Hệ thống tri thức (knowledge-based system) là một hệ thống phần mềm trí tuệ nhân tạo có khả năng giải quyết các bài toán phức tạp bằng cách biểu diễn tường minh tri thức chuyên gia trong một cơ sở tri thức và sử dụng bộ máy suy luận logic độc lập để rút ra các kết luận mới. Điểm đột phá mang tính bản lề của hệ thống tri thức so với các chương trình lập trình thủ tục truyền thống nằm ở việc tách biệt hoàn toàn giữa dữ liệu tri thức chuyên ngành và thuật toán điều khiển xử lý logic. Mục từ này phân tích nền tảng lý thuyết, kiến trúc thành phần, các mô hình biểu diễn tri thức, cơ chế suy luận bất định và sự giao thoa hiện đại giữa hệ thống biểu tượng với trí tuệ nhân tạo đương đại.
Bối cảnh lịch sử và nền tảng lý thuyết
Trong giai đoạn sơ khai của trí tuệ nhân tạo, các nhà khoa học tập trung vào việc tìm kiếm các thuật toán giải quyết vấn đề tổng quát mang tính vạn năng. Tuy nhiên, các thuật toán này nhanh chóng vấp phải sự bùng nổ tổ hợp và thất bại khi đối mặt với các bài toán thế giới thực phức tạp. Sự thay đổi mô hình nhận thức diễn ra mạnh mẽ khi cộng đồng nghiên cứu nhận ra rằng để một hệ thống hành xử thông minh, nó cần sở hữu khối lượng lớn tri thức chuyên sâu của miền nghiệp vụ cụ thể thay vì chỉ dựa vào các cơ chế suy diễn hình thức trừu tượng.
Để thiết lập cơ sở lý luận vững chắc cho sự thay đổi này, Newell (1982) đã đề xuất khái niệm mức tri thức (knowledge level) nằm ngay phía trên mức biểu diễn tượng trưng trong phân cấp cấu trúc của các hệ thống máy tính. Theo Newell (1982), tri thức là một năng lực bản chất được gán cho một tác tử (agent) có mục tiêu cụ thể, mà hành vi của tác tử đó có thể được giải thích trọn vẹn thông qua nguyên lý duy lý (principle of rationality): tác tử sẽ lựa chọn hành động mà nó tin rằng sẽ dẫn tới việc hoàn thành mục tiêu của mình dựa trên tri thức hiện có. Luận điểm này khẳng định rằng tri thức hoàn toàn độc lập với cấu trúc dữ liệu hoặc ngôn ngữ lập trình cụ thể dùng để cài đặt nó.
Song song với sự định hình về mặt lý thuyết, kỹ nghệ tri thức (knowledge engineering) đã hình thành như một ngành khoa học thực nghiệm. Studer và cs. (1998) đã hệ thống hóa toàn diện các nguyên lý kỹ nghệ tri thức, chỉ ra bước chuyển mình quan trọng từ quan điểm ban đầu coi việc xây dựng hệ thống là quá trình chuyển giao cơ học tri thức từ não chuyên gia sang mã máy tính, sang quan điểm hiện đại xem kỹ nghệ tri thức là quá trình xây dựng các mô hình khái niệm hóa tường minh về thế giới thực.
Kiến trúc cốt lõi của hệ thống tri thức
Một hệ thống tri thức tiêu chuẩn được cấu thành từ các phân hệ chức năng độc lập, tương tác nhịp nhàng với nhau nhằm thực thi nhiệm vụ:
Cơ sở tri thức
Cơ sở tri thức (knowledge base) là trái tim của hệ thống, nơi lưu trữ toàn bộ các sự kiện, khái niệm, luật lệ, tiên đề và mối quan hệ nghiệp vụ của miền chuyên môn. Khác với cơ sở dữ liệu truyền thống chỉ chứa các bản ghi dữ liệu thô tĩnh, cơ sở tri thức chứa các cấu trúc thông tin có khả năng biểu diễn ngữ nghĩa, tính khái quát hóa và mối quan hệ nhân quả. Việc cô lập cơ sở tri thức giúp các kỹ sư tri thức có thể cập nhật, mở rộng hoặc chỉnh sửa quy tắc nghiệp vụ mà không làm ảnh hưởng đến mã nguồn của bộ máy điều khiển.
Bộ máy suy luận
Bộ máy suy luận (inference engine) là thành phần xử lý logic trung tâm, đóng vai trò như bộ não giải quyết vấn đề. Bộ máy suy luận vận dụng các quy tắc suy diễn logic hình thức lên tập hợp các sự kiện đã biết trong cơ sở tri thức và dữ liệu đầu vào do người dùng cung cấp để dẫn xuất ra các tri thức mới hoặc đưa ra quyết định tối ưu. Sự độc lập của bộ máy suy luận cho phép tái sử dụng cùng một cơ chế suy diễn cho nhiều miền ứng dụng khác nhau bằng cách hoán đổi cơ sở tri thức tương ứng.
Phân hệ giải thích
Một ưu thế vượt trội của hệ thống tri thức so với các mô hình học sâu hộp đen là khả năng tự giải thích (explanation facility). Phân hệ này có chức năng truy vết toàn bộ chuỗi suy luận logic, ghi lại từng luật nghiệp vụ đã kích hoạt và hiển thị minh bạch cho người dùng lý do tại sao hệ thống lại đưa ra một kết luận cụ thể hoặc tại sao hệ thống lại yêu cầu người dùng cung cấp thêm một thông tin nhất định.
Môi trường tương tác và thu nhận tri thức
Phân hệ giao diện tiếp nhận thông tin từ người dùng cuối, đồng thời cung cấp môi trường biên tập chuyên dụng cho các chuyên gia và kỹ sư tri thức nhằm chuẩn hóa, kiểm tra tính nhất quán logic và nạp thêm tri thức mới vào hệ thống.
Các phương pháp biểu diễn tri thức
Biểu diễn tri thức (knowledge representation) là việc chuyển dịch tri thức của con người thành các cấu trúc hình thức mà máy tính có thể lưu trữ và xử lý tự động. Trong lịch sử phát triển, nhiều mô hình biểu diễn đã được chuẩn hóa:
Hệ thống luật sản xuất
Luật sản xuất (production rules) là phương pháp biểu diễn phổ biến và trực quan nhất, định dạng tri thức dưới cấu trúc điều kiện - hành động (IF-THEN). Nếu các tiền đề điều kiện được thỏa mãn trong ngữ cảnh hiện tại, hành động hoặc kết luận tương ứng sẽ được thực thi. Mô hình này rất phù hợp với các quy trình nghiệp vụ mang tính quy chuẩn, pháp lý hoặc hướng dẫn chẩn đoán.
Mạng ngữ nghĩa và khung khái niệm
Mạng ngữ nghĩa (semantic networks) biểu diễn tri thức dưới dạng đồ thị có hướng, trong đó các đỉnh đại diện cho các thực thể hoặc khái niệm, còn các cạnh đại diện cho các mối quan hệ ngữ nghĩa giữa chúng. Khung khái niệm (frames) mở rộng ý tưởng này bằng cách nhóm các thuộc tính và giá trị liên quan của một đối tượng vào một cấu trúc dữ liệu duy nhất, hỗ trợ mạnh mẽ cơ chế kế thừa phân cấp.
Bản thể học
Bản thể học (ontology) đại diện cho bước tiến hóa cao nhất trong biểu diễn tri thức ngữ nghĩa. Gruber (1993) đã đưa ra định nghĩa nền tảng: bản thể học là bản đặc tả tường minh của một khái niệm hóa (explicit specification of a conceptualization). Định nghĩa này sau đó được Studer và cs. (1998) hoàn thiện thành bản đặc tả hình thức, tường minh của một khái niệm hóa được chia sẻ (formal, explicit specification of a shared conceptualization). Tính hình thức đảm bảo máy tính có thể đọc hiểu và suy diễn toán học; tính tường minh đòi hỏi mọi khái niệm và ràng buộc phải được định nghĩa rõ ràng; và tính chia sẻ khẳng định tri thức đạt được sự đồng thuận của một cộng đồng chuyên gia, tạo tiền đề cho việc liên thông dữ liệu ngữ nghĩa toàn cầu.
Cơ chế suy luận và xử lý bất định
Hiệu năng của hệ thống tri thức phụ thuộc trực tiếp vào chiến lược duyệt không gian trạng thái và thuật toán suy luận.
Chiến lược suy diễn
Hai chiến lược suy luận logic suy diễn cơ bản bao gồm:
- Suy diễn tiến (forward chaining): Là chiến lược điều khiển bởi dữ liệu (data-driven). Bộ máy suy luận bắt đầu từ tập các sự kiện đã biết, liên tục tìm kiếm và kích hoạt các luật có tiền đề thỏa mãn để sinh ra các sự kiện mới, lặp lại quá trình cho đến khi đạt được mục tiêu hoặc không còn luật nào có thể kích hoạt.
- Suy diễn lùi (backward chaining): Là chiến lược điều khiển bởi mục tiêu (goal-driven). Bộ máy suy luận bắt đầu từ một giả thuyết mục tiêu cần chứng minh, tìm kiếm các luật có kết luận chứa mục tiêu đó, rồi biến các tiền đề của luật thành các mục tiêu con cần tiếp tục chứng minh, tạo thành cây suy diễn đệ quy.
Xử lý tri thức bất định: Mô hình hệ số chắc chắn
Trong thực tế nghiệp vụ, đặc biệt là y khoa và địa chất, thông tin thu thập thường không hoàn hảo, mơ hồ hoặc chứa sai số. Các phép toán logic cổ điển hai giá trị đúng - sai không đủ năng lực xử lý bối cảnh này. Để khắc phục, Shortliffe và Buchanan (1975) đã phát triển mô hình suy luận xấp xỉ đột phá trong hệ chuyên gia y khoa MYCIN dựa trên khái niệm hệ số chắc chắn (certainty factor, CF).
Hệ số chắc chắn là một chỉ số số học nhận giá trị trong khoảng từ -1 đến +1. Trong đó, giá trị +1 biểu thị niềm tin tuyệt đối rằng giả thuyết là đúng, giá trị -1 biểu thị niềm tin tuyệt đối rằng giả thuyết là sai (hoặc sự bác bỏ hoàn toàn đối với giả thuyết), và giá trị không biểu thị trạng thái hoàn toàn không có thông tin hoặc không xác định. Mô hình này thiết lập các hàm kết hợp giải tích cho phép lan truyền và cập nhật độ tin cậy của giả thuyết khi tiếp nhận nhiều bằng chứng độc lập ủng hộ hoặc phủ định, giải quyết bài toán suy luận y khoa mà không đòi hỏi các giả định phân phối xác suất tiên nghiệm phức tạp của định lý Bayes.
Bảng đối chiếu các phương pháp biểu diễn tri thức chính
| Phương pháp biểu diễn | Bản chất cấu trúc | Cơ chế suy luận chính | Ưu điểm nổi bật | Thách thức cốt lõi |
|---|---|---|---|---|
| Luật sản xuất | Mệnh đề điều kiện IF-THEN | Suy diễn tiến và suy diễn lùi | Trực quan, dễ bổ sung quy tắc đơn lẻ | Khó quản lý mâu thuẫn khi số luật lớn |
| Mạng ngữ nghĩa | Đồ thị có hướng thực thể - quan hệ | Lan truyền kích hoạt và kế thừa | Mô tả quan hệ ngữ nghĩa trực quan | Thiếu ngữ nghĩa hình thức toán học chặt |
| Khung khái niệm | Cấu trúc đối tượng phân cấp thuộc tính | Kế thừa thuộc tính mặc định | Tổ chức dữ liệu phức hợp rất tốt | Xử lý ngoại lệ phân cấp dễ gây lỗi |
| Bản thể học | Logic mô tả hình thức chuẩn hóa | Bộ giải suy luận logic mô tả tự động | Khả năng chia sẻ và tái sử dụng cao | Chi phí xây dựng và bảo trì công phu |
Kỹ nghệ tri thức và chu trình phát triển
Quá trình xây dựng một hệ thống tri thức đòi hỏi một phương pháp luận kỹ nghệ phần mềm nghiêm ngặt. Studer và cs. (1998) nhấn mạnh rằng kỹ nghệ tri thức hiện đại không chỉ đơn thuần là việc lập trình, mà là quá trình xây dựng một hệ thống các mô hình khái niệm đa chiều. Phương pháp luận CommonKADS đã ra đời nhằm chuẩn hóa quy trình này thông qua việc phân tách bài toán thành các cấp độ mô hình:
- Mô hình tổ chức: Phân tích cấu trúc, mục tiêu chiến lược và các điểm nghẽn quy trình trong tổ chức ứng dụng.
- Mô hình nhiệm vụ: Phân rã các mục tiêu nghiệp vụ tổng thể thành các nhiệm vụ xử lý thông tin cụ thể.
- Mô hình tác tử: Xác định các tác nhân (con người hoặc phần mềm) chịu trách nhiệm thực thi từng nhiệm vụ.
- Mô hình tri thức: Đặc tả chi tiết cấu trúc tri thức miền, tri thức suy luận và tri thức nhiệm vụ độc lập với khâu cài đặt kỹ thuật.
- Mô hình giao tiếp: Thiết kế tương tác trao đổi thông tin giữa các tác tử trong hệ thống.
- Mô hình thiết kế: Cài đặt kỹ thuật chi tiết cấu trúc phần mềm, kiến trúc mạng và nền tảng cơ sở dữ liệu.
Xu hướng đương đại: Đồ thị tri thức và trí tuệ nhân tạo thần kinh - biểu tượng
Bước sang kỷ nguyên dữ liệu lớn, các nguyên lý biểu diễn tri thức kinh điển đã phát triển mạnh mẽ thành công nghệ đồ thị tri thức. Ji và cs. (2022) đã khảo cứu toàn diện tiến trình phát triển của đồ thị tri thức, phân tích sâu các cơ chế biểu diễn thực thể và quan hệ đa chiều, các thuật toán thu nhận tri thức tự động từ dữ liệu phi cấu trúc, cũng như các ứng dụng suy luận ngữ nghĩa trong các hệ thống thông minh hiện đại. Đồ thị tri thức cung cấp nguồn tri thức có cấu trúc chặt chẽ, hỗ trợ các hệ thống định vị chính xác ngữ cảnh thông tin.
Bên cạnh đó, sự bùng nổ của các mô hình ngôn ngữ lớn đã bộc lộ những hạn chế cố hữu của phương pháp học sâu thuần túy: hiện tượng sinh ảo giác, thiếu khả năng giải thích chuỗi suy luận và không đảm bảo tính nhất quán logic. Để khắc phục, hướng nghiên cứu trí tuệ nhân tạo thần kinh - biểu tượng (neuro-symbolic AI) đang trở thành xu thế then chốt. Sự kết hợp giữa năng lực học mẫu linh hoạt của mạng nơ-ron với tính minh bạch, chính xác tuyệt đối của các hệ thống tri thức biểu tượng hứa hẹn tạo nên thế hệ trí tuệ nhân tạo đáng tin cậy.
Phạm vi ứng dụng thực tế và thách thức kỹ thuật
Hệ thống tri thức được triển khai rộng rãi trong nhiều lĩnh vực công nghiệp và đời sống với các bài toán nghiệp vụ điển hình:
- Kỹ thuật và hàng không vũ trụ: Điển hình là các hệ thống giám sát và chẩn đoán sự cố động cơ máy bay theo thời gian thực. Hệ thống tiếp nhận chuỗi tín hiệu cảm biến áp suất, nhiệt độ và độ rung, sau đó kích hoạt các luật suy luận chuyên gia để cô lập nguyên nhân hỏng hóc cơ khí và đề xuất quy trình ứng phó khẩn cấp.
- Tài chính và ngân hàng: Triển khai trong các hệ thống thẩm định rủi ro cấp tín dụng và phát hiện gian lận giao dịch. Hệ thống mã hóa hàng nghìn quy tắc chính sách tín dụng và văn bản pháp quy để tự động phân tích hồ sơ vay vốn, tính toán điểm tín dụng và đưa ra khuyến nghị phê duyệt minh bạch kèm căn cứ điều khoản.
- Pháp luật và hành chính công: Các hệ thống hỗ trợ tra cứu án lệ và rà soát tuân thủ quy phạm pháp luật, giúp kiểm tra tính nhất quán giữa các văn bản pháp luật mới ban hành và hệ thống văn bản hiện hành.
Bên cạnh những thành tựu ứng dụng, hệ thống tri thức vẫn đối mặt với các thách thức nội tại:
- Nút thắt thu nhận tri thức: Quá trình chuyển đổi tri thức ngầm định từ chuyên gia con người thành các cấu trúc tường minh thường tốn kém thời gian, chi phí và dễ phát sinh bất đồng giữa các chuyên gia.
- Tính giòn vỡ: Khi gặp phải những tình huống hoặc dữ liệu nằm ngoài phạm vi các quy tắc được định nghĩa trước, hệ thống thường suy giảm hiệu năng đột ngột thay vì thích ứng linh hoạt như con người.
- Chi phí bảo trì cơ sở tri thức: Khi tri thức ngành phát triển và thay đổi liên tục, việc kiểm tra tính phi mâu thuẫn, loại bỏ tri thức dư thừa và cập nhật luật mới đòi hỏi nỗ lực kỹ thuật duy trì rất lớn.