cuoi ki de cuong tri tue nhan tao 2
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (6.45 MB, 32 trang )
<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">
<b>Câu 1: Trí tuệ là gì ? Đặc trưng của trí tuệ là gì ?</b>
Trí tuệ: là khả năng suy nghĩ và hành động, sử dụng kiến thức, kinh nghiệm, sự hiểu biết, ý thức chung và cái nhìn sâu sắc, là kết quả của quá trình trao đổi hoạt động tri thức dựa trên nền tảng của lý trí.
Trí tuệ đã được định nghĩa theo nhiều cách khác nhau bao gồm logic, tư duy trừu tượng, hiểu biết, tự nhận thức, giao tiếp, học tập, có cảm xúc, kiến thức, ghi nhớ, lập kế hoạch và giải quyết vấn đề.
<b>Đặc trưng của trí tuệ: </b>
# ở 1 số bài yêu cầu chỉ ra chỉ ra trí tuệ ở đâu thì phải chỉ ra các đặc trưng ở trên
<b>Câu 2: Trí tuệ nhân tạo là gì ? Các lĩnh vực mơ phỏng trí tuệ vào máy là gì ?</b>
Trí tuệ nhân tạo: là sự thơng minh của máy móc do con người tạo ra, đặc biệt tạo ra cho máy tính, robot, hay các máy móc có thành phần tính tốn điện tử.
Viết tắt của Artificial Intelligence
Trí tuệ nhân tạo là 1 ngành khoa học máy tính mà nói về việc mơ phỏng suy nghĩ thực (hay trí tuệ) ra các máy, có khả năng bắt trước được suy nghĩ của con người hay nói cách khác là máy có trí tuệ
Các lĩnh vực mơ phỏng trí tuệ vào máy là: y tế, kinh tế, tâm lí học, khoa học máy tính, vận tải, sản xuất, giáo dục, truyền thông, dịch vụ,…
<b>Câu 3: Nêu một số lĩnh vực nghiên cứu và ứng dụng chính của Trí tuệ nhân tạo là gì ?</b>
<b>Một số lĩnh vực nghiên cứu:</b>
1. Computer vision – thị giác máy tính 2. Pattern recognition – nhận dạng
</div><span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2">3. Natural language processing – xử lý ngôn ngữ tự nhiên 2. Voice recognition – nhận dạng giọng nói 3. Computer vision – thị giác máy tính 4. Autonomous cars – Ơ tơ tự lái 5. Expert Systems – các hệ chuyên gia
6. Natural language understanding – hiểu ngôn ngữ tự nhiên 7. Planning – lập kế hoạch
8. Robots – các rô bốt
9. Some problems are still not solved – những vấn đề chưa được giải quyết.
<b>Câu 4: Hãy cho thí dụ cụ thể của các ứng dụng và giải thích rõ tại sao hệ 5thống AI đó lại có “trí tuệ” </b>
<b>ứng dụng vào việc nào và ứng dụng ở đâu</b>
<b>trung quoc giam sat người dân, quét mặt chấm công, trả tiền</b>
<b>Xe tự hành(AGV)</b>
Có thể nhận biết được vật cản phía trước là người hay vật.
Trong quá trình di chuyển, xe tự động nhận diện làn đường, cảnh vật, người đi đường.
Có khả năng nhận diện và xử lý nhanh trong từng tình huống khẩn cấp. Cập nhật những điều luật mới và nhanh chóng thích ứng và tn theo trong
q trình di chuyển.
<b>Cờ caro</b>
Nhận biết được các hành động có thể xảy ra dựa trên nước đi của người chơi.
Đưa ra các hành động có thể thực hiện dựa trên các dự đốn và tính tốn trên Phân tích các khả năng có thể xảy ra.
Đưa ra các hướng giải quyết/hành động dẫn tới khả năng cho kết quả thắng cao nhất.
</div><span class="text_page_counter">Trang 3</span><div class="page_container" data-page="3">Chuẩn đoán ho lao
Lưu ý : hệ mycin chuẩn đoán nhiễm trùng máu, không phải ho lao
<b>Câu 5: Công nghệ tri thức là gì ? (?)</b>
Cơng nghệ tri thức là: ngành khoa học hiện đại chuyên nghiên cứu, xử lí thông tin để kết tinh thành tri thức trong một lĩnh vực chun mơn nào đó, nhằm thực hiện một số chức năng của chuyên gia trong các hoạt động trí tuệ.
<b>Câu 6: Nêu cấu trúc chung của một hệ cơ sở tri thức. Các chức năng của các thành phần của một hệ trí thức là gì ?</b>
<b>Trả lời khác:</b>
<b>Định nghĩa: hệ cơ sở tri thức là một hệ thống phần mềm chứa các dữ liệu tri thức và các công cụ suy diễn để giải quyết bài tốn thuộc một lĩnh vực cụ thể nào đó. Trên thực tế chúng ta còn nhiều cách để biểu diễn tri thức vào trong hệ thống máy tính cũng như cách thể hiện các công cụ suy diễn. Về vật chất hệcơ sở tri thức được thiế kế và xây dựng sao cho nó có khả năng làm việc giống như chức năng con người, chúng ta có thể hiểu hệ cơ sở tri thức là một công cụ phần mềm dùng để thu nhập, xử lí, biểu diễn và quản trị dữ liệu và tri thứcnhằm giải quyết một bài tốn nào đó</b>
Cấu trúc chung của một hệ cơ sở tri thức tối thiểu có 5 phần:
</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4"><b>Cơ chế suy diễn: thực hiện xử lý các vấn đề mà hệ cơ sở tri thức cần giải quyết.</b>
</div><span class="text_page_counter">Trang 5</span><div class="page_container" data-page="5"><b>Bộ giải thích: dùng để theo dõi quá trình suy diễn, giúp người dùng kiểm tra được </b>
sự hoat động của cơ chế suy diễn với cơ sở tri thức.
</div><span class="text_page_counter">Trang 6</span><div class="page_container" data-page="6"><b>Bộ thu nạp tri thức: làm mới cơ sở tri thức phong phú thêm đồng thời loại bỏ các </b>
tri thức lỗi thời lạc hậu hoặc mâu thuẫn.
<b>Giao diện người-máy: giao tiếp giữa hệ cơ sở tri thức và người sử dụng.</b>
</div><span class="text_page_counter">Trang 7</span><div class="page_container" data-page="7"><b>Câu 7: Hãy nêu các phương pháp biểu diễn tri thức chính và cho thí dụ minh họa.</b>
Các phương pháp biểu diễn tri thức chính: Luật, logic , khung, biểu diễn bằng đồ hoạ
<b>Biểu diễn tri thức theo các loại logic; VD: logic mệnh đề: phép tuyển, hội, phủ </b>
Biểu diễn tri thức bằng mạng ngữ nghĩa; VD:
</div><span class="text_page_counter">Trang 8</span><div class="page_container" data-page="8"><b>Biểu diễn tri thức bằng khung frame; VD:</b>
</div><span class="text_page_counter">Trang 9</span><div class="page_container" data-page="9"><b>Biểu diễn tri thức bằng mơ hình; VD: hay đồ hoạ</b>
</div><span class="text_page_counter">Trang 11</span><div class="page_container" data-page="11"><b>Biểu diễn tri thức bằng luật; VD:</b>
<b>Câu 8: Hãy nêu phương pháp biểu diễn tri thức của các hệ giống MYCIN</b>
Nêu phương pháp biểu diễn tri thức của các hệ giống MYCIN.
<b>Câu 9: Mơ tả q trình lan truyền tri thức của các hệ giống MYCIN</b>
Quá trình lan truyền tri thức các hệ giống MYCIN
</div><span class="text_page_counter">Trang 12</span><div class="page_container" data-page="12"><b>Câu 10: Hãy nêu cấu trúc đại số của các hệ giống MYCIN</b>
Nêu cấu trúc đại số của các hệ giống MYCIN
<b>Câu 11: Vấn đề dư thừa và mâu thuẫn trong hệ tri thức là gì ?</b>
Trong hệ cơ sở tri thức theo dạng luật, quá trình thu nhận và biểu diễn bằng cơ sở tri thức do số lượng lớn thường xuất hiện những vấn đề dư thừa và mâu thuẫn. Do các nguồn thu nhận tri thức dạng luật thực hiện ở nhiều khâu khác nhau nên hệ sẽ dư thừa luật.Mặt khác cũng trong chính việc thu nhận tri thức theo các nguồn khác nhau sẽ xuất hiện các cặp mâu thuẫn lẫn nhau.
Tại sao lại có luật thừa: khơng đủ thời gian chọn lọc
Tại sao lại mâu thuẫn: ứng dụng 1 mơ hình trong thực tế, nhưng thực tế có nhiều trường hợp khác nhau làm cho không thể áp dụng chung một mơ hình, gây mâu thuẫn
</div><span class="text_page_counter">Trang 13</span><div class="page_container" data-page="13">Giải pháp: lập ra một hội đồng các chuyên gia để ra soát lại; tạo thuật toán để bỏ đi luật giống nhau hay tương đối giống nhau, loại bỏ dựa theo các mệnh để mâu thuẫn
<b>Câu 12: Cho tập các mệnh đề Prof = {A,B,C,D,G, H}.</b>
<b>Mệnh đề “A và B và phủ định C và B” có phải là mệnh đề E trong dạng luật E-> H</b>
<b>Trong các hệ giống MYCIN hay khơng ?Có. Tại sao ?</b>
<b>Khơng. Tại sao ?</b>
Trong các hệ khơng giống MYCIN vì:
MĐ E đứng trước của luật là sự liên kết cơ bản không chứa mệnh đề H, bao gômg sự liên kết các mệnh đề các mệnh đề âm từ tập Prof trong đó xuất hiện nhiều nhất một lần. Mà B xuất hiện 2 lần.
<b>Câu 13: Cho tập các mệnh đề Prof = {A,B,C,D,G, H}.</b>
<b>Mệnh đề “A và B và phủ định C ” có phải là mệnh đề E trong dạng luật E-> HTrong các hệ giống MYCIN hay không ?</b>
<b>Có. Tại sao ?Khơng. Tại sao ?</b>
Trong các hệ giống MYCIN vì thoả mãn điều kiện E H
<b>Câu 14: Cho tập các mệnh đề Prof = {A,B,C,D,G, H}.</b>
<b>Đây có phải là dạng luật gồm hai luật trong các hệ giống MYCIN hay không ?Luật R1: A và B và C -> D</b>
<b>Luật R2: A và D và C -> GCó. Tại sao ?</b>
<b>Không. Tại sao ?</b>
Dạng luật là một tập luật khơng có chu trình mà D ở luật R2 lại xuất hiện ở luật R1 không phải dạng luật gồm 2 luật trong các hệ giống MYCIN.
<b>Câu 15: Cho tập các mệnh đề Prof = {A,B,C,D,G, H}.</b>
<b>Đây có phải là dạng luật gồm hai luật trong các hệ giống MYCIN hay không ?Luật R1: A và G và C -> D</b>
<b>Luật R2: A và C -> GCó. Tại sao ?Không. Tại sao ?</b>
Dạng luật là một tập luật khơng có chu trình mà G ở luật R2 lại xuất hiện ở luật R1 không phải dạng luật gồm 2 luật trong các hệ giống MYCIN.
</div><span class="text_page_counter">Trang 14</span><div class="page_container" data-page="14"><b>Câu 16: Cho cơ sở luật đơn giản sau:</b>
Với các giá trị: trọng số các câu hỏi q(S1) = 1, q(S2) = 0.7, q(S3) = 0.8. Các giá trị trọng số G = [-1,1], giá trị trung lập o = 0.
Áp dụng kiến thức các hệ giống MYCIN. Tính các giá trị của các bệnh D và D1.
Tính giá trị tiền đề của luật 3: CONJ(x, y) = min(x, y) = CONJ(q(S1), q(S2)) = min(1; 0.7) = 0.7. Và ta có trọng số luật 3 bằng 0.7. Bằng cách áp dụng công thức: CTR(a, w) = min(a, w) nếu a>0, w>0, CTR(0.7; 0.8) = min(0.7; 0.8) = 0.7. Dùng phép cộng nhóm Abel để “cộng” các đóng góp của luật 3 đề ra trọng số kết luận D trên theo công thức:
X Y = X + Y – X . Y với X, Y 0
W <small>,G (D | q) V,G</small> (R | q) ... <small>1</small> V<small>,G</small> (R | q) = 0.6 0.7 0.7 = (0.6 0.7) <small>3</small> 0.7 = 0.964.
</div><span class="text_page_counter">Trang 15</span><div class="page_container" data-page="15">Kết luận: Với triệu chứng bác sĩ quan sát ở bệnh nhân là S1, S2 với trọng số như đề bài thì giá trị kết luận bệnh D bắng 0.964 nghĩa là theo thang đo từ -1 đến 1, bệnh nhân hầu như mắc bệnh D.
Tính giá trị tiền đề của luật 5: CONJ(x, y) = min(x, y) = CONJ(q(S2), q(S3)) = min(0.7; 0.8) = 0.7. Và ta có trọng số luật 3 bằng 0.7. Bằng cách áp dụng công thức:
CTR(a, w) = min(a, w) nếu a>0, w>0, CTR(0.7; 0.8) = min(0.7; 0.8) = 0.7. Dùng phép cộng nhóm Abel để “cộng” các đóng góp của luật 3 đề ra trọng số kết luận D trên theo công thức:
X Y = X + Y – X . Y với X, Y 0
W <small>,G (D | q) V,G</small> (R | q) ... <small>1</small> V<small>,G</small> (R | q) = 0.7 0.8 = (0.7 0.8) = 0.94.<small>3</small> Kết luận: Với triệu chứng bác sĩ quan sát ở bệnh nhân là S2, S3 với trọng số như đề bài thì giá trị kết luận bệnh D1 bắng 0.982 nghĩa là theo thang đo từ -1 đến 1, bệnh nhân hầu như mắc bệnh D1.
<b>Câu 17: Nêu khái niệm các phương pháp suy diễn</b>
Khái niệm phương pháp suy diễn tiến:
Giả sử có hệ luật H=<F,R> , F tập sự kiện, R tập các luật.
Xuất phát từ các sự kiện cho trc, F’ Fo (thông thường chỉ một hoặc một vài tập sự kiện) và dùng các luật ta suy diễn ra một tập các kết quả:
F tập các sự kiên chỉ nằm ở vế trái. F1 tập các sự kiện chỉ nằm ở vế phải. F2 tập các sự kiện nằm ở vế phải.
Khái niệm phương pháp suy diễn lùi:
Giả sử ta có hệ luật H=<F,R>, F={ f1,f2,…,fn} là tập sự kiện ban đầu, R={r1,..rn} là tập các luật, K={k1,k2,…,kq} là tập sự kiện cuối.
</div><span class="text_page_counter">Trang 16</span><div class="page_container" data-page="16">Suy diễn thanh công nếu mọi sự kiện của K có thể suy ra từ tập sự kiện ban đầu F
<b>Câu 18: Suy diễn tiến là gì ? Ví dụ: cho cơ sở luật sau:</b>
Cho các giá trị trọng số các câu hỏi q(S1) = 1, q(S2) = 1, q(S3) = 1. Các giá trị trọng số G = [-1,1], giá trị trung lập = 0.o
Hãy mơ tả q trình của suy diễn tiến với các câu hỏi bệnh nhân là q(S1) = 1, q(S2)= 1, q(S3) = 1
Khái niệm phương pháp suy diễn tiến:
Giả sử có hệ luật H=<F,R> , F tập sự kiện, R tập các luật.
Xuất phát từ các sự kiện cho trc, F’ Fo (thông thường chỉ một hoặc một vài tập sự kiện) và dùng các luật ta suy diễn ra một tập các kết quả:
Tính giá trị tiền đề của luật 3: CONJ(x, y) = min(x, y) = CONJ(q(S1), q(S2)) = min(1;1) = 1. Và ta có trọng số luật 3 bằng 1. Bằng cách áp dụng công thức: CTR(a, w) = min(a, w) nếu a>0, w>0, CTR(1; 1) = min(1; 1) = 1.
</div><span class="text_page_counter">Trang 17</span><div class="page_container" data-page="17">Dùng phép cộng nhóm Abel để “cộng” các đóng góp của luật 3 đề ra trọng số kết luận D trên theo công thức:
X Y = X + Y – X . Y với X, Y 0
W <small>,G (D | q) V,G</small> (R | q) ... <small>1</small> V<small>,G</small> (R | q) = 1 1 1= (1 1) 1 = 1.<small>3</small> Kết luận: Với triệu chứng bác sĩ quan sát ở bệnh nhân là S1, S2 với trọng số như đề bài thì giá trị kết luận bệnh D bắng 1 nghĩa là theo thang đo từ -1 đến 1, bệnh nhân hầu như mắc bệnh D.
Tính giá trị tiền đề của luật 5: CONJ(x, y) = min(x, y) = CONJ(q(S2), q(S3)) = min(1;1) = 1. Và ta có trọng số luật 3 bằng 1. Bằng cách áp dụng công thức: CTR(a, w) = min(a, w) nếu a>0, w>0, CTR(1; 1) = min(1; 1) = 1.
Dùng phép cộng nhóm Abel để “cộng” các đóng góp của luật 3 đề ra trọng số kết luận D trên theo công thức:
X Y = X + Y – X . Y với X, Y 0
W <small>,G (D | q) V,G</small> (R | q) ... <small>1</small> V<small>,G</small> (R | q) = 1 1 1 = (1 1) 1 = 1<small>3</small> Kết luận: Với triệu chứng bác sĩ quan sát ở bệnh nhân là S2, S3 với trọng số như đề bài thì giá trị kết luận bệnh D1 bắng 1 nghĩa là theo thang đo từ -1 đến 1, bệnh nhân hầu như mắc bệnh D1.
<b>Câu 19: Suy diễn lùi là gì ? Ví dụ: cho cơ sở luật sau:</b>
<b>Với các giá trị trọng số các câu hỏi q(S1) = 1, q(S2) = 1, q(S3) = 1.Các giá trị trọng số G = [-1,1], giá trị trung lập = 0.</b>o
<b>Hãy mơ tả q trình của suy diễn lùi với các câu hỏi lần lượt là D và D1.</b>
Tính đóng góp của luật 1
Có S1 D, mà q(S1) tồn tại và =1 D đúng
</div><span class="text_page_counter">Trang 18</span><div class="page_container" data-page="18"> Tính đóng góp của luật 2
Có S2 D, mà q(S2) tồn tại và =1 D đúng Tính đóng góp của luật 4
Có S3 D1, mà q(S3) tồn tại và =1 D1 đúng
D và D1 cùng đúng nên kết quả cuối cùng do bác sĩ quyết định.
<b>Câu 20: Nêu khái niệm về học máy. Nêu các dạng học máy cơ bản. Thế nào làhuấn luyện và dự đoán trong học máy ? Cho thí dụ về dữ liệu huấn luyện cho bài toán phân loại và bài toán hồi quy. Sự khác nhau giữa cho bài toán phân loại và bài toán hồi quy là gì ? Quá vừa dữ liệu trong học máy là gì ?</b>
- Học máy là khả năng của chương trình máy tính sử dụng kinh nghiệm, quan sát hoặc dữ liệu trong quá khữ để cải thiện công việc của máy trong tương lai thay vì chỉ thực hiện theo đúng các quy tắc đã được lập trình sẵn. - Các dạng học máy cơ bản:
Học có giám sát Học khơng giám sát Học tăng cường
- Huấn luyện và dự đoán trong học máy:
- Thí dụ về dữ liệu huấn luyện cho bài toán phân loại và bài toán hồi quy:
</div><span class="text_page_counter">Trang 19</span><div class="page_container" data-page="19">- Sự khác nhau giữa cho bài toán phân loại và bài toán hồi quy:
- Quá vừa dữ liệu trong học máy là:
<b>Câu 21: Nêu các bước chính để xây dựng hệ thông minh dựa trên học máy (bao gồm cả học sâu).</b>
</div><span class="text_page_counter">Trang 20</span><div class="page_container" data-page="20"><b>Câu 22: Nêu khái niệm về học máy cây quyết định ID3. Nêu phương pháp lựachọn thuộc tính tốt nhất.</b>
(Câu 17-Câu 27: Tham khảo Chương 5, Giáo trình nhập mơn Trí tuệ nhân tạo và các tài liệu: gõ vào google “About machine learning cơ bản của Vũ Hữu Tiệp”, gõ vào google” thí dụ về học cây quyết định ID3”; Sách: Tin học và Học sâu trong Y học, NXB Đại học quốc gia, 2020 ở file: “Học sâu trong Y học và BeastCancer –Phuong”)
Khái niệm:
Phương pháp lựa chọn thuộc tính tốt nhất:
</div><span class="text_page_counter">Trang 21</span><div class="page_container" data-page="21"><b>Câu 23: Nêu thí dụ cách giải bài tốn dùng cây quyết định ID3 với thí dụ Bộ dữ liệu huấn luyện cho bài toán phân loại “Chơi tennis”</b>
(Câu 20-Câu 21: Tham khảo Chương 5, Giáo trình nhập mơn Trí tuệ nhân tạo và Bảng 5.3/gõ google “About machine learning cơ bản của Vũ Hữu Tiệp”, gõ vào google” thí dụ về học cây quyết định, xem:
Thí dụ Giải bài Bài tập xây dựng cây quyết định sử dụng thuật toán ID3)
</div><span class="text_page_counter">Trang 22</span><div class="page_container" data-page="22"><b>Câu 24: Học sâu là gì ? Sự khác nhau giữa học sâu với học máy truyền thống là gì?</b>
<b>Học sâu là: một phần trong một nhánh rộng hơn các phương pháp học máy dựa </b>
trên mạng thần kinh nhân tạo kết hợp với việc học biểu diễn đặc trưng. Việc học này có thể có giám sát, nửa giám sát hoặc không giám sát. Học sâu thường được nhắc đến cùng với Dữ liệu lớn và Trí tuệ nhân tạo.
<b>Sự khác nhau giữa học sâu và học máy:Mơ hình học sâu sẽ u cầu nhiều điểm </b>
dữ liệu hơn để cải thiện độ chính xác của nó, trong khi mơ hình học máy dựa trên ít dữ liệu hơn với cấu trúc dữ liệu cơ bản. Học sâu chủ yếu được sử dụng cho các trường hợp sử dụng phức tạp hơn, như trợ lý ảo hoặc phát hiện gian lận
<b>Câu 25:Trí tuệ nhân tạo trong y học là gì?</b>
AI trong chăm sóc sức khỏe là một thuật ngữ bao quát được sử dụng để mô tả việc ứng dụng các thuật toán và phần mềm máy tính học được nhằm bắt chước nhận thức của con người trong việc phân tích, chẩn đốn, đưa ra các chỉ dẫn trong quá trình thăm khám, chẩn đoán, điều trị và tiên lượng bệnh.
<b>Câu 26: Nêu các ứng dụng của trí tuệ nhân tạo trong y học. Cho thí dụ cụ thể.</b>
#giải quyết vấn đề Chatboi
VD: Lĩnh vực chăm sóc sức khỏe như: Ada – ứng dụng giúp người dùng có thể hỏi bot về các triệu chứng của họ để chủ động quản lý sức khỏe bản thân và liên kết với các chuyên gia y tế để cung cấp các dịch vụ chăm sóc hiệu quả
Chẩn đốn bệnh
VD: Dùng AI để chẩn đoán bệnh ung thư vú. Ứng dụng trong chụp X-quang
VD: Hệ thống Aidoc được phát triển làm việc cùng bác sĩ X-quang trong chẩn đốn, đánh dấu tình trạng xuất huyết nội sọ cấp tính (ICH) hoặc tình trạng chảy máu não trong chụp CT.
<b>Câu 27: Hãy đặt một bài toán cần ứng dụng học sâu hoặc học máy trong một lĩnh</b>
vực nào đó
(có thể trong y học) bao gồm: mục tiêu thực tế ứng dụng đặt ra, yêu cầu về kiểu dữ liệu và dự kiến số lượng dữ liệu cho mỗi lớp cần phân loại/nhận dạng dùng để huấn
luyện mơ hình học sâu hoặc học máy và yêu cầu về độ tin cậy với kết quả cần đạt được
</div>
