1 / 78

Chương 1: GIỚI THIỆU TTNT

Chương 1: GIỚI THIỆU TTNT. Trí tuệ nhân tạo là gì? Mục tiêu nghiên cứu của ngành TTNT. Lịch sử hình thành và hiện trạng. Turing Test (trắc nghiệm Turing). Các ứng dụng thực tiễn của TTNT. Trí Tuệ Nhân Tạo là gì?.

Download Presentation

Chương 1: GIỚI THIỆU TTNT

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Chương 1: GIỚITHIỆU TTNT Trí tuệ nhân tạo là gì? Mục tiêu nghiên cứu của ngành TTNT. Lịch sử hình thành và hiện trạng. Turing Test (trắc nghiệm Turing). Các ứng dụng thực tiễn của TTNT.

  2. Trí Tuệ Nhân Tạo là gì? • Là một nhánh của khoa học máy tính liên quan đến sự tự động hóa hành vi thông minh. • Rich, E. and K. Knight . 1991. Artificial Intelligence. New York: McGraw-Hill. “Artificial intelligence is the study of how to make computers do things which at the moment, people do better.” • George Luger: “An Artificial intelligence 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

  3. Khái niệm về TTNT • Trí tuệ nhân tạo (Artificial Intelligence) là thuật ngữ do McCathy đưa ra tại hội thảo Dartmount năm 1956 dùng để chỉ cho một ngành khoa học mới trong lĩnh vực khoa học máy tính. • Nghiên cứu những vấn đề liên quan đến tư duy của con người, TTNT kế thừa nhiều ý tưởng, quan điểm, kỹ thuật từ nhiều ngành khoa học khác như Triết học, Toán học, Tâm lý học, Xác suất thống kê, …

  4. Khái niệm về TTNT • Qui tắc suy diễn “modus ponens” (tam đoạn luận) được sử dụng trong suy luận hình thức ngày nay đã được Aristotle đưa ra từ vài nghìn năm trước. • Descartes cũng là nhân vật trung tâm trong sự phát triển các khái niệm hiện đại về tư duy và tinh thần với câu nói nổi tiếng “tôi tư duy nghĩa là tôi tồn tại”.

  5. Khái niệm về TTNT • Các ngành logic, lý thuyết đồ thị, xác suất của Toán học đóng góp rất nhiều cho TTNT. • Logic kinh điển Boolean, logic vị từ Frege là những cơ sở quan trọng để biểu diễn tri thức. • Lý thuyết đồ thị cung cấp công cụ để mô hình một vấn đề, tìm kiếm lời giải, phân tích tính chính xác, tính hiệu quả của các chiến lược tìm kiếm lời giải.

  6. TTNT khác với các ngành • Khác với các ngành khoa học nghiên cứu mô tả các hiện tượng về trí tuệ. • TTNT nghiên cứu và tạo ra những thực thể mang tính trí tuệ và ứng dụng trong sản xuất các thiết bị phục vụ cho đời sống. • Đây là một xu thế tất yếu của thời đại công nghệ tri thức với nền kinh tế tri thức.

  7. Đặc Điểm của TTNT • Sử dụng máy tính vào suy luận trên các ký hiệu, nhận dạng qua mẫu, học, và các suy luận khác… • Tập trung vào các vấn đề “khó” không thích hợp với các lời giải mang tính thuật toán. • Quan tâm đến các kỹ thuật giải quyết vấn đề sử dụng các thông tin không chính xác, không đầy đủ, mơ hồ… • Cho lời giải ‘đủ tốt’ chứ không phải là lời giải chính xác hay tối ưu. • Sử dụng heuristics – “bí quyết” • Sử dụng tri thức chuyên môn • …

  8. ĐốitượngnghiêncứucủaTTNT • TTNT là ngành nghiên cứu về các hành vi thông minh (intelligent behaviour) bao gồm: • Thu thập tri thức. • Lưu trữ tri thức. • Suy luận. • Hoạt động và • Kỹ năng. • Đối tượng nghiên cứu của TTNT là các “hành vi thông minh” chứ không phải là “sự thông minh”. “Sự Thông Minh Biểu hiện qua hành vi thông minh.”

  9. SựThôngMinh thể hiện qua hành vi • Hành vi thông minh: là các hoạt động của một đối tượng như là kết quả của một quá trình thu thập, xử lý và điều khiển theo những tri thức đã có hay mới phát sinh (thường cho kết quả tốt theo mong đợi so với các hành vi thông thường) là biểu hiện cụ thể, cảm nhận được của “Sự thông minh”. • Khái niệm về tính thông minh của một đối tượng thường biểu hiện qua các hoạt động: • Sự hiểu biết và nhận thức được tri thức. • Sự lý luận tạo ra tri thức mới dựa trên tri thức đã có. • Hành động theo kết quả của các lý luận. • Kỹ năng (Skill).

  10. Trithức(Knowledge) • Tri thức là những thông tin chứa đựng 2 thành phần: • Các khái niệm: • Các khái niệm cơ bản: là các khái niệm mang tính quy ước • Các khái niệm phát triển: Được hình thành từ các khác niệm cơ bản thành các khái niệm phức hợp phức tạp hơn. • Các phương pháp nhận thức: • Các qui luật, các thủ tục • Phương pháp suy diễn, lý luận,.. • Tri thức là điều kiện tiên quyết của các hành vi thông minh hay “Sự thông minh”. • Tri thức có được qua sự thu thập tri thức và sản sinh tri thức. • Quá trình thu thập và sản sinh tri thức là hai quá trình song song và nối tiếp với nhau – không bao giờ chấm dứt trong một thực thể “Thông Minh”.

  11. Thu thập và sản sinh Tri thức • Thu thập tri thức: • Tri thức được thu thập từ thông tin, là kết quả của một quá trình thu nhận dữ liệu, xử lý và lưu trữ. Thông thường quá trình thu thập tri thức gồm các bước sau: • Xác định lĩnh vực/phạm vi tri thức cần quan tâm • Thu thập dữ liệu liên quan dưới dạng các trường hợp cụ thể. • Hệ thống hóa, rút ra những thông tin tổng quát, đại diện cho các trường hợp đã biết – Tổng quát hóa. • Xem xét và giữ lại những thông tin liên quan đến vấn đề cần quan tâm, ta có các tri thức về vấn đề đó. • Sản sinh tri thức: • Tri thức sau khi được thu thập sẽ được đưa vào mạng tri thức đã có. • Trên cơ sở đó thực hiện các liên kết, suy diễn, kiểm chứng để sản sinh ra các tri thức mới.

  12. Trithức–Trithứcsiêucấp • “Trí thức siêu cấp” (meta knowledge) hay “Tri thức về Tri thức” Là các tri thức dùng để: • Đánh giá tri thức khác • Đánh giá kết quả của quá trình suy diễn • Kiểm chứng các tri thức mới • Phương tiện truyền tri thức: ngôn ngữ tự nhiên

  13. Hành vi thôngminh–Kếtluận • Hành vi thông minh không đơn thuần là các hành động như là kết quả của quá trình thu thập tri thức và suy luận trên tri thức. • Hành vi thông minh còn bao hàm: • Sự tương tác với môi trường để nhận các phản hồi • Sự tiếp nhận các phản hồi để điều chỉnh hành động - Skill • Sự tiếp nhận các phản hồi để hiệu chỉnh và cập nhật tri thức • Tính chất thông minh của một đối tượng là sự tổng hợp của cả 3 yếu tố: • Thu thập tri thức, • Suy luận và • Hành vi của đối tượng trên tri thức thu thập được. Chúng hòa quyện vào nhau thành một thể thống nhất đó là: “Sự Thông Minh”. • Không thể đánh giá riêng lẽ bất kỳ một khía cạnh nào để nói về tính thông minh.  THÔNG MINH CẦN TRI THỨC

  14. MụctiêunghiêncứucủangànhAI Trí tuệ nhân tạo nhằm tạo ra “Máy người”? Mục tiêu • Xây dựng lý thuyết về thông minh để giải thích các hoạt động thông minh • Tìm hiểu cơ chế sự thông minh của con người • Cơ chế lưu trữ tri thức • Cơ chế khai thác tri thức • Xây dựng cơ chế hiện thực sự thông minh • Áp dụng các hiểu biết này vào các máy móc phục vụ con người.

  15. MụctiêucủaAI (tt) • Cụ thể: • Kỹ thuật: xây dựng các máy móc có tính thông minh nhằm đáp ứng tốt hơn nhu cầu của con người. • Khoa học: xây dựng và phát triển các khái niệm, thuật ngữ, phương pháp để hiểu được các hành vi thông minh của sinh vật. • Đối tượng thường được chú trọng phát triển là máy tính Sự cần thiết của ngành AI ????? Làm sao biết máy có thông minh?

  16. Định nghĩa về TTNT • TTNT là sự nghiên cứu, thiết kế các chương trình máy tính ứng xử một cách thông minh. • TTNT là sự nghiên cứu, thiết kế các tác nhân thông minh (Intelligent Agents).

  17. Phân tích định nghĩa – 2 quan điểm • Suy nghĩ, hành động như con người (think, act like human): quan tâm đến yếu tố kinh nghiệm. • Suy nghĩ và hành động hợp lý (think, act rationally) quan tâm đến yếu tố logic của vấn đề.

  18. TuringTest:Thửtínhthôngminh • Bài toán xác định tính thông minh của một đối tượng • Turing test: Câu hỏi Đốitượngđượctest Aiđây?? Máy/người?? Ngườithựchiệntest Ngườiđốichứng

  19. Trắc nghiệm Turing • Thế nào là máy tính hay một chương trình máy tính thông minh? • Trắc nghiệm Turing đưa ra dựa trên việc so sánh với khả năng của con người, một đối tượng được coi là có hành vi thông minh và chuẩn mực nhất về trí tuệ. • Trắc nghiệm này có người thẩm vấn cách ly với người trả lời thẩm vấn và máy tính. Nếu người thẩm vấn không phân biệt đựợc câu trả lời của máy tính và người thì máy tính đó được coi là thông minh.

  20. TuringTest:Ưu - Khuyết • Ưu điểm • Đem lại quan điểm khách quan về sự thông minh: Thông minh hay không thể hiện qua các trả lời của các câu hỏi • Loại trừ các thành kiến: không thích công nhận tính thông minh của máy móc. Sự thông minh chỉ được đánh giá qua các câu hỏi, không bị chi phối bởi các yếu tố khác. • Tránh tình trạng hiểu lầm • Khuyết điểm: • Phép thử tập trung vào các công việc biểu diển hoàn toàn bằng ký hiệu do đó làm mất một đặc tính rất quan trọng của máy tính là tính toán chính xác và hiệu quả • Không thử nghiệm được các khả năng tri giác và khéo léo • Giới hạn khả năng thông minh của máy tính theo khuôn mẫu con người. Nhưng con người chưa hẳn là thông minh hoàn hảo. • Không có một chỉ số rõ ràng định lượng cho sự thông minh. Phụ thuộc vào người tester. ThôngMinh? Còntùy

  21. Tác nhân thông minh • Tác nhân là bất cứ cái gì có khả năng nhận thức và tác động phản ứng lại đối với môi trường. • Ví dụ robot tiếp nhận các trạng thái của môi trường thông qua các bộ cảm nhận, hành động theo quyết định điều khiển.

  22. Một tác nhân thông minh phải • Hiểu ngôn ngữ tự nhiên: tiếng Anh hay một ngôn ngữ nào đó. • Có khả năng biểu diễn tri thức: thu thập, sử dụng tri thức. • Lập luận tự động: xử lý tri thức và đưa ra kết luận. • Học máy: thích nghi với hoàn cảnh và khả năng ngoại suy.

  23. Những đặc điểm của tác nhân thông minh • Phải có những công cụ hình thức hóa như các mô hình logic ngôn ngữ, logic mờ, mạng ngữ nghĩa,…để biểu diễn tri thức trên máy tính và quá trình giải quyết bài toán được tiến hành hữu hiệu hơn.

  24. Những đặc điểm của tác nhân thông minh (tt) • Phải có tính mềm dẻo, thích nghi với những tình huống mới nảy sinh, chẳng hạn như các hệ chuyên gia. Các cơ chế suy diễn cũng phải mềm dẻo được áp dụng tùy tình huống, chưa chắc cơ chế nào tốt hơn cơ chế nào. • Phải được trang bị tri thức heuristic do chuyên gia con người cung cấp khác với chuơng trình thông thuờng chỉ cần dựa trên thuật toán là đủ.

  25. Những đặc điểm của tác nhân thông minh (tt) • Việc xây dựng các chương trình TTNT phải có sự tham gia của các kỹ sư xử lý tri thức: • Phân tích phương pháp giải quyết bài toán theo chuyên gia con người, diễn đạt tri thức và cơ chế suy diễn để dễ mã hóa trong máy tính.

  26. Những đặc điểm của tác nhân thông minh (tt)

  27. LịchsửpháttriểncủaAI : Giaiđoạncổđiển • Giai đoạn cổ điển (1950 – 1965) Đây là giai đoạn của 2 lĩnh vực chính:Game Playing (Trò chơi) và Theorem Proving (Chứng minh định lý) Game Playing: dựa trên kỹ thuật State Space Search với trạng thái (State) là các tình huống của trò chơi. Đáp án cần tìm là trạng thái thắng hay con đường dẩn tới trạng thái thắng. áp dụng với các trò chơi loại đối kháng. Ví dụ: Trò chơi đánh cờ vua. Có 2 kỹ thuật tìm kiếm cơ bản: • Kỹ thuật generate and test : chỉ tìm được 1 đáp án/ chưa chắc tối ưu. • Kỹ thuật Exhaustive search (vét cạn): Tìm tất cả các nghiệm, chọn lựa phương án tốt nhất. (Bùngnổtổhợpmnvớim>=10)

  28. LịchsửpháttriểncủaAI : Giaiđoạncổđiển (tt) Theorem Proving: dựa trên tập tiên đề cho trước, chương trình sẽ thực hiện chuỗi các suy diển để đạt tới biểu thức cần chứng minh. Nếu có nghĩa là đã chứng minh được. Ngược lại là không chứng minh được. Ví dụ: Chứng minh các định lý tự động, giải toán,... Vẫn dựa trên kỹ thuật state space search nhưng khó khăn hơn do mức độ và quan hệ của các phép suy luận: song song, đồng thời, bắc cầu,.. Có các kết quả khá tốt và vẫn còn phát triển đến ngày nay (Bùngnổtổhợpmn , m>=10)

  29. LịchsửpháttriểncủaAI- Giaiđoạnviễnvông • Giai đoạn viễn vông (1965 – 1975) • Đây là giai đoạn phát triển với tham vọng làm cho máy hiểu được con người qua ngôn ngữ tự nhiên. • Các công trình nghiên cứu tập trung vào việc biểu diển tri thức và phương thức giao tiếp giữa người & máy bằng ngôn ngữ tự nhiên. • Kết quả không mấy khả quan nhưng cũng tìm ra được các phương thức biểu diễn tri thức vẫn còn được dùng đến ngày nay tuy chưa thật tốt như: • Semantic Network (mạng ngữ nghĩa) • Conceptial graph (đồ thị khái niệm) • Frame (khung) • Script (kịch bản) Vấpphảitrởngạivềnănglực củamáytính

  30. LịchsửpháttriểncủaAI- Giaiđoạnhiệnđại • Giai đoạn hiện đại (từ 1975) • Xác định lại mục tiêu mang tính thực tiễn hơn của AI là: • Tìm ra lời giải tốt nhất trong khoảng thời gian chấp nhận được. • Không cầu toàn tìm ra lời giải tối ưu • Tinh thần HEURISTIC ra đời và được áp dụng mạnh mẽ để khắc phục bùng nổ tổ hợp. • Khẳng định vai trò của tri thức đồng thời xác định 2 trở ngại lớn là biểu diển tri thức và bùng nổ tổ hợp. • Nêu cao vai trò của Heuristic nhưng cũng khẳng định tính khó khăn trong đánh giá heuristic. Pháttriểnứngdụngmạnhmẽ: Hệchuyêngia, Hệchuẩnđoán,.. Betterthannothing

  31. Academic Disciplines relevant to AI • Philosophy: Logic, methods of reasoning, mind as physical system, foundations of learning, language, rationality. • Mathematics: Formal representation and proof, algorithms, computation, (un)decidability, (in)tractability. • Probability/Statistics: modeling uncertainty, learning from data. • Economics: utility, decision theory, rational economic agents.

  32. Academic Disciplines relevant to AI • Neuroscience: neurons as information processing units. • Psychology/Cognitive Science: how do people behave, perceive, process cognitive information, represent knowledge. • Computer engineering: building fast computers • Control theory: design systems that maximize an objective function over time. • Linguistics: knowledge representation, grammars.

  33. History of AI • 1943: early beginnings • McCulloch & Pitts: Boolean circuit model of brain • 1950: Turing • Turing's "Computing Machinery and Intelligence“ • 1956: birth of AI • Dartmouth meeting: "Artificial Intelligence“ name adopted

  34. History of AI • 1950s: initial promise • Early AI programs, including • Samuel's checkers program • Newell & Simon's Logic Theorist • 1955-65: “great enthusiasm” • Newell and Simon: GPS, general problem solver • Gelertner: Geometry Theorem Prover • McCarthy: invention of LISP.

  35. History of AI • 1966—73: Reality dawns • Realization that many AI problems are intractable • Limitations of existing neural network methods identified • Neural network research almost disappears • 1969—85: Adding domain knowledge • Development of knowledge-based systems • Success of rule-based expert systems, • E.g., DENDRAL, MYCIN • But were brittle and did not scale well in practice

  36. History of AI • 1986-- Rise of machine learning. • Neural networks return to popularity. • Major advances in machine learning algorithms and applications. • 1990-- Role of uncertainty. • Bayesian networks as a knowledge representation framework. • 1995-- AI as Science. • Integration of learning, reasoning, knowledge representation. • AI methods used in vision, language, data mining, etc

  37. Cáclĩnhvựcứngdụng • Game Playing: Tìm kiếm / Heuristic • Automatic reasoning & Theorem proving: Tìm kiếm / Heuristic • Expert System: là hướng phát triển mạnh mẽ nhất và có giá trị ứng dụng cao nhất. • Planning & Robotic: các hệ thống dự báo, tự động hóa • Machine learning: Trang bị khả năng học tập để giải quyết vấn đề kho tri thức: • Supervised : Kiểm soát được tri thức học được. Không tìm ra cái mới. • UnSupervised: Tự học, không kiểm soát. Có thể tạo ra tri thức mới nhưng cũng nguy hiểm vì có thể học những điều không mong muốn.

  38. Cáclĩnhvựcứngdụng (tt) • Natural Language Understanding & Semantic modelling: Không được phát triển mạnh do mức độ phức tạp của bài toán cả về tri thức & khả năng suy luận. • Modeling Human perfromance: Nghiên cứu cơ chế tổ chức trí tuệ của con người để áp dụng cho máy. • Language and Environment for AI:Phát triển công cụ và môi trường để xây dựng các ứng dụng AI. • Neurol network / Parallel Distributed processing: giải quyết vấn đề năng lực tính toán và tốc độ tính toán bằng kỹ thuật song song và mô phỏng mạng thần kinh của con người.

  39. MôhìnhpháttriểnứngdụngAI • Mô hình ứng dụng Ai hiện tại: AI = Presentation & Search Tìmkiếm Search Suyluận Heurictic TriThức Knowledge Engineering

  40. Một số ứng dụng của TTNT • Những năm gần đây chúng ta thường nghe nói nhiều về máy tính thế hệ 5, hệ chuyên gia, lập trình Prolog, logic mờ, mạng nơron nhân tạo, giải thuật di truyền,… • Đây là một số thuật ngữ trong một ngành mới của khoa học máy tính: Trí tuệ nhân tạo (TTNT).

  41. Trò chơi: • Cờ carô, cờ vua, các ô số,… • Mỗi một bước đi trên bàn cờ là một quyết định trong số rất nhiều khả năng có thể lựa chọn. • Tất cả các khả năng sẽ sinh ra một không gian quá lớn và phức tạp. • Sẽ rất khó khăn nếu như sòng phẳng xét hết tất cả các khả năng.

  42. Khó khăn • Vì lý do thời gian, một người đánh cờ chỉ có thể cảm nhận khả năng tốt trong lựa chọn. • Chương trình thông minh phải có khả năng như vậy. • Chiến lược lựa chọn mang tính cảm nhận nhưng có cơ sở sẽ được gọi là heuristic, nó không chắc chắn mang lại kết quả nhưng nhiều khả năng mang đến thành công, tuy nhiên vẫn có thể hàm chứa sự rủi ro đẫn đến thất bại.

  43. Chương trình của Samuel • Năm 1953, Samuel đã viết chương trình chơi cờ gây ấn tượng lớn khi nó được công chiếu trên tivi. • Chương trình này có khả năng học và khi được huấn luyện có khả năng chơi hay hơn người viết ra nó. • Chương trình đánh cờ cho máy tính Deep-Blue (1997) cũng là một ứng dụng của TTNT vào trò chơi.

  44. Hệ chuyên gia • Một chuyên gia phải có nhiều tri thức chuyên môn và kỹ năng sử dụng những tri thức đó để giải quyết vấn đề. • Một hệ chương trình thay thế cho chuyên gia được gọi là hệ chuyên gia. • Nó bao gồm cơ sở tri thức và các quy tắc suy luận. • Hệ chuyên gia đang được ứng dụng rộng rãi trong các lĩnh vực y tế, giáo dục, thiết kế, kinh doanh, khoa học,…

  45. Những hệ chuyên gia nổi tiếng • DENDRAL (Stanford, 1960) dùng để phỏng đoán cấu trúc các phân tử hữu cơ từ công thức hóa học của chúng • MYCIN (Stanford, 1970) chẩn đoán và kê đơn điều trị cho bệnh viêm màng não và nhiễm trùng máu • PROSPECTOR (MIT, 1979) xác định vị trí, loại quặng mỏ dựa trên thông tin địa lý

  46. Khó khăn • Đòi hỏi cơ bản của mọi hệ chuyên gia là biểu diễn tri thức ngôn ngữ như thế nào và tiếp cận cách suy luận của con người ra sao. • Cho đến nay, đó vẫn là những vấn đề nan giải cần giải quyết.

  47. Lập kế hoạch và robot • Lập kế hoạch là xác định một dãy thao tác để đạt được mục đích đặt ra. • Đối với con người đây đã là một yêu cầu phức tạp, tuy nhiên có thể giải quyết được do con người có khả năng phán đoán, suy luận.

  48. Khó khăn • Với robot chúng ta gặp phải những khó khăn: biểu diễn tri thức về không gian, môi trường tác động luôn biến động, số lượng các chuỗi thao tác là rất lớn, thông tin không đầy đủ, thao tác sửa chữa hành vi khi gặp bất lợi,… • Các robot của Nhật Bản là những minh chứng cho sự thành công trong việc giải quyết những vấn đề trên.

  49. Điều khiển mờ • Tích hợp các thiết bị điều khiển mờ tự động vào các sản phẩm công nghệ phục vụ đời sống bắt đầu từ những năm 1990 tại Nhật Bản. • Điển hình là các sản phẩm như máy giặt, máy điều hòa nhiệt độ của Toshiba; máy ảnh, máy quay phim kỹ thuật số của Canon; hướng dẫn lùi xe tự động của Nissan, Mitshubisi và các ứng dụng trong điều khiển tàu điện không người lái, trong các dây chuyền công nghiệp, sản xuất xi măng,…

More Related