BÀI GIẢNG Trí Tuệ Nhân Tạo

Trí Tuệ Nhân Tạo Nguyễn Nhật Quang quangnn-fit@mail.hut.edu.vn Viện Cơng nghệ Thông tin Truyền thông Trường Đại học Bách Khoa Hà Nội Năm học 2009-2010 Nội dung môn học: „ Giới thiệu Trí tuệ nhân tạo „ Tác tử „ Giải vấn đề: Tìm kiếm, Thỏa mãn ràng buộc „ Logic suy diễn „ Biểu diễn tri thức ‰ Luật sản xuất ‰ Khung ‰ Mạng ngữ nghĩa ‰ Ontology „ Suy diễn ễ với tri thức không ắ chắn ắ „ Học máy „ Lập kế hoặch Trí Tuệ Nhân Tạo Dữ liệu, Thông tin, Tri thức (1) „ Dữ liệu (data) thường định nghĩa kiện (facts) ký hiệu (symbols) „ Thông tin (information) thường định nghĩa liệu xử lý chuyển đổi thành dạng cấu trúc phù hợp cho việc sử dụng người „ Thơng tin có sau (chứ không xuất trước) liệu „ Tri thức ((knowledge) g ) thường g ợ định ị nghĩa g ự hiểu biết (nhận thức) thơng tin Trí Tuệ Nhân Tạo Dữ liệu, Thông tin, Tri thức (2) Knowledge on knowledge (e.g., how/when to apply) Knowledgebased systems MetaKnowledge Knowledge Management information Databases, systems transaction systems Information Data Understanding of a domain Can be applied pp to solve problems Lower volume Higher g value With context and associated meanings Large volume Low value Usually no meaning/ context (Adapted from “Knowledge Engineering course (CM3016), by K Hui 2008-2009”) Trí Tuệ Nhân Tạo Dữ liệu, Thông tin, Tri thức (3) „ Dữ liệu ‰ „ Thơng tin ‰ „ Nhiệt độ ngồi trời độ C Ngoài trời thời tiết lạnh Tri thức ‰ Nếu ngồi trời thời tiết lạnh bạn nên mặc áo choàng ấm (khi ngoài) →Giá trị (sử dụng) liệu tăng lên “chuyển đổi” thành tri thức →Sử dụng tri thức cho phép đưa định phù h hợp hiệ hiệu ả Trí Tuệ Nhân Tạo Biểu diễn tri thức (1) ( ) „ Biểu diễn tri thức (Knowlegde representation) lĩnh vực nghiên cứu quan trọng Trí tuệ nhân tạo ‰ „ Nhằm phát triển phương pháp, cách thức biểu diễn tri thức công cụ hỗ trợ việc biểu diễn tri thức Tồn nhiều phương pháp biểu diễn tri thức ‰ ‰ ‰ ‰ ‰ ‰ Luật sản xuất (Production rules) Khung (Frames) Mạng ngữ nghĩa (Semantic networks) Ontology Các mơ hình xác suất … Trí Tuệ Nhân Tạo Biểu diễn tri thức (2) ( ) „ Tính hồn chỉnh (Completeness) ‰ „ Phương pháp biểu diễn có hỗ trợ việc thu thập thể khía cạnh tri thức (của lĩnh vực cụ thể)? Tính ngắn gọn (Conciseness) ‰ ‰ Phương pháp biểu diễn có cho phép việc thu thập tri thức cách hiệu quả? Phương gp pháp p biểu diễn có cho p phép p việc lưu trữ truy y nhập p dễ dàng tri thức khơng? „ Tính hiệu tính tốn (Computational efficiency) „ Tính rõ ràng, dễ hiểu (Transparency) ‰ Phương pháp biểu diễn có cho phép diễn giải (để người dùng hiểu) hoạt động kết luận hệ thống? Trí Tuệ Nhân Tạo Biểu diễn tri thức luật (1) „ Biểu diễn tri thức luật (rules) cách biểu diễn phổ biến g hệ ệ sở tri thức ‰ ‰ „ Một luật chứa đựng (biểu diễn) tri thức việc giải vấn đề Các luật tạo nên dễ dàng, g dễ hiểu Một luật biểu diễn dạng: IF A1 AND A2 AND … AND An THEN B „ Ai ‰ „ Là điều kiện (conditions, antecedents, premises) B ‰ Là kết luận (conclusion, consequence, action) Trí Tuệ Nhân Tạo Biểu diễn tri thức luật (2) „ Mệnh đề điều kiện luật ‰ ‰ ‰ „ Không cần sử dụng toán tử logic OR Một luật với toán tử logic OR mệnh đề điều kiện, chuyển thành tập luật tương ứng không chứa OR Ví dụ: Luật (IF A1∨A2 THEN B) chuyển thành luật (IF A1 THEN B) (IF A2 THEN B) Mệnh đề kết luận luật ‰ ‰ ‰ ‰ Khơng cần sử dụng tốn tử logic AND Một luật với toán tử logic AND mệnh đề kết luận, chuyển thành tập luật tương ứng khơng chứa AND Ví dụ: Luật (IF … THEN B1∧B2) chuyển thành luật (IF … THEN B1) and (IF … THEN B2) Không cho phép sử dụng tốn tử OR! Trí Tuệ Nhân Tạo Các kiểu luật ậ „ Các kiểu luật khác để biểu diễn kiểu tri thức khác „ Quan hệ liên kết ‰ „ Quan hệ nguyên nhân (kết quả) ‰ „ IF diseaseType(x, Infection) THEN tempIs(x, High) Tình hành động (gợi ý) ‰ „ IF addressAt(x, Hospital) THEN heathIs(x, Bad) IF diseaseType(x, Infection) THEN takeMedicine(x, Antibiotic) Quan hệ logic ‰ IF tempGreater(x, 37) THEN isFever(x) Trí Tuệ Nhân Tạo 10 Ontology gy – Các độngg thúc đNyy „ Các động thúc đẩy mặt công nghệ ‰ ‰ ‰ „ Rất nhiều hiề hệ thống thố d dựa ttrên ê ttrii thứ thức sử ửd dụng ột ontology t l mô tả tri thức lĩnh vực liên quan Việc xây dựng ontology nhiệm vụ tốn (về thời gian cơng sức) q trình phát triển hệ thống dựa tri thức Tại khơng giảm chi phí cách chia sẻ ontology? „ Ví dụ: Các ontology “cơ bản” mơ tả không gian, thời gian, số lượng, … Động thúc đẩy mặt khoa học ‰ Để hiểu vấn đề tảng q trình khái niệm hóa ( hậ thứ (nhận thức khái niệm) iệ ) ủ người ời Trí Tuệ Nhân Tạo 74 Các khía cạnh ontology gy (1) ( ) „ „ Nội dung ontology ‰ Các kiểu đối tượng, ợ g, kiểu q quan hệ ệ ‰ Ví dụ, tốn xếp khối (blocks) „ Các lớp đối tượng: Blocks, Robot Hands „ Các thuộc tính: shapes of blocks blocks, color of blocks „ Các quan hệ: On, Above, Below, Grasp „ Các trình: kế xây nên tòa tháp Kiểu ontology ‰ Các quan hệ phân loại (vd: instance-of, subclass) gì? ‰ Các định nghĩa khái niệm (và ràng buộc đối ố với chúng)? ‰ Khả diễn đạt ngôn ngữ định nghĩa khái niệm? ‰ Hướng gq trình (p (process-centric)) hay y hướng g đối tượng ợ g ((objectj centric)? Trí Tuệ Nhân Tạo 75 Các khía cạnh ontology gy (2) ( ) „ Mục đích sử dụng ontology ‰ Chia sẻ tri thức „ ‰ Sử dụng lại tri thức „ ‰ „ Ví dụ: Giữa người sử dụng, hệ thống, … Ví dụ dụ: Sử dụng dụ g lại (một ( ộ phần) p ầ ) tri thức ức mơ hình oặc hệ ệ thống ố g thay đổi Mục đích chung (tổng quát) hay cụ thể cho lĩnh vực Việ xây Việc â d dựng ontology t l ‰ Ontology thu thập hay xây dựng? ‰ Nếu thu thập, cần kiểm tra: „ Chất lượng tri thức? „ Sự khác biệt nội dung? „ Sự tin cậy tri thức? „ Các khả sử dụng tương lai? Trí Tuệ Nhân Tạo 76 Xây y dựng ự g ontology gy „ Xác định giới hạn (phạm vi) mục đích sử dụng „ Cân nhắc Câ hắ việc iệ sử dụng d l i lại ontology t l có ó liê liên quan đến lĩnh vực xét „ Liệt kê khái niệm „ Định nghĩa phân loại „ Định nghĩa th thuộc ộc tính „ Định nghĩa khía cạnh (các ràng buộc) „ Xá định Xác đị h víí d dụ cụ thể hể (i (instances)) „ Kiểm tra bất thường (anomalies) Trí Tuệ Nhân Tạo 77 Phạm vi mục đích sử dụng „ Không tồn ontology “chuẩn” cho lĩnh vực cụ thể ‰ „ „ Một ontology khái quát hóa lĩnh vực cụ thể, thể tồn nhiều ontologies phù hợp Việc khái qt hóa nên tính đến: ‰ Việc sử dụng tương lai ontology (mục đích sử dụng) ‰ Các khả mở rộng (của ontology) dự đoán trước Cá câu Các â hỏi cần ầ phải hải đ ttrả ả lời giai i iđ đoạn này: ‰ Ontology dùng cho lĩnh vực nào? ‰ Ontology gy y ợ dùng g để làm gì? g ‰ ‰ Những kiểu câu hỏi mà ontology đưa câu trả lời? Ai dùng bảo trì ontology này? Trí Tuệ Nhân Tạo 78 Cân nhắc sử dụng lại ontology „ Với phát triển nhanh chóng Internet lĩnh vực Semantic Web, Web tồn (có) nhiều ontologies khai thác „ Ít phải bắt đầu việc xây dựng ontology từ đầu (từ chỗ chưa có cả) ‰ Gần ln tồn số ontology gy khai thác, để sử dụng luôn, để bắt đầu cho việc xây dựng ontology mong muốn Trí Tuệ Nhân Tạo 79 Liệt ệ kê khái niệm ệ „ Xác định (theo danh sách) tất khái niệm liên quan xuất ontology ‰ ‰ „ Các danh từ (nouns) thường sở để xác định tên lớp (class names) Các động Cá độ từ (verbs) ( b )h ặ cụm động độ từ (verb ( b phrases) h ) th thường sở để xác định tên thuộc tính (property names) Nên sử dụng công cụ xây dựng tri thức thức, để thu ‰ Tập khái niệm ‰ Cấu trúc (phân cấp) ban đầu khái niệm Trí Tuệ Nhân Tạo 80 Định ị nghĩa g ựp phân loại „ Các khái niệm liên quan cần tổ chức lại với thành cấu trúc phân cấp phân loại (a taxonomic hierarchy) ‰ ‰ „ Hai chiến lược thường dùng: top-down vs bottom-up Cần ầ cân nhắc ắ đến ế hai yếu ế tố: ố tin cậy (chính xác) hiệu (suy diễn) Đảm bảo Đả bả ằ phân hâ cấp ấ thu th đ thực th ột phân hâ loại khái niệm ‰ Nếu A ộ lớp p B,, ọ ví dụ ụ A gp phải ví dụ ụ B Trí Tuệ Nhân Tạo 81 Định ị nghĩa g thuộc ộ tính „ Thường thực kết hợp với bước trước (định nghĩa phân loại) „ Yêu cầu: Nếu A lớp B, thuộc tính B phải áp dụng cho A ‰ „ Nên gắn thuộc tính với lớp cao (phù hợp) cấu trúc phân cấp Khi xác định thuộc tính cho lớp, cần xác định thông tin miền giá trị thuộc tính Trí Tuệ Nhân Tạo 82 Định ị nghĩa g ràng g buộc ộ „ Các ràng buộc số chiều (số phần tử tập hợp) „ Cá giá Các iá ttrịị có ó thể đ gán cho h „ Các đặc điểm quan hệ ‰ Tính đối xứng xứng, bắc cầu, cầu đảo, đảo … (protege.stanford.edu/amia2003/AMIA2003Tutorial.ppt) Trí Tuệ Nhân Tạo 83 Xác định ị ví dụ ụ „ Bổ sung vào ontology ví dụ (instances) cụ thể „ Số lượng ví dụ thường lớn (nhiều) số lượng lớp (classes) „ Vì vậy, việc bổ ổ sung ví dụ vào ontology thường làm thủ công (manually) ‰ Lấy từ nguồn liệu sẵn có (vd: từ sở liệu) ‰ Trích tự động từ tập liệu văn Trí Tuệ Nhân Tạo 84 Kiểm tra bất thường g „ Để kiểm tra mâu thuẫn có ontology, (hoặc có ontology kèm với ví dụ) „ Các ví dụ mâu thuẫn ‰ ‰ Khơng tương thích miền miền, giá trị trị, đặc tính bắc cầu cầu, đối xứng, đảo, Khơng tương thích với ràng buộc số chiều thuộc tính Trí Tuệ Nhân Tạo 85 Các ví dụ ụ ontology gy „ CYC (dùng chung, tổng quát) ‰ „ SENSUS (mở rộng WordNet, dùng cho xử lý văn bản) ‰ „ 1000 khái niệm, 4200 đánh giá UMLS (lĩnh vực y-sinh) ‰ „ 70 000 khái niệm 70.000 SUMO (tổng quát) ‰ „ 105 kiểu khái niệm niệm, 106 tiên đề 135 35 kiểu ểu ngữ gữ nghĩa, g a, 54 qua quan hệ ệ ngữ gữ nghĩa, g a, 975.354 35 khái niệm ệ WordNet (từ vựng) ‰ 152.059 dạng g từ,, 115,424 , cụm ụ từ Trí Tuệ Nhân Tạo 86 UMLS ontology gy „ For bio-medicine (Figure by MIT OCW) Trí Tuệ Nhân Tạo 87 CYC ontology gy „ Encode all of human common sense knowledge Trí Tuệ Nhân Tạo 88