Báo cáo môn trí tuệ nhân tạo đề tài nhận diện 15 loại cá cảnh và đếm số lượng các loại

Vì thế ta sẽ dùng đến những thuật toán trong bộ môn học máy để có thể tính toán ra được dữ liệu đầu ra hợp lý nhất.Trong bài báo cáo dưới đây, ta sẽ được giới thiệu về các khái niệm cũng

BỘ GIÁO DỤC & ĐÀO TẠO

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬTTP HỒ CHÍ MINH

KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

BÁO CÁO MÔN TRÍ TUỆ NHÂN TẠOĐỀ TÀI: NHẬN DIỆN 15 LOẠI CÁ CẢNH VÀ

TP Hồ Chí Minh – Tháng 6 năm 2022

LỜI CẢM ƠN

Môn trí tuệ nhân tạo AI là một môn rất hữu ích cho học tập cũng như làm việc của sinh viên chúng em Khi được học bộ môn này lần đầu tiên, chúng em còn thiếu kinh nghiệm và vốn kiến thức vẫn chưa được trọn vẹn nên chúng em còn thiếu sót nhiều điều Nhưng sau khi được học môn này, chúng em đã được biết thêm rất nhiều thứ về trí tuệ nhân tạo, môn này cũng giúp cho chúng em nâng cao thêm được những kỹ năng lập trình, cụ thể là lập trình Python

Em rất muốn gửi lời cảm ơn đến thầy bộ môn đã giúp cho chúng em rất nhiều trong việc học tập cũng như hướng dẫn tận tình cho chúng em trong việc làm báo cáo Nếu báo cáo của chúng em còn những thiếu sót mong thầy bỏ qua và chỉ dạy thêm cho chúng em.

MỤC LỤC

TÓM TẮT ĐỀ TÀI 4

CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI 5

1.1 Những khái niệm về trí tuệ nhân tạo: 5

1.2 Những khái niệm về cá giống: 9

1.3 Những phương pháp và thuật toán được sử dụng: 12

CHƯƠNG 2: CHƯƠNG TRÌNH VÀ MÔ HÌNH 16

TÓM TẮT ĐỀ TÀI

Ngành chăn nuôi cá cảnh là một trong những ngành cốt lõi đang phát triển mạnh và đóng góp rất lớn vào nên kinh tế đất nước ta hiện đang thu hút rất nhiều nguồn đầu tư và đang thu về nguồn lợi nhuận khổng lồ Tuy nhiên chăn nuôi cá cảnh cũng là một ngành tốn kém không ít, tiêu hao rất nhiều tài nguyên lẫn nhân lực, nhất là vào các giai đoạn chăm sóc và quan sát,…

Để có giúp cho ngành chăn nuôi cá cảnh phát triển và giảm thiểu tiêu hao, ta có thể dùng trí tuệ nhân tạo để quan sát thông tin cá cảnh và đếm số lượng nhắm vào các mục đích chăn nuôi Tuy nhiên, để có thể có được những dự đoán có độ chính xác cao, ta phải cần đến thời gian để huấn luyện cho máy, thời gian huấn luyện càng nhiều thì giá trị dữ liệu dự đoán cho ra sẽ có độ chính xác nhiều hơn Vì thế ta sẽ dùng đến những thuật toán trong bộ môn học máy để có thể tính toán ra được dữ liệu đầu ra hợp lý nhất.

Trong bài báo cáo dưới đây, ta sẽ được giới thiệu về các khái niệm cũng như những chức năng của từng thuật toán được sử dụng và sẽ được xem những lệnh được sử dụng trên nền tảng Python, qua đó ta có thể sử dụng được để quan sát và thu thập thông tin số lượng cá.

CHƯƠNG 1: TỔNG QUAN VỀ ĐỀ TÀI

1.1.Những khái niệm về trí tuệ nhân tạo:

Trước khi đi vào những chương trình Python, ta phải biết đến những khái niệm cơ bản về trí tuệ nhân tạo và cũng như những ứng dụng của AI trong cuộc sống để có thể sử dụng tốt những phần mềm lập trình và hiểu được các thuật toán quan trọng.

Trong khoa học máy tính, trí tuệ nhân tạo hay AI (artificial intelligence), đôi khi được gọi là trí thông minh nhân tạo, là trí thông minh được thể hiện bằng máy móc, trái ngược với trí thông minh tự nhiên của con người Thông thường, thuật ngữ "trí tuệ nhân tạo" thường được sử dụng để mô tả các máy móc (hoặc máy tính) có khả năng bắt chước các chức năng "nhận thức" mà con người thường phải liên kết với tâm trí, như "học tập" và "giải quyết vấn đề".

Khi máy móc ngày càng tăng khả năng, các nhiệm vụ được coi là cần "trí thông minh" thường bị loại bỏ khỏi định nghĩa về AI, một hiện tượng được gọi là hiệu ứng AI Một câu châm ngôn trong Định lý của Tesler nói rằng "AI là bất cứ điều gì chưa được thực hiện.” Ví dụ, nhận dạng ký tự quang học thường bị loại trừ khỏi những thứ được coi là AI, đã trở thành một công nghệ thông thường khả năng máy hiện đại thường được phân loại như AI bao gồm thành công hiểu lời nói của con người, cạnh tranh ở mức cao nhất trong trò chơi chiến lược (chẳng hạn như cờ vua và Go), xe hoạt động độc lập, định tuyến thông minh trong mạng phân phối nội dung, và mô phỏng quân sự.

Trí tuệ nhân tạo có thể được phân thành ba loại hệ thống khác nhau: trí tuệ nhân tạo phân tích, lấy cảm hứng từ con người và nhân tạo AI phân tích chỉ có các đặc điểm phù hợp với trí tuệ nhận thức; tạo ra một đại diện nhận thức về thế giới và sử dụng học tập dựa trên kinh nghiệm trong quá khứ để thông báo các quyết định trong tương lai AI lấy cảm hứng từ con người có các yếu tố từ trí tuệ nhận thức và cảm xúc; hiểu cảm xúc của con người, ngoài các yếu tố nhận thức và xem xét chúng trong việc ra quyết định AI nhân cách hóa cho thấy các đặc điểm của tất cả các loại năng lực (nghĩa là trí tuệ nhận thức, cảm xúc và xã hội), có khả năng tự ý thức và tự nhận thức được trong các tương tác.

Trí tuệ nhân tạo được thành lập như một môn học thuật vào năm 1956, và trong những năm sau đó đã trải qua nhiều làn sóng lạc quan, sau đó là sự thất vọng và mất kinh phí (được gọi là "mùa đông AI"), tiếp theo là cách tiếp cận mới, thành công và tài trợ mới Trong phần lớn lịch sử của mình, nghiên cứu AI đã được chia thành các trường con thường không liên lạc được với nhau Các trường con này dựa trên các cân nhắc kỹ thuật, chẳng hạn như các mục tiêu cụ thể (ví dụ: "robot học" hoặc "học máy"), việc sử dụng các công cụ cụ thể ("logic" hoặc mạng lưới thần kinh nhân tạo) hoặc sự khác biệt triết học sâu sắc Các ngành con cũng được dựa trên các yếu tố xã hội (các tổ chức cụ thể hoặc công việc của các nhà nghiên cứu cụ thể).

Hình 1.1: Mục tiêu của trí tuệ nhân tạo

Lĩnh vực này được thành lập dựa trên tuyên bố rằng trí thông minh của con người "có thể được mô tả chính xác đến mức một cỗ máy có thể được chế tạo để mô phỏng nó" Điều này làm dấy lên những tranh luận triết học về bản chất của tâm trí và đạo đức khi tạo ra những sinh vật nhân tạo có trí thông minh giống con người, đó là những vấn đề đã được thần thoại, viễn tưởng và triết học từ thời cổ đại đề cập tới Một số người cũng coi AI là mối nguy hiểm cho nhân loại nếu tiến triển của nó không suy giảm Những người khác tin rằng AI, không giống như các cuộc cách mạng công nghệ trước đây, sẽ tạo ra nguy cơ thất nghiệp hàng loạt.

Trong thế kỷ 21, các kỹ thuật AI đã trải qua sự hồi sinh sau những tiến bộ đồng thời về sức mạnh máy tính, dữ liệu lớn và hiểu biết lý thuyết; và kỹ thuật AI đã trở thành một phần thiết yếu của ngành công nghệ, giúp giải quyết nhiều vấn đề thách

thức trong học máy, công nghệ phần mềm và nghiên cứu vận hành.

Trí tuệ nhân tạo (AI) chia thành hai trường phái tư duy Trí tuê nhân tạo truyền thống và trí tuệ tính toán.

Trí tuê nhân tạo truyền thống hầu như bao gồm các phương pháp hiện được phân loại là các phương pháp học máy (Machine literacy), đặc trưng bởi hệ hình thức (formalism) và phân tích thống kê Nó còn được biết với các tên Trí tuê nhân tạo biểu tượng, Trí tuê nhân tạo sense, Trí tuê nhân tạo ngăn nắp (neat AI) và Trí tuê nhân tạo cổ điển (Good Old Fashioned Artificial Intelligence) Các phương pháp gồm có

• Hệ chuyên gia áp dụng các khả năng suy luận để đạt tới một kết luận Một hệ chuyên gia có thể xử lý các lượng lớn thông drum đã biết và đưa ra các kết luận dựa trên các thông drum đó Clippy chương trình trợ giúp có hình cái kẹp giấy của Microsoft Office là một ví dụ Khi người dùng gõ phím, Clippy nhận ra các xu hướng nhất định và đưa ra các gợi ý.

• Lập luận theo tình huống • Mạng Bayes.

Trí tuệ tính toán nghiên cứu việc học hoặc phát triển lặp (ví dụ tinh chỉnh tham số trong hệ thống, chẳng hạn hệ thống connectionist) Việc học dựa trên dữ liệu kinh nghiệm và có quan hệ với Trí tuệ nhân tạo phi ký hiệu, Trí tuê nhân tạo lộn xộn (scruffy AI) và tính toán mềm (soft computing) Các phương pháp chính gồm có

• Mạng neural các hệ thống mạnh về nhận dạng mẫu (pattern recognition).

• Hệ mờ (Fuzzy system) các kỹ thuật suy luận không chắc chắn, đã được sử dụng rộng rãi trong các hệ thống công nghiệp hiện đại và các hệ thống quản lý sản phẩm tiêu dùng.

• Tính toán tiến hóa (Evolutionary calculation) ứng dụng các khái niệm sinh học như quần thể, biến dị và đấu tranh sinh tồn để sinh các lời giải ngày càng tốt hơn cho bài toán Các phương pháp này thường được chia thành các thuật toán tiến hóa (ví dụ thuật toán gene) và trí tuệ bầy đàn (mass intelligence) (chẳng hạn hệ kiến).

• Trí tuê nhân tạo dựa hành vi (geste grounded AI) một phương pháp module để xây dựng các hệ thống Trí tuê nhân tạo bằng tay.

Người ta đã nghiên cứu các hệ thống thông minh lai (mongrel intelligent system), trong đó kết hợp hai trường phái này Các luật suy diễn của hệ chuyên gia có thể được sinh bởi mạng neural hoặc các luật dẫn xuất (product rule) từ việc học theo thống kê như trong kiến trúc ACT-R.

Các phương pháp trí tuệ nhân tạo thường được dùng trong các công trình nghiên cứu khoa học nhận thức (cognitive wisdom), một ngành cố gắng tạo ra mô hình nhận thức của con người( việc này khác với các nghiên cứu Trí tuê nhân tạo, vì Trí tuê nhân tạo chỉ muốn tạo ra máy móc thực dụng, không phải tạo ra mô hình về hoạt động của bộ óc con người).

1.2 Những khái niệm về cá cảnh:

Những năm trước đây từ "cá cảnh" được dùng một cách chung chung, như vậy nên khó nhận biết qui cỡ cụ thể của từng loại cá

Các loại cá giống gồm: Cá Anthias anthias

Cá Atherinomorus lacunosus

Cá Belone belone

Cá Boops boops

Cá Chlorophthalmus agassizi

Cá Coris julis

Cá Daysyatis centroura

Cá Epinephelus canius

Cá Gobius niger

Cá Mugil cephalus

Cá Phycis phycis

Cá Polyprion americanus

Cá Pseudocaranx dentex

Cá Rhinobatos cemiculus

Cá Scomber japonicus

1.3 Những phương pháp và thuật toán được sử dụng:

Trong trí tuệ nhân tạo ta có thể sử dụng những thuật toán để giúp cho việc huấn luyện được dễ dàng hơn Vì thế ta sẽ sử dụng những thuật toán hữu ích trong các nhánh của trí tuệ nhân tạo và ta sẽ sử dụng phần mềm lập trình python Python là

năm 1991 Python được thiết kế với ưu điểm mạnh là dễ đọc, dễ học và dễ nhớ Python là ngôn ngữ có hình thức rất sáng sủa, cấu trúc rõ ràng, thuận tiện cho người mới học lập trình và là ngôn ngữ lập trình dễ học; được dùng rộng rãi trong phát triển trí tuệ nhân tạo Cấu trúc của Python còn cho phép người sử dụng viết mã lệnh với số lần gõ phím tối thiểu Vào tháng 7 năm 2018, van Rossum đã từ chức lãnh đạo trong cộng đồng ngôn ngữ Python sau 30 năm làm việc

Hình 1.2: Ngôn ngữ lập trình Python

Trong ngôn ngữ python ta sẽ sử dụng một mạng thần kinh tích chập (còn gọi là mạng nơ-ron tích chập hay ít phổ biến hơn là mạng thần kinh/nơ-ron chuyển đổi, tiếng Anh: convolutional neural network, viết tắt CNN hay ConvNet) là một lớp của mạng thần kinh sâu (deep neural network), áp dụng phổ biến nhất để phân tích hình ảnh trực quan Mạng còn được gọi là shift invariant (dịch chuyển bất biến) hay mạng thần kinh nhân tạo không gian bất biến (SIANN), dựa trên kiến trúc trọng số được

chia sẻ và các đặc tính đối xứng tịnh tiến (translational symmetry) CNN có nhiều ứng dụng trong thị giác máy tính, hệ thống gợi ý, phân loại hình ảnh, tính toán hình ảnh y tế (điện toán hình ảnh y tế), xử lý ngôn ngữ tự nhiên, và chuỗi thời gian tài chính

Hình 1.3: Một mạng thần kinh với nhiều lớp

Ngoài những thuật toán trên, ta cũng phải cần đến một nguồn dữ liệu hợp lý để có thể huấn luyện cho máy tính Dữ liệu huấn luyện là một tập dữ liệu cực lớn được sử dụng để dạy mô hình học máy Dữ liệu huấn luyện được sử dụng để dạy các mô hình dự đoán sử dụng thuật toán học máy cách trích xuất các tính năng có liên quan đến các mục tiêu kinh doanh cụ thể Đối với các mô hình ML được giám sát, dữ liệu huấn luyện được gắn nhãn Dữ liệu được sử dụng để đào tạo các mô hình ML không được giám sát không được gắn nhãn.

Ý tưởng sử dụng dữ liệu đào tạo trong các chương trình học máy là một khái niệm đơn giản, nhưng nó cũng rất cơ bản đối với cách thức hoạt động của các công nghệ này Dữ liệu đào tạo

chương trình hiểu cách áp dụng các công nghệ như mạng nơ-ron để học và tạo ra các kết quả phức tạp Nó có thể được bổ sung bởi các bộ dữ liệu tiếp theo được gọi là bộ xác nhận và kiểm tra.

Dữ liệu huấn luyện còn được gọi là tập hợp đào tạo, tập dữ liệu đào tạo hoặc tập hợp học tập.

Hình 1.4: Quá trình huấn luyện dữ liệu

Long short-term memory (LSTM) là một kiến trúc artificial recurrent neural network (RNN) được sử dụng trong lĩnh vực Deep learning Nó được đề xuất vào năm 1997 bởi Sepp Hochreiter và Jurgen schmidhuber Không giống như các feed-forward neural networks, LSTM có các kết nối phản hồi Nó có thể xử lý không chỉ các điểm dữ liệu đơn lẻ (chẳng hạn như hình

ảnh) mà còn toàn bộ chuỗi dữ liệu (chẳng hạn như lời nói hoặc video).

Hình 1.5: Một mô hình LSTM

LSTM được thiết kế để tránh được vấn đề phụ thuộc xa (long-term dependency).Việc nhớ thông tin trong suốt thời gian dài là đặc tính mặc định của chúng,chứ ta không cần phải huấn luyện nó để có thể nhớ được.Tức là ngay nội tại của nó đã có thể ghi nhớ được mà không cần bất kì can thiệp nào.

CHƯƠNG 2: CHƯƠNG TRÌNH VÀ MÔ HÌNH

Sau khi nắm bắt được những khái niệm cơ bản về chứng khoán, trí tuệ nhân tạo và các thuật toán quan trọng, ta sẽ bắt đầu xây dựng trương chình để bắt đầu huấn luyện dữ liệu.

Bước đầu tiên ta sẽ sử dụng trương chình Python và ta sẽ sử dụng trên trang web Google Colab Google Colab có tên gọi đầy đủ là “Google Colaboratory” và chúng là thành quả của dự án Google Research Mục đích của Google Colab đó chính là việc cho hỗ trợ chạy code Python trực tiếp thông qua trình duyệt và chúng phù hợp với Data analysis (phân tích dữ liệu), machine learning (học máy) và giáo dục hệ thống Google Colab sẽ giúp các bạn giải quyết đi vấn đề đó khi chúng không đòi hỏi cấu hình máy tính mà sử dụng tài nguyên máy tính từ các hệ thống sẵn có.

2.2 Chương trình chạy real-time:

CHƯƠNG 3: KẾT LUẬN

Sau khi thiết kế được chương trình ta có thể thấy được sự hiệu quả của các thuật toán đã được sử dụng, ta cũng thấy

có thể áp dụng những thuật toán này để dự đoán giá chứng khoán của các công ty khác

Tuy nhiên ta cần phải lưu ý dữ liệu nếu đầu ra của chúng ta quá nhiều thì độ chính xác của kết quả đầu ra sẽ không được cao lắm Vì thế ta cần phải cân nhắc việc lựa chọn số lượng dữ liệu đầu ra cho chính xác Ngoài ra, ta cũng phải chú ý đến thời gian huấn luyện của chương trình Thời gian huấn luyện dữ liệu càng nhiều thì độ chính xác của mô hình đầu ra sẽ càng cao (đặc biệt chú ý đến những batch_size và epochs trong quá trình viết code).

Lời cảm ơn: Em xin chân thành cảm ơn thầy NguyễnTrường Thịnh đã hỗ trợ em thực hiện dự án này