Bài giảng môn TRÍ TUỆ NHÂN tạo

62 3 0
  • Loading ...
1/62 trang

Thông tin tài liệu

Ngày đăng: 01/12/2016, 21:01

  CHƯƠNG I KHOA HỌC TRÍ TUỆ NHÂN TẠO -TTNT  (ARTIFICIAL INTELLIGENCE - AI) NỘI DUNG: • • • LỊCH SỬ PHÁT TRIỂN CỦA KHOA HỌC TTNT KHOA HỌC TRÍ TUỆ NHÂN TẠO CÁC NGHIÊN CỨU VÀ ỨNG DỤNG CƠ BẢN CỦA TTNT I LỊCH SỬ PHÁT TRIỂN CỦA KHOA HỌC TTNT (tt) 1.Hình thành phát triển TTNT - Nói đến TTNT người ta thường quan tâm đến việc tạo lập máy tính điện tử có khả “suy nghĩ” - trí vài trường hợp vượt khả làm việc não người - Các nghiên cứu phòng thí nghiệm từ năm đầu kỷ 20 - 1930 Allen Turing đưa mô hính máy tính số mà chương trình luư trữ nhớ sau thực sở phép toán với đại lượng số số - Đó tảng cho máy tính đại sau - Việc lưu trữ chương trình máy cho phép thay đổi chức cách nhanh chóng dễ dàng thông qua nạp ct khác vào nhớ Nói cách khác khả làm cho máy có khả “học” “suy nghĩ” - Đó biểu máy tính trang bị TTNT I LỊCH SỬ PHÁT TRIỂN CỦA KHOA HỌC TTNT (tt)            Năm 1956 Chương trình dẫn xuất kết luận hệ hình thức công bố Năm 1959 Chương trình chứng minh định lý hình học phẳng chương trình giải toán vạn ( GPS General Problem Solving) 1960 Mc Cathy MIT ( Massachussets Institute of Technology) đưa ngôn ngữ lập trình LISP ( LISt Processing), ngôn ngữ lập trình cho phép xử lý liệu danh sách Việc làm cho việc nghiên cứu TTNT bắt đầu phát triển mạnh mẽ 1961 Chương trình tính tích phân bất định 1963 Xuất ct Heuristics Chương trình chựng minh định lý hình học không gian Chương trinh chơi cờ Samuel 1964 Chương trình giải phương trình đại số sơ cấp, CT HTrợ Eliza 1966 Chương trình phân tích tổng hợp tiếng nói 1968 Chương trình điều khiển người máy (robot) “tay– mắt” Chương trình học nói  việc nghiên cứu hạn chế bế tắc ??? I LỊCH SỬ PHÁT TRIỂN CỦA KHOA HỌC TTNT (tt)        Như phải đến năm 1970, có đời công nghệ điện tử mới, mạch vi xử lý (μP-microprocessor) cải thiện nhớ thời gian thực 1970 nghiên cứu lĩnh vực xử lý ngôn ngữ tự nhiên, biểu diễn tri thức, lý thuyết giải vấn đề Thị trường tin học bắt đầu đón nhận sản phẩm TTNT ứng dụng mang tính thương mại Đó hệ chuyên gia áp dụng lĩnh vực khác Hệ chuyên gia Mycin, prospector… 1972 đời ngôn ngữ TTNT Prolog 1981 Dự án người Mỹ người nhật nghiên cứu máy tính hệ Từ đố đến có nhiều nghiên cứu TTNT thành công áp dụng rộng rãi đời sông hàng ngày máy ảnh, máy giặt, máy diều hoà nhiệt độ … Các kỹ thuật TTNT kỹ thuật mạng neuron, neuron mờ, kỹ thuật xử lý ngôn ngữ tự nhiên, kỹ thuật xử lý tri thức, hệ hỗ trợ định, giải thuật di truyền … II Những tiền đề TTNT Những tiền đề cho đời TTNT nghiên cứu sâu sắc chuyên gia lĩnh vực : tâm lý học nhận thức, logic hình thức, điều khiển học  Tâm lý học nhận thức ( Cognitive psychology) : chuyên gia tâm lý học tạo mô hình dùng máy tính để mô hành vi người giải toán đòi hỏi sáng tạo  Logic hình thức : Khi A.Turing đưa mô hình máy tính vạn có lưu trữ chương trinh nhớ Mô hình máy tính dựa cac phép tính logic : AND, OR, NOT người ta ( Mỹ) tiến hành chế tạo máy tính thực hiên phép tính só học CỘNG,TRỪ LỚN HƠN Và sau tiên hành nghiên cứu khả thực phép toán xử lý với liệu phi số  Điều khiển học ( cybernetics) : tiến kỹ thuật vi điện tử làm thay đổi hoàn toàn chất nghiên cứu TTNT II Khoa học Trí tuệ nhân tạo Khoa học TTNT hướng tới việc chế tạo máy tính thông minh giúp ích cho việc khám phá qui luật hoạt động sáng tạo khả trí tuệ người Có câu hỏi cần phải trả lời :  Trí tuệ người ?  Trí tuệ máy ? II KHOA HỌC TTNT (tt) 1.Trí tuệ người ( human Intelligence)   Chưa có định nghĩa thức Trí tuệ người Tuy nhiên tham khảo định nghĩa sau : Theo A.turing : « Trí tuệ đánh giá thông qua trắc nghiệm (test) thông minh » Bách khoa toàn thư WEBSTER đưa định nghĩa tổng quát : « Trí tuệ khả : - Phản ứng cách thích hợp lại tình thông qua hiệu chỉnh hành vi cách thích đáng - Hiểu rõ mối quan hệ qua lại kiện giới bên nhằm đưa hành động phù hợp để đạt tới mục đích » Theo nhà tâm lý học nhận thức hoạt động trí tuệ người chia làm thao tác bản: Theo nhà tâm lý học nhận thức hoạt động trí tuệ người chia làm thao tác : - TT1 : Xác định đích (goal) cần đạt tới (đích) - TT2 : Thu thập kiện (facts) có liên quan suy diễn (inference rules) để đạt tới mục đích đặt - TT3 : Thu gọn trình suy diên nhằm xác định nhanh chóng tập luật suy diễn sử dụng để đạt tới đích trung gian - TT4 : Áp dụng chế suy diễn cụ thể (inference mechanisms), dựa thao tác thu gọn trình suy luận kiện trung gian tạo để dẫn dắt từ kiện ban đầu tới đích đặt  Ví dụ : Xác định cách tốt từ nhà tới trường ( TT1) TT2 : Các thông tin liên quan tới mục đích đặt : thời tiết, sức khoẻ, thời gian, phương tiện, khoảng cách, tình hình xã hội, … suy diễn dựa thông tin thu thập : R1 : Nếu hôm ngày nghỉ Thì học R2 : Nếu thời tiết xấu Thì công viên người R3 : Nếu thời tiết xấu Thì đương rải nhựa R4 : Nếu thời tiết dẹp Thì đường tắt R5 : Nếu tình hình trị xấu Thì tình hình kinh tế xấu R6 : Nếu giá gia tăng Thì tình hình kinh tế xấu R7 : Nếu thời tiết xấu xe Thì xe buýt R8 : Nếu đường rải nhựa Thì xe R9 : Nếu nhà gần Thì R10: Nếu nhà xa Thì xe Nhận xét pp tìm kiếm mù: - TKR tìm đc đường đồ thị có đỉnh đích, đường cần tìm ngắn - TKS không tìm thấy đường cần tìm rơi vào độ sâu vô hạn Trường hợp thành công đường cần tìm chưa ngắn - TKSD đc xem dạng tổng quát: Khi h=1 TKSD trở thành TKR Khi h=H TKSD trở thành TKS Tìm kiếm mù vét cạn không thành công  Khắc phục nhược điểm tìm kiếm thông minh??? Giải vấn đề không gian trạng thái (tt)  Giải vấn đề không gian trạng thái (tt) Phương pháp (tt): - Sử dụng biến: d/s MO: chứa đỉnh xét đỉnh xét d/s DONG: chứa đỉnh xét Child(S): chứa đỉnh đỉnh - Sử dụng hàm: g(S) tính giá đường từ đỉnh xuất phát tới S getmoi(MO): Lấy đỉnh S từ MO có giá đường g(S) nhỏ exit(“Thành công”): kết thúc thuật toán thông báo “Thành công” Giải vấn đề không gian trạng thái (tt) tìm đường với giá cực tiểu Mô tả thuật toán ( giả C) : TKCT{ MO=So; DONG= φ; g(So)=0; while( MO ≠ φ ) { S= getmoi(MO): DONG=DONG ∪ {S} ; if ( S ∈ ĐICH) exit(“Thành công”); //Đường cần tìm nằm ds MO if(child(S) ≠ φ) for (each m ∈ MO) { g(m)=g(S)+c(S,m); MO = MO ∪ {(m,g(m)}; } } printf (“ không thành công”); } TD: Tìm đường đồ thị: Cho So={A} ĐÍCH={D,H} Sử dụng bảng để mô trình tìm kiếm gồm cột: N: số TT duyệt S: Đỉnh xét MO: chứa đỉnh xét( với đỉnh bổ sung vào mở cần tính giá trị hàm f) DONG: Chứa đỉnh xét 12/1/16 52 TD: Tìm đường đồ thị (hình 1): Cho So={A} ĐÍCH={H} h=2 Sử dụng bảng để mô trình tìm kiếm gồm cột: N: số TT duyệt S: Đỉnh xét MO: chứa đỉnh xét DONG: Chứa đỉnh xét DS,d(S): độ sâu giới hạn tại, độ sâu đỉnh S 12/1/16 53 Giải vấn đề không gian trạng thái (tt) 12/1/16 54 Giải vấn đề không gian trạng thái (tt) Phương pháp (tt): - Sử dụng biến: d/s MO: chứa đỉnh xét đỉnh xét d/s DONG: chứa đỉnh xét Child(S): chứa đỉnh đỉnh - Sử dụng hàm: g(S) tính giá đường từ đỉnh xuất phát tới S getmoi(MO): Lấy đỉnh S từ MO có giá đường g(S) nhỏ exit(“Thành công”): kết thúc thuật toán thông báo “Thành công” 12/1/16 55 Giải vấn đề không gian trạng thái (tt) tìm đường với giá cực tiểu Mô tả thuật toán ( giả C) : TKCT{ MO=So; DONG= φ; g(So)=0; while( MO ≠ φ ) { S= getmoi(MO): DONG=DONG ∪ {S} ; if ( S ∈ ĐICH) exit(“Thành công”); //Đường cần tìm nằm ds MO if(child(S) ≠ φ) for (each m ∈ MO) { g(m)=g(S)+c(S,m); MO = MO ∪ {(m,g(m)}; } } printf (“ không thành công”); } 12/1/16 56 Cho đồ thị G(N,A) sau: Với So={A} DICH={D,H} A B C D F Hình I G H TD: Tìm đường đồ thị (hình 2): Cho So={A} ĐÍCH={D,H} Sử dụng bảng để mô trình tìm kiếm gồm cột: N: số TT duyệt S: Đỉnh xét MO: chứa đỉnh xét ( Tính giá trị hàm g trước bổ sung vào MO) DONG: Chứa đỉnh xét 12/1/16 58 Giải vấn đề không gian trạng thái (tt) * Tìm kiếm thông minh(tt) e Tìm đường có giá cực tiểu với tri thức bổ sung: Phương pháp (): - Sử dụng đồ thị có trọng số G(N,A) N: tập đỉnh không gian trạng thái A: Tập phép biến đổi C: A R+ hàm giá (cost) tương ứng với giá chi phí cung c(a)∈R+ Với đường G: p={n1 ,n2 ,n3 , ,nk } ta có tính giá c(p)= - Sử dụng biến: d/s MO: chứa đỉnh xét đỉnh xét d/s DONG: chứa đỉnh xét Child(S): chứa đỉnh đỉnh Giải vấn đề không gian trạng thái (tt) Phương pháp (tt): - Sử dụng biến: d/s MO: chứa đỉnh xét đỉnh xét d/s DONG: chứa đỉnh xét Child(S): chứa đỉnh đỉnh - Sử dụng hàm: g(S) tính giá đường từ đỉnh xuất phát tới S getmoi(MO): Lấy đỉnh S từ MO có giá đường g(S) nhỏ exit(“Thành công”): kết thúc thuật toán thông báo “Thành công” 12/1/16 60 Giải vấn đề không gian trạng thái (tt) tìm đường với giá cực tiểu Mô tả thuật toán ( giả C) : TKCT{ MO=So; DONG= φ; g(So)=0; while( MO ≠ φ ) { S= getmoi(MO): DONG=DONG ∪ {S} ; if ( S ∈ ĐICH) exit(“Thành công”); //Đường cần tìm nằm ds MO if(child(S) ≠ φ) for (each m ∈ MO) { g(m)=g(S)+c(S,m); MO = MO ∪ {(m,g(m)}; } } printf (“ không thành công”); } 12/1/16 61 Cho đồ thị G(N,A) sau: Với So={A} DICH={D,H} A B C D F Hình I G H [...]... chấp nhận được TD Bài toán trò chơi 8 số (n 2 -1 với n=3) V.Các phương pháp biểu diễn vấn đề (tt) 2 Phương pháp biểu diễn v/đ bằng qui bài toán con Một cách tiếp cận giải quyết vấn đề là sử dụng khái niệm qui bài toán con Theo cách tiép cận này, có thể tách bài toán ban đầu thành các bài toán con sao cho lời giải của các bài toán con cho phép xác định lời giải của bài toán ban đầu Qui bài toán con cũng... nhau trong quá trình sánh tạo: các trò chơi, ct chứng minh tự động các định lý, phân tích và tổng hợp các tác phẩm nghệ thuật - Nâng cao khả năng trí tuệ « bên ngoài » của máy tính: bao gồm các Nc và ƯD gắn liền với các giao tiếp hội thoại - Nâng cao trí tuệ « bên trong » máy tính trên cơ sở chế tạo các thế hệ máy tính thế hệ mới, kiến trúc vật lý mới dự trên nguyên lý TTNT - Chế tạo « người máy thông... tất cả các tính chất tâm sinh lý của nó để tái tạo trong máy tính - Phỏng vật lý: hướng váo khía cạnh thực hành mà máy tính là công cụ thử nghiệm các ct cho phép đạt tới cùng một kết quả giống như hoạt động sáng tạo của con người Bốn cách tiếp cận khác nhau cho việc xây dựng các hệ thống TTNT - Tạo lập các mạng thông minh - Tái tạo quá trình tiến hoá nhân tạo - lập trình heuristics - Biểu diễn và xử... toán trong nghiên cứu khoa học, các bài toán xử lý dữ liệu cỡ lớn trong quản lý kinh tê-xã hội đến các hoạt động giản đơn như giải câu đố, chơi cờ, sử chũa máy móc… đều đòi hỏi sự tham gia của trí tuệ - Máy tính từ lâu đã trở thành công cụ đắc lực trong những công việc xử lý thông tin và không những vậy còn có khả năng giải quyết những công việc đòi hỏi mức độ trí tuệ cao Trong một vài lĩnh vực đặc... lỏng ràng buộc của bài toán 3 Áp dụng phương pháp thử và sai 4 Tổng quát hoá bài toán ( đặc tả vấn đề nhờ các ký hiệu và các mối liên kết giữa chúng) TỔNG QUAN (TT) III Phân loại vấn đề Giải quyết vấn đề là quá trình xuất phát từ dạng biểu diễn ban đầu ( dạng mẫu ký hiệu) và tìm trong không gian bài toán để tìm ra dãy các phép toán hoặc dãy các hành động cho phép dẫn tới đích đặt ra TD Bài toán trò chơi... quá trình suy diễn cho ta kết quả là nếu « thời tiết xấu » thì nên « đi xe buýt » cơ chế suy diễn được sử dụng này là cơ chế suy diễn tiến II KHOA HỌC TTNT (tt) 2 .Trí tuệ máy( machine Intelligence) Không có một định nghĩa tổng quát nào về Trí tuệ máy, song có thể đưa ra vài dấu hiệu của nó: - Khả năng học - Khả năng mô phỏng hành vi - Khả năng tổng hợp hoá và hình thức hoá - Khả năng tự giải thích hành... không gian trạng thái 2 Biểu diễn vấn đề nhờ pp qui bài toán con 3.Biểu diễn vấn đề nhờ logic hình thức 4 Biểu diễn vấn đề bằng tri thức 5 Biểu diễn vấn đề trong máy tính V.Các phương pháp biểu diễn vấn đề (tt) 1 Phương pháp biểu diễn v/đ bằng không gian trạng thái Các bài toán cần giải quyết nhờ vào vào chiến lược thử và sai Dễ dàng thấy để giải các bài toán trò chơi n2 -1 số, tháp hà nội, … là thử... thái có thể kiểm tra và khẳng định được những hình trạng chấp nhận được hoặc không nhờ phân tích logic Hay trong qui bài toán con dựa vào phân tích logic có thể xác định được bài toán con là giải được hoặc không giải được Ngoài ra logic hình thức còn có thể được sử dụng để giải quyết những bài toán chứng minh logic, chẳng hạn như chứng minh một khẳng định nào đó là đúng khi biết những tiền đề và qui luật... Sử dụng cấu trúc danh sách CHƯƠNG III CÁC PHƯƠNG PHÁP GIẢI QUYẾT VẤN ĐỀ  1 Giải quyết vấn đề trong không gian trạng thái: Biểu diễn bài toán trong đồ thị không gian trạng thái Các thuật toán tìm kiếm trong đồ thị  2 Giải quyết vấn đề bằng qui bài toán con: Biểu diễn bài toán trong đồ thị VÀ/HOẶC Các thuật toán tìm kiếm trong đồ thị    3 Giải quyết vấn đề nhờ loagic hình thức Các khái niệm cơ bản... CHƯƠNG III CÁC PHƯƠNG PHÁP GIẢI QUYẾT VẤN ĐỀ (TT) Giải quyết vấn đề trong không gian trạng thái  1 Biểu diễn bài toán trong không gian trạng thái: Cần xác định: - Trạng thái đầu, Trạng thái đích - Dạng mô tả trạng thái - Tập các toán tử và các tác động lên các mô tả trạng thái Phát biểu bài toán: Bài toán P1: Cho tập trạng thái đầu So Tập trạng thái đích uĐICH Tìm dãy trạng thái So,S1,…Sn sao cho Sn ∋
- Xem thêm -

Xem thêm: Bài giảng môn TRÍ TUỆ NHÂN tạo , Bài giảng môn TRÍ TUỆ NHÂN tạo , Bài giảng môn TRÍ TUỆ NHÂN tạo

Mục lục

Xem thêm

Gợi ý tài liệu liên quan cho bạn

Nạp tiền Tải lên
Đăng ký
Đăng nhập