PowerPoint Presentation Ñaïi Hoïc Baùch Khoa Tp HCM Baûn quyeàn Khoa Coâng Ngheä Thoâng Tin Thaùng 62001 ThS Nguyễn Cao Trí – caotridit hcmut edu vn KS Lê Thành Sách – ltsachdit hcmut edu vn TRÍ. Chương 3:Tìm kiếm trên không gian trạng thái (State Space Search) AI : Biểu diễn và tìm kiếm Các giải thuật tìm kiếm trên không gian trạng thái Depth first search (DFS) Breath first search (BFS) Chương 4:Tìm kiếm theo Heuristic Heuristic là gì? Tìm kiếm theo heuristic Các giải thuật Best first search (BFS), Giải thuật A Chiến lược Minimax, Alpha Beta
TRÍ TUỆ NHÂN TẠO Artificial Intelligent Trương Ngọc Châu Khoa Công Nghệ Thông Tin Khoa Công nghệ Thông tin – Đại Nẵng Đạihọc HọcBách Báchkhoa KhoaĐà – Tp HCM Nội dung môn học – Giới thiệu Chương 1: Giới thiệu – – – – Ngành Trí tuệ nhân tạo gì? Mục tiêu nghiên cứu ngành Trí tuệ nhân tạo Lịch sử hình thành trạng Turing Test Chương 2: Logic vị từ – – Mệnh đề & logic vị từ Logic vị từ góc nhìn AI Nội dung mơn học – Các kỹ thuật tìm kiếm Chương 3:Tìm kiếm khơng gian trạng thái (State Space Search) – – – AI : Biểu diễn tìm kiếm Các giải thuật tìm kiếm không gian trạng thái Depth first search (DFS) - Breath first search (BFS) Chương 4:Tìm kiếm theo Heuristic – – – – Heuristic gì? Tìm kiếm theo heuristic Các giải thuật Best first search (BFS), Giải thuật A* Chiến lược Minimax, Alpha Beta Nội dung môn học – Kỹ thuật phát triển ứng dụng Chương 5:Hệ luật sinh – – – Chương 6:Hệ chuyên gia – – – Tìm kiếm đệ qui Hệ luật sinh: Định nghĩa ứng dụng Tìm kiếm hệ luật sinh Giới thiệu hệ chun gia Mơ hình hệ chuyên gia: dự luật, dựa frame Phát triển hệ chuyên gia Chương 7:Biểu diển tri thức – – Biểu diển tri thức AI: vai trò ứng dụng Các kỹ thuật biểu diển tri thức: semantic network, lưu đồ phụ thuộc khái niệm, frame, script Thực hành &Tài liệu tham khảo Thực hành Prolog CLISP – – – Prolog : Các giải thuật tìm kiếm CLISP : Biểu diển tri thức Bài tập lớn Tài liệu tham khảo – – – Bài giảng “Trí tuệ nhân tạo” – GS.TS Nguyễn Thanh Thủy, ĐHBK Hà Nội Artificial Inteligent – George F Luget & Cilliam A Stubblefied Trí tuệ nhận tạo – Nguyễn Quang Tuấn – Hà nội Chương 1: GIỚI THIỆU Ngành Trí tuệ nhân tạo gì? Mục tiêu nghiên cứu ngành Trí tuệ nhân tạo Lịch sử hình thành trạng Turing Test Đối tượng nghiên cứu AI Đối tượng nghiên cứu ngành AI AI ngành nghiên cứu hành xử thông minh (intelligent behaviour) bao gồm: thu thập, lưu trữ tri thức, suy luận, hoạt động kỹ Đối tượng nghiên cứu “hành xử thông minh” “sự thơng minh” ‘Khơng có’ Sự Thơng Minh Chỉ có Biểu thông minh qua hành xử Sự Thông Minh Thơng minh hay Hành xử thơng minh gì? – Hành xử thông minh: hoạt động đối tượng kết trình thu thập, xử lý điều khiển theo tri thức có hay phát sinh (thường cho kết tốt theo mong đợi so với hành xử thông thường) biểu cụ thể, cảm nhận “Sự thơng minh” – Khái niệm tính thông minh đối tượng thường biểu qua hoạt động: Sự hiểu biết nhận thức tri thức Sự lý luận tạo tri thức dựa tri thức có Hành động theo kết lý luận Kỹ (Skill) TRI THỨC ??? Tri thức (Knowledge) Tri thức thông tin chứa đựng thành phần – Các khái niệm: Các khái niệm bản: khái niệm mang tính quy ước Các khái niệm phát triển: Được hình thành từ khác niệm thành khái niệm phức hợp phức tạp – Các phương pháp nhận thức: Các qui luật, thủ tục Phương pháp suy diễn, lý luận, Tri thức điều kiện tiên hành xử thông minh hay “Sự thơng minh” Tri thức có qua thu thập tri thức sản sinh tri thức Quá trình thu thập sản sinh tri thức hai trình song song nối tiếp với – không chấm dứt thực thể “Thông Minh” Tri thức – Thu thập sản sinh Thu thập tri thức: – Tri thức thu thập từ thông tin, kết trình thu nhận liệu, xử lý lưu trữ Thông thường trình thu thập tri thức gồm bước sau: Xác định lĩnh vực/phạm vi tri thức cần quan tâm Thu thập liệu liên quan dạng trường hợp cụ thể Hệ thống hóa, rút thông tin tổng quát, đại diện cho trường hợp biết – Tổng quát hóa Xem xét giữ lại thông tin liên quan đến vấn đề cần quan tâm , ta có tri thức vấn đề Sản sinh tri thức: – – Tri thức sau thu thập đưa vào mạng tri thức có Trên sở thực liên kết, suy diễn, kiểm chứng để sản sinh tri thức Đồ thị khái niệm Aùp dụng phép restriction đồ thị G2, dẫn G3 sau: G3: dog: luu location porch brown color Phép Join (nối): Nối hai đồ thị để đồ thị khác Nếu có đỉnh khái niệm C xuất hai đồ thị X Y, nối hai đồ thị đỉnh chung C nói trên, từ G1 G3 tạo G4 sau: (nối đỉnh chung là: dog:lulu) G4: agent dog: luu eat object color brown color brown bone location porch Đồ thị khái niệm Phép simplify: (rút gọn) Nếu đồ thị có hai đồ thị giống hồn tồn bỏ để tạo đồ thị có khà biểu diễn khơng thay đổi Từ G4 sinh G5 khả biểu diễn G5: agent dog: luu eat color object bone brown location porch Nhận xét: Phép Restriction phép Join cho phép thực tính thừa kế đồ thị khái niệm Khi thay biến * cá thể cụ thể, lúc cho phép cá thể thừa kế tính chất từ loại(type) nó, tương tự ta thay type subtype Đồ thị khái niệm Đỉnh mệnh đề: Để thuận tiện biểu diễn cho câu gồm nhiều mệnh đề, đồ thị khái niệm mở rộng để chứa mệnh đề đỉnh khái niệm, lúc gọi đỉnh mệnh đề Vậy đỉnh mệnh đề đỉnh khái niệm có chứa đồ thị khái niệm khác Xét đồ thị khái niệm mở rộng biểu diễn cho câu: “Tom believes that Jane likes pizza” person: tom experiencer believe proposition person: jane agent pizza like object object Đồ thị khái niệm Đồ thị khái niệm logic - Phép hội (and) nhiều khái niệm, mệnh đề thực dễ dàng cách cách nối nhiều đồ thị phép toán join - Phép phủ định(not) phép tuyển(or) khái niệm hay mệnh đề thể cách đưa vào đỉnh quan hệ có tên: neg(phủ định), or(tuyển) dạng sau Đỉnh khái niệm, mệnh đề Đỉnh khái niệm, mệnh đề neg or Đồ thị khái niệm Ví dụ: Câu: “There are no pink dogs”, biểu diễn: proposition dog:* color pink neg Trong đồ thị khái niệm, khái niệm tổng quát (đỉnh dùng biến * - dog:*, hay có tên loại - dog) xem có lượng từ tồn () Do vậy, mệnh đề ví dụ có biểu diễn vị từ là: XY(dog(X) ^ color(X,Y) ^ pink(Y)) Và toàn đồ thị ( bao gồm đỉnh quan hệ :neg), có biểu diễn vị từ: XY(dog(X) ^ color(X,Y) ^ pink(Y)) = XY( (dog(X) ^ color(X,Y) ^ pink(Y))) Đồ thị khái niệm Giải thuật để chuyển đồ thị khái niệm sang biểu diễn vị từ: Gán biến riêng biệt (X1, X2,…) cho khái niệm tổng quát Gán cho khái niệm cá thể đồ thị Hằng tên cá thể hay khố Biểu diễn đỉnh khái niệm vị từ ngơi; có tên tên loại (type), đối số biến hay vừa gán Biểu diễn đỉnh quan hệ bời vị từ n ngơi; có tên tên đỉnh quan hệ, thông số biến hay gán cho đỉnh khái niệm nối đến Hội tất câu bước Tất biến biểu thức thu đính kèm lượng từ tồn Ví dụ: có đồ thị sau dog:lulu color brown Được chuyển sang là: X1(dog(luu) ^ color(X1) ^ brown(X1)) Lược đồ có cấu trúc - Frame Frame – khung Là cấu trúc liệu cho phép biểu diễn tri thức dạng khái niệm hay đối tượng Một khung có cấu trúc hình vẽ bên Cấu trúc frame: Đặc tả cho frame gồm thành phần sau: Frame name: tên frame - Nếu frame biểu diễn cho cá thể đó, tên cá thể Ví dụ: an, nam, lulu, Frame name: Object1 Class: Object2 Properties: Property Value1 Property Value2 … … … … Lược đồ có cấu trúc – Frame Cấu trúc frame (tt): - Nếu Frame biểu diễn cho lớp, tên lớp Ví dụ: chim, động vật, … Class: Tên loại - Nếu thành phần xuất hiện, cho biết frame mà biểu diễn có loại giá trị trường class Cho phép thành lập quan hệ thừa kế IS-A Như ví dụ trên, có: Object1 IS-A Object2 Các thuộc tính (property): Khi biểu diễn frame thiết lập hay nhiều thuộc tính cho nó, ví dụ sau: Frame name: chim Properties: màu Chưa biết ăn Côn trùng Số cánh bay true đói Chưa biêt Hoạt động Chưa biêt Lược đồ có cấu trúc – Frame Cấu trúc frame (tt): - Khi đặt tả thuộc tính cho lớp; biết giá trị chung cho tất đối tượng thuộc lớp mà biểu diễn điền vào trị cho thuộc tính đó, giá trị gọi giá trị mặc nhiên, như: ăn, số cánh ; chưa biết trị cụ thể (nhưng biết có thuộc tính đó) bỏ trống (chưa biết) – màu, hoạt động, : Các thuộc tính frame nằm hai dạng bản: Dạng tĩnh(static): giá trị khơng thay đổi q trình hệ thống tri thức hoạt động Dạng động(dynamic): giá trị chuyển đổi Khi phải tìm kiếm frame, dựa vào frame name , dựa vào thuộc tính đặt tả cho frame Lược đồ có cấu trúc – Frame Cấu trúc frame (tt): Các thủ tục: Lược đồ frame cho phép tích hợp cách thức đặt thuộc tính thủ tục vào frame Về hình thức, thủ tục chiếm khe tương tự khe thuộc tính nói Thủ tục dùng để: biểu diễn hành động đối tượng, điều khiển giá trị thuộc tính như: kiểm tra ràng buộc trị, kiểu, thuộc tính cần trích, hay thay đổi Hai thủ tục phổ biến đính kèm với thuộc tính là: IF_NEEDED IF_CHANGED IF_NEEDED: Thủ tục thực thi cần đến giá trị thuộc tính (giống thủ tục GET VB) Ví dụ: thủ tục sau (dạng if_needed) cho thuộc tính bay frame chim nói If self:số_cánh < Then self:bay = false If self:số_cánh = Then self:bay = true Lược đồ có cấu trúc – Frame Cấu trúc frame (tt): IF_CHANGED: Thủ tục thực thi giá trị thuộc tính mà if_changed gắn vào thay đổi (giống SET, LET VB) Ví dụ: gắn thủ tục sau cho thuộc tính đói lớp chim nói If Seft:đói = true Then Seft:hànhđộng = eating # seft:ăn Các thông tin khác: Một số khe khác frame chứa frame khác, link đến frame, mạng ngữ nghĩa, rules, hay loại thông tin khác Chú ý: ví dụ mơ theo ngơn ngữ Kappa PC, đó, “Expert System -DurKin”: - Seft: từ khố thân frame mơ tả (như Me VB, this VC) - # : dấu nối chuổi(như & VB, + VC) - Lược đồ frame giống hệ thống hướng đối tượng Chúng ta: Có thể đặt tả frame lớp hay cá thể Có thể đặt tả tính thừa kế Mỗi tạo frame cá thể, copy thuộc tính, thủ tục frame lớp; đồng thời mở rộng thêm, hay định nghĩa lại số thuộc tính, thủ tục Lược đồ có cấu trúc – Script Script – Kịch bản: Results: Là lược đồ biểu diễn có cấu trúc, dùng để biểu diễn chuổi kiện ngữ cảnh cụ thể Nó phương tiện để tổ chức phụ thuộc khái niệm – (đã giới thiệu trước) để mô tả tình cụ thể Script dùng hệ thống hiểu NNTN, tổ chức tri thức thành phần tình mà hệ thống phải tìm hiểu Kết thu từ script hồn thành Cấu trúc Script: Scenes: Entry conditions: Các cảnh script, như: di chuyển, cấp cứu, hồi sức, Các điều kiện phải true để script gọi Ví dụ: cá nhân bị bệnh script nhập viện gọi Props: Các đồ vật tham gia vào script, như: xe cứu thương, cán, bình oxy,… Roles: Các cá nhân tham gia vào script, như: bệnh nhân, bác sĩ, y tá, người nhà,… Một ví dụ kịch nhà hàng ví dụ sau: Lược đồ có cấu trúc – Script Script: RESTAURENT Track: Coffe Shop Entry conditions: S is hungry S has money Results: S has less money O has more money S is not hungry S is pleased (optional) Props: Tables Menu Food (F) Check Money Roles: Custumer (S) Waiter(W) Cook(C) Cashier(M) Owner(O) Scene 1: (Entering) S PTRANS S into restaurent S ATTEND eyes to tables S MBUILD where to sit S PTRANS S to table S MOVE S to sitting position Scene 2: (Ordering) (Menu on table) S PTRANS menu to S (S ask for menu) S MTRANS signal to W W PTRANS W to table S MTRANS ‘need menu’ to W W PTRANS W to menu Lược đồ có cấu trúc – Script W PTRANS W to table W ATRANS menu to S S MTRANS food list to S (*) S MBUILD choice of F S MTRANS signal to W W PTRANS W to table S MTRANS ‘I want F’ to W W PTRANS W to C W MTRANS (ATRANS F) to C C MTRANS ‘no F’ to W W PTRANS W to S W MTRANS ‘no F’ to S (go back to *) or (go to scene 4) C DO (prepare F script) to scene Lược đồ có cấu trúc – Script Scene 3: (Eating) C ATRANS F to W W ATRANS F to S S INGEST F (Option: return to scene to order more; otherwise: goto scene 4) Scene 4: (exiting) S MTRANS to W W ATRANS check to S W MOVE (write check) ; W PTRANS W to S W ATRANS check to S ; S ATRANS tip to W S PTRANS S to M; S ATRANS money to M; S PTRANS S to out of restaurent ...Nội dung môn học – Giới thiệu Chương 1: Giới thiệu – – – – Ngành Trí tuệ nhân tạo gì? Mục tiêu nghiên cứu ngành Trí tuệ nhân tạo Lịch sử hình thành trạng Turing Test... liệu tham khảo – – – Bài giảng ? ?Trí tuệ nhân tạo? ?? – GS.TS Nguyễn Thanh Thủy, ĐHBK Hà Nội Artificial Inteligent – George F Luget & Cilliam A Stubblefied Trí tuệ nhận tạo – Nguyễn Quang Tuấn – Hà... nhận tạo – Nguyễn Quang Tuấn – Hà nội Chương 1: GIỚI THIỆU Ngành Trí tuệ nhân tạo gì? Mục tiêu nghiên cứu ngành Trí tuệ nhân tạo Lịch sử hình thành trạng Turing Test Đối tượng nghiên cứu AI