Tài liệu Trí Tuệ Nhân Tạo

tài liệu trí tuệ nhân tạo×tài liệu nhập môn trí tuệ nhân tạo×tài liệu môn cơ sở trí tuệ nhân tạo×tài liệu về trí tuệ nhân tạo×bài giảng trí tuệ nhân tạo×tài liệu cơ sở trí tuệ nhân tạo×tài liệu trí tuệ nhân tạo×tài liệu nhập môn trí tuệ nhân tạo×tài liệu môn cơ sở trí tuệ nhân tạo×tài liệu về trí tuệ nhân tạo×bài giảng trí tuệ nhân tạo×tài liệu cơ sở trí tuệ nhân tạo×tài liệu trí tuệ nhân tạo×tài liệu nhập môn trí tuệ nhân tạo×tài liệu môn cơ sở trí tuệ nhân tạo×tài liệu về trí tuệ nhân tạo×bài giảng trí tuệ nhân tạo×tài liệu cơ sở trí tuệ nhân tạo×tài liệu trí tuệ nhân tạo×tài liệu nhập môn trí tuệ nhân tạo×tài liệu môn cơ sở trí tuệ nhân tạo×tài liệu về trí tuệ nhân tạo×bài giảng trí tuệ nhân tạo×tài liệu cơ sở trí tuệ nhân tạo×tài liệu trí tuệ nhân tạo×tài liệu nhập môn trí tuệ nhân tạo×tài liệu môn cơ sở trí tuệ nhân tạo×tài liệu về trí tuệ nhân tạo×bài giảng trí tuệ nhân tạo×tài liệu cơ sở trí tuệ nhân tạo×tài liệu trí tuệ nhân tạo×tài liệu nhập môn trí tuệ nhân tạo×tài liệu môn cơ sở trí tuệ nhân tạo×tài liệu về trí tuệ nhân tạo×bài giảng trí tuệ nhân tạo×tài liệu cơ sở trí tuệ nhân tạo×tài liệu trí tuệ nhân tạo×tài liệu nhập môn trí tuệ nhân tạo×tài liệu môn cơ sở trí tuệ nhân tạo×tài liệu về trí tuệ nhân tạo×bài giảng trí tuệ nhân tạo×tài liệu cơ sở trí tuệ nhân tạo×tài liệu trí tuệ nhân tạo×tài liệu nhập môn trí tuệ nhân tạo×tài liệu môn cơ sở trí tuệ nhân tạo×tài liệu về trí tuệ nhân tạo×bài giảng trí tuệ nhân tạo×tài liệu cơ sở trí tuệ nhân tạo×tài liệu trí tuệ nhân tạo×tài liệu nhập môn trí tuệ nhân tạo×tài liệu môn cơ sở trí tuệ nhân tạo×tài liệu về trí tuệ nhân tạo×bài giảng trí tuệ nhân tạo×tài liệu cơ sở trí tuệ nhân tạo×tài liệu trí tuệ nhân tạo×tài liệu nhập môn trí tuệ nhân tạo×tài liệu môn cơ sở trí tuệ nhân tạo×tài liệu về trí tuệ nhân tạo×bài giảng trí tuệ nhân tạo×tài liệu cơ sở trí tuệ nhân tạo×

Nội dung mơn học – Giới thiệu • Chương 1: Giới thiệu • TRÍ TUỆ NHÂN TẠO Artificial Intelligent • • • • Ngành Trí tuệ nhân tạo gì? Mục tiêu nghiên cứu ngành Trí tuệ nhân tạo Lịch sử hình thành trạng Turing Test • Chương 2: Logic vị từ • Mệnh đề & logic vị từ • Logic vị từ góc nhìn AI Nội dung mơn học – Các kỹ thuật tìm kiếm Nội dung mơn học – Kỹ thuật phát triển ứng dụng • Chương 3:Tìm kiếm khơng gian trạng thái (State Space Search) • AI : Biểu diễn tìm kiếm • Các giải thuật tìm kiếm khơng gian trạng thái • Depth first search (DFS) - Breath first search (BFS) • Chương 4:Tìm kiếm theo Heuristic • • • • Heuristic gì? Tìm kiếm theo heuristic Các giải thuật Best first search (BFS), Giải thuật A* Chiến lược Minimax, Alpha Beta • Chương 5:Hệ luật sinh • Tìm kiếm đệ qui • Hệ luật sinh: Định nghĩa ứng dụng • Tìm kiếm hệ luật sinh • Chương 6:Hệ chun gia • Giới thiệu hệ chun gia • Mơ hình hệ chun gia: dự luật, dựa frame • Phát triển hệ chun gia • Chương 7:Biểu diển tri thức • Biểu diển tri thức AI: vai trò ứng dụng • Các kỹ thuật biểu diển tri thức: semantic network, lưu đồ phụ thuộc khái niệm, frame, script Thực hành &Tài liệu tham khảo • Thực hành Prolog CLISP • Prolog : Các giải thuật tìm kiếm • CLISP : Biểu diển tri thức • Bài tập lớn • Tài liệu tham khảo • • • • • Bài giảng “Trí tuệ nhân tạo” – ThS Nguyễn Cao Trí – KS Lê Thành Sách Giáo trình “Trí tuệ nhân tạo” – Đinh Mạnh Tường Artificial Inteligent – George F Luget & Cilliam A Stubblefied Giáo trình “Trí tuệ nhân tạo” – KS Nguyễn Đức Cường Trí tuệ nhận tạo – Nguyễn Quang Tuấn – Hà nội Đối tượng nghiên cứu AI Chương 1: GIỚI THIỆU Ngành Trí tuệ nhân tạo gì? Mục tiêu nghiên cứu ngành Trí tuệ nhân tạo Lịch sử hình thành trạng Turing Test Sự Thơng Minh • Thơng minh hay Hành xử thơng minh gì? • Đối tượng nghiên cứu ngành AI AI ngành nghiên cứu hành xử thơng minh (intelligent behaviour) bao gồm: thu thập, lưu trữ tri thức, suy luận, hoạt động kỹ Đối tượng nghiên cứu “hành xử thơng minh” khơng phải “sự thơng minh” ‘Khơng có’ Sự Thơng Minh Chỉ có Biểu thơng minh qua hành xử • Hành xử thơng minh: hoạt động đối tượng kết q trình thu thập, xử lý điều khiển theo tri thức có hay phát sinh (thường cho kết tốt theo mong đợi so với hành xử thơng thường) biểu cụ thể, cảm nhận “Sự thơng minh” • Khái niệm tính thơng minh đối tượng thường biểu qua hoạt động: • • • • Sự hiểu biết nhận thức tri thức Sự lý luận tạo tri thức dựa tri thức có Hành động theo kết lý luận Kỹ (Skill) TRI THỨC ??? Tri thức (Knowledge) Tri thức – Thu thập sản sinh • Tri thức thơng tin chứa đựng thành phần • Thu thập tri thức: • Tri thức thu thập từ thơng tin, kết q trình thu nhận liệu, xử lý lưu trữ Thơng thường q trình thu thập tri thức gồm bước sau: • Các khái niệm: • Các khái niệm bản: khái niệm mang tính quy ước • Các khái niệm phát triển: Được hình thành từ khác niệm thành khái niệm phức hợp phức tạp • Các phương pháp nhận thức: • Các qui luật, thủ tục • Phương pháp suy diễn, lý luận, Tri thức điều kiện tiên hành xử thơng minh hay “Sự thơng minh” Tri thức có qua thu thập tri thức sản sinh tri thức Q trình thu thập sản sinh tri thức hai q trình song song nối tiếp với – khơng chấm dứt thực thể “Thơng Minh” • Xác định lĩnh vực/phạm vi tri thức cần quan tâm • Thu thập liệu liên quan dạng trường hợp cụ thể • Hệ thống hóa, rút thơng tin tổng qt, đại diện cho trường hợp biết – Tổng qt hóa • Xem xét giữ lại thơng tin liên quan đến vấn đề cần quan tâm , ta có tri thức vấn đề • Sản sinh tri thức: • Tri thức sau thu thập đưa vào mạng tri thức có • Trên sở thực liên kết, suy diễn, kiểm chứng để sản sinh tri thức Tri thức – Tri thức siêu cấp Hành xử thơng minh – Kết luận • “Trí thức siêu cấp” (meta knowledge) hay “Tri thức Tri thức” • Hành xử thơng minh khơng đơn hành động kết q trình thu thập tri thức suy luận tri thức • Hành xử thơng minh bao hàm Là tri thức dùng để: • Đánh giá tri thức khác • Đánh giá kết q trình suy diễn • Kiểm chứng tri thức • Phương tiện truyền tri thức: ngơn ngữ tự nhiên • Sự tương tác với mơi trường để nhận phản hồi • Sự tiếp nhận phản hồi để điều chỉnh hành động - Skill • Sự tiếp nhận phản hồi để hiệu chỉnh cập nhật tri thức • Tính chất thơng minh đối tượng tổng hợp yếu tố: thu thập tri thức, suy luận hành xử đối tượng tri thức thu thập Chúng hòa quyện vào thành thể thống “ Sự Thơng Minh” • Khơng thể đánh giá riêng lẽ khía cạnh để nói tính thơng minh THƠNG MINH CẦN TRI THỨC Mục tiêu nghiên cứu ngành AI Mục tiêu AI (tt) • Cụ thể: Trí tuệ nhân tạo nhằm tạo “Máy người”? Mục tiêu Xây dựng lý thuyết thơng minh để giải thích hoạt động thơng minh Tìm hiểu chế thơng minh người • Kỹ thuật: xây dựng máy móc có tính thơng minh nhằm đáp ứng tốt nhu cầu người • Khoa học: xây dựng phát triển khái niệm, thuật ngữ, phương pháp để hiểu hành xử thơng minh sinh vật • Đối tượng thường trọng phát triển máy tính Cơ chế lưu trữ tri thức Cơ chế khai thác tri thức Sự cần thiết ngành AI ????? Làm biết máy có thơng minh? Xây dựng chế thực thơng minh Áp dụng hiểu biết vào máy móc phục vụ người Turing Test: Thử tính thơng minh Turing Test: Ưu - Khuyết • Ưu điểm • Bài tốn xác định tính thơng minh đối tượng • Turing test: Ai đây?? Máy/người?? Câu hỏi Đối tượng test Người thực test Người đối chứng • Đem lại quan điểm khách quan thơng minh: Thơng minh hay khơng thể qua trả lời câu hỏi • Loại trừ thành kiến: khơng thích cơng nhận tính thơng minh máy móc Sự thơng minh đánh giá qua câu hỏi, khơng bị chi phối yếu tố khác • Tránh tình trạng hiểu lầm • Khuyết điểm: • Phép thử tập trung vào cơng việc biểu diển hồn tồn ký hiệu làm đặc tính quan trọng máy tính tính tốn xác hiệu • Khơng thử nghiệm khả tri giác khéo léo • Giới hạn khả thơng minh máy tính theo khn mẫu người Nhưng người chưa thơng minh hồn hảo • Khơng có số rõ ràng định lượng cho thơng minh Phụ thuộc vào người tester Thơng Minh? Còn tùy ☺ Lịch sử phát triển AI : Giai đoạn cổ điển • Giai đoạn cổ điển (1950 – 1965) Đây giai đoạn lĩnh vực chính:Game Playing (Trò chơi) Theorem Proving (Chứng minh định ký) Game Playing: dựa kỹ thuật State Space Search với trạng thái (State) tình trò chơi Đáp án cần tìm trạng thái thắng hay đường dẩn tới trạng thái thắng áp dụng với trò chơi loại đối kháng Ví dụ: Trò chơi đánh cờ vua Có kỹ thuật tìm kiếm bản: Kỹ thuật generate and test : tìm đáp án/ chưa tối ưu Kỹ thuật Exhaustive search (vét cạn): Tìm tất nghiệm, chọn lựa phương án tốt Lịch sử phát triển AI : Giai đoạn cổ điển (tt) Theorem Proving: dựa tập tiên đề cho trước, chương trình thực chuỗi suy diển để đạt tới biểu thức cần chứng minh Nếu có nghĩa chứng minh Ngược lại khơng chứng minh Ví dụ: Chứng minh định lý tự động, giải tốn, Vẫn dựa kỹ thuật state space search khó khăn mức độ quan hệ phép suy luận: song song, đồng thời, bắc cầu, Có kết tốt phát triển đến ngày (Bùng nổ tổ hợp mn , m>=10) (Bùng nổ tổ hợp mn với m>=10) Lịch sử phát triển AI- Giai đoạn viễn vơng • Giai đoạn viễn vơng (1965 – 1975) • Đây giai đoạn phát triển với tham vọng làm cho máy hiểu người qua ngơn ngữ tự nhiên • Các cơng trình nghiên cứu tập trung vào việc biểu diển tri thức phương thức giao tiếp người & máy ngơn ngữ tự nhiên • Kết khơng khả quan tìm phương thức biểu diễn tri thức dùng đến ngày chưa thật tốt như: • Semantic Network (mạng ngữ nghĩa) • Conceptial graph (đồ thị khái niệm) • Frame (khung) • Script (kịch bản) Vấp phải trở ngại lực máy tính Lịch sử phát triển AI- Giai đoạn đại • Giai đoạn đại (từ 1975) • Xác định lại mục tiêu mang tính thực tiễn AI là: • Tìm lời giải tốt khoảng thời gian chấp nhận • Khơng cầu tồn tìm lời giải tối ưu • Tinh thần HEURISTIC đời áp dụng mạnh mẽ để khắc phục bùng nổ tổ hợp • Khẳng định vai trò tri thức đồng thời xác định trở ngại lớn biểu diển tri thức bùng nổ tổ hợp • Nêu cao vai trò Heuristic khẳng định tính khó khăn đánh giá heuristic Better than nothing Phát triển ứng dụng mạnh mẽ: Hệ chun gia, Hệ chuẩn đốn, Các lĩnh vực ứng dụng Game Playing: Tìm kiếm / Heuristic Automatic reasoning & Theorem proving: Tìm kiếm / Heuristic Expert System: hướng phát triển mạnh mẽ có giá trị ứng dụng cao Planning & Robotic: hệ thống dự báo, tự động hóa Machine learning: Trang bị khả học tập để giải vấn đề kho tri thức: Supervised : Kiểm sốt tri thức học Khơng tìm UnSupervised:Tự học, khơng kiểm sốt Có thể tạo tri thức nguy hiểm học điều khơng mong muốn Các lĩnh vực ứng dụng (tt) Natural Language Understanding & Semantic modelling: Khơng phát triển mạnh mức độ phức tạp tốn tri thức & khả suy luận Modeling Human performance: Nghiên cứu chế tổ chức trí tuệ người để áp dụng cho máy Language and Environment for AI:Phát triển cơng cụ mơi trường để xây dựng ứng dụng AI Neurol network / Parallel Distributed processing: giải vấn đề lực tính tốn tốc độ tính tốn kỹ thuật song song mơ mạng thần kinh người Mơ hình phát triển ứng dụng AI • Mơ hình ứng dụng Ai tại: AI = Presentation & Search Tri Thức Knowledge Engineering Tìm kiếm Search Suy luận Heurictic Chương 2: PHÉP TỐN VỊ TỪ Phép tốn vị từ góc nhìn AI Mệnh đề Vị từ AI & Phép tốn vị từ AI & Phép tốn vị từ: Minh họa • Tại Ai phải nghiên cứu phép tốn vị từ? • AI Phát triển chương trình có khả suy luận • Suy luận giúp chương trình AI biết tính đúng/sai vấn đề • Phép tốn vị từ cung cấp khả triển khai q trình suy diễn máy tính • Phát triển chương trình AI cần phép tốn vị từ • Phép tốn vị từ thực ngơn ngữ lập trình máy tính PROLOG AI & Phép tốn vị từ: Minh họa Mệnh đề thực tế • “Nếu NAM có nhiều tiền NAM mua sắm” • “Nam KHƠNG mua sắm” Vậy Nam KHƠNG có nhiều tiền Mệnh đề logic • P=“Nam có nhiều tiền” • Q= “Nam mua sắm” Ta có hai phát biểu sau đúng: •P Q • ¬Q Vậy theo luật suy diễn ¬ P Nghĩa là: “Nam KHƠNG có nhiều tiền” Mệnh đề thực tế • “Nếu trời mưa bầu trời có mây” • Trời mưa Vậy Bầu trời có mây Mệnh đề logic • P=“Trời mưa” • Q= “Bầu trời có mây” Ta có hai phát biểu sau đúng: •P Q •P Vậy theo luật suy diễn Q Nghĩa là: “Bầu trời có mây” Phép tốn mệnh đề : Định nghĩa Mệnh đề: • Mệnh đề phát biểu khai báo • Mệnh đề nhận hai giá trị: ĐÚNG (True) SAI (False) Ví dụ: • Ngày 01tháng giêng ngày tết cổ truyền • Mơn bạn học AI • Hơm quốc khánh • Hơm trời lạnh • Tại phải học AI ? Bảng chân trị kết nối Mệnh đề : Các phép tốn • Biểu thức mệnh đề: kết hợp mệnh đề phép tốn mệnh đề • Các phép tốn: Phủ định Hội Tuyển Suy Tương đương ngơi hai ngơi hai ngơi hai ngơi hai ngơi Ưu tiên ¬ ∧ ∨ ⇒ • Cách đánh giá giá trị phép tốn: Bảng chân trị Mệnh đề : Các phép tốn – ví dụ P Q lP P∧Q PvQ P=>Q PQ False False True False False True True False True True False True True False True False False False True False False True True False True True True True Mệnh đề : Các biểu thức mệnh đề P=“Nam học giỏi” ; Q=“Nam thơng minh” ; R=“Nam đẹp trai” • • • • • Mệnh đề thực tế “Nam học giỏi, thơng minh, đẹp trai” “Nam học giỏi thơng minh” “Nam học giỏi, đẹp trai” “Nam thơng học giỏi” Biểu thức mệnhđề • P∧Q∧R • P∨ Q • (P ∧ ¬R)∨ (¬ ¬P ∧ R) • Q⇒P • • Ký hiệu biểu thức đúng: wff • Thành phần P hay ¬P, với P mệnh đề • Các biểu thức định nghĩa theo dạng luật sinh sau: Wff= “Thành phần bản”| ¬wff | wff^wff | wff v wff | wff ⇒ wff | wff = wff | (wff) Mệnh đề : Ngữ nghĩa Mệnh đề : Các tương đương • Ngữ nghĩa biểu thức mệnh đề giá trị biểu thức mệnh đề • Giá trị biểu thức mệnh đề có khả tính tốn Trong đó: • Mỗi mệnh đề gán giá trị true hay false • Mỗi tốn tử đánh giá theo bảng chân trị thứ tự ưu tiên tốn tử • Giá trị biểu thức mệnh đề tính cách: • Dùng bảng chân trị • Đánh giá ngược từ node biểu thức mệnh đề biểu diễn dạng • Các tương đương sử dụng thường xun q trình biến đổi biểu thức từ dạng sang dạng khác • Khả biến đổi tương đương máy tính làm tự động • Các tương đương: Trong tương đương sau A,B,C mệnh Dạng phủ định kép Dạng đề hơäibất kỳ ¬¬ A Dạng tuyển A ∨ TRUE A ∨ FALSE A∨A A∨¬A Mệnh đề : Các tương đương (tt)) • Dạng suy A ⇒ TRUE = A ⇒ FALSE = TRUE ⇒ A = FALSE ⇒ A = A ⇒A = • Dạng hấp thu A ∧ (A ∨ B) A ∨ (A ∧ B) A ∧ (¬ ¬A ∨ B)= A ∨ (¬ ¬A ∧ B)= • Dạng De Morgan ¬ (A ∧ B) = ¬ (A ∨ B) = • Dạng khác A⇒B = ¬A ∨ B ¬ (A ⇒ B) = A ∧ ¬B A⇒B = A ∧ ¬B⇒ FALSE TRUE ¬A A TRUE TRUE = = A∧B A∨B A A ¬A ∨ ¬B ¬A ∧ ¬B • Phép ∧ ∨ có khả kết hợp • Phép ∧ ∨ có khả hốn vị • Phép ∧ có khả phân phối ∨ A ∨ (B∧C) =(A∨B)∧(A∨C) • Phép ∨ có khả phân phối ∧ A ∧ (B∨C) =(A∧B)∨(A∧C) = A = = = = TRUE A A TRUE A ∧ TRUE A ∧ FALSE A∧A A∧¬A = = = = A FALSE A FALSE Mệnh đề : Các dạng chuẩn CNF & DNF • Dạng chuẩn kết xuất chuẩn giải thuật làm việc với phép tốn mệnh đề • Tuyển bản: thành phần hay kết hợp thành phần phép tuyển(v) • Hội bản: thành phần hay kết hợp thành phần phép hội (^) • Dạng chuẩn hội – CNF: thành phần tuyển hay tuyển kết hợp phép hội • Dạng chuẩn tuyển – DNF: thành phần hội hay hội kết hợp phép tuyển Mệnh đề : Luật suy diễn & chứng minh Mệnh đề : Luật suy diễn & chứng minh – Ví dụ Luật suy diễn áp dụng để phát triển ứng dụng có khả suy luận Suy luận hoạt động thường xun người để hiểu lý lẽ, kiểm chứng, phán đốn vấn đề • Ta có biểu thức sau: AvB, AvC,và ¬A TRUE P (tiên đề) • Chứng1minhAvB B^C có trị TRUE • 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 • Ta có biểu thức sau đúng: AvB, A⇒ C, B⇒ D, ¬D Chứng minh C • Ta giả thiết ¬C dẩn đến false AvB A⇒C B⇒ D ¬D ¬C ¬B A ¬A A ^¬ ¬A False AvC ¬A B C B^C P (tiên đề) P (tiên đề) 1,3, tam đoạn luận tuyển 2,3, tam đoạn luận tuyển 4,5, Luật hội • Đã chứng minh xong Mệnh đề : Luật suy diễn & chứng minh – Ví dụ 2 10 • 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 P (tiên đề) P (tiên đề) P (tiên đề) P (tiên đề) P (giả thiết phản chứng) 3,4,Modus Tollens 1,6, Tam đoạn luận tuyển 2,5,Modus Tollens 7,8, Luật hội Mâu thuẫn với Luật hội Mệnh đề : Luật phân giải mệnh đề • Clause: tuyển khơng hay nhiều thành phần • Dạng clause:là hội hay nhiều Clause • Luật phân giải mệnh đề: PVD1, ¬PvD2 ∴ (D1-P)v(D2-¬P) • • • • D1,D2 tuyển khơng hay thành phần P mệnh đề D1-P : clause thu cách xóa bỏ P D1 D2- ¬P : clause thu cách xóa bỏ ¬P D2 Các đặc trưng ES Cấu trúc ES • Phân tách tri thức điều khiển • Giao diện người dùng: Giao diện thành phần quan trọng ES, giúp cho ES đặt câu hỏi với người dùng nhận câu trả lời xác u cầu cao cho giao diện có khả cung cấp cách hỏi đáp tương tự người - với - người Khi thực hệ thống, hạn chế kỹ thuật nên người thiết kế phải nghĩ đến hình thức giao tiếp cho tiện lợi, chưa thật giống với “người- người” Cụ thể, dùng giao diện đồ họa , dạng menu chọn, phát âm câu hỏi, … cần phải tính đến khả dùng web mơi trường tương tác Các đặc trưng ES Đã đề cập hệ luật sinh Đây đặc điểm phân biệt chương trình truyền thống ES Hãy so sánh khả thay đổi tri thức vấn đề hai loại chương trình nói • Sỡ hữu tri thức chun gia ES có chứa tri thức lĩnh vực CSTT Nhờ có tri thức mà có giá trị Đặc biệt tri thức nhân thành nhiều bản, cập nhật hệ thống triển khai • Tính chun gia lĩnh vực hẹp Cũng giống chun gia người, ES phát triển nhằm vào lĩnh vực hẹp Điều dễ hiểu, lý do: lĩnh vực hẹp số lượng tri thức nhỏ hơn, giúp cho người thiết dễ dàng quản lý hơn, dể dàng thử nghiệm chiến lược điều khiển động suy diễn Người thiết lập thường chia tri thức theo mảng hình sau để quản lý Các đặc trưng ES Chuẩn đoán xe • Suy luận ký hiệu Hệ thống điện Hệ thống nhiên liệu Chúng ta dùng ký hiệu để thể tri thức cho ES Chính mà tận dụng giải thuật ký hiệu để tri thức thức, giải thuật đề cập chương – phần phép tốn vị từ • Suy luận có heuristic Ac-quy Bộ đánh lửa Bộ chế hoà khí Ống dẫn Chun gia người từ kinh nghiệm để dẫn cách giải vấn đề hiệu hơn, ví dụ: Khi chuẩn đốn xe, họ giả thiết cách làm: - Ln ln kiểm tra luật hệ thống điện trước luật khác Hay bác sĩ chun khoa giả thiết: - Nếu nghi ngờ bị ung thư, kiểm tra dòng họ trước Để thực ES, người thiết kế cần phải có cách đánh giá thứ tự ưu tiên luật, để từ ngữ cảnh chọn luật có lý để bắt đầu Các đặc trưng ES Các đặc trưng ES • Cho phép suy luận khơng xác ES có khả mạnh là: làm việc với vấn đề thiếu thơng tin, hay có hổn tạp, khơng rõ ràng Cũng giống trường hợp: ekip bác sĩ phải cứu bệnh nhân hấp hối, lúc họ khơng kịp thời gian để làm tất xét nghiệm cần thiết Khi thiếu thơng tin họ đành tiến hành cách có lý theo họ Chúng ta thực ES có tính chất cách đưa vào luật tương ứng với tình thiếu thơng tin để động suy diễn vận dụng • Bị giới hạn vào vấn đề giải Khơng phải vấn đề giải ES Cụ thể, lĩnh vực chúng muốn xây dựng ES chưa có, chưa cần chun gia người việc xây dựng ES khó mà thành cơng • Giải vấn đề có độ phức tạp vừa phải Nếu vấn đề q khó, u cầu chun gia người đến vài giờ, cần thiết nghĩ đến khả chia thành nhiều tốn tương ứng ES Cơng nghệ tri thức Đánh giá Các khảo sát khác Tri thức Thiết kế Kiến trúc Kiểm tra Sự đánh giá Lập tài liệu Sản phẩm Bảo trì Giống chun gia người ES có khả bị lỗi Chính vậy, cần thiết đưa vào khả phục hồi lại lỗi cho ES – ES có khả lưu vết q trình suy luận, đưa kết luận mà người dùng kiểm nghiệm với thực tế có sai báo cho ES, lúc phải có khả ghi nhận theo đuổi hướng suy luận khác đặc điểm khơng xuất chương trình truyền thống, đừng vội kết luận loại chương trình tốt Mỗi loại có đặc điểm riêng bảng so sánh sau: CT truyền thống Xử lý số Giải thuật Tích hợp thơng tin+ điều khiển Khó thay đổi Thơng tin xác Giao diện lệnh điều khiển Kết cuối Tối ưu ES Xử lý ký hiệu Heuristic Tách bạch thơng tin+ điều khiển dễ thay đổi Thơng tin khơng chắn Hội thoại + giải thích đề nghị + giải thích Có thể chấp nhận Các nhân tố dự án ES Định nghĩa lại Các u cầu Thu thập tri thức • Có khả bị lỗi Các tinh chỉnh • Q trình gồm giai đoạn hình bên • Một số định nghĩa: ♣ Cơng nghệ tri thức: Là q trình xây dựng ES ♣ Thu thập tri thức: Là q trình thu thập, tổ chức nghiên cứu tri thức • Các nhân tố chính: Chun gia lĩnh vực Kỹ sư tri thức Người dùng sản phẩm • Các u cầu cho nhân tố: Chun gia lĩnh vực: Có tri thức chun gia Có kỹ giải vấn đề hiệu Có thể chuyển giao tri thức Khơng chống đối (thân thiện) Kỹ sư tri thức: Có kỹ cơng nghệ tri thức Có kỹ giao tiếp tốt Có thể làm cho vấn đề giải phần mềm Có kỹ lập trình hệ chun gia Người dùng sản phẩm: Có thể trợ giúp thiết kế giao diện cho ES Có thể trợ giúp việc thu thập tri thức Có thể trợ giúp q trình phát triển ES Ưu – nhược điểm kỹ thuật Các kỹ thuật suy luận • Suy luận: q trình làm việc với tri thức, kiện, chiến lược giải tốn để dẫn kết luận • Bạn suy luận nào? Các hình thức bản: Các kỹ thuật bản: ♣♣ ♣ Suy luận tiến (forward-chaing) ♣ Suy luận lùi (backward-chaining) Suy luận diễn dịch ♣♣ Suy luận quy nạp ♣♣ Suy luận tương tự ♣♣ Suy luận khả sai ♣♣ Suy luận common-sense ♣Suy luận đơn điệu ♣Suy luận khơng đơn điệu Ưu – nhược điểm kỹ thuật Suy luận lùi – backward chaining • Ưu điểm: ♣ Làm việc tốt với tốn có chất: thành lập giả thiết , sau tìm xem chứng minh khơng ♣ Hướng đến goal nào, nên hỏi câu hỏi có liên quan ♣ Chỉ khảo sát CSTT nhánh vấn đề quan tâm ♣ Tốt cho vấn đề: chuẩn đốn, kê toa, gỡ rối • Nhược điểm: ♣ Ln hướng theo dòng suy luận định trước chí dừng rẽ sang goal khác Giải quyết: dùng meta-rule để khắc phục Meta-rule: dùng để hướng khơng gian tri thức khảo sát sang vùng khác Suy luận tiến – forward chaining • Ưu điểm: ♣ Làm việc tốt với tốn có chất: gơm thơng tin sau tìm xem suy từ thơng tin ♣ Có thể dẫn nhiều thơng tin từ kiện ban đầu ♣ Thích hợp cho số vấn đề như: hoạch định, giám sát, điều khiển, diễn dịch • Nhược điểm: ♣ Khơng có cách để nhận thấy tính quan trọng kiện Hỏi nhiều câu hỏi thừa, đơi lúc cần vài kiện cho kết luận ♣ Có thể hỏi câu hỏi khơng liên quan – chuổi câu hỏi khơng ăn nhập VD: - Bạn có thân nhiệt cao ? - Bạn đến VN lâu ? -… Khảo sát ES: MYCIN • Giới thiệu: ♣ Là ES lĩnh vực chuẩn đốn bệnh nhiễm trùng nháu ♣ Được phát triển vào khoảng năm 1970, đại học Standford ♣ Là thước đo cho nhiều ES dựa luật sau ♣ Được viết ngơn ngữ INTERLISP, nhánh LISP ♣ Người ta từ MYCIN, tước bỏ phần CSTT để hệ thống EMYCIN (empty MYCIN), dùng để phát triển ES khác • Các đặc điểm chính: ♣ Sử dụng kỹ thuật suy luận lùi ♣ Có khả phân tách tri thức điều khiển ♣ Có tích hợp Meta-rule ♣ Có thể dùng thiếu thơng tin hay thơng tin khơng xác ♣ Có khả nhớ thơng tin phiên làm việc với người bệnh cụ thể ♣ Dể sử dụng – giao tiếp với bác sĩ qua tiếng anh ♣ Cung cấp chức giải thích: WHY, HOW Khảo sát ES: MYCIN • Một phiên làm việc cụ thể với MYCIN (“Expert System” Author: John Durkin) - Việt hóa ? Một vài thơng tin bệnh nhân: MYCIN: Họ tên ? USER: Jack Durkin MYCIN: Tuổi ? USER: 24 MYCIN: Giới tính ? USER: Nam MYCIN: Chủng tộc? USER: CAUCASIAN Khảo sát ES: XCON ? MYCIN cố gắng xác định chất lây nhiễm MYCIN: Có phép cấy vi khuẩn cho Jack Durkin liên qua đến bệnh tại? USER: Có MYCIN: Mẫu vật lấy từ đâu? USER: CSF MYCIN: Ngày, thực cấy? USER: 7- July-7:00 … MYCIN: Gần Jack Durkin có triệu chứng như: chống ván, mê khơng? USER: Có … Hệ chun gia dựa luật • Định nghĩa: Là chương trình máy tính, xử lý thơng tin cụ thể tốn chứa nhớ làm việc tập luật chứa CSTT, sử dụng động suy luận để suy thơng tin ES dựa luật: có tảng xây dựng hệ luật sinh – chương trước ES dựa luật có đặc trưng nêu phần trước cho ES tổng qt, vài đặc điểm: ♣ Có CSTT chứa luật ♣ Có nhớ làm việc tạm thời ♣ Có động suy luận ♣ Có giao diện để giao tiếp với người dùng, người phát triển ♣ Có tiện ích giải thích ♣ Có khà giao tiếp với chương trình ngồi như: DBMS, xừ lý bảng tính,… • Giới thiệu: ♣ Là ES lĩnh vực hướng dẫn cấu hình hệ thống máy tính DEC trước xuất xưởng ♣ Được phát triển vào khoảng năm 1980, đại học CMU ♣ Được cơng bố giảm thời gian cấu hình cho hệ thống xuống phút (so với 25 phút tay.) Tiết kiệm vào khoảng 25 triệu $ cho năm (Theo “Expert System” – John Durkin) Hệ chun gia dựa luật • Kiến trúc: (như hình sau) • Ngun lý hoạt động tương tự hệ luật sinh giới thiệu Bộ nhớ làm việc Người dùng Người phát triển Giao diện người dùng Động suy luận Bộ giao tiếp chương trình Giao diện Người phát triển Cơ sỡ tri thức Bộ giải thích Hệ chun gia dựa luật • Nhược điểm • Ưu điểm ♣ Biểu diễn tri thức tự nhiên: IF… THEN ♣ Phân tách tri thức – điều khiển ♣ Tri thức tập luật có tính độc lập cao -> dễ thay đổi, chỉnh sữa ♣ Dễ mở rộng ♣ Tận dụng tri thức heuristic ♣ Có thể dùng biến luật, tri xuất chương trình ngồi ♣ Các fact muốn đồng nhau, phải khớp hồn tồn Các facts ý nghĩa phải giống cú pháp, ngơn ngữ tự nhiên khơng ♣ khó tìm mối qua hệ luật chuổi suy luận, chúng nằm rải rác CSTT ♣ Có thể hoạt động chậm ♣ Làm cho nhà phát triển phải hình chung dạng luật - khơng phải tốn làm Các lược đồ biểu diễn tri thức Chương 7: BIỂU DIỄN TRI THỨC Biểu diển tri thức AI: vai trò ứng dụng Các kỹ thuật biểu diển tri thức: Semantic network Lưu đồ phụ thuộc khái niệm Frame Script Các lược đồ biểu diễn tri thức • Chú ý: • Định nghĩa: Biểu diễn tri thức phương pháp để mã hố tri thức, nhằm thành lập sỡ tri thức cho hệ thống dựa tri thức (knowledge-based system) Tri thức thực Của lĩnh vực Gồm: đối tượng quan hệ chúng lĩnh vực Bằng cách ? Bằng cách: dùng lược đồ biểu diễn (scheme) Chọn dùng lược đồ cho loại tri thức vấn đề quan trọng Tri thức tính tốn Gồm: Bảng ánh xạ giữa: Đối tượng thực đối tượng tính tốn Quan hệ thực quan hệ tính tốn Cần phân biệt: Lược đồ biểu diễn (scheme) mơi trường thực (medium), tương tự việc phân biệt: cấu trúc liệu (CTDL) ngơn ngữ lập trình Với loại CTDL, ví dụ như: Bản ghi (record), có thực nhiều ngơn ngữ như: Pascal, C,…Tương tự, với loại lược đồ chọn NNLT để thực • Các loại lược đồ biểu diễn: ♣ Lược đồ logic Dùng biểu thức logic hình thức ,như phép tốn vị từ, để biểu diễn tri thức Các luật suy diễn áp dụng cho loại lược đồ rõ ràng, khảo sát chương (như: MP, MT,…) Ngơn ngữ lập trình thực tốt cho loại lược đồ là: PROLOG ♣ Lược đồ thủ tục: Biểu diễn tri thức tập thị lệnh để giải vấn đề Các lược đồ biểu diễn tri thức ♣ Lược đồ thủ tục: Ngược lại với lược đồ dạng khai báo, logic mạng, thị lệnh lược đồ thủ tục cách giải vấn đề Các luật CSTT ES dựa luật ví dụ thủ tục giải vấn đề Hệ luật sinh ví dụ điển hình loại lược đồ ♣ Lược đồ mạng Biểu diễn tri thức đồ thị; đỉnh đối tượng khái niệm, cung quan hệ chúng Các ví dụ loại lược đồ gồm: mạng ngữ nghĩa, phụ thuộc khái niệm, đồ thị khái niệm khảo sát sau chương ♣ Lược đồ cấu trúc: Là mở rộng lược đồ mạng; cách cho phép node CTDL phức tạp gồm khe(slot) có tên trị hay thủ tục Chính tích hợp dạng khai báo thủ tục Kịch bản(script) , khung (frame), đối tượng (object) ví dụ lược đồ khảo sát sau Mạng ngữ nghĩa Các ý lược đồ • Khi xây dựng lược đồ cần ý vấn đề sau: ♣ Các đối tượng quan hệ biểu diễn cho lĩnh vực? Ví dụ: để biểu diễn cho ý “Nam cao 1mét 70”,chúng ta dùng: chieucao(nam,170) Vậy để diễn tả “An cao Nam” làm nào, chiều cao An lúc khơng trị cụ thể nữa! ♣ Bằng cách phân biệt “nội hàm” “ngoại diện” khái niệm ♣Bằng cách thể metaknowledge? ♣Bằng cách thể tính phân cấp tri thức Lúc biểu diễn tính phân cấp hình thức : kế thừa, ngoại lệ, trị mặc định, ngoại lệ, đa thừa kế phải đặc tả ♣Khi mơ tả đối tượng, cách tích hợp tri thức thủ tục vào thân mơ tả, thủ tục thực hiện, Mạng ngữ nghĩa • Mở rộng mạng ngữ nghĩa: • Định nghĩa: Là lược đồ biểu diễn kiểu mạng, dùng đồ thị để biểu diễn tri thức Các đỉnh biểu diễn đối tượng; cung biểu diễn quan hệmạng chúng Xem bên: • Ví dụ: Cánh có Chim yến IS-A Chim Di chuyển Bay - Có hai đỉnh biểu diễn đối tượng, hai đỉnh lại biểu diễn thuộc tính - đỉnh có nhãn: “Chim” nối với hai đỉnh thuộc tính có nhãn: “Cánh”, “Bay” nên biểu diễn: “Một chim có cánh có hình thức di chuyển bay” -Đỉnh có nhãn “Chim yến” nối với đỉnh “Chim” thơng qua cung đặc biệt “IS-A” nói lên: “Chim yến lồi chim”.Vì chim yến sỡ hữu thuộc tính: có cánh, bay chim thơng thường Để mở rộng mạng thật đơn giản; việc thêm đỉnh cung quan hệ với đỉnh có sẵn Các đỉnh thêm vào mạng biểu diễn đối tượng biểu diễn thuộc tính ví dụ trước Xét ví dụ sau minh họa việc mở rộng mạng có • Tính thừa kế: Là đặc điểm bật lược đồ mạng ngữ nghĩa Mạng ngữ nghĩa định cung quan hệ đặc biệt “IS-A” để thừa kế Ví dụ, nhờ tính thừa kế mà từ mạng bên suy ra: “Lilo động vật bay hít thở khơng khí.” • Tính ngoại lệ: Định nghĩa cung quan hệ đến đỉnh có trị khác Không khí Cánh có IS-A Chim IS-A Lilo yến IS-A Cánh cụt Di chuyển Đi Chim thở IS-A Động vật Di chuyển Bay Mạng ngữ nghĩa Lưu đồ quan hệ phụ thuộc khái niệm • Phép tốn mạng ngữ nghĩa: • Trong q trình nghiên cứu cách hiểu ngơn ngữ tự nhiên, Schank Rieger cố gắng thiết lập tập phần tử để biểu diễn cấu trúc ngữ nghĩa biểu thức ngơn ngữ tự nhiên theo cách đồng Lý thuyết phụ thuộc khái niệm có đề khái niệm để từ ngữ nghĩa xây dựng, chúng là: ♣ ACT (Action) : hành động : (các động từ câu) ♣ PP (Picture Producers) : đối tượng : (các chủ từ, tân ngữ, ) ♣ AA (Action Adder) : bổ nghĩa cho hành động : (trạng từ) ♣ PA (Picture Adder) : bổ nghĩa cho đối tượng : (tính từ) Giả sử mã hố mạng hình trước vào máy tính Để dùng mạng, đơn giản câu hỏi với đỉnh Ví dụ, với đỉnh “Chim” đặt câu hỏi: “Bạn di chuyển nào?” Để trả lời câu hòi thực cách trả lời sau cho đỉnh: tìm kiếm cung quan hệ có nhãn “di chuyển” nó, case 1,2 bên Chim Q: Bạn di chuyển Di chuyển Bay Case 1: Người dùng ? Chim A: bay Case 2: Q: Bạn di chuyển Người dùng ? A: bay Q: Bạn di chuyển ? Lilo Q: Bạn di chuyển Chim yến ? A: bay Di chuyển A: bay Lưu đồ quan hệ phụ thuộc khái niệm • Tất hành động cho mơ tả cách phân rã nhiều hành động liệt kê sau đây: ATRANS : chuyển đổi quan hệ – VD: động từ: cho, biếu,… PTRANS : chuyển đổi vị trí vật lý – VD: đi, chạy, di chuyển, PROPEL : tác động lực vật lý lên đối tượng – VD: đẩy, chải,… MOVE : di chuyển phần thân thể bời đối tượng – VD: đá GRASP : nắm lấy đối tượng khác – VD: cầm, nắm, giữ,… INGEST : ăn vào bụng đối tượng đt khác – VD: ăn, nuốt, EXPEL : tống từ thân thể đối tượng – VD: khóc, MTRANS : chuyển đổi thơng tin tinh thần – VD: nói, tiết lộ, MBUILD : tạo thơng tin tinh thần – VD: định, … 10 CONC : nghĩ ý kiến – VD: suy nghĩ, hình dung,… 11 SPEAK : tạo âm – VD: nói, phát biểu,… 12 ATTEND: tập trng giác quan – VD: lắng nghe, nhìn,… Bay Lưu đồ quan hệ phụ thuộc khái niệm • Quan hệ phụ thuộc khái niệm bao gồm tập luật cú pháp cho khái niệm, hình thành nên văn phạm quan hệ ngữ nghĩa Các quan hệ dùng vào việc biểu diễn bên cho câu ngơn ngữ tự nhiên Danh sách phụ thuộc khái niệm liệt kê bên PP ACT Đối tượng PP thực hành động ACT PP PA Đối tượng PP có thuộc tính PA PP Hành động ACT tác động lên PP O ACT ACT R PP PP PP ACT D PP ACT I Đối tượng nhận cho hành động ACT R: đối tượng nhận (recipient) Hướng đối tượng hành động ACT D: Hướng(Direction) Quan hệ hành động thiết bị phục vụ cho hành động (xem ví dụ phần sau) Lưu đồ quan hệ phụ thuộc khái niệm X Biểu diễn quan hệ nhân X: ngun nhân Y: kết Y PA1 Biểu diễn chuyển đổi trạng thái PP từ PA2 sang PA1 PP Lưu đồ quan hệ phụ thuộc khái niệm • Các phụ thuộc khái niệm cho phép chúng biểu diễn quan hệ giữa: chủ từ với động từ (như phụ thuộc đầu tiên), hay chủ từ thuộc tính nó,… Lược đồ quan hệ phụ thuộc khái niệm đưa cách thứa để biểu diễn thì, điều kiện,…, bên phải PA2 PP2 Biểu diễn quan hệ sỡ hữu PP2 PART OF POSSESSOR OF PP1 PP1 ♣ Từ phụ thuộc khái niệm nêu Chúng ta kết hợp để biểu diễn câu NNTN, ví dụ sau: Nam PROPEL Ý nghĩa: “Nam tác dụng lực vào bóng“ O p : q khứ – ACT xảy q khứ VD: p Nam PROPEL O Cái bàn Ý nghĩa: Nam tác dụng lực (đẩy) vào bàn f : tương lai t : chuyển tiếp ts : bắt đầu chuyển tiếp tf : kết thúc chuyển tiếp k : diễn ? : nghi vấn / : phủ định C : điều kiện Nil: (khơng ghi gì) Quả bóng Lưu đồ quan hệ phụ thuộc khái niệm Lưu đồ quan hệ phụ thuộc khái niệm ACT • Một số ví dụ việc kết hợp phụ thuộc khái niệm để biểu diễn câu: P O : Nam đánh Lan Nam PROPEL Lan PP ACT VD: Nam K ATTEND O Bài giảng O ACT R PA Nam Height (> average) : Nam is tall PP PP Nam doctor : Nam is a doctor PP PA boy PP PP nice : A nice boy Poss-by dog John : John’s dog John PP John P P PP : Nam tập trung vào giảng PP PP PROPEL O R ATRANS John I : John pushed the car John : John took the book from Mary Mary O Book John P ACT Car INGEST O Ice cream : John ate ice cream (by spoon) I O spoon ACT D PP PP John P D PTRANS O fertilizer field : John fertilized the field bag Lưu đồ quan hệ phụ thuộc khái niệm PA1 Size >X Plants PP : The plants grew Size =X PA2 (a) Lưu đồ quan hệ phụ thuộc khái niệm (b) Bill PROPEL O Bullet R Health (-10) Bob p Bob gun Health (10) : Bill shot Bob T ♣ Từ kết hợp phụ thuộc khái niệm để biểu diễn câu đơn giản trên, tạo biểu diễn cho câu phức tạp ví dụ sau: Câu: “Nam cấm Lan gởi tập AI cho Quang” Nếu đặt C mệnh đề: “Lan gởi tập cho Quang”, câu hiểu là: Nam cấm mệnh đề vừa nêu xảy Mà mệnh đề C biểu diễn H1, nên tồn câu H2: yesterday p PTRANS p ATRANS R O Cuốn tập AI Quang Lan H2: p Nam Lan : John ran yesterday John H1: Lan c/ p *DO* Cuốn tập *ATRANS* O AI Quang R Lan Lưu đồ quan hệ phụ thuộc khái niệm • Ưu điểm ♣ Cung cấp cách thức biểu diễn hình thức cho ngữ nghĩa ngơn ngữ tự nhiên, ngữ nghĩa biểu diễn theo dạng có quy tắc giảm nhập nhằng ♣ Chính thân dạng biểu diễn chứa đựng ngữ nghĩa tính đồng nghĩa tương ứng đồng cú pháp lược đồ biểu diễn chứng minh tính đồng nghĩa so trùng hai đồ thị biểu diễn Đồ thị khái niệm • Nhược điểm: ♣ Khó khăn việc phát triển chương trình để tự động thu giảm biểu diễn câu dạng quy tắc chuẩn ♣ Trả giá cho việc phân rã thành phần bản: ACT, PP, … ♣ Các thành phần khơng thích hợp để miêu tả khái niệm tinh tế ngơn ngữ tự nhiên, từ có nghĩa định tính: cao, đẹp,… • Định nghĩa: Đồ thị khái niệm đồ thị hữu hạn, liên thơng, đỉnh chia làm hai loại: đỉnh khái niệm đỉnh quan hệ Đỉnh khái niệm: dùng để biểu diễn khái niệm cụ thể (cái, điện thoại, …) hay trừu tượng (tình u, đẹp, văn hố,…) Đỉnh khái niệm biểu diễn hình chữ nhật có gán nhãn khái niệm Đỉnh quan hệ: dùng để quan hệ khái niệm có nối đến Trong đồ thị khái niệm: có khác loại nối với Chính dùng đỉnh quan hệ nên cung khơng cần phải gán nhãn ♣ Mỗi đồ thị khái niệm biểu diễn mệnh đề đơn ♣ Cơ sỡ tri thức: chứa nhiều đồ thị khái niệm Đồ thị khái niệm • Một số ví dụ: Con chim Con chó Đồ thị khái niệm Biểu diễn: “Con chim biết bay” bay ngơi màu hai ngơi nâu Người:hồng Người:nam bố mẹ ba ngơi Biểu diễn: ”con chó có màu nâu” • Một số ví dụ: person: mary agent person: john give object book recipient Represent: “Mary give John the book” Biểu diễn: ”Nam có bố mẹ ơng Hồng bà Nga” Người:nga * Một đỉnh quan hệ hay nhiều ngơi Trong ví dụ trên, ý: động từ “give” có chủ từ thơng qua đỉnh quan hệ “agent”, tân ngữ trực tiếp thơng qua đỉnh quan hệ “object”, tân ngữ gián tiếp người nhận thơng quan đỉnh quan hệ “recipient”, hướng mũi tên cho loại động từ tương tự có dạng đồ thị Đồ thị khái niệm Đồ thị khái niệm • Loại, cá thể, tên: • Nếu dùng cách đặt tên nói nhín thấy đồ thị sau có tác dụng biểu diễn có luu có khố #123 Trong đồ thị khái niệm, đỉnh quan hệ biểu diễn cho cá thể đơn lẽ thuộc loại Để nói lên quan hệ “loại-cá thể”, nên đỉnh khái niệm quy định cách gán nhãn là: “loại: tên_cá_thể” tên_ cá_thể là: Một tên đó, như: sinhviên: nam sinh viên có tên Nam Một khố để phân biệt, viết theo cú pháp #khố, sinhviên: #59701234 sinh viên có khố là: 59701234 Có thể dùng dấu (*) để cá thể chưa xác định, như: sinhviên: * , có tác dụng sinhviên sinh viên sinhviên:*X sinh viên bất kỳ, tên sinh viên lấy qua biến X sinhviên:ng* sinh viên có tên bắt đầu “ng” Trường hợp 2, khái niệm gọi khái niệm cá thể, trường hợp ta có khái niệm tổng qt G1: G2: G3: dog:lulu color color:brown dog:#123 color color:brown dog:#123 color color:brown name string:”lulu” Đồ thị khái niệm Đồ thị khái niệm • Phân cấp loại (type) • Biến dùng cần nhiều đỉnh khái niệm đồng đồ thị trường hợp sau dog:*X agent verb:scratch object part: ear T Nếu có s t hai loại (type) thì: s≤t: s: subtype t t : supertype s Ví dụ: r v s u w - sinhviên subtype người - người super type sinhviên part instrument nên viết: sinhviên ≤ người Trong sơ đồ phân cấp bên, - s: gọi common-subtype r v - v : gọi common-supertype s u part: paw dog:*X part - T : supertype type t - ⊥ : subtype type ⊥ Represent: “The dog scratches its ear with its paw” Đồ thị khái niệm ♣Phép copy (nhân bản): nhân đồ thị ♣Phép Restriction (giới hạn): tạo đồ thị cách: từ đồ thị có, thay đỉnh khái niệm bời đỉnh khác cụ thể hơn, hai trường hợp: • Các phép tốn đồ thị khái niệm Xét hai đồ thị sau: G1: agent eat bone object color brown color dog: luu location brown porch location porch brown color dog:#123 hay dog:luu Một type thay subtype ♣ Phép Join (nối): Nối hai đồ thị để đồ thị khác VD: người: nam Nếu có đỉnh khái niệm C xuất hai đồ thị X Y, nối hai đồ thị đỉnhG4: chung C nói trên, từ G1 G3 tạo G4 sau: (nối đỉnh chung là: dog:lulu) sinhviên:nam agent G2: animal: luu p G3: dụng phép restriction đồ thị G2, dẫn G3 sau: Một biến *, thay khố, hay tên cá thể VD: dog:* dog: luu Đồ thị khái niệm dog: luu eat object color brown color brown bone location porch Đồ thị khái niệm Đồ thị khái niệm ♣ Phép simplify: (rút gọn) Nếu đồ thị có hai đồ thị giống hồn tồn bỏ để tạo đồ thị có khà biểu diễn khơng thay đổi Từ G4 sinh G5 khả biểu diễn • Đỉnh mệnh đề: G5: agent dog: luu eat color object Để thuận tiện biểu diễn cho câu gồm nhiều mệnh đề, đồ thị khái niệm mở rộng để chứa mệnh đề đỉnh khái niệm, lúc gọi đỉnh mệnh đề Vậy đỉnh mệnh đề đỉnh khái niệm có chứa đồ thị khái niệm khác Xét đồ thị khái niệm mở rộng biểu diễn cho câu: bone brown “Tom believes pizza” experiencer person: tom that Jane likes location porch agent person: jane pizza Đồ thị khái niệm Đồ thị khái niệm • Đồ thị khái niệm logic Ví dụ: Đỉnh khái niệm, mệnh đề like object Câu: “There are no pink dogs”, biểu diễn: proposition dog:* - Phép phủ định(not) phép tuyển(or) khái niệm hay mệnh đề thể cách đưa vào đỉnh quan hệ có tên: neg(phủ định), or(tuyển) dạng sau Đỉnh khái niệm, mệnh đề object proposition Nhận xét: Phép Restriction phép Join cho phép thực tính thừa kế đồ thị khái niệm Khi thay biến * cá thể cụ thể, lúc cho phép cá thể thừa kế tính chất từ loại(type) nó, tương tự ta thay type subtype - Phép hội (and) nhiều khái niệm, mệnh đề thực dễ dàng cách cách nối nhiều đồ thị phép tốn join believe color pink neg Trong đồ thị khái niệm, khái niệm tổng qt (đỉnh dùng biến * - dog:*, hay có tên loại - dog) xem có lượng từ tồn (∃) Do vậy, mệnh đề ví dụ có biểu diễn vị từ là: ∃X∃ ∃Y(dog(X) ^ color(X,Y) ^ pink(Y)) Và tồn đồ thị ( bao gồm đỉnh quan hệ :neg), có biểu diễn vị từ: neg or = ¬ ∃X∃ ∃Y(dog(X) ^ color(X,Y) ^ pink(Y)) ∀X∀Y(¬ (dog(X) ^ color(X,Y) ^ pink(Y))) Đồ thị khái niệm • Giải thuật để chuyển đồ thị khái niệm sang biểu diễn vị từ: Gán biến riêng biệt (X1, X2,…) cho khái niệm tổng qt Gán cho khái niệm cá thể đồ thị Hằng tên cá thể hay khố Biểu diễn đỉnh khái niệm vị từ ngơi; có tên tên loại (type), đối số biến hay vừa gán Lược đồ có cấu trúc - Frame Hội tất câu bước Tất biến biểu thức thu đính kèm lượng từ tồn Ví dụ: có đồ thị sau dog:lulu color brown ∃X1(dog(luu) ^ color(X1) ^ brown(X1)) Frame name: Object1 Class: Object2 Properties: Đặc tả cho frame gồm thành phần sau: Frame name: tên frame - Nếu frame biểu diễn cho cá thể đó, tên cá thể Ví dụ: an, nam, lulu, Lược đồ có cấu trúc – Frame - Nếu Frame biểu diễn cho lớp, tên lớp Ví dụ: chim, động vật, … Class: Tên loại - Nếu thành phần xuất hiện, cho biết frame mà biểu diễn có loại giá trị trường class Cho phép thành lập quan hệ thừa kế IS-A Như ví dụ trên, có: Object1 IS-A Object2 Là cấu trúc liệu cho phép biểu diễn tri thức dạng khái niệm hay đối tượng Một khung có cấu trúc hình vẽ bên • Cấu trúc frame: Được chuyển sang là: Biểu diễn đỉnh quan hệ bời vị từ n ngơi; có tên tên đỉnh quan hệ, thơng số biến hay gán cho đỉnh khái niệm nối đến • Cấu trúc frame (tt): • Frame – khung Property Value1 Property Value2 … … … … Lược đồ có cấu trúc – Frame Các thuộc tính (property): Khi biểu diễn frame thiết lập hay nhiều thuộc tính cho nó, ví dụ sau: Frame name: chim Properties: màu Chưa biết ăn Côn trùng Số cánh bay true đói Chưa biêt Hoạt động Chưa biêt • Cấu trúc frame (tt): - Khi đặt tả thuộc tính cho lớp; biết giá trị chung cho tất đối tượng thuộc lớp mà biểu diễn điền vào trị cho thuộc tính đó, giá trị gọi giá trị mặc nhiên, như: ăn, số cánh ; chưa biết trị cụ thể (nhưng biết có thuộc tính đó) bỏ trống (chưa biết) – màu, hoạt động, : Các thuộc tính frame nằm hai dạng bản: Dạng tĩnh(static): giá trị khơng thay đổi q trình hệ thống tri thức hoạt động Dạng động(dynamic): giá trị chuyển đổi Khi phải tìm kiếm frame, dựa vào frame name , dựa vào thuộc tính đặt tả cho frame Lược đồ có cấu trúc – Frame • Cấu trúc frame (tt): Các thủ tục: Lược đồ frame cho phép tích hợp cách thức đặt thuộc tính thủ tục vào frame Về hình thức, thủ tục chiếm khe tương tự khe thuộc tính nói Thủ tục dùng để: biểu diễn hành động đối tượng, điều khiển giá trị thuộc tính như: kiểm tra ràng buộc trị, kiểu, thuộc tính cần trích, hay thay đổi Lược đồ có cấu trúc – Frame Hai thủ tục phổ biến đính kèm với thuộc tính là: IF_NEEDED IF_CHANGED IF_NEEDED: Thủ tục thực thi cần đến giá trị thuộc tính (giống thủ tục GET VB) Ví dụ: thủ tục sau (dạng if_needed) cho thuộc tính bay frame chim nói If self:số_cánh < Then self:bay = false If self:số_cánh = Then self:bay = true Lược đồ có cấu trúc – Script • Script – Kịch bản: Là lược đồ biểu diễn có cấu trúc, dùng để biểu diễn chuổi kiện ngữ cảnh cụ thể Nó phương tiện để tổ chức phụ thuộc khái niệm – (đã giới thiệu trước) để mơ tả tình cụ thể Script dùng hệ thống hiểu NNTN, tổ chức tri thức thành phần tình mà hệ thống phải tìm hiểu • Cấu trúc Script: Entry conditions: Các điều kiện phải true để script gọi Ví dụ: cá nhân bị bệnh script nhập viện gọi Results: Kết thu từ script hồn thành Props: Các đồ vật tham gia vào script, như: xe cứu thương, cán, bình oxy,… Roles: Các cá nhân tham gia vào script, như: bệnh nhân, bác sĩ, y tá, người nhà,… Scenes: Các cảnh script, như: di chuyển, cấp cứu, hồi sức, Một ví dụ kịch nhà hàng ví dụ sau: Chú ý: ví dụ mơ theo ngơn ngữ Kappa PC, đó, “Expert System DurKin”: • Cấu trúc frame (tt): IF_CHANGED: Thủ tục thực thi giá trị thuộc tính mà if_changed gắn vào thay đổi (giống SET, LET VB) Ví dụ: gắn thủ tục sau cho thuộc tính đói lớp chim nói If Seft:đói = true - Seft: từ khố thân frame mơ tả (như Me VB, this VC) - # : dấu nối chuổi(như & VB, + VC) - Lược đồ frame giống hệ thống hướng đối tượng Chúng ta: Có thể đặt tả frame lớp hay cá Then Seft:hànhđộng = eating # seft:ăn thể Có thể đặt tả tính thừa kế Các thơng tin khác: Một số khe khác frame chứa frame khác, link đến frame, mạng ngữ nghĩa, rules, hay loại thơng tin khác Mỗi tạo frame cá thể, copy thuộc tính, thủ tục frame lớp; đồng thời mở rộng thêm, hay định nghĩa lại số thuộc tính, thủ tục Lược đồ có cấu trúc – Script Script: RESTAURENT Track: Coffe Shop Entry conditions: S is hungry S has money Results: S has less money O has more money S is not hungry S is pleased (optional) Props: Tables Menu Food (F) Check Money Roles: Custumer (S) Waiter(W) Cook(C) Cashier(M) Owner(O) Scene 1: (Entering) S PTRANS S into restaurent S ATTEND eyes to tables S MBUILD where to sit S PTRANS S to table S MOVE S to sitting position Scene 2: (Ordering) (Menu on table) S PTRANS menu to S (S ask for menu) S MTRANS signal to W W PTRANS W to table S MTRANS ‘need menu’ to W W PTRANS W to menu Lược đồ có cấu trúc – Script W PTRANS W to table W ATRANS menu to S Lược đồ có cấu trúc – Script Scene 3: (Eating) C ATRANS F to W W ATRANS F to S S MTRANS food list to S (*) S MBUILD choice of F S MTRANS signal to W W PTRANS W to table S MTRANS ‘I want F’ to W S INGEST F (Option: return to scene to order more; otherwise: goto scene 4) Scene 4: (exiting) W PTRANS W to C W MTRANS (ATRANS F) to C C MTRANS ‘no F’ to W W PTRANS W to S W MTRANS ‘no F’ to S (go back to *) or (go to scene 4) S MTRANS to W W ATRANS check to S C DO (prepare F script) to scene W MOVE (write check) ; W PTRANS W to S W ATRANS check to S ; S ATRANS tip to W S PTRANS S to M; S ATRANS money to M; S PTRANS S to out of restaurent ... Trí – KS Lê Thành Sách Giáo trình Trí tuệ nhân tạo – Đinh Mạnh Tường Artificial Inteligent – George F Luget & Cilliam A Stubblefied Giáo trình Trí tuệ nhân tạo – KS Nguyễn Đức Cường Trí tuệ. .. Đức Cường Trí tuệ nhận tạo – Nguyễn Quang Tuấn – Hà nội Đối tượng nghiên cứu AI Chương 1: GIỚI THIỆU Ngành Trí tuệ nhân tạo gì? Mục tiêu nghiên cứu ngành Trí tuệ nhân tạo Lịch sử hình thành trạng...Thực hành &Tài liệu tham khảo • Thực hành Prolog CLISP • Prolog : Các giải thuật tìm kiếm • CLISP : Biểu diển tri thức • Bài tập lớn • Tài liệu tham khảo • • • • • Bài giảng Trí tuệ nhân tạo –