• Các thành viên:

• Hoàng Xuân Hoàn

• Đỗ Anh Khoa
• Võ Thanh Tùng
 I. Giới Thiệu Về Hệ MyCin
• MYCIN là một hệ lập luận trong y học đƣợc hoàn
tất vào năm 1970 tại đại học Standford, Hoa kỳ.
Đây là một hệ chuyên gia dựa trên luật và sự
kiện. MYCIN sử dụng cơ chế lập luận gần đúng
sử dụng lý các luật suy diễn dựa trên độ đo chắc
chắn. Tiếp theo sau MYCIN, hệ EMYCIN ra đời.
EMYCIN là một hệ chuyên gia tổng quát đƣợc
tạo lập bằng cách loại phần cơ sở tri thức ra khỏi
hệ MYCIN. EMYCIN cung cấp một cơ chế lập
luận và tùy theo bài toán cụ thể sẽ bổ sung tri
thức riêng của bài toán đó để tạo thành hệ
chuyên gia.
• EMYCIN = MYCIN – Tri thức Y học
= Sườn hệ chuyên gia (ES shell)
Các đặc điểm chính:
• Sử dụng kỉ thuật suy diễn lùi.
– có khả năng phân tích tri thức và điều khiển.
– Có tích hợp Meta-Rule.
– Có thể dùng khi thiểu thông tin hoặc thông tin
không chắc chắn.
– Dễ sử dụng, giao tiếp bằng tiếng anh.
Các đặc điểm chính(tiếp)
– Cung cấp các chức giải thích: HOW, WHY.
– Là một chƣơng trình tra cứu. MYCIN cung cấp
cho các thầy thuốc những ý kiến chữa trị liên
quan đến liệu pháp kháng sinh.

• MYCIN có khoảng 500 luật và các sự kiện rất

tiêu biểu. Hoạt động của hệ thống nhƣ sau:
₋ MYCIN yêu cầu thông tin về lâm sàng.
₋ Bắt đầu suy luận từ những tri thức hiện có
₋ Đƣa ra các phán đoán và lời khuyên.
₋ Trả lời các câu hỏi liên quan đến suy luận
Mục đích của MYCIN là :
₋ Là một hệ thống dễ sử dụng.
₋ Khả năng vận hành đáng tin cậy.
₋ Chứa đựng nhiều tri thức liên quan đến lĩnh
vực kháng sinh, kháng vi.
₋ Khả năng xử lý các chỉ dẫn chữa trị không
đúng hoặc không đầy đủ.
₋ Khả năng giải thích và chỉ dẫn chữa trị.
Nguyên nhân thành công của MYCIN
• Cơ sở trí thức đƣợc thu nạp từ các chuyên
gia xuất sắc nhất trong các lĩnh vực.
• MYCIN không bao giờ đi đến ngay kết luận
để luôn có thêm các thông tin cốt yếu qua
mỗi bƣớc.
• MYCIN đƣợc hình thành từ một chƣơng trình
trí tuệ nhân tạo đã đƣợc áp dụng thực
tế(DENDRAL) và đƣợc thực hiện tại trung
tâm y tế nổi tiếng với các tri thức mới nhất về
bệnh học và dƣợc học.
 Suy luận của Mycin
• Ngữ cảnh: các đối tƣợng đƣợc thảo luận bởi Mycin
– Các kiểu đối tƣợng khác nhau: bệnh nhân,
thuốc, …
– Đƣợc tổ chức trong một cây
• Động cơ suy diễn: tiếp cận hƣớng từ mục tiêu hay
suy diễn lùi
– Tìm kiếm sâu gần nhƣ là vét cạn
– Có thể suy luận với thông tin không chắc chắn
– Có thể suy luận với dữ liệu không đầy đủ
• Các tiện ích giải thích: Mô-đun ‘hỏi-trả lời’ với các
câu hỏi tại sao, nhƣ thế nào.
Chương 7. p.7
 Lý Thuyết Về Độ Chắc Chắn.
• MB (Measure of Belief in): Độ đo sự tin cậy.
• MD (Measure of Disbelief in): Độ đo sự không tin cậy.
• CF (Certainly Factor): Hệ số chắc chắn
• MB(H/E) Là độ đo sự tin cậy của giả thuyết H khi có chứng cứ E.
• MD(H/E) Là độ đo sự không tin cậy của giả thuyết H khi có chứng
cứ E.
• Khi dó:
• 0 < MB(H/E) < 1 trong khi MD(H/E) = 0
• 0 < MD(H/E) < 1 trong khi MB(H/E) = 0
• Độ đo chắc chắn CF(H/E) được tính bằng công thức:
CF(H/E) = MB(H/E) – MD(H/E)
Lý Thuyết Về Độ Chắc Chắn (tiếp)
• 1 Luật đơn giản: If(e) then (c)
• công thức tính:
CF(c) = CF(e) * CF(r)
• Trong đó:
CF(e) là độ đo chắc chắn của chứng cớ.
CF(r) là độ đo chắc chắn của luật suy diễn.
CF(c) là độ đo chắc chắn của kết luận.
Lý Thuyết Về Độ Chắc Chắn (tiếp)
• 2. Luật phức tạp:
• If(e1 AND e2) then (c)
CF (e1 AND e2) = MIN(CF(e1), CF(e2))
• If (e1 OR e2) then (c)
CF (e1 OR e2) = MAX(CF(e1), CF(e2))
• If ((e1 AND e2) OR e3) then (c)
CF ((e1 AND e2) OR e3) = MAX(MIN(CF(e1),
CF(e2)), CF(e3))
• Độ chắc chắn có dạng NOT
CF(NOT e) = - CF(e)
 Lý Thuyết Về Độ Chắc Chắn (tiếp)
5. kết hợp nhiều luật có cùng kết luận:
₋ Luật 1: If(e1) then (c) với CF(r1) : độ đo chắc
chắn của luật 1
₋ Luật 2: If(e2) then (c) với CF(r2) : độ đo chắc
chắn của luật 2
• Với CF(t1), CF(t2) là CF của kết luận cả luật 1 và 2
• Khi CF(t1) và Cf(t2) đều dƣơng thì:
Ctổng = CF(t1) + CF(t2) – CF(t1) * CF(t2)
• Khi CF(t1) và Cf(t2) đều âm thì:
Ctổng = CF(t1) + CF(t2) + CF(t1) * CF(t2)
• Nếu CF(t1) khác dấu với CF(t2) thì:
Ctổng = (CF(t1) + CF(t2)) /
(1 –MIN(ABS(CF(t1)), ABS(CF(t2))))
 Cách biểu diển trên mạng:
• Suy diễn đơn giản. c
Dạng luật: 0.8
If(e) then (c)
CF(r) = 0.8 e
• Suy diễn có AND
Dạng luật: c
If(e1 AND e2)
0.9
CF(r) = 0.9
e1 e2
 Cách biểu diển trên mạng(tiếp):
c
• Suy diễn OR
Dạng luật: 0.85

If(e1 OR e2) then (c) e1 e2

CF(r) = 0.85
• Suy diễn có NOT
c
Dạng Luật:
If(NOT e1) OR then (e2) 0.7

CF(r) = 0.7 e1 e2
 Cách biểu diển trên mạng(tiếp):
• Nhiều luật cho cùng kết luận c
Dạng Luật:
If(e1 AND e2) Then (c) 0.75
CF(r1) = 0.7
If(e3) Then (c)
CF(r2) = 0.75 e1 e2 e3
• Một chứng cớ đƣợc dùng trong hai luật
Dạng luật: c1 c2
If( NOT e1) Then (c1)
CF(r1) = 0.9 0.9 0.8
If(e1 AND e2) Then (c2)
CF(r2) = 0.8 e2
e1
Ví dụ: Có 7 luật sau dây:
• r1: If(e1) Then (c1) CF(r1) = 0,8
• r2: If (e2) Then (c2) CF(r2) = 0,9
• r3: If (e3) Then (c2) CF(r3) = 0,7
• r4: If (e4) Then (c3) CF(r4) = 0,6
• r5: If (NOT e5) Then (c3) CF(r5) = 0,5
• r6: If (c2 AND c3) Then (c4) CF(r6) = 0,9
• r7: If (c1 OR c4) Then (c5) CF(r7) = 0,8
• Với c5 là giả thuyết cần hƣớng đến
Mô hình luật mạng suy diễn
C5

0.8
C1 C4

0.8
0.9

e1 c2 C3

0.9 0.7 0.6

0.5

e2 e3 e4 e5
• Giả sử các chứng cớ e1, e2, e3, e4, e5 có độ
đo chắc chắn nhƣ sau:
• CF(e1) = 0.9
• CF(e2) = 0.9
• CF(e3) = -0.3
• CF(e4) = 0.4
• CF(e5) = -0.3
• Hãy tính CF(c5)
• Chúng ta sẽ lập luận từ các CF của chứng cớ dần
lên giả thuyết c5 nhƣ sau:
• Dựa vào luât r1 tính đƣợc CF(c1):
• CF(c1) = CF(e1) * CF(r1) = 0,8 * 0,9 = 0,72
• Dựa vào luật r2, r3 tính đƣợc CF(c2)
• Với luật r2: CF(c2) = CF(e2) * CF(r2) = 0,9 * 0,9
= 0,81
• Với luật r3: CF(c2) = CF(e3) * CF(r3) = -0,3 * 0,7
= -0,21
• Do CF(c2) của r2 trái dấu với CF(c2) của r3, nên:
• CF(c2)tổng = (0,81 + (-0,21)) / (1-MIN (0,81,
0,21)) =0,74
• Dựa vào luật r4, r5 ta tính đƣợc CF(c3)
• Với luật r4:
CF(c3) = CF(e4) * CF(r4) = 0,4 * 0,6 = 0, 24
• Với luật r5:
CF(c3) = CF(NOT e5)*CF(r5) = -CF(e5)*CF(r5) = 0,3*0,5
= 0,15
• Do CF(c3) của r4 và CF(c3) của r5 cùng dƣơng nên
CF(c3)tổng = 0,24 + 0,15 – 0, 24 * 0, 15 = 0,354
• Dựa vào luật r6 ta tính đƣợc CF(c4):
CF(c4) = MIN(CF(c2), CF(c3)) * CF(r6) = MIN(0,74,
0,354) * 0,9= 0,354 * 0,9 = 0,3186
• Dựa vào luật r7 ta tính đƣợc CF(c5)
CF(c5) = MAX(CF(c1), CF(c4)) * CF(r7) = MAX(0,72,
0,3186) *0,8 = 0,576
• Nhƣ thế độ chắc chắn cả giả thuyết c5 là 0,576.
•Ví dụ Mycin
Chân của John đang bị đau (1.0). Khi tôi kiểm tra nó,
thấy nó sƣng tấy (0.6) and hơi đỏ (0.1). Tôi không có
nhiệt kế nhƣng tôi nghĩ anh ta có bị sốt (0.4). Tôi biết
John là một vận động viên marathon, các khớp của
anh ta thƣờng xuyên làm việc quá tải (1.0). John có
thể di chuyển chân của anh ấy

 Liệu chân của John bị gãy, quá mỏi, hay bị nhiễm trùng?
1. IF đau và sốt THEN bị nhiễm trùng 0.6
2. IF đau và sƣng THEN bị chấn thƣơng 0.8
3. IF quá tải THEN bị nhiễm trùng 0.5
4. IF bị chấn thƣơng AND đỏ THEN bị gãy 0.8
5. IF bị chấn thƣơng AND di chuyển đƣợc THEN quá mỏi
1.0

Chương 7. p.20
Một luật heuristic của Mycin
 If tuổi bệnh nhân < 7 THEN không nên cấp thuốc
tetracyline
• Tri thức miền:
– Tetracyline làm đổi màu xƣơng đang phát triển
– trẻ em dƣới 7 tuổi thì đang mọc răng
• Tri thức giải quyết vấn đề:
– Trƣớc khi kê một loại thuốc phải kiểm tra các chống chỉ
định
– Có hai loại chống chỉ định: liên quan đến bệnh và liên
quan đến bệnh nhân.
• Tri thức về thế giới:
– Hàm răng màu nâu thì không đẹp
Luật heuristic biên dịch tất cả những thông tin này và vì
vậy hổ trợ một phƣơng pháp giải quyết vấn đề hiệu quả
Chương 7. p.21
Điều khiển cài trong luật của Mycin
 If sự nhiễm trùng là bệnh viêm màng não
And sự nhiễm trùng là do vi khuẩn
And chỉ có chứng cớ gián tiếp
And tuổi của bệnh nhân > 16
And bệnh nhân là một ngƣời nghiện rƣợu
Then chứng cớ cho viêm phổi song cầu khuẩn 0.7
• Tri thức miền:
– Các bệnh nhân bị nghiện rƣợu thì đáng nghi ngờ với vi
khuẩn viêm phổi song cầu khuẩn
• Tri thức giải quyết vấn đề
– Lọc sự chẩn đoán theo từng bƣớc
• Tri thức về thế giới
– Ngƣời nghiện rƣợu thì hiếm khi dƣới 17 tuổi
– Câu hỏi gây sốc cho cha mẹ của các trẻ nhỏ. Chương 7. p.22
 Tài liệu tham khảo
• BÀI GiẢNG CÁC HÊ CƠ SỞ TRI THỨC
KBS: Knowledge Based Systems (Nguyễn Đình Thuân)
• ĐẠI HỌC ĐÀ NẴNG TRƢỜNG ĐẠI HỌC BÁCH KHOA KHOA
CÔNG NGHỆ THÔNG TIN

• CÁC HỆ CƠ SỞ TRI THỨC

GS.TSKH. HOÀNG KiẾM
• SUY LUÂN THÔNG TIN KHÔNG CHẮC CHẮN HOẶC KHÔNG
ĐẦY ĐỦ (Giáo viên: Trần Ngân Bình)