phần mở đầu và phần kết luận. Cuối luận văn là danh sách các tài liệu tham khảo và trích dẫn. Lý thuyết chắc chắn và ứng dụng cho bài toán ngân hàng Một dạng thông dụng của lí thuyết xác suất để lập luận không chính xác trong hệ chuyên gia là lí thuyết chắc chắn. Lí thuyết này phát triển trên hệ thống chuyên gia trong y học MYCIN và liên quan đến các độ đo giám định độ tin cậy, chứ không gắn chặt với các đánh giá xác suất một cách chặt chẽ.
Các kết quả nghiên cứu và ứng dụng dẫn đến việc phát triển mô hình chắc chắn. Mô hình này cho phép lập luận không chính xác trong nhiều ứng dụng; ở đây là các hoạt động quản lí rủi ro trong dự phòng Core Banking ngân hàng. Tổng quan về lý thuyết chắc chắn Theo [1], các chuyên gia thường đánh giá, suy xét khi giải vấn đề. Thông tin về vấn đề có thể không đầy đủ và một vài tri thức có thể không xác thực.
Do vậy mà họ cần thích nghi với tình trạng này và tiếp tục lập luận thông minh. Đây chỉ là một trong các khó khăn thôi, vì còn khó khăn khác nữa là việc quản lý lập luận không chính xác. Người ta có thể dùng lí thuyết xác suất. Dù rằng chặt chẽ về toán học, kĩ thuật này đòi hỏi cơ sở thống kê mà ít loại bài toán trong hệ chuyên gia đáp ứng được.
Chẳng hạn khi xác định người bệnh có đau nặng không, người ta thu được kết luận với tin cậy 0. Do thiếu cơ sở thống kê nên những thông tin để giúp phán đoán không dùng được trong các luật của hệ chuyên gia mà chỉ dùng để giải thích; và vì vậy không thể suy luận xác suất bằng kĩ thuật Bayes được. Tuy nhiên nếu xem hệ chuyên gia như cơ chế giải vấn đề may rủi thì người ta có thể dùng các kĩ thuật lập luận không chính xác như trong MYCIN. Lập luận không chính xác Theo [3] MYCIN là hệ chuyên gia được phát triển để cho lời khuyên khi chẩn đoán các bệnh nhân nhiễm trùng máu.
Đây là bài toán điển hình trong nhiều lĩnh vực, nhưng có ý nghĩa đặc biệt trong lĩnh vực y học do các ràng buộc về thời gian. Trong phòng cấp cứu cần thiết có các hành động đúng và nhanh. Đối với các bệnh đe doạ đến tính mạng, thầy thuốc có thể tiến hành xét nghiệm trước đó để có các thông tin đầy đủ và chính xác. Nhưng đối với ca cấp cứu, các bác sĩ buộc phải xử lý với tình trạng thông tin không chính xác và phải có chẩn đoán tốt nhất.
Về suy luận không chính xác trong lĩnh vực y học, người ta thấy có nhiều luật không chính xác. Một số ít luật có thể giúp chẩn đoán tốt cho ca bệnh, nhưng những luật này ít được dùng đến. Phần lớn các luật dùng trong y học ở dạng không chính xác. Chẳng hạn thầy thuốc phát biểu "nếu thấy triệu chứng A và B thì có vài chỉ định liên quan đến bệnh này, bệnh nọ".
Nhóm MYCIN ghi nhận rằng kĩ thuật lập luận không chính xác cần được tích hợp vào hệ thống. Họ cũng thấy được tính không phù hợp của tiếp cận xác suất vì không đáp ứng được các thông tin thống kê về vấn đề. Để quản lý tình trạng này, nhóm MYCIN quyết định nới lỏng các yêu cầu chặt chẽ của kĩ thuật xác suất cổ điển và tìm tiếp cận đơn giản hơn. Trước tiên họ quyết định đặt các câu hỏi liên quan đến điều họ muốn kĩ thuật lập luận không chính xác thực hiện, chứ không hỏi về cách thức thực hiện.
Họ cảm thấy việc quan sát cách chuyên gia làm trên thông tin không chính xác sẽ nhìn thấu đủ để phát triển các yêu cầu của kĩ thuật lập luận không chính xác. Biểu diễn vấn đề không chắc chắn Nhóm MYCIN quan sát thấy thầy thuốc làm việc với ca cấp cứu thường dùng thông tin không chắc chắn, thậm chí không rõ. Họ ghi nhận rằng dưới điều kiện như vậy, thầy thuốc thường phân tích thông tin sẵn có với thuật ngữ định tính như "có thể", "có vẻ như. ", "hầu như chắc chắn rằng.
Đối với dấu hiệu không chắc chắn, nhóm MYCIN quyết định gán một nhân tố chắc chắn "CF" để thể hiện độ tin cậy của thầy thuốc vào dấu hiệu đó. Số này chạy từ -1, ứng với sai hoàn toàn, đến +1, ứng với đúng hoàn toàn. Số 8 dương thể hiện sự tin cậy, số âm thể hiện sự không tin cậy. Chẳng hạn thầy thuốc phát biểu rằng dấu hiệu nào đó có thể đúng, thì giá trị CF = 0.
6 được gán cho dấu hiệu đó. Luật không chắc chắn Theo [1, 3] nhóm MYCIN cũng quan sát thấy các thầy thuốc thường dùng suy luận không chính xác trên các thông tin có sẵn. Tức là thầy thuốc chỉ tin một phần vào sự suy xét trên dấu hiệu nào đó. Đối với suy luận không chính xác, cần gán giá trị CF cho mỗi luật.
Thí dụ có luật: IF có dấu hiệu thương tổn AND hình thái khuẩn cầu AND hình thể trên vết thương là chuỗi THEN chỉ định bị khuẩn cầu chuỗi với CF = 0. 7 Nếu kết luận chỉ phụ thuộc một phần vào một trong các giả thiết trong luật thì CF có thể dùng cho riêng giả thiết đó. Khi đó luật có dạng: IF E1 AND E2 AND. AND En THEN H CF = CFi.
Lập luận không chắc chắn Người ta cũng thấy rằng khi độ tin cậy của thày thuốc vào dấu hiệu đang có là nhỏ hơn sự chắc chắn thì độ tin cậy này trong suy luận liên quan cũng giảm đi. Chẳng hạn luật đầu tiên kết luận về việc chỉ ra tổ chức bị viêm dạng hạt, người ta dùng giả thiết không chắc chắn, CF (Ei) <1 và mức độ tin cậy trong kết luận giảm, CF(H) <0. Hệ thống MYCIN áp dụng suy luận không chắc chắn theo kĩ thuật này. Xử lí nhiều nguồn thông tin Khi người ta nhận thông tin trợ giúp để kết luận từ nhiều nguồn, người ta thấy rằng kết luận có độ tin cậy lớn hơn.
Do vậy lí thuyết chắc chắn cần tăng độ tin cậy về kết luận khi nhận trợ giúp từ nhiều luật. Thí dụ: • Luật R1. IF A AND B THEN Z CF = 0. IF C AND D THEN Z CF = 0.
7 Cả hai luật đều kết luận về sự kiện Z, nhưng với giá trị CF khác nhau. Nếu hai luật đều cháy thì người ta thu được hai độ tin cậy về Z. Ở đây người ta cần kết hợp hai luật, tức kết hợp hai nhận định "có khả năng" và "có thể". 9 Trong MYCIN, thay vì dùng công thức, người ta quyết định hỏi.
Sau đó người ta không dùng công thức chính xác mà áp một số thuộc tính để công thức phải thoả mãn trong một số trường hợp. Hai thuộc tính được chọn là tráo đổi và tiệm cận. Thuộc tính tráo đổi quan trọng ở chỗ tránh được sự phụ thuộc về thứ tự áp dụng luật. Chẳng hạn khi có hai luật có cùng độ tin cậy về quyết định cuối cùng, thì áp dụng luật nào đầu tiên cũng như vậy.
Còn thuộc tính thứ hai cho phép tổ hợp theo nghĩa tiệm cận về kết luận hợp lí, trừ phi người ta có giải pháp đưa ra lời giải đúng. Với cách làm này, kết luận sẽ có độ tin cậy tăng từng phần. Cơ sở của lý thuyết chắc chắn Phần trên đã nêu lên sự cần thiết về mô hình chắc chắn. Nhu cầu này sinh ra một cách tự nhiên khi thày thuốc quản lý thông tin không chính xác.
Dù vậy nhưng cần khẳng định rằng mô hình này không dựa y như lí thuyết xác suất mà chỉ theo lí thuyết này khi thành lập mô hình. Lí thuyết chắc chắn giả thiết rằng xác suất trước của giả thuyết H, p(H) thể hiện độ tin cậy được giám định của chuyên gia về H. Ngoài ra còn giả thiết rằng nếu chuyên gia quan sát dấu hiệu thấy: xác suất về giả thuyết có dấu hiệu (tức xác suất có điều kiện p(H|E)) lớn hơn xác suất trước (tức p(H)), tức là p(H|E) > p(H) đúng, thì độ tin cậy của chuyên gia về giả thuyết tăng tỉ lệ thuận đến (p(H|E) - p(H))/ (1 - p(H)). Mặt khác nếu p(H|E) < p(H) thì độ tin cậy của chuyên gia về giả thuyết sẽ giảm tỉ lệ thuận về (p(H) - p(H|E))/ p(H).
Cái chính của lí thuyết này là khi có một chút dấu hiệu, độ tin cậy của chuyên gia về giả thuyết có thể tăng hay giảm chút ít. Ý này được phát triển gắn với độ đo MB và MD. Các giá trị này thoả mãn 0 MB, MD 1. Chúng được xác định hình thức theo xác suất trước có điều kiện theo các công thức sau: • MB(H, E) = 1 nếu p(H) = 1, ngược lại thì MB(H, E) = (max{p(H|E), p(H)} - p(H))/ (1- p(H)).
Do người ta quan sát một vài thông tin, thông tin này làm thay đổi độ tin cậy hay độ không tin vào giả thuyết cho nên người ta kết hợp hai giá trị trên vào giá trị độ tin cậy chung. CF = MB - MD; -1 CF 1. Giá trị -1 của CF thể hiện "sai chắc chắn" và +1 thể hiện "đúng chắc chắn". Giá trị 0 cho biết "không biết", giá trị âm thể hiện độ không tin vào giả thuyết trong khi giá trị dương ngược lại.
Vấn đề không chắc chắn đối với bài toán ngân hàng Nhiều năm qua, mô hình chắc chắn đã phát triển thành kĩ thuật thực tế để quản lý lập luận không chính xác trong hệ chuyên gia. Tuy các khái niệm MB, MD và CF vẫn được sử dụng, nhưng mới ở mức đơn giản. Sau đây là dạng sử dụng hiện thời của mô hình chắc chắn. Các thí dụ sử dụng ở đây gắn với bài toán của dự phòng Core Banking tại Ngân hàng TMCP Hàng Hải Việt Nam ( Maritime Bank) [5].
Các xử lí dữ liệu thực sự sẽ được trình bày trong chương 3 của luận văn. Một số biểu tượng ngân hàng. Dấu hiệu không chắc chắn Các hệ thống dùng lập luận không chính xác cần có cách thể hiện các dấu hiệu không chắc chắn. Chẳng hạn "có thể máy chủ hỏng" là câu có độ không chắc chắn do "có khả năng.
11 Người ta đã dùng CF với các giá trị từ -1 đến +1 để thể hiện độ tin cậy trong câu. Chẳng hạn CF (E) = CF (có thể máy chủ hỏng) = 0. Tiếp cận này đã thay xác suất hình thức p (E) bằng CF (E). Trong bảng là các giá trị CF điển hình.
Loại không chắc chắn CF Không xác định -1. 0 Hầu như không xác định -0. 8 Có khả năng không -0. 6 Hầu như chắc chắn +0.
Chuyển giá trị tin cậy sang ngôn ngữ thực.