Trí tuệ nhân tạo

TRÍ TUỆ NHÂN TẠO Giới thiệu mơn học Giảng viên: TS Lê Hồng Sơn Thơng tin chung mơn học  Tên mơn học: Trí tuệ nhân tạo  Số tín chỉ: (Cao học) | (Nghiên cứu sinh)  Điểm danh mơn học theo buổi Lê Hồng Sơn sonlh@vnu.edu.vn Lê Hoàng Sơn sonlh@vnu.edu.vn Tài liệu tham khảo  Bài trình chiếu giảng viên  Russell, S J., Norvig, P., Canny, J F., Malik, J M., & Edwards, D D (2003) Artificial intelligence: a modern approach (Vol 2) Upper Saddle River: Prentice hall  Korytkowski, L R M., Tadeusiewicz, R S R., & Zurada, L A Z J M Artificial Intelligence and Soft Computing  Nguyễn Thanh Thủy, Giáo trình trí tuệ nhân tạo, 1998  Bài giảng ĐH Kinh tế - Kỹ thuật Cơng nghiệp, HV Kỹ thuật Qn sự, Lê Hồng Sơn sonlh@vnu.edu.vn Thông tin giảng viên  Họ tên: TS Lê Hoàng Sơn  Địa chỉ: Trường Đại học Khoa học Tự nhiên, ĐHQGHN  Lĩnh vực nghiên cứu: Trí tuệ nhân tạo, Khai phá liệu, Tính tốn mềm, Hệ tư vấn  Là thành viên IACSIT phó tổng biên tập tạp chí International Journal of Engineering and Technology (IJET) Là phản biện thành viên BTC nhiều hội nghị quốc tế tạp chí uy tín  Email: lehoangson@hus.edu.vn / sonlh@vnu.edu.vn Lê Hồng Sơn sonlh@vnu.edu.vn TRÍ TUỆ NHÂN TẠO Bài 1: Tổng quan Trí tuệ nhân tạo TS Lê Hồng Sơn ĐH Khoa học Tự nhiên-ĐHQGHN lehoangson@hus.edu.vn sonlh@vnu.edu.vn Nội dung Các khái niệm Lịch sử phát triển Thành tựu TTNT Xu hướng Bài tập Lê Hoàng Sơn CÁC KHÁI NIỆM CƠ BẢN  Trí tuệ nhân tạo khoa học liên quan đến việc làm cho máy tính có khả trí tuệ người, tiêu biểu khả năng“suy nghĩ”, “hiểu ngôn ngữ”, biết “học tập”  Intelligence: trí thơng minh “ability to learn, understand and think” (Oxford dictionary)  Artificial Intelligence (AI): trí thông minh nhân tạo “attempts to understand intelligent “strives to build intelligent (Stuart Russell & Peter Norvig) entities” entities” Lê Hồng Sơn Trí tuệ  Trí tuệ người (Human Intelligence): Cho đến có hai khái niệm trí tuệ người chấp nhận sử dụng nhiều nhất, là:  Khái niệm trí tuệ theo quan điểm Turing: “Trí tuệ đánh giá thông qua trắc nghiệm thông minh”  Khái niệm trí tuệ đưa từ điển bách khoa tồn thư: “Trí tuệ khả năng: • “Phản ứng cách thích hợp tình thơng qua hiệu chỉnh hành vi cách thích đáng • Hiểu rõ mối liên hệ qua lại kiện giới bên nhằm đưa hành động phù hợp đạt tới mục đích đó” Lê Hồng Sơn Tối ưu tiến hóa ❖ Là phương pháp tìm nghiệm tối ưu toàn cục hiệu hàm nhiễu dựa ý tưởng tìm kiếm ngẫu nhiên có điều hướng ❖ Các tham số tối ưu tiến hóa: ▪ Kích thước quần thể ▪ Số hệ tối đa ▪ Các tham số tốc độ giao phối, đột biến, ❖ Thuật toán tối ưu tiến hóa có đặc trưng chính: ▪ Biểu diễn cá thể/ phương án ▪ Quá trình chọn lọc ▪ Lai ghép ▪ Đột biến ▪ Hàm thích nghi ▪ Lựa chọn hệ Lê Hoàng Sơn 76 sonlh@vnu.edu.vn Lược đồ thuật tốn tối ưu tiến hóa ❖ ❖ ❖ ❖ ❖ t:=0; InitPopulation(P,t); EvaluateFitness(P,t); while not terminate(P,t) begin ▪ t:=t+1; ▪ SelectParents(P,Ps); ▪ Recombine(Ps); ▪ Mutate(Ps); ▪ EvaluateFitness(Ps,t); ▪ Survive(P,Ps); ❖ end; Lê Hoàng Sơn 77 sonlh@vnu.edu.vn Đặc trưng thuật tốn tối ưu tiến hóa ❖ Biểu diễn cá thể: ▪ Mỗi cá thể phương án, biểu diễn sao? • Biểu diễn nhị phân • Biểu diễn số thực • Cấu trúc ❖ Quá trình chọn lọc: ▪ Nhằm xác định bố mẹ tốt để lai ghép nhằm tạo hệ sau tốt hệ trước • Truncation selection • Roulette wheel selection • Tournament selection • Neighborhood selection Lê Hoàng Sơn 78 sonlh@vnu.edu.vn Chọn lọc ❖ Truncation selection: ▪ Chọn 1/p số cá thể tốt lai ghép p lần ▪ Đơn giản không dùng phổ biến ❖ Roulette wheel selection: ▪ Tính xác suất cá thể dựa vào hàm fitness ▪ Chọn ngẫu nhiên p cá thể ❖ Tournament selection: ▪ Chọn ngẫu nhiên tập k cá thể từ quần thể gốc ▪ Xác định cá thể có độ thích nghi tốt ▪ Lặp lại thao tác p lần với số k thay đổi ❖ Neighborhood selection: ▪ Xác định cấu trúc hàng xóm ▪ Chọn p cá thể cấu trúc Lê Hoàng Sơn 79 sonlh@vnu.edu.vn Đặc trưng thuật toán tối ưu tiến hóa (2) ❖ Lai ghép ▪ Xác định cách thức lấy gen bố mẹ để giao phối • One-point crossover • Two-point crossover • "Cut and splice" • Uniform Crossover and Half Uniform Crossover Lê Hoàng Sơn 80 sonlh@vnu.edu.vn Đặc trưng thuật tốn tối ưu tiến hóa (3) ❖ Đột biến ▪ Thay gen gen ngẫu nhiên nhằm tạo đa dạng sinh học • Phép đổi bit • Phép đảo bit • Cập nhật giá trị gen: Boundary, Uniform, non-uniform, Gaussian ❖ Hàm thích nghi: Quyết định độ “tốt” cá thể ❖ Lựa chọn hệ để tiếp tục sản sinh hệ khác Lê Hoàng Sơn 81 sonlh@vnu.edu.vn Genetic Programming (GP) ❖ Chỉ phù hợp với tốn đơn giản có độ phức tạp tính toán lớn Sử dụng cách biểu diễn Lisp ❖ Toán tử lai ghép cịn đột biến tốn tử phụ Lai ghép thực thay gen cá thể gen cá thể ngẫu nhiên khác Đột biến sử dụng cho gen tồn cá thể ❖ Meta-genetic algorithm Lê Hoàng Sơn 82 sonlh@vnu.edu.vn Evolutionary Programming (EP) ❖ Khơng có cấu trúc biểu diễn cố định, không sử dụng lai ghép, đột biến sử dụng để sinh cá thể ▪ Khởi tạo quần thể tính độ thích nghi ▪ Đột biến cha tạo hệ ▪ Tính độ thích nghi hệ quay lại bước hết số lần lặp ❖ Không sử dụng rộng rãi thay đổi hệ bé tốc độ hội tụ chậm Lê Hoàng Sơn 83 sonlh@vnu.edu.vn Genetic Algorithm (GA) ❖ Sử dụng nhiều chiến lược tiến hóa sinh học khác nên thu nghiệm tối ưu ❖ Cá thể biểu diễn dạng bit Biểu diễn cá thể hàm thích nghi hai vấn đề áp dụng GA ❖ Sử dụng lai ghép làm tốn tử Đột biến áp dụng cho cá thể tạo từ lai ghép phương pháp: One point, Two point, Cut and splice ❖ Thuật toán chọn lọc GA là: roulette wheel selection tournament selection ❖ GA không hiệu với tốn mà hàm thích nghi nhận giá trị Lê Hoàng Sơn 84 sonlh@vnu.edu.vn Evolutionary Strategy (ES) ❖ Sử dụng cách biểu diễn vector thực nên khơng gian tìm kiếm thực miền liên tục ❖ Sử dụng toán tử: chọn lọc, lai ghép đột biến Với phép chọn lọc, phương pháp neighborhood method sử dụng: ▪ Plus selection (Cả cha mẹ con) ▪ Comma selection (Chỉ cha mẹ) ❖ Lai ghép & đột biến giống GA nhiên tốc độ đột biến thay đổi theo hệ tham số sigma ❖ Ba hàm lai ghép sử dụng: ▪ Trung bình số học cha mẹ ▪ Trung bình hình học cha mẹ ▪ Phương pháp lai ghép rời rạc Lê Hoàng Sơn 85 sonlh@vnu.edu.vn Mã giả ES ▪ ▪ ▪ generationNumber = 0; initialization (β0 ); while ( !stopping_criteria ) • for ( l = 0; l< λ ; l++) – Ώl = reproduction ( βg , ρ ); – sl = s_recombination ( Ώl, ρ ); – sl' = s_mutation ( sl ); – yl = y_recombination ( Ώl, ρ ); – yl' = y_mutation ( yl ); – Fl = F(yl'); • βg' = { yl', sl', Fl }; • switch selection_type – case comma-selection: » βg+1' = selection( βg' ); » break; – case plus-selection: » βg+1' = selection( βg', βg ); » break; • g = g + 1; Lê Hoàng Sơn 86 sonlh@vnu.edu.vn Mã giả ES (2) ▪ ▪ ▪ ▪ ▪ ▪ ▪ ▪ βn cha mẹ hệ thứ nth, βn' hệ thứ nth, Ώl sau trình lai ghép, sl đại lượng sigma thứ l, sl' đại lượng sigma đột biến thứ l, yl gene thứ l, yl' gene đột biến thứ l g số hệ thuật tốn Lê Hồng Sơn 87 sonlh@vnu.edu.vn Tóm tắt thuật tốn tiến hóa Lê Hồng Sơn 88 88 Questions 89 Lê Hoàng Sơn Click to edit company slogan 90 ... lĩnh vực khác trí tuệ nhân tạo dùng kỹ thuật hệ thống hoá tự động hoá xử lý tri thức phương pháp thuộc lĩnh vực mang tính người Lê Hồng Sơn Vai trị Trí Tuệ Nhân Tạo  Trí tuệ nhân tạo:  Nghiên... cứu TTNT Mục đích trí tuệ nhân tạo hướng tới việc xây dựng máy tính thơng minh hơn, giúp ích cho việc khám phá quy luật hoạt động sáng tạo khả trí tuệ người  Trí tuệ nhân tạo bao quát nhiều... Email: lehoangson@hus.edu.vn / sonlh@vnu.edu.vn Lê Hồng Sơn sonlh@vnu.edu.vn TRÍ TUỆ NHÂN TẠO Bài 1: Tổng quan Trí tuệ nhân tạo TS Lê Hoàng Sơn ĐH Khoa học Tự nhiên-ĐHQGHN lehoangson@hus.edu.vn sonlh@vnu.edu.vn