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 THUẬT

TP HỒ CHÍ MINH KHOA ĐÀO TẠO CHẤT LƯỢNG CAO

BÁO CÁO MÔN TRÍ TUỆ NHÂN TẠO

ĐỀ TÀI: NHẬN DIỆN 15 LOẠI CÁ CẢNH VÀ

ĐẾM SỐ LƯỢNG CÁC LOẠI

GVHD: PGS.TS NGUYỄN TRƯỜNG THỊNH

HỌ VÀ TÊN: NGUYỄN QUANG THẠNH MSSV: 19146263

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 tậpcũng như làm việc của sinh viên chúng em Khi được học bộmôn này lần đầu tiên, chúng em còn thiếu kinh nghiệm và vốnkiến thức vẫn chưa được trọn vẹn nên chúng em còn thiếu sótnhiều điều Nhưng sau khi được học môn này, chúng em đãđược biết thêm rất nhiều thứ về trí tuệ nhân tạo, môn này cũnggiúp cho chúng em nâng cao thêm được những kỹ năng lậptrình, cụ thể là lập trình Python

Em rất muốn gửi lời cảm ơn đến thầy bộ môn đã giúp chochúng em rất nhiều trong việc học tập cũng như hướng dẫn tậntình cho chúng em trong việc làm báo cáo Nếu báo cáo củachúng em còn những thiếu sót mong thầy bỏ qua và chỉ dạythêm 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

2.1 Chương trình chính……….17

2.2 Chương trình chạy real-time……… 22

CHƯƠNG 3: KẾT LUẬN 22

Link Github: https://github.com/mifusss/Project-AI

TÓM TẮT ĐỀ TÀI

Ngành chăn nuôi cá cảnh là một trong những ngành cốt lõiđang phát triển mạnh và đóng góp rất lớn vào nên kinh tế đấtnước 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 nguyênlẫn nhân lực, nhất là vào các giai đoạn chăm sóc và quan sát,…

Để có giúp cho ngành chăn nuôi cá cảnh phát triển vàgiảm thiểu tiêu hao, ta có thể dùng trí tuệ nhân tạo để quan sátthông tin cá cảnh và đếm số lượng nhắm vào các mục đích chănnuôi Tuy nhiên, để có thể có được những dự đoán có độ chínhxác cao, ta phải cần đến thời gian để huấn luyện cho máy, thờigian 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 thuậttoán trong bộ môn học máy để có thể tính toán ra được dữ liệuđầu ra hợp lý nhất

Trong bài báo cáo dưới đây, ta sẽ được giới thiệu về cáckhái niệm cũng như những chức năng của từng thuật toán được

sử dụng và sẽ được xem những lệnh được sử dụng trên nền tảngPython, qua đó ta có thể sử dụng được để quan sát và thu thậpthông 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 biếtđến những khái niệm cơ bản về trí tuệ nhân tạo và cũng nhưnhững ứng dụng của AI trong cuộc sống để có thể sử dụng tốtnhững phần mềm lập trình và hiểu được các thuật toán quantrọng

Trong khoa học máy tính, trí tuệ nhân tạo hay AI (artificialintelligence), đôi khi được gọi là trí thông minh nhân tạo, là tríthông minh được thể hiện bằng máy móc, trái ngược với tríthông 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 "nhậnthức" mà con người thường phải liên kết với tâm trí, như "họctập" và "giải quyết vấn đề"

Khi máy móc ngày càng tăng khả năng, các nhiệm vụ đượccoi 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 ngôntrong Định lý của Tesler nói rằng "AI là bất cứ điều gì chưa đượcthực hiện.” Ví dụ, nhận dạng ký tự quang học thường bị loại trừkhỏi những thứ được coi là AI, đã trở thành một công nghệthông thường khả năng máy hiện đại thường được phân loạinhư AI bao gồm thành công hiểu lời nói của con người, cạnhtranh ở mức cao nhất trong trò chơi chiến lược (chẳng hạnnhư cờ vua và Go), xe hoạt động độc lập, định tuyến thông minhtrong mạng phân phối nội dung, và mô phỏng quân sự

Trí tuệ nhân tạo có thể được phân thành ba loại hệ thốngkhác nhau: trí tuệ nhân tạo phân tích, lấy cảm hứng từ conngười và nhân tạo AI phân tích chỉ có các đặc điểm phù hợpvới 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 đểthông báo các quyết định trong tương lai AI lấy cảm hứng từcon người có các yếu tố từ trí tuệ nhận thức và cảm xúc; hiểucảm xúc của con người, ngoài các yếu tố nhận thức và xem xétchúng trong việc ra quyết định AI nhân cách hóa cho thấy cácđặc điểm của tất cả các loại năng lực (nghĩa là trí tuệ nhậnthức, cảm xúc và xã hội), có khả năng tự ý thức và tự nhận thứcđược trong các tương tác

Trí tuệ nhân tạo được thành lập như một môn học thuậtvào năm 1956, và trong những năm sau đó đã trải qua nhiềulàn sóng lạc quan, sau đó là sự thất vọng và mất kinh phí (đượcgọi là "mùa đông AI"), tiếp theo là cách tiếp cận mới, thànhcông và tài trợ mới Trong phần lớn lịch sử của mình, nghiên cứu

AI đã được chia thành các trường con thường không liên lạcđược với nhau Các trường con này dựa trên các cân nhắc kỹthuật, 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 họcsâu 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 cụthể)

Hình 1.1: Mục tiêu của trí tuệ nhân tạo

Lĩnh vực này được thành lập dựa trên tuyên bố rằng tríthông minh của con người "có thể được mô tả chính xác đếnmức một cỗ máy có thể được chế tạo để mô phỏng nó" Điềunày làm dấy lên những tranh luận triết học về bản chất của tâmtrí và đạo đức khi tạo ra những sinh vật nhân tạo có trí thôngminh 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 ngườicũng coi AI là mối nguy hiểm cho nhân loại nếu tiến triển của nókhông suy giảm Những người khác tin rằng AI, không giống nhưcác cuộc cách mạng công nghệ trước đây, sẽ tạo ra nguy cơthất nghiệp hàng loạt

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

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

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

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

• Hệ chuyên gia áp dụng các khả năng suy luận để đạt tớimột kết luận Một hệ chuyên gia có thể xử lý các lượng lớnthông drum đã biết và đưa ra các kết luận dựa trên các thôngdrum đó Clippy chương trình trợ giúp có hình cái kẹp giấy củaMicrosoft Office là một ví dụ Khi người dùng gõ phím, Clippynhận 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 thốngconnectionist) Việc học dựa trên dữ liệu kinh nghiệm và cóquan hệ với Trí tuệ nhân tạo phi ký hiệu, Trí tuê nhân tạo lộn xộn(scruffy AI) và tính toán mềm (soft computing) Các phươngpháp 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 chắcchắn, đã được sử dụng rộng rãi trong các hệ thống công nghiệphiện đại và các hệ thống quản lý sản phẩm tiêu dùng.

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

• Trí tuê nhân tạo dựa hành vi (geste grounded AI) mộtphương pháp module để xây dựng các hệ thống Trí tuê nhân tạobằng tay

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

Các phương pháp trí tuệ nhân tạo thường được dùng trongcác công trình nghiên cứu khoa học nhận thức (cognitivewisdom), một ngành cố gắng tạo ra mô hình nhận thức của conngười( việc này khác với các nghiên cứu Trí tuê nhân tạo, vì Trítuê nhân tạo chỉ muốn tạo ra máy móc thực dụng, không phảitạo 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 cáchchung chung, như vậy nên khó nhận biết qui cỡ cụ thể của từngloại 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 sửdụng những thuật toán hữu ích trong các nhánh của trí tuệ nhântạo 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, dễhọc 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 làngôn ngữ lập trình dễ học; được dùng rộng rãi trong pháttriển 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 7năm 2018, van Rossum đã từ chức lãnh đạo trong cộng đồngngôn ngữ Python sau 30 năm làm việc

chia sẻ và các đặc tính đối xứng tịnh tiến (translationalsymmetry) CNN có nhiều ứng dụng trong thị giác máy tính, hệthống gợi ý, phân loại hình ảnh, tính toán hình ảnh y tế (điệntoán hình ảnh y tế), xử lý ngôn ngữ tự nhiên, và chuỗi thờigian tài chính

Hình 1.3: Mộtmạng thần kinh với nhiều lớp

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

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

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

nơ-Dữ liệu huấn luyện còn được gọi là tập hợp đào tạo, tập dữliệu 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 artificialrecurrent neural network (RNN) được sử dụng trong lĩnh vựcDeep learning Nó được đề xuất vào năm 1997 bởi SeppHochreiter và Jurgen schmidhuber Không giống như các feed-forward neural networks, LSTM có các kết nối phản hồi Nó cóthể 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 hoặcvideo)

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 giandài là đặc tính mặc định của chúng,chứ ta không cần phải huấnluyện nó để có thể nhớ được.Tức là ngay nội tại của nó đã cóthể 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 chứngkhoán, trí tuệ nhân tạo và các thuật toán quan trọng, ta sẽ bắtđầu 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 gọiđầy đủ là “Google Colaboratory” và chúng là thành quả của dự

án Google Research Mục đích của Google Colab đó chính là việccho hỗ trợ chạy code Python trực tiếp thông qua trình duyệt vàchúng phù hợp với Data analysis (phân tích dữ liệu), machinelearning (học máy) và giáo dục hệ thống Google Colab sẽ giúpcác bạn giải quyết đi vấn đề đó khi chúng không đòi hỏi cấuhình máy tính mà sử dụng tài nguyên máy tính từ các hệ thốngsẵn có

2.2 Chương trình chạy real-time:

CHƯƠNG 3: KẾT LUẬN

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

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

Tuy nhiên ta cần phải lưu ý dữ liệu nếu đầu ra của chúng taquá nhiều thì độ chính xác của kết quả đầu ra sẽ không đượccao lắm Vì thế ta cần phải cân nhắc việc lựa chọn số lượng dữliệu đầu ra cho chính xác Ngoài ra, ta cũng phải chú ý đến thờigian huấn luyện của chương trình Thời gian huấn luyện dữ liệucàng 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 trìnhviết code)

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