Bài giảng Nhập môn trí tuệ nhân tạo: Chương 1 - Văn Thế Thành

Bài giảng Nhập môn trí tuệ nhân tạo - Chương 1: Tổng quan về trí tuệ nhân tạo giới thiệu tới người đọc vai trò trí tuệ nhân tạo, các định nghĩa, dữ liệu - Thông tin - Tri thức, một số thuật toán, các tính chất của một thuật toán, kỹ thuật tìm kiếm,... Mời các bạn cùng tham khảo.

1 Mục đích trí tuệ nhân tạo: Theo Winton: mục đích trí tuệ nhân tạo làm cho máy tính điện tử thơng minh hơn, có ích giúp khám phá quy luật khả hoạt động trí tuệ người Từ tác động trực tiếp làm cho người thơng minh hơn, hoạt động có hiệu Mơ hình “củ hành”: qu y ế t v ấ n đe G ia û i Lập luậ n Cô ng cụ thực hiệ n Nh am es R obo t Biểu diễn tri thứ c Hệ chuyê n g ia Heuristic Má y: Newral d n g a än G Ngôn ngữ : Prolog Vai trị trí tuệ nhân tạo: Ứ ng dụng Intelligence System Kỹ thuật Knowledge Engineering (Công nghệ tri thứ c) Khoa học Artificial Intelligence (Trí tuệ nhân tạo) Các định nghĩa Trí tuệ nhân tạo: trí tuệ nhân tạo định nghĩa hệ thống máy móc có khả thực hành động người xem thông minh Thông minh: nghiên cứu, thu thập thông tin tiêu biểu như: cố gắng học ý tưởng xử lý não người, bao gồm việc nghiên cứu vật có ý tưởng, có ý nghĩa, có ý, nhận dạng, hiểu vấn đề sáng tạo vấn đề Các định nghĩa (tt) Nhân tạo: Có nghĩa cố gắng sử dụng máy tính để xây dựng hệ thống nhân tạo bắt chước đặc tính việc thu thập thơng tin cách thơng minh Ghi Tính Tìm Suy Nhớ Toán Kiếm Luận Máy tính làm phần DỮ LIỆU = Chữ cái, số, hình ảnh riêng rẽ, rời rạc, không mang ý nghĩa THÔNG TIN = Các liệu xếp theo quan hệ TRI THỨC = mối quan hệ liệu xác định cách tường minh VÍ DỤ : DỮ LIỆU : 1, 1, 3, 5, 2, 7, 11, THÔNG TIN : 1, 1, 2, 3, 5, 8, 13, 21, 34, TRI THỨC : Un = Un-1 + Un-2 THÔNG TIN Số lượng Độ trừu tượng TRI THỨC DỮ LIỆU Một số thuật toán: Phương pháp giải vấn đề theo hướng xác định trực tiếp lời giải: Áp dụng cơng thức cụ thể để tính lời giải trường hợp sử dụng Đây phương pháp tốt (theo nghĩa công thức tìm chứng minh cho lời giải trường hợp.) hữu hiệu Ví dụ: Lập chương trình tính S = + + + … + n (n ∈ N) Write(‘Nhập n=‘); Readln(n); Write(‘ S = ‘, n*(n-1)/2); 10 Một số thuật toán (tt) Phương pháp “Vét cạn”: Giả sử giải toán P miền D, ∀x∈D Bước 1: ∀x∈D, P(x) đúng: in kết dừng (success) Bước 2: D := D \ {x}: Loại trường hợp sai Bước 3: Kiểm tra D ≠ {} + Đúng : Goto bước + Sai: Dừng (fail) Lưu ý: Đối với phương pháp này, việc giới hạn D nhỏ giải nhanh Ví dụ: Tìm số có ba chữ số thỏa: abc=a3 +b3 +c3 Ta có D: ≤ a ≤ ≤ b, c ≤ For a := To Do For b := To Do For c:=1 To Do If (100*a+10*b+c = a*a*a + b*b*b + c*c*c) then Writeln(a,b,c); 11 Một số thuật toán (tt) Phương pháp đệ qui: Định nghĩa kiểu đệ qui: Ví dụ: Định nghĩa số tự nhiên: số tự nhiên n số tự nhiên (n-1) số tự nhiên Hàm đệ qui: Hàm f gọi đệ qui nếu: f(x) = f(x, f(x’)) 12 Một số thuật toán (tt) Phương pháp ngẫu nhiên (phương pháp Monte – Carlo): Bài tốn: Tính diện tích hình M + Có thể bao hình M nội tiếp hình vng có cạnh đơn vị + Phát ngẫu nhiên N điểm vào hình vng + Có Nm điểm nằm hình M 13 Một số thuật toán (tt) Với n đủ lớn, diện tích (xấp xỉ) hình M tính sau: NM S hình M ≈ = S hình M N S hình vuông 14 Một số thuật tốn (tt) Ví dụ: Tính π: diện tích hình trịn S0 = πR2 với R = 1/2 ⇒ π = 4S0 y S0 ⇒π= R x(x0,y0) O x 15 Một số thuật toán (tt) Function Pi:Real; Var m, i : Integer; x, y : Real; Begin m := 0; For i := To N Do {Phát ngẫu nhiên N điểm} Begin x := random; {x ∈ (0,1)} y := random; {y ∈ (0,1)} If (x2 + y2) ≤ Then m := m + 1; End; Pi := 4*m/N; End; 16 Các tính chất thuật tốn: Khi xây dựng thuật tốn chương trình tương ứng để giải tốn cần phải phân tích: + Tính đắn thuật tốn: phải dùng cơng cụ tốn học để chứng minh + Tính đơn giản thuật tốn: dễ hiểu, dễ lập trình, dễ hiệu chỉnh + Tính tối ưu thuật tốn (nếu có nhiều thuật tốn) 17 Các tính chất thuật toán: Lưu ý: Thời gian nhớ đại lượng tỷ lệ nghịch, nên nhiều tính đơn giản làm chậm chương trình Thời gian thực thuật toán phụ thuộc nhiều yếu tố: + Kích thước liệu + Kiểu lệnh + Tốc độ xử lý máy + Ngôn ngữ lập trình + Trình biên dịch 18 Kỹ thuật tìm kiếm Một số tốn Bài tốn mê cung: 19 Kỹ thuật tìm kiếm (tt) Cực tiểu hóa giá thành: Người đưa thư cần xác định hành trình ngắn cho thành phố đến lần quay thành phố xuất phát Trị chơi: Tic-tac-toe (cờ caro) Bài tốn tơ màu: Cho đồ, tô màu cho nước đồ cho hai nước láng giềng (có chung đường biên giới) có hai màu khác Vấn đề : số màu cần dùng tối đa bao nhiêu? 1976 người ta dùng máy tính để chứng minh cần dùng tối đa màu 20 10 Biểu diễn toán (tt) Hầu hết tốn phát biểu dạng sau: từ trạng thái xuất phát tìm đường dẫn đến trạng thái kết thúc mong muốn Việc tìm đường nghệ thuật để giải vấn đề, bao gồm bước sau: Chọn không gian tìm kiếm thích hợp Tiến hành tìm kiếm có hệ thống có hiệu khơng gian tìm kiếm Sử dụng triệt để nguồn tri thức có liên quan trình tìm kiếm tương ứng với miền đại lượng cụ thể 23 Biểu diễn toán (tt) Khơng gian tìm kiếm vấn đề giải máy tính thường biểu diễn đồ thị dạng đặc biệt đồ thị (cây) Sau toán biểu diễn dạng đồ thị (hoặc cây) thì: Mỗi đỉnh giai đoạn trình giải (hay trạng thái) Mỗi cung tác động biến đổi trình từ giai đoạn sang giai đoạn khác 24 12 Biểu diễn toán (tt) 1 8 7 START GOAL 25 8 2 3 8 7 6 3 8 7 8 4 GOAL 26 13 Tìm kiếm rộng (Breadth-first search) Hiện thực: FIFO queue 27 Breadth-first search Hiện thực: FIFO queue 28 14 Breadth-first search Hiện thực: FIFO queue 29 Breadth-first search Hiện thực: FIFO queue 30 15 Tìm kiếm sâu (Depth-first search) Hiện thực: LIFO queue 31 Depth-first search Hiện thực: LIFO queue 32 16 Depth-first search Hiện thực: LIFO queue 33 Depth-first search Hiện thực: LIFO queue 34 17 Depth-first search Hiện thực: LIFO queue 35 Depth-first search Hiện thực: LIFO queue 36 18 Depth-first search Hiện thực: LIFO queue 37 Depth-first search Hiện thực: LIFO queue 38 19 Depth-first search Hiện thực: LIFO queue 39 Depth-first search Hiện thực: LIFO queue 40 20 Depth-first search Hiện thực: LIFO queue 41 Depth-first search Hiện thực: LIFO queue 42 21 Tìm kiếm sâu dần: (Iterative deepening search) Kết hợp tìm kiếm rộng tìm kiếm sâu sở cho biết mức sâu n tìm kiếm rộng ứng mức sâu 43 Iterative deepening search l =0 44 22 Iterative deepening search l =1 45 Iterative deepening search l =2 46 23 Iterative deepening search l =3 47 Là mô tả chọn lựa thực bước q trình giải tốn Tồn tìm kiếm tượng trưng hình tam giác Vị trí bắt đầu đỉnh, vị trí kết thúc đáy 48 24 Sâu Rộng 49 Sâu Chỉ quan tâm đến hướng chọn Có thể vào ngõ, nhánh cụt (không thể tiếp nữa) → quay lui Rộng Quan tâm đến tất hướng → tốn nhớ để lưu trữ Không cần quay lui 50 25 Sâu dần Hạn chế trường hợp sâu mà gặp nhánh cụt Ít tốn nhớ Tận dụng ưu điểm “rộng” phương pháp tìm theo chiều rộng Độ sâu giới hạn đủ ? 51 Chặt nhánh Loại bỏ hướng tìm kiếm chắn khơng dẫn đến lời giải Tìm kiếm với tri thức bổ sung Ưu tiên theo hướng có triển vọng nhất, hy vọng đến lời giải nhanh hơn, trường hợp xấu quay vét cạn (như triển vọng nhất?) 52 26 ... trí tuệ nhân tạo: Ứ ng dụng Intelligence System Kỹ thuật Knowledge Engineering (Công nghệ tri thứ c) Khoa học Artificial Intelligence (Trí tuệ nhân tạo) Các định nghĩa Trí tuệ nhân tạo: trí tuệ. .. hệ liệu xác định cách tường minh VÍ DỤ : DỮ LIỆU : 1, 1, 3, 5, 2, 7, 11 , THÔNG TIN : 1, 1, 2, 3, 5, 8, 13 , 21, 34, TRI THỨC : Un = Un -1 + Un-2 THÔNG TIN Số lượng Độ trừu tượng TRI THỨC DỮ LIỆU... 16 Depth-first search Hiện thực: LIFO queue 33 Depth-first search Hiện thực: LIFO queue 34 17 Depth-first search Hiện thực: LIFO queue 35 Depth-first search Hiện thực: LIFO queue 36 18 Depth-first