Bài giảng Trí tuệ nhân tạo: Chương 1,2,3&4 có nội dung giới thiệu về trí tuệ nhân tạo, phép tính vị từ, cấu trúc và chiến lược dùng cho tìm kiếm trên không gian trạng thái (TK-KGTT), tìm kiếm heuristic. Tham khảo nội dung bài giảng để hiểu rõ hơn về các nội dung trên.
Khoa Công Nghệ Thông Tin Trường Đại học Cần Thơ TRÍ TUỆ NHÂN TẠO Artificial Intelligence: Structure and Strategies for Complex Problem Solving (3rd edition - 1997) George F Luger, William A Stubblefield Giáo viên: Trần Ngân Bình TTNT p.1 Nội Dung Chương Giới thiệuTTNT Chương Phép tính vị từ Chương Cấu trúc chiến lược dùng cho tìm kiếm khơng gian trạng thái (TK-KGTT) Chương Tìm kiếm heuristic Chương Điều khiển cài đặt TK-KGTT Chương 6: Giải vấn đề tri fthức chuyên sâu Chương 7: Suy luận với thơng tin khơng xác không đầy đủ Chương Suy luận tự động (Automatic reasoning) Chương Học máy TTNT p.2 Trí Tuệ Nhân Tạo gì? Là nhánh khoa học máy tính liên quan đến tự động hóa hành vi thơng minh Trí tuệ gì? Các câu hỏi chưa có câu trả lời: – Liệu trí tuệ có phải khả tên gọi cho tập hợp hành vi phân biệt độc lập nhau? – Thế khả sáng tạo? – Thế trực giác? – Điều diễn trình học? – Có thể kết luận tính trí tuệ từ việc quan sát hành vi hay khơng hay cần phải có biểu chế nằm bên ? C.1 – Giới thiệu TTNT p.3 Định Nghĩa AI Rich, E and K Knight 1991 Artificial Intelligence New York: McGraw-Hill “Artificial intelligence (AI) is the study of how to make computers things which at the moment, people better.” George Luger: “An AI approach problem-solving is one which: • uses domain-specific knowledge • to find a good-enough solution • to a hard problem • in a reasonable amount of time.” C.1 – Giới thiệu TTNT p.4 Turing Test Ưu điểm Turing Test Interrogator – Khái niệm khách quan trí tuệ – Tránh thảo luận trình bên ý thức – Loại trừ định kiến thiên vị người thẩm vấn C.1 – Giới thiệu TTNT p.5 Các ý kiến phản đối Turing Test Thiên vị nhiệm vụ giải vấn đề ký hiệu Trói buộc thơng minh máy tính theo kiểu người, người có: – Bộ nhớ giới hạn – Có khuynh hướng nhầm lẫn Tuy nhiên, trắc nghiệm Turing cung cấp sở cho nhiều sơ đồ đánh giá dùng thực cho chương trình TTNT đại C.1 – Giới thiệu TTNT p.6 Các Ứng Dụng TTNT Trị chơi tốn đố Suy luận chứng minh định lý tự động Các hệ chuyên gia (các hệ tri thức) Xử lý ngôn ngữ tự nhiên Lập kế hoạch người máy Máy học Mạng Neuron giải thuật di truyền … C.1 – Giới thiệu TTNT p.7 Trí Tuệ Nhân Tạo - Đặc Điểm Sử dụng máy tính vào suy luận ký hiệu, nhận dạng qua mẫu, học, suy luận khác… Tập trung vào vấn đề “khó” khơng thích hợp với lời giải mang tính thuật tốn Quan tâm đến kỹ thuật giải vấn đề sử dụng thông tin không xác, khơng đầy đủ, mơ hồ… Cho lời giải ‘đủ tốt’ khơng phải lời giải xác hay tối ưu Sử dụng heuristics – “bí quyết” Sử dụng tri thức chuyên môn … C.1 – Giới thiệu TTNT p.8 Những vấn đề chưa giải Chương trình chưa tự sinh heuristic Chưa có khả xử lý song song người Chưa có khả diễn giải vấn đề theo nhiều phương pháp khác người Chưa có khả xử lý thơng tin mơi trường liên tục người Chưa có khả học người Chưa có khả tự thích nghi với mơi trường C.1 – Giới thiệu TTNT p.9 TTNT = Biểu Diễn + tìm kiếm TTNT ≈ biểu diễn tìm kiếm TTNT p.10 KGTT thu nhỏ áp dụng heuristic C – Tìm kiếm Heuristic TTNT p.67 Giải thuật Leo Núi Giải thuật: – Mở rộng trạng thái đánh giá trạng thái hàm đánh giá heuristic – Con “tốt nhất” chọn để tiếp Giới hạn: – Giải thuật có khuynh hướng bị sa lầy cực đại cục bộ: Lời giải tìm khơng tối ưu Khơng tìm lời giải có tồn lời giải – Giải thuật gặp vịng lặp vơ hạn không lưu giữ thông tin trạng thái duyệt C – Tìm kiếm Heuristic TTNT p.68 Giải thuật TK Tốt Nhất open = [A5]; closed = [] Đánh giá A5; open = [B4,C4,D6]; closed = [A5] Đánh giá B4; open = [C4,E5,F5,D6]; closed = [B4,A5] Đánh giá C4; open = [H3,G4,E5,F5,D6]; closed = [C4,B4,A5] Đánh giá H3; open = [O2,P3,G4,E5,F5,D6]; closed = [H3,C4,B4,A5] Đánh giá O2; open = [P3,G4,E5,F5,D6]; closed = [O2,H3,C4,B4,A5] Đánh giá P3; tìm lời giải! C – Tìm kiếm Heuristic TTNT p.69 Cài Đặt Hàm Đánh Giá (Evaluation Function) Xét trò chơi 8-puzzle Cho trạng thái n giá trị f(n): f(n) = g(n) + h(n) g(n) = khoảng cách thực từ n đến trạng thái bắt đầu h(n) = hàm heuristic đánh giá khoảng cách từ trạng thái n đến start mục tiêu g(n) = 5 goal h(n): số lượng vị trí cịn sai g(n) = f(n) = C – Tìm kiếm Heuristic 7 8 TTNT p.70 Khó khăn thiết kế hàm heuristic Ba heuristic áp dụng vào trạng thái trị chơi đố số C – Tìm kiếm Heuristic TTNT p.71 Heuristic trò chơi đối kháng Giải thuật minimax: – Hai đấu thủ trò chơi gọi MIN MAX – Mỗi nút có giá trị: • MAX thắng, • MIN thắng – Minimax truyền giá trị lên cao dần đồ thị, qua nút cha mẹ theo luật sau: • Nếu trạng thái cha mẹ MAX, gán cho giá trị lớn có trạng thái • Nếu trạng thái bố, mẹ MIN, gán cho giá trị nhỏ có trạng thái C – Tìm kiếm Heuristic TTNT p.72 Hãy áp dụng GT Minimax vào Trò Chơi NIM C – Tìm kiếm Heuristic TTNT p.73 Minimax với độ sâu lớp cố định Minimax KGTT giả định Các nút gán giá trị heuristic Còn giá trị nút giá trị nhận dựa giải thuật Minimax C – Tìm kiếm Heuristic TTNT p.74 Heuristic trị chơi tic-tac-toe Hàm Heuristic: E(n) = M(n) – O(n) Trong đó: M(n) tổng số đường thắng tơi O(n) tổng số đường thắng đối thủ E(n) trị số đánh giá tổng cộng cho trạng thái n C – Tìm kiếm Heuristic TTNT p.75 Minimax lớp áp dụng vào nước mở đầu tic-tac-toe C – Tìm kiếm Heuristic Trích từ Nilsson (1971) TTNT p.76 Giải thuật cắt tỉa α-β Tìm kiếm theo kiểu depth-first Nút MAX có giá trị α (ln tăng) Nút MIN có giá trị β (ln giảm) TK kết thúc bất kỳ: – Nút MIN có β ≤ α nút cha MAX – Nút MAX có α ≥ β nút cha MIN Giải thuật cắt tỉa α-β thể mối quan hệ nút lớp n n+2, mà tồn có gốc lớp n+1 cắt bỏ C – Tìm kiếm Heuristic TTNT p.77 Cắt tỉa α S= α MAX MIN A= ≥α Z α α - cut =z z≤α C – Tìm kiếm Heuristic TTNT p.78 Cắt tỉa β S= β MIN MAX A= ≤β Z β β - cut =z z≥β C – Tìm kiếm Heuristic TTNT p.79 GT Cắt Tỉa α-β áp dụng cho KGTT giả định Các nút giá trị nút khơng duyệt qua C – Tìm kiếm Heuristic TTNT p.80 Bài Tập Chương TTNT p.81 ... Chương Giới thiệuTTNT Chương Phép tính vị từ Chương Cấu trúc chiến lược dùng cho tìm kiếm khơng gian trạng thái (TK-KGTT) Chương Tìm kiếm heuristic Chương Điều khiển cài đặt TK-KGTT Chương. .. vấn đề tri fthức chuyên sâu Chương 7: Suy luận với thơng tin khơng xác không đầy đủ Chương Suy luận tự động (Automatic reasoning) Chương Học máy TTNT p.2 Trí Tuệ Nhân Tạo gì? Là nhánh khoa... savings_account(adequate) ⇒ investment (combination) C2 – Phép tính vị từ TTNT p.39 Bài Tập Chương TTNT p.40 Chương - Cấu trúc chiến lược cho TK - KGTT Khi biểu diễn vấn đề đồ thị không gian trạng thái, sử dụng