BÀI GIẢNG Trí Tuệ Nhân Tạo(IT4044)

Trí Tuệ Nhân Tạo (IT4044) Nguyễn Nhật Quang quang.nguyennhat@hust.edu.vn Trường Đại học Bách Khoa Hà Nội Viện Công nghệ Thông tin Truyền thông Năm học 2019-2020 Nội dung môn học: ◼ Giới thiệu Trí tuệ nhân tạo ◼ Tác tử thơng minh ◼ Giải vấn đề: Tìm kiếm, Thỏa mãn ràng buộc ❑ Tìm kiếm với tri thức bổ sung (Informed search) ◼ Logic suy diễn ◼ Biểu diễn tri thức ◼ Biểu diễn thông tin khơng chắn ◼ Học máy Trí tuệ nhân tạo – Artificial intelligence Nhắc lại: Tìm kiếm theo cấu trúc ◼ Một chiến lược (phương pháp) tìm kiếm = Một cách xác định thứ tự xét nút Trí tuệ nhân tạo – Artificial intelligence Tìm kiếm với tri thức bổ sung ◼ Các chiến lược tìm kiếm (uninformed search strategies) sử dụng thông tin chứa định nghĩa tốn ❑ ◼ Khơng phù hợp với nhiều tốn thực tế (do đòi hỏi chi phí q cao thời gian nhớ) Các chiến lược tìm kiếm với tri thức bổ sung (informed search strategies) sử dụng tri thức cụ thể toán → Quá trình tìm kiếm hiệu ❑ ❑ ❑ Các giải thuật tìm kiếm best-first (Greedy best-first, A*) Các giải thuật tìm kiếm cục (Hill-climbing, Simulated annealing, Local beam, Genetic algorithms) Các giải thuật tìm kiếm đối kháng (MiniMax, Alpha-beta pruning) Trí tuệ nhân tạo – Artificial intelligence Best-first search ◼ Ý tưởng: Sử dụng hàm đánh giá f(n) cho nút tìm kiếm ❑ → ◼ Cài đặt giải thuật ❑ ◼ Để đánh giá mức độ “phù hợp” nút Trong trình tìm kiếm, ưu tiên xét nút có mức độ phù hợp cao Sắp thứ tự nút cấu trúc fringe theo trật tự giảm dần mức độ phù hợp Các trường hợp đặc biệt giải thuật Best-first search ❑ ❑ Greedy best-first search A* search Trí tuệ nhân tạo – Artificial intelligence Greedy best-first search ◼ Hàm đánh giá f(n) hàm heuristic h(n) ◼ Hàm heuristic h(n) đánh giá chi phí để từ nút n đến nút đích (mục tiêu) ◼ Ví dụ: Trong tốn tìm đường từ Arad đến Bucharest, sử dụng: hSLD(n) = Ước lượng khoảng cách đường thẳng (“chim bay”) từ thành phố n đến Bucharest ◼ Phương pháp tìm kiếm Greedy best-first search xét (phát triển) nút “có vẻ” gần với nút đích (mục tiêu) Trí tuệ nhân tạo – Artificial intelligence Greedy best-first search – Ví dụ (1) Trí tuệ nhân tạo – Artificial intelligence Greedy best-first search – Ví dụ (2) Trí tuệ nhân tạo – Artificial intelligence Greedy best-first search – Ví dụ (3) Trí tuệ nhân tạo – Artificial intelligence Greedy best-first search – Ví dụ (4) Trí tuệ nhân tạo – Artificial intelligence 10 Giá trị MINIMAX ◼ MAX chọn nước ứng với giá trị MINIMAX cực đại (để đạt giá trị cực đại hàm mục tiêu) ◼ Ngược lại, MIN chọn nước ứng với giá trị MINIMAX cực tiểu Trí tuệ nhân tạo – Artificial intelligence 55 Giải thuật MINIMAX Trí tuệ nhân tạo – Artificial intelligence 56 Giải thuật MINIMAX – Các đặc điểm Tính hồn chỉnh ◼ ❑ ◼ Tính tối ưu ❑ ◼ O(bm) Độ phức tạp nhớ ❑ ◼ Có (đối với đối thủ ln chọn nước tối ưu) Độ phức tạp thời gian ❑ ◼ Có (nếu biểu diễn trò chơi hữu hạn) O(bm) (khám phá theo chiến lược tìm kiếm theo chiều sâu) Đối với trò chơi cờ vua, hệ số phân nhánh b 35 hệ số mức độ sâu biểu diễn m100 ❑ Chi phí cao – Khơng thể tìm kiếm xác nước tối ưu Trí tuệ nhân tạo – Artificial intelligence 57 Cắt tỉa khơng gian tìm kiếm ◼ Vấn đề: Giải thuật tìm kiếm MINIMAX vấp phải vấn đề bùng nổ (mức hàm mũ) khả nước cần phải xét → khơng phù hợp với nhiều tốn trò chơi thực tế ◼ Chúng ta cắt tỉa (bỏ – khơng xét đến) số nhánh tìm kiếm biểu diễn trò chơi ◼ Phương pháp cắt tỉa - (Alpha-beta prunning) ❑ ❑ Ý tưởng: Nếu nhánh tìm kiếm khơng thể cải thiện giá trị hàm tiện ích mà MAX (hoặc MIN) có, MAX (hoặc MIN) khơng cần xét đến nhánh tìm kiếm (= “cắt tỉa” nhánh tìm kiếm đó)! Việc cắt tỉa nhánh tìm kiếm “tồi” khơng ảnh hưởng đến kết cuối (chất lượng nước tìm được) Trí tuệ nhân tạo – Artificial intelligence 58 Cắt tỉa - (1) ◼  giới hạn (upper bound) lời giải: MIN muốn cực tiểu hóa giá trị  ❑ ◼  giới hạn (lower bound) lời giải: MAX muốn cực đại hóa giá trị  ❑ ◼ Khởi đầu trình tìm kiếm:  = +∞ Khởi đầu trình tìm kiếm:  = -∞ nút n (đang xét) muốn thuộc đường lời giải (solution path) phải thỏa mãn điều kiện:  ≤ v ≤  ❑ v: Giá trị ước lượng nút n Trí tuệ nhân tạo – Artificial intelligence 59 Cắt tỉa - (2) ◼ Bắt đầu trình tìm kiếm: =-∞ =+∞ ◼ Nút xét thuộc đường lời giải:   ◼ Nút xét thuộc đường lời giải:   Trí tuệ nhân tạo – Artificial intelligence 60 Cắt tỉa - (3) ◼  giá trị nước tốt MAX (giá trị tối đa) tính đến nhánh tìm kiếm ◼ Nếu v giá trị tồi , MAX bỏ qua nước ứng với v ❑ ◼ Cắt tỉa nhánh ứng với v  định nghĩa tương tự MIN Trí tuệ nhân tạo – Artificial intelligence 61 Cắt tỉa - – Ví dụ (1) Trí tuệ nhân tạo – Artificial intelligence 62 Cắt tỉa - – Ví dụ (2) Trí tuệ nhân tạo – Artificial intelligence 63 Cắt tỉa - – Ví dụ (3) Trí tuệ nhân tạo – Artificial intelligence 64 Cắt tỉa - – Ví dụ (4) Trí tuệ nhân tạo – Artificial intelligence 65 Cắt tỉa - – Ví dụ (5) Trí tuệ nhân tạo – Artificial intelligence 66 Giải thuật cắt tỉa - (1) Trí tuệ nhân tạo – Artificial intelligence 67 Giải thuật cắt tỉa - (2) Trí tuệ nhân tạo – Artificial intelligence 68 Cắt tỉa - ◼ Đối với trò chơi có khơng gian trạng thái lớn, phương pháp cắt tỉa - không phù hợp ❑ ◼ Không gian tìm kiếm (kết hợp cắt tỉa) lớn Có thể hạn chế khơng gian tìm kiếm cách sử dụng tri thức cụ thể toán ❑ ❑ Tri thức phép đánh giá trạng thái trò chơi Tri thức bổ sung (heuristic) đóng vai trò tương tự hàm ước lượng h(n) giải thuật tìm kiếm A* Trí tuệ nhân tạo – Artificial intelligence 69