05/26/2012 1 1 TRÍ TUỆ NHÂN TẠO Artificial Intelligence Ths. Phạm Văn Tiệp Khoa Công nghệ thông tin Đại học Đại Nam 2 Chương 1: Giới thiệu TTNT Nội dung bài học TTNT 1. Trí tuệ nhân tạo là gì? 2. Các lĩnh vực liên quan đến trí tuệ nhân tạo. 3. Lịch sử hình thành khoa học về trí tuệ nhân tạo. 4. Các lĩnh vực và ứng dụng của trí tuệ nhân tạo. 5. Những vấn đề cốt lõi của trí tuệ nhân tạo 6. Nội dung tìm hiểu về trí tuệ nhân tạo của khoá học. 3 Tài liệu tham khảo TTNT Tài liệu môn học: • Artificial Intelligence: A Modern Approach, S.J. Russell and P. Norvig, 2nd Edition, Prentice-Hall, 2003. • Essentials of Artificial Intelligence , M.Ginsberg, Morgan Kaufmann, 1993. • Trí tuệ nhân tạo: Các phương pháp giả quyết vấn đề và kỹ thuật xử lý tri thức, Nguyễn Thanh Thủy. • Trí tuệ nhân tạo, Đỗ Trung Tuấn. Một số website: • http://www.cs.adfa.edu.au/~z3013620/we/course.htm • http://ocw.mit.edu/OcwWeb/Electrical-Engineering-and-Computer-Science/6-034Spring- 2005/CourseHome/index.htm 4 Giới thiệu chung về khóa học TTNT • Giới thiệu TTNT và tác tử. • Các giải thuật tìm kiếm. • Logic và lập trình logic. • Lập lịch. • Sự không chắc chắn. • Máy học. • Xử lý ngôn ngữ tự nhiên. 5 Trí tuệ nhân tạo (AI) là gì? TTNT • Hiện nay, trên thế giới có nhiều định nghĩa khác nhau về trí tuệ nhân tạo. Tuy nhiên, vẫn chưa thống nhất một dạng định nghĩa. • Mặc dù vậy, có 2 trường phái về khái niệm AI: – Strong AI: Có thể tạo ra thiết bị có trí thông minh và các chương trình máy tính thông minh hơn người!!! – Weak AI: Chương trình máy tính có thể mô phỏng các hành vi thông minh của con người!!! 6 05/26/2012 2 Trí tuệ nhân tạo (AI) là gì? Có 4 quan điểm về AI: Tài liệu tập trung vào nhóm quan điểm “hành động có lý trí”. Suy nghĩ như người Suy nghĩ có lý trí Hành động như người Hành động có lý trí 7 Hành động như người: Turing Test TTNT  Turing (1950) "Computing machinery and intelligence":  “Máy tính có thể nghĩ?"  “Máy tính có thể hành động thông minh?"  Turing Test: Trò chơi bắt chước người.  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 8 Các ý kiến phản đối Turing Test TTNT  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 sở cho nhiều sơ đồ đánh giá dùng thực sự cho các chương trình TTNT hiện đại. 9 Suy nghĩ như người Suy nghĩ như người: • Cách tiếp cận cuối thế kỷ 19, đầu thế kỷ 20 về tâm lý học nhận thức. Chủ yếu quan tâm đến việc nghiên cứu xem trí tuệ của con người là gì? các chức năng thể hiện trí tuệ như: xử lý ngôn ngữ, nghĩ, học, lập luận được thực hiện như thế nào? Hai cách tiếp cận: • Trên xuống: Tâm lý học nt → Symbolism (Simon & Newell, 1961). • Dưới lên: Neural and Brain Science (Mc Culloch, Pitt 1950s) → Artificial Neural Networks. First Layer a 1 = f 1 (W 1 p + b 1 ) a 2 = f 2 (W 2 a 1 + b 2 ) a 3 = f 3 (W 3 a 2 + b 3 )    f 1   f 2    f 3 Inputs a 3 2 n 3 2 w 3 S 3 , S 2 w 3 1,1 b 3 2 b 3 1 b 3 S 3 a 3 S 3 n 3 S 3 a 3 1 n 3 1 1 1 1 1 1 1 1 1 1 p 1 a 1 2 n 1 2 p 2 p 3 p R w 1 S 1 , R w 1 1,1 a 1 S 1 n 1 S 1 a 1 1 n 1 1 a 2 2 n 2 2 w 2 S 2 , S 1 w 2 1,1 b 1 2 b 1 1 b 1 S 1 b 2 2 b 2 1 b 2 S 2 a 2 S 2 n 2 S 2 a 2 1 n 2 1    Σ   Σ   Σ    Σ   Σ   Σ    Σ   Σ   Σ   f 1   f 1   f 2    f 2   f 3   f 3 a 3 = f 3 (W 3 f 2 (W 2 f 1 (W 1 p + b 1 ) + b 2 ) + b 3 ) Third LayerSecond Layer Axon Cell Body Dendrites Synapse 10 Suy nghĩ có lý trí  Bắt đầu từ thời Hylạp cổ đại (Rule of Arguments) cho đến G. Boole (Mathematical Model of Thoughts), cho đến Hilbert: Logics. (nhưng không phải các hành vi thông minh đều có thể biểu diễn bằng Logic!)  Các vấn đề: 1. Không phải các hành vi thông minh đều có thể biểu diễn bằng logic. 2. Mục đích của suy nghĩ là gì? 11 Hành động có lý trí TTNT  Doing the right thing (not “Doing the thing right”).  Hành vi được coi là thông minh nếu giúp cho tác nhân (agent) thực hiện hành vi tăng cơ hội thực hiện được đích đặt ra cho nó với điều kiện thông tin phương tiện cho phép của môi trường mà nó đang tồn tại.  Như vậy: Lợi điểm của định nghĩa:  Thông minh không nhất thiết phải là con người hay giống người!!!  Hành vi thông minh không nhất thiết phải thực hiện thông qua suy nghĩ, lý luận. 12 05/26/2012 3 Ví dụ về TTNT TTNT 13 • Ví dụ: Sự tiến hóa (Evolutionary Intelligence), Tính bầy đàn (Swarm Intelligence). Một số định nghĩa về TTNT trong các SÁCH về TTNT 14 • Trí tuệ nhân tạo giúp tạo ra máy tính có khả năng suy nghĩ .máy tính có trí tuệ theo đầy đủ nghĩa của từ này (Haugeland, 1985). • Trí tuệ nhân tạo là khoa học nghiên cứu xem làm thế nào để máy tính có thể thực hiện được những công việc mà hiện con người còn làm tốt hơn máy tính (Rich and Knight, 1991). • TTNT là khoa học nghiên cứu về các hoạt động trí não thông qua các mô hình tính toán (Chaniak và McDemott, 1985). • Nghiên cứu các mô hình tính toán để máy tính có thể nhận thức, lập luận, và hành động (Winston, 1992). • TTNT nghiên cứu các hành vi thông minh mô phỏng trong các vật thể nhân tạo (Nilsson 1998). Định nghĩa 15 • Trí tuệ nhân tạo là khoa học nghiên cứu các hành vi thông minh nhằm giải quyết các vấn đề được đặt ra đối với các chương trình máy tính!!! Các lĩnh vực liên quan đến TTNT TTNT 16 • Tâm lý học nhận thức. • Thần kinh học. • Lý thuyết về hệ thống (cybernetics). • Toán Logic và Logic học. • Sinh học tiến hoá. • Khoa học về hành vi bầy đàn. • Tổ chức học. • Thống kê học. • . TTNT. p.17 Lịch sử phát triển của AI : Giai đoạn cổ điển • Giai đoạn cổ điển (1950 – 1965) Đây là giai đoạn của 2 lĩnh vực chính:Game Playing (Trò chơi) và Theorem Proving (Chứng minh định ký) Game Playing: dựa trên kỹ thuật State Space Search với trạng thái (State) là các tình huống của trò chơi. Đáp án cần tìm là trạng thái thắng hay con đường dẫn tới trạng thái thắng, áp dụng với các trò chơi loại đối kháng. Ví dụ: Trò chơi đánh cờ vua. Có 2 kỹ thuật tìm kiếm cơ bản: Kỹ thuật generate and test : chỉ tìm được 1 đáp án/ chưa chắc tối ưu. Kỹ thuật Exhaustive search (vét cạn): Tìm tất cả các nghiệm, chọn lựa phương án tốt nhất. TTNT. p.18 Lịch sử phát triển của AI- Giai đoạn viển vông • Giai đoạn viển vông (1965 – 1975) – Đây là giai đoạn phát triển với tham vọng làm cho máy hiểu được con người qua ngôn ngữ tự nhiên. – Các công trình nghiên cứu tập trung vào việc biểu diễn tri thức và phương thức giao tiếp giữa người & máy bằng ngôn ngữ tự nhiên. – Kết quả không mấy khả quan nhưng cũng tìm ra được các phương thức biểu diễn tri thức vẫn còn được dùng đến ngày nay tuy chưa thật tốt như: – Semantic Network (mạng ngữ nghĩa) – Conceptial graph (đồ thị khái niệm) – Frame (khung) – Script (kịch bản) Vấp phải trở ngại về năng lực của máy tính 05/26/2012 4 TTNT. p.19 Lịch sử phát triển của AI- Giai đoạn hiện đại • Giai đoạn hiện đại (từ 1975) – Xác định lại mục tiêu mang tính thực tiễn hơn của AI là: • Tìm ra lời giải tốt nhất trong khoảng thời gian chấp nhận được. • Không cầu toàn tìm ra lời giải tối ưu – Tinh thần HEURISTIC ra đời và được áp dụng mạnh mẽ để khắc phục bùng nổ tổ hợp. – Khẳng định vai trò của tri thức đồng thời xác định 2 trở ngại lớn là biểu diển tri thức và bùng nổ tổ hợp. – Nêu cao vai trò của Heuristic nhưng cũng khẳng định tính khó khăn trong đánh giá heuristic. Better than nothing Phát triển ứng dụng mạnh mẽ: Hệ chuyên gia, Hệ chuẩn đoán, Các lĩnh vực ứng dụng của TTNT 20 • Xử lý ngôn ngữ tự nhiên và giao diện người máy. • Lập luận và giải quyết vấn đề tự động. • Chuẩn đoán, chưa trị với tri thức chuyên gia. • Nhìn và nhận dạng. • Xử lý âm thanh tiếng nói. • Phát hiện tri thức tự động từ dữ liệu. • Lập lịch, kế hoạch tự động. • Xây dựng các trò chơi thông minh. • Mô phỏng thông minh. • Giải các bài toán xã hội, thiên nhiên thông qua mô phỏng thông minh. • Cuộc sống nhân tạo. • Các thành tựu quan trọng trong TTNT • Lập kế hoạch và lập lịch tự động - NASA đã thiết kế chương trình lập lập kế hoạch tự động (gọi là Remote Agent) để điều khiển việc xếp lịch các hoạt động của tàu vũ trụ • Chơi cờ - Deep Blue (hệ thống máy tính của IBM) đã đánh bại kiện tướng cờ vua Thế giới Garry Kasparov vào năm 1997 • Điều khiển tự động - Một xe tải nhỏ được điều khiển tự động bởi hệ thống ALVINN (của CMU) trong suốt 98% của khoảng thơi gian đi từ Pittsburgh đến San Diego (~2850 miles) • Người máy - Ngày nay, rất nhiều cuộc phẫu thuật trong y tế sử dụng các trợ giúp người máy trong các thao tác vi phẫu (microsurgery) 21 Các thành tựu quan trọng trong TTNT • Chuẩn đoán - Các chương trình chuẩn đoán y tế dựa tê phân tích xác suất đã có thể thực hiện ở mức tương đương các bác sỹ chuyên môn trong một số lĩnh vực của y tê • Lập kế hoạch hậu cần cho quân đội Trong cuộc chiến tranh Vùng Vịnh năm 1991, các lực lượng của quân đội Mỹ đã triển khai sử dụng một chương trình lập kế hoạch và xếp lịch cho công tác hậu cần để di chuyển 50.000 xe cộ, hàng hóa, và quân lính. • Hiểu ngôn ngữ và giải quyết vấn đề - Chương trình máy tính PROVERB có thể giải được các bài toán đố chữ (crossword puzzles) tốt hơn khả năng của nhiều người. 22 Các tranh luận về TTNT (1) • Khả năng của TTNT? - Chơi (hợp lệ) một ván bóng bàn? - Lái xe tự động theo một đường núi quanh co? - Mua trực tuyến các hàng hóa trong 1 tuần cho một hiệu tạp phẩm? - Phát hiện và chứng minh một lý thuyết toán học mới? - Hội thoại được với một người trong 1 giờ đồng hồ? - Thực hiện tự động một ca phẫu thuật mổ phức tạp? - Dịch trực tiếp (tức thời) giữa hai thứ tiếng cho một hội thoại? … • Máy tính có thể suy nghĩ (như con người) được không? 23 Các tranh luận về TTNT (2) • Nếu máy tính có thể làm thay những việc đang được làm bởi con người, thì con người sẽ càng ít việc (thất nghiệp) • Con người sẽ có quá nhiều thời gian rảnh rỗi (so với quá ít, như hiện nay) • Con người cảm t thấy mất cảm giác sự thông minh thống trị (cao nhất) của họ • Vì máy tính làm thay (và can thiệp) vào nhiều việc hàng ngày của con người, họ sẽ cảm thấy các quyền riêng tư bị xâm phạm • Việc sử dụng nhiều hệ thống TTNT có thể làm giảm (mất đi) trách nhiệm giải trình trong các công việc • Sự thành công (hoàn hảo) của TTNT có ý nghĩa như là sự kết • thúc của loài người? 24 05/26/2012 5 Một số ví dụ về TTNT TTNT 25 • Chương trình chơi cờ trên máy Deep Blue đánh bại đại kiện tướng Kasparov (1997). • Hệ chuyên gia MYCIN (1984, Standford) không thua kém chuyên gia người trong việc chuẩn đoán bệnh. • Chiến tranh vùng vịnh 1991, Kỹ thuật TTNT được dùng để lập lịch và lên kế hoạch hậu cần. • Chiến tranh vùng vịnh lần 2 (2003). Chiến tranh mô phỏng trên máy tính. • Chương trình lập lịch và điều khiển thông minh trên xe tự hành và Robot tự hành của NASA. • Máy nhận dạng mắt người tại sân bay Heathrow. • So sánh giữa lập trình hệ thống và lập trình AI 26 Lập trình hệ thống 1. Dữ liệu+Thuật toán=Chương trình. 2. Xử lý dữ liệu. 3. Dữ liệu trong bộ nhớ được đánh địa chỉ số 4. Xử lý theo các thuật toán. 5. Định hướng xử lý các đại lượng định lượng số. 6. Xử lý tuần tự theo mẻ. 7. Không giải thích trong quá trình thực hiện. 8. Kết quả chính xác, không được mắc lỗi. Lập trình A.I 1. Tri thức + Điềukhiển =Chương trình. 2. Xử lý dữ liệu định tính( các ký hiệu tượng trưng). 3. Xử lý dựa trên tri thức cho phép dùng các thuật giải heuristic, các cơ chế suy diễn. 4. Tri thức được cấu trúc hoá, để trong bộ nhớ làm việc theo ký hiệu. 5. Định hướng xử lý các đại lượng định tính (logic), các ký hiệu tượng trưng và danh sách. 6. Xử lý theo chế độ tương tác (hội thoại ngôn ngữ tự nhiên). 7. Có giải thích hành vi của hệ thống trong quá trình thực hiện. 8. Kết quả tốt, cho phép mắc lỗi. 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. 27 NHỮNG VẤN ĐỀ CƠ BẢN CỦA TTNT 28 • Biểu diễn (representation). • Lập luận (reasoning). • Học (learning). • Tương tác (interaction). Trí Tuệ Nhân Tạo - 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 – “bí quyết” • Sử dụng tri thức chuyên môn • … TTNT. p.30 TTNT = Biểu Diễn + tìm kiếm TTNT ≈ biểu diễn và tìm kiếm 05/26/2012 6 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 mẫu 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 3. Tìm kiếm một lời giải trong số các khả năng này. TTNT ≈ biểu diễn và tìm kiếm TTNT. p.32 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 ≈ biểu diễn và tìm kiếm TTNT. p.33 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 ≈ biểu diễn và tìm kiếm TTNT. p.34 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) – Liên kết (link) • Ví dụ: – Trò chơi tic-tac-toe – Chẩn đoán trục trặc máy móc trong ô tô TTNT ≈ biểu diễn và tìm kiếm TTNT. p.35 KGTT của Trò Chơi Tic-Tac-Toe TTNT ≈ biểu diễn và tìm kiếm TTNT. p.36 Chẩn đoán trục trặc máy móc trong ô tô TTNT ≈ biểu diễn và tìm kiếm 05/26/2012 7 TTNT. p.37 Nội dung • Giới thiệu TTNT • Các chiến lược tìm kiếm mù • Các chiến lược tìm kiếm có thông tin • Các chiến lược tìm kiếm có đối thủ • Các chiến lược tìm kiếm tối ưu • Học máy TTNT. p.38 Tài liệu tham khảo 1. N.T. Thuỷ.Trí tuệ nhân tạo: Các phương pháp giải quyết vấn đề và xử lý tri thức. NXB KHKT 2000- 2004. 2. Trí tuệ nhân tạo, by Đinh Mạnh Tường 3. N.H. Phương và các tác giả. Hệ mờ và ứng dụng, NXB KHKT, 1998. 4. Stuart Russell, Peter Norvig. Artificial Intelligence: A modern approach, Prentice- Hall, 2003. TTNT. p.39 Chương 1 – Giới thiệu TTNT  Định nghĩa TTNT  Các trường phái TTNT  Lịch sử hình thành và phát triển TTNT  Các lĩnh vực ứng dụng của TTNT TTNT. p.40 Trí tuệ nhân tạo (AI) là gì? • Là một nhánh của khoa học máy tính liên quan đến sự tự động hóa hành vi thông minh. – Là một bộ phận của khoa học máy tính->có nguyên lý vững chắc • Cấu trúc dữ liệu dùng cho biểu diễn tri thức • Các thuật toán cần thiết để áp dụng những tri thức đó • Ngôn ngữ và kỹ thuật lập trình cài đặt nó – Trí tuệ là một định nghĩa không rõ ràng-> turing test TTNT. p.41 Turing Test • Liệu có làm cho máy tính thực sự có khả năng suy nghĩ hay không?->turing test. • Turing test đo lường khả năng của một máy tính được coi là thông minh và so sánh với khả năng của con người. Người thẩm vấn TTNT. p.42 Ưu điểm của Turing Test • Loại trừ định kiến thiên vị của người thẩm vấn • Khái niệm khách quan về trí tuệ • Tránh đi những thảo luận về quá trình bên trong và ý thức 05/26/2012 8 TTNT. p.43 Lịch sử phát triển của AI : Giai đoạn cổ điển • Giai đoạn cổ điển (1950 – 1965) Đây là giai đoạn của 2 lĩnh vực chính:Game Playing (Trò chơi) và Theorem Proving (Chứng minh định ký) Game Playing: dựa trên kỹ thuật State Space Search với trạng thái (State) là các tình huống của trò chơi. Đáp án cần tìm là trạng thái thắng hay con đường dẫn tới trạng thái thắng, áp dụng với các trò chơi loại đối kháng. Ví dụ: Trò chơi đánh cờ vua. Có 2 kỹ thuật tìm kiếm cơ bản: Kỹ thuật generate and test : chỉ tìm được 1 đáp án/ chưa chắc tối ưu. Kỹ thuật Exhaustive search (vét cạn): Tìm tất cả các nghiệm, chọn lựa phương án tốt nhất. TTNT. p.44 Lịch sử phát triển của AI : Giai đoạn cổ điển (tt) Theorem Proving: dựa trên tập tiên đề cho trước, chương trình sẽ thực hiện chuỗi các suy diễn để đạt tới biểu thức cần chứng minh. Nếu có nghĩa là đã chứng minh được. Ngược lại là không chứng minh được. Ví dụ: Chứng minh các định lý tự động, giải toán, . Vẫn dựa trên kỹ thuật state space search nhưng khó khăn hơn do mức độ và quan hệ của các phép suy luận: song song, đồng thời, bắc cầu, Có các kết quả khá tốt và vẫn còn phát triển đến ngày nay TTNT. p.45 Lịch sử phát triển của AI- Giai đoạn viển vông • Giai đoạn viển vông (1965 – 1975) – Đây là giai đoạn phát triển với tham vọng làm cho máy hiểu được con người qua ngôn ngữ tự nhiên. – Các công trình nghiên cứu tập trung vào việc biểu diễn tri thức và phương thức giao tiếp giữa người & máy bằng ngôn ngữ tự nhiên. – Kết quả không mấy khả quan nhưng cũng tìm ra được các phương thức biểu diễn tri thức vẫn còn được dùng đến ngày nay tuy chưa thật tốt như: – Semantic Network (mạng ngữ nghĩa) – Conceptial graph (đồ thị khái niệm) – Frame (khung) – Script (kịch bản) Vấp phải trở ngại về năng lực của máy tính TTNT. p.46 Lịch sử phát triển của AI- Giai đoạn hiện đại • Giai đoạn hiện đại (từ 1975) – Xác định lại mục tiêu mang tính thực tiễn hơn của AI là: • Tìm ra lời giải tốt nhất trong khoảng thời gian chấp nhận được. • Không cầu toàn tìm ra lời giải tối ưu – Tinh thần HEURISTIC ra đời và được áp dụng mạnh mẽ để khắc phục bùng nổ tổ hợp. – Khẳng định vai trò của tri thức đồng thời xác định 2 trở ngại lớn là biểu diển tri thức và bùng nổ tổ hợp. – Nêu cao vai trò của Heuristic nhưng cũng khẳng định tính khó khăn trong đánh giá heuristic. Better than nothing Phát triển ứng dụng mạnh mẽ: Hệ chuyên gia, Hệ chuẩn đoán, TTNT. p.47 Các trường phái trí tuệ nhân tạo • Trí tuệ nhân tạo (TTNT) chia thành hai trường phái tư duy: TTNT truyền thống và Trí tuệ tính toán. – TTNT truyền thống hầu như bao gồm các phương pháp hiện được phân loại là các phương pháp học máy (machine learning), đặc trưng bởi hình thức hóa (formalism) và phân tích thống kê. – Trí tuệ tính toán nghiên cứu việc học hoặc phát triển lặp. Việc học dựa trên dữ liệu kinh nghiệm và có quan hệ với Trí tuệ nhân tạo phi ký hiệu TTNT. p.48 TTNT truyền thống • Hệ chuyên gia: áp dụng các khả năng suy luận để đạt tới một kết luận. Một hệ chuyên gia có thể xử lý các lượng lớn thông tin đã biết và đưa ra các kết luận dựa trên các thông tin đó. • Lập luận theo tình huống • Mạng Bayes 05/26/2012 9 TTNT. p.49 TTNT tính toán • Mạng neuron: các hệ thống mạnh về nhận dạng mẫu (pattern recognition). • Hệ mờ (Fuzzy system): các kỹ thuật suy luận không chắc chắn, đã được sử dụng rộng rãi trong các hệ thống công nghiệp hiện đại và các hệ thống quản lý sản phẩm tiêu dùng. • Tính toán tiến hóa (Evolutionary computation): ứng dụng các khái niệm sinh học như quần thể, biến dị và đấu tranh sinh tồn để sinh các lời giải ngày càng tốt hơn cho bài toán. Các phương pháp này thường được chia thành các thuật toán tiến hóa (ví dụ thuật toán gien) và trí tuệ bầy đàn (swarm intelligence) (chẳng hạn hệ kiến). • TTNT dựa hành vi (Behavior based AI): một phương pháp mô- đun để xây dựng các hệ thống TTNT bằng tay. TTNT. p.50 Hệ thống thông minh lai • Người ta đã nghiên cứu các hệ thống thông minh lai (hybrid intelligent system), trong đó kết hợp hai trường phái này. Các luật suy diễn của hệ chuyên gia có thể được sinh bởi mạng nơ-ron hoặc các luật dẫn xuất (production rule) TTNT. p.51 Các ứng dụng của TTNT • Nhận dạng mẫu – Nhận dạng chữ cái quang học (Optical character recognition) – Nhận dạng chữ viết tay – Nhận dạng tiếng nói – Nhận dang khuôn mặt • Xử lý ngôn ngữ tự nhiên, Dịch tự động(dịch máy) và Chatterbot • Điều khiển phi tuyến và Robotics • Computer vision, Thực tại ảo và Xử lý ảnh • Lý thuyết trò chơi và Lập kế hoạch (Strategic planning) • Trò chơi TTNT và Computer game C.1 – Giới thiệu . 1 n 3 1 1 1 1 1 1 1 1 1 1 p 1 a 1 2 n 1 2 p 2 p 3 p R w 1 S 1 , R w 1 1 ,1 a 1 S 1 n 1 S 1 a 1 1 n 1 1 a 2 2 n 2 2 w 2 S 2 , S 1 w 2 1, 1 b 1 2 b 1 1 b 1. & Newell, 19 61) . • Dưới lên: Neural and Brain Science (Mc Culloch, Pitt 19 50s) → Artificial Neural Networks. First Layer a 1 = f 1 (W 1 p + b 1 ) a 2 =