BaiGiangTTNTChuong1&2

Nội dung môn học – Giới thiệu 1 Giới thiệu môn học • Môn học Trí tuệ nhân tạo Môn học Trí tuệ nhân tạo Lý thuyết 45 tiết +15 tiết BTLLý thuyết 45 tiết +15 tiết BTL • Đánh giá môn học Đánh giá môn học[.]

Giới thiệu môn học

• Môn học: Trí tuệ nhân tạo:

Lý thuyết: 45 tiết +15 tiết BTL

• Đánh giá môn học:

Bài tập lớn + Giữa kỳ + cuối kỳ

• Tài liệu:

– Giáo trình trí tuệ nhân tạo

Võ huỳnh Trâm và Trần Ngân Bình

– Slide bài giảng Trí tuệ nhân tạo

Nội dung môn học

• Chương 1: Tổng quan về trí tuệ nhân tạo

– Ngành Trí tuệ nhân tạo là gì?

– Mục tiêu nghiên cứu của ngành Trí tuệ nhân tạo

– Lịch sử hình thành và hiện trạng

– Turing Test

• Chương 2: Các phương pháp giải quyết vấn đề

– Không gian trạng thái

– AI : Biểu diễn và tìm kiếm

– Các giải thuật tìm kiếm trên không gian trạng thái – Depth first search (DFS) - Breath first search

(BFS)

– Heuristic là gì?

– Tìm kiếm theo heuristic

– Tìm kiếm Best first search (BFS), Giải thuật A*

– Chiến lược Minimax, Alpha Beta

Chương 3 Học có giám sát

3.1 Các khái niệm cơ bản

3.2 Cây quyết định

3.3 Mạng Neuron

3.3.1 Mô hình và kiến trúc mạng neuron

3.3.2 Các thuật toán huấn luyện: Giảm gradient

Chương 4 Học không giám sát

4.1 Các khái niệm cơ bản

4.2 Giải thuật K-mean

Thực hành &Tài liệu tham khảo

• Thực hành Prolog và CLISP

– Prolog : Các giải thuật tìm kiếm

– CLISP :Biểu diển tri thức

• Tài liệu tham khảo

– Artificial Inteligent

George F Luget & Cilliam A Stubblefied

– Giáo trình “Trí tuệ nhân tạo”

KS Nguyễn Đức Cường

– Trí tuệ nhận tạo

Nguyễn Quang Tuấn – Hà nội

Chương 1: GIỚI THIỆU

 Ngành Trí tuệ nhân tạo là gì?

 Mục tiêu nghiên cứu của ngành Trí tuệ nhân tạo

 Lịch sử hình thành và hiện trạng

 Turing Test

Trí Tuệ Nhân Tạo là gì?

• Là một nhánh của khoa học máy tính liên quan đến sự tự

động hóa hành vi thông minh .

• Rich, E and K Knight 1991 Artificial Intelligence New

York: McGraw-Hill

“Artificial intelligence (AI) is the study of how to make

computers do things which at the moment, people do better.”

• George Luger:

“An AI approach problem-solving is one which:

• uses domain-specific knowledge

• to find a good-enough solution

• to a hard problem

• in a reasonable amount of time.”

Trí Tuệ Nhân Tạo - Đặc Điểm

• Sử dụng máy tính vào suy luận trên các ký hiệu, nhận

• Tập trung vào các vấn đề “khó” không thích hợp với

• Quan tâm đến các kỹ thuật giải quyết vấn đề sử dụng

• Cho lời giải ‘đủ tốt’ chứ không phải là lời giải chính

xác hay tối ưu .

• Sử dụng heuristics – “bí quyết”

• Sử dụng tri thức chuyên môn

Đối tượng nghiên cứu của AI

• Đối tượng nghiên cứu của ngành AI

AI là ngành nghiên cứu về các hành xử thông minh (intelligent behaviour) bao gồm: thu thập, lưu trữ tri thức, suy luận, hoạt động và kỹ năng.

Đối tượng nghiên cứu là các “hành xử thông minh” chứ không phải là “sự thông minh”.

‘Không có’ Sự Thông Minh

Chỉ có

Biểu hiện thông minh qua hành xử

Sự Thông Minh

• Thông minh hay Hành xử thông minh là gì?

– Hành xử thông minh: là các hoạt động của một đối

tượng như là kết quả của một quá trình thu thập, xử

lý và điều khiển theo những tri thức đã có hay mới

phát sinh (thường cho kết quả tốt theo mong đợi so

với các hành xử thông thường) là biểu hiện cụ thể,

cảm nhận được của “Sự thông minh”

– Khái niệm về tính thông minh của một đối tượng

thường biểu hiện qua các hoạt động:

• Sự hiểu biết và nhận thức được tri thức

Tri thức (Knowledge)

• Tri thức là những thông tin chứa đựng 2 thành phần

– Các khái niệm:

• Các khái niệm cơ bản: là các khái niệm mang tính quy ước

• Các khái niệm phát triển: Được hình thành từ các khác niệm

cơ bản thành các khái niệm phức hợp phức tạp hơn.

– Các phương pháp nhận thức:

• Các qui luật, các thủ tục

• Phương pháp suy diễn, lý luận,

 Tri thức là điều kiện tiên quyết của các hành xử thông minh hay “Sự thông minh”

 Tri thức có được qua sự thu thập tri thức và sản sinh tri thức

 Quá trình thu thập và sản sinh tri thức là hai quá trình song song và nối tiếp với nhau – không bao giờ chấm dứt trong một thực thể “Thông Minh”

Tri thức – Thu thập và sản sinh

• Thu thập tri thức:

– Tri thức được thu thập từ thông tin, là kết quả của một quá

trình thu nhận dữ liệu, xử lý và lưu trữ Thông thường quá

trình thu thập tri thức gồm các bước sau:

• Xác định lĩnh vực/phạm vi tri thức cần quan tâm

• Thu thập dữ liệu liên quan dưới dạng các trường hợp cụ thể.

• Hệ thống hóa, rút ra những thông tin tổng quát, đại diện cho các trường hợp đã biết – Tổng quát hóa.

• Xem xét và giữ lại những thông tin liên quan đến vấn đề cần

quan tâm , ta có các tri thức về vấn đề đó.

• Sản sinh tri thức:

Tri thức – Tri thức siêu cấp

• “Trí thức siêu cấp” (meta knowledge) hay “Tri thức về Tri

thức”

Là các tri thức dùng để:

– Đánh giá tri thức khác

– Đánh giá kết quả của quá trình suy diễn

– Kiểm chứng các tri thức mới

• Phương tiện truyền tri thức: ngôn ngữ tự nhiên

Hành xử thông minh – Kết luận

• Hành xử thông minh không đơn thuần là các hành động như là kết

quả của quá trình thu thập tri thức và suy luận trên tri thức.

• Hành xử thông minh còn bao hàm

– Sự tương tác với môi trường để nhận các phản hồi

– Sự tiếp nhận các phản hồi để điều chỉnh hành động - Skill– Sự tiếp nhận các phản hồi để hiệu chỉnh và cập nhật tri

thức

• Tính chất thông minh của một đối tượng là sự tổng hợp của cả 3 yếu

tố: thu thập tri thức, suy luận và hành xử của đối tượng trên tri thức thu thập được Chúng hòa quyện vào nhau thành một thể thống nhất “

Sự Thông Minh”

Mục tiêu nghiên cứu của ngành AI

Trí tuệ nhân tạo nhằm tạo ra “Máy người”?

Mục tiêu

 Xây dựng lý thuyết về thông minh để giải thích các hoạt động thông minh

 Tìm hiểu cơ chế sự thông minh của con người

 Cơ chế lưu trữ tri thức

 Cơ chế khai thác tri thức

 Xây dựng cơ chế hiện thực sự thông minh

 Áp dụng các hiểu biết này vào các máy móc phục vụ con người

Mục tiêu của AI (tt)

• Cụ thể:

– Kỹ thuật: xây dựng các máy móc có tính thông minh

nhằm đáp ứng tốt hơn nhu cầu của con người.

– Khoa học: xây dựng và phát triển các khái niệm, thuật ngữ, phương pháp để hiểu được các hành xử thông

minh của sinh vật.

– Đối tượng thường được chú trọng phát triển là máy tính

Turing Test: Thử tính thông minh

• Bài toán xác định tính thông minh của một đối tượng

Turing Test: Ưu - Khuyết

• Ưu điểm

– Đem lại quan điểm khách quan về sự thông minh: Thông minh

hay không thể hiện qua các trả lời của các câu hỏi

– Loại trừ các thành kiến: không thích công nhận tính thông minh

của máy móc Sự thông minh chỉ được đánh giá qua các câu hỏi, không bị chi phối bởi các yếu tố khác.

– Tránh tình trạng hiểu lầm

• Khuyết điểm:

– Phép thử tập trung vào các công việc biểu diển hoàn toàn bằng

ký hiệu do đó làm mất một đặc tính rất quan trọng của máy tính

là tính toán chính xác và hiệu quả

– Không thử nghiệm được các khả năng tri giác và khéo léo

– Giới hạn khả năng thông minh của máy tính theo khuôn mẫu con

Lịch sử phát triển của AI : Giai đoạn cổ điển

• Giai đoạn cổ điển (1950 – 1965)

Đây là giai đoạn của 2 lĩnh vực chính:Game Playing (Trò chơi) và Theorem Proving (Chứng minh định ký)

Game Playing: dựa trên kỹ thuật State Space Search với trạng

thái (State) là các tình huống của trò chơi Đáp án cần tìm là

trạng thái thắng hay con đường dẩn tới trạng thái thắng áp

dụng với các trò chơi loại đối kháng Ví dụ: Trò chơi đánh cờ

vua

Có 2 kỹ thuật tìm kiếm cơ bản:

Kỹ thuật generate and test : chỉ tìm được 1 đáp án/ chưa chắc

tối ưu.

Kỹ thuật Exhaustive search (vét cạn): Tìm tất cả các nghiệm,

chọn lựa phương án tốt nhất

(Bùng nổ tổ hợp mn với m>=10)

Lịch sử phát triển của AI : Giai đoạn cổ điển (tt)

Theorem Proving: dựa trên tập tiên đề cho trước,

chương trình sẽ thực hiện chuỗi các suy diển để

đạt tới biểu thức cần chứng minh.

Nếu có nghĩa là đã chứng minh được Ngược lại là

không chứng minh được.

Ví dụ: Chứng minh các định lý tự động, giải toán,

Vẫn dựa trên kỹ thuật state space search nhưng khó

khăn hơn do mức độ và quan hệ của các phép suy

luận: song song, đồng thời, bắc cầu,

Lịch sử phát triển của AI- Giai đoạn viễn vông

• Giai đoạn viễn vông (1965 – 1975)

– Đây là giai đoạn phát triển với tham vọng làm cho

máy hiểu được con người qua ngôn ngữ tự nhiên.

– Các công trình nghiên cứu tập trung vào việc biểu

diển tri thức và phương thức giao tiếp giữa người & máy bằng ngôn ngữ tự nhiên.

– Kết quả không mấy khả quan nhưng cũng tìm ra

được các phương thức biểu diễn tri thức vẫn còn được dùng đến ngày nay tuy chưa thật tốt như:

– Semantic Network (mạng ngữ nghĩa) – Conceptial graph (đồ thị khái niệm) – Frame (khung)

– Script (kịch bản)

Vấp phải trở ngại về năng lực của máy tính

Lịch sử phát triển của AI- Giai đoạn hiện đại

• Giai đoạn hiện đại (từ 1975)

– Xác định lại mục tiêu mang tính thực tiễn hơn của

AI là:

• Tìm ra lời giải tốt nhất trong khoảng thời gian chấp

nhận được

• Không cầu toàn tìm ra lời giải tối ưu

– Tinh thần HEURISTIC ra đời và được áp dụng mạnh

mẽ để khắc phục bùng nổ tổ hợp.

– Khẳng định vai trò của tri thức đồng thời xác định 2

trở ngại lớn là biểu diển tri thức và bùng nổ tổ hợp.

Các lĩnh vực ứng dụng

 Game Playing: Tìm kiếm / Heuristic Game Playing: Tìm kiếm / Heuristic

 Automatic reasoning & Theorem proving: Tìm kiếm / Automatic reasoning & Theorem proving: Tìm kiếm /

Heuristic

 Expert System: là hướng phát triển mạnh mẽ nhất và có giá Expert System: là hướng phát triển mạnh mẽ nhất và có giá

trị ứng dụng cao nhất.

 Planning & Robotic: các hệ thống dự báo, tự động hóa Planning & Robotic: các hệ thống dự báo, tự động hóa

 Machine learning: Trang bị khả năng học tập để giải quyết Machine learning: Trang bị khả năng học tập để giải quyết

vấn đề kho tri thức:

 Supervised : Kiểm soát được tri thức học được

Không tìm ra cái mới.

 UnSupervised:Tự học, không kiểm soát Có thể tạo

ra tri thức mới nhưng cũng nguy hiểm vì có thể học những điều không mong muốn.

Các lĩnh vực ứng dụng (tt)

 Natural Language Understanding & Semantic modelling: Natural Language Understanding & Semantic modelling:

Không được phát triển mạnh do mức độ phức tạp của bài toán cả về tri thức & khả năng suy luận.

 Modeling Human perfromance: Nghiên cứu cơ chế tổ chức Modeling Human perfromance: Nghiên cứu cơ chế tổ chức

trí tuệ của con người để áp dụng cho máy.

 Language and Environment for AI:Phát triển công cụ và Language and Environment for AI: Phát triển công cụ và

môi trường để xây dựng các ứng dụng AI.

 Neurol network / Parallel Distributed processing: giải Neurol network / Parallel Distributed processing: giải

Mô hình phát triển ứng dụng AI

AI = Presentation & Search

Chương 2: CÁC PHƯƠNG PHÁP

GIẢI QUYẾT VẤN ĐỀ

 AI: Biểu diễn và tìm kiếm

 Các giải thuật tìm kiếm trên không gian trạng thái

 Depth first search (DFS) - Breath first search

Tại sao phải tìm kiếm?

– Không gian tìm kiếm lớn

– Đặc tính đối tượng tìm kiếm thay đổi

– Đáp ứng thời gian thực

– Meta knowledge và kết quả “tối ưu”

• Khó khăn về kỹ thuật

Cấu trúc chung của bài toán

• Không gian bài toán là một đồ thị

• Giải bài toán là tìm đường đi trong đồ thị gồm một chuỗi các

đỉnh T0,T1, T2, …,Tn sao cho tổng chi phí là nhỏ nhất

• “Bài toán Konigsberg”

• Nhà toán học người Áo Leonhard Euler đã phát minh ra lý thuyết đồ thị

để giải quyết “bài toán các cây cầu của Konigsberg” Thành phố

Konigsberg nằm trên cả hai bờ và hai hòn đảo của một con sông Người

ta nối các đảo và hai bờ sông với nhau bằng bảy chiếc cầu như hình 3.1

• Hình 3.1 - Biểu diễn không gian trạng thái hệ thống cầu thành phố Konigsberg

• “Bài toán Konigsberg”

• Bài toán Konigsberg đặt câu hỏi là

liệu có thể đi khắp thành phố mà

chỉ ngang qua mỗi cây cầu một lần

hay không? Mặc dù những người

dân ở đây không ai tìm được lối đi

nào như vậy, nhưng họ vẫn nghi

ngờ là có thể, đồng thời cũng

không ai chứng minh được là

không có khả năng Nhờ phát

minh dạng lý thuyết đồ thị, Euler

đã tạo ra cách biểu diễn phương

án lựa chọn cho bản đồ thành phố

như trên hình 3.2

Hình 3.2 - Đồ thị của hệ

thống cầu Konigsberg

Đặc tính đồ thị

• Đồ thị có hướng: là đồ thị với các cung có định hướng,

nghĩa là cặp nút có quan hệ thứ tự trước sau theo từng cung Cung (Ni,Nj) có hướng từ Ni đến Nj, Khi đó Ni là nút cha và Nj là nút con.

• Nút lá: là nút không có nút con.

• Path: là chuỗi có thứ tự các nút mà 2 nút kế tiếp nhau

tồn tại một cung.

• Đồ thị có gốc: Trên đồ thị tồn tại nút X sao cho tất cả

các path đều đi qua nút đó X là gốc - Root

Không gian trạng thái

• Định nghĩa:Không gian trạng thái là một hệ thống gồm 4

• Mục tiêu của các giải thuật tìm kiếm là tìm ra một

solution path và/hay solution path tốt nhất.

• Trò chơi tic-tac-toe

• Trò chơi Tic-Tac-Toe

• Bắt đầu ván đấu bằng bàn cờ trống, đấu thủ thứ nhất có thể đặt ký

hiệu nước đi X vào bất cứ ô nào trong 9 ô trống của bàn cờ Mỗi

trong số những nước đi này tạo ra một bàn cờ khác cho phép đấu

thủ thứ hai đến lượt mình đi sẽ có thể chọn 8 cách đặt ký hiệu nước

đi O của mình vào Và sẽ cứ luân phiên như thế.

• Như vậy có tất cả 9 x 8 x 7 x … hay 9! Trạng thái khác nhau có thể

được tạo ra Mặc dù máy tính hoàn toàn có đủ khả năng thăm dò hết

số lượng trạng thái này (362880), nhưng nhiều bài toán quan trọng

có mức độ phức tạp theo qui luật số mũ hay giai thừa với qui mô lớn hơn nhiều Cờ vua có 10 120 cách đi có thể xảy ra cho một ván chơi, cờ đam có 10 40 cách đi, một số trong đó có thể không bao giờ xảy ra ở một ván chơi thực tế Các không gian này rất khó hoặc không thể nào khảo sát cho đến hết được Chiến lược tìm kiếm đối với một

không gian lớn như vậy thường phải dựa vào các heuristic để làm giảm bớt mức độ phức tạp cho quá trình tìm kiếm

• Chúng ta có thể xem mỗi hình thái bàn cờ này như là một nút trong

đồ thị, các liên kết của đồ thị biểu diễn các nước đi hợp lệ từ một thế

cờ này sang thế cờ khác Cấu trúc kết quả tạo thành một đồ thị

không gian trạng thái cho bài toán Và lúc đó, một chiến lược tìm

kiếm xuất phát từ trạng thái đầu và tìm trên các trạng thái để tìm trạng thái đích

chuyển các viên gạch vào ô trống để sắp xếp bảng thành một cấu hình đích nào đó Không gian trạng thái bài

toán đủ lớn để xem xét (16! nếu các trạng thái đối xứng được xem xét riêng biệt)

Trò đố 8 ô

1 Di chuyển ô trống lên phía trên (Up)

2 Di chuyển ô trống về bên phải (Right)

3 Di chuyển ô trống xuống phía dưới (Down)

4 Di chuyển ô trống về bên trái (Left)

• Trò đố 8 ô là một phiên bản với kích thước 3 x 3 của trò đố 15 ô,

vì nó tạo ra không gian trạng thái nhỏ hơn so với trò đố 15 ô nên thường được dùng cho nhiều ví dụ Các cách di chuyển đúng

luật là: Để áp dụng một di chuyển, phải bảo đảm rằng không di chuyển ô trống ra ngoài bảng Do đó, tất cả bốn cách di chuyển này không phải lúc nào cũng có thể áp dụng Nếu đã xác định một trạng thái xuất phát và một trạng thái đích thì có thể đưa ra một sơ đồ không gian trạng thái của quá trình giải toán Giống như trò chơi Tic-tac-toe không gian trạng thái của trò đố 8 ô

cũng là một đồ thị (với hầu hết các trạng thái đều có nhiều nút cha), nhưng khác Tic-tac-toe là có vòng lặp Mô tả đích (GD) của không gian trạng thái này là một trạng thái cụ thể, tức một cấu hình bảng cụ thể nào đó Khi tìm được trạng thái này trên

đường đi, quá trình tìm kiếm kết thúc Đường đi từ trạng thái xuất phát đến trạng thái đích là dãy các bước di chuyển theo yêu cầu

State Space & Database search

• Phải lưu trữ toàn bộ không

gian trong quá trình tìm

kiếm

• Không gian tìm kiếm biến

Database

• Không gian tìm kiếm là

một list hay tree

Chiến lược điều khiển trong SSS

• Mục tiêu của bài toán tìm kiếm trên không gian trạng

thái: PATH vs STATE

• Xuất phát từ đâu và kết thúc như thế nào?

• Chiến lược Data-Driven-Search: Quá trình search sẽ đi

từ trạng thái hiện thời áp dụng các luật để đi đến trạng thái kế tiếp và cứ thế cho đến khi đạt được một goal.

• Chiến lược Goal-Driven-Search: Quá trình search sẽ đi

từ trạng thái hiện tại (goal tạm thời) tìm xem luật nào có thể sinh ra trạng thái này Các điều kiện để áp dụng

được các luật đó trở thành subgoal Quá trình lặp lại cho đến khi lui về đến các sự kiện ban đầu.

Data-Driven Search hay Goal-Driven Search??