nhập môn trí tuệ nhân tạo

Boole Mathematical Model of Thoughts, cho đ n Hilbert: Logics..  Connectionism 80s-90s Neural Networks, Statistical Learning, Support Vector Machines, Probabilistic Graph Learning,....

Biên so n: TS Ngô H u Phúc

B môn: Khoa h c máy tính

Mobile: 098 56 96 580 Email: ngohuuphuc76@gmail.com

TTNT - H c vi n K thu t Quân s

NH P MỌN TRệ TU NHÂN T O

1

Thông tin chung

 Thông tin v nhóm môn h c:

 Th i gian, đ a đi m làm vi c: B môn Khoa h c máy tính T ng 2, nhà A1.

 a ch liên h : B môn Khoa h c máy tính, khoa Công ngh thông tin.

 i n tho i, email: 069-515-329, ngohuuphuc76.mta@gmail.com

TTNT - H c vi n K thu t Quân s

2

TT H tên giáo viên H c hƠm H c v n v công tác (B môn)

1 Ngô H u Phúc GVC TS BM Khoa h c máy tính

2 Tr n Nguyên Ng c GVC TS BM Khoa h c máy tính

3 Hà Chí Trung GVC TS BM Khoa h c máy tính

4 Tr n Cao Tr ng GV ThS BM Khoa h c máy tính

BƠi 1: Gi i thi u chung (1/2)

BƠi 1: Gi i thi u chung (2/2)

• Essentials of Artificial Intelligence , M.Ginsberg, Morgan Kaufmann, 1993.

• Trí tu nhơn t o: Các ph ng pháp gi quy t v n đ vƠ k thu t x lý tri th c, Nguy n Thanh Th y.

1 Gi i thi u chung v khóa h c

VII Các bài toán th a r ng bu c.

VIII Nh p môn máy h c.

IX M t s ng d ng trong th c t

7

• Ph n lý thuy t.

• Ph n bài t p (đ c giao vào tu n th 6 c a môn h c)

8

3 Khái ni m v Trí tu nhơn t o (1/)

TTNT - H c vi n K thu t Quân s

v trí tu nhân t o Tuy nhiên, v n ch a th ng nh t

m t d ng đ nh ngh a.

 Strong AI: Có th t o ra thi t b có trí thông minh và

các ch ng trình máy tính thông minh h n ng i!!!

 Weak AI: Ch ng trình máy tính có th mô ph ng các

hành vi thông minh c a con ng i!!!

9

3 Khái ni m v Trí tu nhơn t o (2/)

TTNT - H c vi n K thu t Quân s

Có 4 quan đi m v AI:

Tài li u t p trung vào nhóm quan đi m “hành đ ng có lý trí”

Suy ngh nh ng i Suy ngh có lý trí

Hành đ ng nh ng i Hành đ ng có lý trí

10

HƠnh đ ng nh ng i: Turing Test

TTNT - H c vi n K thu t Quân s

 Turing (1950) "Computing machinery and intelligence":

 “Máy tính có th ngh ?"  “Máy tính có th hành đ ng thông minh?"

Các ý ki n ph n đ i Turing Test

TTNT - H c vi n K thu t Quân s

 Thiên v các nhi m v gi i quy t v n đ b ng ký hi u.

 Trói bu c s thông minh máy tính theo ki u con

ng i, trong khi con ng i có:

 Trên xu ng: Tâm lý h c nt  Symbolism (Simon & Newell, 1961).

 D i lên: Neural and Brain Science (Mc Culloch, Pitt 1950s)  Artificial Neural

Networks.

13

Suy ngh có lý trí

TTNT - H c vi n K thu t Quân s

 B t đ u t th i Hyl p c đ i (Rule of Arguments)

cho đ n G Boole (Mathematical Model of

Thoughts), cho đ n Hilbert: Logics (nh ng không

HƠnh đ ng có lý trí

TTNT - H c vi n K thu t Quân s

 Doing the right thing (not “Doing the thing right”).

 Hành vi đ c coi là thông minh n u giúp cho tác nhân (agent)

th c hi n hành vi t ng c h i th c hi n đ c đích đ t ra cho nó

v i đi u ki n thông tin ph ng ti n cho phép c a môi tr ng mà

nó đang t n t i.

 Nh v y: L i đi m c a đ nh ngh a:

 Thông minh không nh t thi t ph i là con ng i hay gi ng ng i!!!

 Hành vi thông minh không nh t thi t ph i th c hi n thông qua suy ngh ,

lý lu n.

15

M t s đ nh ngh a v TTNT trong tƠi li u tham kh o

TTNT - H c vi n K thu t Quân s

17

 Trí tu nhân t o giúp t o ra máy tính có kh n ng suy ngh máy tính có trí tu theo đ y đ ngh a c a t này (Haugeland, 1985).

 Trí tu nhân t o là khoa h c nghiên c u xem làm th nào đ máy tính có th

th c hi n đ c nh ng công vi c mà hi n con ng i con làm t t h n máy tính (Rich and Knight, 1991).

 TTNT là khoa h c nghiên c u v các ho t đ ng trí nưo thông qua các mô hình tính toán (Chaniak và McDemott, 1985).

 Nghiên c u các mô hình tính toán đ máy tính có th nh n th c, l p lu n, và hành đ ng (Winston, 1992).

 TTNT nghiên c u các hành vi thông minh mô ph ng trong các v t th nhân t o (Nilsson 1998).

nh ngh a

TTNT - H c vi n K thu t Quân s

18

 Trí tu nhơn t o lƠ khoa h c nghiên c u các hƠnh vi

thông minh nh m gi i quy t các v n đ đ c đ t ra đ i

v i các ch ng trình máy tính!!!

5 L ch s hình thƠnh khoa h c TTNT

TTNT - H c vi n K thu t Quân s

20

Ba giai đo n:

 Symbolism (70-80) (Automated Reasoning and Proofing,

Expert Systems, Logic Programming, )

 Connectionism (80s-90s) (Neural Networks, Statistical

Learning, Support Vector Machines, Probabilistic Graph Learning, )

 Evolutionary Computation (90s-?) (Evolutionary

Programming, Evolutionary Strategies, Genetic Algorithms), Intelligent Multi Agent Systems

5 L ch s hình thƠnh vƠ phát tri n (t)

TTNT - H c vi n K thu t Quân s

21

 1930-A.M.Turing đ a ra các k t qu nghiên c u v máy thông minh,

ch ng trình thông minh đ n tr c nghi m thông minh, đ ng th i đ a ra các k t qu c s quan tr ng v máy Turing.

 Phát hi n quan tr ng c a Turing là ch ng trình có th l u tr trong b

nh đ sau đó đ c th c hi n trên c s các phép toán c b n thao tác

v i các đ i l ng là s 0 và 1 c a h đ m nh phân.

 Vi c l u gi ch ng trình trong máy cho phép thay đ i ch c n ng c a nó

m t cách nhanh chóng và d dàng thông qua vi c n p ch ng trình m i khác vào b nh

 i u trên làm cho máy có kh n ng h c và suy ngh đáy chính là bi u

hi n đ u tiên c a các máy tính đ c trang b TTNT.

5 L ch s hình thƠnh vƠ phát tri n (t)

5 L ch s hình thƠnh vƠ phát tri n (t)

• Xây d ng các trò ch i thông minh.

• Mô ph ng thông minh.

• Gi i các bài toán xư h i, thiên nhiên thông qua mô ph ng thông minh.

• Cu c s ng nhân t o.

•

• H chuyên gia MYCIN (1984, Standford) không thua kém chuyên gia ng i

trong vi c chu n đoán b nh.

• Chi n tranh vùng v nh 1991, K thu t TTNT đ c dùng đ l p l ch và lên k

ho ch h u c n.

• Chi n tranh vùng v nh l n 2 (2003) Chi n tranh mô ph ng trên máy tính.

• Ch ng trình l p l ch và đi u khi n thông minh trên xe t hành và Robot t

hành c a NASA.

• Máy nh n d ng m t ng i t i sân bay Heathrow.

•

• Tri th c đ c c u trúc hoá, đ trong

b nh làm vi c theo ký hi u.

• nh h ng x lý các đ i l ng đ nh tính (logic), các ký hi u t ng tr ng

và danh sách.

• X lý theo ch đ t ng tác (h i tho i ngôn ng t nhiên).

• Có gi i thích hành vi c a h th ng trong quá trình th c hi n.

• K t qu t t, cho phép m c l i.

Biên so n: TS Ngô H u Phúc

B môn: Khoa h c máy tính

Mobile: 098 56 96 580 Email: ngohuuphuc76@gmail.com

Ch ng 2: Logic

NH P MỌN TRệ TU NHÂN T O

1

Thông tin chung

 Thông tin v nhóm môn h c:

Ch ng 2: Logic

2

TT H tên giáo viên H c hƠm H c v n v công tác (B môn)

2 Tr n Nguyên Ng c GVC TS BM Khoa h c máy tính

4 Tr n Cao Tr ng GV ThS BM Khoa h c máy tính

C S Tri Th c

• C s tri th c = t p các câu trong m t ngôn ng hình th c nào đó

• Gi i quy t v n đ b ng đ c t

– C s tri th c (KB) bi u di n đi u mà agent c n bi t

C s tri th c và c ch l p lu n s giúp agent t gi i quy t v n đ

th c ch không ph thu c vào cài đ t (c u trúc d li u, thu t toán, )

Khung m u cho Agent t a tri th c

• Agent ph i có kh n ng:

– bi u di n tr ng thái, hành đ ng etc.

– Ti p n p d li u m i t bên ngoài.

– Thay đ i nh n th c (bi u di n) thê gi i bên ngoài.

– Suy di n nh ng s ki n n (không th y) c a th gi i bên ngoài

• Sensors: mùi, ti ng gió, ánh kim, xóc, ti ng rên la.

• Actuators: quay trái, ph i, ti n, ch p, th , b n

c i m bƠi toán Hang Wumpus

• Quan sát t t c các tr ng thái? không – ch quan sát đ c c c b

• L i gi i? Dưy các hành đ ng đ đ t đ c đi m

th ng cao nh t.

• Tính đ ng? T nh – Wumpus và b y nguyên v trí.

• R i r c Có

Ví d

Ví d

Ví d

Ví d

Ví d

Ví d

Ví d

Ví d

• Logics ngôn ng hình th c bi u di n thông tin

nh các k t lu n có th trích rút, suy di n t tri

th c và quan sát môi tr ng xung quanh.

d n ra “M t trong hai đ i MU ho c Chelsea th ng”

– E.g., x+y = 4 d n ra 4 = x+y

– Quan h d n đ c (h qu logic) là m i quan h gi a các m nh đ (i.e., cú pháp) d a trên ng ngh a

Ví d

Ví d

• KB = lu t + quan sát, ti p nh n t môi tr ng

Ví d

• KB = lu t + quan sát ti p nh n t môi tr ng

Ví d

• KB = lu t + quan sát ti p nh n t môi tr ng

• 2 = "[2,2] an toàn", KB 2

Lu t đ xác đ nh giá tr d a trên Model m:

S1  S2 is true iff S1 is false or S2 is true

and S2S1 is true

Th c ch t là đánh giá đ quy:

P1,2  (P2,2  P3,1) = true  (true  false) = true  true = trueCh ng 2: Logic 29

B ng giá tr lu n lý

Ví d

Pi,j nh n giá tr đúng n u có h trong ô [i, j].

Bi,j nh n giá tr đúng n u có ti ng gió trong ô [i, j].

L p Lu n D a Trên B ng Lu n Lý

L p Lu n B ng Li t Kê Models

• Tìm ki m (theo chi u sâu) và li t kê các mô hình

Quan h Logic T ng ng

• Hai m nh đ là khi và ch khi chúng cùng đúng trên các model : ß iff and

Tính chơn lý vƠ Tho đ c

M t m nh đ đ c g i là chân lý (toàn đúng) n u nó đúng trên m i models,

e.g., True, A A, A  A, (A  (A  B))  B

Liên h v i phép suy d n qua đ nh lý suy di n:

– Ki m tra Model

• Xét b ng lu n lý (t l m v i n)

• C i ti n Back-Tracking, Davis Putnam-Logemann-Loveland (DPLL)

• Tìm ki m Heuristic trong không gian các Model (ch t nh ng không đ )

E.g., P1,3  P2,2, P2,2

P1,3

• Phép gi i là ch t và đ đ i v i Logic m nh đ Ch ng 2: Logic 37

Chuy n công th c sang d ng CNF

Thu t Toán cho Phép Gi i

• ch ng minh b ng ph n ch ng, i.e., ch ng minh r ng

KB là luôn sai

Ví d

• KB = (B1,1  (P1,2 P2,1))  B1,1 = P1,2

L p Lu n Ti n/Lùi

• D ng Horn (restricted)

KB = k t h p c a các câu d ng Horn– Câu d ng Horn =

• ký hi u m nh đ ; ho c

• (h p (and) các m nh đ )  m nh đ– E.g., C  (B  A)  (C  D  B)

–

• Tam đo n lu n (cho d ng Horn): đ Horn KBs

• có th cài đ t c ch l p lu n h ng ti n/lùi.

• Các thu t toán này t nhiên và ch y v i th i

L p lu n ti n

• Ý t ng: “cháy” lu t có ph n ti n đ tho đ c trong KB,

sau đó thêm ph n k t lu vào KB cho đ n khi tìm đ c đích (tr l i câu h i) c n tìm)

Thu t Toán cho l p lu n ti n

• L p lu n ti n là ch t & đ đ i v icác KB d ng Horn Ch ng 2: Logic 43

Ví d minh ho

Ví d minh ho

Ví d minh ho

Ví d minh ho

Ví d minh ho

Ví d minh ho

Ví d minh ho

Ví d minh ho

minh và tr c khi ch ng minh ki m tra xem

đích c n ch ng minh đư có trong goal stack

ch a?

Ví D Minh Ho

Ví D Minh Ho

Ví D Minh Ho

Ví D Minh Ho

Ví D Minh Ho

Ví D Minh Ho

Ví D Minh Ho

Ví D Minh Ho

Ví D Minh Ho

Ví D Minh Ho

So Sánh L p Lu n Ti n/Lùi

• FC h ng d li u, t đ ng, x lý không h ng đích.

– e.g., nh n d ng, ra quy t đ nh,

• ch ng minh nhi u th không liên quan đ n đích

• BC h ng đích, thích h p cho gi i quy t v n đ , chu n đoán nguyên nhân,

M t S Thu t Toán Ki m Tra Model cho

Gi i Thu t DPLL

Ki m tra tính tho đ c c a công th c Logic d ng CNF

Li t kê mô hình v i m t s Heuristics:

Câu đ n v : câu ch có m t literal Literal trong câu đó ph i b ng true.

Gi i Thu t DPLL

Gi i Thu t WalkSAT

Agent có kh n ng l p lu n cho bƠi

toán hang Wumpus

S d ng c s tri th c d ng logic m nh đ :

P1,1

W1,1

Bx,y  (Px,y+1  Px,y-1  Px+1,y  Px-1,y)

Sx,y  (Wx,y+1  Wx,y-1  Wx+1,y  Wx-1,y)

Ch ng 2: Logic 70

• Trong ví d trên, m i m t ô ph i có công th c

c Thêm

2 Symbolic Logic and Mechanical Theorem

3 Automated Reasoning, L Wos, R Overbeek,

E Lusk, and J Boyle ( ng d ng c a l p lu n

t đ ng).

4 An Introduction to Expert Systems, P Jackson

(ch ng 5).

Cơu h i ôn t p

1 Trình b y v logic m nh đ : cú pháp, ng ngh a, mô

hình, tính chân lý, tính tho đ c, tính h ng sai

2 Trình bày ph ng pháp chuy n công th c logic m nh

đ sang d ng CNF

3 Cài đ t phép gi i và xây d ng ch ng trình ch ng

minh t đ ng cho phép gi i

4 Cài đ t c ch l p lu n ti n/lùi trên c s tri th c g m

các câu d ng horn và ng d ng đ xây d ng các h chuyên gia

5 Cài đ t, thí nghi m và đánh giá DPLL, WalkSAT

6 Nghiên c u cài đ t các ph ng pháp tìm ki m

heuristics khác (SA, GA, ACO, ) cho bài toán SAT

7 Cài đ t Agent có kh n ng l p lu n cho bài toán hang

Biên so n: TS Ngô H u Phúc

B môn: Khoa h c máy tính

Mobile: 098 56 96 580 Email: ngohuuphuc76@gmail.com

TTNT - H c vi n K thu t Quân s

NH P MỌN TRệ TU NHÂN T O

1

Thông tin chung

 Thông tin v nhóm môn h c:

TTNT - H c vi n K thu t Quân s

2

TT H tên giáo viên H c hƠm H c v n v công tác (B môn)

2 Tr n Nguyên Ng c GVC TS BM Khoa h c máy tính

4 Tr n Cao Tr ng GV ThS BM Khoa h c máy tính

N i dung

• Logic v t b c 1.

• Bi u di n tri th c trong Logic v t b c 1.

c ng, tr , …

Cơu nguyên thu

Câu nguyên thu = v t (term1, ,termn)

• M t câu (m nh đ ) nguyên thu

predicate(term1, ,termn) là đúng khi và ch khi các đ i

t ng tham chi u b i term1, term2, termn, có quan h predicate trên model

• Ví d : ???

Models cho LGVT: Ví d

L i th ng g p

• Thông th ng,  là phép toán chính g n v i 

• L i thông d ng: S d ng làm phép toán chính trong :

x At(x,HVKTQS)  Smart(x)

đúng n u có ng i không thu c HVKTQS!

Phép ng Nh t

khi và ch khi term1 v à term2 c ùng tham

Dùng LGVT cho bi u di n tri th c

Bi u di n quan h huy t th ng: (ti ng anh)

• Brothers are sibling

x,y Brother(x,y)  Sibling(x,y)

• One's mother is one's female parent

C s tri th c trên Logic v t cho

bài toán hang Wumpus

• Quan sát

– t,s,b Percept([s,b, Ánh kim],t)  Có vàng (t)

• Hành đ ng:

–  Ánh kim(t)  BestAction(Ch p,t)

Ví d v m ch đi n t

B c ng 1 bit (có nh ):

Ví d v m ch đi n t

– t1,t2 Connected(t1, t2)  Signal(t1) = Signal(t2)

Signal(In(n,g)) = 0– g Type(g) = XOR  Signal(Out(1,g)) = 1 

Signal(In(1,g)) ≠ Signal(In(2,g))– g Type(g) = NOT  Signal(Out(1,g)) ≠ Signal(In(1,g))

Ví d v m ch đi n t

5 Bi u di n tri th c liên quan tr c ti p đ n bài toán

Connected(Out(1,X1),In(2,A2)) Connected(In(1,C1),In(1,A1))

Ví d v m ch đi n t

T p các giá tr đ u ra có th v i t p các giá tr vào

Tóm t t

• Logic v t (b c 1):

– i t ng ng ngh a nguyên thu là đ i t ng và quan h

– Cú pháp: h ng, hàm, v t , đ ng nh t, l ng t

• Kh n ng di n đ t m nh h n logic m nh đ :

- đ đ bi u di n tri th c cho bài toán hang Wumpus

• E.g., x King(x)  Greedy(x)  Evil(x) :

King(John)  Greedy(John)  Evil(John)

King(Richard)  Greedy(Richard)  Evil(Richard)

King(Father(John))  Greedy(Father(John)) 

Evil(Father(John))

.

.

• E.g., x Crown(x)  OnHead(x,John) yields:

King(John)  Greedy(John)  Evil(John)

King(Richard)  Greedy(Richard)  Evil(Richard)

King(John)

Greedy(John)

Brother(Richard,John)

King(John), Greedy(John), Evil(John), King(Richard),

Ki m tra xem có d n đ c t c s tri th c này

không? (gi ng nh làm trong logic m nh đ )

H n ch : s k t thúc n u d n đ c, l p vô t n n u

không d n đ c

nh lý: Turing (1936), Church (1936) Bài toán d n đ c

trong c s tri th c dùng LGVT là n a quy t đ nh đ c

(có thu t toán t n t i đ tr l i YES cho nh ng m nh đ

d n đ c, nh ng không t n t i thu t toán tr l i NO cho

nh ng m nh đê không d n đ c.)

Phép h p nh t

• Có th có phép suy lu n đ n gi n n u tìm đ c phép th sao cho

King(x) và Greedy(x) kh p v i King(John) và Greedy(y)

Phép h p nh t

Knows(John,x) Knows(John,Jane) {x/Jane}}

Knows(John,x) Knows(y,OJ) {x/OJ,y/John}}

Knows(John,x) Knows(y,Mother(y))

Phép h p nh t

Knows(John,x) Knows(John,Jane) {x/Jane}}

Knows(John,x) Knows(y,OJ) {x/OJ,y/John}}

Knows(John,x) Knows(y,Mother(y)) {y/John,x/Mother(John)}}

Knows(John,x) Knows(x,OJ)

Phép h p nh t

Knows(John,x) Knows(John,Jane) {x/Jane}}

Knows(John,x) Knows(y,OJ) {x/OJ,y/John}}

Knows(John,x) Knows(y,Mother(y)) {y/John,x/Mother(John)}}

MGU = { y/John, x/z }

Thu t toán h p nh t

Tam đo n lu n t ng quát (GMP)

Ví d

m t ng i M bán v khí cho qu c gia thù ngh ch là có t i:

American(x)  Weapon(y)  Sells(x,y,z)  Hostile(z)  Criminal(x)

Nono … có tên l a, i.e., x Owns(Nono,x)  Missile(x):

Owns(Nono,M 1 ) and Missile(M 1 )