Báo Cáo Môn Trí Tuệ Nhân Tạo.pdf

CHƯƠNG 2: TÌM HIỂU VỀ TRÍ TUỆ NHÂN TAO 2.1 Khai niém Artificial Intelligence AD Trong khoa học máy tính, trí tuệ nhân tao hay AI Artificial Intelligence la tri théng minh nhân tạo được t

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP HÒ CHÍ MINH

KHOA CÔNG NGHỆ THÔNG TIN

MỤC LỤC

CHƯƠNG I: TÌM HIỂU VỀ ĐẠO VÄN 26 2222122211221 2110111 reg 4

1.1 Khải niệm -.- 2c 2 221211211511 115351112121 111 101211111 811111 11 111k HH ng 4 1.2 Các hình thức đạo văn phổ biến 2-5 ST E E2E211211212712 1E 2 1 Etrrrea 4

CHƯƠNG 2: TIM HIEU VE TRE TUE NHAN TẠO -5222:22222 222222 2zxrzrrree 5

2.1 Khai miém Artificial Intelligence (AD) 00 00cc cece cect cctcceeeeseeeeceeeeenteeestteeeeenes 5 2.2 Machine learning (hoc May) cc ccc ccc ccc ccc eceecececeseeeceeeseeesseeeseseentteesesstieeeniaes 5 2.3 Reinforcement Learning (hoc tăng cường) c c2 12t n1 nền vn Hư gey 5

2.5 Luật lệ và đạo đổỨC - c c Q Q n HH SH TT ng ST 2 1k KHE 1 0555511 kksxy 6

2.6 Các hướng tiếp cận AI - SE 1212112112 111 01122111 1 1H HH te 6 2.7 Nền tảng cho AIL - 5c 5c 1 E1 1 111121121111 011Ẹ121112 121 11 11 ng Hee 7

CHƯƠNG 3: TÌM HIễU VỀ CÁC THUẬT TOÁN -25222222222 22 2222k 8

3.1 CONCEPTUAL ALGORITHM - 5 22 21221121121 15111 1182211228121 128111 ray 8 EINWIL Son hd 8 3.1.2 Graph Search L1 2121122111121 1121 15 111181118115 111111111 11111 1 11k ngư 9 3.2 Unmformed Search (Blind Search) 2c 2211121111211 121 1111115111811 11128 kx ưu 10 3.2.1 Breadth-first Search - c1 2t 121 1121121 1111111 11111111 131111111 111011111 1E HH 10 3.2.2 Uniform-cost search algorithm - c1 2c 1222122131111 111 1215 1111155111151 key II 3.2.3 Depth-frst search (IDFS) L2 121221111111 1251 1211111115111 111 10111 1k kg 12 3.2.4 Depth-limited search - c0 0122111 1212121211 21118111011 10111 1811181121111 Hy Hyky 13 3.2.5 Iterative deepening search c2 2111211 2211211121111 1111211111011 1 11 xky 15 3.3 Informed Search Algorithms c2 2 2221212111211 1 12111211211 1111 118112 111111111 errey 16

3.4 SEARCHING IN MORE COMPLEX ENVIROMENTS - ¿2c c c2 18 3.4.1 LOCAL SEARCH- SEARCHING FOR GOAL STATE -.c 22c c2 s2 18

3.5 SEARCHING IN NONDETERMINISTIC ENVIROMENTS 19

3.6 SEARCH IN PARTIALLY OBSERVABLE ENVIROMENTS - 20

KVA09)iì (số ionŸệiadaađađaađaiđiiiiiaadadadaâẢdẢdẢẢẢẢ 21 3.8 Online Search [4] ccc ccc cece cecceneeceeseesessessesseseessesessesestsseesseesesenenses 21 3.8.1 Online Depth-First Search Aø€nI c2 1 201122222 11121112 225111 re 21 3.8.2 Learnmng Real Time- Time “ aØ€HI - c0 222121221 21111 118111211 re 22 K9 an 4314 23 3.10 Constraint satIsfaction problems (CSP) [6] 5 22 2222122111222 cere tre 23 3.11 AC -3 alorgTthm 2 2022112111121 15 1151 1151115115111 nen TH key 25 3.12 Backtracking search algorithm - c1 22 2221212111111 115151211 1111181111121 xe 26

I.100020007)/84 0n 28

CHUONG 1: TÌM HIỂU VỀ ĐẠO VAN 1.1.1 Khái niệm

Đạo văn - tiếng Anh là Plagiarism, tiếng Latin nghĩa là kẻ bắt cóc, là hình thức chiếm hữu một cách sai trái "ngôn ngữ, suy nghĩ, ý tưởng, hay cách diễn đạt" của người khác và

xem chúng như là những gì do mình tự tạo ra Khái nệm về đạo văn vẫn chưa có những

định nghĩa và quy tắc rõ ràng [I]

Tại Việt Nam, đạo văn đang là một vấn nạn trong nhiều lĩnh vực như: giáo dục, khoa

học, xuất bản Tuy nhiên, vẫn chưa có một chương trình học thuật nao dao tao bai ban

cho học sinh về đạo văn, cũng như cách phòng tránh thói quen đạo văn ngay từ khi còn nhỏ

1.2 Các hình thức đạo văn phố biến

- _ Sử dụng một hay nhiều đoạn văn từ công trình nghiên cứu của người khác mà không trích dẫn nguồn

- _ Sửa lại công trình nghiên cứu của người khác và biến nó thành của mình - Có trích dẫn nhưng không ghi hết nguồn trích dẫn từ đâu, từ ai

- _ Sử dụng các thành quá trước đó của chính mình đề phục vụ cho bài nghiên cứu mdi

- V6y hoae cé ý ghi sai nguồn

1.3 Phong tranh dao van

Cach tét nhat dé tranh viéc dao van la hay trich dan nguon bất cứ khi nào bạn sử dụng

lời trích, chủ giải một cách chỉ tiết và cụ thể Đây cũng là cách bạn có thê kiểm tra lại thông tin tham khảo một cách nhanh chóng nêu muốn chính sửa hay so sánh tước khi nộp bài

Hãy biết trân trọng thành quả lao động của người khác nếu bạn kỳ vọng người khác

tôn trọng những nỗ lực của chính bạn Xã hội chỉ có thể phát triển nếu có sự sang tao,

phat minh va sang kién

CHƯƠNG 2: TÌM HIỂU VỀ TRÍ TUỆ NHÂN TAO

2.1 Khai niém Artificial Intelligence (AD

Trong khoa học máy tính, trí tuệ nhân tao hay AI (Artificial Intelligence) la tri théng minh nhân tạo được thể hiện bằng máy móc, khác với trí thông minh tự nhiên được con người hay các loài sinh vật khác thể hiện [2]

Thông thường, thuật ngữ "trí tuệ nhân tạo" thường được sử dụng để mô tả các máy móc (hoặc máy tính) bắt chước các chức năng "nhận thức" mà con người liên kết với tâm trí con người, như "học tập" và "giải quyết vấn đề"

Cách hoạt động của AI: ban đầu agent (đối tượng) sẽ tác động lên environment (môi trường) thông qua actions (các hành động), sau đó environment sẽ trả về cho agents là percepts/observations (các quan sát) Với mỗi action với môi trường, agent sẽ thu về percepts/observations thông qua sensors, các percepts tập hợp lại thành I chuỗi gọi là percepts sequence

Trong lý thuyết mà chúng ta đang tìm hiểu, AI chia làm 2 linh vue: Machine Learning (hoc may) va Deep Learning (hoc sâu)

2.2 Machine learning (hoc may)

Thuộc trường phái tri tué nhân tạo truyền thống, Machine learning là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống "học" tự động từ dữ liệu để giải quyết những vấn đề cụ thể

Machine Learning gồm có 3 mô hình máy học: Supervised Learning (học có giám sát), Unsupervised Learnmng Learning (học không giám sat), Reinforcement Learning (học tang cường)

2.3 Reinforcement Learning (hoc tăng cường)

Reinforcement learning (RL) 1a mét lĩnh vực của machine learning liên quan đến cách các máy học phải thực hiện các hành động trong một môi trường đề tôi đa hóa phần thưởng tích lũy (reward)

Cách hoạt động: ban đầu agents (players/learners) sẽ tác động lên environment (môi trường) thông qua actions (các hành động), sau đó environment sẽ trả về cho agents 2 thông số: reward (thưởng) và observations (những quan sát) Qua đó agents sẽ học và cập

nhật được các kiến thức mới

2.4 Lich sw AI

- Nam 1956, | workshop duoc tổ chức tại trường đại học Dartmouth bởi 1 nhóm các nhà khoa học Tại đây, họ đã nói về tầm nhìn phát triển của ngành AI rằng mong muốn tạo ra được những cái máy có thể sử dụng ngôn ngữ làm việc với các khái niệm trừu

tượng và từ đó AI được coi là I ngành độc lập

- Những năm 1980, do sự phát triển của nhiều công trình nghiên cứu, ngành AI bứt phá và trở thành lĩnh vực công nghiệp

- Năm 1995, với sự bùng nỗ của internet, nhu cầu của con người về intelligent agents (chatbots, search bots, .) ngay cang nhiéu

- Hiện tại, kho dữ liệu số mà con người tạo ra ngày càng lớn, ta có thể tạo ra những AI

thông minh có thê đạt tới human-level AI và sau này có thê tốt hơn

2.5 Luật lệ và đạo đức

- Như mọi ngành nghề khác, vân đê đạo đức và luật lệ luôn được đặt lên hàng đâu

- 3 vấn đề chính trong chuân đạo đức: Virtue ethics (đạo đức về đức hạnh), Deontology (dao ly), consequentialism (hau quả)

- Luật lệ trong phân tích dữ ligu: statutory law (Luat quy dinh), common law (luật lệ thông thường), constitumional law (luật hiên bang)

- IRAC - Một phương pháp truyền thống đề phân tích các vấn đề pháp lý bao gồm: Issue (Vấn đề), Rule (Quy tắc), Application (Ứng dụng), Conclusion (Kết luận) 2.6 Các hướng tiếp cận AI

Có 4 hướng tiệp cận AI:

Xây dựng AI suy nghĩ giống con người (Thinking humanly) Xây dựng AI hành động giống con người (Acting humanly) Xây dựng AI suy nghĩ có lý trí (Thinking rationally) Xây dựng AI hành động cé ly tri (Acting rationally) 2.7 Nền tảng cho AI

- Philosophy (triết học)

- Math (toán học)

- Economics (kinh tế học)

- Neuroscience (khoa hoe than kinh)

- Psychology (vat ly)

- Linguistics (ngén ngữ học)

- Computer engineering (ky thuat may tinh)

- Control theory (thuyét kiém soat)

CHƯƠNG 3: TÌM HIẾU VE CÁC THUẬT TOÁN

3.1 CONCEPTUALALGORITHM

3.1.1 Tree Search

Ý tưởng thuật toán: khởi tạo Frontier la initial state sau do ta di vao vong lap Trong vong

lap chon | leaf node dé mo rong và loại nó ra khỏi frontier Tiệp tục chọn các node được

mở rộng là leaf node cho đên khi nào tìm được node là goal state hodc Frontier rong ma không tìm được kết quả thì vòng lặp sẽ dừng

Giải thuật:

function TREE-SEARCH( problem) returns a solution, or failure

initialize the frontier using the initial state of problem

loop do

if the frontier is empty then return failure

choose a leaf node and remove it from the frontier

if the node contains a goal state then return the corresponding solution expand the chosen node, adding the resulting nodes to the frontier

3.1.2 Graph Search

Ý tưởng thuật toán: Giống như Tree Search nhưng khi đã chọn I leaf node để mở rộng ta thêm nó vô explored set (tập hợp các node đã được khám phá) để không phải chọn lại các node đó lần sau

Giải thuật:

function GRAPH-SEARCH( problem) returns a solution, or failure

initialize the frontier using the initial state of problem

initialize the explored set to be empty

loop do

if the frontier is empty then return failure

choose a leaf node and remove it from the frontier

if the node contains a goal state then return the corresponding solution add the node to the explored set

expand the chosen node, adding the resulting nodes to the frontier only if not in the frontier or explored set

Vi du:

3.2 Uninformed Search (Blind Search)

function BREADTH-FIRST-SEARCH( problem) returns a solution, or failure

node a node with STATE = problem INITIAL-STATE, PATH-COST = 0

if problem.GOAL-TEST(node.STATE) then return SOLUTION(node)

frontier — a FIFO queue with node as the only element

explored — an empty set

loop do

if EMPTY ?( frontier) then return failure

node — POP( frontier) /* chooses the shallowest node in frontier */

add node.STATE to explored

for each action in problem.ACTIONS(node.STATE) do

child — CHILD-NODE( problem, node, action)

if child.STATE is not in explored or frontier then

if problem.GOAL-TEST(child.STATE) then return SOLUTION(child)

frontier — INSERT(child, frontier)

Demo: str dung beadth-first search dé giai bai toan 8-puzzle

10

node = Node(problem initial)

for child in node.expand(problem):

if child.state not in explored and child not in frontier:

if problem.goal test(child.state):

return child frontier append(child)

return None

NGUON: bai tập tuân 6 thầy Thần Nhật Quang

https://drive google.com/drive/folders/Ipxlvjwy WC7fd-C4tNvB_GJqtJxMklxOn

3.2.2 Uniform-cost search algorithm

Thuat toan Uniform-cost search (thuộc chiến lược tìm kiếm mủ) là một thuật toán duyệt, tìm kiêm trên một câu trúc cây, hoặc đồ thị có trọng sô Việc tìm kiêm bắt đầu tại

root node và tiếp tục băng cách duyệt các node tiếp theo với trọng sô hay chi phi thâp nhất tính từ root node

Giải thuật:

function UNIFORM-COST-SEARCH( problem) returns a solution, or failure node —a node with STATE = problem.INITIAL-STATE, PATH-COST = 0

frontier — a priority queue ordered by PATH-COST, with node as the only element explored <— an empty set

loop do

if EMPTY ?( frontier) then return failure

node — POP( frontier) /* chooses the lowest-cost node in frontier */

if problem.GOAL-TEST(node.STATE) then return SOLUTION(node) add node.STATE to explored

for each action in problem.ACTIONS(node.STATE) do

child — CHILD-NODE( problem, node, action)

if child.STATE is not in explored or frontier then

frontier — INSERT(child, frontier)

else if child.STATE is in frontier with higher PATH-COST then

replace that frontier node with child

3.2.3 Depth-first search (DFS)

DFS là một thuật toán tìm kiếm theo chiều sâu Bắt đầu duyệt tại root node va phat triển xa nhất có thể theo mỗi nhánh, khi nhánh đã duyệt hết, lùi về từng node đề tìm và duyệt những nhánh tiếp theo Quá trình duyệt chỉ dừng lại khi tìm thấy goal state hoặc đã

duyệt hết tất cả các node

function! Depth-first search [(problem) returns a solution, or failure

node —a node with STATE = problem INITIAL-STATE, PATH-COST = 0

if problem.GOAL-TEST(node.STATE) then return SOLUTION(node)

frontier —| a LIFO queue | with node as the only element

explored — an empty set

loop do

if EMPTY ?( frontier) then return failure

node ~ PoP( frontier) /* chooses the shallowest node in frontier */ add node.STATE to explored

for each action in problem ACTIONS(node.STATE) do

child — CHILD-NODE( problem, node, action)

if child.STATE is not in explored or frontier then

if problem.GOAL-TEST( child STATE) then return SOLUTION( child) frontier — INSERT(child, frontier)

Nếu so sánh với BES thì DES sẽ xử lý tốt hơn trong các không gian phức tạp vì nó

sẽ duyệt qua het tat ca cac node dé tim goal state, nhung bu lại nó lại kém tôi ưu hơn vì khi duyệt qua tât cả node, DFS sẽ duyệt qua các đỉnh không can thiết nên không nên áp dụng trong trường hợp sô node là quá lớn

3.2.4 Depth-limited search

Giông như DFS, DLS là một thuật toán tìm kiêm giới hạn độ sâu, phát triển các

node theo chiêu sâu nhưng có giới hạn (limit) dé tranh duyét phai các đính không cân

thiết như trong thuật toán Depth-first search