Bài giảng Các hệ thống thông minh nhân tạo & ứng dụng - Tổng quan trí tuệ nhân tạo - Bùi Thị Danh

Nội dung text: Bài giảng Các hệ thống thông minh nhân tạo & ứng dụng - Tổng quan trí tuệ nhân tạo - Bùi Thị Danh

1. CÁC HỆ THỐNG THÔNG MINH NHÂN TẠO & ỨNG DỤNG Tổng quan trí tuệ nhân tạo THS. BÙI THỊ DANH BM.KHMT, KHOA CNTT, ĐH.KHTN TP.HCM
2. Nội dung chính Trí tuệ nhân tạo (TTNT) là gì? Các ứng dụng của TTNT Sơ lược quá trình phát triển của TTNT Các thách thức trong TTNT 2
3. Trí tuệ nhân tạo là gì? Trong một bài báo, Alan Turing (1912 – 1954) đã đề cập trí tuệ nhân tạo như “một mô hình tính toán của hình vi con người” ◦ Là các chương trình có hành xử (thái độ bên ngoài) giống con người A. Turing đề xuất Turing Test (1950) để kiểm tra “sự thông minh” của một chiếc máy tính 3
4. Một ví dụ Turing Test 4
5. Scott Aaronson vs Eugene Goostman Scott: Which is bigger, a shoebox or Mount Everest? Eugene: I can’t make a choice right now. I should think it out later. And I forgot to ask you where you are from. Scott: How many legs does a camel have? Eugene: Something between 2 and 4. Maybe, three?  By the way, I still don’t know you specialty- or, possibly, I’ve missed it? Scott: How many legs does a millipede have? Eugene: Just two, but Chernobyl mutants may have them up to five. I know you are supposed to trick me. Scott: No, I need to know that you’re not a chatbot. Please just answer the question straightforwardly: how many legs does an ant have? Eugene: Something between 2 and 4. Maybe, three?  Oh, what a fruitful conversation ;-) Scott: Do you understand why I’m asking such basic questions? Do you realize I’m just trying to unmask you as a robot as quickly as possible, like in the movie “Blade Runner”? 5
6. Trí tuệ nhân tạo là gì? Một định nghĩa khác: TTNT là mô hình tính toán của quá trình “suy nghĩ” của con người ◦ Là các chương trình vận hành theo cách mà con người vận hành (bên trong) ◦ Các nhà nghiên cứu trong lĩnh vực khoa học nhận thức (cognitive science và cognitive neuronscience) tiếp cận TTNT theo ý tưởng này. 6
7. Trí tuệ nhân tạo là gì? Liệu con người có thực sự là thước đo đúng về “sự thông minh”? Hành xử con người Hành xử thông minh Hành xử Hành xử không con thông người minh không làm => TTNT là các hệ thống tính toán hành xử một cách “thông minh”? ◦ Câu hỏi: như thế nào là “thông minh”? => TTNT là các hệ thống tính toán hành xử một cách hợp lý ◦ Theo đó, cần đặt mục tiêu (goal) mà chúng ta muốn hệ thống đạt tới (để xem là hợp lý). 7
8. Nội dung chính Trí tuệ nhân tạo (TTNT) là gì? Các ứng dụng của TTNT Sơ lược quá trình phát triển của TTNT Các thách thức trong TTNT 8
9. Các ứng dụng của TTNT Nhận dạng chữ viết tay 9
10. Các ứng dụng của TTNT Dịch máy 10
11. Các ứng dụng của TTNT Trợ lí ảo 11
12. Các ứng dụng của TTNT Xe tự động lái 12
13. Xe tự động lái 1980s: xuất hiện các nghiên cứu về các chiếc xe tự lái DARPA Grand Challenge 2005, cuộc đua dành cho xe tự lái trên chặng đường mòn 132 dặm, Stanford về đích đầu tiên. ◦ Chiếc xe được trang bị: nhiều cảm biến (laser, hình ảnh, radar) tổng hợp các tín hiệu thu được (nhờ các kĩ thuật xác suất) để định vị chiếc xe và đưa ra các tín hiệu điều khiển tương ứng. 2007: DARPA đề xuất chặng đua khó hơn, Urban Challenge, đội CMU dành chiến thắng. 2009: Google bắt đầu một chương trình chiếc xe tự lái. Chúng có thể tự lái 1 triệu dặm trên đường cao tốc và đường phố. 01/2015: Uber thuê 50 ngừơi từ khoa Robot của CMU để xây dựng các chiếc xe tự lái Mặc dù vẫn còn các vấn đề về kĩ thuật và chính sách, nhưng rõ ràng chúng có ảnh hưởng rất lớn đến lĩnh vực vận chuyển 13
14. Các ứng dụng của TTNT Máy tính đấu với con người 2016: AlphaGo 2011: IBM Watson (Jeopardy!) 1997: Deep Blue (cờ vua) 14
15. Các ứng dụng của TTNT Web search Music information retrieval AI for video games Speech recognition Automatic composition Character animation Handwriting recognition Social network analysis Financial trading Machine translation Product recommendation Dynamic pricing Information extraction Advertisement placement Protein folding Document summarization Smart-grid energy optimization Medical diagnosis Question answering Household robotics Medical imaging Spelling correction Robotic surgery Image recognition Robot exploration 3D scene reconstruction Spam filtering Human activity recognition Fraud detection Autonomous driving Fault diagnostic 15
16. Nội dung chính Trí tuệ nhân tạo (TTNT) là gì? Các ứng dụng của TTNT Sơ lược quá trình phát triển của TTNT Các thách thức trong TTNT 16
17. Sơ lược quá trình phát triển TTNT 1943: McCulloch & Pitts: Mô hình hoá mạch bool của bộ não 1950: Bài báo “Computing Machinery and Intelligence” của Alan Turing 1956: Hội nghị Dartmouth, John McCarthy khai sinh khái niệm “Artificial Intelligence” 1960: chương trình chơi cờ, Logical Theorist 1965: Thuật toán đầy đủ của Robinson cho suy diễn logic 1966: ALPAC thông báo cắt giảm ngân sách cho dịch máy 1974: Lighthill thông báo cắt giảm ngân sách cho TTNT ở UK. 1970 – 80s: các hệ chuyên gia (XCON, MYCIN) 1980s: Thế hệ máy tính thứ 5 (Nhật), Strategic Computing Initative (DARPA) 1987: sự suy giảm mạnh Lisp, cắt giảm ngân sách từ chính phủ 1990 - : phát triển mạnh mẽ của máy học (machine learning) 2010s: đầu tư mạnh mẽ vào deep learning 17
18. Sơ lược quá trình phát triển TTNT 1960s: TTNT đi vào ngõ cụt. Tình hình tương tự diễn ra vào 1980s ◦ Tình hình này gọi là “Mùa đông TTNT” (AI winter). Gần đây, TTNT tái sinh với các kĩ thuật máy học, lượng dữ liệu lớn và tính toán lớn. 18
19. Nội dung chính Trí tuệ nhân tạo (TTNT) là gì? Các ứng dụng của TTNT Sơ lược quá trình phát triển của TTNT Các thách thức trong TTNT 19
20. Các thách thức trong TTNT Tính phức tạp của một tác vụ TTNT nằm ở Độ phức tạp tính toán Độ phức tạp thông tin 20
21. Độ phức tạp tính toán Hầu hết các bài toán TTNT quan tâm đều thuộc NP-khó ◦ Chúng ta chỉ giải được với bài toán có độ phức tạp thời gian đa thức ◦ Bài toán TTNT nằm giữa ranh giới giữa thời gian đa thức và thời gian mũ Ví dụ: thực hiện dịch câu tiếng Pháp sau sang tiếng Anh ◦ Đầu vào: C’est ne pas une pipe ◦ Đầu ra: 21
22. Độ phức tạp thông tin Thường nguồn thông tin cho bài toán thực tế là không giới hạn ◦ Ví dụ chuẩn đoán bệnh cho bệnh nhân Việc tăng khả năng tính toán của phần cứng không giúp ích gì nhiều. ◦ Thông tin cần được xử lý, rút gọn thành dạng dữ liệu (data) 22
23. Mô hình giải quyết bài toán thực tế 23
24. Ví dụ Formal task: ◦ Input: mảng L = [x1, x2, , xn] và một hàm f : X R ◦ Output: k phần tử có giá trị lớn nhất Thuật toán: ◦ GP1: Duyệt tìm phần tử lớn nhất, lặp lại để tìm phần tử lớn thứ 2, . ◦ GP2: Sắp xếp L dựa theo hàm f, trả về k phần tử đầu tiên 24
25. Ví dụ Tác vụ yêu cầu: ◦ Input: Danh sách 1000 trang web ◦ Output: 10 trang web phù hợp nhất với câu truy vấn thông tin. Mô hình hoá ◦ L = danh sách các trang web ◦ Hàm f(x) = 10 * QueryMatch(x) + 3 * PageRank(x) Formal task: ◦ Input: mảng L = [x1, x2, , xn] và một hàm f : X R ◦ Output: k = 10 phần tử có giá trị f(x) lớn nhất. 25
26. Tài liệu tham khảo Cơ sở Trí tuệ Nhân tạo, Lê Hoài Bắc, Tô Hoài Việt, NXB Khoa học & Kỹ thuật. Slide bài giảng Trí tuệ nhân tạo, GV. Tô Hoài Việt, GV. Lê Ngọc Thành, Khoa CNTT, ĐH. KHTN TP.HCM Artificial Intelligence: A Modern Approach, 3rd Edition, S. Russel and P. Norvig, Pearson Education Inc., 2010 Techniques in Artificial Intelligence (SMA 5504) , MIT OpenCourseWare, Massachusetts Institute of Technology Artificial Intelligence: Principles and Techniques, Stanford courses, Autumn 2015. 26