H C VI N CƠNG NGH B U CHÍNH VI N THƠNG NH P MƠN TRÍ TU NHÂN T O (Dùng cho sinh viên h đào t o đ i h c t xa) L u hành n i b HÀ N I - 2007 H C VI N CÔNG NGH B U CHÍNH VI N THƠNG NH P MƠN TRÍ TU Biên so n : NHÂN T O PGS.TS NGUY N QUANG HOAN L I NĨI U Trí tu nhân t o (hay AI: Artificial Intelligence), n l c tìm hi u nh ng y u t trí tu Lý khác đ nghiên c u l nh v c cách đ ta t tìm hi u b n thân Không gi ng tri t h c tâm lý h c, hai khoa h c liên quan đ n trí tu , AI c g ng thi t l p các y u t trí tu c ng nh tìm bi t v chúng Lý khác đ nghiên c u AI đ t o th c th thơng minh giúp ích cho AI có nhi u s n ph m quan tr ng đáng l u ý, th m chí t lúc s n ph m m i đ c hình thành M c dù không d báo đ c t ng lai, nh ng rõ ràng máy tính n t v i đ thông minh nh t đ nh có nh h ng l n t i cu c s ng ngày t ng lai phát tri n c a v n minh nhân lo i Trong tr ng đ i h c, cao đ ng, Trí tu nhân t o tr thành m t môn h c chuyên ngành c a sinh viên ngành Công ngh Thông tin đáp ng k p th i cho đào t o t xa, H c vi n Cơng ngh B u Vi n thơng biên so n tài li u cho sinh viên, đ c biêt h t o t xa h c t p Trong q trình biên so n, chúng tơi có tham kh o tài li u c a i h c Bách khoa Hà n i [1] giáo trình g n g i v tính cơng ngh v i H c vi n M t s giáo trình khác c a i h c Qu c gia thành ph H Chí Minh [], tài li u m ng tài li u n c b ng ti ng Anh [] c ng đ c tham kh o gi i thi u đ sinh viên đào t o t xa đ c thêm Tài li u nh m h ng d n gi i thi u nh ng ki n th c c b n, khái ni m, đ nh ngh a tóm t t M t s thu t ng đ c gi i b ng ti ng Anh đ h c viên đ c b ng ti ng Anh d dàng, tránh hi u nh m chuy n sang ti ng Vi t Tài li u g m ch ng sau: - Ch ng : Khoa h c Trí tu nhân t o: t ng quan - Ch ng : Các ph - Ch ng : Bi u di n tri th c suy di n - Ch ng : X lý ngôn ng t nhiên - Ch ng : Các k thu t trí tu nhân t o hi n đ i ng pháp gi i quy t v n đ Còn nhi u v n đ khác ch a đ c p đ c ph m vi tài li u tìm hi u thêm sau có nh ng ki n th c c b n ngh b n đ c Nhi u c g ng đ c p nh t ki n th c nh ng th i gian, u ki n, kh n ng có h n nên tài li u ch c ch n cịn nhi u thi u sót Chúng mong nh n đ c nhi u ý ki n đóng góp đ tài li u đ c hoàn thi n h n cho l n tái b n sau TÁC GI CH NG 1: KHOA H C TRÍ TU NHÂN T O: T NG QUAN H c xong ph n sinh viên có th n m đ c: Ý ngh a, m c đích mơn h c; l ch s hình thành phát tri Các ti n đ c b n c a Trí tu nhân t o (TTNT) Các khái ni m c b n, đ nh ngh a c a TTNT Các l nh v c nghiên c u ng d ng c b n Nh ng v n đè ch a đ TTNT 1.1 L CH S c gi i quy t HÌNH THÀNH VÀ PHÁT TRI N Trong ph n n l c gi i thích t i chúng tơi coi trí tu nhân t o m t b môn đáng nghiên c u nh t; n l c c a nh m gi i thích trí tu nhân t o ây có ph i b môn h p d n nghiên c u khơng Trí tu nhân t o hay AI (Artificial Intelligence) m t nh ng ngành tiên ti n nh t Nó th c đ c b t đ u vào n m 1956, m c dù vi c b t đ u t n m tr c Cùng v i ngành di truy n h c hi n đ i, môn h c đ c nhi u nhà khoa h c đánh giá: “là l nh v c thích nghiên c u nh t s nh ng môn mu n theo đu i” M t sinh viên v t lý có lý nói r ng: t t c ý t ng hay đ c Galileo, Newton, Einstein tìm r i; m t s ý t ng khác l i m t r t nhi u n m nghiên c u tr c có vai trị th c ti n AI v n v n đ đ tr ng t th i Einstein Qua h n 2000 n m, tri t gia c g ng đ hi u cách nhìn, h c, nh l p lu n đ c hình thành nh th S ki n nh ng chi c máy tính có th s d ng đ c vào đ u nh ng n m 50 c a th k XX làm nhà tri th c thay đ i h ng suy ngh R t nhi u ng i cho r ng: “nh ng trí tu siêu n t ” m i cho ta d đoán đ c ti m n ng c a trí tu AI th c s khó h n r t nhi u so v i ban đ u m i ng i ngh Hi n AI chuy n h ng sang nhi u l nh v c nh , t l nh v c có m c đích chung chung nh nh n th c, l p lu n, t logic đ n nh ng công vi c c th nh đánh c , cung c p đ nh lý toán h c, làm th chu n đoán b nh Th ng, nhà khoa h c l nh v c khác c ng nghiêng v trí tu nhân t o Trong l nh v c h th y ph ng ti n làm vi c, v n t v ng đ c h th ng hoá, t đ ng hoá: nhi m v trí tu cơng vi c mà h s có th c ng hi n c đ i ây th c s m t ngành r t ph bi n 1.1.1 T nh ng i: ph ng pháp nh n th c N u mu n m t ch ng trình máy tính có kh n ng suy ngh nh ng i, ph i tìm hi u ng i t nh th nào? Có m t s tiêu chí xác đ nh nh th suy ngh ki u ng i Chúng ta c n xem công vi c bên c a b óc ng i Có hai ph ng pháp đ th c hi n u này: th nh t thông qua t bên - ph i n m b t đ c suy ngh c a ng i làm vi c - th hai thơng qua thí nghi m tâm lý Khi có đ c đ y đ lý thuy t v t có th ch ng trình hố máy tính N u đ u vào/ra c a ch ng trình th i gian làm vi c phù h p v i ng i nh ng ch ng trình t đ ng có th ho t đ ng theo ng i Ví d , Newell Simon phát tri n ph ng pháp gi i quy t v n đ GPS- General Problem Solver (Newell and Simon 1961) ây ph ng pháp đ i l p v i nghiên c u đ ng th i (nh Wang (1960)) ông quan tâm đ n vi c có đ đ n, khơng quan tâm đ n vi c ng i ph i làm nh th c nh ng gi i pháp 1.1.2 Các qui t c t Tri t gia Aristote ng i đ u tiên h th ng hố “t xác” Phép tam đo n lu n c a ông đ a k t lu n n u c ti n đ ti n đ th Ch ng h n: “n u Sô-crát ng i, m i ng i đ u ch t, nh v y Sô-crát s ch t” Môn t logic phát tri n vào cu i th k XIX đ u XX N m 1965 ch ng trình cung c p cho đ nh ng thông tin, chi ti t v m t v n đ t logic tìm ph ng pháp gi i N u v n v n đ ch a có cách gi i ch ng trình s khơng ng ng tìm ki m cách gi i Mơn logic truy n th ng AI u mong m i đ có đ c m t ch ng trình mơ t h th ng trí tu 1.1.3 Kh i ngu n c a AI (1943 - 1956) Nh ng công vi c đ u tiên c a AI đ c Warren McCulioch Walter Pitts (1943) th c hi n H nghiên c u ba c s lí thuy t: tri t h c c b n ch c n ng c a n ron th n kinh; phân tích v m nh đ logic c a Russell whitehead cu i thuy t d đoán c a Turning H đ mơ hình n ron nhân t o, m i n ron đ c đ c tr ng b i hai tr ng thái “b t”, “t t” McCulloch Pitts c ng phát hi n: m ng n ron có kh n ng h c Donald Hebb (1949) s d ng lu t h c đ n gi n t ng tr ng cho vi c truy n thông tin gi a gi a n ron u nh ng n m 1950, Claude Shannon (1950) Alan Turning (1953) vi t ch ng trình đánh c theo cách mà Von Newman sáng ch máy tính Cùng lúc đó, hai sinh viên khoa toán tr ng đ i h c Princeton, Marvin Minsky Dean Edmond xây d ng h th ng máy tính n ron đ u tiên vào n m 1951 đ c g i SNARC Nó s d ng kho ng 3000 bóng n t chân khơng thi t b c khí t đ ng tính giá tr th ng d t chùm B-24 đ mô ph ng m ng v i 40 n ron Nhóm th c s c a Minsky nghi ng r ng li u có đ c coi m t ph n c a toán h c, nh ng Neuman m t thành viên c a nhóm cho bi t r ng “n u bây gi khơng ph i m t ph n c a tốn h c m t ngày s nh th ” Th t m a mai, sau Minsky l i ng i ch ng minh h c thuy t bác b nhi u h th ng nghiên c u v m ng n ron su t nh ng n m 1970 Lịng say mê tơn tr ng l n t r t s m (1952-1969) N m 1958 McCarthy đ nh ngh a ngôn ng b c cao Lisp, tr thành ngôn ng l p trình cho AI Lisp ngơn ng l p trình lâu đ i th hai mà hi n v n s d ng V i Lisp, McCarthy có ph ng ti n ơng c n, nh ng đ đáp ng đ c yêu c u tài ngun tính tốn m t v n đ quan tr ng C ng vào n m 1958, McCarthy xu t b n báo “Các ch ng trình v i cách nhìn nh n chung” Trong báo này, ông bàn v ch ng trình t v n, m t ch ng trình gi đ nh đ c coi h th ng AI hoàn thi n đ u tiên Gi ng h c thuy t logic cách ch ng minh đ nh lý hình h c, ch ng trình c a McCarthy đ c thi t k nh m s d ng ki n th c đ nghiên c u cách gi i quy t v n đ Khơng nh ch ng trình khác, ch ng trình m t b ph n ki n th c c a toàn b th gi i quan Ông ch r ng làm th đ nh ng u r t đ n gi n l i làm cho ch ng trình có th khái quát đ c m t k ho ch đ n sân bay lên máy bay Ch ng trình c ng đ c thi t k đ có th ch p nh n vài chân lý m i v trình th c hi n bình th ng Chính v y, ch ng trình có đ c nh ng kh n ng th c hi n ch ng trình m i mà khơng c n l p trình l i N m 1963, McCarthy có nghiên c u v s d ng logic đ xây d ng ch ng trình ng i t v Ch ng trình đ c phát tri n khám phá c a Robinson v ph ng pháp c i cách Nh ng công vi c đ u tiên t o nh ng h th ng m i c a McCulloch Pitts làm cho chúng phát tri n Các ph ng pháp nghiên c u c a Hebb đ c Widrow ng h (Widrow Hoff, 1960; Widrow, 1962) H đ t tên mang n ron m ng c a ông, c ng đ c Frank Rosenblatt (1962) c ng c Rosenblatt ch ng minh r ng thu t tốn mà ơng nghiên c u có th thêm vào nh ng kh n ng c a nh n th c phù h p v i b t c d li u đ u vào Nh ng nhà nghiên c u AI c ng d đoán v nh ng thành công sau Herbert Simon phát bi u (1957): Khơng ph i m c đích c a làm b n ng c nhiên, nh ng cách đ n gi n nh t đ có th khái quát hi n th gi i, máy móc có th suy ngh , có th h c sáng t o đ c H n n a, kh n ng c a làm vi c v i ti n đ cao- t ng lai rõ ràng – cho đ n v n đ có th gi i đ c, s t n t i v i t c a ng i có th áp d ng đ c N m 1958, ơng d đốn 10 n m n a, m t máy tính có th vô đ ch môn c vua, đ nh lý toán h c m i s đ c máy ch ng minh 1.2 CÁC TI N C B N C A TTNT Toàn c nh v ph ng pháp gi i quy t v n đ hình thành th p k đ u nghiên c u AI m c đích nghiên c u n l c liên k t b c l p lu n c b n v i đ tìm ph ng pháp hoàn thi n Các ph ng pháp đ c coi ph ng pháp s d ng thơng tin v l nh v c i v i nhi u l nh v c ph c t p, ph ng pháp th c hi n l i r t Cách nh t quanh v n đ s d ng ki n th c phù h p h n đ có b c l p r ng h n đ gi i quy t tr ng h p n y sinh nh t đ nh l nh v c nh chuyên môn Chúng ta ch c s nói r ng gi i quy t v n đ khó h u nh ph i bi t tr c đáp án Ch ng trình DENDRAL (Buchanan, 1969) m t ví d s m ti p c n ph ng pháp Nó đ c phát tri n t i Stanford, n i Ed Feigenbaum (m t sinh viên qui c a Herbert Simon) Bruce Buchanan (m t tri t gia chuy n sang làm nghiên c u máy tính) Joshua Lederberg (nhà nghiên c u di truy n đo t gi i Nobel) h p l i đ suy lu n, gi i quy t v n đ có c u trúc phân t t nh ng thông tin máy đo quang ph cung c p D li u đ a vào ch ng trình g m c u trúc c b n c a phân t (Ví d C6H12NO2), r t nhi u d i quang ph đ a hàng lo t đo n phân t khác khái quát chung m t lúc đ a dịng n t Ví d d i quang ph ch a đ ng m t m nh n t i m=15 t ng ng v i m t d i c a đo n methyl (CH3) Phiên b n s khai c a ch ng trình khái qt đ c tồn b c u trúc có th bên b ng phân t sau ph ng đoán b ng cách quan sát m i d i quang ph , so sánh v i quang ph th c t Nh ngh u tr nên nan gi i đ i v i phân t có kích th c đáng k Các nhà nghiên c u DENDRAL khuyên nhà phân tích d c khoa cho th y r ng h nghiên c u b ng cách tìm ki m ph n bên c a m nh n d i quang ph , u đ a g i ý chung v c u trúc nh bên phân t Ví d , qui lu t sau đ c s d ng đ nh n m t nhóm nh xeton (C=0) N u có hai đ nh x1, x2 nh sau: (a) x1+x2 = M+28 (M kh i l ng c a phân t ) (b) x1-28 m t đ nh (c) x2-28 m t đ nh (d) Có nh t m t đ nh x1 ho c x2 đ nh cao Sau có m t nhóm nh xeton Khi nh n phân t ch a m t c u trúc nh đ c bi t, s l ng thành ph n tham gia có th b gi m xu ng nhanh chóng Nhóm DENDRAL k t lu n r ng h th ng m i r t m nh b i vì: tồn b ki n th c có liên quan đ n gi i quy t cơng vi c đ c phác th o s qua t c u trúc chung [thành ph n quang ph đốn tr c] đ có nh ng c u trúc đ c bi t T m quan tr ng c a DENDRAL h th ng c m nh n ki n th c thành công đ u tiên Các chuyên gia c a l nh v c sâu t s l ng l n qui lu t có m c đích đ c bi t Các h th ng sau c ng không k t h p l i thành ch đ c a ph ng pháp chuyên gia c a McCarthy - ph n hoàn toàn tách bi t c a ki n th c (trong c u trúc c a qui lu t) thành ph n l p lu n V i h c này, Feigebaum thành viên khác t i Stanford b t đ u l p d án ch ng trình Heuristic, đ đ u t m r ng vào ph ng pháp m i c a h chuyên gia nh m áp d ng vào l nh v c khác Nh ng n l c sau chu n đoán y h c Feigenbaum, Buchanan Edward Shortlife phát tri n h chuyên gia MYCIN đ ch n đoán b nh nhi m trùng máu V i kho ng 450 lu t, h chuyên gia MYCIN có th th c hi n t t h n nhi u bác s m i Nó có hai s khác bi t c b n v i h chuyên gia DENDRAL Th nh t: không gi ng nh lu t DENDRAL, không m t m u lý thuy t chung t n t i mà có th suy lu n t lu t c a h MYCIN Các lu t ph i có câu ch t v n c a chuyên gia, ng i có nhi m v tìm chúng t kinh nghi m Th hai: lu t ph n ánh m i liên quan không ch c ch n v i ki n th c y h c MYCIN k t h p v i h vi phân c a bi n s đ c coi nhân t phù h p t t ( m i lúc) v i ph ng pháp mà bác s ti p c n v i tri u ch ng trình chu n đoán Cách ti p c n khác đ chu n đoán y h c c ng đ c nghiên c u T i tr ng đ i h c Rutger, nh ng máy tính ngành sinh hố c a Sual Amarel b t đ u tham v ng nh m c g ng chu n đoán b nh t t d a ki n th c đ c bi u đ t rõ ràng c a nh ng chi c máy phân tích q trình b nh t t Trong đó, m t s nhóm l n h n t i MIT trung tâm y t c a Anh ti p t c ph ng pháp chu n đoán u tr d a h c thuy t có tính kh thi th c t M c đích c a h xây d ng h th ng có th đ a ph ng pháp ch n đoán y h c V y h c, ph ng pháp Stanford s d ng qui lu t bác s cung c p t đ u đ c ch ng minh ph bi n h n Nh ng h chuyên gia PROSPECTOR (Duda 1979) đ c công b cho m i ng i b ng cách gi i thi u thi t b khoan th m qu ng M t vài ngôn ng d a vào logic nh ngôn ng Prolog ph bi n châu Âu, PLANNER M Các ngôn ng khác, theo sau ý t ng c a Minsky (1975) ch p nh n ph ng pháp ti p c n c u trúc, thu th p ch ng c v đ i t ng lo i s ki n 1.3 CÁC KHÁI NI M C B N 1.3.1 Trí tu nhân t o(AI) gì? Chúng ta có th nói: “Tuy t th t, m t ch ng trình đ c th c hi n b ng nh ng suy di n thơng minh, th c n ph i ti p t c m i ng i c n b sung cho nó” Nh ng theo s phát tri n c a khoa h c cho th y: s có ích n u ta h ng nh ngh a v AI có t i tám cu n sách đ c p Nh ng đ nh ngh a đ a hai nh n đ nh chính: - Th nh t: quan tâm ch y u đ n trình t l p lu n - Th hai: v n đ đ c quan tâm h n, ho t đ ng M t h th ng đ c coi h p lý n u nh th c hi n i u s đ a ngành AI đ n m c tiêu.(xem B ng 1.1) Chúng ta s vào chi ti t c a t ng h ng theo phát bi u sau đây: “Nh ng n m i l l c thú v “Vi c nghiên c u c s trí tu t o máy tính nh ng máy móc thơng qua s d ng máy vi tính” có trí tu , hi u theo c nghiã đ y đ l n ngh a bóng” (Haugeland, 1985) (Charniak and McDermott, 1985) “Nghiên c u máy tính l m cho máy tính có kh n ng c m nh n, đ ng hoá c a] ho t l p lu n v l m vi c” đ ng giúp k t h p “[s t nh ng t c a ng i v i công vi c c ng nh quy t đ nh, (Winston, 1992) gi i quy t v n đ , h c t p ” (Bellman 1978) “Ngh thu t sáng t o máy móc l “Trong l nh v c nghiên c u l đ th c hi n ch c n ng hình th nh t tìm cách gi i thích v ng đ i l m vi c” đ t c nh ng h nh đ ng có t (Kurzweil, “l nh v c x lý tính tốn” 1990) (Schalkoff, 1990) "Vi c nghiên c u l m cách n o đ b t máy tính l m nh ng vi c m “Trong ng nh khoa h c máy tính có liên quan đ n s t đ ng hoá m t lúc ng i có th l m nh ng ho t đ ng mang tính trí tu ” t t h n.” (Luger and (Rich and Knight, 1991) Stubbefield, 1993) Hình 1.1 Nh ng đ nh ngh a v AI đ H th ng t nh ng i H th ng ho t đ ng nh ng Ho t đ ng nh ng i: ph c chia thành nhóm: H th ng t có l p lu n i H th ng ho t đ ng có l p lu n ng pháp tr c nghi m Turning Ph ng pháp tr c nghi m Turning đ c Alan Turning (1950) đ a ây ph ng pháp nh m đ nh ngh a m t ho t đ ng g i thông minh Turning cho r ng: ho t đ ng trí tu kh n ng có đ c nh ng i nh ng công vi c c n tri th c, đ đ đánh l a ng i th m v n Nói khái qt, ph ng pháp tr c nghi m c a ông là: máy tính s b m t ng i h i thông qua giao ti p gõ ch qua vô n K t thúc thí nghi m s lúc ng i h i khơng cịn câu đ h i ho c c ng i máy đ u hồn thành l p ch ng trình cho máy tính qua đ c q trình ki m tra c n hồn thành nhi u vi c Máy tính c n có kh n ng sau: • X lý ngôn ng t nhiên đ giao ti p t t b ng ti ng Anh (ho c ngôn ng khác) • Bi u di n tri th c, l u tr thông tin đ c cung c p tr • T đ ng l p lu n đ s d ng thơng tin đ m i • Máy h c: đ thích nghi v i mơi tr c ho c trình th m v n c l u nh m tr l i câu h i phác th o k t lu n ng m i, ki m tra ch p nh n nh ng m u m i • i v i AI, khơng c n có s c g ng cao m i qua đ c trình ki m tra c a Turning Khi ch ng trình AI giao ti p tr c ti p v i ng i vi c ho t đ ng đ c gi ng nh ng i v n đ thi t y u Quá trình trình di n lý gi i nh ng h th ng nh th có th ho c không c n d a vào ng i 1.3.2 Tri th c gì? Tri th c s hi u bi t b ng lý thuy t hay th c t vè m t ch đ hay l nh v c Tri th c t ng c a nh ng bi t hi n nay; tri th c s c m nh Nh ng ng i có tri th t t nh ng chuyên gia (expert) So v i ch ng trình truy n th ng (đ c c u t o t hai “ch t li u” c b n d li u thu t toán), ch ng trình trí tu nhân t o đ c c u t o t hai thành ph n c s tri th c (knowledge base) đ ng c suy di n (inference engine) 1.3.3 C s tri th c (Knowledge Base: KB) nh ngh a: C s tri th c t p h p tri th c liên quan đ n v n đ mà ch ng trình quan tâm gi i quy t C s tri th c ch a ki n th c đ c s d ng đ gi i quy t v n đ (bài tốn) trí tu nhân tao 1.3.4 H c s tri th c Trong h c s tri th c ch a hai ch c n ng tách bi t nhau, tr ng h p đ n gian g m hai kh i: kh i tri th c hay g i c s tri th c; kh i u n hay g i đông c suy di n V i h th ng ph c t p, b n thân đ ng c suy di n c ng có th m t h c s tri th c ch a siêu tri th c (tri th c v tri th c) Hình d i mơ t c u trúc ch ng trình truy n th ng (bên trái) c u trúc ch ng trình trí tu nhân t o (bên ph i) D LI U THU T TOÁN ng c suy di n: ph D LI U C S TRI TH C NG C SUY DI N ng pháp v n d ng tri th c c s tri th c đ gi i quy t v n đ lái xe khác nh t, an tồn nh t, hành khách tho i mái nh t, thu l i cao nh t Rõ ràng, m t vài m c tiêu mâu thu n, v y s c n ph i có s tho hi p Cu i cùng, v i d án th c t , ph i quy t đ nh môi tr ng lái xe taxi s đ i di n Nó ph i ho t đ ng đ ng đ a ph ng, ho c xa l ? ó Nam California, n i có t r i, ho c Alaska n i t th ng xuyên r i? Luôn lái xe bên ph i ho c có th mu n linh ho t đ có th bên trái tr ng h p taxi ho t đ ng n c Anh ho c Nh t B n Rõ ràng, môi tr ng b h n ch h n, v n đ thi t k d dàng h n Bây gi , ph i quy t đ nh nh th đ xây d ng ch ng trình th c đ th c hi n phép ánh x t đ i t ng tri giác đ n hành vi Chúng ta th y r ng khía c nh u n khác s đ xu t ki u agent ch ng trình khác Có ki u agent đ c ch ra: - Các agent ph n x đ n gi n – simple reflex agents - Các agent theo dõi (các v t s ki n liên quan) - Các agent m c tiêu c b n – Goal-based agents - Các agent “l i ích” c b n – Utility-based agents Simple reflex agents L a ch n xây d ng “m t b ng tra c u hi n” m t v n đ khó u vào th giác t m t camera đ n đ a vào v i t c đ 50 Mb/giây (25 frame/giây, 1000×1000 pixel v i bit màu bit c ng đ ) Vì v y, b ng tra c u cho m t gi s 260 × 60 × 50M tr ng thái Tuy nhiên, có th tóm t t t ng ph n c a b ng b ng cách ghi nh s k t h p vào th ng xuyên xu t hi n m t cách ch c ch n Cho ví d , n u chi c xe phía tr c phanh l i, đèn phanh c a sáng lên, ng i lái xe ph i ý b t đ u phanh Nói cách khác, m t vài s x lý đ c th c hi n tr c đ u vào th giác s thi t l p u ki n mà g i “ô tơ phía tr c phanh – The car in front is braking”, gây m t vài s thi t l p k t n i t i agent ch ng trình đ hành đ ng “b t đ u phanh – initiate braking” Chúng ta g i m t s k t n i m t qui t c condition – action (ph n x có u ki n), vi t nh sau: if car-in-front-is-bracking then intiate-bracking Con ng i c ng có nhi u k t n i, m t vài s h c đ c t s ph n ng l i - ph n x có u ki n (ví nh vi c lái xe) m t vài s ph n x t nhiên (ví nh vi c ch p m t m t v t bay vào m t) Theo cách này, cu n sách, s th y m t s ph ng pháp khác nhau, s k t n i có th t h c t th c thi Còn đ c g i quy t c situation-action ho c production ho c if-then 155 Hành đ ng ph i làm bây gi qui t c condition - action MƠI TR Th gi i xung quanh hi n nh NG c m bi n sensors c quan ph n ng l i kich thích Hình 2.19 S đ bi u di n simple reflex agent Hình 5.19 đ a c u trúc c a m t “simple reflex agent” d i d ng gi n đ , ch qui t c condition – action cho phép agent th c hi n k t n i t tri giác đ n hành đ ng nh th Chúng ta s d ng hình ch nh t đ bi u th tr ng thái hi n t i bên ti n trình gi i quy t c a agent, hình oval bi u di n thơng tin c s đ c s d ng ti n trình Agent ch ng trình c ng r t đ n gi n, đ c ch hình 5.20 Ch c n ng INTERPRET-INPUT sinh m t s di n t tr u t ng c a tr ng thái hi n t i t s tri giác, RULE-MATCH tr v qui t c đ u tiên t p qui t c mà phù h p v i s mô t tr ng thái đ c đ a đ n m c dù agent có th đ c th c hi n r t hi u qu , nh ng ph m vi ng d ng l i r t h p function SIMPLE-REFLEX-AGENT(percept) return action static: rules, a set of condition-action rules state ← INTERPRET-INPUT(percept) rule ← RULE-MATCH(state,rules) action ← RULE-ACTION[rule] return action Hình 2.20 Ki u agent “Lái xe” Agent theo dõi (Agents that keep track of the world) Simple reflex agent mô t ph n tr c s ch làm vi c n u s gi i quy t xác có th đ c d a tri giác hi n th i N u chi c tơ phía tr c m t mơ hình xu t hi n tr c khơng lâu, bây gi có ánh sáng đèn phanh đ c mang l i t trung tâm k t qu n c M , t m t hình nh đ n s có th r ng phanh Khơng may, mơ hình c có s khác bi t v hình dáng đèn h u, đèn phanh, đèn xi nhan, không ph i bao gi c ng có kh n ng tr l i r ng chi c tơ phía tr c phanh Vì v y, dù vi c phanh đ n gi n, thi t b lái c a v n ph i trì m t vài ph n tình tr ng bên theo trình t đ l a ch n hành đ ng tình tr ng bên khơng q l n – ch c n frame tr c t camera đ dị tìm hai đèn đ rìa xe c sáng ho c t t đ ng th i 156 Hãy xem rõ ràng h n tr ng h p sau: th nh tho ng, ng i lái xe nhìn vào g ng chi u h u đ ki m sốt xe c phía sau Khi lái xe không quan sát g ng, không quan sát th y xe c đ ng bên c nh (t c không th phân bi t đ c tr ng thái, chúng xu t hi n khơng xu t hi n); v y đ quy t đ nh chuy n xe m t cách khéo léo th n tr ng, ng i lái xe c n ph i bi t dù chúng có hay khơng V n đ n y sinh, b i sensor khơng cung c p m t cách đ y đ tr ng thái Trong tr ng h p đó, agent có th trì m t vài thơng tin tr ng thái bên đ nh n bi t đ c tr ng thái phát sinh gi ng nh giác quan đem l i, nh ng dù c ng khác m t cách đáng k đây, “khác m t cách đáng k ” có ý ngh a r ng hành đ ng khác thích h p cho hai tr ng thái Vi c c p nh t thông tin tr ng thái bên th c hi n b ng cách yêu c u hai lo i ki n th c đ c mã hố agent ch ng trình Th nh t, chúng c n m t vài thông tin “th gi i xung quanh ti n tri n không ph thu c vào agent nh th – how the world evolves” – cho ví d , m t chi c tơ v t qua nhìn chung s ti n d n đ n phía sau h n t c Th hai, c n m t vài thông tin “Các hành đ ng c a agent ph n ng l i th gi i xung quanh nh th – What my actions do” – cho ví d , agent r sang đ ng nh bên ph i, có m t rãnh c t ngang tr c m t s ti n v phía tr c ho c lùi l i v phía sau theo đ ng l n n i có đ ng nh khác Hình 5.20 đ a c u trúc c a agent ph n x , cho bi t tri giác hi n t i đ c k t h p v i tr ng thái bên c đ sinh s mô t c p nh t c a tr ng thái hi n th i Agent ch ng trình đ c ch hình 5.21 M t nhi m v thú v ch c n ng UPDATE-STATE, đáp ng cho vi c t o s mô t tr ng thái bên m i Gi ng nh công vi c phiên d ch tri giác m i d i ánh sáng c a ki n th c có s n v tr ng thái, s d ng thông tin “how the world evolves” đ theo dõi ph n không th y đ c c a th gi i xung quanh, c ng ph i bi t hành đ ng c a agent làm v i tr ng thái c a th gi i Agent m c tiêu (Goal-based agent) qui t c condition - action Hành đ ng ph i làm bây gi c quan ph n ng l i kich thích effectors Hình 5.21 Agent ch i What my actions E Th gi i xung quanh hi n nh th NG How the world evolves c m bi n sensors MƠI TR state ng trình C n bi t r ng tr ng thái hi n th i c a môi tr ng luôn không đ đ quy t đ nh làm vi c vi c Cho ví d , t i n i g p c a đ ng, taxi có th r trái, r ph i, ho c 157 th ng Quy t đ nh đ n c s “taxi c g ng đ n đâu” Nói cách khác, gi ng nh s mơ t tr ng thái hi n th i, agent c ng c n m t s thông tin v m c tiêu, di n t tr ng thái mong mu n – ví d , m c n đ n c a hành khách Agent ch ng trình có th k t h p u v i thông tin v k t qu c a hành đ ng có th x y (gi ng nh thông tin đ c s d ng đ c p nh t tr ng thái c a agent ph n x ) đ l a ch n hành đ ng đ t đ c m c tiêu khi, u s đ n gi n, s tho man m c tiêu k t qu tr c ti p t m t hành đ ng đ n gi n; đôi khi, địi h i ph i khéo léo h n, agent xem nh chu i xo n dài lu n qu n đ tìm cách đ t đ c m c tiêu Chú ý r ng quy t đ nh đ a c a lo i agent v c b n khác v i quy t c conditionaction đ c mô t ph n tr c, b i c n ph i xem xét t ng lai c hai v n đ “ i u s x y n u tơi làm đó? – What will happen if I such-and-such?” “ i u s mang l i cho h nh phúc? – Will that make me happy” Trong thi t k agent ph n x , thông tin không đ c s d ng m t cách rõ ràng, b i ng i thi t k tính tr c hành đ ng xác cho tr ng h p khác Agent ph n x phanh xe nhìn th y đèn phanh c a xe phía tr c M t agent m c tiêu, theo nguyên t c, có th l p lu n r ng n u đèn phanh c a chi c tơ phía tr c sáng s ch m l i Theo cách di n ti n thông th ng c a th gi i xung quanh, hành đ ng ch đ t đ c m c tiêu không đ ng xe khác phanh xe M c dù agent m c tiêu xem hi u qu h n, khó thuy t ph c Nh ng n u tr i b t đ u m a, agent có th c p nh t hi u bi t c a v vi c phanh xe s ho t đ ng hi u qu nh th nào, u s lý đ t đ ng đ a t t c cách hành đ ng có liên quan đ s a đ i cho phù h p v i u ki n m i M t khác, v i agent ph n x , s ph i vi t l i m t s l ng l n qui t c condition-action D nhiên, agent m c tiêu linh ho t h n nhi u đ i v i vi c đ n đích khác M t cách đ n gi n đ xác đ nh m t đích m i, có th đ a agent m c tiêu đ theo k p v i cách hành đ ng m i Các qui t c c a agent ph n x lái xe r th ng s ch làm vi c v i m t đích đ n l , qui t c s ph i thay đ i t t c c n đ n n i m i 5.5.4 Môi tr ng (Environments) u tiên, s mô t ki u khác c a môi tr ng chúng nh h ng đ n vi c thi t k agent nh th Sau đó, s mơ t ch ng trình mơi tr ng mà đ c s d ng nh “n i ki m tra” agent ch ng trình Các thu c tính c a mơi tr Mơi tr Có th đ ng (Properties of Environments) ng có nh ng đ tr ng riêng Các đ c tr ng đ c Khơng th đ c ch nh sau: c (Accessible vs Inaccessible) N u c c u giác quan c a agent đem đ n cho m t tr ng thái đ y đ c a mơi tr ng thí nói r ng mơi tr ng có th đ i v i agent M t môi tr ng th c s có th n u sensor phát hi n t t c khía c nh liên quan đ n s l a ch n hành đ ng M t mơi tr ng có th c n thu n tiên b i agent mong mu n khơng ph i trì m t s tr ng thái bên đ theo dõi th gi i xung quanh Ti n đ nh không ti n đ nh (Deterministic vs Nondeterministic) N u tr ng thái ti p theo c a mơi tr ng hồn tồn xác đ nh đ c thông qua tr ng thái hi n th i hành đ ng mà agent l a ch n, nói mơi tr ng ti n đ nh Theo nguyên t c, agent mong mu n không ph i lo ngh v m t mơi tr ng có th khơng ch c ch n ti n đ nh Tuy nhiên, n u m t mơi tr ng khơng th có th đ c xem nh không ti n đ nh i u đ c bi t đúng, n u môi tr ng ph c t p gây s khó kh n cho vi c theo dõi t t c 158 m t khơng th c a Vì v y, mơi tr ng ti n đ nh ho c mơi tr nhìn c a agent th ng đ c cho t t nh t ng không ti n đ nh đ i v i m Phân đo n không phân đo n (Episodic vs Nonepisodic) Trong môi tr ng phân đo n, kinh nghi m c a agent b phân thành t ng đo n Trong m i đo n g m có s nh n bi t c a agent hành có đ c nh n bi t c tính c a hành đ ng ph thu c vào đo n đó, b i đo n ti p theo không ph vào hành đ ng đo n tr c Mơi tr ng phân đo n r t đ n gi n agent không mu n ngh xa T nh ng (Static vs Dynamic) N u mơi tr ng có th thay đ i agent cân nh c, nói r ng mơi tr ng đ ng đ i v i agent, ng c l i môi tr ng t nh Môi tr ng t nh r t d giao ti p b i agent mong mu n khơng ph i theo dõi th gi i xung quanh quy t đ nh l a ch n hành đ ng c ng mong mu n không ph i lo ngh th i gian trôi qua N u môi tr ng không thay đ i theo th i gian nh ng s th c hi n c a agent thành cơng, nói r ng mơi tr ng ph n đ ng R i r c Liên t c (Discrete vs Continuous) N u có m t s l ng gi i h n nh t đ nh tri giác hành đ ng rõ ràng ta nói r ng mơi tr ng r i r c Môi tr ng “Ch i c ” r i r c – có m t s l ng c đ nh “n c có kh n ng” m i l n Môi tr ng “Lái taxi” liên t c - t c đ , v trí c a taxi xe c khác nh n giá tr m t kho ng giá tr liên t c Chúng ta s xem xét xem ki u môi tr ng khác yêu c u agent ch ng trình khác nh th đ x lý chúng hi u qu Nó s đ c đ a nh b n mong đ i, tr ng h p khó nh t: mơi tr ng khơng th , môi tr ng không phân đo n, môi tr ng đ ng môi tr ng liên t c Nó c ng có th đ c đ a nhi u hoàn c nh th c t r t ph c t p, đ n m c ph i th o lu n xem th c t chúng có th c s ti n đ nh hay chúng đ c xem nh không ti n đ nh ng Có th Ti n đ nh Phân đo n T nh R ir c Chess with a clock Yes Yes No Semi Yes Chess without a clock Yes Yes No Yes Yes Poker No No No Yes Yes Backgammon Yes No No Yes Yes Taxi driving No No No No No Medical diagnosis system No No No No No Image-analysis system Yes Yes Yes Semi No Part-picking robot No No Yes No No Refinery controller No No No No No Interactive English tutor No No No No Yes Môi tr 159 B ng 5.5 li t kê thu c tính c a m t s h môi tr ng Chú ý r ng câu tr l i có th thay đ i ph thu c vào vi c b n d a mơi tr ng agent nh th Ví d , Poker ti n đ nh n u agent có th theo dõi tr t t c a quân c bài, nh ng khơng ti n đ nh n u khơng th C ng nh v y, nhi u môi tr ng phân đo n m c h n cho t ng hành đ ng riêng l c a agent Ví d , m t vịng thi đ u c g m có m t lo t tr n thi đ u, m i tr n thi đ u m t phân đo n, b i t t c n c c a m t tr n đ u toàn b s th c hi n c a agent không b nh h ng b i n c c a tr n đ u ti p theo M t khác, n c ph m vi m t tr n đ u đ n l d nhiên nh h ng l n nhau, đ n m c agent c n ph i ngh tr c vài ba n c Các ch ng trình mơi tr ng (Environment programs) Ch ng trình mơi tr ng hình 5.21 minh ho m i quan h c b n gi a agent môi tr ng Chúng ta s th y thu n ti n cho nhi u ví d nhi u t p s d ng môi tr ng mô ph ng sinh c u trúc ch ng trình Vi c mơ ph ng m t ho c nhi u agent đ c th c hi n gi ng nh đ a vào s p x p l p l p l i đ sinh m i agent tri giác nh n l i hành đ ng Vi c mơ ph ng sau c p nh t môi tr ng c s hành đ ng, ti n trình đ ng khác có th mơi tr ng mà ti n trình khơng đ c quy t đ nh b i agent (ví d tr i m a) Vì v y, môi tr ng đ c xác đ nh b i tr ng thái ban đ u hàm c p nh t M t v n đ hi n nhiên, m t agent làm vi c môi tr ng mô ph ng c ng ph i làm vi c gi ng nh môi tr ng th c mà mơ ph ng là: lo i tri giác, hành đ ng Th t c RUN-ENVIRONMENT (Hình 5.21) rèn luy n agent m t môi tr ng m t cách đ n i v i m t vài lo i agent, ví d nh agent tham gia vào cu c đ i tho i b ng ngơn ng t nhiên, có th d dàng theo dõi hành vi c a chúng Hàm RUN-EVAL-ENVIRONMENT (Hình 5.22) áp đ t m t ph m vi th c hi n đ i v i m i agent tr v danh sách m s k t qu Các bi n score theo dõi m c a m i agent Nói chung, ph m vi th c hi n có th đ trình ch ng trình ho t đ ng c quy t đ nh b i toàn b chu i tr ng thái sinh procedure RUN-ENVIRONMENT(state, UPDATE-FN, agents, termination) inputs: state,the initial state off the environment Update-Fn, function on modify the environment agents, a set of agents termination, a predicate to test when we are done repeat for each agent in agents Percept[agent] ← Get-Percept(agent,state) end for each agent in agents Action[agent] ← Program[agent](Percept[agent]) end state ← Update-Fn(actions,agents,state) until termination(state) Hình 5.21 Ch ng trình mơ ph ng agent c b n Nó sinh cho m i agent tri giác c a chúng, đ a m t hành đ ng t m i agent, sau c p nh t môi tr ng 160 function Run-Eval-Environment(state, Update-Fn, agents, termination, Performance-Fn) returns scores local variable: scores, a vector thw same size as agents, all repeat for each agent in agents Percept[agent] ← Get-Percept(agent,state) end for each agent in agents Action[agent] ← Program[agent](Percept[agent]) end state ← Update-Fn(actions,agents,state) scores ← Performance-Fn(scores,agents,state) until termination(state) return scores Hình 5.22 M t ch ng trình mơ ph ng mơi tr vi th c hi n cho m i agent ng mà theo dõi ph m TÓM T T Ch ng gi i thi u t ng quan m t s v n đ c a Trí tu nhân t o, hình dung đ c vi c thi t k agent Nh ng m ch y u là: Agent m t mà có th nh n bi t tác đ ng l i môi tr phân bi t agent v i ki u ki n trúc agent ch ng trình Agent lý t ng ln ln th c hi n hành đ ng đ c mong đ i đ t đ hi n c c đ i, đem l i chu i k t qu tri giác th y ng Chúng ta c ph m vi th c Agent t tr đ ph m vi mà hành đ ng c a l a ch n đ c quy t đ nh b i kinh nghi m c a nó, m t ph n s hi u bi t c a môi tr ng đ c xây d ng b i ng i thi t k Ch ng trình agent ánh x t m t tri giác đ n m t hành đ ng, c p nh t m t tr ng thái Có nhi u ch ng trình agent c b n khác đ c thi t k , đ c quy t đ nh b i lo i thông tin vi c s d ng trình quy t đ nh Các thi t k d n đ n s khác v hi u qu , tính súc tích tính linh đ ng Các thi t k ch ng trình agent thích h p quy t đ nh b i tri giác, hành đ ng, m c tiêu môi tr ng Các agent ph n x (reflex agents) ph n ng l i t c tri giác, agent m c tiêu c b n (goal-based agents) hành đ ng v i m c đích chúng s giành đ c đ c m c tiêu c a chúng, agent l i ích (utility-based agent) c g ng đ đ t đ c s “h nh phúc” l n nh t 161 Quá trình quy t đ nh b ng vi c s d ng s hi u bi t tr ng tâm c a Trí tu nhân t o thi t k thành công agent i u có ngh a vi c bi u di n s hi u bi t r t quan tr ng M t vài mơi tr ng địi h i kh t khe h n r t nhi u Các môi tr ng “không th đ c”, “không ti n đ nh”, “không phân đo n”, “đ ng” “liên t c” nh ng thách th c l n CÂU H I VÀ BÀI T P Trinh bày mơ hình: m ng n ron sinh v t m ng n ron nhân tao Nêu rõ thành ph n c b n c a chúng Trình bày thu t tốn lan truy n ng c ng d ng m ng n ron x lý tín hi u Trình bày ví d ch ng t mang BAM có kh n ng nh kh n ng tách l i Trình bày hàm thu c (hàm thành viên) th Trình bày phép logic th ng s d ng logic m ng s d ng logic m Trình bày tốn t sau gi i thu t di truy n a) toán t sinh s n b) toán t ghép chéo c) toán t đ t bi n 162 Trình bày c u trúc c a Agent thơng minh GI I THÍCH T AI VÀ THU T NG VI T T T : Artificial Intelligent: Trí tu nhân t o ANN : Artificial Neural Network ADALINE (Adalines) :ADAptive LINear Element m ng Widrow nêu n m 1960 ART : Adaptive Resonance Networks (knowledgeBase: vi t t t ti ng Anh: KB,vi t t t ti ng Vi t: CSTT) BP : Back Propagation Network CPU : Center Processing Unit GPS : General Problem Solver EP : Evolutionary Programming: L p trình ti n hóa HMM : Hidden Markov Model FIR : Finite Impulsse Response : B l c đáp ng xung h u h n GA : Genetic Algorithm: Gi i thu t di truy n, PC : Personal Computer: Máy tính cá nhân CSDL C s d li u NLP: Natural Language Processing IR : Information Retrieval NP Noun Phrase : danh t VP :Verb Phrase : đông t 163 TÀI LI U THAM KH O [1] L [2] Nguy n Quang Hoan Recurrent High-Order Neural Networks Stability Japan-USAVietnam Workshop, May, 13-15, 1998 [3] Nguyen Quang Hoan Using Neural Networks for Vietnam Character Recognition The 4rd Telecommunication & Information Techno- Econmics Seminar between PTIT & ETRI June, 2000 Hanoi [4] Nguy n Quang Hoan M r ng c u trúc hàm Liapunop cho m ng n ron” T p chí Tin H c i u Khi n H c, 1996 [5] ng Chi Mai, Nguy n H u Hoà Áp d ng m ng n ron m nh n d ng ch s , ch vi t tay ti ng Vi t Báo cáo khoa h c k ni m 25 n m thành l p Vi n Công ngh Thông tin, tr.623-631 2001 Nguy n Quang Hoan Nghiên c u ph ng pháp thu t toán thông minh c s m ng n ron logíc m cơng ngh thơng tin vi n thông tài c p T ng Công Ty BCVT,.Mã s 082-2000-TCT-R- T-83 [6] Hoàng Ki m, inh nguy n Anh D ng Giáo trình: Trí tu nhân t o Nhà xu t b n i h c Qu c gia TP H Chí Minh, 2005 [7] Nguy n c Dân Nh p mơn Logic hình th c Nhà xu t b n Chí Minh, 2005 [8] Hồng Ki m Các h c s tri th c Nhà xu t b n Minh, 2005 [9] inh M nh T i h c Qu c gia TP H i h c Qu c gia TP H Chí ng, Trí tu nhân t o Nhà xu t b n Giáo d c.Hà n i, 2002 [10] Trung Tu n Trí tu nhân t o Nhà xu t b n Giáo d c Hà n i, 1998 [11] Trung Tu n H chuyên gia Nhà xu t b n Giáo d c Hà n i, 1999 [12] Nguy n Hoàng Ph 2006 [13] Phan tr ng Trí tu nhân t o Nhà xu t b n Khoa h c K thu t Hà n i, ng D n Ll p trình Turbo PrologNhà xu t b n Khoa h c K thu t Hà n i [14] J P Beneke J S Kunicki Prediction of Telephone Traffic Load Using Fuzzy Systems Proc Inst Elect Eng Petersburg Teletraffic Seminar: New Telecomm Services Developing Networks, St Petersburg, Russia pp 270280 July, 2, 1995 164 [15] A Celmins Distributed fuzzy control of communications Proc ISUMA-NAFIPS’95 3rd Int Symp Uncertainty Modeling Annu Conf North Amer Fuzzy Inform Processing Soc pp 258-262, 1995 [16] Chin Teng Lin, C S George Lee Neural Fuzzy Systems, Prentice-Hall International Editions 1996 [17] St at Rusell, Peter Novig Artificial Intelligence Prentice-Hall International Editions 1995 [18] Kumpati S Narendra fellow, IEEE and Kannan Parthasarathy Identification and Control of Dynamical Systems Using Neural Networks IEEE Tran on Neural Networks, vol 1(1), pp.4-26 Mar 1990 [19] Micheal Artificial Intelligence Prentice-Hall International Editions 2000 [20] Li Min Fu Neural Networks in Computer Intelligence, Mc Graw-Hill, Inc International Edittions 1994 [21] Behnam Bavarian Introduction to Neural Networks for Intelligent Control IEEE Control Systems Manazine, pp 3-7.1988 [22] Mohamed Ibnkahla Application of Neural Networks to Digital Communications - a Survey Signal Proccessing vol 80(7), pp 1185-1215 2000 [23] Y Tanaka S Hosaka Fuzzy Control of Telecommunications Networks Using Learning Technique,” Electron Commun Japan, vol 76, pt I, No 12, pp 4151, Dec,1993 [24] Timothy J Ross Fuzzy Logic with Engineering Applications, Mc.Graw-Hill, Inc, 1995 [25] Chu S R., Shoureshi R., and Tenorio M Neural Networks for System Identification IEEE Control Systems Magazine(10), pp 31-34 1990 [26] đ tài (mã s 082-2000-TCT-R- T-83) 165 M CL C L I NÓI CH U NG 1: KHOA H C TRÍ TU NHÂN T O: T NG QUAN 1.1 L CH S HÌNH THÀNH VÀ PHÁT TRI N 1.1.1 T nh ng i: ph ng pháp nh n th c 1.1.2 Các qui t c t .4 1.1.3 Kh i ngu n c a AI (1943 - 1956) 1.2 CÁC TI N C B N C A TTNT 1.3 CÁC KHÁI NI M C B N .6 1.3.1 Trí tu nhân t o(AI) gì? 1.3.2 Tri th c gì? 1.3.3 C s tri th c (Knowledge Base: KB) 1.3.4 H c s tri th c 1.4 CÁC L NH V C NGHIÊN C U VÀ NG D NG C B N .9 1.4.1 Lý thuy t gi i tốn suy di n thơng minh 1.4.2 Lý thuy t tìm ki m may r i 1.4.3 Các ngôn ng v Trí Tu Nhân T o 1.4.4 Lý thuy t th hi n tri th c h chuyên gia 1.4.5 Lý thuy t nh n d ng x lý ti ng nói .9 1.4.6 Ng i máy 10 1.4.7 Tâm lý h c x lý thông tin 10 1.5 NH NG V N CH A C GI I QUY T TRONG TRÍ TU NHÂN T O 12 T NG K T .12 BÀI T P VÀ CÂU H I 13 CH NG 2: CÁC PH NG PHÁP GI I QUY T V N 15 2.1 GI I QUY T V N KHOA H C VÀ TRÍ TU NHÂN T O 15 2.2 GI I QUY T V N C A CON NG 2.3 PHÂN LO I V N CÁC I .15 C TR NG C 2.4 CÁC PH NG PHÁP BI U DI N VÂN 2.5 CÁC PH NG PHÁP GI I QUY T V N 2.6 GI I QUY T V N 2.7 CÁC PH B NC AV N 16 21 C B N 22 VÀ CÁC K THU T HEURISTIC .28 NG PHÁP GI I QUY T V N KHÁC .35 BÀI T P 41 CH NG 3: BI U DI N TRI TH C VÀ SUY DI N 42 3.1 NH P MÔN 42 3.2 TRI TH C VÀ D LI U 42 3.3 PHÂN LO I TRI TH C 43 3.5 CÁC PH NG PHÁP BI U DI N TRI TH C 44 3.5.1 Bi u di n tri th c b ng Logic mênh đ .44 3.5.2 D ng chu n t c 47 3.5.3 Các câu Horn: 48 166 3.5.4 Lu t suy di n 49 3.5.5 Lu t phân gi i, ch ng minh bác b b ng lu t phân gi i 51 3.5.6 Bi u di n tri th c b ng Logic v t 54 3.6 C CH SUY DI N 76 3.6.1 Khái niêm v suy di n l p lu n 76 3.6.2 L p lu n ti n 76 3.6.3 L p lu n lùi 78 ng t nh tìm ki m đ và/ho c 79 3.6.4 L p lu n t 3.6.6 Th t c For_chain 80 3.7 CÁC H C 3.7.1 H h S TRI TH C VÀ CÁC H CHUYÊN GIA 82 tr quy t đ nh h th ng thông tin 82 3.7.2 Các thành ph n c a m t h h tr quy t đ nh 83 3.7.3 H h chuyên gia H MYCIN 84 3.7.3 Các h th ng d lu t 85 3.8 CÁC NGÔN NG L P TRÌNH THƠNG MINH 87 CÂU H I VÀ BÀI T P 89 CH NG 4: X 4.1 X LÝ NGÔN NG LÝ NGÔN NG T T NHIÊN 91 NHIÊN VÀ TRÍ TU NHÂN T O 91 4.1.1 S ti n hóa c a ngơn ng 91 4.1.2 C s c a ngôn ng 91 4.1.3 Kh n ng phát sinh 92 4.2 X LÝ VÀ HI U V N B N 95 4.2.1 Truy nh p c s d li u 95 4.2.2 Thu th p thông tin 96 4.2.3 Phân lo i v n b n 96 4.2.4 L y d li u vào v n b n 97 4.3 CÁC H TH NG D CH T 4.4 X NG 98 LÝ VÀ HI U TI NG NÓI 99 4.4.1 T ng quan v ti ng nói 99 4.4.2 Phân tích tham s ti ng nói 103 4.4.3 Các ph ng pháp trích ch n tham s đ c tr ng c a tín hi u ti ng nói 106 4.5 CÁC H TH NG H I THO I 113 4.6 T I N I N T 113 CÂU H I VÀ BÀI T P 115 5.1 NH P MÔN 116 5.2 M NG N RON NHÂN TAO 116 5.2.1 Quá trình phát tri n 116 5.2.2 C s c a m ng n ron nhân t o m t s khái ni m 117 5.2.3 Các c u trúc m ng n hình 121 5.2.4 Kh n ng ng dung c a m ng n ron 128 5.3 LOGIC M 131 5.3.1 Các khái ni m c b n 131 5.3.2 Các phép toán t p m 133 167 5.3.3 Bi n ngôn ng 135 5.3.4 Các kh n ng ng d ng c a Logic m 135 5.3 GI I THU T DI TRUY N 137 5.3.1 Gi i thu t di truy n 137 5.3.2 C s toán h c c a gi i thu t di truy n 139 5.3.3 Thu c tính c a s đ 139 5.3.4 Tác đ ng c a toán t di truy n m t s đ 140 5.3.5 c m h i t c a gi i thu t di truy n 142 5.4 CÁC H TH NG THÔNG MINH LAI 145 5.4.1 H th ng N ron -M .145 5.4.2 H th ng N ron – Gi i thu t di truy n 145 5.4.3 Các h th ng lai khác .145 5.5 CÁC AGENT THÔNG MINH 145 5.5.1 Gi i thi u 145 5.5.2 Ho t đ ng c a Agent 146 5.5.3 C u trúc c a agent thông minh 151 5.5.4 Môi tr ng (Environments) .158 TÓM T T 161 CÂU H I VÀ BÀI T P .162 GI I THÍCH T VÀ THU T NG VI T T T 163 TÀI LI U THAM KH O 164 M C L C 166 168 NH P MƠN TRÍ TU NHÂN T O Mã s : 412TTN340 Ch u trách nhi m b n th o TRUNG TÂM ÐÀO T O B U CHÍNH VI N THƠNG ... thích t i chúng tơi coi trí tu nhân t o m t b môn đáng nghiên c u nh t; n l c c a chúng tơi nh m gi i thích trí tu nhân t o ây có ph i b mơn h p d n nghiên c u khơng Trí tu nhân t o hay AI (Artificial... CHÍNH VI N THƠNG NH P MƠN TRÍ TU Biên so n : NHÂN T O PGS.TS NGUY N QUANG HOAN L I NĨI U Trí tu nhân t o (hay AI: Artificial Intelligence), n l c tìm hi u nh ng y u t trí tu Lý khác đ nghiên... sau: - Ch ng : Khoa h c Trí tu nhân t o: t ng quan - Ch ng : Các ph - Ch ng : Bi u di n tri th c suy di n - Ch ng : X lý ngôn ng t nhiên - Ch ng : Các k thu t trí tu nhân t o hi n đ i ng pháp