giáo trình Trí tuệ nhân tạo

I.Khái niệm trí tuệ nhân tạo: Trí tuệ nhân tạo (TTNT hay AI – Artificial Intelligence) ngành lĩnh vực công nghệ thông tin Có nhiều quan điểm trí tuệ nhân tạo - Năm 1950, Alan Turing đưa “trắc nghiệm thông minh” để nhận biết máy tính có thông minh hay không Tuy vậy, theo ông ta, máy tính thất bại trắc nghiệm thông minh thông minh - Theo quan điểm Minsky, trí tuệ nhân tạo ngành khoa học nhằm nghiên cứu, mô máy tính hành vi tư thông minh tương tự người Nó giúp máy tính có khả nhận thức, suy luận phản ứng Có hai hướng tiếp cận trí tuệ nhân tạo: dùng máy tính để bắt chước trình xử lý người thiết kế máy tính thông minh độc lập với cách suy nghĩ người Từ điển bách khoa toàn thư Webster định nghĩa: “Trí tuệ khả năng: Phản ứng cách thích hợp với tình thông qua hiệu chỉnh hành vi cách thích đáng; Hiểu rõ mối liên hệ qua lại kiện giới bên nhằm đưa hành động phù hợp để đạt tới mục đích đó” - Theo nhà tâm lý học nhận thức trình hoạt động trí tuệ người bao gồm thao tác bản: Xác định tập đích (goal) cần đạt tới; Thu thập kiện (facts) luật suy diễn (inference rules) để đạt tới tập đích đặt ra; Thu gọn (prunning) trình suy luận nhằm xác định cách nhanh chóng tập luật suy diễn sử dụng để đạt tới đích trung gian đó; Áp dụng chế suy diễn (tiến lùi) cụ thể (inference mechanisms), dựa thao tác thu gọn trình suy luận kiện trung gian tạo ra, để dẫn dắt từ kiện ban đầu đến đích đặt IITiền đề trí tuệ nhân tạo TTNT đời dựa thành ngành tâm lý học nhận thức, lôgic hình thức, … Từ 2000 năm trước, nhà triết học tâm lý học cố gắng tìm hiểu cách thức, chế trình nhớ, học tập, nhận thức suy lý Triết học � Logic � Các phương pháp suy diễn � Các sở (nền tảng) việc học � Ngôn ngữ � Sự hợp lý � Toán học � Biểu diễn hình thức giải thuật chứng minh � Tính toán � Bài toán (vấn đề) giải không giải � Bài toán (vấn đề) áp dụng không áp dụng (độ phức tạp tính toán - thời gian để giải toán - hàm mũ) � Xác suất Kinh tế học � Hàm lợi ích (tiện ích) � Lý thuyết định � Khoa học thần kinh � Nền tảng (cơ sở) tự nhiên hoạt động trí óc �Tâm lý học � Sự thích nghi � Các dấu hiệu nhận thức điều khiển vận động � Các k Công nghệ máy tính � Xây dựng máy tính có tốc độ tính toán nhanh � Lý thuyết điều khiển � Thiết kế hệ thống nhằm cực đại hóa hàm mục tiêu � Ngôn ngữ học � Biểu diễn tri thức � Ngữ pháp (của ngôn ngữ) ỹ thuật thực nghiệm (vd: tâm sinh lý học,…) III Lịch sử phát triển trí tuệ nhân tạo • Mạng nơron: Mạng nơ-ron họ trình xử lý thông tin dựa mô hình nơ-ron thần kinh người �Kết hợp số lượng lớn thành phần đơn giản (nơ-ron) �cấu trúc phức tạp nhằm giải vấn đề cụ thể Giống người, mạng nơ-ron học ví dụ (mẫu) Lĩnh vực ứng dụng: Phát bệnh Dự báo thị trường chứng khoán Nghiên cứu khách hàng Kiểm tra độ tin cậy máy móc Quản lý rủi ro • Phép thử Turing Phép thử Turing kiểm tra khả trí tuệ máy tính Phép thử sau: người chơi thực thảo luận ngôn ngữ tự nhiên với người máy tính, hai cố gắng chứng tỏ người Ba bên tham gia phép thử cách ly với Nếu người chơi nhận máy tính người, máy tính vượt qua phép thử Samuel’s checkers.( samule cờ) có bàn cờ cờ đam (checker), cờ vua trò đố 15 ô (15 puzzule) • Newel & Simon’s Logic Theorist "the first artificial intelligence program." Chúng ta cho chứng minh định lý tự động nhánh nghiên cứu có từ lâu đời Trí tuệ nhân tạo tìm lại nguồn gốc qua tác phẩm “Nhà lý luận logic (logic theorist)” (Newell Simon 1963a) “Công cụ giải vấn đề tổng quát (General problem solver)” (Newell Simon 1965b) Newell Simon, nổ lực Rusell Whitehead xem toàn toán học dẫn xuất hình thức tuý định lý từ tiên đề sở Trong trường hợp nào, chắn ngành phong phú lĩnh vực Nghiên cứu chứng minh định lý đạt nhiều thành tích thời kỳ đầu việc hình thức hoá giải thuật tìm kiếm phát triển ngôn ngữ biểu diễn hình thức phép tính vị từ 1943: McCulloch & Pitts trình bày công trình nghiên cứu AI, đề xuất mô hình nơ-ron nhân tạo trạng thái (on/off) � 1950: Khái niệm TTNT lần Turing đề cập báo "Computing Machinery and Intelligence" � 1956: Workshop (diễn tháng ) Dartmouth (Mỹ) bàn lĩnh vực TTNT, khái niệm TTNT thừa nhận � 1952-1969: Các thành tựu ban đầu TTNT � 1950s: Các chương trình TTNT � Chương trình chơi cờ Samuel � Chương trình lý luận logic Newell & Simon � Chương trình chứng minh định lý hình học Gelernter 1965: Robinson đề cử giải thuật hoàn chỉnh cho việc suy diễn logic � 1966-1973: � Các nhà nghiên cứu TTNT nhận khó khăn độ phức tạp tính toán � Gần không nghiên cứu mạng nơ-ron nhân tạo � 1969-1979: Sự hình thành phát triển ban đầu hệ thống dựa tri thức � 1980: TTNT trở thành ngành công nghiệp (các hệ thống, chương trình TTNT dùng thương mại) � 1980-1988: Sự xuất bùng nổ hệ chuyên gia � 1986: Các mạng nơ-ron nhân tạo xuất trở lại, trở nên phổ biến � 1987: TTNT trở thành lĩnh vực khoa học � 1995: Sự xuất tác tử thông minh • hệ chuyên gia Các hệ chuyên gia người ta xây dựng cách thu thập kiến thức từ chuyên gia người mã hoá thành dạng thức mà máy tính áp dụng cho toán tươn Một hệ chuyên gia sớm khai thác tri thức chuyên ngành để giải vấn đề DENDRAL phát triển Stanford vào cuối năm 1960 (Lindsay et al.1980) DENDRAL thiết kế để đoán cấu trúc phân tử hữu từ công thức hoá học chúng thông tin khối quang phổ có liên quan đến liên kết hoá học có mặt phân tử g tự Đề án máy tính hệ thứ v nhật Lịch sử phát triển máy tính: Thế hệ thứ nhất: Máy tính dùng đèn điện tử chân không (1946-1955) - ENIAC (Electronic Numerical Intergator And Computer) Thế hệ thứ hai: Máy tính dùng transistor (1956-1965) - Máy tính PDP-1 DEC (Digital Equipment Corporation) máy tính mini - IBM 7000 - Hàng trăm nghìn phép cộng giây - Các ngôn ngữ lập trình bậc cao đời Thế hệ thứ ba: Máy tính dùng vi mạch SSI, MSI LSI (1966-1980) - Vi mạch (Integrated Circuit - IC): nhiều transistor phần tử khác tích hợp chip bán dẫn Thế hệ thứ tư: Máy tính dùng vi mạch VLSI (1981 - nay) Máy tính tương lai: Việc chuyển từ hệ thứ tư sang hệ thứ chưa rõ ràng Người Nhật tiên phong chương trình nghiên cứu đời hệ thứ máy tính, hệ máy tính thông minh, dựa ngôn ngữ trí tuệ nhân tạo LISP PROLOG, giao diện người - máy thông minh Đến thời điểm này, nghiên cứu cho sản phẩm bước đầu gần (2004) mắt sản phẩm người máy thông minh gần giống với người nhất: ASIMO (Advanced Step Innovative Mobility: Bước chân tiên tiến đổi chuyển động) Với hàng trăm nghìn máy móc điện tử tối tân đặt thể, ASIMO lên/xuống cầu thang cách uyển chuyển, nhận diện người, cử hành động, giọng nói đáp ứng số mệnh lệnh người Thậm chí, bắt chước cử động, gọi tên người cung cấp thông tin sau bạn hỏi, gần gũi thân thiện Hiện có nhiều công ty, viện nghiên cứu Nhật thuê Asimo tiếp khách hướng dẫn khách tham quan như: Viện Bảo tàng Khoa học lượng Đổi quốc gia, hãng IBM Nhật Bản, Công ty điện lực Tokyo Hãng Honda bắt đầu nghiên cứu ASIMO từ năm 1986 dựa vào nguyên lý chuyển động hai chân Cho tới nay, hãng chế tạo 50 robot ASIMO Một chuyện đáng nhớ giai đoạn thi đua quốc tế TTNT, khởi nguồn từ đề án máy tính hệ thứ FGCS (Fifth Generation Computer Systems) Nhật Bản Bộ Ngoại thương Công nghiệp (MITI) phát động FGCS kéo dài 10 năm (19821992) với kinh phí ban đầu 450 triệu USD vào năm 1982 Đề án FGCS nhằm làm hệ máy tính có khả suy diễn giao tiếp ngôn ngữ tự nhiên tính toán song song Mặc dù cuối bị đánh giá thất bại không đạt mục tiêu, đề án FGCS kích thích thi đua quốc tế giai đoạn hồi sinh TTNT, đặt thách thức nhiều vấn đề cho giới nghiên cứu toàn giới Nước Mỹ dành kinh phí tương đương với FGCS dự án TTNT DARPA (cơ quan quản lý đề tài nghiên cứu tiên tiến quốc phòng) Biểu diễn tri thức: DENDRAL Edward Feigenbaum−một học trò Simon, người coi cha đẻ hệ chuyên gia giải Turing năm 1994−và đồng nghiệp làm đại học Stanford từ cuối năm 1960 MYCIN hệ chuyên gia có sở tri thức chừng 600 luật y học có tính đến yếu tố bất định Từ quãng năm đầu thập kỷ 90, khái niệm hệ chuyên gia nhìn rộng thành khái niệm hệ dựa tri thức (knowledge-based systems) theo nghĩa sở tri thức không thiết cần hạn chế với tri thức chuyên gia Ý thức vai trò tri thức hành vi thông minh máy, người lại phải đối mặt với toán có tri thức để máy dùng  Deep Blue cờ vua Chơi cờ � Deep Blue (hệ thống máy tính IBM) đánh bại kiện tướng cờ vua Thế giới Garry Kasparov vào năm 1997 Lập kế hoạch lập lịch tự động � NASA thiết kế chương trình lập S t ết ế c ươ g t ập kế hoạch tự động (gọi Remote Agent) để điều khiển việc xếp lịch hoạt động tàu vũ trụ Điều khiển tự động � Một xe tải nhỏ điều khiển tự động hệ thống ALVINN (của CMU) suốt 98% khoảng thơi gian từ Pittsburgh đến San Diego (~2850 miles) Người máy � Ngày nay, nhiều phẫu thuật y tế sử dụng trợ giúp người máy thao tác vi phẫu (microsurgery) Chuẩn đoán � Các chương trình chuẩn đoán y c ươ g t c uẩ tế dựa t ê phân tích xác suất thực mức tương đương bác sỹ chuyên môn số lĩnh vực y tê � Lập kế hoạch hậu cần cho quân đội � Trong chiến tranh Vùng Vịnh năm 1991, lực lượng quân đội Mỹ triển khai sử dụng chương trình lập kế hoạch xếp lịch cho công tác hậu cần để di chuyển 50.000 xe cộ, hàng hóa, quân lính � Hiểu ngôn ngữ giải vấn đề � Chương trình máy tính PROVERB giải toán đố chữ (crossword puzzles) tốt khả nhiều người IVCác thành tự trí tuệ nhân tạo Tác tử tự trị: Công nghệ tác tử (agent technology) Một cách khái quát, tác tử biểu diễn hàm ánh xạ: từ trình (lịch sử) nhận thức đến hành động: f: P* → A Đối với tập (lớp) môi trường nhiệm vụ, cần tìm tác tử (hoặc lớp tác tử) có hiệu suất tốt � Lưu ý: Các giới hạn tính toán (của máy tính) không cho phép đạt hợp lý hoàn hảo (tối ưu) � Mục tiêu: Thiết kế chương trình máy tính tối ưu tài nguyên máy tính có (A • Robotics chi nhánh công nghệ mà đề với việc thiết kế, xây dựng, hoạt động, bố trí cấu, sản xuất ứng dụng robot • Máy tính suy diễn song song knowledge representation), phương pháp diễn tả tổ chức tri thức máy tính cho hệ thông tin có tính chất trí tuệ để máy tiến hành phép lập luận tự động Trong trí tuệ nhân tạo, phương pháp BDTT thường sử dụng lôgic tân từ, mạng ngữ nghĩa, biểu diễn khung, luật dẫn lập luận tự động: học tự động Nhận dạng tiếng nói trình nhận dạng mẫu, với mục đích phân lớp (classify) thông tin đầu vào tín hiệu tiếng nói thành dãy mẫu học trước lưu trữ nhớ Các mẫu đơn vị nhận dạng, chúng từ, âm vị Nếu mẫu bất biến không thay đổi công việc nhận dạng tiếng nói trở nên đơn giản cách so sánh liệu tiếng nói cần nhận dạng với mẫu học lưu trữ nhớ Khó khăn nhận dạng tiếng nói tiếng nói biến thiên theo thời gian có khác biệt lớn tiếng nói người nói khác nhau, tốc độ nói, ngữ cảnh môi trường âm học khác Xác định thông tin biến thiên tiếng nói có ích thông tin ích nhận dạng tiếng nói quan trọng Đây nhiệm vụ khó khăn mà với kỹ thuật xác suất thống kê mạnh khó khăn việc tổng quát hoá từ mẫu tiếng nói biến thiên quan trọng cần thiết nhận dạng tiếng nói  Lập kế hoạch (Strategic planning) Lập kế hoạch (planning) khía cạnh quan trọng cố gắng nhằm chế tạo robot thực nhiệm vụ chúng với trình độ định khả linh hoạt phản ứng với giới bên Nói cách khác ngắn gọn, việc lập kế hoạch giả định robot có khả thực hành động sơ cấp (atomic action) định Nó cố gắng tìm chuỗi hành động cho phép hoàn thành công tác cấp độ cao hơn, chẳng hạn qua phòng chứa đầy  Computer vision, Tầm nhìn máy tính khoa học công nghệ máy, mà xem trường hợp có nghĩa máy lấy thông tin từ hình ảnh cần thiết để giải số nhiệm vụ Là môn khoa học, tầm nhìn máy tính có liên quan với lý thuyết hệ thống nhân tạo trích xuất thông tin từ hình ảnh Các liệu hình ảnh có nhiều hình thức, chẳng hạn trình tự video, quan điểm từ nhiều máy ảnh, liệu đa chiều từ máy quét y tế Thực tế ảo hay gọi thực ảo (tiếng Anh virtual reality, viết tắt VR) thuật ngữ miêu tả môi trường mô máy tính Đa phần môi trường thực ảo chủ yếu hình ảnh hiển thị hình máy tính hay thông qua kính nhìn ba chiều, nhiên vài mô có thêm loại giác quan khác khác âm hay xúc giác Xử lý ảnh trình gồm thu nhận ảnh đầu vào xử lý để: • • Thu ảnh tốt Đưa kết luận Xử lý ngôn ngữ tự nhiên Là việc làm cho máy nhận biết hiểu tiếng nói ngôn ngữ người Điều khiển học, Robotic, giao diện người máy thông minh - Trò chơi máy tính - Thiết bị điện tử thông minh nhờ sử dụng lôgic mờ - Hệ chuyên gia trong: giáo dục, y khoa, địa chất, quản lý, … - Xử lý ngôn ngữ tự nhiên Nhận dạng hình ảnh, âm thanh, … - Các hệ thống xử lý tri thức liệu tích hợp: cho phép xử lý đồng thời tri thức liệu (cơ sở liệu suy diễn, biểu diễn luật đối tượng, hệ hỗ trợ định) - Mô hình hoá giải pháp giải toán  Agent thông minh Agent thông minh có đặc trưng "thông minh" khác, chẳng hạn khă học, phân tích liệu, agent thể số trí thông minh, chẳng hạn khả học suy luận software agent: phần mềm hoạt động độc lập chủ động đưa định, hoạt động với vai trò đại diện cho người dùng phần mềm khác Thí dụ: agent thư ký điện tử tự động xếp lịch làm việc cho người dùng thông báo đến phải làm  agent-oriented programming:Lập trình hướng tác nhân (???) Đây cách lập trình theo kiểu kết nối agent sẵn có với thành hệ thống, nghĩa cao bậc so với lập trình hướng đối tượng Suy diễn tự động Logic hình thức suy diễn tự động ứng dụng rộng rãi kiểm tra độ tin cậy an toàn phần cứng, phần mềm giao thức mã hóa Thông thường, việc kiểm tra tiến hành qua bước sau: Đặc tả hệ thống ngôn ngữ logic Biểu diễn tính chất độ tin cậy an toàn công thức logic (công thức logic chứng minh đồng nghĩa với hệ thống đặc tả đáng tin cậy an tòan) Sử dụng hệ thống chứng minh tự động bán tự động để chứng minh công thức logic Prolog ngôn ngữ lập trình Tên gọi Prolog tiếng Pháp Programmation en logique, nghĩa "lập trình theo lô gích" Xuất từ năm 1972 (do Alain Colmerauer Robert Kowalski thiết kế), mục tiêu Prolog giúp người dùng mô tả lại toán ngôn ngữ logic, dựa đó, máy tính tiến hành suy diễn tự động dựa vào chế suy diễn có sẵn (hợp nhất, quay lui tìm kiếm theo chiều sâu.) Prolog sử dụng nhiều ứng dụng trí tuệ nhân tạo ngôn ngữ học khoa học máy tính (đặc biệt ngành xử lý ngôn ngữ tự nhiên mục tiêu thiết kế ban đầu nó) Cú pháp ngữ nghĩa Prolog đơn giản sáng sủa, người Nhật coi tảng để xây dựng máy tính hệ thứ năm mà đó, thay phải mô tả cách giải toán máy tính, người cần mô tả toán máy tính hỗ trợ họ nốt phần Dịch tự động hay gọi dịch máy (tiếng Anh: machine translation) nhánh xử lý ngôn ngữ tự nhiên thuộc phân ngành trí tuệ nhân tạo, kết hợp ngôn ngữ, dịch thuật khoa học máy tính Như tên gọi, dịch tự động thực dịch ngôn ngữ (gọi ngôn ngữ nguồn) sang nhiều ngôn ngữ khác (gọi ngôn ngữ đích) cách tự động, can thiệp người trình dịch Tìm kiếm thông tin mạng Đây lĩnh vực có chia sẻ nhiều TTNT Internet, ngày trở nên quan trọng Sẽ sớm đến ngày, sách báo người số hóa để lên mạng hay thư viện số cực lớn Giả sử ta muốn tìm tài liệu liên quan 10 đến việc ‘trí tuệ nhân tạo đóng góp vào việc nâng cao thành tích vận hội’ Nếu dùng Google để tìm với từ khóa tiếng Anh ‘artificial intelligence’, ‘performance’ ‘olympic’ hay dùng hệ Xalộ (http://www.xalo.com.vn/) để tìm với từ khóa tiếng Việt ‘trí tuệ nhân tạo’, ‘thành tích’, ‘thế vận hội’, ta nhận nhiều tài liệu thứ ta muốn tìm, có nhiều tài liệu liên quan không tìm Có hai cách để TTNT đóng góp vào việc giải toán Một hệ tìm kiếm cho phép đưa vào câu hỏi dạng ngôn ngữ tự nhiên, phân tích để hiểu nghĩa câu hỏi có chế tìm kiếm văn thư viện theo nghĩa Hai hệ tìm kiếm mô hình từ ‘trí tuệ nhân tạo’, ‘thành tích’, ‘thế vận hội’, mô hình tập hợp nhiều từ khác kèm theo phân bố xác suất chúng theo quy luật thống kê Thay tìm kiếm mạng hay thư viện với ba từ khóa, hệ tìm kiếm với ba tập hợp từ Với phương pháp ‘thông minh’ này, ta sống dễ dàng không gian Internet mênh mông đầy bí ẩn Khoa học trí não Viện Khoa học RIKEN não Nhằm hiểu biết liên ngành não bộ, nghiên cứu phạm vi mục tiêu từ sinh học phân tử tế bào thần kinh học nhận thức tính toán KAIST Brain Science research center (KAIST trung tâm nghiên cứu Khoa học não) Hiểu chế xử lý thông tin thần kinh não người Phát triển hệ thống thông minh nhìn thấy (hệ thống thị giác nhân tạo), nghe (thính giác nhân tạo hệ thống), suy nghĩ (nhận thức lý luận), cư xử (hành vi người) giống người dựa thông tin thần kinh Khoa học tri thức ANN áp dụng toán chưa biết thuật toán hay chưa có thuật giải khả dĩ, hiệu để giải • 1943, McCulloch & Pitts: mô hình toán học mạng nơron (McCulloch–Pitts neuron) 11 Mạng nơron nhân tạo (hay vắn tắt mạng nơron, ANN - Artificial Neural Networks) mô mô hình chế hoạt động hưng phấn ức chế thần kinh để điều khiển hoạt động người Mô hình ANN gồm nhiều lớp, phải có lớp nhập (input layer) lớp xuất (output layer), có nhiều lớp ẩn (hidden layers) trung gian Mỗi lớp gồm nhiều nút Các kích thích từ môi trường truyền vào mạng thông qua nút lớp nhập Tổng hợp kích thích (phụ thuộc trọng số mà mạng cần học), vượt ngưỡng đó, gây kích thích (hưng phấn hay ức chế) đến nút lớp Cứ thế, trình tiếp tục lan truyền đến lớp xuất Một mô hình ANN thường ứng dụng nhiều thực tế mạng nơron lan truyền ngược Lặp lại trình này, dựa việc cập nhật trọng số qua hệ cho giảm dần sai số giá trị thật giá trị mạng kết xuất 12