Đề cương CHÍ TUỆ NHÂN tạo

Page 1

CHÍ TUỆ NHÂN TẠO
1.


•
•
•
•
•


•
•
•
•
•
•
•
2.

•
•
•
•


•
•

3.


Thế nào là trí tuệ nhân tạo ? Các lĩnh vực nghiên cứu và các ứng dụng của trí
tuệ nhân tạo ?
Trí tuệ nhân tạo: là khoa học nghiên cứu các hành vi thông minh nhằm giải quyết các
vấn đề được đặt ra với các chương trình máy tính
Các lĩnh vực nghiên cứu:
Game playing
Planning & Robotic: các hệ thống dự báo,tự động hóa
Machine learning: trang bị khả năng học tập để giải quyết vấn đề kho tri thức
Language anh Environment for AI: phát triển công cụ và môi trường để xây dựng các
ứng dụng AI
Neural network/Parallel Distributed processing: giải quyết vấn đề năng lực tính toán
và tốc độ tính toán bằng kỹ thuật song song và mô phỏng mạng thần kinh con người
Vvv,….
Các ứng dụng:
Nhận dạng mẫu: hình dạng,chữ viết,âm thanh
Xử lý ngôn ngữ tự nhiên
Hệ thống thông minh
Hệ chuyên gia
Máy học
Lý thuyết trò chơi
Khai phá dữ liệu…
Mô tả không gian trạng thái và các toán tử của bài toán tìm kiếm. Lấy ví dụ
Không gian trạng thái (state space): là một bộ gồm 4 thành phần (N,A,S,GD) trong
đó:
N (Node): là các nút hay các trạng thái của đồ thị
A (Arc): là tập các cung hay các liên kết giữa các nút
S (Start): là tập chứa các trạng thái ban đầu của bài toán

GD (Goal Description): chức các trạng thái đích của bài toán
Đường đi của lời giải là một con đường đi qua đồ thị này từ một nút thuộc S đến một
nút thuộc GD
Các toán tử của bài toán tìm kiếm:
Tìm kiếm hướng từ dữ liệu (Data-Driven Search): Suy diễn tiến tìm kiếm đi từ dữ
liệu về mục tiêu. (Ví dụ: Nam nhà giàu,bố mẹ Nam rất giỏi => Nam học rất giỏi)
Tìm kiếm hướng từ mục tiêu (Goal-Driven Search): Suy diễn lùi tìm kiếm đi từ mục
tiêu về dữ liệu. (Ví dụ: Nam học rất giỏi. Đi chứng minh nhà Nam rất giàu,bố mẹ
Nam rất giỏi)
Thế nào là phương pháp tìm kiếm Heuristic?
Heuristic là các quy tắc,phương pháp,chiến lược,mẹo giải hay phương cách nào đó
nhằm giảm khối lượng tìm kiếm lời giải trong một không gian bài toán cực lớn.
1


Page 2

•
•
•
•


4.


•
•
•
5.


•
•


•
•
•

6.

•
•

Có nhiều phương pháp xây dựng một thuật giải Heuristic,trong đó người ta thường
dựa vào một số nguyên lý cơ bản sau:
Nguyên lý vét cạn thông minh:
Nguyên lý tham lam (Greendy)
Nguyên lý thứ tự
Hàm Heuristic: hàm đánh giá thô,giá trị của hàm phụ thuộc vào trạng thái hiện tại của
bài toán tại mỗi bước giải
Thuật toán Heuristic gồm 2 phần: hàm đánh giá Heuristic và thuật toán sử dụng nó
trong tìm kiếm không gian trạng thái
Có 2 thuật toán Heuristic cơ bản là: tìm kiếm tốt nhất đầu tiên (best first search) và
tìm kiếm leo núi (Hill climbing)
Tri thức là gì ? Trình bày các phương pháp biểu diễn tri thức? Lấy vị dụ tương
ứng với từng phương pháp.
Tri thức: là sự kết tinh,cô đọng,chắt lọc của thông tin. Tri thức hình thành từ quá trình
xử lý thông tin mang lại.
Các phương pháp biểu diễn tri thức:

Biểu diễn tri thức bằng luật dẫn. Ví dụ: Cho hai bình rỗng X và Y có thể tích lần lượt
là VX và VY, hãy dùng hai bình này để đong ra z lít nước (z <= min(VX,VY)).
Biểu diễn tri thức bằng mạng ngữ nghĩa. Ví dụ: Cho biết một số yếu tố của tam giác
(như chiều dài cạnh và góc ...). Hãy tính các yếu tố còn lại.
Biểu diễn tri thức bằng công cụ Frame. Ví dụ: Tính diện tích phần giao của các hình
hình học cơ bản
Trình bày bài toán, mục tiêu, một số đặc điểm, và các khó khăn của cây trò chơi.
Bài toán: cây trò chơi là bài toán tìm kiếm có đối thủ
Cờ vua,cờ tướng,cờ caro,…
Gồm người chơi (quân trắng) và đối thủ (quân đen)
Mục tiêu: nghiên cứu giải thuật cho quân trắng đi
Đặc điểm:
Luật chơi
Hai người chơi phải biết đầy đủ thông tin về luật chơi
Vấn đề cần giải quyết: tìm nước đi tốt sao cho một số nước đi dẫn đến trạng thái kết
thúc
Khó khăn: có đối thủ nên khó tìm được lời giải tối ưu,chỉ tìm được lời giải xấp xỉ
Trình bày giải pháp và phương pháp xây dựng cây trò chơi? Lấy ví dụ cây trò
chơi.
Giải pháp: trong trò chơi có thể như tìm kiếm trong không gian trạng thái,mỗi trạng
thái là một tình thế của trò chơi. Có thể tóm tắt giải pháp:
Trạng thái đầu là sự sắp xếp các quân cờ trong lúc đầu của cuộc chơi
Các nước đi hợp lệ là các toán tử
2


Page 3
•
•


•
•
•

•
•
•
•
•
•
7.




•
•

•
•
•
•

•
•
•

Các trạng thái kết thúc là các tình thế mà cuộc chơi dừng,thường đã xác định,có thể
thông qua hàm kết quả
Có thể biểu diễn không giản trạng thái trên cây trò chơi

Phương pháp xây dựng:
Gốc của cây ứng với trạng thái u
Có thể gọi đỉnh ứng với trạng thái trắng (đen) đưa ra nước đi là đỉnh trắng (đen)
Nếu một đỉnh là trắng (đen) ứng với trạng thái u.thì đỉnh con của nó là tất cả các đỉnh
biểu diễn trạng thái v,v nhận được từ u do trắng (đen) thực hiện nước đi hợp lệ nào đó
Ví dụ cây trò chơi: trò chơi Doggen
Trên bàn cờ có 2 quân trắng và đen,được xắp xếp trên bàn cơ 3x3
Quân đen có thể đi tới ô trống bên phải,ở trên hoặc bên dưới
Quân đen nếu ở cột ngoài cùng có thể đi ra ngoài bàn cờ
Quân trắng có thể đi tới ô trống bên trái,bên phải,ở trên
Quân trắng nếu ở hang trên cùng có thể đi ra ngoài bàn cờ
Trạng thái kết thúc ai đưa được quân 2 quân của mình ra khỏi bàn cờ hoặc bắt đối
phương không đi được nữa
Trình bày khái niệm, các tính chất và ưu nhược điểm của mạng ngữ nghĩa ? Lấy
ví dụ mạng ngữ nghĩa.
Khái niệm: mạng ngữ nghĩa là một phương pháp biểu diễn tri thức đầu tiên và cũng là
phương pháp dễ hiểu nhất đối với chúng ta. Phương pháp này sẽ biểu diễn tri thức
dưới dạng một đồ thị,trong đó đỉnh là các đối tượng (khái niệm) còn các cung cho
biết mối quan hệ giữa các đối tượng (khái niệm) này
Tính chất: tính kế thừa
Ưu điểm:
Mạng ngữ nghĩa rất linh động,ta có thể dễ dàng them vào mạng các đỉnh hoặc cung
mới để bổ sung tri thức cần thiết
Có tính trực quan cao nên rất dễ hiểu
Cho phép các đỉnh kế thừa các tính chất từ các đỉnh khác thông qua các cung loại “là”
từ đó có thể tạo liên kết ngầm giữa những đỉnh không liên kết trực tiếp với nhau
Hoạt động khá tự nhiên theo cách thức con người ghi nhận thông tin
Nhược điểm:
Chưa có một chuẩn nào quy định các giới hạn cho các đỉnh và các cung của mạng.
Nghĩa là có thể gán ghéo bất kỳ khái niệm nào cho đỉnh hoặc cung

Tính kế thừa vốn là một ưu điểm nhưng có thể dẫn đến nguy cơ mâu thuẫn tri thức
Hầu như không thể biểu diễn các tri thức dạng thủ tục bằng mạng ngữ nghĩa vì các
khái niệm về thời gian và trình tự không được thể hiện tường minh trên mạng ngữ
nghĩa


3


Page 4






Ví dụ: trong ứng dụng xử lý ngôn ngữ tự nhiên,mạng ngữ nghĩa có thể giúp máy tính
phân tích được cấu trúc của câu để từ đó có thể phần nào hiểu được ý nghĩa của câu.
Chẳng hạn:”Châu đang đọc một cuốn sách dày và cười sảng khoái” có thể biểu diễn
bằng một mạng ngữ nghĩa như sau:

ai

Châu
Ai
Cười

Đọc
Cái gì

Như tnao

Sách
Ra sao

8.


Dày

Sảng khoái

Hệ chuyên gia là gì? Hãy cho biết những đặc trưng cơ bản của một hệ chuyên
gia.
Khái niệm: hệ chuyên gia là một chương trình cơ sở tri thức làm việc giống như một
chuyên gia con người
4


Page 5

•
•

•
•

9.


•
•
•
•
•
•
•
•
•
10.

Đặc trưng cơ bản:
Hiệu quả cao: khả năng trả lời với mức độ tinh thông bằng hoặc cao hơn so với
chuyên gia (người) trong cùng lĩnh vực.
Thời giản trả lời thoải đáng: thời gian trả lời hợp lý,bằng hoặc nhanh hơn so với
chuyên gia (người) để đi đến cùng một quyết định. Hệ chuyên gia là một hệ thống
thời gian thực
Độ tin cậy cao: không xảy ra sự cố hoặc giảm sút độ tin cậy khi sử dụng
Dễ hiểu: hệ chuyên gia giải thíc các bước suy luận một cách dễ hiểu và nhất
quán,không giống như cách trả lời bí ẩn của các hộp đen

Nêu các lĩnh vực ứng dụng của hệ chuyên gia .
Cho đến ngày nay hàng trăm hệ chuyên gia đã được xây dựng và báo cáo trong các
tạp chí,sách báo,hội thảo khoa học… ngoài ra còn được sử dụng trong các công ty,tổ
chức quân sự mà không được công bố vì lý do bảo mật. Dưới đây là một số lĩnh vực
ứng dụng diện rộng của một hệ chuyên gia:
Cấu hình: tập hợp thích đáng những thành phần của một hệ thống theo cách riêng
Chẩn đoán: lập luận dựa trên những chứng cứ quan sát được
Truyền đạt: dạy học thông minh sao cho sinh viên có thể hỏi vì sao,như thế nào…
giống như hỏi một người thầy giáo

Giải thích: giải thích những dữ liệu thu nhận được
Kiểm tra: so sánh dữ liệu thu lượm được với dữ liệu chuyên môn để đánh giá kết quả
Lập kế hoach: lập kế hoạch sản xuất theo yêu cầu
Dự đoán: dự đoán hậu quả của một tình huống xảy ra
Chữa trị: chỉ định cách thụ lý một vấn đề
Điều khiển: điều khiển một quá trình,đòi hỏi diễn giải,chẩn đoán,kiểm tra,…
Trình bày thuật toán A*
Input:

•
•
•
•
•
•


Đồ thị G = (V,E), Đỉnh xuất phát n0
Hàm chi phí c: E → R+
c(i,j): xác định chi phí chuyển từ đỉnh i sang đỉnh j với (i,j) ∈ E
h: V → R+; h(n) xác định dự đoán chi phí tối ưu của đường đi từ đỉnh n đến đích. (ký
hiệu h thay cho h0, (tương tự g))
Tập các đỉnh đích DICH
Output:
Đường đi từ đỉnh n0 đến đỉnh n* ∈ DICH
Procedure A* ;
Begin
g(n0):= 0;
5

Page 6

push(MO, n0);
While MO<>null do
Begin
f ( n) := min f ( m)
m∈MO

if n∈DICH then
exit {xay dung duong di cuc tieu}
push(DONG, n);
if T(n) <>null then
for m∈T(n) do
if m∉MO+DONG then
begin
push(MO,m);
tính f(m);
cha(m):=n;
end
else
if fmới(m) > fcũ(n) then
begin
f(m):= fmới(m);
cha(m):=n;
end;
writeln(‘Khong co duong di’);
End;
11.



•

•

Trình bày giải thuật Best first search
Là giải thuật tìm kiếm lựa chọn tốt nhất.
Gồm trạng thái OPEN và CLOSE:
OPEN: tập chứa các trạng thái đã được sinh ra nhưng chưa được xét đến. Thực ra
OPEN là một loạt hàng đợi ưu tiên mà trong đó phần tử có độ ưu tiên cao nhất là
phần tử tốt nhất
CLOSE: tập chứa các trạng thái đã được xét đến.
6


Page 7

1.
2.

Thuật giải:
Đặt OPEN chứa trạng thái khởi đầu
Cho đến khi tìm được trạng thái đích hoặc không còn nút nào trong OPEN,thực hiên:
Chọn trạng thái tốt nhất (Tmax) trong OPEN (và xóa Tmax khỏi OPEN)
Nếu Tmax là trạng thái kết thúc thì thoát
Ngược lại,tạo ra các trạng thái kế tiếp Tk có thể có từ trạng tháo Tmax. Đối với mỗi
trạng thái kế tiếp Tk thực hiện: tính f(Tk),thêm Tk vào OPEN



CHƯƠNG TRÌNH
Begin
open:={s};
While (open<> ø) do
Begin
n:= Retrieve(Open) //Chọn trạng thái tốt nhất từ Open.
if (n=g) then return True
else begin
Tạo Γ(n)
for mỗi nút con m của Γ(n) do
Gán giá trị chi phí cho m
Open:=Open∪{m};
end;
Return False;
End;
Trình bày phương pháp chứng minh biểu thức mệnh đề bằng Vương Hạo
Ý tưởng: áp dụng chiến lược “chia để trị” nhằm tách bài toán xuất phát thành các bài
toán con dạng đơn giản hơn. Bài toán ban đầu sẽ được chứng minh khi và chỉ khi mọi
bài toán sơ cấp được chứng minh

2.1.
2.2.

12.




Các bước chứng minh:

7


Page 8

13.


Trình bày phương pháp chứng minh biểu thức mệnh đề bằng Robinson
Ý tưởng: thuật toán này do Robinson đề xuất và hoạt động dựa trên phương pháp
chứng mình phản chứng



Các bước thực hiện:

8


Page 9

14.



•
•
•
•






•
•

Trình bày phương pháp chứng minh biểu thức logic bằng luật phân giải
Clause: là tuyển của không hay nhiều thành phần cơ bản.
Dạng clause: là hội của một hay nhiều clause
Luật phân giải mệnh đề: PVD1, ¬PvD2 ∴ (D1-P)v(D2-¬P)
D1,D2 là tuyển của không hay một thành phần cơ bản
P là mệnh đề
D1-P: là một clause thu được bằng cách xóa bỏ các P trong D1
D2- ¬P: là một clause thu được bằng cách xóa bỏ các ¬P trong D2
Luật phân giải bảo toàn tính Unsatisfiable
S là unsatisfiable ⇔ Rn(S)cũng unsatisfiable
R: luật phân giải, n số lần áp dụng R trên S, n>0
Ứng dụng của luật phân giải : dùng để chứng minh: Có S là tập các clause, dùng S
chứng minh biểu thức mệnh đề W
Phương pháp:
Thành lập phủ định của W
Đưa ¬W về dạng clause
9


Page 10
•
•
15.




•
•
•
•
•
•
•

16.


1.
2.
2.1.
2.2.
2.3.
2.4.
2.5.

2.6.
2.7.

17.

Thêm clause trong bước ii vào S thành lập S1
Dùng luật phân giải trên S1 để dẫn ra clause rỗng
Trình bày phương pháp chứng minh biểu thức logic bằng phương pháp suy diễn

Luật suy diễn được áp dụng để phát triển các ứng dụng có khả năng suy luận. Suy
luận là hoạt động thường xuyên của con người để hiểu các lý lẽ,kiểm chứng,phán
đoán các vấn đề
Các phương pháp suy diễn:
Luật Modus Ponens (MP)
A, A⇒ B
∴
B
Luật Modus Tollens (MT)
A⇒ B, ¬B ∴ ¬A
Luật Hội
A,B ∴ A^B
Luật đơn giản
A^B ∴ A
Luật Cộng
A
∴
AvB
Luật tam đoạn luận tuyển
Av B, ¬A ∴ B
Luật tam đoạn luận giả thiết
A⇒ B,B⇒ C
∴
A⇒ C
Trình bày thuật toán nhánh và cận (Branch_and_Bound)
Là thuật toán sử dụng tìm kiếm leo đồi với hàm đánh giá f(u)
Thuật toán:
Begin
Khởi tạo danh sách L chỉ chứa trạng thái ban đầu.
Gán giá trị ban đầu cho cost.

Loop do
If L rỗng then stop
Loại trạng thái u ở đầu danh sách L
If u là thạng thái kết thúc then
If g(u)≤ y then { y←g(y);quay lại 2.1};
If f(u)>y then quay lại 2.1;
For mỗi trạng thái v kề u do
{g(v)←g(u)+k(u,v);
F(v)←g(v)+h(v);
Đặt v vào danh sách L1};
Sắp xếp L1 theo thứ tự tăng của hàm f;
Chuyển L1 vào đầu danh sách L sao cho trạng thái ở đầu L1 trở thành ở đầu L;
End;
Trình bày phương pháp cắt tỉa Alpha – Beta
10


Page 11


•
•
•
•
•


Sử dụng chiến lược minimax
Tư tưởng:
Giả sử quá trình tìm kiếm đi xuống đỉnh trắng a,đỉnh a có đỉnh cùng cấp v đã xét

Giả sử đỉnh a có cha là b,b có đỉnh cùng cấp là u đã xét,cha của b là c
Khi đó giá của c ít nhất là u,giá của b nhiều nhất là v
Nếu eval(u)>eval(v) ta không cần đi xuống đỉnh a nữa mà không ảnh hưởng tới giá
của c
Lập luận tương tự cho đỉnh a là đen,với đánh giá eval(u)Giải thuật:

11


Page 12

12


Page 13

18.



•
•
•
•
•
•

•
•

Trình bày thuật toán tham lam (Greedy)
Nguyên lý tham lam (Greedy): lấy tiêu chuẩn tối ưu (trên phạm vi toàn cục) của bài
toán làm tiêu chuẩn lựa chọn hành động cho phạm vi cục bộ của từng bước (hay từng
giai đoạn) trong quá trình tìm kiếm lời giải
Tiến trình thực hiện:
Xác định cấu trúc con tối ưu
Xây dựng giải pháp đệ quy
Chứng minh tại mỗi bước đệ quy,lựa chọn tham lam là một trong những lựa chọn
quan trọng cho kết quả tối ưu
Chỉ ra: sau mỗi lựa chọn tham lam,một trong những bài toán con sẽ rỗng
Xây dựng giải pháp đệ quy cho chiến lược tham lam
Khử đệ quy
Thuật toán:
Input A[1…n]
Output S //lời giải
Greedy(A,n)
S=0;
While (A<>0)
{
x=chọn (A);A=A-{x}
if (S U {x} chấp nhận được)
S = S U {x};
Return S;
}

19.



Trình bầy giải thuật tô mầu Greedy
Dùng màu thứ nhất tô cho một đỉnh tùy ý và các đỉnh khác có thể tô còn lại (không
có cạnh nối nhau)
Sau đó dùng màu thứ hai tô tiếp cho các đỉnh có thể tô còn lại
13


Page 14


•
•
•
•

Và cứ như vậy cho đến khi tất cả các đỉnh được tô màu hết thì dừng lại
Các bước để tô màu Greedy:
B1: lập ma trận kề
B2: tính bậc của từng đỉnh trong ma trận
B3: tô màu theo nguyên lý Greedy
B4: kết luận

14