Bài giảng Trí tuệ nhân tạo: Bài 1+2 - Phạm Thị Anh Lê

Bài giảng Trí tuệ nhân tạo: Bài 1+2 - Phạm Thị Anh Lê cung cấp cho học viên những kiến thức giới thiệu về trí tuệ nhân tạo và các khái niệm cơ bản, Agent thông minh, hệ thống ứng xử, hệ thống tư duy,... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!

TTNT p.1

TRÍ TUỆ NHÂN TẠO

Khoa Công nghệ thông tin Trường Đại học Sư phạm Hà nội

Artificial Intelligence

Phạm Thị Anh LêKhoa CNTT - ĐHSP Hà nội

Nội Dung

TTNT p.3

 Tài liệu tham khảo:

– Trí tuệ nhân tạo, by Đinh Mạnh Tường

– Trí tuệ nhân tạo: các phương pháp giải quyết vấn đề và kỹ

thuật xử lý tri thức, by Nguyễn Thanh Thủy

– Artificial Intelligence: A Modern Approach, by Stuart

Russell and Peter Norvig (2 nd ed)

– Citeseer - Scientific Literature Digital Library Artificial

Intelligence-http://citeseer.nj.nec.com/ArtificialIntelligence/

- 2003

General Introduction

01-Introduction. [AIMA Ch 1] Course Schedule Homeworks,

exams and grading Course material, TAs and office hours Why study AI? What is AI? The Turing test Rationality Branches of

AI Research disciplines connected to and at the foundation of AI Brief history of AI Challenges for the future Overview of class syllabus

 02-Intelligent Agents. [AIMA Ch 2] What is

an intelligent agent? Examples Doing the right

thing (rational action) Performance measure

Overview (Giới thiệu tổng quan)

TTNT p.5

CS 460, Lecture 1

Overview (cont.)

 03/04-Problem solving and search [AIMA Ch 3]

Example: measuring problem Types of problems

More example problems Basic idea behind search

algorithms Complexity Combinatorial explosion

and NP completeness Polynomial hierarchy.

 05-Uninformed search [AIMA Ch 3] Depth-first

Breadth-first Uniform-cost Depth-limited

Iterative deepening Examples Properties

 06/07-Informed search [AIMA Ch 4] Best-first

A* search Heuristics Hill climbing Problem of

local extrema Simulated annealing

3 l 5 l 9 l

Using these 3 buckets, measure 7 liters of water.

Traveling salesperson problem

How can we solve complex problems?

Overview (cont.)

Practical applications of search.

minimax algorithm Resource limitations beta pruning Elements of

Aplha-chance and

non-deterministic games.

TTNT p.9

CS 460, Lecture 1

Overview (cont.)

Representing and Organizing Knowledge

 14/15-Building a knowledge base. [AIMA Ch 8] Knowledge

bases Vocabulary and rules Ontologies Organizing knowledge.

Overview (cont.)

Reasoning Logically

Ch 9] Proofs Unification Generalized modus ponens Forward and backward chaining.

Example of backward chaining

TTNT p.11

CS 460, Lecture 1

Overview (cont.)

Examples of Logical Reasoning Systems

 19-Logical reasoning systems.

[AIMA Ch 10] Indexing, retrieval

and unification The Prolog language

Theorem provers Frame systems

and semantic networks

Semantic network used in an insight generator (Duke university)

Overview (cont.)

Systems that can Plan Future Behavior

 20-Planning. [AIMA Ch 11] Definition and goals Basic

representations for planning Situation space and plan space

Examples

TTNT p.13

CS 460, Lecture 1

Overview (cont.)

Expert Systems

 21-Introduction to CLIPS. [handout]

Overview of modern rule-based

expert systems Introduction to

CLIPS (C Language Integrated

Production System) Rules

Wildcards Pattern matching

Pattern network Join network

CLIPS expert system shell

fuzzy logic Linguistic

Hedges Fuzzy inference

Examples

Center of largest area Center of gravity

feature maps How to size a

network? What can neural

w w

axon



TTNT p.17

CS 460, Lecture 1

Overview (cont.)

What challenges remain?

 27-Towards intelligent machines. [AIMA Ch 25] The challenge

of robots: with what we have learned, what hard problems remain

to be solved? Different types of robots Tasks that robots are for Parts of robots Architectures Configuration spaces Navigationand motion planning Towards highly-capable robots

 28-Overview and summary. [all of the above] What have we

learned Where do we go from here?

robotics@USC

Artificial Intelligence?

 Intelligence? Trí năng, trí tuệ, trí thông

minh

 Thế nào là Artificial intelligence? Chúng ta

sẽ phân tích 4 loại quan niệm về

intelligence sau:

TTNT p.19

CS 460, Lecture 1

Trí tuệ nhân tạo là gì?

“Nỗ lực tạo ra các máy tính

biết tư duy … máy tính có ý

thức (The exciting new effort

to make computers thinks …

machine with minds, in the full

and literal sense)”

(Haugeland 1985)

“Nghệ thuật sáng tạo ra các

máy thực hiện các chức năng

đòi hỏi sự thông minh như khi

thực hiện bởi con người (The

art of creating machines that

perform functions that require

intelligence when performed

by people)” (Kurzweil, 1990)

“Việc nghiên cứu các năng lực trí tuệ sử dụng các mô hình tính toán (The study of mental faculties

through the use of computational models)”

(Charniak et al 1985)

“Nghiên cứu tìm cách giải thích và

mô phỏng các hành vi thông minh bằng các quá trình tính toán (A field

of study that seeks to explain and emulate intelligent behavior in terms

of computational processes)”

(Schalkol, 1990)

Trí tuệ nhân tạo: Hệ thống tư

duy như con người

“Nỗ lực tạo ra các máy tính

biết tư duy … máy tính có ý

thức (The exciting new effort

to make computers thinks …

machine with minds, in the full

and literal sense)”

TTNT p.21

CS 460, Lecture 1

Trí tuệ nhân tạo: hệ thống

ứng xử như con người

“Nghệ thuật sáng tạo ra các

máy thực hiện các chức năng

đòi hỏi sự thông minh như khi

thực hiện bởi con người (The

art of creating machines that

perform functions that require

intelligence when performed

by people)” (Kurzweil, 1990)

Hệ thống ứng xử (hành động)

như con người (Hệ thống mà

hành vi, ứng xử của nó như con

- Con người lúc nào cũng ứng xử “đúng”?

- Hành vi như thế nào được coi là giống con người?

Trí tuệ nhân tạo: hệ thống tư

duy hợp lý

“Việc nghiên cứu các năng lực trí tuệ sử dụng các mô hình tính toán (The study of mental faculties

through the use of computational models)”

“tư duy đúng” (Luật của

tư duy đúng) Hệ tam

đoạn luận là khuôn mẫu

để thu được kết luận

1 Không biểu diễn được tri thức

không chắc chắn

2 Nhiều bài toán không dễ giải

quyết do thiếu tài nguyên

TTNT p.23

CS 460, Lecture 1

Trí tuệ nhân tạo: hệ thống

ứng xử hợp lý

“Nghiên cứu tìm cách giải thích và

mô phỏng các hành vi thông minh bằng các quá trình tính toán (A field

of study that seeks to explain and emulate intelligent behavior in terms

Trí tuệ nhân tạo: Hệ thống

TTNT p.25

CS 460, Lecture 1

AI: Hành động hợp lý

 Intelligence? Trí năng, trí tuệ, trí thông minh

 Môn học này, chúng ta thống nhất quan niệm trí thông minh là

hành động hợp lý, hành động tốt nhất hoặc hợp lý nhất mà cho kếtquả tối ưu của một hàm nào đó

 (In this class, we adopt the view that intelligence is concerned

mainly with rational action, Ideally, an rational agent takes the best possible action in a situation.)

 Quan niệm như trên phù hợp với: khi nói đến tính thông minh, chúng ta thường gắn với một hành động, hành vi, ứng xử nào đó.

Vì vậy Intelligence có thể coi đồng nghĩa với rational action ,

hay intelligent/rational agent

AI Prehistory

Triết học (Philosophy, 428 B.C – Present):

-Các luật hình thức có thể được sử dụng để rút ra kết luận hợp lý

không?

-Ý thức được sản sinh như thế nào từ não?

-Tri thức từ đâu đến?

-Làm thế nào tri thức dẫn dắt hành động?

Toán học (Mathematics, C 800 – Present):

-Những luật hình thức nào để rút ra kết luận hợp lý?

-Chúng được tính toán như thế nào?

-Làm thế nào chúng ta lập luận với tri thức không chắc chắn?

TTNT p.27

CS 460, Lecture 1

AI Prehistory

Khoa học về thần kinh (Neuronscience,1861 – Present):

-Bộ não xử lý thông tin như thế nào?

Tâm lý học (Psychology, 1879 – Present):

-Con người và động vật tư duy và hành động như thế nào?

Công nghệ máy tính (Computer engineering 1940 –

Present):

-Làm thế nào chúng ta xây dựng máy tính hiệu quả?

Điều khiển học (Control theory and cybernetics 1948 –

Present):

-Làm thế nào các máy nhân tạo vận hành dưới sự điều khiển của

chính nó?

Ngôn ngữ học (Linguistics 1957 – Present):

-Ngôn ngữ liên quan đến tư duy như thế nào?

AI Prehistory

TTNT p.29

CS 460, Lecture 1

AI History

AI State of the art (Những tiến bộ

gần đây của AI)

 Have the following been achieved by AI?

– World-class chess playing (Chơi cờ)

– Playing table tennis (Chơi tennis)

– Cross-country driving (Lái xe đường dài)

– Solving mathematical problems (Giải các bài trong toán học)

– Discover and prove mathematical theories (Khám phá và chứng minh các định lý trong toán học)

– Engage in a meaningful conversation (Hội thoại)

TTNT p.31

Định nghĩa AI

 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.”

 Một trong những mục tiêu quan

trọng của lĩnh vực nghiên cứu này

là làm cho máy tính có khả năng

tiếp nhận, giải quyết vấn đề giống

TTNT p.33

Turing Test

 Ưu điểm của Turing Test

– Khái niệm khách quan về trí tuệ

– Tránh đi những thảo luận về quá trình bên trong và ý thức

– Loại trừ định kiến thiên vị của người thẩm vấn

Interrogator

Các ý kiến phản đối Turing Test

 Thiên vị các nhiệm vụ giải quyết vấn đề bằng ký hiệu

 Trói buộc sự thông minh máy tính theo kiểu con người, trong khi con người có:

– Bộ nhớ giới hạn

– Có khuynh hướng nhầm lẫn

Tuy nhiên, trắc nghiệm Turing đã cung cấp một cơ

TTNT p.35

Các ứng dụng của TTNT

1 Trò chơi và các bài toán đố

2 Suy luận và chứng minh định lý tự động

3 Các hệ chuyên gia (các hệ tri thức)

TTNT - Đặc điểm

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

dạng qua mẫu, học, và các suy luận khác…

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

các lời giải mang tính thuật toán.

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

các thông tin không chính xác, không đầy đủ, mơ hồ…

 Cho lời giải “đủ tốt” chứ không phải là lời giải chính xác hay tối ưu.

 Sử dụng heuristics – “kinh nghi ệm ”

TTNT p.37

Những vấn đề chưa được giải quyết

 Chương trình chưa tự sinh ra được heuristic

 Chưa có khả năng xử lý song song của con người

 Chưa có khả năng diễn giải một vấn đề theo

nhiều phương pháp khác nhau như con người.

 Chưa có khả năng xử lý thông tin trong môi

trường liên tục như con người.

 Chưa có khả năng học như con người.

 Chưa có khả năng tự thích nghi với môi trường.

TTNT = Biểu Diễn + tìm kiếm

TTNT p.39

Hệ thống ký hiệu vật lý

 Hệ thống ký hiệu = tập hợp các mẫu và các quá

trình, trong đó các quá trình sản xuất, triệt tiêu và

thay đổi các mẫu.

 Các hành vi thông minh đạt được bằng việc sử

dụng:

1 Các mẩu ký hiệu để biểu diễn các khía cạnh quan

trọng của lĩnh vực bài toán.

2 Các phép toán trên những mẫu này để sinh ra các

lời giải có khả năng của bài toán

Giả thuyết về hệ thống ký hiệu vật lý

 “Một hệ thống ký hiệu vật lý có các phương tiện cần và đủ cho một hành vi thông minh tổng quát” (Nowell và Simon)

Allen Newell and Herbert A Simon, Computer

Science as Empirical Inquiry: Symbols and

Search, Communications of the ACM (March

1976)

TTNT p.41

TTNT như là sự biểu diễn và tìm kiếm

Sự biểu diễn phải:

 Cung cấp một cơ cấu tự nhiên để thể hiện tri thức/thông

tin/ dữ liệu một cách đầy đủ => Tính biểu đạt

 Hỗ trợ việc thực thi một cách hiệu quả việc tìm kiếm đáp

án cho một vấn đề => Tính hiệu quả

Liệu việc tìm kiếm:

– Có kết thúc không ?

– Có chắc chắn sẽ tìm được lời giải không ?

– Có chắc chắn sẽ tìm được lời giải tối ưu không ?

TTNT như là biểu diễn & tìm kiếm

 Giải quyết vấn đề như là sự tìm kiếm lời

giải trong một đồ thị không gian trạng thái:

– Nút ~ trạng thái (node ~ state)

TTNT p.43

KGTT của Trò Chơi Tic-Tac-Toe

Chẩn đoán trục trặc máy móc trong ô tô

TTNT p.45

Agent thông minh

– Agent (Tác nhân) là bất cứ cái gì hành động trong

môi trường Ví dụ: con người, robot,

– Mục tiêu của TTNT là nghiên cứu và thiết kế các tác nhân thông minh: các tác nhân tồn tại trong moi

trường và hành động một cách thông minh

– Tác nhân thông minh cần có khả năng nhận thức được môi trường  các robot được trang bị các bộ cảm

Agent thông minh (tiếp)

– Tác nhân được xem như một hộp đen:

cần trang bị cho tác nhân một chương trình, gọi là

Môi trường

Các thông tin đến

từ môi trường Tác nhân thông minh

các hành động

Tác nhân thông minh (TNTM) cần có các khả năng:

– Ghi nhớ tri thức và lập luận  biểu diễn tri thức và lập luận

– Hiểu ngôn ngữ tự nhiên (natural language understanding)  xử lý ngôn ngữ tự nhiên

– Khả năng học để có thể đưa ra các hành động thích ứng với hoàn cảnh mới

– Nhận biết các đối tượng khi đưa ra các hình ảnh của nó  nhìn máy

(computer vision): là lĩnh vực nghiên cứu để máy tính có thể hiểu được cấu trúc và các tính chất của các đối tượng trong không gian ba chiều từ các hình ảnh hai chiều.

– Khả năng suy ra các mục đích cần đạt được và đưa ra dãy các hành động

mà nó cần thực hiện để đạt mục đích đó  quá trình lập kế hoạch

(planning)

Agent thông minh (tiếp)

Biểu diễn và lập luận

– Để máy tính có thể lưu trữ được tri thức, sử dụng được tri thức

 cần tìm các phương pháp biểu diễn tri thức

– Lập luận tự động được hiểu là quá trình tính toán trên các biểudiễn tri thức: cho đầu vào là các biểu diễn tri thức thì đầu ra nhận được là các biểu diễn tri thức mới

– Mục tiêu trọng tâm của TTNT là nghiên cứu thiết kế các hệ

thông minh, nó lưu trữ tri thức về lĩnh vực và có khả năng đưa

ra hành động thích ứng bằng lập luận dựa tren các tri thức đă

TTNT p.49

Agent thông minh (tiếp)

Các lĩnh vực nghiên cứu và ứng dụng

– Robot đưa thư

– Hệ chuyên gia trong y học: với mục đích trợ giúp các bác sĩ trong việc chuẩn đoán bệnh và điều trị.