Trí tuệ nhân tạo

Trí tuệ nhân tạo Biên tập bởi: Trần Ngân Bình Trí tuệ nhân tạo Biên tập bởi: Trần Ngân Bình Các tác giả: Huynh Tram Vo Phiên trực tuyến: http://voer.edu.vn/c/764b3239 MỤC LỤC Lời nói đầu GIỚI THIỆU TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO 2.1 GIỚI THIỆU TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO 2.2 GIỚI THIỆU VỀ TRÍ TUỆ NHÂN TẠO 2.3 LỊCH SỬ HÌNH THÀNH VÀ PHÁT TRIỂN CỦA TRÍ TUỆ NHÂN TẠO 2.4 ĐỊNH NGHĨA TRÍ TUỆ NHÂN TẠO 2.5 KHÁI QUÁT CÁC LĨNH VỰC ỨNG DỤNG CỦA TTNT 2.6 MỘT SỐ TỔNG KẾT VỀ TTNT TRÍ TUỆ NHÂN TẠO NHƯ LÀ BIỂU DIỄN VÀ TÌM KIẾM 3.1 LOGIC HÌNH THỨC 3.2 ĐỐI SÁNH MẪU VÀ PHÉP HỢP NHẤT CÁC CẤU TRÚC VÀ CHIẾN LƯỢC DÙNG CHO VIỆC TÌM KIẾM TRONG KHÔNG GIAN TRẠNG THÁI 4.1 MỞ ĐẦU 4.2 CÁC CHIẾN LƯỢC DÙNG CHO TÌM KIẾM TRONG KHÔNG GIAN TRẠNG THÁI (TK-KGTT) 4.3 DÙNG KHÔNG GIAN TRẠNG THÁI ĐỂ BIỂU DIỄN QUÁ TRÌNH SUY LUẬN BẰNG PHÉP TÍNH VỊ TỪ TÌM KIẾM HEURISTIC 5.1 MỞ ĐẦU 5.2 THUẬT TOÁN TÌM KIẾM HEURISTIC 5.3 SỬ DỤNG HEURISTIC TRONG CÁC TRÒ CHƠI ĐIỀU KHIỂN VÀ CÀI ĐẶT TÌM KIẾM TRONG KHÔNG GIAN TRẠNG THÁI 6.1 TÌM KIẾM DỰA TRÊN CƠ SỞ ĐỆ QUI 6.2 HỆ THỐNG LUẬT SINH (HỆ SINH – PRODUCTION SYSTEM) 6.3 KIẾN TRÚC BẢNG ĐEN (BLACKBOARD ARCHITECTURE) GIẢI QUYẾT VẤN ĐỀ DỰA TRÊN TRI THỨC (KNOWLEDGE – BASED PROBLEM SOLVING) 7.1 GiỚi thiỆu: 7.2 TỔNG QUAN VỀ CÔNG NGHỆ HỆ CHUYÊN GIA 7.3 HỆ chuyên gia DỰA LUẬT (RULE–BASED ES) 7.4 SUY LUẬN DỰA TRÊN MÔ HÌNH: (MODEL–BASED REASONING) 7.5 SUY LUẬN DỰA TRÊN TRƯỜNG HỢP: (caSe–BASED REASONING) SUY LUẬN KHÔNG CHẮC CHẮN 1/197 8.1 Giới thiệu 8.2 TIẾP CẬN THỐNG KÊ ĐỐI VỚI TÍNH KHÔNG CHẮC CHẮN 8.3 SUY LUẬN VỚI CÁC TẬP MỜ (fUZZY LOGIC) CÁC CHỦ ĐỀ NÂNG CAO 9.1 Giới thiệu 9.2 NHẬN XÉT VỀ PHƯƠNG PHÁP HỢP GIẢI 10 HỌC MÁY (MACHINE LEARNING) 10.1 Giới thiệu 10.2 TIẾP CẬN KÝ HIỆU: gIẢI THUẬT QUY NẠP CÂY QUYẾT ĐỊNH ID3 10.3 TIẾP CẬN KẾT NỐI: MẠNG NEURON 10.4 TIẾP CẬN XÃ HỘI VÀ NỔI TRỘI: GIẢI THUẬT DI TRUYỀN (GENETIC ALGORITHM - GA) 11 TÀI LIỆU THAM KHẢO Tham gia đóng góp 2/197 Lời nói đầu LỜI NÓI ĐẦU Để đáp ứng nhu cầu học tập bạn sinh viên, sinh viên chuyên ngành Tin học, Khoa Công Nghệ Thông Tin & Truyền thông - Trường Đại Học Cần Thơ tiến hành biên soạn giáo trình, giảng chương trình học theo hướng giúp sinh viên tự học, tự nghiên cứu Giáo trình môn Trí tuệ nhân tạo biên soạn dựa “Artificial Intelligence” George F Luger William A Stubblefield, xuất Wesley Publishing Company, Inc vào năm 1997; “Trí tuệ nhân tạo – Các cấu trúc chiến lược giải vấn đề”- biên dịch Bùi Xuân Toại – Trương Gia Việt phát hành NXB Thống kê năm 2000 Giáo trình biên soạn dựa kinh nghiệm giảng dạy nhiều năm môn Trí tuệ nhân tạo Tài liệu soạn theo đề cương chi tiết môn Trí tuệ nhân tạo dành cho sinh viên chuyên ngành Tin học - Khoa Công Nghệ Thông Tin & Truyền thông - Trường Đại Học Cần Thơ Mục tiêu nhằm giúp bạn sinh viên chuyên ngành năm thứ tư có tài liệu cô đọng dùng làm tài liệu học tập, không loại trừ tham khảo đối tượng khác Chúng làm cụ thể hóa phạm vi nội dung giáo trình so với thời lượng mà môn học cho phép Dù cố gắng có lẽ giáo trình nhiều thiếu sót hạn chế Chúng xin chân thành cảm ơn hoan nghênh ý kiến đóng góp bạn đồng nghiệp gần, xa bạn sinh viên để giáo trình môn học hoàn chỉnh theo thời gian Đại Học Cần Thơ, tháng 08 năm 2006 VÕ HUỲNH TRÂM – TRẦN NGÂN BÌNH Email : vhtram@cit.ctu.edu.vntnbinh@cit.ctu.edu.vn 3/197 GIỚI THIỆU TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO GIỚI THIỆU TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO GIỚI THIỆU TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO Mặc dù kỷ 18, 19 đầu kỷ 20, hình thức hóa khoa học toán học tạo điều kiện tiên mặt trí tuệ cho việc nghiên cứu trí tuệ nhân tạo, phải kỷ 20 với đời máy tính số Trí tuệ nhân tạo (AI : Artificial Intelligence) trở thành ngành khoa học có sức sống Cho đến cuối năm 1940, chương trình thông minh, máy tính số cho thấy tiềm to lớn chúng việc cung cấp nhớ sức mạnh cho xử lý cần thiết Ngày nay, cài đặt hệ suy luận hình thức vào máy tính kiểm tra cách thực nghiệm khả biểu lộ trí thông minh chúng Một thành phần thiếu Trí tuệ nhân tạo việc dùng máy tính số phương tiện chọn lựa để tạo thử nghiệm lý thuyết trí tuệ Không thế, kiến trúc chúng cung cấp mô hình đặc trưng cho lý thuyết đó: trí tuệ hình thức xử lý thông tin Những kỹ thuật hình thức khảo sát lĩnh vực Trí tuệ nhân tạo thể mối quan hệ khắng khít máy tính số cốt lõi lý thuyết Cũng với khoa học khác, Trí tuệ nhân tạo (AI : Artificial Intelligence) tự liên quan đến tập hợp định vấn đề triển khai nhóm kỹ thuật đặc thù để tiếp cận vấn đề Một lịch sử hình thành phát triển ngắn gọn Trí tuệ nhân tạo, người nhận định định hình, số định nghĩa cách nhìn khái quát lĩnh vực ứng dụng Trí tuệ nhân tạo trình bày giúp cho nhìn tổng quan ngành khoa học tương đối mẻ Download slide 4/197 GIỚI THIỆU VỀ TRÍ TUỆ NHÂN TẠO GIỚI THIỆU VỀ TRÍ TUỆ NHÂN TẠO Nội dung chính: Trong chương này, giới thiệu cách khái quát lịch sử hình thành phát triển khoa học Trí tuệ nhân tạo, định nghĩa mang tính tương đối Trí tuệ nhân tạo – lĩnh vực khoa học mẻ với sức phát triển nhanh chóng thập niên gần Các lĩnh vực ứng dụng quan trọng Trí tuệ nhân tạo hiệu thiết thực chúng mặt sống người đề cập đến cách chi tiết sau Cuối chương, số đặc điểm mang tính tổng kết Trí tuệ nhân tạo trình bày Mục tiêu cần đạt : Sau chương này, sinh viên : • • • • Biết khái quát lịch sử hình thành phát triển TTNT Biết định nghĩa TTNT Hiểu dẫn chứng số lĩnh vực ứng dụng TTNT Hiểu đặc điểm GQVĐ TTNT Kiến thức tiên : Các hiểu biết lịch sử phát triển khoa học máy tính Tài liệu tham khảo : • George F Luger, William A Stubblefield – Albuquerque – Artificial Intelligence – Wesley Publishing Company, Inc – 1997 (Chapter 1) • Bùi Xuân Toại – Trương Gia Việt (Biên dịch) – Trí tuệ nhân tạo – Các cấu trúc chiến lược giải vấn đề - NXB Thống kê, 2000 (Phần I) • PTS Nguyễn Thanh Thủy – Trí tuệ nhân tạo – Các phương pháp giải vấn đề kỹ thuật xử lý tri thức– NXB Giáo dục, 1995 (Chương 1) • Wikipedia – Bách khoa toàn thư mở - Lịch sử ngành Trí tuệ nhân tạo • http://en.wikipedia.org/wiki/Artificial_intelligence • Artificial Intelligence: A Modern Approach (Second Edition) by Stuart Russell and Peter Norvig : Introduction on AI • http://aima.cs.berkeley.edu/ 5/197 LỊCH SỬ HÌNH THÀNH VÀ PHÁT TRIỂN CỦA TRÍ TUỆ NHÂN TẠO LỊCH SỬ HÌNH THÀNH VÀ PHÁT TRIỂN CỦA TRÍ TUỆ NHÂN TẠO Những năm gần đây, nhiều sách, báo, công trình nghiên cứu khoa học đề cập đến kỹ thuật tính toán, người ta hay nhắc đến nhiều thuật ngữ như: máy tính thông minh, máy tính hệ V, hệ chuyên gia, mạng ngữ nghĩa, Các ngôn ngữ lập trình LISP, PROLOG mở đường cho việc áp dụng hàng loạt hệ thống chương trình có khả “thông minh” Trước đây, nói đến Trí tuệ nhân tạo (TTNT) người ta thường quan tâm đến việc tạo lập máy tính có khả “suy nghĩ”, chí số phạm vi hẹp đó, cạnh tranh vượt khả não người Những hy vọng thời gian dài ảnh hưởng nhiều đến nghiên cứu phòng thí nghiệm Mặc dù mô hình tương tự máy tính thông minh đưa hàng nhiều năm trước, từ Alan Turing công bố kết nghiên cứu quan trọng đầu tiên, người ta bắt đầu thực nghiên cứu đến vấn đề TTNT cách nghiêm túc Phát Turing cho chương trình lưu trữ nhớ để sau thực sở phép toán thao tác với bit 0, Điều tạo nên tảng máy tính đại Việc lưu trữ chương trình máy cho phép thay đổi chức cách nhanh chóng dễ dàng thông qua việc nạp chương trình vào nhớ Theo nghĩa đó, khả làm cho máy tính có khả học suy nghĩ Đó biểu quan trọng máy tính trang bị TTNT Năm 1956, chương trình dẫn xuất kết luận hệ hình thức công bố Tiếp theo đó, năm 1959 chương trình chứng minh định lý hình học phẳng chương trình giải toán vạn (GPS - General Problem Solving) đưa Tuy khoảng năm 1960 McCathy MIT (Massachussets Institute of Technology) đưa ngôn ngữ lập trình dùng cho trí tuệ nhân tạo LISP (list processing), nghiên cứu TTNT bắt đầu phát triển mạnh mẽ Thuật ngữ TTNT Marvin Minsky chuyên gia tiếng MIT đưa năm 1961 báo “ Steps Forwards To Artificial Intelligence” Những năm 60 xem mốc quan trọng trình xây dựng máy có khả suy nghĩ Các chương trình chơi cờ chương trình chứng minh định lý toán học công bố khoảng thời gian Những bế tắc, hạn chế thành công công trình nghiên cứu TTNT năm 60 giới hạn khả thiết bị, nhớ đặc biệt yếu tố thời gian thực Chính yếu tố không cho phép tổng quát hóa thành 6/197 công bước đầu đạt hệ chương trình TTNT xây dựng Tuy vào năm 70, nhớ máy tính thời gian tính toán nâng cao đáng kể chất, song cách tiếp cận khác đến TTNT chưa đem tới thành công thật sự bùng nổ tổ hợp trình tìm kiếm lời giải cho toán đặt Cuối năm 70, số nghiên cứu lĩnh vực xử lý ngôn ngữ tự nhiên, biểu diễn tri thức, lý thuyết giải vấn đề đem lại diện mạo cho TTNT Thị trường tin học bắt đầu đón nhận sản phẩm TTNT ứng dụng mang tính thương mại Đó hệ chuyên gia áp dụng lĩnh vực khác Hệ chuyên gia phần mềm máy tính, chứa thông tin tri thức lĩnh vực cụ thể đó, có khả giải yêu cầu người dùng mức độ với trình độ chuyên gia có kinh nghiệm lâu năm Một hệ chuyên gia sử dụng thành công thực tế hệ MYCIN, thiết kế cài đặt trường Đại học Tổng Hợp Stanford Một kiện quan trọng phát triển khoa học TTNT đời ngôn ngữ PROLOG, Alain Calmerauer đưa năm 1972 Năm 1981, dự án Nhật Bản xây dựng máy tính hệ thứ V lấy ngôn ngữ PROLOG ngôn ngữ sở làm thay đổi nhiều tình hình phát triển TTNT Mỹ châu Âu Giai đoạn 1981 trở người ta cảm nhận rõ nét chuyên gia TTNT dần chuyển kết nghiên cứu từ phòng thí nghiệm sang cài đặt ứng dụng cụ thể Có thể nói giai đoạn cạnh tranh riết công ty, viện nghiên cứu hàng đầu nhằm đưa thị trường sản phẩm phần mềm ứng dụng kỹ thuật TTNT Cuối năm 80, đầu năm 90 thị trường sản phẩm dân dụng có nhiều sản phẩm trình độ cao máy giặt, máy ảnh, sử dụng TTNT Các hệ thống nhận dạng xử lý hình ảnh, tiếng nói ngày thúc đẩy phát triển kỹ thuật mạng Neuron Sự xích lại hai cách tiếp cận: Tiếp cận mờ lập luận xấp xỉ kỹ thuật mạng Neuron gây quan tâm đặc biệt chuyên gia tin học Bên cạnh xuất hệ chuyên gia, ứng dụng công nghiệp quản lý xã hội, quản lý kinh tế đòi hỏi đời hệ thống xử lý tri thức – liệu tích hợp Thế giới chuyển nghiên cứu TTNT Tuy câu hỏi liệu kỹ thuật TTNT có tạo nên bước nhảy vọt công nghệ tin học, đặc biệt công nghệ máy tính người ta mong đợi hay không chưa có lời giải đáp thỏa đáng 7/197 ĐỊNH NGHĨA TRÍ TUỆ NHÂN TẠO ĐỊNH NGHĨA TRÍ TUỆ NHÂN TẠO Trí tuệ nhân tạo Trí tuệ nhân tạo (AI: Artificial Intelligence) định nghĩa ngành khoa học máy tính liên quan đến việc tự động hóa hành vi thông minh AI phận khoa học máy tính phải đặt nguyên lý lý thuyết vững chắc, có khả ứng dụng lĩnh vực Những nguyên lý bao gồm cấu trúc liệu dùng cho biểu diễn tri thức, thuật toán cần thiết để áp dụng tri thức đó, ngôn ngữ kỹ thuật lập trình dùng cho việc cài đặt chúng Tuy nhiên định nghĩa phải chấp nhận thực tế - trí tuệ tự khái niệm không định nghĩa cách rõ ràng Mặc dù hầu hết nhận hành vi thông minh nhìn thấy chúng khó đưa định nghĩa trí tuệ Vì mà vấn đề định nghĩa Trí tuệ nhân tạo tự trở thành định nghĩa trí tuệ: có phải lực tên dùng gọi tập hợp khả khác không liên quan đến ? Thế khả sáng tạo ? Thế trực giác ? Có thể kết luận tính trí tuệ từ việc quan sát hành vi hay không hay cần phải có biểu chế nằm bên ? Tất câu hỏi chưa trả lời chúng nêu vấn đề cần có phương pháp luận để giải Cho đến nay, Trí tuệ nhân tạo ngành khoa học trẻ, mối quan tâm phương pháp chưa rõ ràng so với tất ngành khoa học trưởng thành trước Song, mục tiêu trọng tâm quan tâm đến việc mở rộng khả khoa học máy tính tìm cách định nghĩa giới hạn Câu hỏi : Nêu định nghĩa theo khái quát riêng bạn Trí tuệ nhân tạo ? Trắc nghiệm Turing Năm 1950, nhà toán học người Anh Alan Turing viết trang sách trả lời cách cụ thể câu hỏi: trí tuệ máy có liên hệ với máy tính kỹ thuật số đại Tác phẩm “Máy tính trí tuệ” (Turing 1950) ông mang tính thời đại việc đánh giá tranh luận khả tạo máy tính 8/197 101010 cho biết a, c, e true b, d, f false, thay giá trị vào biểu thức (1-3), cho giá trị false Chúng ta muốn toán tử di truyền sinh hệ lời giải cho biểu thức CNF mang trị true, toán tử phải sinh mẫu 6-bit phép gán true cho biểu thức Cách biểu diễn lời giải dạng mẫu bit mang lại cho ta điều thuận lợi toán tử di truyền (lai ghép, đột biến, đảo ngược, hay trao đổi) tạo mẫu bit lời giải hợp lệ Việc chọn lựa hàm thích nghi cho quần thể chuỗi bit hoàn toàn dễ dàng Thoạt nhìn chuỗi bit, ta khó xác định hàm thích nghi để đánh giá chất lượng nào, nghĩa khó đoán độ tốt so với đáp án Đáp án chuỗi bit cho biểu thức CNF có giá trị true Tuy nhiên có số cách khác Nếu ta ý đến biểu thức CNF (1-3), ta thấy tạo thành từ hội mệnh đề Do thiết lập hệ phân hạng cho phép hạng lời giải (mẫu bit) tiềm khoảng giá trị từ đến 5, tùy thuộc vào số mệnh đề mà mẫu thỏa mãn Do mẫu: 1 0 có độ thích nghi 1 0 có độ thích nghi 0 1 có độ thích nghi 1 1 có độ thích nghi 5, lời giải Ví dụ 2: Bài toán người bán hàng TSP Bài toán người bán hàng (traveling salesperson problem – TSP) toán cổ điển AI khoa học máy tính Phát biểu toán TSP: Một người bán hàng có nhiệm vụ ghé thăm N thành phố phần lộ trình bán hàng Đường cặp thành phố có chi phí (ví dụ độ dài đoạn đường, giá vé máy bay) Hãy tìm đường có chi phí thấp cho người bán hàng để bắt đầu lên đường thành phố, thăm tất thành phố khác lần quay lại thành phố xuất phát Như chúng giới thiệu chương III, toàn không gian trạng thái đòi hỏi phải xem xét N! trạng thái để tìm lời giải tối ưu, N số thành phố cần qua Khi N lớn toán bị bùng nổ tổ hợp, người ta đặt vấn đề có cần thiết hay không cho việc chạy máy trạm làm việc đắt tiền nhiều lời giải tối ưu hay nên chạy PC rẻ tiền vài phút để có 183/197 kết “đủ tốt” Giải thuật di truyền giải pháp cho lựa chọn thứ hai Ở toán này, dùng mẫu bit để biểu diễn cho lời giải toán cách hay Chẳng hạn, ta có chín thành phố cần ghé thăm 1, 2, …9, ta xem thành phố mẫu bit 0001, 0010,… 1001 Khi lời giải có hình thức sau: 0001 0010 0011 0100 0101 0110 0111 1000 1001 Với cách biểu diễn vậy, việc thiết kế toán tử di truyền trở nên khó khăn Toán tử lai ghép định không được, chuỗi tạo từ hai cha mẹ khác không biểu diễn đường ghé thăm thành phố lần Trong thực tế, với lai ghép, số thành phố bị xóa bỏ thành phố khác ghé thăm nhiều lần, lời giải hợp lệ Còn toán tử đột biến nào? Giả sử bit trái thành phố thứ sáu, 0110, đột biến thành 1? 1110, 14, không thành phố hợp lệ Một cách tiếp cận khác bỏ qua biểu diễn dạng mẫu bit đặt cho thành phố tên theo bảng chữ số, ví dụ 1, 2, …9; xem đường qua thành phố thứ tự chín ký số này, sau chọn toán tử di truyền thích hợp để tạo đường Ở ta thấy phép trao đổi (exchange) ngẫu nhiên hai thành phố đường sử dụng được, phép toán lai ghép (crossover) không Việc trao đổi đoạn đường với đoạn khác đường đó, toán tử xếp lại chữ đường (mà không xóa bỏ, thêm, hay nhân đôi thành phố nào) sử dụng Tuy nhiên, phương pháp gây khó khăn cho việc đưa vào hệ cháu thành phần “tốt hơn” mẫu đường qua thành phố hai cha mẹ khác Nhiều nhà nghiên cứu đưa toán tử lai ghép có khả khắc phục vấn đề này, có toán tử lai ghép có thứ tự (order crossover) Davis đưa vào năm 1985 Lai ghép có thứ tự xây dựng cháu cách chọn dãy thành phố đường mẫu cha mẹ Nó bảo toàn thứ tự tương đối thành phố từ cha mẹ Đầu tiên, chọn hai điểm cắt, biểu thị dấu “|”, điểm cắt chen vào cách ngẫu nhiên vào vị trí mẫu cha mẹ Những điểm cắt ngẫu nhiên, chọn, vị trí sử dụng cho hai cha mẹ Ví dụ, có hai mẫu cho mẹ p1 p2, với điểm cắt sau thành phố thứ ba thứ bảy: p1 = (1 | | 3) p2 = (4 | | 3) 184/197 Hai mẫu c1 c2 sinh theo cách sau Đầu tiên, đoạn hai điểm cắt chép vào mẫu con: c1 = (x x x | | x x) c2 = (x x x | | x x) Bước điểm cắt thứ hai hai mẫu cha mẹ, ta muốn hoàn tất mẫu c1, ta điểm cắt thứ hai mẫu p2, ta chép thành phố từ điểm cắt theo thứ tự vào chỗ trống c1, bỏ qua thành phố mà c1 có (các ký số in đậm nghiêng sơ đồ bên dưới) Khi đến cuối mẫu p2, quay lại đầu mẫu p2 tiếp tục chép sang c1 c1 đủ Với giải thuật lai ghép này, đường hệ đảm bảo đường hợp lệ, qua thành phố lần Tóm lại, lai ghép thứ tự, mảnh đường truyền từ cha mẹ, p1, sang con, c1, xếp thành phố lại c1 thừa kế từ cha mẹ kia, p2 Điều ủng hộ cho trực giác hiển nhiên thứ tự thành phố đóng vai trò quan trọng việc tạo đường với chi phí thấp nhất, việc truyền lại đoạn thông tin có thứ tự từ cha mẹ có độ thích nghi cao sang điều quan trọng Ngoài toán tử lai ghép thứ tự trên, có nhiều toán tử lai ghép đột biến khác đưa để giải toán Bảng 9.5 liệt kê toán tử lai ghép, bảng 9.6 liệt kê toán tử đột biến Năm Tác giả Alternating Position Crossover (AP) (1999) Larranaga, Kuijpers, Poza, Murga Cycle Crossover (CX) (1987) Oliver, Smith and Holland Distance Preserving Crossover (DPX) (1996) Freisbein and Merz Edge Assembly Crossover (EAX) (1997) Nagata and Kobayashi Edge Recombination Crossover (ER) (1989) Whitley, Timothy, Fuquay 185/197 Heuristic Crossover (HEU) (1987) Grefenstette Inver-over Operator (IOO) (1998) Tao and Michalewicz Maximal Preservative Crossover (MPX) (1988) Mühlenbein, Schleuter and Krämer Position Based Crossover (POS) (1991) Syswerda Order Crossover (OX1) (1985) Davis Order Based Crossover (OX2) (1991) Syswerda Partially mapped Crossover (PMX) (1985) Goldberg and Lingle Voting Recombination Crossover (VR) (1989) Mühlenbein Bảng 9.5 - Danh sách toán tử lai ghép cho toán TSP Bảng 9.6 - Danh sách toán tử đột biến cho toán TSP Đánh giá giải thuật Các ví dụ vừa nêu làm bật vấn đề mang tính thuật toán di truyền biểu diễn tri thức, chọn toán tử di truyền, thiết kế hàm thích nghi Biểu diễn chọn phải hỗ trợ cho toán tử di truyền Một điểm dáng lưu ý toán tử di truyền phải thiết kế cho bảo lưu mảnh thông tin có ý nghĩa lời giải tiềm từ hệ sang hệ Một sức mạnh quan trọng thuật toán di truyền chất song song tìm kiếm Các thuật toán thực dạng mạnh leo núi (hill climbing) trì nhiều lời giải (trong quần thể lời giải), loại bỏ lời giải triển vọng, nâng cao chất lượng lời giải tốt Hình 9.19 theo Holland 186/197 (1986), cho thấy nhiều lời giải hội tụ điểm tối ưu không gian tìm kiếm Trong hình này, trục hoành biểu diễn điểm có không gian lời giải, trục tung phản ánh chất lượng lời giải Các điểm chấm nằm cung thành viên quần thể Khởi đầu, lời giải rải không gian lời giải có Sau vài hệ, chúng có khuynh hướng cụm lại xung quanh vùng có chất lượng lời giải cao Hình 9.19- Các thuật toán di truyền xem leo núi song song (theo Holland 1986)Tuy nhiên, với sức mạnh vậy, giải thuật genetic áp dụng cho tất toán có Vì ta thấy qua hai ví dụ trên, lời giải toán phải biểu diễn dạng mẫu thích hợp cho toán tử di truyền hoạt động Trong thực tế có nhiều toán làm điều Vì vậy, nghiên cứu giải thuật này, có nhiều câu hỏi đưa nhằm hiểu rõ chất hoạt động nó: • Liệu đưa đặc điểm loại toán mà giải thuật di truyền (GA) thực tốt • Các loại toán không thích hợp với GA • Dựa vào đâu để ta nói GA thực tốt hay không tốt loại toán đó? • Liệu có qui luật mô tả hành vi GA mức vĩ mô? Hay cụ thể hơn, liệu có phán đoán thay đổi độ thích nghi nhóm quần thể theo thời gian? • Có cách để mô tả hiệu ứng khác toán tử di truyền lai ghép, đột biến, đảo ngược, v.v… • Trong trường hợp (bài toán nào, toán tử di truyền nào) GA thực tốt phương pháp nghiên cứu TTNT truyền thống Những câu hỏi (và nhiều nữa) nhà khoa học Holland, Mitchell, Golderg,… nghiên cứu 187/197 TỔNG KẾT CHƯƠNG IX Nội dung chương bao gồm: • Giới thiệu tổng quát nhánh nghiên cứu Trí Tuệ Nhân Tạo, Học máy Học định nghĩa thay đổi hệ thống cho phép tiến hành tốt lần thứ hai lặp lại nhiệm vụ với nhiệm vụ khác rút từ quần thể nhiệm vụ • Có ba tiếp cận học: Tiếp cận thứ tiếp cận ký hiệu, hai tiếp cận mạng neuron hay kết nối tiếp cận thứ ba tiếp cận trội haydi truyền tiến hóa • Các chương trình học theo tiếp cận ký hiệu biểu diễn vấn đề dạng ký hiệu Chương trình bày giải thuật sử dụng rộng rãi tiếp cận này, ID3 ID3 học từ tập liệu rèn luyện bao gồm nhiều ví dụ, ví dụ bao gồm tập cặp ‘thuộc tính – giá trị’ Thuộc tính giá trị ký hiệu Sau học xong, ID3 biểu diễn khái niệm học định • Tiếp cận kết nối hay mạng neuron mô hệ thần kinh người để học khái niệm mà không sử dụng ký hiệu để biểu diễn vấn đề Mạng đơn tầng perceptron cho thấy sức mạnh mạng neuron, nhiên khả áp dụng chúng hạn chế cho toán có tính tách rời tuyến tính Mạng đa tầng áp dụng giải thuật học lan truyền ngược vượt qua hạn chế mạng perceptron, chứng tỏ sức mạnh thực tiếp cận • Tương tự tiếp cận kết nối, tiếp cận di truyền tiến hóa có cảm hứng bắt nguồn từ tri thức người tiến hóa sinh vật: có cá thể có khả thích nghi với thay đổi môi trường tồn phát triển Thuật toán di truyền mô theo nguyên lý Bài tập chương IX Cho tập hợp ví dụ rèn luyện sau: An muốn áp dụng giải thuật ID3 để xây dựng định với tập liệu rèn luyện Áp dụng công thức tính entropy gain, giúp An xác định thuộc tính 188/197 (A1, A2, hay A3) thuộc tính tốt để hỏi nhằm tạo định đơn giản (Lưu ý: phải trình bày tính toán entropy gain để đến kết luận) Ứng dụng giải thuật di truyền để tìm giá trị biến x, y, z cho hàm f(x,y,z) = ysin(zcos(x)) – xcos(zsin(y)) đạt giá trị lớn Biết < x < 10, 0< y < 10, 30) Áp dụng công thức tính entropy gain, để xác định thuộc tính tốt để hỏi nhằm tạo định đơn giản theo giải thuật ID3 Trình bày tính toán entropy gain bước 189/197 TÀI LIỆU THAM KHẢO TÀI LIỆU THAM KHẢO SÁCH George F Luger, William A Stubblefield – Artificial Intelligence - Structure and Strategies for Complex Problem Solving(3rd edition) - Wesley Publishing Company, 1997 Bùi Xuân Toại, Trương Gia Việt (Biên dịch) – Trí tuệ nhân tạo – Các cấu trúc chiến lược giải vấn đề - NXB Thống kê, 2000 Elaine Rich, Kevin Knight – Artificial Intelligence (Second Edition) – McGraw-Hill, 1991 Tom M Mitchell – Machine Learning – McGraw Hill, Inc, 1997 Jean-Louis Laurière – Problem solving methods and Artificial Intelligence - Prentice Hall, 1987,1990 Judea Pearl – Heuristics – Intelligent Search Strategies for Computer Problem Solving – Addison-Wesley Publishing company, 1984 Stuart J Russell and Peter Norvig – ArtificalIntelligence: A Modern Approach– Prentice Hall Second edition, 2002 Bạch Hưng Khang, Hoàng Kiếm – Trí tuệ nhân tạo – Các phương pháp ứng dụng NXB Khoa học kỹ thuật, 1989 PTS Nguyễn Thanh Thủy – Trí tuệ nhân tạo – Các phương pháp giải vấn đề kỹ thuật xử lý tri thức– NXB Giáo dục, 1995 Nguyễn Trung Tuấn – Trí tuệ nhân tạo (tài liệu dùng cho sinh viên, kỹ sư, cử nhân ngành CNTT) - NXB Giáo dục, 1998 TRANG WEB Wikipedia – Bách khoa toàn thư mở - Lịch sử ngành Trí tuệ nhân tạo http://en.wikipedia.org/wiki/Artificial_intelligence 190/197 Artificial Intelligence: A Modern Approach (Second Edition) by Stuart Russell and Peter Norvig : Introduction on AI http://aima.cs.berkeley.edu/ Heuristic search http://www.macs.hw.ac.uk/~alison/ai3notes/subsection2_6_2_3.html Blackboard Architecture http://www.nb.net/~javadoug/bb.htm Wikipedia – Bách khoa toàn thư mở - Hệ chuyên gia http://en.wikipedia.org/wiki/Expert_system Hệ chuyên gia http://www.macs.hw.ac.uk/~alison/ai3notes/chapter2_5.html Hệ chuyên gia MYCIN http://www.cs.cf.ac.uk/Dave/AI1/mycin.html Fuzzy Logic http://pandora.compsci.ualr.edu/ milanova/7399-11/week14/ FuzzyLogic.ppt Wikipedia – Bách khoa toàn thư mở - Học máy: http://en.wikipedia.org/wiki/ Machine_learning 191/197 Tham gia đóng góp Tài liệu: Trí tuệ nhân tạo Biên tập bởi: Trần Ngân Bình URL: http://voer.edu.vn/c/764b3239 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: Lời nói đầu Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/9091b0ec Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: GIỚI THIỆU TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/69497232 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: GIỚI THIỆU VỀ TRÍ TUỆ NHÂN TẠO Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/be6c71bf Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: LỊCH SỬ HÌNH THÀNH VÀ PHÁT TRIỂN CỦA TRÍ TUỆ NHÂN TẠO Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/2c2f7092 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: ĐỊNH NGHĨA TRÍ TUỆ NHÂN TẠO Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/bc02d3a0 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: KHÁI QUÁT CÁC LĨNH VỰC ỨNG DỤNG CỦA TTNT Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/0022c3a8 192/197 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: MỘT SỐ TỔNG KẾT VỀ TTNT Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/e868b119 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: LOGIC HÌNH THỨC Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/9dce2657 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: ĐỐI SÁNH MẪU VÀ PHÉP HỢP NHẤT Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/7e324e08 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: MỞ ĐẦU Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/70515552 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: CÁC CHIẾN LƯỢC DÙNG CHO TÌM KIẾM TRONG KHÔNG GIAN TRẠNG THÁI (TK-KGTT) Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/83f45674 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: DÙNG KHÔNG GIAN TRẠNG THÁI ĐỂ BIỂU DIỄN QUÁ TRÌNH SUY LUẬN BẰNG PHÉP TÍNH VỊ TỪ Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/5e57f683 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: MỞ ĐẦU Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/2ab0f63d 193/197 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: THUẬT TOÁN TÌM KIẾM HEURISTIC Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/90488a73 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: SỬ DỤNG HEURISTIC TRONG CÁC TRÒ CHƠI Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/a66239c3 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: TÌM KIẾM DỰA TRÊN CƠ SỞ ĐỆ QUI Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/2b04cc7e Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: HỆ THỐNG LUẬT SINH (HỆ SINH – PRODUCTION SYSTEM) Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/23be6661 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: KIẾN TRÚC BẢNG ĐEN (BLACKBOARD ARCHITECTURE) Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/13967c0c Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: GiỚi thiỆu: Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/e66281f2 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: TỔNG QUAN VỀ CÔNG NGHỆ HỆ CHUYÊN GIA Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/50e51387 Giấy phép: http://creativecommons.org/licenses/by/3.0/ 194/197 Module: HỆ chuyên gia DỰA LUẬT (RULE–BASED ES) Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/cb7ee57c Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: SUY LUẬN DỰA TRÊN MÔ HÌNH: (MODEL–BASED REASONING) Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/62b77327 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: SUY LUẬN DỰA TRÊN TRƯỜNG HỢP: (caSe–BASED REASONING) Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/339b82be Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: Giới thiệu Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/8b9fa2d1 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: TIẾP CẬN THỐNG KÊ ĐỐI VỚI TÍNH KHÔNG CHẮC CHẮN Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/205e7423 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: SUY LUẬN VỚI CÁC TẬP MỜ (fUZZY LOGIC) Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/016c4f61 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: Giới thiệu Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/f5812ee3 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: NHẬN XÉT VỀ PHƯƠNG PHÁP HỢP GIẢI 195/197 Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/0ed5547f Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: Giới thiệu Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/203bcc4e Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: TIẾP CẬN KÝ HIỆU: gIẢI THUẬT QUY NẠP CÂY QUYẾT ĐỊNH ID3 Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/cb4f35f8 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: TIẾP CẬN KẾT NỐI: MẠNG NEURON Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/d120b932 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: TIẾP CẬN XÃ HỘI VÀ NỔI TRỘI: GIẢI THUẬT DI TRUYỀN (GENETIC ALGORITHM - GA) Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/0499fa55 Giấy phép: http://creativecommons.org/licenses/by/3.0/ Module: TÀI LIỆU THAM KHẢO Các tác giả: Huynh Tram Vo URL: http://www.voer.edu.vn/m/6ad41374 Giấy phép: http://creativecommons.org/licenses/by/3.0/ 196/197 Chương trình Thư viện Học liệu Mở Việt Nam Chương trình Thư viện Học liệu Mở Việt Nam (Vietnam Open Educational Resources – VOER) hỗ trợ Quỹ Việt Nam Mục tiêu chương trình xây dựng kho Tài nguyên giáo dục Mở miễn phí người Việt cho người Việt, có nội dung phong phú Các nội dung đểu tuân thủ Giấy phép Creative Commons Attribution (CC-by) 4.0 nội dung sử dụng, tái sử dụng truy nhập miễn phí trước hết trong môi trường giảng dạy, học tập nghiên cứu sau cho toàn xã hội Với hỗ trợ Quỹ Việt Nam, Thư viện Học liệu Mở Việt Nam (VOER) trở thành cổng thông tin cho sinh viên giảng viên Việt Nam Mỗi ngày có hàng chục nghìn lượt truy cập VOER (www.voer.edu.vn) để nghiên cứu, học tập tải tài liệu giảng dạy Với hàng chục nghìn module kiến thức từ hàng nghìn tác giả khác đóng góp, Thư Viện Học liệu Mở Việt Nam kho tàng tài liệu khổng lồ, nội dung phong phú phục vụ cho tất nhu cầu học tập, nghiên cứu độc giả Nguồn tài liệu mở phong phú có VOER có chia sẻ tự nguyện tác giả nước Quá trình chia sẻ tài liệu VOER trở lên dễ dàng đếm 1, 2, nhờ vào sức mạnh tảng Hanoi Spring Hanoi Spring tảng công nghệ tiên tiến thiết kế cho phép công chúng dễ dàng chia sẻ tài liệu giảng dạy, học tập chủ động phát triển chương trình giảng dạy dựa khái niệm học liệu mở (OCW) tài nguyên giáo dục mở (OER) Khái niệm chia sẻ tri thức có tính cách mạng khởi xướng phát triển tiên phong Đại học MIT Đại học Rice Hoa Kỳ vòng thập kỷ qua Kể từ đó, phong trào Tài nguyên Giáo dục Mở phát triển nhanh chóng, UNESCO hỗ trợ chấp nhận chương trình thức nhiều nước giới 197/197 [...]... hãy trình bày một số hiệu quả có khả năng tác động tiêu cực đối với xã hội của các kỹ thuật Trí tuệ nhân tạo? 23/197 TRÍ TUỆ NHÂN TẠO NHƯ LÀ BIỂU DIỄN VÀ TÌM KIẾM LOGIC HÌNH THỨC LOGIC HÌNH THỨC Nội dung chính : Trong chương này, chúng ta giới thiệu phép tính vị từ như một ngôn ngữ biểu diễn dùng cho Trí tuệ nhân tạo Những ưu điểm của việc dùng phép tính vị từ bao gồm một ngữ nghĩa hình thức (formal semantics)... nhiều vấn đề đã nói ở trên dùng trí tuệ con người làm điểm tựa tham khảo để xem xét trí tuệ nhân tạo, thực tế đã không diễn biến theo cách mà những chương trình cần phải lấy sự tổ chức của trí óc con người làm kiểu mẫu cho chúng Thực ra nhiều chương trình TTNT được thiết kế để giải một số bài toán cần thiết mà không cần chú ý đến tính tương tự của chúng so với kiến trúc trí óc con người Ngay cả các hệ... giải quyết vấn đề Giống như hầu hết các ngành khoa học khác, Trí Tuệ Nhân Tạo cũng được phân thành những ngành con Trong khi chia sẻ một tiếp cận giải quyết vấn đề cơ bản, các ngành con này có các mối quan tâm đến các ứng dụng khác nhau Phần sau sẽ phác thảo tổng thể một vài lĩnh vực ứng dụng chính và những đóng góp của chúng cho Trí tuệ nhân tạo Trò chơi Ngay từ thời kỳ đầu của việc nghiên cứu vấn đề... hợp nhất và giải thuật đối sánh mẫu Kiến thức tiên quyết : Khái niệm về Trí tuệ nhân tạo, Logic mệnh đề, Logic vị từ, … Tài liệu tham khảo : • George F Luger, William A Stubblefield – Albuquerque – Artificial Intelligence – Wesley Publishing Company, Inc – 1997 (Chapter 2) • Bùi Xuân Toại – Trương Gia Việt (Biên dịch) – Trí tuệ nhân tạo – Các cấu trúc và chiến lược giải quyết vấn đề - NXB Thống kê, 2000... hoặc tài chính ? 14/197 Hiểu và mô hình hoá ngữ nghĩa ngôn ngữ tự nhiên Một trong những mục tiêu có từ lâu đời của Trí tuệ nhân tạo là tạo ra các chương trình có khả năng hiểu ngôn ngữ của con người Khả năng hiểu ngôn ngữ tự nhiên không chỉ là một trong những biểu hiện căn bản nhất của trí thông minh con người mà sự tự động hoá nó một cách thành công sẽ gây ra một tác động ngoài sức tưởng tượng đối... qua lại giữa những ứng dụng và những khát vọng mang tính nhân đạo hơn đối với TTNT tiếp tục đặt ra những vấn đề phong phú và đầy thách thức Những chương tiếp theo sẽ đi sâu hơn vào những kỹ thuật được dùng trong TTNT mà chương đầu tiên này đã đề cập đến 22/197 Bài tập chương I • Tự sáng tạo để trình bày và chứng minh một định nghĩa về Trí tuệ nhân tạo theo như bạn hiểu • Thảo luận về tiêu chuẩn mà Turing... học trí tuệ nhân tạo và tâm lý học 16/197 Mô hình hóa hoạt động con người, ngoài việc cung cấp cho TTNT nhiều phương pháp luận cơ bản, đã chứng tỏ được rằng nó là một dụng cụ mạnh để công thức hóa và thử nghiệm những lý thuyết về sự nhận thức của con người Những phương pháp luận giải quyết vấn đề được các nhà khoa học máy tính phát triển đã đem đến cho các nhà tâm lý học một sự ẩn dụ mới để khảo sát trí. .. chịu trách nhiệm về phần đóng góp của chính nó trong nhiệm vụ của bài toán và thông qua sự phối hợp giữa chúng lời giải tổng quát sẽ hiện ra Các ngôn ngữ và môi trường dùng cho TTNT Nghiên cứu Trí tuệ nhân tạo đã tạo ra một số những sản phẩm phụ, đó là những tiến bộ trong các ngôn ngữ lập trình và các môi trường phát triển phần mềm Vì nhiều lý do, bao gồm cả qui mô tổng thể của hầu hết các chương trình... vậy Kỹ thuật này hiện nay là những công cụ chuẩn dùng cho công nghệ phần mềm, và tương đối có quan hệ với hạt nhân lý thuyết của TTNT Những kỹ thuật khác như là lập trình hướng đối tượng, được quan tâm đáng kể cả trên lý thuyết và thực tiễn Các ngôn ngữ phát triển cho việc lập trình trí tuệ nhân tạo gắn bó mật thiết với cấu trúc lý thuyết của lĩnh vực đó Máy học Tuy thành công trong vai trò những máy... hoá quá trình hiểu ngôn ngữ tự nhiên Để đáp ứng yêu cầu này, các nhà nghiên cứu đã phát triển nhiều kỹ thuật dùng để cấu trúc hoá ý nghĩa ngữ nghĩa, các kỹ thuật này được dùng xuyên suốt khoa học Trí tuệ nhân tạo Do việc hiểu ngôn ngữ tự nhiên đòi hỏi những khối lượng kiến thức khổng lồ, hầu hết các công trình được người ta thực hiện trong những lĩnh vực vấn đề đã được hiểu rõ và chuyên môn hoá Một trong ... 2.1 GIỚI THIỆU TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO 2.2 GIỚI THIỆU VỀ TRÍ TUỆ NHÂN TẠO 2.3 LỊCH SỬ HÌNH THÀNH VÀ PHÁT TRIỂN CỦA TRÍ TUỆ NHÂN TẠO 2.4 ĐỊNH NGHĨA TRÍ TUỆ NHÂN TẠO 2.5 KHÁI QUÁT CÁC LĨNH... VỀ TRÍ TUỆ NHÂN TẠO GIỚI THIỆU TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO GIỚI THIỆU TỔNG QUAN VỀ TRÍ TUỆ NHÂN TẠO Mặc dù kỷ 18, 19 đầu kỷ 20, hình thức hóa khoa học toán học tạo điều kiện tiên mặt trí tuệ. .. 4/197 GIỚI THIỆU VỀ TRÍ TUỆ NHÂN TẠO GIỚI THIỆU VỀ TRÍ TUỆ NHÂN TẠO Nội dung chính: Trong chương này, giới thiệu cách khái quát lịch sử hình thành phát triển khoa học Trí tuệ nhân tạo, định nghĩa