Bối cảnh và vấn đề nghiên cứu

Trong lĩnh vực Trí tuệ nhân tạo (AI), mục tiêu trung tâm là nghiên cứu và chế tạo các hệ thống máy tính có khả năng tư duy, lập luận nhằm giải quyết các bài toán phức tạp trong thực tiễn cuộc sống. Để các hệ giải quyết vấn đề thông minh (Intelligent Problem Solving Systems) và hệ chuyên gia có thể vận hành, hệ thống cần được trang bị khối lượng tri thức chuyên sâu của miền ứng dụng. Tuy nhiên, tri thức con người được truyền đạt dưới dạng ngôn ngữ tự nhiên, ký hiệu hoặc lời nói không thể đưa trực tiếp vào máy tính xử lý mà phải thông qua các phương pháp và mô hình biểu diễn tri thức hình thức.

Mô hình tri thức các đối tượng tính toán (Computational Objects Knowledge Base - COKB) do PGS.TS Đỗ Văn Nhơn đề xuất lần đầu vào năm 2001 theo cách tiếp cận bản thể luận (Ontology). Mô hình này đã chứng minh tính hiệu quả cao khi ứng dụng xây dựng các hệ giải bài toán tự động trong các miền tri thức như Hình học phẳng, Hình học giải tích, Mạch điện một chiều. Mặc dù lý thuyết nền tảng về COKB đã được nhiều công trình nghiên cứu xây dựng tương đối hoàn chỉnh về mặt mô hình khái niệm, cấu trúc lưu trữ và các giải thuật suy luận cơ bản, song cơ chế suy diễn trên hai thành phần tri thức then chốt là Hàm (Functions) và Toán tử (Operators) vẫn còn nhiều hạn chế, chưa có quy tắc hình thức cụ thể để áp dụng thống nhất cho các miền tri thức khác nhau. Trong thực tế, hàm và toán tử đóng vai trò đặc biệt quan trọng trong việc mô tả các quan hệ tính toán đa ngôi giữa các thực thể (ví dụ: phép chiếu điểm lên mặt phẳng trong hình học, hoặc phép cộng/nhân ma trận trong đại số tuyến tính).

Khóa luận tốt nghiệp của tác giả Lưu Thanh Sơn (năm 2018) tại Trường Đại học Công nghệ Thông tin – Đại học Quốc gia TP. Hồ Chí Minh xác định các mục tiêu và nhiệm vụ nghiên cứu cụ thể như sau:

  1. Nghiên cứu phương pháp đặc tả, cơ chế lưu trữ và xây dựng các quy tắc suy diễn hình thức cho hai thành phần tri thức Hàm (Functions) và Toán tử (Operators), từ đó hoàn thiện động cơ suy diễn (Inference Engine) của mô hình COKB.
  2. Đề xuất quy tắc suy diễn mới RCN7 (suy diễn trên toán tử) và cập nhật thuật giải suy diễn tổng quát trên mô hình COKB.
  3. Đề nghị các lớp bài toán tổng quát mới có khả năng áp dụng trên nhiều miền tri thức khác nhau bên cạnh hai lớp bài toán đã được giải quyết ở các công trình trước (bài toán xác định đối tượng/thuộc tính và bài toán chứng minh quan hệ tính toán).
  4. Cài đặt thử nghiệm giải thuật và kiểm chứng mô hình trên miền tri thức Ma trận và Hệ phương trình tuyến tính bằng hệ thống tính toán ký hiệu Maple.

Đối tượng và phạm vi nghiên cứu của đề tài:

  • Đối tượng nghiên cứu: Mô hình biểu diễn tri thức COKB, cấu trúc đối tượng tính toán (C-Object), hệ thống 12 loại sự kiện, thuật giải tìm bao đóng đối tượng, cơ chế hợp nhất sự kiện và các quy tắc suy diễn tự động.
  • Phạm vi không gian miền tri thức: Miền tri thức đại số tuyến tính tập trung vào khái niệm Ma trận (ma trận thường, ma trận vuông, ma trận khả nghịch) và Hệ phương trình tuyến tính (phép khử Gauss-Jordan, định thức, hạng ma trận, định lý Kronecker – Capelli).
  • Phạm vi thực nghiệm và công nghệ: Xây dựng cấu trúc lưu trữ tri thức dạng tập tin văn bản (.TXT) và lập trình kiểm thử động cơ suy luận trên ngôn ngữ Maple; khóa luận được bảo vệ vào tháng 8 năm 2018 theo Quyết định số 413/QĐ-ĐHCNTT của Hiệu trưởng Trường Đại học Công nghệ Thông tin.

Cơ sở lý thuyết và phương pháp

Khóa luận kế thừa và mở rộng hệ thống lý thuyết biểu diễn tri thức và lập luận tự động, bao gồm các thành phần:

Khung lý thuyết mô hình COKB đầy đủ được định nghĩa là một bộ 6 thành phần hình thức:

$$(C, H, R, Ops, Funcs, Rules)$$

Trong đó:

  • $C$ (Concepts): Tập hợp các khái niệm về các lớp đối tượng tính toán trong miền tri thức, được phân cấp từ khái niệm nền tảng (Array, int, real), khái niệm cấp 1 (Ma trận, Ma trận vuông, Ma trận khả nghịch) đến khái niệm cấp 2 (Hệ phương trình tuyến tính) và cấp $n$. Mỗi đối tượng tính toán $O \in C$ được cấu trúc bởi bộ ba: $O = (Attr, Facts, Rules)$, trong đó $Attr$ là tập thuộc tính, $Facts$ là tập tính chất vốn có, và $Rules = (Rf, Rr)$ gồm các quan hệ tính toán nội tại $Rf$ và luật dẫn nội tại $Rr$.
  • $H$ (Hierarchy): Tập hợp các quan hệ phân cấp cấu trúc giữa các đối tượng (như quan hệ kế thừa IS_A, quan hệ thành phần HAS_A) được biểu diễn dưới dạng danh sách [<Tên đối tượng cấp cao>, <Tên đối tượng cấp thấp>].
  • $R$ (Relations): Tập các quan hệ tính toán hai ngôi hoặc đa ngôi giữa các đối tượng tính toán trong $C$, có thể mang các tính chất đại số như phản xạ, đối xứng, bắc cầu.
  • $Ops$ (Operators): Tập các toán tử thể hiện ánh xạ $C_i \times C_i \to C_i$, biểu diễn thông qua biểu thức tính toán hai ngôi kèm các thuộc tính toán học (giao hoán, kết hợp, hợp nhất).
  • $Funcs$ (Functions): Tập các hàm định nghĩa ánh xạ $f: C_i \to C_i$, có thể chứa các thuộc tính phản xạ, đối xứng, phản xứng, bắc cầu.
  • $Rules$ (Global Rules): Tập các quy tắc suy luận và luật dẫn toàn cục trong miền tri thức, có cấu trúc dạng $h(r) \Rightarrow g(r)$, với $h(r)$ là tập sự kiện giả thiết và $g(r)$ là tập sự kiện kết luận.

Hệ thống 12 loại sự kiện trong mô hình COKB được chuẩn hóa nhằm phục vụ quá trình so khớp và hợp nhất tri thức:

Loại sự kiện Mô tả cấu trúc hình thức Ví dụ minh họa trong văn bản
Loại 1 Thông tin về loại của một đối tượng: [<Tên đối tượng>, <Loại đối tượng>] [A, "MATRAN"]
Loại 2 Tính xác định của đối tượng hoặc thuộc tính: <Đối tượng> hoặc <Đối tượng>.<Thuộc tính> A, A.n
Loại 3 Xác định đối tượng/thuộc tính thông qua hằng số: <Đối tượng>.<Thuộc tính> = <Hằng> A.n = 5
Loại 4 Sự bằng nhau giữa 2 đối tượng hoặc thuộc tính: <Đối tượng 1> = <Đối tượng 2> A.m = B.m
Loại 5 Sự phụ thuộc qua công thức/đẳng thức: <Thuộc tính> = <Biểu thức toán học> A.n = B.m + 1
Loại 6 Quan hệ giữa các đối tượng: [<Tên quan hệ>, <Đối tượng 1>, <Đối tượng 2>, ...] ["BANGNHAU", A, B]
Loại 7 Sự kiện xác định một hàm: <Hàm> DINHTHUC(A), HANG(A)
Loại 8 Sự kiện xác định giá trị hàm qua hằng: <Hàm> = <Biểu thức hằng> DINHTHUC(A) = -18
Loại 9 Sự bằng nhau giữa một đối tượng và một hàm: <Đối tượng> = <Hàm> <Đối tượng> = <Hàm>
Loại 10 Sự bằng nhau giữa hai hàm: <Hàm 1> = <Hàm 2> DINHTHUC(A) = DINHTHUC(B)
Loại 11 Sự phụ thuộc của hàm vào hàm/đối tượng qua biểu thức: <Hàm> = <Biểu thức> HANG(A) = HANG(C) + 1
Loại 12 Quan hệ giữa hàm và các đối tượng khác: [<Tên quan hệ>, <Đối tượng/Hàm 1>, ...] ["BANGNHAU", HANG(A), C.n]

Phương pháp nghiên cứu trong khóa luận kết hợp giữa nghiên cứu lý thuyết hình thức và thực nghiệm phần mềm:

  • Phương pháp phân tích - tổng hợp: Khảo cứu toàn diện các kỹ thuật biểu diễn tri thức (logic mệnh đề/vị từ, hệ luật dẫn, mạng ngữ nghĩa, frame/script, ontology) và các chiến lược suy diễn (suy diễn tiến, suy diễn lùi, lập luận dựa trên tình huống CBR, suy diễn dựa trên bài toán mẫu).
  • Phương pháp hình thức hóa cú pháp: Sử dụng văn phạm mở rộng BNF để xây dựng đặc tả cú pháp cho thành phần toán tử (Operator-def) và thành phần hàm (Function-def) bao gồm tham số đối số, kiểu trả về, tính chất đại số và khối lệnh thực thi.
  • Phương pháp thuật toán và giải quyết vấn đề: Xây dựng giải thuật tìm bao đóng sự kiện trên đối tượng tính toán (Thuật giải 3.1) và thuật giải suy diễn tổng quát (Thuật giải 3.2, 3.4), thiết lập điều kiện hợp nhất ngữ nghĩa sự kiện ($\cong$) dựa trên các thủ tục biến đổi đại số như simplify, expand, compute.
  • Nguồn dữ liệu nghiên cứu: Khóa luận sử dụng các tiên đề, định lý toán học chuẩn của Đại số tuyến tính (phép biến đổi Gauss-Jordan, định lý Kronecker – Capelli về nghiệm của hệ phương trình tuyến tính $r(Q) = r(A) = n$, $r(Q) = r(A) < n$, $r(Q) = r(A) + 1$) làm dữ liệu tri thức kiểm thử.

Thiết kế và triển khai

Khóa luận thiết kế kiến trúc hệ thống giải bài toán thông minh trên cơ sở tri thức COKB và hiện thực hóa thông qua cấu trúc dữ liệu lưu trữ cùng ngôn ngữ tính toán ký hiệu Maple.

Kiến trúc tổng thể của hệ giải vấn đề thông minh bao gồm ba phân hệ chính:

  1. Phân hệ giao tiếp và tiếp nhận bài toán: Nhận bài toán tổng quát mô hình hóa dưới dạng bộ ba $(O, F) \to G$, trong đó $O$ là tập đối tượng tham gia, $F$ là tập sự kiện giả thiết ban đầu, và $G$ là tập sự kiện mục tiêu cần tìm hoặc chứng minh.
  2. Phân hệ cơ sở tri thức (Knowledge Base): Được module hóa thành hệ thống 10 tập tin văn bản thuần (.TXT) giúp bộ suy diễn đọc và trích xuất cấu trúc dễ dàng:
    • BASE_CONCEPTS.TXT: Lưu trữ các kiểu dữ liệu và khái niệm cơ sở được định nghĩa sẵn (int, real, array).
    • CONCEPTS.TXT: Lưu danh mục định danh các khái niệm lớp đối tượng tính toán trong miền tri thức.
    • HIERARCHY.TXT: Lưu trữ biểu đồ Hasse đặc tả các quan hệ phân cấp kế thừa giữa các lớp khái niệm.
    • RELATIONS.TXT: Lưu trữ tên các quan hệ toán học và thuộc tính kèm theo.
    • OPERATORS.TXT và OPERATORS_DEF.TXT: Lưu trữ danh mục khai báo và định nghĩa thuật toán thực thi của các toán tử.
    • FUNCTIONS.TXT và FUNCTIONS_DEF.TXT: Lưu trữ danh mục khai báo các hàm cùng định nghĩa các câu lệnh, ràng buộc tính toán nội tại của hàm.
    • RULES.TXT: Lưu trữ hệ luật suy diễn toàn cục phục vụ dẫn xuất tri thức mới.
    • <TÊN KHÁI NIỆM>.TXT: Các tệp đặc tả chi tiết cho từng đối tượng tính toán (ví dụ: MATRAN.TXT, HEPHUONGTRINH.TXT) gồm các khối begin_variables, begin_constraints, begin_properties, begin_computation_relations và begin_rules.
  3. Động cơ suy diễn (Inference Engine): Được lập trình trên Maple để quản lý không gian sự kiện KnowFact, thực hiện kiểm tra so khớp sự kiện, gọi giải thuật tìm bao đóng đối tượng, áp dụng quy tắc toán tử RCN7, và ghi nhận tiến trình từng bước giải vào danh sách vết Sol.

Nội dung chính theo từng chương

Chương 1: Tổng quan

Chương này khảo cứu tổng quan các phương pháp biểu diễn tri thức phổ biến trong trí tuệ nhân tạo: biểu diễn bằng logic (logic mệnh đề, vị từ, mô tả), hệ luật dẫn (quy tắc dạng If-Then), mạng ngữ nghĩa (đồ thị khái niệm, mạng tính toán), frame/script và ontology. Phân tích mô hình tam giác bản thể luận mô tả thế giới (Biểu tượng gợi lên Khái niệm, Khái niệm đề cập đến Sự vật, Biểu tượng đại diện Sự vật). Đồng thời, chương 1 trình bày bốn phương pháp suy diễn cốt lõi gồm suy diễn tiến, suy diễn lùi, lập luận dựa trên tình huống và suy diễn theo bài toán mẫu. Tác giả tổng hợp lịch sử phát triển của mô hình COKB qua các công trình nghiên cứu từ năm 2001 đến 2018, chỉ ra khoảng trống nghiên cứu về việc suy diễn trên Hàm và Toán tử, từ đó xác lập mục tiêu nghiên cứu và lựa chọn Maple làm công cụ minh họa.

Chương 2: Mô hình tri thức COKB đầy đủ

Chương 2 định nghĩa hình thức toàn diện mô hình COKB gồm 6 thành phần $(C, H, R, Ops, Funcs, Rules)$. Tác giả mô hình hóa chi tiết miền tri thức Ma trận và Hệ phương trình tuyến tính:

  • Đối tượng MATRAN: Thuộc tính $m$ (dòng), $n$ (cột), mảng hai chiều $K[m][n]$.
  • Đối tượng MATRANVUONG: Kế thừa MATRAN, bổ sung tính chất $m = n$, hỗ trợ các hành vi biến đổi sơ cấp, tính định thức và tìm hạng.
  • Đối tượng MATRANKHANGHICH: Xác định ma trận nghịch đảo thông qua biến đổi dòng trên ma trận mở rộng $Q = (A|I) \to (I|A^{-1})$.
  • Đối tượng HEPHUONGTRINH: Thuộc tính ma trận hệ số $A$, ma trận hệ số tự do $B$, ma trận mở rộng $Q = (A|B)$; quy tắc giải dựa trên biến đổi Gauss-Jordan và nghiệm theo định lý Kronecker – Capelli. Chương này cũng thiết lập chuẩn ngữ nghĩa cho 12 loại sự kiện, xây dựng định nghĩa hợp nhất sự kiện ($\cong$) kèm bảng ký hiệu toán tử đại số (simplify, expand, compute, lhs, rhs), và đặc tả cấu trúc lưu trữ 10 tập tin văn bản.

Chương 3: Phương pháp suy diễn và các lớp bài toán

Chương 3 tập trung xây dựng cơ chế suy diễn trên đối tượng và trên toàn bộ mô hình COKB:

  • Quy tắc trên một đối tượng tính toán (RC1 - RC5): Bao gồm RC1 (sinh sự kiện từ dữ kiện đã biết), RC2 (các luật thay thế RC2.1 đến RC2.8), RC3 (áp dụng quan hệ tính toán Rr và luật dẫn Rf), RC4 (giải hệ phương trình đại số), và RC5 (suy diễn dựa trên hành vi đối tượng).
  • Thuật giải tìm bao đóng đối tượng (Thuật giải 3.1): Mở rộng tối đa không gian sự kiện $Fclosure(GT)$ từ tập giả thiết $GT$ bằng vòng lặp thực thi RC1 đến RC5.
  • Quy tắc suy diễn tổng quát trên COKB (RCN1 - RCN6): Gồm RCN1 (tự động sinh sự kiện mặc nhiên RCN1.1 đến RCN1.8), RCN2 (áp dụng luật dẫn), RCN3 (hành vi đối tượng cấp cao), RCN4 (thực hiện hàm), RCN5 (giải hệ phương trình), RCN6 (luật dẫn phát sinh đối tượng mới).
  • Đóng góp mới về toán tử: Đề xuất quy tắc RCN7 (áp dụng toán tử trên các sự kiện loại 5), thiết kế Thuật giải 3.3 thực thi toán tử và tích hợp vào Thuật giải suy diễn tổng quát cập nhật (Thuật giải 3.4).

Chương 4: Cài đặt thử nghiệm trên một miền tri thức

Chương 4 trình bày việc hiện thực hóa mô hình lý thuyết trên hệ thống giải toán Maple:

  • Mô tả cấu trúc hệ giải vấn đề thông minh và tổ chức lưu trữ các tệp tri thức ma trận.
  • Thử nghiệm trên các bài toán mẫu: kiểm tra ma trận vuông, tính định thức ma trận cấp $4 \times 4$, tìm ma trận nghịch đảo, giải và biện luận hệ phương trình tuyến tính bằng phương pháp ma trận hóa Gauss-Jordan.
  • Thống kê các bảng thực nghiệm: Bảng 4-1 (kết quả thực hiện một số ví dụ), Bảng 4-2 (so sánh thời gian và không gian tìm kiếm giữa việc thực hiện có và không có tri thức heuristic), Bảng 4-3 (thống kê kết quả thực hiện các bài toán mẫu).

Chương 5: Kết luận và hướng phát triển

Chương 5 tổng kết các kết quả đạt được của khóa luận: hoàn thiện cơ sở lý thuyết về mô hình COKB, bổ sung quy tắc suy diễn trên toán tử RCN7, cập nhật thuật giải suy diễn tổng quát, mô hình hóa thành công miền tri thức đại số tuyến tính và cài đặt thành công chương trình thử nghiệm trên Maple. Đồng thời, tác giả nêu rõ các hạn chế hiện tại về giao diện, tốc độ xử lý khi mở rộng miền tri thức lớn và đề xuất các hướng nghiên cứu mở rộng trong tương lai.

Kết quả và đóng góp

Khóa luận đã ghi nhận các kết quả thực nghiệm và đóng góp cụ thể được trích xuất trực tiếp từ văn bản:

Hệ thống quy tắc suy diễn được tổng hợp và phân loại rõ ràng phục vụ động cơ suy luận:

Nhóm quy tắc Ký hiệu quy tắc Nội dung và cơ chế suy luận
Quy tắc nội tại đối tượng RC1 Tự động sinh sự kiện mới từ các thuộc tính và tính chất đã biết
RC2 (RC2.1 - RC2.8) Các luật thế giữa sự kiện loại 2, loại 3, loại 4 và loại 5
RC3 (RC3.1, RC3.2) Sinh sự kiện mới từ quan hệ tính toán ($Rr$) hoặc luật dẫn ($Rf$)
RC4 Sinh sự kiện mới bằng phương pháp giải hệ phương trình
RC5 Phát sinh sự kiện dựa trên hành vi bên trong của đối tượng
Quy tắc suy luận tổng quát RCN1 (RCN1.1 - RCN1.8) Tự động suy ra sự kiện mặc nhiên liên quan đến hàm (loại 7, 8, 9, 10, 11)
RCN2 Áp dụng luật dẫn toàn cục trong cơ sở tri thức
RCN3 Thực hiện suy biến bài toán dựa trên hành vi đối tượng cấp cao
RCN4 Thực thi tính toán giá trị của các hàm ($Funcs$)
RCN5 Giải hệ phương trình phát sinh từ tập quan hệ tính toán
RCN6 Áp dụng luật dẫn có phát sinh thêm đối tượng tính toán mới
RCN7 (Đề xuất mới) Thực thi toán tử ($Ops$) trên các sự kiện phụ thuộc loại 5

Các kết quả và đóng góp chính của đề tài bao gồm:

  1. Hoàn thiện lý thuyết suy diễn trên mô hình COKB: Bổ sung quy tắc hình thức RCN7 cho phép động cơ suy diễn xử lý các biểu thức toán tử hai ngôi liên kết giữa các đối tượng tính toán, giải quyết triệt để hạn chế chưa thể suy diễn trực tiếp trên thành phần Operators đã tồn tại trong các nghiên cứu trước đó.
  2. Cập nhật thuật giải suy diễn tổng quát: Tích hợp quy tắc RCN7 vào Thuật giải suy diễn tổng quát 3.4, kết hợp với Thuật giải tìm bao đóng đối tượng 3.1 tạo thành chu trình lập luận tự động hoàn chỉnh, có khả năng vừa suy diễn logic vừa tính toán ký hiệu số học.
  3. Mô hình hóa hình thức miền tri thức mới: Đặc tả hoàn chỉnh bản thể luận tri thức cho miền Ma trận và Hệ phương trình tuyến tính bằng 10 tập tin cấu trúc, thiết lập đầy đủ các hành vi toán học phức tạp (tính định thức, tìm ma trận nghịch đảo, giải hệ phương trình tuyến tính bằng biến đổi Gauss-Jordan).
  4. Đánh giá thực nghiệm qua số liệu: Cài đặt thành công trên phần mềm Maple, kiểm chứng các bài toán qua Bảng 4-1, Bảng 4-2 và Bảng 4-3; chứng minh việc áp dụng các quy tắc Heuristics giúp tối ưu hóa không gian tìm kiếm và giảm thiểu các bước dẫn xuất không cần thiết trong quá trình sinh lời giải tự động.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận chỉ rõ các mặt hạn chế và vạch ra các định hướng nghiên cứu tiếp theo dựa trên phạm vi thực tế của công trình:

Hạn chế của đề tài:

  • Hệ thống thử nghiệm trên ngôn ngữ Maple chủ yếu tập trung vào việc hiện thực hóa thuật toán và kiểm chứng tính đúng đắn của động cơ suy diễn; giao diện tương tác người dùng còn ở mức cơ bản, chưa xây dựng được môi trường trực quan hoàn chỉnh cho người dùng cuối.
  • Khả năng xử lý đối với các biểu thức toán học hoặc hệ phương trình phi tuyến phức tạp vẫn phụ thuộc nhiều vào các hàm giải có sẵn của môi trường Maple.
  • Cơ sở tri thức mới chỉ được thử nghiệm tập trung trên một miền tri thức đại số tuyến tính (Ma trận và Hệ phương trình tuyến tính), chưa được đánh giá quy mô lớn trên các miền tính toán liên ngành khác.

Hướng phát triển trong tương lai:

  • Tiếp tục tối ưu hóa động cơ suy diễn, nghiên cứu bổ sung thêm các chiến lược tìm kiếm heuristic nâng cao nhằm rút ngắn thời gian sinh lời giải cho các bài toán có không gian trạng thái lớn.
  • Mở rộng đặc tả và kiểm thử mô hình COKB trên nhiều miền tri thức khoa học kỹ thuật khác nhau như Vật lý, Hóa học hoặc Tối ưu hóa.
  • Phát triển giao diện đồ họa người dùng (GUI) độc lập và hoàn thiện hệ thống xuất lời giải từng bước chi tiết dưới dạng ngôn ngữ tự nhiên thân thiện với người học.

Giá trị tham khảo

Khóa luận tốt nghiệp của tác giả Lưu Thanh Sơn là tài liệu nghiên cứu chuyên khảo có giá trị học thuật và ứng dụng thực tiễn cao:

  • Đối tượng tham khảo: Giảng viên, học viên cao học, sinh viên ngành Khoa học máy tính, Công nghệ thông tin, Trí tuệ nhân tạo; các nhóm nghiên cứu quan tâm đến lĩnh vực Biểu diễn tri thức và Suy luận tự động (Knowledge Representation and Automated Reasoning), Hệ giải bài toán thông minh và Bản thể luận (Ontology).
  • Phần nội dung giá trị nhất để tham khảo:
    • Chương 2 cung cấp chuẩn đặc tả 10 tập tin lưu trữ cơ sở tri thức cùng hệ thống 12 loại sự kiện và các quy tắc so khớp ngữ nghĩa; đây là tài liệu tham khảo mẫu mực cho những ai muốn tự thiết kế cơ sở tri thức cho các bài toán tính toán kỹ thuật.
    • Chương 3 là tài liệu giá trị về mặt thuật toán, cung cấp mã giả chi tiết của Thuật giải tìm bao đóng đối tượng (Thuật giải 3.1), Thuật giải thực thi toán tử (Thuật giải 3.3) và Thuật giải suy diễn tổng quát (Thuật giải 3.4), dễ dàng chuyển đổi sang các ngôn ngữ lập trình khác như Python, C++ hoặc Java.
    • Chương 4 cung cấp mô hình ứng dụng cụ thể về việc mô hình hóa các khái niệm ma trận và thuật toán Gauss-Jordan thành các đối tượng tính toán, hữu ích cho các dự án phát triển phần mềm hỗ trợ giáo dục và giải toán tự động.

Câu hỏi thường gặp

1. Khóa luận giải quyết hạn chế cốt lõi nào của các nghiên cứu về mô hình COKB trước đó?
Các công trình trước năm 2018 đã hoàn thiện lý thuyết nền tảng và phương pháp suy diễn trên thành phần quan hệ ($Relations$) hay luật dẫn ($Rules$), nhưng cơ chế suy diễn trên thành phần Hàm ($Functions$) và Toán tử ($Operators$) còn rất hạn chế, chưa có quy tắc dẫn xuất cụ thể. Khóa luận này giải quyết triệt để vấn đề đó bằng cách đặc tả cú pháp hình thức và đề xuất quy tắc suy diễn mới RCN7 dành riêng cho toán tử, đồng thời cập nhật lại toàn bộ thuật giải suy diễn tổng quát.

2. Mô hình tri thức COKB đầy đủ được định nghĩa gồm những thành phần nào?
Theo Định nghĩa 2.1 trong khóa luận, mô hình COKB gồm bộ 6 thành phần: $(C, H, R, Ops, Funcs, Rules)$, tương ứng với: Tập các khái niệm lớp đối tượng tính toán ($C$), Tập quan hệ phân cấp ($H$), Tập quan hệ giữa các đối tượng ($R$), Tập toán tử hai ngôi ($Ops$), Tập hàm ($Funcs$), và Tập các quy tắc suy luận/luật dẫn toàn cục ($Rules$).

3. Khái niệm Ma trận vuông và Hệ phương trình tuyến tính được mô hình hóa như thế nào trong cơ sở tri thức?
Khái niệm MATRANVUONG được định nghĩa kế thừa từ MATRAN với thuộc tính bổ sung trong tập sự kiện là $m = n$ (số dòng bằng số cột), đi kèm các hành vi biến đổi sơ cấp, tìm hạng và tính định thức. Khái niệm HEPHUONGTRINH được mô hình hóa qua bộ ba thuộc tính ma trận gồm ma trận hệ số $A$, ma trận hệ số tự do $B$ và ma trận mở rộng $Q = (A|B)$, áp dụng thuật toán biến đổi dòng Gauss-Jordan và xác định nghiệm theo định lý Kronecker – Capelli.

4. Quy tắc RCN7 hoạt động dựa trên cơ chế nào để sinh ra sự kiện mới?
Quy tắc RCN7 duyệt qua các sự kiện loại 5 (sự kiện mô tả quan hệ giữa các đối tượng thông qua biểu thức toán tử). Động cơ suy diễn sẽ tìm đặc tả toán tử tương ứng trong cơ sở tri thức, kiểm tra tính hợp lệ của các đối số truyền vào, và nếu thỏa mãn sẽ thực thi các câu lệnh toán tử đã được định nghĩa để tính toán và trả về sự kiện kết quả mới đưa vào tập sự kiện đã biết (KnowFact).

5. Cơ sở tri thức của hệ thống được lưu trữ thông qua những tập tin văn bản nào?
Hệ thống sử dụng 10 loại tập tin văn bản chuẩn (.TXT) gồm: CONCEPTS.TXT, BASE_CONCEPTS.TXT, HIERARCHY.TXT, RELATIONS.TXT, OPERATORS.TXT, OPERATORS_DEF.TXT, FUNCTIONS.TXT, FUNCTIONS_DEF.TXT, RULES.TXT và các tệp cấu trúc riêng cho từng khái niệm theo định dạng <TÊN KHÁI NIỆM>.TXT.

Kết luận

Khóa luận tốt nghiệp của sinh viên Lưu Thanh Sơn đã hoàn thiện động cơ suy diễn trên mô hình tri thức các đối tượng tính toán COKB thông qua việc bổ sung quy tắc suy luận toán tử RCN7 và cập nhật thuật giải suy diễn tổng quát. Đề tài đã xây dựng cơ sở hình thức hóa rõ ràng cho 12 loại sự kiện, chuẩn hóa cấu trúc lưu trữ tri thức qua hệ thống 10 tệp tin văn bản và thực nghiệm thành công trên miền tri thức Ma trận và Hệ phương trình tuyến tính bằng công cụ tính toán ký hiệu Maple. Công trình đóng góp một giải pháp có tính hệ thống cao trong lĩnh vực trí tuệ nhân tạo biểu tượng, cung cấp cơ sở lý thuyết và thuật toán tin cậy cho việc phát triển các hệ thống giải toán thông minh trong tương lai.