Bài giảng Nhập môn trí tuệ nhân tạo Phần 1 (ĐH Sư phạm kỹ thuật Nam Định)

DANH MỤC HÌNH VẼ ..................................................................................................4
BẢNG KÝ HIỆU VIẾT TẮT..........................................................................................5
CHƢƠNG 1. TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO ...............................................6
1.1. Lịch sử phát triển của TTNT ................................................................................6
1.1.1. Lịch sử hình thành và phát triển ....................................................................6
1.1.2. Đối tƣợng và mục tiêu nghiên cứu của TTNT ..............................................8
1.1.3. Những tiền đề cơ bản của TTNT ...................................................................8
1.2. Khái niệm về TTNT .............................................................................................9
1.2.1. Trí tuệ của con ngƣời.....................................................................................9
1.2.2. Trí tuệ nhân tạo ............................................................................................10
1.3. Vai trị của TTNT trong công nghệ thông tin .....................................................11
1.4. Các kỹ thuật TTNT .............................................................................................11
1.5. Các thành phần trong hệ thống TTNT ................................................................12
1.6. Các lĩnh vực nghiên cứu và ứng dụng cơ bản của TTNT ..................................13
1.6.1. Trò chơi .......................................................................................................13
1.6.2. Suy luận và chứng minh định lý tự động ....................................................14
1.6.3. Các hệ chuyên gia ........................................................................................15
1.6.4. Hiểu và mơ hình hố ngữ nghĩa ngơn ngữ tự nhiên ....................................17
1.6.5. Mơ hình hố hoạt động của con ngƣời ........................................................18
1.6.6. Lập kế hoạch và robotics .............................................................................19
1.6.7. Các ngôn ngữ và môi trƣờng dùng cho TTNT ............................................20
1.6.8. Máy học .......................................................................................................21
1.6.9. Xử lý phân tán song song ............................................................................22
1.7. Những thách thức đối với TTNT ........................................................................23
CÂU HỎI CHƢƠNG 1 .................................................................................................25
CHƢƠNG 2: CÁC CHIẾN LƢỢC TÌM KIẾM ...........................................................26
2.1. Biểu diễn vấn đề trong không gian trạng thái ....................................................26
2.1.1. Không gian trạng thái của bài tốn ..............................................................26
2.1.2. Các ví dụ ......................................................................................................27
2.2. Giới thiệu các chiến lƣợc tìm kiếm ....................................................................32
2.2.1. Các chiến lƣợc tìm kiếm mù........................................................................32

2.2.2. Các chiến lƣợc tìm kiếm kinh nghiệm (tìm kiếm heuristic) ........................33
2.3. Cây tìm kiếm ......................................................................................................33
2.4. Các chiến lƣợc tìm kiếm mù ...............................................................................34
2.4.1. Tìm kiếm theo bề rộng ................................................................................34
2.4.2. Tìm kiếm theo chiều sâu..............................................................................38
2.4.3. Các trạng thái lặp .........................................................................................43
2.4.4. Tìm kiếm sâu lặp .........................................................................................43
2.4.5.Tìm kiếm trên đồ thị và/hoặc........................................................................47
2.5. Các chiến lƣợc tìm kiếm kinh nghiệm................................................................56
2.5.1. Hàm đánh giá và tìm kiếm kinh nghiệm .....................................................56
2.5.2 Tìm kiếm tốt nhất đầu tiên............................................................................58
2.5.3. Tìm kiếm leo đồi .........................................................................................61
2.6. Các chiến lƣợc tìm kiếm tối ƣu ..........................................................................64
2.6.1. Thuật toán A* ..............................................................................................66
2.6.2. Thuật toán nhánh_cận..................................................................................70
2.7. Các giải thuật tìm kiếm lời giải cho trị chơi ......................................................74
2.7.1. Cây trò chơi đầy đủ .....................................................................................74
1


2.7.2. Giải thuật Minimax......................................................................................76
2.7.3. Giải thuật Minimax với độ sâu hạn chế.......................................................78
2.7.4. Giải thuật Minimax với cắt tỉa Alpha-Beta .................................................80
CÂU HỎI VÀ BÀI TẬP CHƢƠNG 2 ..........................................................................83
CHƢƠNG 3. LOGIC MỆNH ĐỀ .................................................................................95
3.1. Biểu diễn tri thức ................................................................................................95
3.2. Cú pháp và ngữ nghĩa của logic mệnh đề...........................................................96
3.2.1. Các ký hiệu ..................................................................................................96
3.2.2. Các quy tắc xây dựng các công thức ...........................................................97
3.2.2. Ngữ nghĩa ....................................................................................................97

3.3. Dạng chuẩn tắc ...................................................................................................99
3.3.1. Sự tƣơng đƣơng của các công thức .............................................................99
3.3.2. Dạng chuẩn tắc ..........................................................................................100
3.3.3. Các câu Horn .............................................................................................101
3.4. Luật suy diễn ....................................................................................................102
3.4. Luật phân giải. Thủ tục chứng minh bác bỏ bằng luật phân giải .....................105
CÂU HỎI VÀ BÀI TẬP CHƢƠNG 3 ........................................................................113
CHƢƠNG 4: LOGIC VỊ TỪ .......................................................................................119
4.1. Cú pháp và ngữ nghĩa của logic vị từ ...............................................................119
4.1.1. Cú pháp ......................................................................................................119
4.1.2. Ngữ nghĩa ..................................................................................................121
4.2. Các công thức tƣơng đƣơng .............................................................................123
4.3. Chuẩn hóa các cơng thức ..................................................................................124
4.4. Các luật suy diễn ..............................................................................................126
4.4.1. Luật thay thế phổ dụng ..............................................................................126
4.4.2. Hợp nhất ....................................................................................................126
4.4.3. Luật Modus Ponens tổng quát ...................................................................127
4.4.4. Luật phân giải tổng quát ............................................................................128
4.5. Thuật toán hợp nhất ..........................................................................................129
4.6. Chứng minh bằng luật phân giải ......................................................................131
4.7. Các chiến lƣợc phân giải ..................................................................................137
4.7.1. Chiến lƣợc phân giải theo bề rộng ............................................................139
4.7.2. Chiến lƣợc phân giải sử dụng tập hỗ trợ ...................................................139
4.7.3. Chiến lƣợc tuyến tính ................................................................................141
4.8. Xây dựng CSTT................................................................................................141
CÂU HỎI VÀ BÀI TẬP CHƢƠNG 4 ........................................................................144
CHƢƠNG 5. BIỂU DIỄN TRI THỨC .......................................................................148
5.1. Các dạng mô tả tri thức.....................................................................................148
5.1.1. Biểu diễn tri thức bằng logic .....................................................................148
5.1.2. Biểu diễn tri thức bằng mạng ngữ nghĩa ...................................................148

5.1.3. Biểu diễn tri thức bằng khung (Frame) .....................................................149
5.1.4. Biểu diễn tri thức bằng các luật nếu - thì ..................................................149
5.2. Lập luận tiến .....................................................................................................151
5.2.1. Khái niệm ..................................................................................................151
5.2.2. Thủ tục lập luận tiến ..................................................................................153
5.3. Lập luận lùi .......................................................................................................158
5.3.1. Khái niệm lập luận lùi ...............................................................................158
5.3.2. Thủ tục lập luận lùi ....................................................................................160
2


5.4. Lập trình Prolog ................................................................................................166
5.4.1. Giới thiệu ngơn ngữ Prolog .......................................................................166
5.4.2. Cú pháp Prolog ..........................................................................................167
5.4.3. Các kiểu dữ liệu sơ cấp của Prolog ...........................................................169
5.4.4. Sự kiện và luật trong Prolog ......................................................................170
5.4.5. Kiểu dữ liệu cấu trúc của Prolog ...............................................................182
5.4.6. Ngữ nghĩa của chƣơng trình Prolog ..........................................................184
5.4.7. Các phép tốn ............................................................................................190
CÂU HỎI VÀ BÀI TẬP CHƢƠNG 5 ........................................................................203
HƢỚNG DẪN GIẢI BÀI TẬP ...................................................................................205
1. Bài tập Chƣơng 2 .................................................................................................205
2. Bài tập Chƣơng 3 .................................................................................................238
3. Bài tập Chƣơng 4 .................................................................................................248
4. Bài tập Chƣơng 5 .................................................................................................256
TÀI LIỆU THAM KHẢO ...........................................................................................259

3

DANH MỤC HÌNH VẼ
Hình 1.1. Những tiền đề cơ bản của TTNT .....................................................................9
Hình 2.1. Mơ tả khơng gian trạng thái bằng đồ thị định hƣớng ....................................27
Hình 2.2. Trị chơi 8 số ..................................................................................................28
Hình 2.3. Đồ thị biểu diễn cách rót nƣớc ......................................................................30
Hình 2.4. Biểu diễn khơng gian trạng của bài tốn Tháp Hà Nội. ................................31
Hình 2.5. Một phần khơng gian trạng thái của bài tốn với n=3 ...................................32
Hình 2.6. Đồ thị khơng gian trạng thái và cây tìm kiếm tƣơng ứng .............................34
Hình 2.7. Đồ thị khơng gian trạng thái ..........................................................................36
Hình 2.8. Đồ thị khơng gian trạng thái ..........................................................................40
Hình 2.9. Đồ thị khơng gian trạng thái ví dụ 2.13 .........................................................45
Hình 2.10. Các mức tìm kiếm trong cây tìm kiếm ví dụ 2.13 .......................................46
Hình 2.11. Đồ thị khơng gian trạng thái ví dụ 2.14 .......................................................46
Hình 2.12. Các mức tìm kiếm trong cây tìm kiếm ví dụ 2.14 .......................................47
Hình 2.13. Quy một tích phân về các tích phân cơ bản.................................................48
Hình 2.14. Bản đồ nối các thành phố ............................................................................48
Hình 2.15. Đồ thị và/hoặc và vấn đề tìm đƣờng đi .......................................................49
Hình 2.16. Đồ thị và hoặc biểu diễn tốn tử a  b, c, d ...............................................49
Hình 2.17. Minh họa đồ thị và/hoặc ..............................................................................50
Hình 2.18. Cây nghiệm ..................................................................................................51
Hình 2.19. Đồ thị và/ hoặc trong Ví dụ 2.16 .................................................................54
Hình 2.20. Cây nghiệm trong ví dụ 2.16 .......................................................................55
Hình 2.21. Cây nghiệm trong ví dụ 2.17 .......................................................................56
Hình 2.22. Hai hàm đánh giá trạng thái u......................................................................57
Hình 2.23. Đồ thị khơng gian trạng thái ........................................................................58
Hình 2.24. Cây tìm kiếm tốt nhất – đầu tiên .................................................................59
Hình 2.25. Đồ thị khơng gian trạng thái ........................................................................60
Hình 2.26. Một phần đồ thị khơng gian trạng thái của ví dụ 2.22.................................61
Hình 2.27. Đồ thị khơng gian trạng thái ........................................................................63
Hình 2.28. Đồ thị khơng gian trạng thái ........................................................................64

Hình 2.29. Đồ thị không gian trạng thái với hàm đánh giá ...........................................66
Hình 2.30. Cây tìm kiếm theo thuật tốn A* .................................................................67
Hình 2.31. Đồ thị khơng gian trạng thái ........................................................................69
Hình 2.32. Cây tìm kiếm nhánh _cận ............................................................................72
Hình 2.33. Đồ thị khơng gian trạng thái ........................................................................73
4


Hình 4.1. Đồ thị phân giải ...........................................................................................138
Hình 4.2. Một cây chứng minh từ đồ thị phân giải trong Hình 4.2 .............................139
Hình 4.3. Một cây chứng minh tìm đƣợc theo chiến lƣợc bề rộng .............................139
Hình 4.4. Đồ thị phân giải theo chiến lƣợc sử dụng tập hỗ trợ ...................................140
Hình 5.1. Biểu diễn tri thức bằng mạng ngữ nghĩa. ....................................................148
Hình 5.2. Các kiểu dữ liệu trong Prolog ......................................................................168
Hình 5.3. Cây gia hệ ....................................................................................................170
Hình 5.4. Định nghĩa quan hệ chị em gái ....................................................................176
Hình 5.5. (a) X là tổ tiên trực tiếp của Z, (b) X là tổ tiên gián tiếp của Z ...................179
Hình 5.6. Các cặp tổ tiên hậu duệ gián tiếp ở các mức khác nhau ..............................180
Hình 5.7. Ngày tháng là một đối tƣợng có cấu trúc ....................................................182
Hình 5.8. Mơ hình vào/ra của một thủ tục thực hiện một danh sách các đích ............189
BẢNG KÝ HIỆU VIẾT TẮT
Ký hiệu

STT

Ý nghĩa

1

TTNT

Trí tuệ nhân tạo

2

CSTT

Cơ sở tri thức

3

NSD

Ngƣời sử dụng

5


CHƢƠNG 1. TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO
1.1. Lịch sử phát triển của TTNT
1.1.1. Lịch sử hình thành và phát triển
Trong lĩnh vực Cơng nghệ thơng tin, Trí tuệ nhân tạo (Artificial Intelligence) là một
ngành mới, nhƣng phát triển rất mạnh mẽ và đem lại nhiều kết quả to lớn.
Lịch sử của TTNT cho thấy ngành khoa học này có nhiều kết quả đáng ghi nhận.
Theo các mốc phát triển, ngƣời ta thấy TTNT đƣợc sinh ra từ những năm 50 của thế
kỷ 20 với các sự kiện sau:
Turing đƣợc coi là ngƣời khai sinh ngành TTNT bởi phát hiện của ơng về máy tính
có thể lƣu trữ chƣơng trình và dữ liệu. Phép thử Turing là một cách để trả lời câu hỏi
„máy tính có biết nghĩ khơng?‟, đƣợc phát biểu dƣới dạng một trị chơi. Hình dung có
ba ngƣời tham gia trị chơi, một ngƣời đàn ơng (A), một ngƣời đàn bà (B) và một

ngƣời chơi (C). Ngƣời chơi ngồi ở một phòng tách biệt với A và B, khơng biết gì về A
và B (nhƣ hai đối tƣợng ẩn X và Y) và chỉ đặt các câu hỏi cũng nhƣ nhận trả lời từ A
và B qua một màn hình máy tính. Ngƣời chơi cần kết luận trong X và Y ai là đàn ông
ai là đàn bà. Trong phép thử này, A ln tìm cách làm cho C bị nhầm lẫn và B ln
tìm cách giúp C tìm đƣợc câu trả lời đúng. Phép thử Turing thay A bằng một máy tính,
và bài tốn trở thành liệu C có thể phân biệt đƣợc trong X và Y đâu là máy tính đâu là
ngƣời đàn bà. Phép thử Turing cho rằng máy tính là thơng minh (qua đƣợc phép thử)
nếu nhƣ biết cách làm sao cho C khơng thể chắc chắn kết luận của mình là đúng. Tuy
phép thử Turing đến nay vẫn đƣợc xem có tầm quan trọng lịch sử và triết học hơn là
giá trị thực tế (vì con ngƣời vẫn chƣa làm đƣợc máy hiểu ngôn ngữ và biết lập luận
nhƣ vậy), ý nghĩa rất lớn của nó nằm ở chỗ đã nhấn mạnh rằng khả năng giao tiếp
thành công của máy với con ngƣời trong một cuộc đối thoại tự do và khơng hạn chế là
một biểu hiện chính yếu của trí thông minh nhân tạo.
Tháng 8/1956 J.Mc Carthy, M. Minsky, A. Newell, Shannon. Simon… đƣa ra khái
niêm"Trí tuệ nhân tạo”.
Vào khoảng năm 1960 tại Đại học MIT (Massachussets Institure of Technology)
ngôn ngữ LISP ra đời, phù hợp với các nhu cầu xử lý đặc trƣng của TTNT - đó là ngơn
ngữ lập trình đầu tiên dùng cho TTNT.
Thuật ngữ TTNT đƣợc dùng đầu tiên vào năm 1961 cũng tại MIT.
Những năm 60 là giai đoạn lạc quan cao độ về khả năng làm cho máy tính biết suy
nghĩ. Trong giai đoạn này ngƣời ta đã đƣợc chứng kiến máy chơi cờ đầu tiên và các
chƣơng trình chứng minh định lý tự động. Cụ thể:
- 1961: Chƣơng trình tính tích phân bất định
6


- 1963: Các chƣơng trình Heuristics: Chƣơng trình chứng minh các định lý hình học
khơng gian có tên là"tƣơng tự”, chƣơng trình chơi cờ của Samuel.
- 1964: Chƣơng trình giải phƣơng trình đại số sơ cấp, chƣơng trình trợ giúp ELIZA
(có khả năng làm việc giống nhƣ một chuyên gia phân tich tâm lý).

- 1966: Chƣơng trình phân tích và tổng hợp tiếng nói.
Tuy nhiên, do giới hạn khả năng của các thiết bị, bộ nhớ và đặc biệt là yếu tố thời
gian thực hiện nên có sự khó khăn trong việc tổng quát hoá các kết quả cụ thể vào
trong một chƣơng trình mềm dẻo thơng minh.
Vào những năm 70, máy tính với bộ nhớ lớn và tốc độ tính tốn nhanh nhƣng các
phƣơng pháp tiếp cận TTNT cũ vẫn thất bại (do sự bùng nổ tổ hợp trong q trình tìm
kiếm lời giải các bài tốn đặt ra). Vào cuối những năm 70 một vài kết quả nhƣ xử lý
ngôn ngữ tự nhiên, biểu diễn tri thức và giải quyết vấn đề. Những kết quả đó đã tạo
điều kiện cho sản phẩm thƣơng mại đầu tiên của TTNT ra đời đó là Hệ chuyên gia,
đƣợc đem áp dụng trong các lĩnh vực khác nhau (Hệ chuyên gia là một phần mềm máy
tính chứa các thơng tin và tri thức về một lĩnh vực cụ thể nào đó, có khả năng giải
quyết những yêu cầu của ngƣời sử dụng trong một mức độ nào đó, ở một trình độ nhƣ
một chuyên gia con ngƣời có kinh nghiệm khá lâu năm). Một sự kiện quan trọng vào
những năm 70 là sự ra đời ngôn ngữ Prolog, tƣơng tự LISP nhƣng nó có cơ sở dữ liệu
đi kèm.
Vào những năm 80, thị trƣờng các sản phẩm dân dụng đã có khá nhiều sản phẩm ở
trình độ cao nhƣ: máy giặt, máy ảnh... sử dụng TTNT. Các hệ thống nhận dạng và xử
lý ảnh, tiếng nói.
Những năm 90, các nghiên cứu nhằm vào cài đặt thành phần thông minh trong các
hệ thống thông tin, gọi chung là cài đặt TTNT, làm rõ hơn các ngành của khoa học
TTNT và tiến hành các nghiên cứu mới, đặc biệt là nghiên cứu về cơ chế suy lý, về
TTNT phân tạo, về các mơ hình tƣơng tác.
Hiện nay, nhiều lĩnh vực mới của TTNT đã ra đời và tiến triển sôi động theo sự thay
đổi của mơi trƣờng tính tốn và tiến bộ khoa học. Chẳng hạn sự xuất hiện của những
hệ dữ liệu lớn với quan hệ phức tạp nhƣ dữ liệu Web, dữ liệu sinh học, thƣ viện điện
tử… đã là động lực ra đời các ngành khai phá dữ liệu, Web ngữ nghĩa, tìm kiếm thơng
tin trên Web. Thêm nữa, TTNT đã thâm nhập từ các khoa học vi mơ nhƣ góp phần giải
các bài toán của sinh học phân tử (tin-sinh học) đến các khoa học vĩ mô nhƣ nghiên
cứu vũ trụ, rồi cả khoa học xã hội và kinh tế nhƣ phát hiện các cộng đồng mạng trong
xã hội hay phân tích các nhóm hành vi. Trong các thành cơng của TTNT giai đoạn này

có sự kiện máy tính thơng minh tranh tài với các kỳ thủ cờ vua, và đặc biệt máy tính
7


Deep Blue của IBM với trí tuệ nhân tạo đã đánh bại nhà vô địch cờ vua thế giới Garry
Kasparov vào năm 1997, và cuối năm 2006 máy tính Deep Fritz lại đánh bại nhà vô
địch Kramnik.
Một lĩnh vực tiêu biểu của TTNT trong giai đoạn này là các tác nhân thông minh.
Tác nhân (agent), theo nghĩa chung nhất, là một thực thể có khả năng hành động để
thực hiện những nhiệm vụ đƣợc giao. Một ngƣời đƣa hàng, một luật sƣ hay một điệp
viên là những tác nhân. Một robot cứu ngƣời sau động đất hay một robot hút bụi trong
nhà là những tác tử. Một chƣơng trình đƣợc cài trên máy tính để lọc thƣ rác hay một
chƣơng trình ln xục xạo trên Internet để tìm những thơng tin mới về một chủ đề là
những tác tử. tác nhân thông minh là những tác nhân biết hành động với các phẩm chất
của trí thơng minh, tiêu biểu là biết nhận thức môi trƣờng xung quanh và biết hƣớng
các hành động tới việc đạt mục đích. Một robot hút bụi sẽ là thơng minh nếu biết tìm
đến các chỗ bẩn trong phịng để hút bụi và khơng đi tới những chỗ đã làm.
1.1.2. Đối tượng và mục tiêu nghiên cứu của TTNT
TTNT nghiên cứu về cách hành xử thông minh với mục tiêu là xây dựng lý thuyết
đầy đủ để có thể giải thích đƣợc hoạt động thơng minh của sinh vật và áp dụng đƣợc
các hiểu biết vào các máy móc nói chung, nhằm phục vụ cho con ngƣời.
- Về mặt kỹ thuật: Tạo ra các máy thông minh để giải quyết vấn đề thực tế dùng các
kỹ thuật TTNT.
- Về mặt khoa học: Phát triển các khái niệm và thuật ngữ để hiểu đƣợc các hành xử
thông minh của sinh vật.
1.1.3. Những tiền đề cơ bản của TTNT
Những tiền đề ban đầu cho sự ra đời của TTNT là những nghiên cứu lý thuyết sâu
sắc của các chuyên gia về logic hình thức, tâm lý học nhận thức (cognitive
Psychology) và điều khiển học (Cybernetics).
A Turing, ngƣời đặt nền móng lý thuyết cho tin học, tác giả của mơ hình máy tính

vạn năng đã đƣa ra mơ hình máy tính dựa trên những phép tính logic cơ bản: AND,
OR và NOT. Khi đó dự án này khơng đƣợc chấp nhận. Do chịu ảnh hƣởng của các
chuyên gia Mỹ, ngƣời ta đã tiến hành chế tạo ra những máy tính đầu tiên, thực hiện
các phép tính số học cơ bản. Dầu vậy, một nhóm các chuyên gia tin học vẫn tiếp tục
nghiên cứu khả năng của máy tính xử lý các dữ liệu phi số, các ký hiệu.
Một cách độc lập, các chuyên gia tâm lý học nhận thức cũng đã tạo dựng những mơ
hình dùng máy tính để mô phỏng hành vi của con ngƣời khi giải quyết những bài tốn
địi hỏi sự sáng tạo. Lúc đó, các chƣơng trình TTNT lại quá phức tạp, quá tốn kém nên
không thể đƣa ra áp dụng trong thực tiễn.
8


Những tiến bộ trong kỹ thuật vi điện tử đã tạo nên tiền đề vật chất có tính chất quyết
định, làm thay đổi toàn bộ sự phát triển và ứng dụng các kỹ thuật TTNT

Hình 1.1. Những tiền đề cơ bản của TTNT
1.2. Khái niệm về TTNT
1.2.1. Trí tuệ của con người
Trí tuệ con ngƣời (Human Intelligence): Cho đến nay có hai khái niệm về trí tuệ con
ngƣời đƣợc chấp nhận và sử dụng nhiều nhất, đó là:
Khái niệm trí tuệ theo quan điểm của Turing:"Trí tuệ là những gì có thể đánh giá
đƣợc thơng qua các trắc nghiệm thơng minh”.
Khái niệm trí tuệ đƣa ra trong từ điển Bách khoa tồn thƣ:
“Trí tuệ là khả năng:
- Phản ứng một cách thích hợp những tình huống mới thơng qua hiệu chỉnh hành
vi một cách thích đáng;
- Hiểu rõ những mối liên hệ qua lại của các sự kiện của thế giới bên ngoài nhằm
đƣa ra những hành động phù hợp đạt tới một mục đích nào đó".
Những nghiên cứu các chuyên gia tâm lý học nhận thức chỉ ra rằng q trình hoạt
động trí tuệ của con ngƣời bao gồm 4 thao tác cơ bản:

(1) Xác định tập đích (goals).
(2) Thu thập các sự kiện (facts) và các luật suy diễn (inference rules) để đạt đƣợc
đích đặt ra.
9


(3) Thu gọn (pruning) quá trình suy luận nhằm xác định tập các suy diễn có thể sử
dụng đƣợc.
(4) Áp dụng các cơ chế suy diễn cụ thể (inference mechanisms) để đƣa các sự kiện
ban đầu đi đến đích.
1.2.2. Trí tuệ nhân tạo
Có nhiều khái niệm được đưa ra về trí tuệ nhân tạo:
•"Sự nghiên cứu các năng lực trí tuệ thơng qua việc sử dụng các mơ hình tính
tốn"(“The study of mental faculties through the use ò computational models"–
Charniak and McDormott, 1985).
•"Nghệ thuật tạo ra các máy thực hiện các chức năng địi hỏi sự thơng minh khi
đƣợc thực hiện bởi con ngƣời"(“The art of creating machies that perform functions
that require intelligence when performed by people"– Kurzweil, 1990).
•"Lĩnh vực nghiên cứu tìm cách giải quyết và mơ phỏng các hành vi thơng minh
trong thuật ngữ các q trình tính toán"(“A field of study that seeks to explain and
emulate intelligent behavior in terms of computational processes"– Schalkoff, 1990).
•"Sự nghiên cứu các tính tốn để có thể nhận thức, lập luận và hành động"(“The
study of computations that make it possible to perceive, reason, and act"– Winston,
1992).
•"Một nhánh của khoa học máy tính liên quan tới sự tự động hố các hành vi thông
minh"(“The branch of computer science that is concerned with the automation of
intelligent behavior"– Luger and Stubblefield, 1993)
Sau đây là một số định nghĩa gần đây nhất:
•"TTNT là sự thiết kế và nghiên cứu các chƣơng trình máy tính ứng xử một cách
thơng minh. Các chƣơng trình này đƣợc xây dựng để thực hiện các hành vi mà khi ở

ngƣời hoặc động vật chúng ta xem là thông minh"(“Artificial Intelligence is the design
and study of computer programs that behave intelligently.These programs are
constructed to perform as would a human or an animal whose behvior we consider
intelligent"– Dean, Allen and Aloimonos, 1995).
•"TTNT là sự nghiên cứu các tác nhân tồn tại trong môi trƣờng, nhận thức và hành
động"(“Artificial Intelligence is the design of agents that exists in an environment and
act"– Russell and Norvig, 1995).
•"TTNT là sự nghiên cứu ác thiết kế các tác nhân thông minh"(“Computational
Intelligence is the study of the design of Intelligent agents"– Pulle, Mackworth and
Goebel, 1998).
10


• Hiện nay nhiều nhà nghiên cứu quan niệm rằng, TTNT là lĩnh vực nghiên cứu sự
thiết kế các tác nhân thơng minh (intelligent agent).
1.3. Vai trị của TTNT trong công nghệ thông tin
TTNT bao quát rất nhiều lĩnh vực nghiên cứu hẹp. Nó nghiên cứu từ các lĩnh vực
tổng quát nhƣ máy nhận biết, suy luận logic, đến các bài tốn nhƣ chơi cờ, chứng minh
định lý. Thƣờng thì các nhà khoa học ở các lĩnh vực khác tìm đến với TTNT ở các kỹ
thuật hệ thống hoá và tự động hoá các xử lý tri thức cũng nhƣ các phƣơng pháp thuộc
lĩnh vực mang tính ngƣời.
TTNT nghiên cứu kỹ thuật làm cho máy tính có thể"suy nghĩ một cách thơng
minh"và mơ phỏng q trình suy nghĩ của con ngƣời khi đƣa ra những quyết định, lời
giải. Trên cơ sở đó, thiết kế các chƣơng trình cho máy tính để giải quyết bài toán.
Sự ra đời và phát triển của TTNT đã tạo ra một bƣớc nhảy vọt về chất trong kỹ
thuật và kỹ nghệ xử lý thông tin. TTNT chính là cơ sở của cơng nghệ xử lý thông tin
mới, độc lập với công nghệ xử lý thông tin truyền thống dựa trên văn bản giấy tờ. Điều
này đƣợc thể hiện qua các mặt sau:
- Nhờ những công cụ hình thức hố (các mơ hình logic ngơn ngữ, logic mờ,...), các
tri thức thủ tục và tri thức mô tả có thể biểu diễn đƣợc trong máy. Do vậy q trình

giải bài tốn đƣợc tiến hành hữu hiệu hơn.
- Mơ hình logic ngơn ngữ đã mở rộng khả năng ứng dụng của máy tính trong lĩnh
vực địi hỏi tri thức chun gia ở trình độ cao, rất khó nhƣ: y học, sinh học, địa lý, tự
động hóa.
- Một số phần mềm TTNT thể hiện tính thích nghi và tính mềm dẻo đối với các lớp
bài toán thuộc nhiều lĩnh vực khác nhau.
- Khi máy tính đƣợc trang bị các phần mềm TTNT ghép mạng sẽ cho phép giải
quyết những bài toán cỡ lớn và phân tán.
1.4. Các kỹ thuật TTNT
Có nhiều kỹ thuật nghiên cứu, phát triển ngành khoa học TTNT. Tuy vậy, các kỹ
thuật TTNT thƣờng khá phức tạp khi cài đặt cụ thể, lý do là các kỹ thuật này thiên về
xử lý các ký hiệu tƣợng trƣng và đòi hỏi phải sử dụng những tri thức chuyên môn
thuộc nhiều lĩnh vực khác nhau.
Do vậy, các kỹ thuật TTNT hƣớng tới khai thác những tri thức về lĩnh vực đang
quan tâm đƣợc mã hoá trong máy sao cho đạt đƣợc mức độ tổng quát, dễ hiểu, dễ diễn
đạt thông qua ngôn ngữ chuyên môn gần gũi với ngôn ngữ tự nhiên; dễ sửa đổi, hiệu
chỉnh; dễ sử dụng, khai thác nhằm thu hẹp các khả năng cần xét để đi tới lời giải cuối
cùng.
11


Các kỹ thuật TTNT cơ bản bao gồm:
Lý thuyết giải bài tốn và suy diễn thơng minh: Lý thuyết giải bài tốn cho phép
viết các chƣơng trình giải câu đố, chơi các trị chơi thơng qua các suy luận mang tính
ngƣời; các hệ thống chứng minh định lý. Ngồi ra các hệ thống hỏi đáp thơng minh
cịn cho phép lƣu trữ và xử lý khối lƣợng lớn các thông tin.
Lý thuyết tìm kiếm may rủi: Lý thuyết này bao gồm các phƣơng pháp và kỹ thuật
tìm kiếm với sự hỗ trợ của thơng tin phụ để giải bài tốn một cách có hiệu quả.
Các ngơn ngữ về TTNT: Để xử lý các tri thức ngƣời ta không chỉ sử dụng các ngơn
ngữ lập trình dùng cho các xử lý dữ liệu số, mà cần có ngơn ngữ khác. Các ngơn ngữ

chuyên dụng này cho phép lƣu trữ và xử lý thông tin ký hiệu. Một số ngôn ngữ đƣợc
nhiều ngƣời biết đến là IPL.V, LISP, PROLOG.
Lý thuyết thể hiện tri thức và hệ chuyên gia: TTNT là khoa học về thể hiện và sử
dụng tri thức. Mạng ngữ nghĩa, lƣợc đồ, logic vị từ, khung là các phƣơng pháp thể
hiện tri thức thông dụng. Việc gắn liền cách thể hiện và sử dụng tri thức là cơ sở hình
thành hệ chuyên gia.
Lý thuyết nhận dạng và xử lý tiếng nói: Giai đoạn phát triển đầu của TTNT gắn với
lý thuyết nhận dạng. Các phƣơng pháp nhận dạng chính gồm: nhận dạng hình học,
nhận dạng dùng tâm lý học, nhận dạng theo phƣơng pháp hàm thế, dùng máy nhận
dạng, ứng dụng của phƣơng pháp này trong việc nhận dạng chữ viết, âm thanh.
Người máy: Ngƣời máy có bộ phận cảm nhận và các cơ chế hoạt động đƣợc nối
ghép theo sự điều khiển thông minh. Khoa học về cơ học và TTNT đƣợc tích hợp
trong khoa học ngƣời máy.
Tâm lý học xử lý thông tin: Các kết quả nghiên cứu của tâm lý học giúp TTNT xây
dựng các cơ chế trả lời theo hành vi, có ý thức; nó giúp cho việc thực hiện các suy diễn
mang tính ngƣời.
Xử lý danh sách, kỹ thuật đệ quy, kỹ thuật quay lui và xử lý cú pháp hình thức: là
những kỹ thuật cơ bản của tin học truyền thống có liên quan trực tiếp đến TTNT.
1.5. Các thành phần trong hệ thống TTNT
Hai thành phần cơ bản trong bất kỳ một hệ thống TTNT là:
- Các phƣơng pháp biểu diễn vấn đề, các phƣơng pháp biểu diễn tri thức;
- Các phƣơng pháp tìm kiếm trong khơng gian bài tốn, các chiến lƣợc suy diễn.
Hai khía cạnh này trong một hệ thống TTNT tƣơng hỗ với nhau rất chặt chẽ, Việc
lựa chọn một phƣơng pháp biểu diễn tri thức sẽ quyết định phƣơng pháp giải quyết
tƣơng ứng để có thể áp dụng đƣợc. Chẳng hạn, nếu tri thức đƣợc biếu diễn dƣới dạng
các công thức của logic vị từ, khi đó phƣơng pháp hợp giải (resolution) của Robinson
12


khá phù hợp và thƣờng đƣợc dùng để suy diễn. Ngƣợc lại, nếu phƣơng pháp biễu diễn

tri thức là mạng ngữ nghĩa thì các thủ tục tìm kiếm sẽ hiệu quả hơn.
Mặc dù phƣơng pháp biểu diễn tri thức sử dụng cú pháp chặt chẽ thƣờng rất hiệu
quả cho việc biểu diễn và điều khiển quá trình suy diễn, nhƣng chúng lại không đủ
mạnh để khắc phục bùng nổ tổ hợp khi giải những bài tốn khó. Trong trƣờng hợp đó,
các thủ tục tìm kiếm heuristics dựa trên các tri thức đặc tả nảy sinh từ chính bản thân
cấu trúc của bài tốn trở nên rất cần thiết.
Có thể phân chia các hệ thống TTNT nhƣ sau:
1. Các hệ tìm kiếm thông tin, các hệ thống hỏi đáp thông minh cho phép hội thoại
giữa những ngƣời sử dụng đầu cuối không chuyên tin với CSTT và cơ sở dữ liệu thông
qua ngôn ngữ chuyên ngành gần với ngôn ngữ tự nhiên.
2. Các hệ thống suy diễn – tính tốn, cho phép giải quyết những bài toán phức tạp
dựa trên các mơ hình tốn học và tri thức chun gia.
3. Các hệ chuyên gia, cho phép sử dụng các tri thức chuyên gia trong các lĩnh vực
tri thức chuyên biệt.
1.6. Các lĩnh vực nghiên cứu và ứng dụng cơ bản của TTNT
Hai mối quan tâm nền tảng nhất của các nhà nghiên cứu TTNT là biểu diễn tri thức
(knowledge representation) và tìm kiếm (search). Biểu diễn tri thức chú ý đến diễn tả
vấn đề theo một ngơn ngữ hình thức, tức là một dạng thức thích hợp để máy tính vận
hành, phạm vi tri thức đầy đủ mà hành vi thông minh địi hỏi. Tìm kiếm là kỹ thuật
giải quyết vấn đề theo cách khảo sát có hệ thống khơng gian trạng thái bài toán
(problem state).
Giống nhƣ hầu hết các ngành khoa học khác, TTNT cũng đƣợc phân thành những
ngành con. Trong khi chia sẻ một tiếp cận giải quyết vấn đề cơ bản, các ngành con này
có các mối quan tâm đến các ứng dụng khác nhau. Dƣới đây là tổng thể một vài lĩnh
vực ứng dụng chính và những đóng góp của chúng cho TTNT.
1.6.1. Trị chơi
Ngay từ thời kỳ đầu của việc nghiên cứu vấn đề tìm kiếm trong không gian trạng
thái, ngƣời ta đã tiến hành nhiều thử nghiệm bằng cách sử dụng các trị chơi thơng
dụng có bàn cờ nhƣ cờ đam (checker), cờ vua và trị đố 15 ơ (15 puzzule). Hầu hết các
trị chơi đều sử dụng một tập hợp các luật chơi đƣợc xác định rõ ràng. Điều này làm

cho việc phát sinh khơng gian tìm kiếm trở nên dễ dàng và giải phóng nhiều nghiên
cứu khỏi những sự mơ hồ và phức tạp vốn có trong các bài tốn ít cấu trúc hơn. Hình
dạng của những bàn cờ sử dụng trong các trị chơi này đƣợc biểu diễn vào máy tính,
13


trong khi khơng địi hỏi một hình thức khó hiểu cần thiết nào để nắm bắt những tinh tế
và ngữ nghĩa trong những lĩnh vực bài toán phức tạp hơn.
Các trị chơi có thể phát sinh ra một số lƣợng khơng gian tìm kiếm cực kỳ lớn.
Những khơng gian này đủ lớn và phức tạp để đòi hỏi những kỹ thuật mạnh nhằm quyết
định xem những chọn lựa nào cần đƣợc khảo sát trong khơng gian bài tốn. Những kỹ
thuật này đƣợc gọi là các heuristic và chúng tạo thành một lĩnh vực lớn trong nghiên
cứu TTNT. Một heuristic là một chiến lƣợc giải quyết vấn đề tốt nhƣng tiềm ẩn khả
năng thất bại, chẳng hạn nhƣ việc kiểm tra để biết chắc rằng một thiết bị không nhạy
đã đƣợc cắm vào trƣớc khi giả định rằng nó bị hỏng, hay cố gắng bảo vệ quân cờ
hoàng hậu khỏi bị bắt trong trò chơi cờ vua. Nhiều thứ mà chúng ta gọi là thông minh
thuộc về các heuristic đƣợc ngƣời ta sử dụng để giải quyết các vấn đề.
Hầu hết chúng ta đều có một số kinh nghiệm với những trị chơi đơn giản, nên
chúng ta cũng có khả năng nghĩ ra và kiểm nghiệm tính hiệu quả của những heuristic
của chính mình. Chúng ta khơng cần đi tìm và hỏi ý kiến chuyên gia trong một số lĩnh
vực chuyên mơn sâu nhƣ là y học hay tốn học. Vì những lý do đó, các trị chơi cung
cấp một khơng gian mênh mơng cho việc nghiên cứu các tìm kiếm heuristic. Các
chƣơng trình chơi trị chơi, trái ngƣợc với tính đơn giản của chúng, đƣa ra những thử
thách riêng của chúng, bao gồm các đấu thủ mà các nƣớc đi của anh ta có thể khơng
dự đốn trƣớc đƣợc một cách chắc chắn. Sự có mặt này của đấu thủ càng làm phức tạp
hơn mơ hình chƣơng trình do sự thêm vào một yếu tố khơng dự đốn trƣớc đƣợc và sự
cần thiết phải tính đến những yếu tố tâm lý cũng nhƣ là chiến thuật trong chiến lƣợc
của trò chơi.
1.6.2. Suy luận và chứng minh định lý tự động
Chúng ta có thể cho rằng chứng minh định lý tự động là một nhánh nghiên cứu có

từ lâu đời nhất của Trí tuệ nhân tạo khi tìm lại nguồn gốc của nó qua các tác
phẩm"Nhà lý luận logic (logic theorist)"(Newell và Simon, 1963) và"Công cụ giải
quyết vấn đề tổng quát (General problem solver)"(Newell và Simon, 1965) của Newell
và Simon. Trong bất cứ trƣờng hợp nào, nó chắc chắn vẫn là một trong những ngành
phong phú nhất của lĩnh vực này. Nghiên cứu chứng minh định lý đã đạt đƣợc nhiều
thành tích trong thời kỳ đầu của việc hình thức hố các giải thuật tìm kiếm và phát
triển các ngơn ngữ biểu diễn hình thức nhƣ phép tính vị từ. Ngƣời ta có thể khảo sát
một số lƣợng lớn những bài tốn khác nhau, bằng cách biểu diễn mơ tả của bài tốn và
những thơng tin cơ sở liên quan nhƣ là tiên đề logic, và xem những trƣờng hợp bài
toán là những định lý cần phải chứng minh. Sự hiểu biết thấu đáo này là cơ sở cho việc
nghiên cứu chứng minh định lý tự động và các hệ suy luận toán học. Một lý do khác
14


cho việc tiếp tục quan tâm đến các máy chứng minh định lý tự động là sự nhận thức
rằng một hệ thống kiểu nhƣ vậy khơng nhất thiết phải có khả năng giải quyết những
bài toán cực kỳ phức tạp một cách độc lập mà khơng có sự trợ giúp nào của con ngƣời.
Nhiều máy chứng minh định lý hiện đại hoạt động nhƣ những trợ lý viên thông minh
khi chúng cho phép con ngƣời thực hiện những công tác địi hỏi trình độ cao hơn là
phân tích một bài toán lớn thành nhiều bài toán con và đặt ra những heuristic để tìm
kiếm trong khơng gian những chứng minh có thể chọn. Máy chứng minh định lý sau
đó thực hiện công tác đơn giản hơn nhƣng cũng quan trọng là chứng minh các bổ đề,
kiểm chứng những giải quyết nhỏ hơn, và hồn thành những khía cạnh hình thức của
một chứng minh đã đƣợc phác thảo bởi sự hợp tác của nó với con ngƣời (Boyer và
More, 1979).
1.6.3. Các hệ chuyên gia
Kể từ lúc khoa học giải quyết vấn đề đƣợc nghiên cứu, ngƣời ta đã sớm ý thức một
cách sâu sắc và cơ bản về tầm quan trọng của tri thức chuyên ngành. Lấy ví dụ một
bác sĩ khơng thể chẩn đốn bệnh tốt chỉ nhờ vào một số kỹ năng giải quyết vấn đề tổng
quát bẩm sinh; mà bác sĩ đã chẩn đốn tốt là vì có nhiều kiến thức y học. Tƣơng tự nhƣ

thế, một nhà địa chất giỏi phát hiện các mỏ khống vì biết áp dụng một cách hiệu quả
nhiều tri thức lý thuyết và thực nghiệm về địa lý. Tri thức chuyên gia về lĩnh vực là sự
kết hợp giữa kiến thức lý thuyết về vấn đề đó và một tập hợp các quy tắc giải quyết
vấn đề theo kiểu heuristic mà khi sử dụng những quy tắc này đã tỏ ra hiệu quả trong
lĩnh vực đó. Các hệ chuyên gia đƣợc ngƣời ta xây dựng bằng cách thu thập các kiến
thức từ chun gia ngƣời và mã hố nó thành dạng thức mà máy tính có thể áp dụng
cho những bài tốn tƣơng tự.
Sự tin cậy vào tri thức của chuyên gia chuyên ngành trong các chiến lƣợc giải quyết
vấn đề của hệ là một đặc trƣng chính của các hệ chuyên gia. Ngƣời ta đã viết ra một số
chƣơng trình mà ở đó ngƣời thiết kế cũng là nguồn tri thức chuyên ngành, nhƣng sẽ
điển hình hơn nhiều nếu chúng ta xem xét những chƣơng trình đƣợc phát sinh từ sự
cộng tác giữa một chuyên gia chuyên ngành chẳng hạn nhƣ một bác sĩ, một nhà hoá
học, một nhà địa chất học hay một kỹ sƣ, với một chuyên gia riêng về trí tuệ nhân tạo.
Chuyên gia chuyên ngành cung cấp kiến thức cần thiết về chuyên ngành thông qua
những cuộc thảo luận tổng quát về các phƣơng pháp giải quyết vấn đề của anh ta, và
bằng cách biểu diễn những kỹ năng đó trên một tập hợp các bài tốn mẫu đƣợc chọn
lựa cẩn thận. Chuyên gia TTNT, hay còn gọi là kỹ sƣ tri thức (knowledge engineer),
nhƣ ngƣời ta vẫn thƣờng gọi là các nhà thiết kế hệ chuyên gia, có trách nhiệm thể hiện
tri thức này vào một chƣơng trình mà chƣơng trình đó phải vừa hiệu quả vừa có vẻ
15


thơng minh trong các hành vi của nó. Một chƣơng trình nhƣ thế vừa hồn thành xong,
cần phải tinh chế kiến thức chun mơn của nó thơng qua một q trình cung cấp cho
nó những bài tốn mẫu để giải, để cho chuyên gia chuyên ngành phê bình hành vi của
nó và thực hiện bất cứ thay đổi hay cải biến nào cần thiết đối với tri thức của chƣơng
trình. Quá trình này lặp đi lặp lại cho đến khi chƣơng trình đạt đƣợc mức độ hồn thiện
mong muốn.
Một trong các hệ chuyên gia sớm nhất khai thác tri thức chuyên ngành để giải quyết
vấn đề là DENDRAL đƣợc phát triển tại Stanford vào cuối những năm 1960 (Lindsay

et al,1980). DENDRAL đƣợc thiết kế để phỏng đoán cấu trúc của các phân tử hữu cơ
từ cơng thức hố học của chúng và các thơng tin về khối quang phổ có liên quan đến
các liên kết hố học có mặt trong các phân tử. Vì các phân tử hữu cơ thƣờng rất lớn,
nên số lƣợng cấu trúc có khả năng tồn tại đối với những phân tử này thƣờng là khổng
lồ. DENDRAL chú ý vào bài tốn của khơng gian tìm kiếm rộng lớn này bằng cách áp
dụng tri thức heuristic của các chuyên gia hoá học vào bài toán làm sáng tỏ cấu trúc.
Các phƣơng pháp của DENDRAL đã tỏ ra có một sức mạnh đáng kể. Khi thƣờng
xun tìm thấy cấu trúc đúng trong hàng triệu khả năng khác nhau chỉ sau có vài phép
thử. Phƣơng pháp này tỏ ra thành công đến mức ngƣời ta đã sử dụng những phiên bản
của hệ chuyên gia nói trên trong các phịng thí nghiệm hố học khắp nơi trên thế giới.
Trong khi DENDRAL là một trong số những chƣơng trình đầu tiên sử dụng tri thức
chuyên ngành một cách hiệu quả để đạt đƣợc khả năng giải quyết vấn đề cấp chuyên
gia, thì MYCIN là hệ chuyên gia đã thiết lập nên phƣơng pháp luận cho các hệ chuyên
gia hiện đại (contemporary expert systems) (Buchanan and Shortliff, 1984). MYCIN
sử dụng tri thức y khoa chuyên gia để chẩn đoán và kê đơn điều trị cho bệnh viêm
màng não tuỷ sống và những trƣờng hợp nhiễm trùng vi khuẩn trong máu.
MYCIN, đƣợc các nhà nghiên cứu phát triển ở Stanford vào giữa những năm 1970,
là một trong những chƣơng trình đầu tiên chú ý đến những bài tốn suy luận bằng
thơng tin không chắc chắn hoặc không đầy đủ. MYCIN cung cấp những giải quyết rõ
ràng và logic về quá trình suy luận của nó, sử dụng một cấu trúc kiểm tra thích hợp với
lĩnh vực chun mơn của vấn đề, và nhận biết đặc tính để đánh giá một cách tin cậy
hoạt động của nó. Nhiều kỹ thuật xây dựng hệ chuyên gia đang dùng hiện nay đã đƣợc
ngƣời ta phát triển lần đầu trong dự án MYCIN.
Những hệ chuyên gia cổ điển khác bao gồm chƣơng trình PROSPECTOR dùng để
tìm ra những nơi có chứa quặng mỏ và xác định loại quặng mỏ, dựa trên thông tin địa
lý về một địa điểm nào đó, chƣơng trình INTERNIST dùng để chẩn đoán trong lĩnh
vực nội khoa, Dipmeter Advisor dùng để phiên dịch các kết quả của các máy khoan
16

giếng dầu (Smith and Baker, 1983) và XCON dùng để định hình các máy tính hệ
VAX. XCON đƣợc sử dụng từ năm 1981, tất cả các máy VAX và Digital Equipment
Corporation bán thời bấy giờ đều đƣợc định hình bằng XCON.
Rất nhiều hệ chuyên gia khác ngày nay đang giải quyết những bài toán trong nhiều
lĩnh vực khác nhau nhƣ y học, giáo dục, kinh doanh, thiết kế và khoa học. Một điều
thú vị mà chúng ta có thể nhận thấy là hầu hết các hệ chuyên gia đƣợc viết cho những
lĩnh vực khá chuyên biệt và ở cấp độ chuyên gia. Nói chung những lĩnh vực này đều
đƣợc nghiên cứu kỹ và chúng có những chiến lƣợc giải quyết vấn đề đã xác định một
cách rõ ràng. Mặc dù còn tồn tại những hạn chế này các hệ chuyên gia vẫn đang chứng
minh giá trị của chúng trong nhiều ứng dụng quan trọng.
1.6.4. Hiểu và mơ hình hố ngữ nghĩa ngơn ngữ tự nhiên
Một trong những mục tiêu có từ lâu đời của Trí tuệ nhân tạo là tạo ra các chƣơng
trình có khả năng hiểu ngơn ngữ của con ngƣời. Khả năng hiểu ngôn ngữ tự nhiên
không chỉ là một trong những biểu hiện căn bản nhất của trí thơng minh con ngƣời mà
sự tự động hố nó một cách thành công sẽ gây ra một tác động ngoài sức tƣởng tƣợng
đối với năng lục và hiệu quả chính của những chiếc máy tính. Ngƣời ta đã bỏ ra nhiều
cơng sức để viết các chƣơng trình có khả năng hiểu ngơn ngữ tự nhiên. Tuy những
chƣơng trình này đã có đƣợc một số thành cơng trong những ngữ cảnh hạn chế, nhƣng
các hệ thống có khả năng sử dụng ngôn ngữ tự nhiên một cách linh hoạt và tổng qt
theo cách nhƣ con ngƣời vẫn cịn ở ngồi tầm tay những phƣơng pháp luận hiện nay.
Hiểu ngôn ngữ tự nhiên liên quan đến nhiều thứ hơn nhiều so với chỉ phân tích các
câu thành các phần riêng rẽ những nhóm câu của chúng và tìm những từ đó trong từ
điển. Khả năng hiểu thực sự tuỳ thuộc vào kiến thức nền tảng rộng lớn về lĩnh vực của
bài văn và những thành ngữ dùng trong lĩnh vực đó, cũng nhƣ là khả năng ứng dụng
những kiến thức tổng quát tuỳ thuộc theo ngữ cảnh để giải quyết những trƣờng hợp bỏ
sót hay tối nghĩa, là một đặc điểm bình thƣờng trong lối nói con ngƣời.
Cơng việc tập hợp và tổ chức kiến thức nền tảng này đƣợc tiến hành theo cách mà
sao cho cách ấy có thể áp dụng đƣợc cho sự lĩnh hội ngơn ngữ, đã hình thành nên vấn
đề chủ yếu của việc tự động hoá q trình hiểu ngơn ngữ tự nhiên. Để đáp ứng yêu cầu
này, các nhà nghiên cứu đã phát triển nhiều kỹ thuật dùng để cấu trúc hoá ý nghĩa ngữ

nghĩa, các kỹ thuật này đƣợc dùng xuyên suốt khoa học TTNT.
Do việc hiểu ngơn ngữ tự nhiên địi hỏi những khối lƣợng kiến thức khổng lồ, hầu
hết các cơng trình đƣợc ngƣời ta thực hiện trong những lĩnh vực vấn đề đã đƣợc hiểu
rõ và chun mơn hố. Một trong những chƣơng trình khai thác sớm nhất phƣơng
pháp luận"thế giới qui mô"này là SHRDLU của Winograd, một hệ ngôn ngữ tự nhiên
17


có khả năng"trị chuyện"về hình dáng đơn giản của các khối có nhiều hình dạng và
màu sắc khác nhau (winograd, 1973). Mặc dù SHRDLU thành cơng với việc trị
chuyện về sự sắp xếp của các khối, nhƣng phƣơng pháp của nó đã khơng đủ khái qt
đƣợc để vƣợt ra khỏi thế giới các khối. Những kỹ thuật biểu diễn đƣợc sử dụng trong
chƣơng trình này q đơn giản nên khơng đủ để tổ chức nắm bắt ngữ nghĩa của nhiều
lĩnh vực phong phú và phức tạp hơn một cách có kết quả.
Nhiều sự đầu tƣ nghiên cứu về hiểu ngôn ngữ tự nhiên trong thời gian gần đây đƣợc
ngƣời ta dành hết cho việc tìm ra những hình thức biểu diễn, mà về cơ bản đủ dùng
trong một phạm vi rộng lớn các ứng dụng mà những ứng dụng này tự bản thân chúng
cịn chƣa thích nghi tốt với cấu trúc đặc thù của lĩnh vực đó. Ngƣời ta khảo sát một số
lƣợng những kỹ thuật khác nhau (hầu hết đều là những mở rộng hay cải tiến của kỹ
thuật mạng ngữ nghĩa) cho mục đích này và dùng chúng vào việc phát triển những
chƣơng trình có khả năng hiểu ngôn ngữ tự nhiên trong những lĩnh vực tri thức cấp
bách nhƣng lý thú. Chẳng hạn, chức năng trợ lý ảo"Siri"trên hệ điều hành
IOS,"Cortana"trên hệ điều hành Windows phone là những minh chứng về khả năng
hiểu ngôn ngữ tự nhiên (tiếng Anh) đã có nhiều tiến bộ vƣợt bậc.
Tuy nhiên, hiểu ngôn ngữ tự nhiên một cách tổng quát là vấn đề vẫn còn vƣợt quá
giới hạn hiện nay của chúng ta.
1.6.5. Mơ hình hố hoạt động của con người
Mặc dù khá nhiều vấn đề đã nói ở trên dùng trí tuệ con ngƣời làm điểm tựa tham
khảo để xem xét TTNT, thực tế đã không diễn biến theo cách mà những chƣơng trình
cần phải lấy sự tổ chức của trí óc con ngƣời làm kiểu mẫu cho chúng. Thực ra nhiều

chƣơng trình TTNT đƣợc thiết kế để giải một số bài tốn cần thiết mà khơng cần chú ý
đến tính tƣơng tự của chúng so với kiến trúc trí óc con ngƣời. Ngay cả các hệ chuyên
gia, trong khi nhận đƣợc nhiều tri thức từ các chuyên gia con ngƣời, cũng không thực
sự cố gắng bắt chƣớc những quá trình trí tuệ bên trong của con ngƣời. Nếu nhƣ sự hoạt
động chỉ là những đặc tính mà theo đó một hệ thống sẽ đƣợc đánh giá, thì có thể là
khơng có mấy lý do để mơ phỏng các phƣơng pháp giải quyết vấn đề của con ngƣời.
Trong thực tế, những chƣơng trình sử dụng các phƣơng pháp khơng theo kiểu con
ngƣời để giải quyết các bài toán thƣờng thành cơng hơn những chƣơng trình theo kiểu
con ngƣời. Tuy nhiên, mơ hình của những hệ thống rõ ràng bắt chƣớc một số khía
cạnh của cách giải quyết vấn đề theo kiểu con ngƣời vẫn là một mảnh đất màu mỡ
trong nghiên cứu cho cả hai ngành khoa học TTNT và tâm lý học. Mơ hình hóa hoạt
động con ngƣời, ngồi việc cung cấp cho TTNT nhiều phƣơng pháp luận cơ bản, đã
chứng tỏ đƣợc rằng nó là một dụng cụ mạnh để cơng thức hóa và thử nghiệm những lý
18


thuyết về sự nhận thức của con ngƣời. Những phƣơng pháp luận giải quyết vấn đề
đƣợc các nhà khoa học máy tính phát triển đã đem đến cho các nhà tâm lý học một sự
ẩn dụ mới để khảo sát trí tuệ con ngƣời. Hơn cả việc mở rộng đƣợc các lý thuyết về sự
nhận thức trong thứ ngôn ngữ không rõ ràng sử dụng vào đầu thời kỳ nghiên cứu hay
là từ bỏ đƣợc bài tốn mơ tả tồn bộ những hoạt động bên trong của trí óc con ngƣời
(nhƣ đề nghị của các nhà hành vi học), nhiều nhà tâm lý học đã đƣa ngôn ngữ và lý
thuyết khoa học máy tính vào để cơng thức hóa các mơ hình trí tuệ con ngƣời. Những
kỹ thuật này khơng chỉ cung cấp một vốn từ vựng cho việc mô tả trí tuệ con ngƣời mà
sự thể hiện trên máy tính những lý thuyết này đã tạo cho các nhà tâm lý học một cơ hội
để thử nghiệm, phê bình và cải tiến một cách thực nghiệm những ý tƣởng của họ
(luger, 1994).
1.6.6. Lập kế hoạch và robotics
Lập kế hoạch (planning) là một khía cạnh quan trọng trong những cố gắng nhằm
chế tạo ra các robot có thể thực hiện đƣợc nhiệm vụ của chúng với một trình độ nhất

định và khả năng linh hoạt và phản ứng với thế giới bên ngồi. Nói một cách khác
ngắn gọn, việc lập kế hoạch giả định rằng robot có khả năng thực hiện những hành
động sơ cấp (atomic action) nhất định. Nó cố gắng tìm ra một chuỗi các hành động cho
phép hồn thành một cơng tác ở cấp độ cao hơn, chẳng hạn nhƣ đi qua một căn phòng
chứa đầy những chƣớng ngại vật.
Có nhiều những lý do khiến cho việc lập kế hoạch trở thành một bài tốn khó khăn.
Ví dụ, chúng ta hãy tƣởng tƣợng rằng, một robot có khả năng di chuyển về phía trƣớc,
phía sau, bên phải, bên trái và cần xem xét có bao nhiêu cách khác nhau mà robot đó
có thể dùng để di chuyển quanh căn phịng đó và robot phải lựa chọn một đƣờng đi
quanh chúng theo một phƣơng pháp nào đó có hiệu quả. Viết một chƣơng trình có khả
năng tìm ra đƣờng đi tốt nhất một cách thông minh với điều kiện nhƣ vậy, mà không bị
chôn vùi bởi khối lƣợng khổng lồ các khả năng dự kiến, đòi hỏi phải có những kỹ
thuật phức tạp để biểu diễn tri thức về khơng gian và kiểm sốt việc tìm kiếm trong
mơi trƣờng cho phép.
Một phƣơng pháp mà con ngƣời vẫn áp dụng để lập kế hoạch là phân rã vấn đề từng
bƣớc (hierarchical problem decoposition). Nếu bạn đang lập kế hoạch cho chuyến du
lịch đến Pari, thì nói chung những vấn đề nhƣ sắp xếp chuyến bay, đến sân bay, liên hệ
với hãng hàng không, vận chuyển đƣờng bộ tại Pari sẽ đƣợc bạn xem xét một cách
riêng lẻ, cho dù tất cả chúng đều là bộ phận của một kế hoạch tồn thể lớn hơn. Từng
vấn đề này có thể đƣợc tiếp tục phân rã thành những vấn đề con (subproblem) nhỏ hơn
nhƣ tìm một bản đồ thành phố, xem xét hệ thống giao thơng, và tìm một nơi ăn ở phù
19


hợp điều kiện về tài chính. Cách làm này khơng những làm giảm bớt một cách hiệu
quả khơng gian tìm kiếm mà nó cịn cho phép chúng ta tiết kiệm đƣợc những kế hoạch
con có thể dùng trong tƣơng lai. Trong khi con ngƣời lập kế hoạch một cách chẳng
mấy khó khăn, thì việc tạo ra một chƣơng trình máy tính có thể làm đƣợc cơng việc
nhƣ vậy là một thách thức ghê gớm. Một cơng tác có vẻ đơn giản là phân rã một vấn
đề lớn thành nhiều vấn đề con liên quan thực sự cần đến những heuristic phức tạp và

kiến thức bao quát về lĩnh vực đang lập kế hoạch. Quyết định xem cần giữ lại những
kế hoạch con nào và tổng quát hóa chúng nhƣ thế nào cho sự sử dụng trong tƣơng lai
là một vấn đề phức tạp tƣơng đƣơng.
Một robot thực hiện một dãy các hành động một cách mù quáng mà không biết
phản ứng lại với những thay đổi trong môi trƣờng hoặc khơng có khả năng phát hiện
và sửa chữa trong chính kế hoạch của nó khó có thể đƣợc ngƣời ta coi là thông minh.
Thông thƣờng, một robot sẽ phải làm thành công thức một kế hoạch dựa trên thông tin
không đầy đủ và sửa chữa hành vi của nó khi thi hành kế hoạch. Robot có thể khơng
có những giác quan thích hợp để định vị tất cả những chƣớng ngại vật trên con đƣờng
đi đã vạch ra. Một robot nhƣ vậy phải bắt đầu di chuyển qua căn phòng dựa vào những
gì mà nó"nhận thức"đƣợc và điều chỉnh đƣờng đi của nó khi phát hiện ra những
chƣớng ngại vật khác. Thiết lập cho các kế hoạch cho phép có thể phản ứng lại với
những điều kiện của môi trƣờng là một nhiệm vụ chủ yếu khác trong lập kế hoạch.
Nói chung, thiết kế robot là một trong những lĩnh vực nghiên cứu của TTNT đã
mang lại nhiều hiểu biết sâu sắc hỗ trợ cho phƣơng pháp giải quyết vấn đề theo kiểu
hƣớng tác nhân (agent - oriented). Bị thất bại bởi những phức tạp trong việc bảo đảm
độ lớn của khơng gian biểu diễn cũng nhƣ bởi mơ hình của các thuật tốn tìm kiếm
dùng cho việc lập kế hoạch theo kiểu truyền thống, các ngành nghiên cứu, gồm cả agre
và chapman (1987) và brooks (1991), đã phát biểu lại vấn đề lớn hơn này dựa trên các
thuật ngữ về sự tƣơng tác lẫn nhau giữa nhiều tác nhân (agent) theo kiểu bán tự quản.
Mỗi thành viên chịu trách nhiệm về phần đóng góp của chính nó trong nhiệm vụ của
bài tốn và thơng qua sự phối hợp giữa chúng lời giải tổng quát sẽ hiện ra.
1.6.7. Các ngôn ngữ và môi trường dùng cho TTNT
Nghiên cứu TTNT đã tạo ra một số những tiến bộ trong các ngôn ngữ lập trình và
các mơi trƣờng phát triển phần mềm. Vì nhiều lý do, bao gồm cả qui mơ tổng thể của
hầu hết các chƣơng trình TTNT, khuynh hƣớng phát sinh ra các khơng gian khổng lồ
của các thuật tốn tìm kiếm, và những khó khăn trong việc tiên đốn các hành vi của
các chƣơng trình điều khiển bằng heuristics, các nhà lập trình TTNT đã bị thúc ép phải
xây dựng nên một tập hợp các phƣơng pháp lập trình.
20

Các mơi trƣờng lập trình bao gồm cả các kỹ thuật cấu tạo tri thức (knowledge –
structuring) nhƣ lập trình hƣớng đối tƣợng (object-oriented programming) và các cơ
cấu tổ chức hệ chuyên gia. Các ngôn ngữ cấp cao nhƣ Lisp và Prolog, là các ngơn ngữ
tích cực hỗ trợ kiểu phát triển theo module, khiến cho việc quản lý tính đồ sộ và phức
tạp của chƣơng trình dễ dàng hơn. Các gói chƣơng trình lần tìm cho phép ngƣời lập
trình tạo dựng lại quá trình thực thi của một thuật toán phức tạp và cho phép tháo gỡ
những phức tạp khi tìm kiếm bằng điều khiển của heuristics. Khơng có cơng cụ kỹ
thuật đó, khó mà tin đƣợc rằng ngƣời ta có thể xây dựng nên những hệ thống TTNT
gây chú ý.
1.6.8. Máy học
Tuy thành cơng trong vai trị những máy giải quyết vấn đề, học vẫn còn là một sự
nan giải đối với các chƣơng trình TTNT. Khuyết điểm này dƣờng nhƣ rất nghiêm
trọng, đặc biệt là khi khả năng học là một trong những thành phần quan trọng nhất làm
nên hành vi thông minh. Một hệ chuyên gia có thể thực hiện những tính tốn lớn và rất
tốn kém nhằm giải quyết một bài tốn. Tuy thế khơng giống nhƣ con ngƣời, nếu đƣa
cho nó cùng bài tốn ấy hoặc một bài toán tƣơng tự lần thứ hai, nó sẽ khơng nhớ lời
giải lần trƣớc. Nó thực hiện lại chuỗi tính tốn đó lần nữa. Điều này đúng cho cả lần
thứ hai, thứ ba, thứ tƣ, và bất cứ khi nào nó giải quyết bài tốn đó – hầu nhƣ khơng thể
gọi đó là hành vi của một máy giải quyết vấn đề thông minh.
Hầu hết các hệ chuyên gia đều bị cản trở bởi tính cứng nhắc trong các chiến lƣợc
giải quyết vấn đề của chúng và sự khó khăn khi phải thay đổi khối lƣợng lớn mã
chƣơng trình. Giải pháp dễ thấy đối với những khó khăn này là hoặc để cho các
chƣơng trình học tập trên chính kinh nghiệm, sự tƣơng tự, và những ví dụ của chúng,
hoặc là"nói"cho chúng biết phải làm gì.
Tuy rằng học là một lĩnh vực khó khăn trong nghiên cứu, một vài chƣơng trình
đƣợc viết đã đề xuất rằng đây không phải là một mục tiêu không thể đạt đƣợc. Có thể
một chƣơng trình nhƣ thế gây chú ý nhất là AM - Automated Mathematician - đƣợc
thiết kế để khám phá các quy luật toán học (lenat 1977, 1982). Ban đầu ngƣời ta đƣa

cho AM các khái niệm và tiên đề của lý thuyết tập hợp, sau đó nó đã tìm ra những khái
niệm tốn học quan trọng nhƣ là lực lƣợng (cardinality) và số học số nguyên, và nhiều
kết quả khác của lý thuyết số. AM đã phỏng đoán các lý thuyết mới bằng cách cập
nhật cơ sở tri thức hiện hành của nó, và sử dụng các heuristic để theo đuổi"khả năng
đáng quan tâm"nhất trong hàng loạt các lựa chọn có thể.
Một nghiên cứu khác của winston về sự quy nạp các khái niệm cấu trúc, chẳng hạn
nhƣ"hình cung"từ một tập hợp các ví dụ trong trị chơi thế giới của khối (winston,
21


1975). Thuật tốn ID3 đã tỏ ra thành cơng trong việc học các mẫu tổng quát từ các ví
dụ (quinlan, 1986). Menta-dendral học các luật để phiên dịch dữ liệu quang phổ khối
trong hóa học hữu cơ từ các mẫu dữ liệu về các hợp chất của cấu trúc đã biết.
Teiresias, một đại diện khá thông minh của các hệ chuyên gia có thể chuyển đổi lời chỉ
đạo cấp cao thành các luật mới cho cơ sở dữ liệu của nó (Davis, 1982). Hacke nghĩ ra
các kế hoạch để thực hiện các thao tác trong trò thế giới các khối thơng qua một q
trình lặp lại nhiều lần việc đặt ra một kế hoạch, thử nghiệm nó, và hiệu chỉnh bất cứ lỗ
hỏng nào phát hiện ra trong kế hoạch dự tuyển (sussman 1975). Những nghiên cứu
trong việc học trên cơ sở giải thích đã cho thấy tính hiệu quả của tri thức ƣu tiên trong
quá trình học (mitchell et al. 1986, dejong and mooney 1986).
Sự thành công của các chƣơng trình học máy thuyết phục rằng có thể tồn tại một tập
hợp các nguyên tắc học tổng quát cho phép xây dựng nên các chƣơng trình có khả
năng học tập trong nhiều lĩnh vực thực tế.
1.6.9. Xử lý phân tán song song
Một cách tiếp cận khác là tìm cách xây dựng các chƣơng trình thơng minh bằng
cách sử dụng các mơ hình tƣơng tự nhƣ cấu trúc nơ-ron (neuron) của bộ não con
ngƣời. Một sơ đồ neuron đơn giản gồm có một thân tế bào có rất nhiều những chỗ nhô
ra theo nhánh, gọi là các tổ chức cây (dendrite), và một nhánh đơn gọi là trục (axon).
Các tổ chức cây nhận tín hiệu từ các neuron khác. Khi những xung lực kết hợp này
vƣợt quá một ngƣỡng nhất định nào đó, thì neuron phát động và một xung lực, hay còn

gọi là"cụm"(spike), chạy xuống trục. Các nhánh ở cuối trục hình thành nên các khớp
thần kinh (synapse) với những tổ chức cây của các neuron; các khớp thần kinh có thể
thuộc loại kích thích (excitatory) hay ngăn chặn (inhibitory). Một khớp thần kinh kích
thích sẽ cộng thêm vào tổng số tín hiệu đi đến neuron; cịn khớp thần kinh ngăn chặn
thì trừ bớt đi tổng số này.
Mơ tả một neuron nhƣ vậy tuy khá đơn giản nhƣng nó thâu tóm tất cả những đặc
trƣng liên quan đến các mơ hình tính tốn neuron. Đặc biệt mỗi nơ ron tính tốn một
số chức năng đầu vào của nó rồi chuyển kết quả đến các đơn vị liên hệ trong mạng.
Thay vì sử dụng các ký hiệu và phép tốn rõ ràng, tri thức của các hệ này nảy sinh ra
khỏi toàn bộ mạng các kết nối neuron và các giá trị ngƣỡng.
Vì nhiều lý do, cấu trúc neuron hiện đang hết sức hấp dẫn để dùng làm cơ chế cài
đặt trí tuệ. Các chƣơng trình TTNT truyền thống có khuynh hƣớng dễ gãy vỡ và nhạy
cảm quá đáng khi phải đƣơng đầu với sự nhiễu loạn: thay vì giảm giá trị một cách từ
từ, những chƣơng trình nhƣ vậy thƣờng thành cơng hồn tồn hoặc thất bại hồn tồn.
Trí tuệ con ngƣời linh hoạt hơn nhiều; chúng ta có thể tiếp nhận đƣợc tốt đầu vào
22


nhiễu loạn, chẳng hạn nhƣ nhận ra một khuôn mặt trong một căn phịng tối từ góc nhìn
hẹp hay theo dõi duy nhất một cuộc đối thoại trong bữa tiệc ồn ào. Ngay cả khi không
thể giải quyết đƣợc một số vấn đề, chúng ta nói chung vẫn có thể đƣa ra một sự phỏng
đốn có lý và coi đó nhƣ lời giải của bài toán. Do các cấu trúc neuron thâu tóm tri thức
vào trong một số lƣợng lớn các đơn vị đƣợc nghiền thật nhỏ, nên chúng tỏ ra có triển
vọng hơn trong việc đối sánh một cách tồn phần các dữ liệu nhiễu loạn và khơng đầy
đủ.
Cấu trúc neuron cũng vững chắc hơn vì tri thức phân bố khá đồng đều xung quanh
mạng. Kinh nghiệm của những ngƣời đã bị mất một phần não bộ do bệnh tật hay tai
nạn đã cho thấy rằng họ không bị mất các vùng nhớ riêng biệt, mà đúng hơn là các q
trình trí não của họ phải chịu đựng nhiều sự giảm sút tổng thể.
1.7. Những thách thức đối với TTNT

Những thành tựu nghiên cứu và ứng dụng các kỹ thuật TTNT đã khẳng định tính
thực tiễn của các dự án xây dựng máy tính có khả năng suy nghĩ. Tuy vậy trong một số
phạm vi, máy tính cịn thua xa so với hoạt động của hệ thần kinh con người.
Xử lý song song: mặc dù công nghệ điện tử hiện đại cho phép xây dựng các bộ đa
xử lý, song máy tính chƣa thể hoạt động song song nhƣ bộ não con ngƣời đƣợc.
Khả năng diễn giải: con ngƣời có thể xem xét cùng một vấn đề theo những
phƣơng pháp khác nhau, từ đó diễn giải theo cách dễ hiểu nhất. Ngƣợc lại, sự linh hoạt
này không dễ mô phỏng đƣợc trong các hệ thống TTNT.
Lôgic rời rạc và tính liên tục: một thách đố lớn với các hệ thống TTNT là khả năng
kết hợp các phƣơng pháp xử lý thông tin trong môi trƣờng liên tục với các thao tác xử
lý thông tin rời rạc.
Khả năng học: mặc dù hiện nay một số chƣơng trình máy tính có khả năng học
nhƣng cũng chƣa thể mơ phỏng đƣợc hồn toàn khả năng học giống bộ não con ngƣời.
Khả năng tự tổ chức: khó tạo lập đƣợc các hệ thống TTNT có khả năng tự tổ chức,
tự điều khiển hoạt động của nó để thích nghi với mơi trƣờng.
Những nghiên cứu và ứng dụng của TTNT tập trung vào các vấn đề lớn sau:
- Nghiên cứu và thử nghiệm các mạng Neuron, các hệ thống TTNT mô phỏng chức
năng hoạt động của bộ não với các khả năng học, tự tổ chức, tự thích nghi, tổng qt
hố, xử lý song song, có khả năng diễn giải, xử lý thơng tin liên tục và rời rạc;
- Nghiên cứu và tạo lập các hệ thống có giao tiếp thân thiện giữa ngƣời và máy trên
cơ sở nghiên cứu nhận thức máy, thu thập và xử lý tri thức, xử lý thông tin hình ảnh,
tiếng nói;
23


- Nghiên cứu các phƣơng pháp biểu diễn tri thức và các phƣơng pháp suy diễn
thông minh, các phƣơng pháp giải quyết vấn đề đối với những bài toán phụ thuộc
khơng gian, thời gian;
Ngày nay, thế giới đang chuyển mình trong những nghiên cứu về TTNT. Chắc chắn
rằng máy tính với trí tuệ nhƣ con ngƣời sẽ tác động mạnh đến cuộc sống xã hội.

24


CÂU HỎI CHƢƠNG 1
1. Trình bày mục tiêu của TTNT.
2. Trình bày khái niệm cơ bản về TTNT.
3. Nêu các tiền đề cơ bản của TTNT.
4. Nêu các kỹ thuật trong TTNT.
5. Nêu vai trị của TTNT trong cơng nghệ thông tin.
6. Nêu các thành phần của TTNT.
7. Nêu những lĩnh vực nghiên cứu và ứng dụng cơ bản của TTNT.
8. Nêu những vấn đề đang đƣợc giải quyết của TTNT.

25