Tri Thức

Ops-Model đặc biệt hữu ích trong việc mô hình hóa và giải quyết các bài toán liên quan đến việc biến đổi tri thức. Các bài toán này có thể bao gồm việc rút gọn biểu thức, chứng minh đẳng thức, giải phương trình, và biến đổi đối tượng thành một dạng khác. Các thuật toán giải quyết được xây dựng dựa trên các luật và các quy tắc đại số. Việc thiết kế các thuật toán hiệu quả là rất quan trọng để đảm bảo khả năng giải quyết vấn đề của hệ thống.

4.3. Thuật toán suy diễn trên đối tượng và xác định giá trị biểu thức.

Các đối tượng sử dụng thuật toán 3.1 tham gia vào quá trình suy diễn thông qua các hành vi của chúng. Bên cạnh đó, hệ thống cũng sẽ tìm lời giải thông qua việc phát sinh các sự kiện dựa trên các luật dẫn và việc giải các phương trình được xây dựng từ các luật dạng đẳng thức của tri thức trong các thuật giải. Chính là bước suy luận trên bản thân đối tượng, trong quá trình này, đối tượng sẽ tự động suy luận phát sinh các sự kiện thông qua hành vi nội tại của đối tượng.

V. Kết Hợp Rela Model và Ops Model Biểu Diễn Tri Thức Mở Rộng SEO

Việc kết hợp Rela-Model và Ops-Model tạo ra một phương pháp biểu diễn tri thức mạnh mẽ và linh hoạt hơn, có khả năng mô hình hóa cả các mối quan hệ và các phép biến đổi tri thức. Mô hình kết hợp này, được gọi là Rela-Ops Model, sử dụng các cấu trúc đại số từ cả hai mô hình để biểu diễn tri thức. Ưu điểm của Rela-Ops Model là khả năng mô hình hóa các miền tri thức phức tạp, nơi cả các mối quan hệ và các phép biến đổi đều đóng vai trò quan trọng. Theo tài liệu, Rela-Ops Model là một bộ bao gồm các khái niệm, quan hệ, toán tử, và các luật. Mô hình này có thể áp dụng cho các bài toán đa dạng.

5.1. Cấu trúc và Thành phần của Mô Hình Rela Ops

Mô hình Rela-Ops bao gồm các khái niệm, các quan hệ giữa các khái niệm. Các khái niệm đại diện cho các đối tượng hoặc lớp đối tượng trong miền tri thức. Các quan hệ mô tả các mối liên kết giữa các khái niệm. Các luật định nghĩa các quy tắc suy luận và các ràng buộc trên các khái niệm và quan hệ. Cấu trúc hình thức này cho phép biểu diễn tri thức một cách rõ ràng, nhất quán và dễ dàng suy luận.

5.2. Ứng dụng Rela Ops Model trong Các Miền Tri Thức Phức Tạp

Rela-Ops Model đặc biệt hữu ích trong việc mô hình hóa và giải quyết các bài toán trong các miền tri thức phức tạp, nơi cả các mối quan hệ và các phép biến đổi đều đóng vai trò quan trọng. Các miền tri thức này có thể bao gồm đại số tuyến tính, hình học không gian, và lập trình logic. Các thuật toán giải quyết được xây dựng dựa trên các luật và các quy tắc đại số. Việc thiết kế các thuật toán hiệu quả là rất quan trọng để đảm bảo khả năng giải quyết vấn đề của hệ thống.

VI. Ứng Dụng Thực Tế và Hướng Phát Triển của Biểu Diễn Tri Thức SEO

Các phương pháp biểu diễn tri thức theo tiếp cận đại số có nhiều ứng dụng thực tế trong các lĩnh vực khác nhau. Một trong những ứng dụng quan trọng là xây dựng các hệ chuyên gia (Expert Systems), có khả năng mô phỏng kỹ năng và kiến thức của một chuyên gia trong một lĩnh vực cụ thể. Các hệ thống này có thể được sử dụng để giải quyết các vấn đề phức tạp, đưa ra các quyết định thông minh, và cung cấp các lời khuyên hữu ích. Các phương pháp này cũng có thể được sử dụng để xây dựng các hệ thống hỗ trợ học tập thông minh (Intelligent Tutoring Systems), có khả năng tùy chỉnh quá trình học tập cho từng người học, cung cấp các phản hồi và gợi ý phù hợp, và đánh giá kết quả học tập. Luận án cũng đề cập đến việc xây dựng hệ hỗ trợ giải bài tập thông minh kiến thức hình học không gian cấp Trung học phổ thông. Trong tương lai, các mô hình chỉ biểu diễn tri thức ở dạng “tĩnh”, cần phải kết hợp với khả năng tự động cập nhật tri thức thông qua các tác động của môi trường hoạt động của tri thức.

6.1. Xây dựng Hệ Chuyên Gia và Hệ Hỗ Trợ Học Tập Thông Minh

Các hệ thống AI hiện nay hướng đến việc xây dựng các hệ thống mang tính thực tiễn, phù hợp với năng lực con người trong một nhiệm vụ cụ thể. Các hệ thống này gồm 2 thành phần chính: Cơ sở tri thức và động cơ suy diễn. Các phương pháp hướng đến việc có thể ứng dụng trong nhiều miền tri thức để đáp ứng các nhu cầu tổ chức cơ sở tri thức trong các hệ chuyên gia khác nhau. Một số phương pháp biểu diễn tiêu biểu như biểu diễn dựa trên logic mô tả, xây dựng các đồ thị khái niệm trên cơ sở mạng ngữ nghĩa, biểu diễn bằng frame và script.

6.2. Hướng Phát Triển trong Tương Lai của Biểu Diễn Tri Thức

Việc nghiên cứu các mô hình biểu diễn tri thức theo tiếp cận đại số đã cho chúng ta một cơ sở toán học vững chắc trong việc biểu diễn các miền tri thức khác nhau trong thực tế. Các nghiên cứu tiếp theo sẽ hoàn thiện hơn các kết quả của mô hình tri thức để trở thành nền tảng cho việc xây dựng một công cụ hỗ trợ biểu diễn tri thức linh hoạt với khả năng giải quyết các vấn đề một cách tổng quát, có thể áp dụng cho việc tổ chức cơ sở tri thức và thiết kế động cơ suy diễn cho một miền tri thức có cấu trúc thích hợp.

Trích đoạn nội dung tài liệu

CHƯƠNG 1: TỔNG QUAN 1.1 Tổng quan về biểu diễn tri thức Trong khoa học Trí tuệ nhân tạo, biểu diễn tri thức và phương pháp suy diễn đóng một vai trò quan trọng, quyết định trong quá trình xây dựng và cài đặt hệ thống thông minh. Biểu diễn tri thức chính là nghiên cứu các phương pháp mô hình tri thức thực tế lên hệ thống máy tính để xác lập cách tổ chức lưu trữ tri thức trên máy tính, thông qua đó hệ thống có thể thực hiện một số tác vụ nhất định của con người, đặc biệt là hoạt động suy luận. Nghiên cứu biểu diễn tri thức đóng góp cho sự phát triển của khoa học máy tính đồng thời ảnh hưởng đến sự phát triển trong các ứng dụng thực tế trong các lĩnh vực từ trí tuệ nhân tạo đến công nghệ phần mềm. Phương pháp biểu diễn tri thức cùng với kĩ thuật suy diễn tương ứng là những thành phần cơ bản của hệ thống thông minh.1 Các phương pháp biểu diễn tri thức Hiện nay có nhiều phương pháp biểu diễn tri thức, các phương pháp này có thể phân thành các loại sau: - Các phương pháp biểu diễn mang tính cục bộ: bao gồm các phương pháp cổ điển như biểu diễn bằng logic, hệ luật dẫn, mạng ngữ nghĩ, kết hợp với các phương pháp tìm kiếm trên đồ thị để tìm kiếm mục tiêu của bài toán như BFS, DFS, A*,… Các phương pháp chỉ hướng đến việc giải quyết các vấn tri thức mang tính đơn lẻ.

Các hệ thống xây dựng các cấu trúc dữ liệu để giải quyết mục tiêu của bài toán bằng cách phân rã mục tiêu thành các mục tiêu nhỏ hơn, từ đó xây dựng các chiến lược để giải quyết các mục tiêu nhỏ hơn này. - Các phương pháp biểu diễn cho các miền tri thức tổng quát: Các hệ thống thông minh hiện nay hướng đến việc xây dựng 1 Downloaded by ANH BACH ([e-mail]) lOMoARcPSD|39150642 các hệ thống mang tính thực tiễn, phù hợp với năng lực con người trong một nhiệm vụ cụ thể. Các hệ thống này gồm 2 thành phần chính: Cơ sở tri thức và động cơ suy diễn. Các phương pháp hướng đến việc có thể ứng dụng trong nhiều miền tri thức để đáp ứng các nhu cầu tổ chức cơ sở tri thức trong các hệ chuyên gia khác nhau.

Một số phương pháp biểu diễn tiêu biểu như biểu diễn dựa trên logic mô tả, xây dựng các đồ thị khái niệm trên cơ sở mạng ngữ nghĩa, biểu diễn bằng frame và script. Các nhà nghiên cứu cũng xây dựng các phương pháp theo tiếp cận ontology dựa trên các framework, và các các mô hình hình thức (symbolic model) theo tiếp cận đại số. - Các phương pháp biểu diễn cho các ứng dụng thực tiễn mang tính hệ thống: Một số các phương pháp biểu diễn tri thức được nghiên cứu: biểu diễn bằng mạng neural, biểu diễn bằng các ontology, xây dựng các các mô hình hình thức cho việc biểu diễn tri thức. Hiện nay, các nhà nghiên cứu hướng đến việc xây dựng các hệ thống tích hợp dựa trên sự phối hợp các phương pháp biểu diễn tri thức.

Tri thức của hệ thống được thu thập từ các nguồn khác nhau như: mạng xã hội, hành vi và kiến thức con người thông qua các tương tác trên Internet, thông tin dưới dạng văn bản (text), và thông tin từ các tập dữ liệu lớn (big data). Điều này dẫn đến đòi hỏi cần phải có các phương pháp biểu diễn tri thức thích hợp cho các nguồn tri thức này, chẳng hạn như phương pháp sử dụng đồ thị tri thức. Vì vậy, bên cạnh việc biểu diễn các tri thức chắc chắn, các phương pháp biểu diễn tri thức không chắc chắn cũng được nghiên cứu.2 Các hệ thống ứng dụng a) Hệ chuyên gia Hệ chuyên gia (expert system) là một hệ thống xây dựng dựa trên cơ sở tri thức có thể mô phỏng kỹ năng và hành động của một 2 Downloaded by ANH BACH ([e-mail]) lOMoARcPSD|39150642 chuyên gia. Hệ chuyên gia sử dụng các tri thức của những chuyên gia để giải quyết các vấn đề khác nhau trong lĩnh vực.

Một hệ chuyên gia gồm hai thành phần chính là cơ sở tri thức và động cơ suy diễn, cùng với thành phần để hệ thống giao tiếp với người sử dụng. Cơ sở tri thức biểu diễn các sự kiện là những gì đã biết hay những thông tin có ích của chuyên gia. Hiện nay, cơ sở tri thức của hệ chuyên gia được xây dựng trên cấu trúc của của tri thức lĩnh vực và các khái niệm của tri thức theo tiếp cận hướng đối tượng. Động cơ suy diễn là một hệ thống suy diễn tự động dựa trên cơ sở tri thức thông qua việc áp dụng các luật của tri thức được đặc tả.

Bên cạnh việc suy diễn, động cơ suy diễn cũng có khả năng giải thích, để giải thích cho người sử dụng một chuỗi các lý luận được sử dụng để đi đến một kết luận cụ thể. Người dùng sẽ cung cấp sự kiện cho hệ thống thông qua bộ giao tiếp của hệ chuyên gia và nhận. được những câu trả lời là những lời khuyên hay những gợi ý từ hệ thống. b) Hệ hỗ trợ giải bài tập thông minh trong giáo dục Trong giáo dục, hệ thống cần phải có một hệ cơ sở tri thức đầy đủ để có thể hướng dẫn, hỗ trợ người học, đặc biệt là các hệ thống hỗ trợ giải bài tập thông minh (Intelligent Problem Solver – IPS).

Trong hệ thống này, người học chỉ cần khai báo các giả thiết và mục tiêu của bài toán theo một ngôn ngữ đặc tả nhất định. Người dùng có thể yêu cầu hệ thống giải hoặc đưa ra các hướng dẫn giải cho các bài tập đó. Vì vậy, các hệ thống hỗi trợ giải bài tập thông minh cần phải có một cơ sở tri thức đầy đủ để có thể giải được các bài tập thông dụng ở mức độ cơ bản và nâng cao trong kiến thức của môn học. Bên cạnh đó, các lời giải hay hướng dẫn của hệ thống này còn phải mang tính 3 Downloaded by ANH BACH ([e-mail]) lOMoARcPSD|39150642 sư phạm, giúp người dùng hiểu rõ hơn về bài học và phương pháp giải các bài tập.

Hệ thống này cần phải đảm bảo các yêu cầu sau: (RQ1) Chương trình có thể giải được các bài tập thông dụng của môn học. (RQ2) Bài toán phải được đặc tả bằng ngôn ngữ gần với ngôn ngữ tự nhiên của con người. Lời giải của bài toán cũng phải rõ ràng, từng bước, tương tự như cách giải của con người. (RQ3) Quá trình giải hay hướng dẫn giải bài tập cần phải tương tự như quá trình người học suy luận để giải quyết bài toán.

Để đáp ứng được các yêu cầu đó, hệ thống IPS phải có một cơ sở tri thức và bộ suy diễn mạnh mẽ để thực hiện. Vì vậy, một phương pháp biểu diễn tri thức cho hệ thống hỗ trợ giải bài tập thông minh cần phải thỏa các tiêu chuẩn sau: - Tính phổ quát (Universality): - Tính khả dụng (Usability) - Tính thực tiễn (Practicality) - Tính hình thức (Formality) Bảng 1.1: So sánh Các phương pháp biểu diễn dựa các tiêu chuẩn của biểu diễn tri thức cho hệ thống thông minh trong giáo dục ST Tính phổ Tính khả Tính thực Tính hình Phương pháp T quát dụng tiễn thức hóa 1 Biểu diễn bằng logic Mức 2 Mức 1 Mức 1 Mức 4 2 Biểu diễn bằng logic mô tả Mức 3 Mức 2 Mức 2 Mức 4 3 Biển diễn dạng mạng Mức 2 Mức 3 Mức 2 Mức 3 4 Biểu diễn tri thức dạng Frame Mức 2 Mức 2 Mức 2 Mức 2 5 Biểu diễn bằng ontology Mức 3 Mức 3 Mức 2 Mức 3 6 Biểu diễn theo tiếp cận đại số Mức 1 Mức 2 Mức 1 Mức 4 1.2 Các phương pháp suy diễn Bên cạnh mô hình biểu diễn tri thức, suy diễn để giải quyết các bài toán dựa trên tri thức cũng là một vấn đề quan trọng. Các phương pháp suy diễn tự động nhằm vận dụng kiến thức đã biết trong quá 4 Downloaded by ANH BACH ([e-mail]) lOMoARcPSD|39150642 trính lập luận giải quyết vấn đề trong đó quan trọng nhất là các chiến lược điều khiển giúp phát sinh những sự kiện mới từ các sự kiện đã có. Trên cơ sở suy luận thực tế của con người gồm các loại suy luận:  Suy diễn dạng diễn dịch (Deductive Reasoning).

 Suy diễn dạng quy nạp (Inductive Reasoning).  Suy diễn loại suy (Analogical Reasoning). Dựa trên các loại suy luận ấy, chúng ta có các dạng suy luận để sử dụng cho các mô hình biểu diễn tri thức: - Suy diễn tiến - Suy diễn lùi - Lập luận dựa trên tình huống - Suy diễn dựa trên tri thức Bài toán mẫu và Mẫu bài toán - Suy diễn với các heuristic.3 Mục tiêu luận án 1.1 Mục tiêu chung của luận án Luận án này sẽ xây dựng các mô hình để biểu diễn các thành phần tri thức, đặc biệt là các thành phần khái niệm, tri thức quan hệ, tri thức toán tử, các luật suy diễn. Các thành phần trong mô hình là những tập hợp có cấu trúc và các tính chất nhất định.

Các mô hình tri thức được xây dựng phải thể hiện các dạng tri thức khác nhau, phổ biến trong các ứng dụng thực tế, và mô hình được các vấn đề (bài toán) của miền tri thức. Thông qua cấu trúc của mô hình này, sự tồn tại lời giải của các bài toán cũng phải được nghiên cứu và chứng minh, để từ đó làm cơ sở để xây dựng các thuật giải suy diễn để giải quyết các vấn đề. 5 Downloaded by ANH BACH (bachvan15@gmail.2 Các vấn đề giải quyết trong luận án Trong thực tế, tri thức về quan hệ và tri thức toán tử là các thành phần tri thức thường gặp. Vì vậy, các mô hình biểu diễn tri thức phải biểu diễn được các thành phần tri thức có dạng này.

Do đó, luận án sẽ phải giải quyết các vấn đề sau: i/ Nghiên cứu cấu trúc của mô hình biểu diễn tri thức quan hệ, mô hình này có nền tảng là các khái niệm, quan hệ và luật suy diễn; đồng thời nghiên cứu việc suy luận giải quyết các vấn đề trên mô hình tri thức này, các vấn đề gồm: các bài toán trên một đối tượng và các bài toán tổng quát trên mô hình. ii/ Nghiên cứu cấu trúc của mô hình biểu diễn tri thức có chứa toán tử, mô hình này có nền tảng là các khái niệm, toán tử và luật suy diễn; đồng thời nghiên cứu việc suy luận giải quyết các vấn đề trên mô hình tri thức này, các vấn đề gồm: các bài toán trên một đối tượng và các bài toán tổng quát trên mô hình.