BÀI 1: T NG QUAN TRÍ TU NHÂN T O (3 ti t) 1. Gi i thi u chung Trí tu nhân t o hay trí thông pps

BÀI 1: T NG QUAN TRÍ TU NHÂN T O (3 ti t) Gi i thi u chung Trí tu nhân t o hay trí thơng minh nhân t o (Artificial Intelligence hay machine intelligence - AI) trí tu ng th ng dùng c bi u di n b i b t c m t h th ng nhân t o Thu t nói n máy tính có m c ích khơng nh t nh ngành khoa h c nghiên c u v lý thuy t ng d ng c a trí tu nhân t o.Tuy r ng trí thơng minh nhân t o có ngh a r ng nh trí thông minh khoa h c vi n t ng, m t nh ng ngành tr ng y u c a tin h c Trí thơng minh nhân t o liên quan x , s h c h i kh n ng thích ng thơng minh c a máy móc Các ví d g m tác v n cách c ng d ng bao i u n, l p k ho ch l p l ch (scheduling), kh n ng tr l i câu h i v ch!n oán b nh, tr l i khách hàng v s n ph!m c a m t công ty, nh n d ng ch vi t tay, nh n d ng ti ng nói khn m"t B i v y, trí thơng minh nhân t o ã tr thành m t môn h c, v#i m c ích cung c p l i gi i cho v n th c t Ngày nay, h th ng nhân t o c dùng th c a cu c s ng ng xuyên kinh t , y d c, ngành k$ thu t quân s , c%ng nh ph&n m m máy tính thơng d ng gia ình trị ch'i i n t Các tr ng phái trí tu nhân t o Trí tu nhân t o (TTNT) chia thành hai tr ng phái t duy: TTNT truy n th ng Trí tu tính tốn TTNT truy n th ng h&u nh bao g m ph 'ng pháp hi n c phân lo i ph 'ng pháp h c máy (machine learning), "c tr ng b i hình th c hóa (formalism) phân tích th ng kê Nó c bi t v#i tên TTNT bi u t ng, TTNT logic, TTNT ng n n(p (neat AI) TTNT c) i n (Good Old Fashioned Artificial Intelligence) Các ph 'ng pháp g m có: • H chun gia: áp d ng kh n ng suy lu n chuyên gia có th x lý l t t#i m t k t lu n M t h ng l#n thông tin ã bi t a k t lu n d a thông tin ó Clippy ch 'ng trình tr giúp có hình k*p gi y c a Microsoft Office m t ví d Khi ng h #ng nh t nh i dùng gõ phím, Clippy nh n xu a g i ý • L p lu n theo tình hu ng • M ng Bayes Trí tu tính tốn nghiên c u vi c h c ho"c phát tri n l"p (ví d : tinh ch+nh tham s h th ng, ch,ng h n h th ng connectionist) Vi c h c d a d li u kinh nghi m có quan h v#i Trí tu nhân t o phi ký hi u, TTNT l n x n (scruffy AI) tính tốn m m (soft computing) Các ph 'ng pháp g m có: • M ng neuron: h th ng m nh v nh n d ng m-u (pattern recognition) • H m (Fuzzy system): k$ thu t suy lu n không ch(c ch(n, ã d ng r ng rãi h th ng công nghi p hi n cs i h th ng qu n lý s n ph!m tiêu dùng • Tính tốn ti n hóa (Evolutionary computation): ng d ng khái ni m sinh h c nh qu&n th , bi n d u tranh sinh t n t t h'n cho toán Các ph 'ng pháp th sinh l i gi i ngày ng c chia thành thu t toán ti n hóa (ví d thu t tốn gien) trí tu b&y àn (swarm intelligence) (ch,ng h n h ki n) • TTNT d a hành vi (Behavior based AI): m t ph 'ng pháp mô- un xây d ng h th ng TTNT b ng tay Ng i ta ã nghiên c u h th ng thông minh lai (hybrid intelligent system), ó k t h p hai tr ng phái Các lu t suy di n c a h chuyên gia có th c sinh b i m ng n'-ron ho"c lu t d-n xu t (production rule) t vi c h c theo th ng kê nh ki n trúc ACT-R Các ph 'ng pháp trí tu nhân t o th ng c dùng cơng trình nghiên c u khoa h c nh n th c (cognitive science), m t ngành c g(ng t o mơ hình nh n th c c a ng i (vi c khác v#i nghiên c u TTNT, TTNT ch+ mu n t o máy móc th c d ng, khơng ph i t o mơ hình v ho t ng c a b óc ng i) L ch s trí tu nhân t o /&u th k0 17, René Descartes ã a quan i m r ng c' th c a ng v t ch+ c1 máy tinh x o N m 1642, Blaise Pascal ch t o chi c máy tính c' h c &u tiên Charles Babbage Ada Lovelace ã nghiên c u v máy tính c' h c có kh n ng l p trình c Bertrand Russell Alfred North Whitehead Mathematica, ó logic hình th c ã ã xu t b n cu n Principia c cách m ng hóa Warren McCulloch Walter Pitts xu t b n A Logical Calculus of the Ideas Immanent in Nervous Activity n m 1943 "t n n móng cho m ng n'-ron Th p niên 1950 th i k2 c a nhi u ho t ng l nh v c TTNT John McCarthy thi t l p thu t ng "artificial intelligence" h i th o &u tiên dành cho ch Ông cịn sáng ch ngơn ng l p trình Lisp Alan Turing a "Turing test" nh m t ph 'ng pháp ki m ch ng hành vi thông minh Joseph Weizenbaum xây d ng ELIZA, m t chatterbot cài "t li u pháp tâm lý Rogerian Trong th p niên 1960 1970, Joel Moses bi u di n s c m nh c a suy di n ký hi u vi c tích h p tốn ch 'ng trình Macsyma, ch 'ng trình toán h c s d ng c' s tri th c &u tiên thành công Marvin Minsky Seymour Papert xu t b n Perceptrons, ó ch ng minh gi#i h n c a m ng n'-ron 'n gi n, Alain Colmerauer phát tri n ngôn ng l p trình Prolog Ted Shortliffe bi n di n s c m nh c a h th ng s d ng lu t bi u di n tri th c suy di n ch!n oán li u pháp y h c m t ch 'ng trình mà Moravec phát tri n chi c xe &u tiên i c g i h chuyên gia &u tiên Hans c máy tính i u n t ng v t ch #ng ng i v t Th p niên 1980, m ng n'-ron (backpropagation), thu t tốn ã c s c mơ t d ng r ng rãi v#i thu t toán truy n ng c &u tiên b i Paul John Werbos vào n m 1974 Th p niên 1990 ánh d u thành t u nhi u l nh v c c a TTNT c th hi n nhi u ng d ng a d ng N)i ti ng nh t Deep Blue, m t máy tính ch'i c vua ã th(ng Garry Kasparov m t tr n ki m u ván n)i ti ng n m 1997 DARPA tuyên b r ng chi phí ti t c cài "t ph 'ng pháp TTNT cho vi c l p l ch cho 'n v Chi n tranh vùng V nh l&n th nh t ã bù l i c tồn b &u t c a ph M$ cho nghiên c u TTNT k t th p niên 1950 Nh ng c tr ng c a trí tu nhân t o • S d ng máy tính vào suy lu n ký hi u, nh n d ng qua m u, h c, suy lu n khác… • T p trung vào v n “khó” khơng thích h p v i l i gi i mang tính thu t tốn • Quan tâm n k$ thu t gi i quy t v n xác, khơng • Cho l i gi i ‘ y s d ng thông tin không ,m h … t t’ ch không ph i l i gi i xác hay t i u • S d ng heuristics • S d ng tri th c chuyên môn Các l nh v c ng d ng: • Game Playing: Tìm ki m / Heuristic • Automatic reasoning & Theorem proving: Tìm ki m / Heuristic • Expert System: h #ng phát tri n m nh m3 nh t có giá tr ng d ng cao nh t • Planning & Robotic: h th ng d báo, t ng hóa • Machine learning: Trang b kh n ng h c t p gi i quy t v n kho tri th c: Supervised : Ki m soát c tri th c h c c Khơng tìm m#i UnSupervised:T h c, khơng ki m sốt Có th t o tri th c m#i nh ng c%ng nguy hi m có th h c nh ng i u khơng mong mu n • Natural Language Understanding & Semantic modelling: Không tri n m nh m c c phát ph c t p c a toán c v tri th c & kh n ng suy lu n • Modeling Human performance: Nghiên c u c' ch t) ch c trí tu c a ng i áp d ng cho máy • Language and Environment for AI:Phát tri n công c môi tr ng xây d ng ng d ng AI • Neural network / Parallel Distributed processing: gi i quy t v n tính tốn t c kinh c a ng n ng l c tính tốn b ng k$ thu t song song mô ph ng m ng th&n i BÀI THU4T TOÁN - THU4T GI5I (3 ti t LT + ti t TH) Khái ni m thu t toán – thu t gi i Trong trình nghiên c u gi i quy t v n – toán, ng i ta ã a nh ng nh n xét nh sau: a) Có nhi u tốn cho n v-n ch a tìm m t cách gi i theo ki u thu t tốn c%ng khơng bi t có t n t i thu t tốn hay khơng b) Có nhi u tốn ã có thu t tốn gi i nh ng khơng ch p nh n c th i gian gi i theo thu t tốn ó q l#n ho"c i u ki n cho thu t tốn khó áp ng c) Có nh ng toán v-n ch p nh n T nh ng nh n ni m thu t toán Ng c gi i theo nh ng cách gi i vi ph m thu t toán nh ng c nh trên, ng i ta ã m r ng hai tiêu chu!n c a thu t tốn: tính xác úng (n Vi c m r ng tính xác thu t i ta th y r ng c&n ph i có nh ng )i m#i cho khái nh i v#i thu t toán ã nh tính c th hi n qua gi i quy ng-u nhiên Tính úng c a thu t tốn bây gi khơng cịn b(t bu c m t s cách gi i toán, nh t cách gi i g&n úng Trong th c ti n có nhi u tr h p ng i ta ch p nh n cách gi i th i v#i ng ng cho k t qu t t (nh ng không ph i lúc c%ng t t) nh ng ph c t p hi u qu Ch,ng h n n u gi i m t toán b ng thu t toán t i u òi h i máy tính th c hiên nhi u n m có th s6n lịng ch p nh n m t gi i pháp g&n t i u mà ch+ c&n máy tính ch y vài ngày ho"c vài gi Các cách gi i ch p nh n chu!n c a thu t toán th ng c nh ng khơng hồn tồn áp ng &y tiêu c g i thu t gi i Khái ni m m r ng c a thu t toán ã m c a cho vi c tìm ki m ph 'ng pháp gi i quy t toán c "t M t nh ng thu t gi i th ng c c p n s d ng khoa h c trí tu nhân t o cách gi i theo ki u Heuristic C u trúc tốn tìm ki m H&u h t v n -bài tốn ph c t p u có d ng "tìm nói m t cách hình th c h'n "xu t phát t m t +nh c a m t qu nh t n m t +nh ó" M t phát bi u khác th ng i th , tìm th " hay ng i hi u ng g"p c a d ng toán : Cho tr c hai tr ng thái T0 TG xây d ng chu i tr ng thái T0, T1, T2, , Tn-1, Tn = TG cho : th a mãn m t i u ki n cho tr c (th ng nh nh t) Trong ó, Ti thu c t p h p S (g i không gian tr ng thái – state space) bao g m t t c tr ng thái có th có c a tốn cost(Ti-1, Ti) chi phí bi n )i t tr ng thái Ti-1 sang tr ng thái Ti D nhiên, t m t tr ng thái Ti ta có nhi u cách tr ng thái Ti+1 Khi nói bi n )i sang n m t bi n )i c th t Ti-1 sang Ti ta s3 dùng thu t ng h #ng i (v#i ng ý nói v s l a ch n) Mơ hình chung c a v n -bài toán ph i gi i quy t b ng ph Khơng gian tìm ki m m t t p h p tr ng thái - t p nút c a tr ng thái T sang tr ng thái Tk c bi u di n d t th Chi phí c n thi t chuy n t i d ng s n m cung n i gi a hai nút ng tr ng cho hai tr ng thái /a s toán thu c d ng mà ang mơ t d #i d ng ng pháp tìm ki m l i gi i th Trong ó, m t tr ng thái m t +nh c a c tr ng thái t p h p bao g m t t c thái Ti-1 sang tr ng thái Ti vi c i t +nh +nh c a u có th c bi u di n th T p h p S bao g m t t th Vi c bi n )i t tr ng i di n cho Ti-1 sang +nh i di n cho Ti theo cung n i gi a hai +nh Tìm ki m chi u sâu tìm ki m chi u r ng a) Tìm ki m chi u sâu (Depth First Search) Trong tìm ki m theo chi u sâu, t i tr ng thái ( +nh) hi n hành, ta ch n m t tr ng thái k ti p (trong t p tr ng thái có th bi n )i thành t tr ng thái hi n t i) làm tr ng thái hi n hành cho n lúc tr ng thái hi n hành tr ng thái ích Trong tr ng h p t i tr ng thái hi n hành, ta không th bi n )i thành tr ng thái k ti p ta s3 quay lui (back-tracking) l i tr ng thái tr #c tr ng thái hi n hành (tr ng thái bi n )i thành tr ng thái hi n hành) )i ch n ng khác N u tr ng thái tr #c mà c%ng không th bi n c n a ta quay lui l i tr ng thái tr #c n a c th N u ã quay lui n tr ng thái kh i &u mà v-n th t b i k t lu n khơng có l i gi i Hình nh sau minh h a ho t ng c a tìm ki m theo chi u sâu Hình nh c a tìm ki m chi u sâu Nó ch l u ý "m r ng" tr ng thái c ch n mà không "m r ng" tr ng thái khác (nút màu tr!ng hình v") b) Tìm ki m chi u r ng (Breath First Search) Ng c l i v#i tìm ki m theo ki u chi u sâu, tìm ki m chi u r ng mang hình nh c a v t d&u loang T tr ng thái ban &u, ta xây d ng t p h p S bao g m tr ng thái k ti p (mà t tr ng thái ban &u có th bi n )i thành) Sau ó, ng v#i m1i tr ng thái Tk t p S, ta xây d ng t p Sk bao g m tr ng thái k ti p c a Tk r i l&n l Sk vào S Quá trình c l"p l i cho t b) sung n lúc S có ch a tr ng thái k t thúc ho"c S không thay )i sau ã b) sung t t c Sk Hình nh c a tìm ki m chi u r ng T i m t b c, m i tr ng thái u c m r ng, khơng b sót tr ng thái Chi u sâu Tính hi u qu Chi u r ng Hi u qu l i gi i n m sâu Hi u qu l i gi i tìm ki m có m t n m g&n g c c a ph 'ng án ch n h #ng xác Hi u qu chi n l c ph i tìm ki m Hi u qu c a c a chi n l thu c vào thu c vào ph 'ng án ch n h #ng c ph sâu c a i l i gi i L i gi i Ph 'ng án hi u xa g c hi u qu qu hi u qu c a chi n c a chi n l l c c gi m Thu n l i gi m Thu n l i khi mu n tìm ch+ m t l i mu n tìm nhi u l i gi i gi i L ng b nh# s d ng l u tr Ch+ l u l i tr ng thái Ph i l u toàn b ch a xét n tr ng thái tr ng thái Tr ng h p x u nh t Vét c n toàn b Tr ng h p t t nh t Ph 'ng án ch n h #ng t Vét c n toàn b i Vét c n toàn b i xác L i gi i c xác nh m t cách tr c ti p Tìm ki m chi u sâu tìm ki m chi u r ng u ph 'ng pháp tìm ki m có h th ng ch(c ch(n tìm l i gi i Tuy nhiên, b n ch t vét c n nên v#i nh ng tốn có khơng gian l#n ta khơng th dùng hai chi n l l c th c) c c H'n n a, hai chi n u có tính ch t "mù qng" chúng khơng ý n nh ng thông tin (tri tr ng thái hi n th i thơng tin v ích c&n Các tri th c vô quan tr ng r t có ý ngh a h'n mà ta s(p s a bàn t t#i m i quan h gi a chúng thi t k thu t gi i hi u qu n BÀI THU4T GI5I HEURISTIC (6 ti t LT + ti t TH) Khái ni m hàm Heuristic a) Khái ni m Heuristic Heuristic nh ng tri th c c a ng c rút t+a t nh ng kinh nghi m, “tr c giác” i Heuristic có th nh ng tri th c “ úng” hay “sai” Heuristic nh ng meta knowledge “th ng úng” Trong nh ng tốn tìm ki m khơng gian tr ng thái, có tr ng h p c&n n heuristic: V n có th khơng có nghi m xác m nh ch"t ch3 hay thi u d li u V n kh,ng không phát bi u nh k t qu có nghi m xác nh ng phí t)n tính tốn tìm nghi m l#n (h qu c a bùng n1 t) h p) Heuristic giúp tìm ki m Heuristic t k t qu v#i chi phí th p h'n nh h #ng trình tìm ki m theo h #ng mà “nó” cho r ng kh n ng t t#i nghi m cao nh t Không “sâu” c%ng không “r ng” K t qu c a tìm ki m v#i Heuristic Vi c tìm ki m theo nh h #ng c a heuristic có k t qu t t hay x u tùy theo heuristic “ úng” hay “sai” Heuristic có kh n ng b xót nghi m Heuristic t t d-n b) Hàm l Hàm l n k t qu nhanh t t ng giá Heuristic ng giá Heuristic hàm #c l ng phí t)n i t tr ng thái hi n t i n tr ng thái goal C' s xác Hàm l ng giá cho k t qu k t qu tìm nh hàm l ng giá d a vào tri th c/kinh nghi m thu th p c úng (g&n th c th ) hay sai (xa giá tr th c) s3 d-n n c t t hay x u Không có chu!n m c cho vi c ánh giá m t hàm l Khơng có c u trúc chung cho hàm l ng giá Heuristic vì: ng giá Tính úng/sai thay )i liên t c theo t.ng v n c th Tính úng/sai thay )i theo t.ng tình hu ng c th m t v n 10 vi c t o m t ch 'ng trình tr giúp cho vi c gi i tốn hình h c máy tính v#i giao ti p b ng ngôn ng t nhiên! / t ng thêm s c m nh cho h th ng này, ng i ta th ng cài "t m t m ng ng ngh a bên m1i frame Ch,ng h n, ta có th có m t frame TRIANGLE, ó cài "t m t m ng ng ngh a (gi ng nh ví d ph&n m ng ng ngh a) liên h gi a y u t tam giác (thay s d ng cơng th c liên h "c t m i 'n gi n nh ví d trên) 54 BÀI BIC BENG SCRIPT (3 ti t) Khái ni m Script m t cách bi u di n tri th c t 'ng t nh frame nh ng thay "c t m t it ng, mơ t m t chu i s ki n / mô t chu1i s ki n, script s d ng m t dãy slot ch a thông tin v ng i, it ng hành ng liên quan ns ki n ó Tuy c u trúc c a script r t khác tùy theo toán, nh ng nhìn chung m t script th ng bao g m thành ph&n sau : #i u ki n vào (entry condition): mơ t nh ng tình hu ng ho"c i u ki n c&n c th a mãn tr #c s ki n script có th di n Role (di n viên): nh ng ng Prop (tác t ): t t c nh ng it i có liên quan script ng c s d ng chu1i s ki n s3 di n Scene(Tình hu ng) : chu1i s ki n th c s di n Result (K t qu ) : tr ng thái c a Role sau script ã thi hành xong Track (phiên b n) : mô t m t bi n th (ho"c tr ng h p "c bi t) có th x y o n script Ví d Bi n th c a ví d v nhà hàng bán th c n nhanh Script "nhà hàng" Phiên b n : Nhà hàng bán th c n nhanh Di n viên : Khách hàng Ng i ph c v Tác t : Bàn ph c v Ch1 ng i Khay ng th c n Th c n Ti n Các lo i gia v nh mu i, t 'ng, #t, tiêu, #i u ki n vào : Khách hàng ói Khách hàng có ti n tr 55 Tình hu ng : Vào nhà hàng Khách hàng u xe vào bãi u xe Khách hàng b #c vào nhà hàng Khách hàng x p hàng tr #c bàn ph c v Khách hàng c th c 'n t ng quy t nh s3 kêu n Tình hu ng 2: Kêu n Khách hàng kêu n v#i ng Ng i ph c v i ph c v ( ang "t th c n lên khay Khách hàng tr ti n cho ng ng qu&y ph c v ) a hóa 'n tính ti n cho khách i ph c v Tình hu ng 3: Khách hàng dùng n Khách hàng l y thêm gia v Khách hàng c&m khay n m t bàn tr ng Khách hàng n th c n Tình hu ng 3A (tùy ch n) : Khách hàng mua th c n em v Khách hàng mang th c n v nhà Tình hu ng : Ra v Khách hàng thu d n bàn Khách hàng b rác (th c n th.a, x 'ng, m ng v n, ) vào thùng rác Khách hàng kh i nhà hàng Khách hàng lái xe i K t qu : Khách hàng khơng cịn ói Khách hàng cịn ti n h'n ban &u Khách hàng vui v8 * Khách hàng b c * Khách hàng no * Tùy ch n Script r t h u d ng vi c d xác d n nh ng tình hu ng nh Th m chí nh ng tình hu ng ch a di n ra, script cịn cho phép máy tính ốn c vi c s3 x y x y kích ho t m t script, ng i dùng có th câu tr l i xác mà khơng c&n ng s tr ốn i u s3 x y i v#i vào th i i m N u máy tính "t câu h i h th ng có th suy c nh ng i dùng cung c p thêm nhi u thông tin (trong m t ng h p có th khơng c&n thêm thơng tin) Do ó, c%ng gi ng nh frame, script m t d ng bi u di n tri th c t 'ng tình hu ng "chu!n" mà ng i h u d ng cho phép ta mơ t xác nh ng i v-n th c hi n m1i ngày ho"c ã n(m b(t xác 56 / cài "t script máy tính, b n ph i tìm cách l u tr tri th c d #i d ng hình th c LISP ngơn ng l p trình phù h p nh t xong script, b n (ng i dùng) có th làm i u Sau ã cài "t "t câu h i v nh ng ng i ho"c i u ki n có liên quan script H th ng sau ó s3 ti n hành thao tác tìm ki m ho"c thao tác so m-u tìm câu tr l i Ch,ng h n b n có th "t câu h i "Khách hàng làm tr #c tiên?" H th ng s3 tìm th y câu tr l i scene a áp án "/ u xe b #c vào nhà hàng" Ph i h p nhi u cách bi u di n tri th c M c tiêu bi u di n tri th c máy tính ph c v cho vi c thu nh n tri th c vào máy tính, truy xu t tri th c th c hi n phép suy lu n d a nh ng tri th c ã l u tr Do ó, th a mãn c m c tiêu trên, ch n ph 'ng pháp bi u di n tri th c, ph i cân nh(c m t s y u t c' b n sau ây : Tính t nhiên, M c tr.u t ng b d hi u c a bi u di n tri th c ng c a tri th c : tri th c c khai báo c th hay nhúng vào h th ng d #i d ng mã th t c? Tính 'n th linh tri th c, m c ng c a c' s tri th c (có cho phép d dàng b) sung ph thu c gi a tri th c, ) Tính hi u qu vi c truy xu t tri th c s c m nh c a phép suy lu n (theo ki u heuristic) M ts u khuy t i m c a ph 'ng pháp bi u di n tri th c P.Pháp Lu t sinh u i m Cú pháp 'n gi n, d Nh c i m R t khó theo dõi s phân c p, hi u, di n d ch 'n gi n, không hi u qu nh ng tính 'n th cao, linh ng (d i u ch+nh) h th ng l#n, không th bi u di n c m i lo i tri th c, r t y u vi c bi u di n tri th c d ng mô t , có c u trúc M ng ng D theo dõi s phân c p, Ng ngh a g(n li n v#i m1i ngh a s3 dò theo m i liên h , linh ng +nh có th nh p nh ng, khó x lý ngo i l , khó l p trình 57 Frame Có s c m nh di n t Khó l p trình, khó suy di n, t t, d cài "t thu c thi u ph&n m m h1 tr tính cho slot c%ng nh m i liên h , d dàng t o th t c chun bi t hóa, d a vào thơng tin m"c nh d th c hi n thao tác phát hi n giá tr b thi u sót Logic hình C' ch suy lu n Tách r i vi c bi u di n x th c xác ( lý, không hi u qu v#i l c ch ng minh b i toán h c) ng d li u l#n, ch m c' s d li u l#n Hi n v-n ch a có m t ki u bi u di n tri th c phù h p v#i m i tình hu ng Do ó, ph i làm vi c v#i nhi u ngu n tri th c khác (khác lo i, khác tính ch t), nhi u lúc ph i hy sinh tính ng b b ng cách s d ng lúc nhi u ki u bi u di n tri th c, m1i ki u bi u di n ng v#i m t nhi m v Nh ng nh v y, l i n y sinh v n "d ch" m t tri th c t ki u bi u di n sang ki u bi u di n khác Tuy th nh ng m t s h ch 'ng trình trí tu g&n ây v-n dùng lúc nhi u ki u bi u di n d li u khác ]B >? P/ >? 8 L JP2 H ; ; > M t nh ng s ph i h p t 'ng không ) _ ; * P , ; S^ A) + i thành công s k t h p gi a lu t sinh frame Lu t sinh hi u qu nhi u ng d ng, "c bi t tác v ho"c nh ng m i liên k t t nh gi a @ J 2> `! it nh ngh a, mô t it ng ng Nh ng nh ng y u i m l i u i m c a frame Ngày nay, ã có r t nhi u h th ng ã t o m t ki u bi u di n lai gi a lu t sinh frame có c u i m c a hai cách bi u di n S thành công c a h th ng n)i ti ng nh KEE, Level5 Object Nexpert Object ã minh ch ng cho i u Frame cung c p m t ngôn ng c u trúc hi u qu nh ng it "c t ng xu t hi n lu t Frame cịn óng vai trò nh m t l#p h1 tr cho thao tác suy di n c' b n nh ng it ng không c&n ph i t 'ng tác m t cách t n ng phân l#p c a frame cịn có th c dùng h th ng Kh n ng r t thích h p cho ng c%ng có th theo dõi c lu t ng minh lu t Kh phân ho ch, t o ch+ m c s(p x p lu t sinh i dùng vi c xây d ng hi u lu t, c%ng nh c s d ng cho m c Hình sau cho th y m t ki u k t h p gi a lu t sinh frame S k t h p ã cho phép t o lu t so m-u nh m t ng t c tìm ki m c a h th ng K t qu c a s k t h p cho phép t o bi u di n ph c t p h'n r t nhi u so v#i vi c ch+ dùng frame, th m chí ph c t p h'n c vi c l p trình tr c ti p b ng ngơn ng C++ !! 58 a' > d e Q [> Q #8 J ; J ; Q ( 2>c b U + ; > Q! 59 BÀI MÁY HFC (6 ti t LT + ti t TH) Khái ni m Máy h c Thu t ng "h c" theo ngh a thơng th d ng : ngồi ng ti p thu tri th c bi t cách v n i, trình h c di n d #i nhi u hình th c khác nh h c thu c lòng (h c v*t), h c theo kinh nghi m (h c d a theo tr ng h p), h c theo ki u nghe nhìn, Trên máy tính c%ng có nhi u thu t toán h c khác Tuy nhiên, ph m vi c a giáo trình này, ch+ kh o sát ph 'ng pháp h c d a theo tr ph 'ng pháp này, h th ng s3 c cung c p m t s tr ng h p Theo ng h p "m-u", d a t p m-u này, h th ng s3 ti n hành phân tích rút quy lu t (bi u di n b ng lu t sinh) Sau ó, h th ng s3 d a lu t không gi ng nh tr " ánh giá" tr ng h p khác (th ng ng h p "m-u") Ngay c ch+ v#i ki u h c này, c%ng ã có nhi u thu t tốn h c khác Có th khái qt q trình h c theo tr ng h p d #i d ng hình th c nh sau : D li u cung c p cho h th ng m t ánh x f ó ng m t tr ng h p p t p h p P v#i m t "l#p" r t p R f : P |→ R → p→r Tuy nhiên, t p P th ng nh (và h u h n) so v#i t p t t c tr ng h p c&n quan tâm P’ (P ⊂ P’) M c tiêu c a xây d ng ánh x f ’ cho có th tr ng m i ng h p p’ t p P’ v#i m t "l#p" r t p R H'n n a, f ’ ph i b o toàn f, ngh a : V#i m i p ∈ P f(p) ≡ f ’(p) H c theo tr ng h p tìm cách xây d ng ánh x f’ d a theo ánh x f f c g i t p m u 60 f 8+ ` > J 82 B ; ` P2 U / = ; ! A ; X ; + @ 7! " e> Xây d&ng [ + g) ? U + ; U + PG > > )9 ? B A @ ; +9 : >U ; `9 U / = ; O> U , ^ U ; ; `! nh danh Xét ví d xây d ng quy lu t có th k t lu n m t ng i nh th i t(m bi n b cháy n(ng Ta g i tính ch t cháy n(ng hay khơng cháy n(ng thu c tính quan tâm (thu c tính m&c tiêu) Nh v y, tr g m có hai ph&n t {"cháy n'ng", "bình th c li t kê b ng d #i (8 ng ng h p này, t p R c a ch+ ng"} Còn t p P t t c nh ng ng i) Chúng ta quan sát hi n t i ng cháy n(ng d a thu c tính sau : chi u cao (cao, trung bình, th p), màu tóc (vàng, nâu, ) cân n(ng (nh,, TB, n(ng), dùng kem (có, khơng), Ta g i thu c tính g i thu c tính d n xu t F_ U ? P2 M ;; `Z O ; Tên Tóc B / P79 < ; + Ch.Cao e I U! / + ` ;Q Cân Dùng N ng K Y B >? kem? Không A h ) 2! K t qu Sarah Vàng T.Bình Nh* Dana Vàng Cao T.Bình Có Khơng Alex Nâu Th p T.Bình Có Khơng Annie Vàng Th p T.Bình Khơng Cháy Emilie / T.Bình N"ng Khơng Cháy Peter Nâu Cao N"ng Khơng Khơng John Nâu T.Bình N"ng Khơng Khơng Kartie Ýt ; Cháy Vàng Th p Nh* Có Khơng ng &u tiên c a ph 'ng pháp tìm cách phân ho ch t p P ban &u thành t p Pi cho t t c ph&n t t t c t p Pi u có chung thu c tính m c tiêu P = P1 ∪ P2 ∪ ∪ Pn ∀ (i,j) i≠ j : (Pi ∩ Pj = ∅ ) ≠ 61 ∀ i, j; ∀ k, l : pk ∈ Pi pl ∈ Pj f(pk) = f(pl) Sau ã phân ho ch xong t p P thành t p phân ho ch Pi c "c tr ng b i thu c tính ích ri (ri ∈R), b #c ti p theo ng v#i m1i phân ho ch Pi ta xây d ng lu t Li : GTi → ri ó GTi m nh V n c hình thành b ng cách k t h p thu c tính d-n xu t hình th c có th làm ta c m th y khó kh n Chúng ta th ý t ng v#i b ng s li u mà ta ã có Có hai cách phân ho ch hi n nhiên nh t mà c%ng có th ngh Cách &u tiên cho m i ng i vào m t phân ho ch riêng (P1 = {Sarah}, P2 = {Dana}, … t)ng c ng s3 có phân ho ch cho ng nh ng ng i) Cách th hai phân ho ch thành hai t p, m t t p g m t t c i cháy n!ng t p l i bao g m t t c nh ng ng i không cháy n!ng Tuy 'n gi n nh ng phân ho ch theo ki u ch,ng gi i quy t c !! 2.1 (âm ch i Chúng ta th m t ph 'ng pháp khác Bây gi b n quan sát thu c tính &u tiên – màu tóc N u d a theo màu tóc phân chia ta s3 có c phân ho ch khác ng v#i m1i giá tr c a thu c tính màu tóc C th : Pvàng = { Sarah, Dana, Annie, Kartie } Pnâu = { Alex, Peter, John } P = { Emmile } * Các ng i b cháy n!ng c g ch d Thay li t kê nh trên, ta dùng s' i in m ti n mô t cho b #c phân ho ch sau : Quan sát hình ta th y r ng phân ho ch Pnâu P "có chung thu c tính m&c tiêu" (Pnâu ch a tồn ng ng th a mãn i không cháy n(ng, P c i u ki n ch a tồn i cháy n(ng) Cịn l i t p Pvàng l-n l n ng i cháy n ng không cháy n(ng Ta s3 ti p t c phân ho ch t p thành t p Bây gi ta quan sát thu c tính chi u cao Thu c tính giúp phân ho ch t p Pvàng thành t p : PVàng, Th p = {Annie, Kartie}, PVàng, T.Bình= {Sarah} PVàng,Cao= { Dana } 62 N u n i ti p vào hình tr #c ta s3 có hình nh phân ho ch nh sau : Quá trình c th ti p t c cho n t t c nút c a khơng cịn l-n l n gi a cháy n(ng không cháy n(ng n a B n c%ng th y r ng, qua m1i b #c phân ho ch phân ho ch ngày "phình" Chính v y mà q trình trình " âm ch i" Cây mà ang xây d ng / n ây, l i g"p m t v n tính màu tóc c g i c g i nh danh m#i N u nh ban &u ta không ch n thu c phân ho ch mà ch n thu c tính khác nh chi u cao ch,ng h n phân ho ch sao? Cu i cách phân ho ch s3 t t h'n? 2.2 Ph ng án ch n thu c tính phân ho ch V n mà g"p ph i c%ng t 'ng t nh tốn tìm ki m : "/ ng tr #c m t ngã r3, ta c&n ph i i vào h #ng nào?" Hai ph 'ng pháp ánh giá d #i ây s3 giúp ta ch n c thu c tính phân ho ch t i m1i b #c xây d ng nh danh a Quinlan Quinlan quy t nh thu c tính phân ho ch b ng cách xây d ng vector (c tr ng cho m1i giá tr c a t.ng thu c tính d-n xu t thu c tính m c tiêu Cách tính c th nh sau : V#i m1i thu c tính d-n xu t A cịn có th s% d&ng phân ho ch, tính : V(Aj) = ( T(j , r1), T(j , r2) , …, T(j , rn) ) "i ( g j B / :8 8d U ( g H + = :8 8d B / H eI E 2i + = B / + = e I E 2i ( a k9l9 + m + =< ; B / U a Nh v y n u m t thu c tính A có th nh n m t giá tr khác s3 có vector "c tr ng M t vector V(Aj ) c g i vector 'n v n u ch+ có nh t m t thành ph&n có giá tr nh ng thành ph&n khác có giá tr 63 Thu c tính c ch n phân ho ch thu c tính có nhi u vector 'n v nh t Tr l i ví d c a chúng ta, tr ng thái ban &u (ch a phân ho ch) s3 tính vector "c tr ng cho t.ng thu c tính d-n xu t tìm thu c tính dùng phân ho ch /&u tiên thu c tính màu tóc Thu c tính màu tóc có giá tr khác (vàng, , nâu) nên s3 có vector "c tr ng t 'ng ng : VTóc (vàng) = ( T(vàng, cháy n(ng), T(vàng, khơng cháy n(ng) ) S ng i tóc vàng : S ng i tóc vàng cháy n(ng : S ng i tóc vàng khơng cháy n(ng : Do ó VTóc(vàng) = (2/4 , 2/4) = (0.5, 0.5) T 'ng t VTóc(nâu) = (0/3, 3/3) = (0,1) (vector 'n v ) S ng i tóc nâu : S ng i tóc nâu cháy n(ng : S ng i tóc nâu khơng cháy n(ng : VTóc( ) = (1/1, 0/1) = (1,0) (vector 'n v ) T)ng s vector 'n v c a thu c tính tóc vàng Các thu c tính khác c tính t 'ng t , k t qu nh sau : VC.Cao(Cao) = (0/2,2/2) = (0,1) VC.Cao(T.B) = (2/3,1/3) VC.Cao(Th p) = (1/3,2/3) VC.N"ng (Nh*) = (1/2,1/2) VC.N"ng (T.B) = (1/3,2/3) VC.N"ng (N"ng) = (1/3,2/3) VKem (Có) = (3/3,0/3) = (1,0) VKem (Không) = (3/5,2/5) Nh v y thu c tính màu tóc có s vector 'n v nhi u nh t nên s3 c ch n phân ho ch Sau phân ho ch theo màu tóc xong, ch+ có phân ho ch theo tóc vàng (Pvàng) ch a nh ng ng i cháy n(ng không cháy n(ng nên ta s3 ti p t c phân ho ch t p Ta s3 th c hi n thao tác tính vector "c tr ng t 'ng t i v#i thu c tính cịn l i 64 (chi u cao, cân n(ng, dùng kem) Trong phân ho ch Pvàng, t p d li u c a l i : Tên Ch.Cao Cân Dùng K t N ng kem? qu Không Cháy Sarah T.Bình Nh* Dana Cao T.Bình Có Khơng Annie Th p T.Bình Khơng Cháy Kartie Th p Nh* Khơng Có VC.Cao(Cao) = (0/1,1/1) = (0,1) VC.Cao(T.B) = (1/1,0/1) = (1,0) VC.Cao(Th p) = (1/2,1/2) VC.N"ng (Nh*) = (1/2,1/2) VC.N"ng (T.B) = (1/2,1/2) VC.N"ng (N"ng) = (0,0) VKem (Có) = (0/2,2/2) = (0,1) VKem (Không) = (2/2,0/2) = (1,0) thu c tính dùmg kem chi u cao u có vector 'n v Tuy nhiên, s phân ho ch c a thu c tính dùng kem h'n nên ta ch n phân ho ch theo thu c tính dùng kem Cây b ( nh danh cu i c a s3 nh sau : o h)n lo n 65 Thay ph i xây d ng vector "c tr ng nh ph 'ng pháp c a Quinlan, ng v#i m1i thu c tính d-n xu t ta ch+ c&n tính o h1n lo n l a ch n thu c tính có o h1n lo i th p nh t Cơng th c tính nh sau : TA = ó : bt t)ng s ph&n t có phân ho ch bj t)ng s ph&n t có thu c tính d-n xu t A có giá tr j bri : t)ng s ph&n t có thu c tính d-n xu t A có giá tr j thu c tính m c tiêu có giá tr i 2.3 Phát sinh t p lu t Nguyên t(c phát sinh t p lu t t ch+ vi c i t +nh cho danh k t qu nh danh 'n gi n >ng v#i m1i nút lá, ta n nút ó phát sinh lu t t 'ng ng C th t nh cu i ph&n II.2 ta có lu t sau (xét nút t trái sang ph i) (Màu tóc vàng) (có dùng kem) → khơng cháy n(ng (Màu tóc vàng) (khơng dùng kem) → cháy n(ng (Màu tóc nâu) → khơng cháy n(ng (Màu tóc ) → cháy n(ng 2.4 T i u t p lu t a Lo i b m nh th a Khác so v#i ph 'ng pháp lo i b m nh bi u di n tri th c (ch+ quan tâm th.a ã c trình bày ph&n n logic hình th c), ph 'ng pháp lo i b m nh ây d a vào d li u V#i ví d t p lu t ã có th.a ph&n tr #c, quan sát lu t sau: (Màu tóc vàng) (có dùng kem) → khơng cháy n(ng L p m t b ng (g i b ng Contigency), b ng th ng kê nh ng ng i có dùng kem t 'ng ng v#i tóc màu vàng b cháy n(ng hay không Trong d li u ã cho, có ng i khơng dùng kem Khơng cháy Cháy n'ng n'ng Màu vàng Màu khác 66 Theo b ng th ng kê rõ ràng thu c tính tóc vàng (trong lu t trên) khơng óng góp vi c a k t lu n cháy n(ng hay không (c ng i dùng kem u không cháy n(ng) nên ta có th lo i b thu c tính tóc vàng kh i t p lu t Sau lo i b m nh th.a, t p m nh c a ví d s3 cịn : (có dùng kem) → khơng cháy n'ng (Màu tóc vàng) (khơng dùng kem) → cháy n(ng (Màu tóc nâu) → khơng cháy n(ng (Màu tóc ) → cháy n(ng Nh v y quy t(c chung có th lo i b m t m nh gi s lu t c a có n m nh nh th nào? R t 'n gi n, : A1 A2 … An → R / ki m tra xem có th lo i b m nh bao g m ph&n t th a t t c m nh Ai hay không, b n l p m t t p h p P A1 , A2 , … Ai, Ai+1, …, An (l u ý : khơng c n xét có th a Ai hay không, ch c n th a m nh cịn l i c) Sau ó, l p b ng Contigency nh sau : R ¬R Ai E F ¬ G H Ai Trong ó E s ph&n t P th a c Ai R F s ph&n t P th a Ai không th a R G s ph&n t P không th a Ai th a R H s ph&n t P không th a Ai không th a R N u t)ng F+H = có th lo i b m nh b Xây d&ng m nh Có m t v n m c Ai kh i lu t nh "t g"p ph i m t tr th a ph i làm nh th nào? M t cách hành ng h p mà t t c lu t ng "t m t lu t m"c u không nh i lo i nh : N u khơng có lu t th a → cháy n(ng (1) Ho"c N u khơng có lu t th a → khơng cháy n(ng (2) 67 (ch có hai lu t thu c tính m&c tiêu ch có th nh n m t hai giá tr cháy n!ng hay không cháy n!ng) Gi s ta ã ch n lu t m"c nh (2) t p lu t c a s3 tr thành : (Màu tóc vàng) (khơng dùng kem) → cháy n(ng (Màu tóc ) → cháy n(ng N u khơng có lu t th a → khơng cháy n(ng (2) L u ý r ng ã lo i b n(ng thay b ng lu t m"c lu t m"c V n i t t c lu t d-n n k t lu n không cháy nh T i v y? B i lu t có k t lu n v#i nh Rõ ràng ch+ có th có m t hai kh n ng cháy n(ng hay không ch n lu t nào? Sau ây m t s quy t(c Ch n lu t m"c nh cho có th thay th cho nhi u lu t nh t (trong ví d c a ta ngun t(c khơng áp d ng n(ng lu t d-n Ch n lu t m"c c có lu t d-n n cháy n khơng cháy n(ng) nh có k t lu n ph) bi n nh t Trong ví d c a nên ch n lu t (2) s tr ng h p khơng cháy n(ng cịn khơng cháy n(ng Ch n lu t m"c nh cho t)ng s m nh nhi u nh t Trong ví d c a lu t t)ng s m nh c a lu t d-n c a lu t d-n c a lu t mà thay th c ch n s3 lu t (1) n cháy n(ng t)ng s m nh n không cháy n(ng ch+ 68 ... mà ta s(p s a bàn t t #i m i quan h gi a ch? ?ng thi t k thu t gi i hi u qu n B? ?I THU 4T GI5 I HEURISTIC (6 ti t LT + ti t TH) Kh? ?i ni m hàm Heuristic a) Kh? ?i ni m Heuristic Heuristic nh ng tri th... Ti) chi phí bi n )i t tr ng th? ?i Ti- 1 sang tr ng th? ?i Ti D nhiên, t m t tr ng th? ?i Ti ta có nhi u cách tr ng th? ?i Ti+ 1 Khi n? ?i bi n )i sang n m t bi n )i c th t Ti- 1 sang Ti ta s3 d? ?ng thu t ng. .. THU 4T TOÁN - THU 4T GI5 I (3 ti t LT + ti t TH) Kh? ?i ni m thu t toán – thu t gi i Trong trình nghiên c u gi i quy t v n – toán, ng i ta ã a nh ng nh n x? ?t nh sau: a) Có nhi u t? ??n cho n v-n ch a t? ?m