AI dựa trên tri thức (Knowledge-based AI), hay còn gọi là hệ thống dựa trên tri thức (Knowledge-based systems – KBS), là một loại hình AI được thiết kế để sử dụng tri thức được lưu trữ một cách rõ ràng (explicitly represented knowledge) để thực hiện các tác vụ phức tạp. Thay vì chỉ học các mẫu từ dữ liệu (như trong học máy), AI dựa trên tri thức dựa vào một cơ sở tri thức (knowledge base) chứa các sự kiện, quy tắc, khái niệm và mối quan hệ về một lĩnh vực cụ thể.
Các thành phần chính của một hệ thống AI dựa trên tri thức:
- Cơ sở tri thức (Knowledge Base – KB): Đây là thành phần trung tâm, chứa đựng tri thức về một lĩnh vực cụ thể. Tri thức này được biểu diễn một cách có cấu trúc để máy tính có thể hiểu và xử lý. Các phương pháp biểu diễn tri thức phổ biến bao gồm:
- Quy tắc (Rules): Các câu lệnh “nếu-thì” (if-then) mô tả các hành động hoặc kết luận dựa trên các điều kiện nhất định.
- Mạng ngữ nghĩa (Semantic Networks): Sử dụng các nút (đại diện cho đối tượng hoặc khái niệm) và các cạnh (đại diện cho mối quan hệ giữa chúng) để mô hình hóa tri thức.
- Khung (Frames): Cấu trúc dữ liệu chứa thông tin về một đối tượng hoặc khái niệm, bao gồm các thuộc tính (slots) và giá trị của chúng (facets).
- Logic học bậc nhất (First-Order Logic – FOL): Một hệ thống ký hiệu hình thức mạnh mẽ để biểu diễn các sự kiện, đối tượng và mối quan hệ một cách chính xác.
- Bản thể học (Ontologies): Biểu diễn tri thức một cách chi tiết và có hệ thống về một lĩnh vực, bao gồm các khái niệm, thuộc tính và mối quan hệ giữa chúng.
- Bộ máy suy diễn (Inference Engine): Đây là “bộ não” của hệ thống, sử dụng tri thức trong cơ sở tri thức và các quy tắc suy luận để đưa ra kết luận, trả lời câu hỏi hoặc giải quyết vấn đề. Bộ máy suy diễn có thể sử dụng các phương pháp như suy diễn tiến (forward chaining) hoặc suy diễn lùi (backward chaining).
- Giao diện người dùng (User Interface): Cho phép người dùng tương tác với hệ thống, cung cấp thông tin đầu vào và nhận kết quả hoặc giải thích.
Ứng dụng của AI dựa trên tri thức:
AI dựa trên tri thức đã được ứng dụng thành công trong nhiều lĩnh vực, đặc biệt là trong các tác vụ đòi hỏi chuyên môn và khả năng giải thích:
- Hệ thống chuyên gia (Expert Systems): Đây là một trong những ứng dụng ban đầu và tiêu biểu nhất của AI dựa trên tri thức. Các hệ thống này mô phỏng khả năng ra quyết định của một chuyên gia trong một lĩnh vực cụ thể. Ví dụ:
- Hệ thống chẩn đoán y tế: MYCIN (một hệ thống ban đầu) có khả năng chẩn đoán nhiễm trùng máu và đề xuất phương pháp điều trị.
- Hệ thống tư vấn tài chính: Cung cấp lời khuyên về đầu tư, quản lý rủi ro.
- Hệ thống hỗ trợ kỹ thuật: Giúp người dùng khắc phục sự cố phần cứng hoặc phần mềm.
- Hệ thống quản lý tri thức (Knowledge Management Systems): Lưu trữ, tổ chức và truy xuất tri thức của một tổ chức, giúp nhân viên dễ dàng tìm kiếm thông tin và cộng tác. AI dựa trên tri thức có thể cải thiện khả năng tìm kiếm và liên kết thông tin trong các hệ thống này.
- Hệ thống trả lời câu hỏi (Question Answering Systems): Sử dụng tri thức để hiểu và trả lời các câu hỏi của người dùng bằng ngôn ngữ tự nhiên. Các hệ thống này có thể truy cập cơ sở tri thức để tìm kiếm thông tin liên quan.
- Hỗ trợ quyết định (Decision Support Systems): Cung cấp thông tin và phân tích dựa trên tri thức để giúp người dùng đưa ra các quyết định tốt hơn trong các tình huống phức tạp.
- Lập kế hoạch và lên lịch (Planning and Scheduling): Sử dụng tri thức về các ràng buộc và mục tiêu để tự động tạo ra các kế hoạch và lịch trình tối ưu.
- Xử lý ngôn ngữ tự nhiên (NLP): Mặc dù học sâu đã trở nên phổ biến trong NLP, AI dựa trên tri thức vẫn đóng vai trò quan trọng trong việc biểu diễn ngữ nghĩa và hiểu ý nghĩa của ngôn ngữ. Các cơ sở tri thức như WordNet và ConceptNet được sử dụng để tăng cường khả năng hiểu ngôn ngữ của các hệ thống AI.
- Tạo sinh tri thức (Knowledge Generation): Một số hệ thống AI dựa trên tri thức có khả năng tự động suy diễn và tạo ra tri thức mới dựa trên tri thức hiện có.
- Hệ thống khuyến nghị (Recommender Systems): Kết hợp tri thức về sở thích của người dùng và thuộc tính của sản phẩm để đưa ra các đề xuất phù hợp.
Mặc dù học sâu đã đạt được nhiều thành công ấn tượng trong những năm gần đây, AI dựa trên tri thức vẫn giữ một vị trí quan trọng, đặc biệt trong các ứng dụng đòi hỏi khả năng giải thích, suy luận dựa trên quy tắc rõ ràng và làm việc với dữ liệu có cấu trúc và mối quan hệ phức tạp. Sự kết hợp giữa học sâu và AI dựa trên tri thức (ví dụ: sử dụng học sâu để xây dựng cơ sở tri thức hoặc để cải thiện khả năng suy diễn) đang là một xu hướng đầy hứa hẹn.