Trong những năm gần đây, các mô hình trí tuệ nhân tạo tạo sinh (Generative AI) như ChatGPT đã tạo ra bước tiến lớn trong khả năng tương tác giữa con người và máy tính. Tuy nhiên, một trong những thách thức quan trọng của AI hiện nay là tính chính xác, khả năng kiểm chứng thông tin và giải thích được quá trình đưa ra câu trả lời.

Để giải quyết vấn đề này, nhiều nghiên cứu và doanh nghiệp công nghệ đang chuyển sang hướng kết hợp giữa Knowledge Graph (Đồ thị tri thức), Ontology và Retrieval-Augmented Generation (RAG) nhằm xây dựng các hệ thống AI có khả năng suy luận dựa trên tri thức đã được chuẩn hóa.

Nhằm giúp học viên tiếp cận các công nghệ tiên tiến này, học phần Hệ Cơ sở Tri thức do TS. Bùi Danh Thưởng giảng dạy đã giới thiệu các phương pháp xây dựng cơ sở tri thức hiện đại, từ lý thuyết đến triển khai thực tế.

Ontology – "Ngôn ngữ chung" của tri thức

Ontology được xem là nền tảng của Semantic Web, cho phép mô tả các khái niệm, thuộc tính và mối quan hệ giữa các đối tượng trong một miền tri thức cụ thể.

Thay vì lưu trữ dữ liệu dưới dạng bảng truyền thống, Ontology giúp hệ thống hiểu được ý nghĩa của dữ liệu và mối liên kết giữa chúng. Điều này tạo điều kiện cho các hệ thống AI có thể suy luận logic, truy xuất thông tin chính xác và giảm thiểu tình trạng trả lời thiếu căn cứ.

Từ dữ liệu đến tri thức có cấu trúc

Trong quá trình học tập, học viên được tiếp cận các công nghệ quan trọng như:

• RDF (Resource Description Framework)
• OWL (Web Ontology Language)
• SPARQL Query Language
• Knowledge Graph
• RDFLib và Python
• SHACL Validation
• Ontology RAG Pipeline

Thông qua các ví dụ thực hành, học viên được hướng dẫn cách chuyển đổi dữ liệu thô thành các RDF Triple, xây dựng đồ thị tri thức và thực hiện truy vấn ngữ nghĩa bằng SPARQL.

Ontology RAG – Bước phát triển mới của AI

Một trong những nội dung nổi bật của học phần là mô hình Ontology RAG.

Khác với các hệ thống RAG truyền thống chỉ dựa vào tìm kiếm văn bản tương đồng, Ontology RAG cho phép hệ thống truy xuất thông tin dựa trên cấu trúc tri thức đã được chuẩn hóa. Điều này giúp AI không chỉ tìm kiếm dữ liệu liên quan mà còn hiểu được mối quan hệ giữa các đối tượng trong cơ sở tri thức.

Trong buổi học, học viên đã theo dõi mô hình thử nghiệm Hệ thống Tư vấn Môn học Thông minh, cho phép người dùng đặt câu hỏi tự nhiên và nhận được các gợi ý môn học phù hợp cùng các minh chứng và nguồn dữ liệu hỗ trợ. Quy trình xử lý được thể hiện rõ thông qua các bước phân tích câu hỏi, truy vấn tri thức, tổng hợp ngữ cảnh và sinh câu trả lời, góp phần nâng cao tính minh bạch và khả năng giải thích của hệ thống AI.

Xu hướng tất yếu trong kỷ nguyên AI

Sự kết hợp giữa Ontology, Knowledge Graph và các mô hình ngôn ngữ lớn (LLM) đang được xem là một trong những hướng phát triển quan trọng của AI thế hệ mới. Thay vì phụ thuộc hoàn toàn vào dữ liệu huấn luyện, các hệ thống AI có thể khai thác nguồn tri thức được kiểm chứng, giúp nâng cao độ chính xác, khả năng truy vết và độ tin cậy của kết quả.

Thông qua học phần Hệ Cơ sở Tri thức, học viên không chỉ được trang bị kiến thức nền tảng về biểu diễn tri thức mà còn có cơ hội tiếp cận các công nghệ đang được ứng dụng rộng rãi trong các lĩnh vực như giáo dục thông minh, chuyển đổi số, phân tích dữ liệu và trí tuệ nhân tạo.

Những kiến thức này sẽ là tiền đề quan trọng để học viên tiếp tục nghiên cứu và phát triển các giải pháp AI có khả năng giải thích, minh bạch và đáng tin cậy hơn trong tương lai.