NHẬP MÔN TRÍ TUỆ NHÂN TẠO (Dùng cho sinh viên hệ đào tạo đại học từ xa)

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG NHẬP MƠN TRÍ TUỆ NHÂN TẠO (Dùng cho sinh viên hệ đào tạo đại học từ xa) Lưu hành nội HÀ NỘI - 2007 HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG NHẬP MƠN TRÍ TUỆ NHÂN TẠO Biên soạn : PGS.TS NGUYỄN QUANG HOAN LỜI NĨI ĐẦU Trí tuệ nhân tạo (hay AI: Artificial Intelligence), nỗ lực tìm hiểu yếu tố trí tuệ Lý khác để nghiên cứu lĩnh vực cách để ta tự tìm hiểu thân Không giống triết học tâm lý học, hai khoa học liên quan đến trí tuệ, AI cố gắng thiết lập các yếu tố trí tuệ tìm biết chúng Lý khác để nghiên cứu AI để tạo thực thể thơng minh giúp ích cho AI có nhiều sản phẩm quan trọng đáng lưu ý, chí từ lúc sản phẩm hình thành Mặc dù khơng dự báo tương lai, rõ ràng máy tính điện tử với độ thơng minh định có ảnh hưởng lớn tới sống ngày tương lai phát triển văn minh nhân loại Trong trường đại học, cao đẳng, Trí tuệ nhân tạo trở thành mơn học chuyên ngành sinh viên ngành Công nghệ Thông tin Để đáp ứng kịp thời cho đào tạo từ xa, Học viện Cơng nghệ Bưu Viễn thơng biên soạn tài liệu cho sinh viên, đặc biêt hệ Đào tạo từ xa học tập Trong trình biên soạn, chúng tơi có tham khảo tài liệu Đại học Bách khoa Hà nội [1] giáo trình gần gũi tính cơng nghệ với Học viện Một số giáo trình khác Đại học Quốc gia thành phố Hồ Chí Minh [], tài liệu mạng tài liệu nước tiếng Anh [] tham khảo giới thiệu để sinh viên đào tạo từ xa đọc thêm Tài liệu nhằm hướng dẫn giới thiệu kiến thức bản, khái niệm, định nghĩa tóm tắt Một số thuật ngữ giải tiếng Anh để học viên đọc tiếng Anh dễ dàng, tránh hiểu nhầm chuyển sang tiếng Việt Tài liệu gồm chương sau: - Chương : Khoa học Trí tuệ nhân tạo: tổng quan - Chương : Các phương pháp giải vấn đề - Chương : Biểu diễn tri thức suy diễn - Chương : Xử lý ngôn ngữ tự nhiên - Chương : Các kỹ thuật trí tuệ nhân tạo đại Còn nhiều vấn đề khác chưa đề cập phạm vi tài liệu Đề nghị bạn đọc tìm hiểu thêm sau có kiến thức Nhiều cố gắng để cập nhật kiến thức thời gian, điều kiện, khả có hạn nên tài liệu chắn cịn nhiều thiếu sót Chúng tơi mong nhận nhiều ý kiến đóng góp để tài liệu hồn thiện cho lần tái sau TÁC GIẢ CHƯƠNG 1: KHOA HỌC TRÍ TUỆ NHÂN TẠO: TỔNG QUAN Học xong phần sinh viên nắm được: Ý nghĩa, mục đích mơn học; lịch sử hình thành phát triể Các tiền đề Trí tuệ nhân tạo (TTNT) Các khái niệm bản, định nghĩa TTNT Các lĩnh vực nghiên cứu ứng dụng Những vấn đè chưa giải TTNT 1.1 LỊCH SỬ HÌNH THÀNH VÀ PHÁT TRIỂN Trong phần nỗ lực giải thích chúng tơi coi trí tuệ nhân tạo môn đáng nghiên cứu nhất; nỗ lực chúng tơi nhằm giải thích trí tuệ nhân tạo Đây có phải mơn hấp dẫn nghiên cứu khơng Trí tuệ nhân tạo hay AI (Artificial Intelligence) ngành tiên tiến Nó thức bắt đầu vào năm 1956, việc năm trước Cùng với ngành di truyền học đại, môn học nhiều nhà khoa học đánh giá: “là lĩnh vực tơi thích nghiên cứu số môn muốn theo đuổi” Một sinh viên vật lý có lý nói rằng: tất ý tưởng hay Galileo, Newton, Einstein tìm rồi; số ý tưởng khác lại nhiều năm nghiên cứu trước có vai trị thực tiễn AI vấn đề để trống từ thời Einstein Qua 2000 năm, triết gia cố gắng để hiểu cách nhìn, học, nhớ lập luận hình thành Sự kiện máy tính sử dụng vào đầu năm 50 kỉ XX làm nhà tri thức thay đổi hướng suy nghĩ Rất nhiều người cho rằng: “những trí tuệ siêu điện tử” cho ta dự đốn tiềm trí tuệ AI thực khó nhiều so với ban đầu người nghĩ Hiện AI chuyển hướng sang nhiều lĩnh vực nhỏ, từ lĩnh vực có mục đích chung chung nhận thức, lập luận, tư logic đến công việc cụ thể đánh cờ, cung cấp định lý toán học, làm thơ chuẩn đoán bệnh Thường, nhà khoa học lĩnh vực khác nghiêng trí tuệ nhân tạo Trong lĩnh vực họ thấy phương tiện làm việc, vốn từ vựng hệ thống hoá, tự động hố: nhiệm vụ trí tuệ cơng việc mà họ cống hiến đời Đây thực ngành phổ biến 1.1.1 Tư người: phương pháp nhận thức Nếu muốn chương trình máy tính có khả suy nghĩ người, phải tìm hiểu người tư nào? Có số tiêu chí xác định suy nghĩ kiểu người Chúng ta cần xem công việc bên óc người Có hai phương pháp để thực điều này: thứ thông qua tư bên - phải nắm bắt suy nghĩ người làm việc - thứ hai thông qua thí nghiệm tâm lý Khi có đầy đủ lý thuyết tư chương trình hố máy tính Nếu đầu vào/ra chương trình thời gian làm việc phù hợp với người chương trình tự động hoạt động theo người Ví dụ, Newell Simon phát triển phương pháp giải vấn đề GPS- General Problem Solver (Newell and Simon 1961) Đây phương pháp đối lập với nghiên cứu đương thời (như Wang (1960)) ông quan tâm đến việc có giải pháp đắn, khơng quan tâm đến việc người phải làm 1.1.2 Các qui tắc tư Triết gia Aristote người hệ thống hố “tư xác” Phép tam đoạn luận ông đưa kết luận tiền đề tiền đề thứ Chẳng hạn: “nếu Sô-crát người, người chết, Sô-crát chết” Môn tư logic phát triển vào cuối kỉ XIX đầu XX Năm 1965 chương trình cung cấp cho đủ thông tin, chi tiết vấn đề tư logic tìm phương pháp giải Nếu cịn vấn đề chưa có cách giải chương trình khơng ngừng tìm kiếm cách giải Môn logic truyền thống AI điều mong mỏi để có chương trình mơ tả hệ thống trí tuệ 1.1.3 Khởi nguồn AI (1943 - 1956) Những công việc AI Warren McCulioch Walter Pitts (1943) thực Họ nghiên cứu ba sở lí thuyết: triết học chức nơ ron thần kinh; phân tích mệnh đề logic Russell whitehead cuối thuyết dự đoán Turning Họ đề mơ hình nơ ron nhân tạo, nơ ron đặc trưng hai trạng thái “bật”, “tắt” McCulloch Pitts phát hiện: mạng nơ ron có khả học Donald Hebb (1949) sử dụng luật học đơn giản tượng trưng cho việc truyền thông tin giữa nơ ron Đầu năm 1950, Claude Shannon (1950) Alan Turning (1953) viết chương trình đánh cờ theo cách mà Von Newman sáng chế máy tính Cùng lúc đó, hai sinh viên khoa tốn trường đại học Princeton, Marvin Minsky Dean Edmond xây dựng hệ thống máy tính nơ ron vào năm 1951 gọi SNARC Nó sử dụng khoảng 3000 bóng điện tử chân khơng thiết bị khí tự động tính giá trị thặng dư từ chùm B-24 để mơ mạng với 40 nơ ron Nhóm thạc sĩ Minsky nghi ngờ liệu có coi phần toán học, Neuman thành viên nhóm cho biết “nếu khơng phải phần tốn học ngày thế” Thật mỉa mai, sau Minsky lại người chứng minh học thuyết bác bỏ nhiều hệ thống nghiên cứu mạng nơ ron suốt năm 1970 Lịng say mê tơn trọng lớn từ sớm (1952-1969) Năm 1958 McCarthy định nghĩa ngôn ngữ bậc cao Lisp, trở thành ngôn ngữ lập trình cho AI Lisp ngơn ngữ lập trình lâu đời thứ hai mà sử dụng Với Lisp, McCarthy có phương tiện ơng cần, để đáp ứng u cầu tài ngun tính tốn vấn đề quan trọng Cũng vào năm 1958, McCarthy xuất báo “Các chương trình với cách nhìn nhận chung” Trong báo này, ơng bàn chương trình tư vấn, chương trình giả định coi hệ thống AI hoàn thiện Giống học thuyết logic cách chứng minh định lý hình học, chương trình McCarthy thiết kế nhằm sử dụng kiến thức để nghiên cứu cách giải vấn đề Khơng chương trình khác, chương trình phận kiến thức toàn giới quan Ông làm để điều đơn giản lại làm cho chương trình khái qt kế hoạch đến sân bay lên máy bay Chương trình thiết kế để chấp nhận vài chân lý trình thực bình thường Chính vậy, chương trình có khả thực chương trình mà khơng cần lập trình lại Năm 1963, McCarthy có nghiên cứu sử dụng logic để xây dựng chương trình người tư vấ Chương trình phát triển khám phá Robinson phương pháp cải cách Những công việc tạo hệ thống McCulloch Pitts làm cho chúng phát triển Các phương pháp nghiên cứu Hebb Widrow ủng hộ (Widrow Hoff, 1960; Widrow, 1962) Họ đặt tên mang nơ ron mạng ông, Frank Rosenblatt (1962) củng cố Rosenblatt chứng minh thuật tốn mà ơng nghiên cứu thêm vào khả nhận thức phù hợp với liệu đầu vào Những nhà nghiên cứu AI dự đoán thành công sau Herbert Simon phát biểu (1957): Không phải mục đích tơi làm bạn ngạc nhiên, cách đơn giản để khái quát giới, máy móc suy nghĩ, học sáng tạo Hơn nữa, khả làm việc với tiến độ cao- tương lai rõ ràng – vấn đề giải được, tồn với tư người áp dụng Năm 1958, ơng dự đốn 10 năm nữa, máy tính vơ địch mơn cờ vua, định lý tốn học máy chứng minh 1.2 CÁC TIỀN ĐỀ CƠ BẢN CỦA TTNT Toàn cảnh phương pháp giải vấn đề hình thành thập kỉ đầu nghiên cứu AI mục đích nghiên cứu nỗ lực liên kết bước lập luận với để tìm phương pháp hồn thiện Các phương pháp coi phương pháp sử dụng thông tin lĩnh vực Đối với nhiều lĩnh vực phức tạp, phương pháp thực lại Cách quanh vấn đề sử dụng kiến thức phù hợp để có bước lặp rộng để giải trường hợp nảy sinh định lĩnh vực nhỏ chuyên mơn Chúng ta nói giải vấn đề khó phải biết trước đáp án Chương trình DENDRAL (Buchanan, 1969) ví dụ sớm tiếp cận phương pháp Nó phát triển Stanford, nơi Ed Feigenbaum (một sinh viên qui Herbert Simon) Bruce Buchanan (một triết gia chuyển sang làm nghiên cứu máy tính) Joshua Lederberg (nhà nghiên cứu di truyền đoạt giải Nobel) hợp lại để suy luận, giải vấn đề có cấu trúc phân tử từ thơng tin máy đo quang phổ cung cấp Dữ liệu đưa vào chương trình gồm cấu trúc phân tử (Ví dụ C6H12NO2), nhiều dải quang phổ đưa hàng loạt đoạn phân tử khác khái quát chung lúc đưa dịng điện tử Ví dụ dải quang phổ chứa đựng điểm nhọn m=15 tương ứng với dải đoạn methyl (CH3) Phiên sơ khai chương trình khái qt tồn cấu trúc bên phân tử sau đoán cách quan sát dải quang phổ, so sánh với quang phổ thực tế Như nghĩ điều trở nên nan giải phân tử có kích thước đáng kể Các nhà nghiên cứu DENDRAL khuyên nhà phân tích dược khoa cho thấy họ nghiên cứu cách tìm kiếm phần bên điểm nhọn dải quang phổ, điều đưa gợi ý chung cấu trúc nhỏ bên phân tử Ví dụ, qui luật sau sử dụng để nhận nhóm nhỏ xeton (C=0) Nếu có hai đỉnh x1, x2 sau: (a) x1+x2 = M+28 (M khối lượng phân tử) (b) x1-28 đỉnh (c) x2-28 đỉnh (d) Có đỉnh x1 x2 đỉnh cao Sau có nhóm nhỏ xeton Khi nhận phân tử chứa cấu trúc nhỏ đặc biệt, số lượng thành phần tham gia bị giảm xuống nhanh chóng Nhóm DENDRAL kết luận hệ thống mạnh vì: tồn kiến thức có liên quan đến giải công việc phác thảo sơ qua từ cấu trúc chung [thành phần quang phổ đoán trước] để có cấu trúc đặc biệt Tầm quan trọng DENDRAL hệ thống cảm nhận kiến thức thành công Các chuyên gia lĩnh vực sâu từ số lượng lớn qui luật có mục đích đặc biệt Các hệ thống sau không kết hợp lại thành chủ đề phương pháp chuyên gia McCarthy - phần hoàn toàn tách biệt kiến thức (trong cấu trúc qui luật) thành phần lập luận Với học này, Feigebaum thành viên khác Stanford bắt đầu lập dự án chương trình Heuristic, để đầu tư mở rộng vào phương pháp hệ chuyên gia nhằm áp dụng vào lĩnh vực khác Những nỗ lực sau chuẩn đốn y học Feigenbaum, Buchanan Edward Shortlife phát triển hệ chuyên gia MYCIN để chẩn đoán bệnh nhiễm trùng máu Với khoảng 450 luật, hệ chuyên gia MYCIN thực tốt nhiều bác sĩ Nó có hai khác biệt với hệ chuyên gia DENDRAL Thứ nhất: không giống luật DENDRAL, không mẫu lý thuyết chung tồn mà suy luận từ luật hệ MYCIN Các luật phải có câu chất vấn chuyên gia, người có nhiệm vụ tìm chúng từ kinh nghiệm Thứ hai: luật phản ánh mối liên quan không chắn với kiến thức y học MYCIN kết hợp với hệ vi phân biến số coi nhân tố phù hợp tốt (ở lúc) với phương pháp mà bác sĩ tiếp cận với triệu chứng q trình chuẩn đốn Cách tiếp cận khác để chuẩn đoán y học nghiên cứu Tại trường đại học Rutger, máy tính ngành sinh hoá Sual Amarel bắt đầu tham vọng nhằm cố gắng chuẩn đoán bệnh tật dựa kiến thức biểu đạt rõ ràng máy phân tích q trình bệnh tật Trong đó, số nhóm lớn MIT trung tâm y tế Anh tiếp tục phương pháp chuẩn đoán điều trị dựa học thuyết có tính khả thi thực tế Mục đích họ xây dựng hệ thống đưa phương pháp chẩn đoán y học Về y học, phương pháp Stanford sử dụng qui luật bác sĩ cung cấp từ đầu chứng minh phổ biến Nhưng hệ chuyên gia PROSPECTOR (Duda 1979) công bố cho người cách giới thiệu thiết bị khoan thăm quặng Một vài ngôn ngữ dựa vào logic ngôn ngữ Prolog phổ biến châu Âu, PLANNER Mĩ Các ngôn ngữ khác, theo sau ý tưởng Minsky (1975) chấp nhận phương pháp tiếp cận cấu trúc, thu thập chứng đối tượng loại kiện 1.3 CÁC KHÁI NIỆM CƠ BẢN 1.3.1 Trí tuệ nhân tạo(AI) gì? Chúng ta nói: “Tuyệt thật, chương trình thực suy diễn thơng minh, cần phải tiếp tục người cần bổ sung cho nó” Nhưng theo phát triển khoa học cho thấy: có ích ta hướng Định nghĩa AI có tới tám sách đề cập Những định nghĩa đưa hai nhận định chính: - Thứ nhất: quan tâm chủ yếu đến trình tư lập luận - Thứ hai: vấn đề quan tâm hơn, hoạt động Một hệ thống coi hợp lý thực Điều đưa ngành AI đến mục tiêu.(xem Bảng 1.1) Chúng ta vào chi tiết hướng theo phát biểu sau đây: “Nh ng n l c thú v m i l “Vi c nghiên c u c s trí tu t o máy tính nh ng máy móc thơng qua s d ng máy vi tính” có trí tu , hi u theo c nghiã đ y đ l n ngh a bóng” (Haugeland, 1985) “[s (Charniak and McDermott, 1985) “Nghiên c u máy tính l m cho máy tính có kh n ng c m nh n, t đ ng hoá c a] ho t l p lu n v l m vi c” đ ng giúp k t h p nh ng t c a ng i v i công vi c c ng nh quy t đ nh, (Winston, 1992) gi i quy t v n đ , h c t p ” (Bellman 1978) “Ngh thu t sáng t o máy móc l “Trong l nh v c nghiên c u l đ th c hi n ch c n ng hình th nh t tìm cách gi i thích v ng đ i l m vi c” đ t c nh ng h nh đ ng có t (Kurzweil, “l nh v c x lý tính tốn” 1990) (Schalkoff, 1990) "Vi c nghiên c u l m cách n o đ “Trong ng nh khoa h c máy tính b t máy tính l m nh ng vi c m có liên quan đ n s t đ ng hoá m t lúc ng i có th l m nh ng ho t đ ng mang tính trí tu ” t t h n.” (Luger and (Rich and Knight, 1991) Stubbefield, 1993) Hình 1.1 Những định nghĩa AI chia thành nhóm: Hệ thống tư người Hệ thống tư có lập luận Hệ thống hoạt động người Hệ thống hoạt động có lập luận Hoạt động người: phương pháp trắc nghiệm Turning Phương pháp trắc nghiệm Turning Alan Turning (1950) đưa Đây phương pháp nhằm định nghĩa hoạt động gọi thông minh Turning cho rằng: hoạt động trí tuệ khả có người công việc cần tri thức, đủ để đánh lừa người thẩm vấn Nói khái qt, phương pháp trắc nghiệm ơng là: máy tính bị người hỏi thông qua giao tiếp gõ chữ qua vơ tuyến Kết thúc thí nghiệm lúc người hỏi khơng cịn câu để hỏi người máy hồn thành Để lập chương trình cho máy tính qua q trình kiểm tra cần hồn thành nhiều việc Máy tính cần có khả sau: • Xử lý ngơn ngữ tự nhiên để giao tiếp tốt tiếng Anh (hoặc ngôn ngữ khác) • Biểu diễn tri thức, lưu trữ thông tin cung cấp trước q trình thẩm vấn • Tự động lập luận để sử dụng thông tin lưu nhằm trả lời câu hỏi phác thảo kết luận • Máy học: để thích nghi với môi trường mới, kiểm tra chấp nhận mẫu • Đối với AI, khơng cần có cố gắng cao qua trình kiểm tra Turning Khi chương trình AI giao tiếp trực tiếp với người việc hoạt động giống người vấn đề thiết yếu Quá trình trình diễn lý giải hệ thống không cần dựa vào người 1.3.2 Tri thức gì? Tri thức hiểu biết lý thuyết hay thực tế vè chủ đề hay lĩnh vực Tri thức tổng biết nay; tri thức sức mạnh Những người có tri thư tốt chuyên gia (expert) So với chương trình truyền thống (được cấu tạo từ hai “chất liệu” liệu thuật toán), chương trình trí tuệ nhân tạo cấu tạo từ hai thành phần sở tri thức (knowledge base) động suy diễn (inference engine) 1.3.3 Cơ sở tri thức (Knowledge Base: KB) Định nghĩa: Cơ sở tri thức tập hợp tri thức liên quan đến vấn đề mà chương trình quan tâm giải Cơ sở tri thức chứa kiến thức sử dụng để giải vấn đề (bài tốn) trí tuệ nhân tao 1.3.4 Hệ sở tri thức Trong hệ sở tri thức chứa hai chức tách biệt nhau, trường hợp đơn gian gồm hai khối: khối tri thức hay gọi sở tri thức; khối điều khiển hay cịn gọi đơng suy diễn Với hệ thống phức tạp, thân động suy diễn hệ sở tri thức chứa siêu tri thức (tri thức tri thức) Hình mơ tả cấu trúc chương trình truyền thống (bên trái) cấu trúc chương trình trí tuệ nhân tạo (bên phải) DỮ LIỆU THUẬT TOÁN DỮ LIỆU CƠ SỞ TRI THỨC ĐỘNG CƠ SUY DIỄN Động suy diễn: phương pháp vận dụng tri thức sở tri thức để giải vấn đề 1.4 CÁC LĨNH VỰC NGHIÊN CỨU VÀ ỨNG DỤNG CƠ BẢN 1.4.1 Lý thuyết giải toán suy diễn thơng minh Lý thuyết giải tốn cho phép viết chương trình giải câu đố, chơi trị chơi thơng qua suy luận mang tính người Hệ thống giải toán GPS Newel, Shaw Simon đưa hoàn thiện năm 1969 mốc đáng ghi nhớ Trước năm 1980, Buchanal Luckham hoàn thành hệ thống chứng minh định lý Ngồi hệ thống hỏi đáp thơng minh SỈ, QA2, QA3, cho phép lưu trữ xử lý khối lượng lớn thơng tin Chương trình McCarthy phương án hành động có khả cho lời khuyên 1.4.2 Lý thuyết tìm kiếm may rủi Việc tìm kiếm lời giải việc tốn Lý thuyết tìm kiếm nhờ may rủi gồm phương pháp kỹ thuật tìm kiếm với hỗ trợ thơng tin phụ để giải tốn cách hiệu Cơng trình đáng kể lý thuyết G.Pearl vào năm 1984 1.4.3 Các ngôn ngữ Trí Tuệ Nhân Tạo Để xử lý tri thức người ta sử dụng ngơn ngữ lập trình dùng cho xử lý liệu số mà cần có ngơn ngữ khác Các ngôn ngữ chuyên dụng cho phép lưu trữ xử lý thơng tin kí hiệu Dùng ngơn ngữ cách để trả lời câu hỏi “ nào” (what) tới câu hỏi “làm vậy”(how) Một số ngôn ngữ nhiều người biết đến là: • Các ngơn ngữ IPL.V, LISP • Ngơn ngữ mạnh PLANNER, PROLOG Ngay ngôn ngữ có nhiều hệ với phát triển đáng kể 1.4.4 Lý thuyết thể tri thức hệ chuyên gia Theo quan điểm nhiều chuyên gia công nghệ thơng tin, trí tuệ nhân tạo khoa học thể tri thức sử dụng tri thức Người ta nhận xét phương pháp thể tri thức sau: • Lược đồ dùng thể tri thức chương trình • Mạng ngữ nghĩa, logíc vị từ , khung, mạng phương pháp thể tri thức cách thơng dụng • Dùng khung để thể tri thức chắn phương pháp có nhiều hữa hẹn năm gần Việc gắn liền cách thể sử dụng tri thức sở hình thành hệ chuyên gia Vậy nên phải kết hợp trình nghiên cứu quy luật, thiết kế xây dựng hệ chuyên gia Tuy nhiên cho đên nay, đa số hệ chuyên gia thuộc lĩnh vực y học 1.4.5 Lý thuyết nhận dạng xử lý tiếng nói Giai đoạn phát triển đầu trí tuệ nhân tạo gắn liền với lý thuyết nhận dạng Các phương pháp nhận dạng giới thiệu gồm: • Nhận dạng dùng tâm lý học • Nhận dạng hình học • Nhận dạng theo phương pháp hàm • Dùng máy nhận dạng Ứng dụng phương pháp việc nhận dạng chữ viết, âm thanh, hình ảnh… trở nên quen thuộc Người ta có hệ thống xử lý hình ảnh ba chiều, hệ thống tổng hợp tiếng nói Do khối lượng đồ sộ tri thức lý thuyết nhận dạng chương trình sau chưa đề cập đến phương pháp nhận dạng 1.4.6 Người máy Cuối năm 70, người máy công nghiệp đạt nhiều tiến “ Khoa học người máy nối kết thông minh nhận thức với hành động” Người máy có cảm nhận chế hoạt động nối ghép theo điều khiển thơng minh Khoa học học trí tuệ nhân tạo tích hợp khoa học người máy Các đề án trí tuệ nhân tạo nghiên cứu người máy đề án “mắt – tay” Trong thực tế, người máy dùng nhiệm vụ chuyên sâu, thuộc dây truyền công nghiệp Nội dung khoa học người máy trình bày tài liệu riêng, khơng thuộc chương tài liệu 1.4.7 Tâm lý học xử lý thông tin Các kết nghiên cứu tâm lý học giúp trí tuệ nhân tạo xây dựng chế trả lời theo hành vi, có ý thức Nó giúp thực suy diễn mang tính người Hệ thống chuyên gia thương mại đầu tiên, R1, bắt đầu hoạt động công ty thiết bị kĩ thuật số (McDemott, 1982) Chương trình giúp xếp cấu hình cho hệ thống máy tính trước năm 1986, tiết kiệm cho cơng ty khoảng 40 triệu dollar năm Đến trước năm 1988, nhóm nghiên cứu AI DEC có 40 hệ thống chuyên gia triển khai Du pont có 100 vào sử dụng 500 phát triển, tiết kiệm khoảng 10 triệu dollar năm Dường cơng ty Mĩ có nhóm AI riêng công ty sử dụng đầu tư vào công nghệ hệ chuyên gia Năm 1981, Nhật thông báo dự án “Thế hệ thứ năm”, kế hoạch 10 năm xây dựng máy tính thơng minh chạy Prolog giống máy chạy chương trình mã máy Ý tưởng với khả thực hàng triệu phép tính giây, máy tính thuận lợi việc lưu trữ hàng loạt luật có sẵn Dự án đưa nhằm máy tính giao tiếp ngơn ngữ tự nhiên số tham vọng khác Dự án “thế hệ 5” thúc đẩy niềm đam mê vào AI, cách tận dụng nỗi lo lắng người Nhật, nhà nghiên cứu, tổng cơng ty hỗ trợ chung cho việc đầu tư tương tự nước Mĩ Tổng cơng ty cơng nghệ máy tính siêu điện tử (MMC) hình thành công ty liên kết nghiên cứu dự án Nhật Ở Anh, báo Alvey làm phục hồi số vốn bị báo Lighthill làm hụt Trong hai trường hợp, AI phần nỗ lực lớn bao gồm thiết kế chip nghiên cứu giao diện với người Bùng nổ công nghiệp AI bao gồm công ty tập đồn Carnegie, Inference, Intellicorp, Teknowledge cơng ty yêu cầu công cụ phần mềm để xây dựng hệ chuyên gia công ty phần cứng Lisp Machine, công ty thiết bị Texas, Symbolic Xerox xây dựng hệ thống làm việc tối ưu để phát triển chương trình Lisp Trên 100 cơng ty lắp ráp hệ thống cơng nghiệp robot Nói chung ngành công nghiệp từ mức bán vài triệu năm 1980 lên tỉ dollar năm 1988 Mặc dù khoa học máy tính bỏ quên lĩnh vực mạng nơ ron sau sách “khả nhận thức” Minsky Papert đời, lĩnh vực khác tiếp tục, đặc biệt vật lý Một số 10 lượng lớn nơ ron đơn giản coi số nguyên tử chất rắn Các nhà vật lý học Hopfield (1982) sử dụng kĩ thuật học thống kê dẫn tới ý tưởng thụ thai chéo quan trọng Các nhà triết học David Rumelhart Geoff Hinton nghiên cứu mẫu mạng nơ ron trí nhớ Vào năm 1980, có bốn nhóm khác nghiên cứu lại thuật toán Back-propagation Thuật toán công bố lần đầu vào năm 1969 Bryson Ho Thuật toán áp dụng nhiều khoa học máy tính tâm lý học, phổ biến kết “xử lý phân tán song song” (Rumelhart McClelland, 1986) Những năm gần đây, chứng kiến thay đổi lớn nội dung phương pháp nghiên cứu AI Nó trở nên phổ biến dựa lý thuyết có sẵn Trong năm 1970, số lớn kiến trúc phương pháp buộc phải thử Rất nhiều số này, trí ad hoc fragile tượng trưng vài ví dụ chọn đặc biệt Trong năm gần đây, phương pháp dựa mơ hình Markov ẩn (HMMs) thống trị lĩnh vực này, hai khía cạnh HMMs có liên quan đến vấn đề bàn luận Đầu tiên, chúng dựa lý thuyết toán học xác Điều cho phép nhà nghiên cứu tiếng nói xây dựng kết tốn học vài thập kỉ phát triển số lĩnh vực khác Thứ hai, chúng sinh trình xử lý tập liệu tiếng nói Chắc chắn thực dạng thô, trắc nghiệm HMMs khắt khe không rõ ràng tiến triển đặn Lĩnh vực khác xem có lợi ích từ thức hố lập kế hoạch Cơng việc sớm thực Austin Tate (1977), sau David Chapman (1987) có kết tổng hợp chương trình lập kế hoạch vào khung làm việc đơn giản Đã có vài lời khuyên nên xây dựng khác số không thời điểm Kết hệ thống lập kế hoạch thực tốt giới thu hẹp, năm 1970 nhiệm vụ lập lịch cho công việc nhà máy Xem Chương 11 12 để biết thêm chi tiết Cuốn Tranh luận theo xác suất hệ thống thông minh đánh dấu tán thưởng lý thuyết định xác suất AI, hồi sinh thu nhỏ lí thú theo báo “Trong biện hộ xác suất” Peter Cheeseman (1985) Tin tưởng hình thức mạng phát minh cho phép tranh luận hiệu chứng minh phối hợp không chắn Cách tiếp cận lớn vượt qua vấn đề hệ thống lập luận có khả năm 1960 đến 1970 Chương 14 tới 16 bàn tới lĩnh vực Cũng tương tự cách mạng lĩnh vực người máy, khả máy tính, máy học (bao gồm mạng neural) trình diễn tri thức Một cách hiểu tốt vấn đề phức tạp thuộc tính, phối hợp với ngụy biện gia tăng tốn học, có đạo lịch nghiên cứu cơng việc có khả phương pháp dạng thơ Có lẽ khuyến khích tiến triển giải vấn đề AI, nhà nghiên cứu bắt đầu tìm kiếm “yếu tố đầy đủ” cho vấn đề Công việc Allen Newel, John Laird Paul Rosenbloom SOAR (Newel, 1990; Laird 1987) ví dụ hiểu biết tốt yếu tố hoàn chỉnh kiến trúc AI Cũng gọi hành động có mục đích “trong hồn cảnh xác định” yếu tố đưa vào môi trường thực tế với đầu vào cảm biến liên tục Nhiều kết lý thú tìm thấy cơng việc; bao gồm thực trước lĩnh vực riêng biệt AI cần tái tạo lại mà kết họ chỗ thiết kế yếu tố riêng rẽ 11 1.5 NHỮNG VẤN ĐỀ CHƯA ĐƯỢC GIẢI QUYẾT TRONG TRÍ TUỆ NHÂN TẠO Kiện tướng cờ vua quốc tế Amold Denker, nghiên cứu quân cờ bàn cờ trước mặt ơng ta Ơng ta khơng hy vọng thực: ông phải từ bỏ chơi Đối thủ ông, HITECH, trở thành chương trình máy tính đánh thắng kiện tướng cờ ván chơi (Berliner, 1989) “Tôi muốn từ Boston tới San Francisco” người du lịch nói micro “Bạn vào thời gian nào?” câu hỏi lại Người du lịch giải thích muốn vào ngày 20 tháng 10, chuyến rẻ có thể, trở vào ngày Chủ nhật Một chương trình giao tiếp tay hiểu hành động nói người PEGASUS, kết khiêm tốn dùng để đặt chỗ chuyến du lịch với giá 894 dollar xe khách đường dài Mặc dù chương trình nhận biết tiếng nói có 10 từ bị sai, tổng hợp từ lỗi nhỏ hiểu từ hội thoại đưa vào lúc (Zue 1994) Một phân tích từ nơi điều khiển nhiệm vụ phịng thí nghiệm Jet Propulsion bắt đầu xu hướng tốn Một thơng báo màu đỏ xuất hình “sự khơng bình thường” với người du hành tàu khơng gian, nơi vùng xung quanh Hải vương May thay, vấn đề phân tích từ mặt đất Những người điều khiển tin tưởng có vấn đề phải bỏ qua MARVEL, hệ chuyên gia thời gian thực có hình, dịng liệu thơ chuyển từ tàu không gian, công việc điều khiển chương trình phân tích cảnh báo vấn đề nghiêm trọng TỔNG KẾT Chương đưa định nghĩa AI thiết lập lại sở nó, phát triển Một số điểm quan trọng đáng lưu ý sau: Người ta nghĩ AI có khác Có hai câu hỏi quan trọng là: bạn có quan tâm đến suy nghĩ hành vi? Bạn có muốn hình mẫu người từ ý tưởng chuẩn mực? Các nhà triết học (quay trở lại năm 400 tr.CN) đưa ý kiến cho não máy, điều khiển tri thức mã hoá, ý nghĩ mang theo thói quen giúp đỡ hành động đắn Một số nhà toán học cung cấp cơng cụ lệnh tính tốn logic chắn tốt không chắn, lệnh khơng xác Họ đặt sở làm việc cho thuật toán Ngành tâm lý học củng cố thêm ý tưởng lồi người động vật đưa cách xử lý thơng tin máy móc Ngành ngơn ngữ học trình bày ngơn ngữ đủ để dùng mơ hình Ngành cơng nghiệp máy tính cung cấp ứng dụng AI Các chương trình AI có xu hướng lớn, họ khơng làm việc máy tính khơng có đủ tốc độ nhớ cần thiết Lịch sử AI có chu kì thành cơng, tối ưu hố đặt khơng chỗ, kết dẫn đến giảm lịng nhiệt tình chi phí Cũng có bước lặp cách tiếp cận trau dồi có hệ thống số cách Những tiến triển gần học thuyết thông minh tiến với khả hệ thống thực tế Những điểm ý tiểu sử lịch sử 12 Cuốn sách Artificial Intelligence Daniel Crevier (1993) đưa lịch sử hoàn chỉnh lĩnh vực này, Age of Intelligent Machines Raymond Kurzweil (1990) AI ngữ cảnh khoa học máy tính lịch sử trí tuệ Các văn Dianne Martin (1993) công nhận từ sớm máy tính có khả sức mạnh thần kỳ trí tuệ Phương pháp luận trạng thái AI Herb Simon bàn tới The Sciences of the Artificial (1981), lĩnh vực nghiên cứu quan tâm với đồ tạo tác phức tạp Nó lý giải AI có tầm nhìn hai lĩnh vực toán học khoa học Artificial Intelligence: The very Idea John Haugeland (1985) đưa tường thuật đọc triết học vấn đề AI Khoa học nhận thức mô tả tốt Johnson Laird, Máy tính não bộ: giới thiệu khoa học nhận thức Baker (1989) gồm phần cú pháp ngôn ngữ học đại, Chierchia McConnel-Ginet (1990) bao gồm ngữ nghĩa, Allen (1995) bao gồm ngôn ngữ học từ quan điểm AI Feigenbaum Feldman làm việc với AI từ sớm, sách họ có tựa đề Máy tính suy nghĩ Cuốn Xử lý thông tin ngữ nghĩa Minsky loạt viết Trí tuệ máy Donald Michie Một số lượng lớn trang báo tập hợp lại Sự hiểu biết AI (Webber Nilsson, 1981) Các hội thảo xuất gần bàn vấn đề AI, là: thống hai năm lần diễn hội thảo quốc tế AI, gọi tắt IJCA (International Joint Conference AI), hội thảo diễn hàng năm mức quốc gia AI, AAAI tổ chức đứng bảo trợ cho AI Các tạp chí chuyên ngành chung AI AI, Computation Intelligence, tổ chức IEEE Transactions on Pattern Analysis and Machine Intelligence, tạp chí điện tử Journal of Artificial Intelligence Research Các sản phẩm thương mại đưa tạp chí AI Expert PC AI Tổ chức xã hội chuyên nghiệp AI American Association for AI (AAAI), ACM Special Interest Group in AI (SIGART) AISB (Society for AI and Simulation of Behaviour) Tạp chí AI AAAI SIGART Bullentin có nhiều đề tài thầy hướng dẫn tốt thông báo hội thảo thảo luận Ở Việt Nam gần có tổ chức Hội nghi Khoa học: Hệ mờ mạng nơ ron; Hoi thảo Quốc gia vè Hệ mờ viện Toan học, Viện Công nghệ Thông tin thuộc viện Khoa học Công nghệ Quốc gia tổ chức hàng năm BÀI TẬP VÀ CÂU HỎI Chúng đưa định nghĩa AI theo hai khía cạnh, người, ý tưởng hành động Nhưng có nhiều khía cạnh khác có giá trị đáng xét đến Một số chọn lựa giữa: phấn khích chúng tơi kết lí thuyết ứng dụng thực hành Một khía cạnh chúng tơi có dự kiến nhận máy tính chúng tơi có thơng minh hay khơng Đã có định nghĩa tiêu biểu Hình 1.1 có định nghĩa theo bốn khía cạnh chúng tơi vừa đề cập bạn có cảm thấy định nghĩa hữu ích sau AI a “một tập hợp thuật tốn dễ tính tốn, thích hợp tính gần cho tốn đặc biệt khó ” (Partridge, 1991) b “sự tham gia vào xây dựng hệ thống kí hiệu vật lí cho vượt qua trắc nghiệm Turning.” c “lĩnh vực khoa học máy tính nghiên cứu máy hành động thơng minh sao.” (Jackson, 1986) 13 d “một lĩnh vực nghiên cứu xoay quanh kĩ thuật tính tốn, cho phép thực cơng việc địi hỏi thơng minh thực có người tham dự.” (Tanimoto, 1990) e “một đầu tư lớn trí tuệ tự nhiên ngun lí, máy móc u cầu am hiểu tái tạo ” (Sharples , 1989) f “Lợi ích máy tính làm thứ, xem thơng minh.” (Rowe, 1988) Nghiên cứu tài liệu AI để tìm cơng việc giải máy tính: a Trị chơi bóng bàn b Lái xe trung tâm Cairô c Khám phá chứng minh lý thuyết toán học d Viết truyện cười e Đưa lời khuyên hợp lý phạm vi liên quan đến luật pháp f Dịch tiếng Anh sang tiếng Việt theo thời gian thực Thực tế, hư cấu dự đoán: a Tìm cơng bố nhà triết học nhà khoa học có uy tín cho hiệu độ chắn không trình diễn máy tính, trình diễn b Tìm cơng bố nhà khoa học máy tính có uy tín cho hiệu độ đo chắn trình diễn thời điểm từ hợp qui cách c So sánh độ xác dự đoán lĩnh vực khác nhau, chẳng hạn y sinh, công nghệ nano, điện gia dụng Cho “những máy tính khơng thơng minh - chúng làm mà lập trình viên bảo chúng” câu lệnh phần trước hàm ý sau khơng đúng? 14 CHƯƠNG 2: CÁC PHƯƠNG PHÁP GIẢI QUYẾT VẤN ĐỀ 2.1 GIẢI QUYẾT VẤN ĐỀ KHOA HỌC VÀ TRÍ TUỆ NHÂN TẠO Trong phần này, agent hành động cách đặt mục tiêu xem xét chuỗi hành động mà đạt mục tiêu Một mục tiêu tập phương tiện để đạt mục tiêu gọi vấn đề Quá trình khám phá phương tiện làm gọi tìm kiếm Chúng ta cho thấy tìm kiếm thực hiệhie giới hạn Giải tốn cách tìm kiếm Chúng ta xem agent định phải làm gì? nào? cách xem xét có hệ thống kết chuỗi hành động mà thực Trong chương này, mơ tả agent dựa mục đích gọi agent giải toán Các agent giải vấn đề định phải làm cách tìm kiếm chuỗi hành động dẫn đến trạng thái mong muốn Chương phân tích thuật tốn 2.2 GIẢI QUYẾT VẤN ĐỀ CỦA CON NGƯỜI Hãy tưởng tượng agent thành phố Arad, Rumani thực chuyến du lịch Agent có vé để bay đến Bucarét vào ngày hơm sau Vé máy bay trả lại được, visa agent chuẩn bị hết hạn, kể từ ngày mai khơng cịn chỗ tuần tới Phạm vi thực agent chứa nhiều yếu tố khác ngồi chi phí tiền vé máy bay có điều khơng mong muốn bị trục xuất Chẳng hạn, agent muốn cải thiện nước da rám nắng mình, học thêm tiếng Rumani, chơi vv… Tất yếu tố gợi vô số hành động Agent đưa mục tiêu: lái xe tới Bucarét, xem thành phố cần phải đếcaa, xuất phát từ Arad Có ba đường khỏi Arad, đường đến Sibiu, đường đến Timisoara đến Zerind Tất đường khơng đến Bucaret, trừ agent nắm rõ đồ Rumani, agent phải đường Nói cách khác, agent hành động tốt hành động Nếu agent khơng có kiến thức trợ giúp, bị tắc (khơng tìm đường tiếp theo) Cách tốt làm chọn ngẫu nhiên hành động Giả thiết agent có đồ Rumani, giấy trí nhớ Mục đích đồ cung cấp cho agent thông tin trạng thái mà đến hành động mà thực Agent sử dụng thông tin để xem xét các đoạn hành trình mang tính giả thiết là: tìm đường đồ từ Arad tới Bucaret, đạt mục tiêu cách thực hành động tương ứng với chặng hành trình Sau agent lựa chọn giá trị chưa biết để định phải làm cách kiểm tra chuỗi hành động khác dẫn đến trạng thái biết; sau chọn hành động tốt Quá trình tìm kiếm chuỗi hành động gọi tìm kiếm Giải thuật tìm kiếm coi vấn đề liệu vào đáp số giải pháp dạng chuỗi hành động Khi giải pháp tìm thấy, hành động mà đề xuất tiến hành Điều gọi giai đoạn thực 15 Trong phần này, tìm hiểu q trình xác định tốn chi tiết Trước tiên, ta xem xét khối lượng kiến thức mà agent có sử dụng để hướng đến hành động trạng thái mà phải qua Điều phụ thuộc vào nhận thức agent với mơi trường thông qua kết giác quan hành động Chúng ta biết có bốn loại tốn khác nhau: toán trạng thái đơn giản; toán đa trạng thái; toán ngẫu nhiên tốn thăm dị 2.3 PHÂN LOẠI VẤN ĐỀ CÁC ĐẶC TRƯNG CƠ BẢN CỦA VẤN ĐỀ Những vấn đề (bài toán) xác định rõ ràng giải pháp Một vấn đề tập hợp thông tin mà agent sử dụng để định phải làm Chúng ta bắt đầu cách phân loại thông tin cần thiết dùng cho định nghĩa toán đơn trạng thái Các yếu tố việc định nghĩa toán trạng thái hành động Để xác định chúng cách xác, cần yếu tố sau: Trạng thái ban đầu agent Tập hành động agent Thuật ngữ thao tác (operation) sử dụng để mô tả hành động ngữ cảnh trạng thái đến thực hành động từ trạng thái đặc biệt (Một công thức sử dụng hàm S Cho trước trạng thái x, S(x) cho trạng thái tới từ x hành động đơn) Định nghĩa: không gian trạng thái vấn đề: tập trạng thái đạt chuỗi hành động xuất phát từ trạng thái ban đầu Một hành trình khơng gian trạng thái tập hành động tuỳ ý xuất phát từ trạng thái đến trạng thái khác Yếu tố vấn đề sau: tiêu chuẩn kiểm tra trạng thái thời trạng thái đích (mục tiêu)? Việc kiểm tra đơn giản để nhằm kiểm tra xem tới trạng thái mục tiêu hay chưa Thỉnh thoảng mục tiêu xác định thuộc tính trừu tượng thay tập đếm trạng thái Chẳng hạn, môn đánh cờ, mục tiêu tới trạng thái gọi “chiếu tướng”, tướng đối phương bị ăn đối phương bước Cuối cùng, chọn giải pháp thích hợp nhất, dù có nhiều giải pháp tới đích Ví dụ, thích hành trình có hành động hành động có chi phí thấp Hàm chi phí đường hàm gán chi phí cho đường Trong tất trường hợp chi phí đường tổng chi phí hành động đơn dọc theo đường Hàm chi phí đường thường ký hiệu hàm g Trạng thái ban đầu, tập toán tử, thủ tục kiểm tra mục tiêu hàm chi phí đường xác định vấn đề Về mặt tự nhiên, xác định kiểu liệu để biểu diễn vấn đề: Ki u d li u B i toán Các thành ph n: Tr ng thái ban đ u, toán t , ki m tra m c tiêu, h m chi phí đ ng Giải vấn đề Hiệu tìm kiếm đo theo ba tiêu Thứ nhất, có tìm thấy giải pháp khơng? Thứ hai, có phải giải pháp tốt khơng (giải pháp có chi phí đường 16 thấp)? Thứ ba, chi phí tìm kiếm với thời gian tìm kiếm nhớ yêu cầu để tìm giải pháp bao nhiêu? Chi phí tồn việc tìm kiếm tổng chi phí đường chi phí tìm kiếm (S) Đối với vấn đề tìm đường từ Arad đến Bucarét, chi phí đường tỷ lệ thuận với tổng độ dài đường, cộng thêm chi phí cố dọc đường Chi phí tìm kiếm phụ thuộc vào tình Trong mơi trường tĩnh, khơng phạm vi thực độc lập với thời gian Nếu phải cấp tốc đến Bucarét, mơi trường bán động việc cân nhắc lâu làm chi phí nhiều Trong trường hợp này, chi phí tìm kiếm có thbi ì ến thiên xấp xỉ tuyến tính với thời gian tính tốn(ít với khoảng thời gian nhỏ) Do đó, để tính tốn tổng chi phí, cần phải bổ sung thêm giá trị dặm mili giây Điều khơng phải ln dễ dàng khơng có “tỷ lệ trao đổi thức” hai đại lượng Agent cách phải định tài nguyên dành cho việc tìm kiếm tài nguyên dành cho việc thực Đối với vấn đề có khơng gian trạng thái nhỏ, dễ dàng tìm giải pháp với chi phí đường thấp Nhưng vấn đề phức tạp, lớn, cần phải thực thoả hiệp- agent tìm kiếm thời gian dài để tìm giải pháp tối ưu agent tìm kiếm thời gian ngắn nhận giải pháp với chi phí đường cao chút Chọn lựa trạng thái hành động Bây có định nghĩa mới, bắt đầu điều tra vấn đề với vấn đề dễ sau: “ Lái xe từ Arad đến Bucarét sử dụng đường đồ” Một khơng gian trạng thái có xấp xỉ 20 trạng thái, trạng thái xác định vị trí, ghi rõ thành phố Như vậy, trạng thái ban đầu “ở Arad” kiểm tra mục tiêu “đây có phải Bucarét khơng?” Các tốn hạng tương ứng với việc lái dọc theo đường thành phố Các tốn ví dụ Phạm vi mơi trường nhiệm vụ mà mô tả đặc điểm vấn đề định nghĩa rõ ràng rộng lớn Chúng ta phân biệt gọi tốn trị chơi, mà nhằm để minh hoạ hay thực hành nhiều phương pháp giải vấn đề, gọi toán thuộc giới thực mà vấn đề khó khăn người thực quan tâm đến giải pháp để giải vấn đề Trong phần này, đưa ví dụ cho hai loại vấn đề Các vấn đề đồ chơi tất nhiên mơ tả cách xác, ngắn gọn Điều có nghĩa nhà nghiên cứu khác dễ dàng sử dụng vấn đề để so sánh việc thực giải thuật Ngược lại, vấn đề giới thực lại khơng thể có miêu tả cách đơn giản, cố gắng đưa cách chung mô tả xác vấn đề Các tốn Trị chơi Trò chơi quân cờ (Cờ ta canh) Một ví dụ trị chơi qn cờ hình 2.1, gồm bảng kích thước x với quân cờ đánh số từ đến ô trống Một quân cờ đứng cạnh trống vào trống Mục tiêu tiến tới vị trí quân cờ hình bên phải Một mẹo quan trọng cần ý thay dùng tốn tử “ chuyển quân cờ số vào ô trống”, tốt có tốn tử “ ô trống thay đổi vị trí với quân cờ chuyển sang bên trái nó”, loại tốn tử thứ hai Điều giúp có khái niệm sau: • Các trạng thái: mô tả trạng thái rõ vị trí quân cờ quân cờ vng Để có hiệu quả, có ích trạng thái bao gồm vị trí trống • Các tốn tử: trống di chuyển sang trái, phải, lên trên, xuống 17 • Kiểm tra mục tiêu: trạng thái khớp với hình dạng hình 3.4 • Chi phí đường đi: bước chi phí 1, chi phí đường độ dài đường Trạng thái đầu Trạng thái đích Hình 2.1 Một ví trị chơi quân cờ Trò chơi quân cờ thuộc loại trò chơi trượt khối Lớp trò chơi biết đến có mức độ hồn thành NP, khơng mong muốn tìm phương pháp tốt thuật tốn tìm kiếm mơ tả chương chương Trò chơi quân cờ mở rộng nó, trò chơi 15 quân cờ vấn đề kiểm tra tiêu chuẩn giải thuật tìm kiếm AI Bài toán quân hậu Mục tiêu toán quân hậu đặt hậu bàn cờ vua cho không ăn (Một hậu ăn nằm hàng, cột đường chéo với nó) Hình 2.2 giải pháp cố gắng để giải tốn khơng thành công: hậu cột bên phải bị hậu bên trái chiếu Mặc dầu giải thuật đặc biệt hiệu tồn để giải toán tập toán tổng quát n hậu, thực vấn đề thú vị dùng để kiểm tra giải thuật tìm kiếm Có hai hai loại phương pháp Phương pháp gia tăng bao gồm việc đặt hậu một, phương pháp trạng thái hoàn thành lại bắt đầu với hậu bàn cờ tiến hành di chuyển hậu Trong hai phương pháp, người ta không quan tâm đến chi phí đường tính đến trạng thái cuối cùng: giải thuật so sánh chi phí tìm kiếm Như vậy, có việc kiểm tra mục tiêu chi phí đường sau: Hình 2.2 Gần giải pháp toán hậu ( Giải pháp thực dành cho bạn đọc tự làm tập.) 18