Đề cương CHÍ TUỆ NHÂN tạo

Lấy ví dụ  Không gian trạng thái state space: là một bộ gồm 4 thành phần N,A,S,GD trong đó:  N Node: là các nút hay các trạng thái của đồ thị  A Arc: là tập các cung hay các liên kết

CHÍ TUỆ NHÂN TẠO

1 Thế nào là trí tuệ nhân tạo ? Các lĩnh vực nghiên cứu và các ứng dụng của trí tuệ nhân tạo ?

 Trí tuệ nhân tạo: là khoa học nghiên cứu các hành vi thông minh nhằm giải quyết các vấn đề được đặt ra với các chương trình máy tính

 Các lĩnh vực nghiên cứu:

 Game playing

 Planning & Robotic: các hệ thống dự báo,tự động hóa

 Machine learning: trang bị khả năng học tập để giải quyết vấn đề kho tri thức

 Language anh Environment for AI: phát triển công cụ và môi trường để xây dựng các ứng dụng AI

 Neural network/Parallel Distributed processing: giải quyết vấn đề năng lực tính toán

và tốc độ tính toán bằng kỹ thuật song song và mô phỏng mạng thần kinh con người Vvv,…

 Các ứng dụng:

 Nhận dạng mẫu: hình dạng,chữ viết,âm thanh

 Xử lý ngôn ngữ tự nhiên

 Hệ thống thông minh

 Hệ chuyên gia

 Máy học

 Lý thuyết trò chơi

 Khai phá dữ liệu…

2 Mô tả không gian trạng thái và các toán tử của bài toán tìm kiếm Lấy ví dụ

 Không gian trạng thái (state space): là một bộ gồm 4 thành phần (N,A,S,GD) trong đó:

 N (Node): là các nút hay các trạng thái của đồ thị

 A (Arc): là tập các cung hay các liên kết giữa các nút

 S (Start): là tập chứa các trạng thái ban đầu của bài toán

 GD (Goal Description): chức các trạng thái đích của bài toán

 Đường đi của lời giải là một con đường đi qua đồ thị này từ một nút thuộc S đến một nút thuộc GD

 Các toán tử của bài toán tìm kiếm:

 Tìm kiếm hướng từ dữ liệu (Data-Driven Search): Suy diễn tiến tìm kiếm đi từ dữ liệu về mục tiêu (Ví dụ: Nam nhà giàu,bố mẹ Nam rất giỏi => Nam học rất giỏi)

 Tìm kiếm hướng từ mục tiêu (Goal-Driven Search): Suy diễn lùi tìm kiếm đi từ mục tiêu về dữ liệu (Ví dụ: Nam học rất giỏi Đi chứng minh nhà Nam rất giàu,bố mẹ Nam rất giỏi)

3 Thế nào là phương pháp tìm kiếm Heuristic?

 Heuristic là các quy tắc,phương pháp,chiến lược,mẹo giải hay phương cách nào đó nhằm giảm khối lượng tìm kiếm lời giải trong một không gian bài toán cực lớn

 Có nhiều phương pháp xây dựng một thuật giải Heuristic,trong đó người ta thường dựa vào một số nguyên lý cơ bản sau:

 Nguyên lý vét cạn thông minh:

 Nguyên lý tham lam (Greendy)

 Nguyên lý thứ tự

 Hàm Heuristic: hàm đánh giá thô,giá trị của hàm phụ thuộc vào trạng thái hiện tại của bài toán tại mỗi bước giải

 Thuật toán Heuristic gồm 2 phần: hàm đánh giá Heuristic và thuật toán sử dụng nó trong tìm kiếm không gian trạng thái

 Có 2 thuật toán Heuristic cơ bản là: tìm kiếm tốt nhất đầu tiên (best first search) và tìm kiếm leo núi (Hill climbing)

4 Tri thức là gì ? Trình bày các phương pháp biểu diễn tri thức? Lấy vị dụ tương ứng với từng phương pháp.

 Tri thức: là sự kết tinh,cô đọng,chắt lọc của thông tin Tri thức hình thành từ quá trình

xử lý thông tin mang lại

 Các phương pháp biểu diễn tri thức:

 Biểu diễn tri thức bằng luật dẫn Ví dụ: Cho hai bình rỗng X và Y có thể tích lần lượt

là VX và VY, hãy dùng hai bình này để đong ra z lít nước (z <= min(VX,VY))

 Biểu diễn tri thức bằng mạng ngữ nghĩa Ví dụ: Cho biết một số yếu tố của tam giác (như chiều dài cạnh và góc ) Hãy tính các yếu tố còn lại

 Biểu diễn tri thức bằng công cụ Frame Ví dụ: Tính diện tích phần giao của các hình hình học cơ bản

5 Trình bày bài toán, mục tiêu, một số đặc điểm, và các khó khăn của cây trò chơi.

 Bài toán: cây trò chơi là bài toán tìm kiếm có đối thủ

 Cờ vua,cờ tướng,cờ caro,…

 Mục tiêu: nghiên cứu giải thuật cho quân trắng đi

 Đặc điểm:

 Luật chơi

 Hai người chơi phải biết đầy đủ thông tin về luật chơi

 Vấn đề cần giải quyết: tìm nước đi tốt sao cho một số nước đi dẫn đến trạng thái kết thúc

 Khó khăn: có đối thủ nên khó tìm được lời giải tối ưu,chỉ tìm được lời giải xấp xỉ

6 Trình bày giải pháp và phương pháp xây dựng cây trò chơi? Lấy ví dụ cây trò chơi.

 Giải pháp: trong trò chơi có thể như tìm kiếm trong không gian trạng thái,mỗi trạng thái là một tình thế của trò chơi Có thể tóm tắt giải pháp:

 Trạng thái đầu là sự sắp xếp các quân cờ trong lúc đầu của cuộc chơi

 Các nước đi hợp lệ là các toán tử

 Các trạng thái kết thúc là các tình thế mà cuộc chơi dừng,thường đã xác định,có thể thông qua hàm kết quả

 Có thể biểu diễn không giản trạng thái trên cây trò chơi

 Phương pháp xây dựng:

 Gốc của cây ứng với trạng thái u

 Có thể gọi đỉnh ứng với trạng thái trắng (đen) đưa ra nước đi là đỉnh trắng (đen)

 Nếu một đỉnh là trắng (đen) ứng với trạng thái u.thì đỉnh con của nó là tất cả các đỉnh biểu diễn trạng thái v,v nhận được từ u do trắng (đen) thực hiện nước đi hợp lệ nào đó

 Ví dụ cây trò chơi: trò chơi Doggen

 Trên bàn cờ có 2 quân trắng và đen,được xắp xếp trên bàn cơ 3x3

 Quân đen có thể đi tới ô trống bên phải,ở trên hoặc bên dưới

 Quân đen nếu ở cột ngoài cùng có thể đi ra ngoài bàn cờ

 Quân trắng có thể đi tới ô trống bên trái,bên phải,ở trên

 Quân trắng nếu ở hang trên cùng có thể đi ra ngoài bàn cờ

 Trạng thái kết thúc ai đưa được quân 2 quân của mình ra khỏi bàn cờ hoặc bắt đối phương không đi được nữa

7 Trình bày khái niệm, các tính chất và ưu nhược điểm của mạng ngữ nghĩa ? Lấy

ví dụ mạng ngữ nghĩa.

 Khái niệm: mạng ngữ nghĩa là một phương pháp biểu diễn tri thức đầu tiên và cũng là phương pháp dễ hiểu nhất đối với chúng ta Phương pháp này sẽ biểu diễn tri thức

dưới dạng một đồ thị,trong đó đỉnh là các đối tượng (khái niệm) còn các cung cho biết mối quan hệ giữa các đối tượng (khái niệm) này

 Tính chất: tính kế thừa

 Ưu điểm:

 Mạng ngữ nghĩa rất linh động,ta có thể dễ dàng them vào mạng các đỉnh hoặc cung mới để bổ sung tri thức cần thiết

 Có tính trực quan cao nên rất dễ hiểu





 Cho phép các đỉnh kế thừa các tính chất từ các đỉnh khác thông qua các cung loại “là”

từ đó có thể tạo liên kết ngầm giữa những đỉnh không liên kết trực tiếp với nhau

 Hoạt động khá tự nhiên theo cách thức con người ghi nhận thông tin

 Nhược điểm:

 Chưa có một chuẩn nào quy định các giới hạn cho các đỉnh và các cung của mạng Nghĩa là có thể gán ghéo bất kỳ khái niệm nào cho đỉnh hoặc cung

 Tính kế thừa vốn là một ưu điểm nhưng có thể dẫn đến nguy cơ mâu thuẫn tri thức

 Hầu như không thể biểu diễn các tri thức dạng thủ tục bằng mạng ngữ nghĩa vì các khái niệm về thời gian và trình tự không được thể hiện tường minh trên mạng ngữ nghĩa









 Ví dụ: trong ứng dụng xử lý ngôn ngữ tự nhiên,mạng ngữ nghĩa có thể giúp máy tính phân tích được cấu trúc của câu để từ đó có thể phần nào hiểu được ý nghĩa của câu Chẳng hạn:”Châu đang đọc một cuốn sách dày và cười sảng khoái” có thể biểu diễn bằng một mạng ngữ nghĩa như sau:

8 Hệ

chuyên gia là gì? Hãy cho biết những đặc trưng cơ bản của một hệ chuyên gia.

 Khái niệm: hệ chuyên gia là một chương trình cơ sở tri thức làm việc giống như một chuyên gia con người

 Đặc trưng cơ bản:

 Hiệu quả cao: khả năng trả lời với mức độ tinh thông bằng hoặc cao hơn so với chuyên gia (người) trong cùng lĩnh vực

 Thời giản trả lời thoải đáng: thời gian trả lời hợp lý,bằng hoặc nhanh hơn so với chuyên gia (người) để đi đến cùng một quyết định Hệ chuyên gia là một hệ thống thời gian thực

 Độ tin cậy cao: không xảy ra sự cố hoặc giảm sút độ tin cậy khi sử dụng

 Dễ hiểu: hệ chuyên gia giải thíc các bước suy luận một cách dễ hiểu và nhất quán,không giống như cách trả lời bí ẩn của các hộp đen

9 Nêu các lĩnh vực ứng dụng của hệ chuyên gia

 Cho đến ngày nay hàng trăm hệ chuyên gia đã được xây dựng và báo cáo trong các tạp chí,sách báo,hội thảo khoa học… ngoài ra còn được sử dụng trong các công ty,tổ chức quân sự mà không được công bố vì lý do bảo mật Dưới đây là một số lĩnh vực ứng dụng diện rộng của một hệ chuyên gia:

 Cấu hình: tập hợp thích đáng những thành phần của một hệ thống theo cách riêng

Châu

Đọc

Sách

Dày

Cười

Sảng khoái

ai

Cái gì

Ra sao

Ai

Như tnao

 Chẩn đoán: lập luận dựa trên những chứng cứ quan sát được

 Truyền đạt: dạy học thông minh sao cho sinh viên có thể hỏi vì sao,như thế nào… giống như hỏi một người thầy giáo

 Giải thích: giải thích những dữ liệu thu nhận được

 Kiểm tra: so sánh dữ liệu thu lượm được với dữ liệu chuyên môn để đánh giá kết quả

 Lập kế hoach: lập kế hoạch sản xuất theo yêu cầu

 Dự đoán: dự đoán hậu quả của một tình huống xảy ra

 Chữa trị: chỉ định cách thụ lý một vấn đề

 Điều khiển: điều khiển một quá trình,đòi hỏi diễn giải,chẩn đoán,kiểm tra,…

10.Trình bày thuật toán A*

Input:

 Đồ thị G = (V,E), Đỉnh xuất phát n0

 Hàm chi phí c: E  R+

 c(i,j): xác định chi phí chuyển từ đỉnh i sang đỉnh j với (i,j)  E

 h: V  R+; h(n) xác định dự đoán chi phí tối ưu của đường đi từ đỉnh n đến đích (ký hiệu h thay cho h0, (tương tự g))

 Tập các đỉnh đích DICH

Output:

 Đường đi từ đỉnh n0 đến đỉnh n*  DICH

 Procedure A * ;

Begin

g(n0):= 0;

push(MO, n0);

While MO<>null do Begin

f (n):= min

m∈ MO f (m)

if nDICH then exit {xay dung duong di cuc tieu}

push(DONG, n);

if T(n) <>null then

for mT(n) do

if mMO+DONG then

begin push(MO,m);

tính f(m);

cha(m):=n;

end

else

if fmới(m) > fcũ(n) then begin

f(m):= fmới(m);

cha(m):=n;

end;

writeln(‘Khong co duong di’);

End;

11.Trình bày giải thuật Best first search

 Là giải thuật tìm kiếm lựa chọn tốt nhất

 Gồm trạng thái OPEN và CLOSE:

 OPEN: tập chứa các trạng thái đã được sinh ra nhưng chưa được xét đến Thực ra OPEN là một loạt hàng đợi ưu tiên mà trong đó phần tử có độ ưu tiên cao nhất là phần tử tốt nhất

 CLOSE: tập chứa các trạng thái đã được xét đến

 Thuật giải:

1 Đặt OPEN chứa trạng thái khởi đầu

2 Cho đến khi tìm được trạng thái đích hoặc không còn nút nào trong OPEN,thực hiên: 2.1 Chọn trạng thái tốt nhất (Tmax) trong OPEN (và xóa Tmax khỏi OPEN)

2.2 Nếu Tmax là trạng thái kết thúc thì thoát

Ngược lại,tạo ra các trạng thái kế tiếp Tk có thể có từ trạng tháo Tmax Đối với mỗi trạng thái kế tiếp Tk thực hiện: tính f(Tk),thêm Tk vào OPEN

 CHƯƠNG TRÌNH

open:={s};

While (open<> ø) do

Begin

n:= Retrieve(Open) //Chọn trạng thái tốt nhất từ Open

if (n=g) then return True

else begin

Tạo Γ(n) for mỗi nút con m của Γ(n) do

Gán giá trị chi phí cho m

Open:=Open∪{m};

end;

Return False;

End;

12.Trình bày phương pháp chứng minh biểu thức mệnh đề bằng Vương Hạo

 Ý tưởng: áp dụng chiến lược “chia để trị” nhằm tách bài toán xuất phát thành các bài toán con dạng đơn giản hơn Bài toán ban đầu sẽ được chứng minh khi và chỉ khi mọi bài toán sơ cấp được chứng minh

 Các bước chứng minh:

13.Trình bày phương pháp chứng minh biểu thức mệnh đề bằng Robinson

 Ý tưởng: thuật toán này do Robinson đề xuất và hoạt động dựa trên phương pháp chứng mình phản chứng

 Các bước thực hiện:

14.Trình bày phương pháp chứng minh biểu thức logic bằng luật phân giải

 Clause: là tuyển của không hay nhiều thành phần cơ bản

 Dạng clause: là hội của một hay nhiều clause

 Luật phân giải mệnh đề: PVD1, PvD2  (D1-P)v(D2-P)

 D1,D2 là tuyển của không hay một thành phần cơ bản

 P là mệnh đề

 D1-P: là một clause thu được bằng cách xóa bỏ các P trong D1

 D2- P: là một clause thu được bằng cách xóa bỏ các P trong D2

 Luật phân giải bảo toàn tính Unsatisfiable

 S là unsatisfiable  Rn(S)cũng unsatisfiable

 R: luật phân giải, n số lần áp dụng R trên S, n>0

 Ứng dụng của luật phân giải : dùng để chứng minh: Có S là tập các clause, dùng S

chứng minh biểu thức mệnh đề W

 Phương pháp:

 Thành lập phủ định của W

 Đưa W về dạng clause

 Thêm clause trong bước ii vào S thành lập S1

 Dùng luật phân giải trên S1 để dẫn ra clause rỗng

15.Trình bày phương pháp chứng minh biểu thức logic bằng phương pháp suy diễn

 Luật suy diễn được áp dụng để phát triển các ứng dụng có khả năng suy luận Suy luận là hoạt động thường xuyên của con người để hiểu các lý lẽ,kiểm chứng,phán đoán các vấn đề

 Các phương pháp suy diễn:

• Luật Modus Ponens (MP)

A, A B  B

• Luật Modus Tollens (MT)

A B, B  A

• Luật Hội

A,B  A^B

• Luật đơn giản

A^B  A

• Luật Cộng

A  AvB

• Luật tam đoạn luận tuyển

Av B, A  B

• Luật tam đoạn luận giả thiết

A B,B C  A C

16.Trình bày thuật toán nhánh và cận (Branch_and_Bound)

 Là thuật toán sử dụng tìm kiếm leo đồi với hàm đánh giá f(u)

 Thuật toán:

Begin

1 Khởi tạo danh sách L chỉ chứa trạng thái ban đầu

Gán giá trị ban đầu cho cost

2 Loop do

2.1 If L rỗng then stop

2.3 If u là thạng thái kết thúc then

If g(u)≤ y then { y←g(y);quay lại 2.1};

2.4 If f(u)>y then quay lại 2.1;

2.5 For mỗi trạng thái v kề u do

{g(v)←g(u)+k(u,v);

F(v)←g(v)+h(v);

Đặt v vào danh sách L1};

2.6 Sắp xếp L1 theo thứ tự tăng của hàm f;

2.7 Chuyển L1 vào đầu danh sách L sao cho trạng thái ở đầu L1 trở thành ở đầu L;

End;

17.Trình bày phương pháp cắt tỉa Alpha – Beta

 Sử dụng chiến lược minimax

 Tư tưởng:

 Giả sử quá trình tìm kiếm đi xuống đỉnh trắng a,đỉnh a có đỉnh cùng cấp v đã xét

 Giả sử đỉnh a có cha là b,b có đỉnh cùng cấp là u đã xét,cha của b là c

 Khi đó giá của c ít nhất là u,giá của b nhiều nhất là v

 Nếu eval(u)>eval(v) ta không cần đi xuống đỉnh a nữa mà không ảnh hưởng tới giá của c

 Lập luận tương tự cho đỉnh a là đen,với đánh giá eval(u)<eval(v)

 Giải thuật:

18.Trình bày thuật toán tham lam (Greedy)

 Nguyên lý tham lam (Greedy): lấy tiêu chuẩn tối ưu (trên phạm vi toàn cục) của bài toán làm tiêu chuẩn lựa chọn hành động cho phạm vi cục bộ của từng bước (hay từng giai đoạn) trong quá trình tìm kiếm lời giải

 Tiến trình thực hiện:

 Xác định cấu trúc con tối ưu

 Xây dựng giải pháp đệ quy

 Chứng minh tại mỗi bước đệ quy,lựa chọn tham lam là một trong những lựa chọn quan trọng cho kết quả tối ưu

 Chỉ ra: sau mỗi lựa chọn tham lam,một trong những bài toán con sẽ rỗng

 Xây dựng giải pháp đệ quy cho chiến lược tham lam

 Khử đệ quy

 Thuật toán:

 Input A[1…n]

 Output S //lời giải

Greedy(A,n)

S=0;

While (A<>0)

{

x=chọn (A);A=A-{x}

if (S U {x} chấp nhận được)

S = S U {x};

19.Trình bầy giải thuật tô mầu Greedy

 Dùng màu thứ nhất tô cho một đỉnh tùy ý và các đỉnh khác có thể tô còn lại (không

có cạnh nối nhau)

 Sau đó dùng màu thứ hai tô tiếp cho các đỉnh có thể tô còn lại

 Và cứ như vậy cho đến khi tất cả các đỉnh được tô màu hết thì dừng lại

 Các bước để tô màu Greedy:

 B1: lập ma trận kề

 B2: tính bậc của từng đỉnh trong ma trận

 B3: tô màu theo nguyên lý Greedy

 B4: kết luận