Slide Bài Giảng Nhập Môn Trí Tuệ Nhân Tạo Full

Giới thiệu Ngô Xuân Bách Học viện Công nghệ Bưu chính Viễn thông Khoa Công nghệ thông tin 1 Nhập môn trí tuệ nhân tạo Trí tuệ nhân tạo có thể làm gì? (1/14) http //www ptit edu vn2 Xếp hạng trang web[.]

Trang 1

Giới thiệu

Ngô Xuân Bách

Học viện Công nghệ Bưu chính Viễn thông

Khoa Công nghệ thông tin 1

Nhập môn trí tuệ nhân tạo

Trang 2

Trí tuệ nhân tạo có thể làm gì? (1/14)

http://www.ptit.edu.vn 2

Xếp hạng trang web trong truy xuất thông tin (Ranking)

Trang 3

Dịch máy (Machine Translation)

Trang 4

Kiểm lỗi chính tả - Spelling

Trang 5

Nhận dạng tiếng nói – Automatic Speech Recognition (ASR)

Trang 6

Tổng hợp tiếng nói Speech Synthesis - Text to Speech (TTS)

https://text-to-speech-demo.mybluemix.net/

Trang 7

Trả lời câu hỏi tự động (Question Answering)

Trang 8

Chatbot

Trang 9

Nhận dạng mặt người (Face Detection)

Trang 10

Xe tự hành (Driverless Cars)

Trang 11

Hệ tư vấn (Recommender Systems)

Trang 12

Lập lịch bay (Planning)

Trang 13

Rôbốt trợ giúp con người (Robotics)

Trang 14

Trò chơi thông minh (AI and Games)

Trang 15

Rất nhiều ứng dụng khác

(Liang, 2013)

Trang 16

Trí tuệ nhân tạo là gì?

tuệ)

o Thế nào là thực thể thông minh?

bốn nhóm, theo đó, trí tuệ nhân tạo là lĩnh vực nghiên

cứu việc xây dựng các hệ thống có đặc điểm

Trang 17

Lịch sử hình thành và phát triển (1/3)

 Giai đoạn tiền khởi đầu (1943-1955)

o Chưa có khái niệm về TTNT, xuất hiện một số kết quả nghiên cứu liên quan trực tiếp tới các nghiên cứu về TTNT sau này

▪ 1943: mô hình mạng nơ ron nhân tạo đầu tiên ra đời

▪ 1950: Alan Turing công bố bài báo về trí tuệ máy, mô tả khái niệm phép thử Turing, học máy, thuật toán di truyền, và học tăng cường

 Sự ra đời của TTNT (1956)

o Mười nhà khoa học đứng đầu là John McCarthy tổ chức một hội thảo kéo dài hai tháng tại trường đại học Dartmouth đặt nền móng đầu tiên cùng tên gọi chính thức của TTNT

 Giai đoạn khởi đầu (1952-1969)

o Một số chương trình có khả năng chứng minh định lý toán học theo cách

tương tự tư duy của con người

o Một số chương trình trò chơi có khả năng học và đánh thắng người chơi

nghiệp dư

o 1958: John McCarthy đề xuất ngôn ngữ LISP

o Mạng nơ ron nhân tạo tiếp tục phát triển đạt được một số thành tựu mới

Trang 18

o Chú trọng tới việc sử dụng nhiều tri thức, thông tin đặc thù cholĩnh vực hẹp của vấn đề cần giải quyết

▪ DENDRAL (1967): hệ chuyên gia cho phép dự đoán cấu trúc phân tử

▪ MYCIN (1974): hệ chuyên gia cho phép chuẩn đoạn bệnh nhiễm trùng máu

▪ Các hệ thống dịch máy sử dụng tri thức để hiểu ngôn ngữ tự nhiên

o Các hệ chuyên gia được thương mại hóa, đặc biệt trong giai đoạn1980-1988, sau đó TTNT rơi vào thời gian trì trệ

o Sự trở lại của mạng nơ ron nhân tạo

o Đặc biệt trong khoảng 10 năm gần đây, các mạng nơ ron nhiềulớp (deep network) đang được đặc biệt quan tâm

Trang 19

o TTNT đã có phương pháp nghiên cứu riêng của mình, tuân theocác yêu cầu chung đối với phương pháp nghiên cứu khoa học

▪ Kết quả được chứng minh bằng thực nghiệm

▪ Kết quả được phân tích bằng khoa học thống kê

▪ Các phát minh trước đây của TTNT được phân tích và so sánh, không còn mang tính kinh nghiệm thuần túy, dựa trên cơ sở lý thuyết rõ ràng hơn

o Dữ liệu số hóa được tạo ra tăng rất nhanh

▪ Nhiều nghiên cứu cho thấy việc sử dụng dữ liệu hợp lý quan trọng hơn việc xây dựng các thuật toán phức tạp

o Dữ liệu lớn (Big data): dữ liệu lớn, bản chất đa dạng, thay đổi

nhanh theo thời gian

Trang 20

o Suy diễn (reasoning)

▪ Hệ thống có khả năng đưa ra kết luận về hành động dựa trên thông tin thu nhận được từ môi trường và tri thức bên trong

o Hành động (action)

▪ Hệ thống có khả năng tác động trở lại môi trường (thực hiện hành

động hoặc đưa ra thông tin)

Trang 21

Các lĩnh vực nghiên cứu (2/2)

o Thị giác máy tính (computer vision)

o Xử lý ngôn ngữ tự nhiên (natural language processing)

o Biểu diễn tri thức (knowledge representation)

o Tìm kiếm (search)

o Suy diễn (inference hay reasoning)

o Học máy (machine learning)

o Lập kế hoạch (planning)

o Kỹ thuật rôbốt (robotics)

Trang 22

Nội dung môn học

o Tìm kiếm không có thông tin (tìm kiếm mù)

o Tìm kiếm có thông tin

Trang 23

Thông tin môn học

 Giảng viên

o PGS.TS Ngô Xuân Bách, Phó trưởng khoa CNTT1

o Website: https://sites.google.com/site/nxbachcs/home

o Email: bachnx@ptit.edu.vn , ngoxuanbachkcn@gmail.com

 Tài liệu tham khảo

o Từ Minh Phương Giáo trình Nhập môn trí tuệ nhân tạo Nhà xuất bản Thông tin và truyền thông, 2016.

o Đinh Mạnh Tường Trí tuệ nhân tạo Nhà xuất bản Khoa học kỹ thuật

o Kiểm tra giữa kỳ (10%)

Thiếu điểm thành phần hoặcnghỉ quá 20% số buổi sẽkhông được thi hết môn!!!

Trang 24

Giải quyết vấn đề bằng tìm kiếm

Ngô Xuân Bách

Trang 26

Nội dung

o Tìm kiếm và khoa học trí tuệ nhân tạo

o Phát biểu bài toán tìm kiếm

o Các tiêu chuẩn đánh giá thuật toán tìm kiếm

Trang 27

Tìm kiếm & khoa học trí tuệ nhân tạo

dưới dạng tìm kiếm

o Trò chơi: tìm kiếm nước đi tối ưu (mang lại lợi thế)

o Lập thời khóa biểu: tìm kiếm phương án sắp xếp thỏa mãn yêucầu đề ra (thỏa mãn ràng buộc)

o Tìm đường: tìm đường đi tối ưu (chiều dài, thời gian, giá, …)

trọng của trí tuệ nhân tạo

o Phát triển các thuật toán tìm kiếm hiệu quả (đặc biệt trong nhữngtrường hợp không gian tìm kiếm có kích thước lớn)

o Là cơ sở cho nhiều nhánh nghiên cứu khác của trí tuệ nhân tạo

▪ Học máy, xử lý ngôn ngữ tự nhiên, suy diễn

Trang 28

Phát biểu bài toán tìm kiếm

Một bài toán tìm kiếm được phát biểu thông qua 5 thành phần sau

1 Tập hữu hạn các trạng thái có thể: 𝑄

2 Tập các trạng thái xuất phát : 𝑆 ⊆ 𝑄

3 Hành động hay hàm nối tiếp hay toán tử 𝑃(𝑥), là tập các trạng thái nhận

được từ trạng thái 𝑥 do kết quả thực hiện hành động hay toán tử

4 Xác định đích :

o Tường minh, cho bởi tập đích G ⊆ 𝑄

o Không tường minh, cho bởi một số điều kiện

5 Giá thành đường đi

o Ví dụ, tổng khoảng cách, số lượng hành động, …

o 𝑐(𝑥, 𝑎, 𝑦) ≥ 0 , là giá thành bước, từ trạng thái 𝑥, thực hiện hành động 𝑎, và

chuyển sang trạng thái 𝑦Lời giải là chuỗi hành động cho phép di chuyển từ trạng thái xuất pháttới trạng thái đích

Trang 29

Các tiêu chuẩn đánh giá thuật toán tìm kiếm

o Khối lượng tính toán cần thực hiện để tìm ra lời giải

o Số lượng trạng thái cần xem xét trước khi tìm ra lời giải

Trang 30

Nội dung

 Bài toán tìm kiếm trong không gian trạng thái

o Trò chơi 8 ô

o Bài toán 8 con hậu

Trang 31

Trò chơi 8 ô (1/2)

(Russell & Norvig, 2010)

Trang 32

Trò chơi 8 ô (2/2)

 Trạng thái : tổ hợp ví trí các ô

 Trạng thái xuất phát : một trạng thái bất kỳ

 Hành động : di chuyển ô trống trái, phải, lên, xuống

 Giá thành : số lần di chuyển

(Russell & Norvig, 2010)

Trang 33

Bài toán 8 con hậu (1/2)

Đặt 8 con hậu lên bàn cờ vua 8x8 sao cho không có đôi

hậu nào đe dọa nhau

Trang 34

Bài toán 8 con hậu (2/2)

Đặt 8 con hậu lên bàn cờ vua 8x8 sao cho không có đôi

hậu nào đe dọa nhau

 Trạng thái : sắp xếp của 0 đến 8 con hậu trên bàn cờ

 Trạng thái xuất phát : không có con hậu nào trên bàn cờ

 Hành động : đặt một con hậu lên một ô trống trên bàn cờ

nhau

Trang 35

Nội dung

 Bài toán tìm kiếm trong không gian trạng thái

 Một số ví dụ

o Thuật toán tìm kiếm tổng quát

o Tìm kiếm theo chiều rộng (Breadth-first search: BFS)

o Tìm kiếm theo giá thành thống nhất (Uniform-cost search: UCS)

o Tìm kiếm theo chiều sâu (Depth-first search: DFS)

o Tìm kiếm sâu dần (Iterative deepening search: IDS)

Trang 36

Thuật toán tìm kiếm tổng quát (1/3)

hàm trạng thái để mở rộng các trạng thái đó cho tới khi đạt đến trạng thái mong muốn

o Mỗi trạng thái là một nút

o Các nút biên (nút mở) là nút đang chờ mở rộng tiếp

o Nút đã mở rộng gọi là nút đóng

Trang 37

𝑆𝑒𝑎𝑟𝑐ℎ(𝑄, 𝑆, 𝐺, 𝑃)

(𝑄: không gian trạng thái, 𝑆: trạng thái bắt đầu, 𝐺: đích, 𝑃: hành động)

Đầu vào: bài toán tìm kiếm

Đầu ra: trạng thái đích

Khởi tạo: 𝑂 ← 𝑆 (𝑂: danh sách các nút mở)

Trang 38

𝑆𝑒𝑎𝑟𝑐ℎ(𝑄, 𝑆, 𝐺, 𝑃)

Đầu ra: trạng thái đích

Khởi tạo: 𝑂 ← 𝑆 (𝑂: danh sách các nút mở)

Trang 39

Ví dụ cây tìm kiếm

(Phuong TM, 2016)

Trang 40

Các chiến lược tìm kiếm

các nút trên cây tìm kiếm

sau:

o đầy đủ: có tìm được lời giải không (nếu có)?

o độ phức tạp tính toán: số lượng nút sinh ra

o yêu cầu bộ nhớ: số lượng nút tối đa cần lưu trong bộ nhớ

o tối ưu: có tìm được lời giải có giá thành nhỏ nhất không

o 𝑏: độ rẽ nhánh tối đa của cây tìm kiếm

o 𝑑: độ sâu của lời giải

o 𝑚: độ sâu tối đa của không gian trạng thái (có thể là ∞)

Trang 41

Tìm kiếm mù (Tìm kiếm không có thông tin)

tin theo phát biểu của bài toán trong quá trình tím kiếm

o Tìm kiếm theo chiều rộng (Breadth-first search: BFS)

o Tìm kiếm theo giá thành thống nhất (Uniform-cost search: UCS)

o Tìm kiếm theo chiều sâu (Depth-first search: DFS)

o Tìm kiếm sâu dần (Iterative deepening search: IDS)

Trang 42

Tìm kiếm theo chiều rộng – BFS (1/4)

nông nhất (gần gốc nhất) để mở rộng

Trang 43

Trang 44

Trang 45

o Khi chuyển sang một nút cần ghi nhớ nút cha của nút đó bằng

cách sử dụng con trỏ ngược

o Sau khi đạt tới đích, con trỏ ngược được sử dụng tìm đường đi trởlại nút xuất phát

Trang 46

Thuật toán BFS (1/2)

𝐵𝐹𝑆(𝑄, 𝑆, 𝐺, 𝑃)

Đầu ra: đường tới nút đích

Khởi tạo: tập các nút biên (nút mở) 𝑂 = 𝑆

while(𝑂 ≠ Ø) do

1 lấy nút đầu tiên 𝑛 khỏi 𝑂

2 if 𝑛 ∈ 𝐺, return (đường đi tới 𝑛)

3 thêm 𝑃(𝑛) vào đuôi 𝑂

return không tìm được đường đi

Trang 47

Thuật toán BFS (2/2)

𝐵𝐹𝑆(𝑄, 𝑆, 𝐺, 𝑃)

3 thêm 𝑃(𝑛) vào đuôi 𝑂

Sử dụngcấu trúchàng đợiFIFO

Trang 48

Tránh các nút lặp

o Thuật toán có thể mở rộng một nút nhiều lần

Trang 49

Ví dụ BFS (1/2)

(Phuong TM, 2016)

Trang 50

Ví dụ BFS (2/2)

STT Nút được mở rộng Tập biên O (hàng đợi FIFO)

Trang 51

o Có (nếu cost = 1 với mọi bước)

o Do luôn tìm kiếm tất cả các nút ở mức trên trước khi tìm sang nút

ở mức dưới

 Bộ nhớ là vấn đề quan trọng hơn thời gian

Trang 52

Tìm kiếm theo giá thành thống nhất

không bằng nhau giữa các cặp nút

o BFS không cho lời giải tối ưu

o Cần sử dụng phương pháp tìm kiếm theo giá thành thống nhất (làmột biến thể của BFS)

rộng trước thay vì chọn nút nông nhất như trong BFS

Trang 53

Ví dụ UCS (1/2)

(Phuong TM, 2016)

Trang 54

Ví dụ UCS (2/2)

Trang 55

Tìm kiếm theo chiều sâu – DFS (1/4)

nhất (xa gốc nhất) để mở rộng

Trang 56

Trang 57

Trang 58

Trang 59

Thuật toán DFS (1/2)

𝐷𝐹𝑆(𝑄, 𝑆, 𝐺, 𝑃)

3 thêm 𝑃(𝑛) vào đầu 𝑂

Trang 60

Thuật toán DFS (2/2)

𝐷𝐹𝑆(𝑄, 𝑆, 𝐺, 𝑃)

3 thêm 𝑃(𝑛) vào đầu 𝑂

Sử dụngcấu trúcngăn xếpLIFO

Trang 61

Ví dụ DFS (1/2)

(Phuong TM, 2016)

Trang 62

Ví dụ DFS (1/2)

STT Nút được mở rộng Tập biên O (ngăn xếp LIFO)

Trang 64

Tìm kiếm sâu dần – IDS (1/3)

rộng các nút có độ sâu quá một giới hạn nào đó Giới

hạn độ sâu sẽ được tăng dần cho đến khi tìm được lời giải.

Trang 65

Trang 66

Trang 67

Thuật toán IDS

𝐼𝐷𝑆(𝑄, 𝑆, 𝐺, 𝑃)

𝑐 = 0 là độ sâu hiện thời

while (1) do

1 while (𝑂 ≠ Ø) do

a lấy nút đầu tiên 𝑛 khỏi 𝑂

b if 𝑛 ∈ 𝐺, return (đường đi tới n)

c if 𝑑𝑒𝑝𝑡ℎ 𝑛 < 𝑐 then

thêm 𝑃(𝑛) vào đầu 𝑂

2 𝑐 + +; 𝑂 = 𝑆

Trang 68

Tính chất của IDS

Trang 69

Ví dụ IDS

(Phuong TM, 2016)

Trang 70

Tóm tắt

trạng thái đích

Time 𝑂(𝑏𝑑) 𝑂(𝑏 𝐶∗ൗ𝜖

) 𝑂(𝑏𝑚) 𝑂(𝑏𝑑)Space 𝑂(𝑏𝑑) 𝑂(𝑏 𝐶∗ൗ𝜖

Trang 71

Khi nào đưa nút lặp vào danh sách?

o Trong trường hợp nút lặp có giá thành (chi phí) tốt hơn, nó sẽ

được đưa lại danh sách (nếu đã phát triển rồi) hoặc cập nhật thaynút cũ có giá thành kém hơn (nếu đang trong danh sách)

 DFS

o Có: Việc đưa nút lặp vào ngăn xếp sẽ làm thay đổi thứ tự duyệtcác nút trong ngăn xếp (thay đổi nhánh tìm kiếm), và thay đổi

nghiệm của bài toán

o Tuy nhiên nếu đây là một nút đã được duyệt rồi thì sẽ không đưavào ngăn xếp nữa

 IDS:

Trang 72

Tìm theo hai hướng (1/2)

xuất phát và nút đích

o Tồn tại hai cây tìm kiếm, một cây có gốc là nút xuất phát, một cây

có gốc là nút đích

o Tìm kiếm kết thúc khi có lá của cây này trùng với lá của cây kia

(Phuong TM, 2016)

Trang 73

Tìm theo hai hướng (2/2)

Trang 74

Tìm kiếm có thông tin (informed search)

Ngô Xuân Bách

Trang 75

Tìm kiếm mù & Tìm kiếm có thông tin

o Không phù hợp trong các bài toán có không gian trạng thái lớn

o Sử dụng thông tin phụ từ bài toán để định hướng tìm kiếm

o Sử dụng một hàm 𝑓(𝑛) đánh giá độ “tốt” tiềm năng của nút 𝑛, từ

đó chọn nút tốt nhất để mở rộng trước

▪ Tìm kiếm tốt nhất đầu tiên (best-first search)

▪ Xây dựng hàm 𝑓(𝑛) thế nào?

Trang 76

Nội dung

Trang 77

Ví dụ đồ thị cho bài toán tìm kiếm

Trang 78

Tìm kiếm tham lam

đích nhỏ nhất trước

o 𝑓 𝑛 = ℎ(𝑛): hàm heuristic ước lượng giá thành đường đi từ 𝑛 tớiđích

o Ví dụ: ℎ(𝑛) = đường chim bay từ 𝑛 tới đích

 “ Tham lam ”: Chọn nút trông có vẻ tốt nhất để mở rộng, không quan tâm tới tương lai

Trang 79

Ví dụ tìm kiếm tham lam (1/4)

S 125

Trang 80

Trang 81

Trang 82

Trang 83

Tính chất của tìm kiếm tham lam

 Đầy đủ?

o Không (có thể tạo thành vòng lặp, hoặc có nhánh gồm vô hạn nút

có giá trị hàm h nhỏ nhưng không dẫn tới đích)

Trang 84

Bài tập 1

 Sử dụng thuật toán tìm kiếm tham lam tìm đường đi từ 𝑆 tới 𝐺?

(Phuong TM, 2016)

E

Tiêu đề	Nhập môn trí tuệ nhân tạo
Tác giả	Ngô Xuân Bách
Trường học	Học viện Công nghệ Bưu chính Viễn thông
Chuyên ngành	Công nghệ thông tin
Thể loại	Bài giảng
Năm xuất bản	2025
Thành phố	Hà Nội

Định dạng
Số trang	301
Dung lượng	27,23 MB