Bài giảng Trí tuệ nhân tạo - Chương 2: Tác tử - Nguyễn Nhật Quang

Trí Tuệ Nhân Tạo
(IT4040)
Trường Đại học Bách Khoa Hà Nội
Viện Công nghệ Thông tin và Truyền thông
Năm học 2018-2019
Nguyễn Nhật Quang
quang.nguyennhat@hust.edu.vn
Nội dung môn học:
◼ Giới thiệu về Trí tuệ nhân tạo
◼ Tác tử
❑ Định nghĩa
❑ Môi trường công việc
❑ Các kiểu môi trường
❑ Các kiểu tác tử
◼ Giải quyết vấn đề: Tìm kiếm, Thỏa mãn ràng buộc
◼ Logic và suy diễn
◼ Biểu diễn tri thức
◼ Biểu diễn thông tin không chắc chắn
◼ Học máy
2
Trí tuệ nhân tạo – Artificial intelligence
Tác tử - Định nghĩa
◼ Tác tử là bất cứ cái gì (con người, người máy, software 
robots, các bộ ổn nhiệt,) có khả năng cảm nhận (nhận biết) 
môi trường xung quanh nó thông qua các bộ phận cảm biến
(sensors) và hành động phù hợp theo môi trường đó thông
qua các bộ phận hoạt động (actuators)
◼ Tác tử con người
❑ Các bộ phận cảm biến: mắt, tai, và một số bộ phận cơ thể khác
❑ Các bộ phận hoạt động: tay, chân, miệng, và một số bộ phận cơ
thể khác
◼ Tác tử người máy
❑ Các bộ phận cảm biến: các máy quay (cameras), các bộ truy tìm
tín hiệu hồng ngoại
❑ Các bộ phận hoạt động: các loại động cơ (motors)
3
Trí tuệ nhân tạo – Artificial intelligence
Tác tử và Môi trường
◼ Hàm tác tử: là hàm ánh xạ từ lịch sử nhận thức tới các 
hành động:
f: P*→ A
◼ Chương trình tác tử: hoạt động (chạy) dựa trên kiến trúc 
thực tế của hàm f
◼ Tác tử = Kiến trúc + Chương trình
4
Trí tuệ nhân tạo – Artificial intelligence
Ví dụ: Thế giới của máy hút bụi
◼ Các nhận thức
❑ Ví trí và mức độ sạch sẽ
❑ Ví dụ: [A, Bẩn], [B, Bẩn]
◼ Các hành động
❑ Di chuyển (máy hút bụi) sang trái, sang phải, hút bụi, hoặc không 
làm gì
5
Trí tuệ nhân tạo – Artificial intelligence
Tác tử máy hút bụi
Bảng hành động của tác tử máy hút bụi
Chuỗi các nhận thức Hành động
[A, Sạch] Di chuyển sang phải
[A, Bẩn] Hút bụi
[B, Sạch] Di chuyển sang trái
[B, Bẩn] Hút bụi
[A, Sạch], [A, Sạch] Di chuyển sang phải
[A, Sạch], [A, Bẩn] Hút bụi
. . .
function Reflex-Vacuum-Agent( [location, status]) returns an action
if status = Dirty then return Suck
else if location = A then return Right
else if location = B then return Left
6
Trí tuệ nhân tạo – Artificial intelligence
Tác tử hợp lý (1)
◼ Tác tử cần phấn đấu để “làm đúng việc cần làm”, dựa 
trên những gì nó nhận thức (nhận biết) được và dựa 
trên các hành động mà nó có thể thực hiện
◼ Một hành động đúng (hợp lý) là hành động giúp cho tác 
tử đạt được thành công cao nhất đối với mục tiêu đặt ra
◼ Đánh giá hiệu quả hoạt động: là tiêu chuẩn để đánh giá 
mức độ thành công trong hoạt động của một tác tử
❑ Ví dụ: Tiêu chí đánh giá hiệu quả hoạt động của một tác tử máy 
hút bụi có thể là: mức độ làm sạch, thời gian hút bụi, mức độ điện 
năng tiêu tốn, mức độ tiếng ồn gây ra, 
7
Trí tuệ nhân tạo – Artificial intelligence
Tác tử hợp lý (2)
◼ Tác tử hợp lý
❑ Với mỗi chuỗi nhận thức có được, 
❑ Một tác tử hợp lý cần phải lựa chọn một hành động
giúp cực đại hóa tiêu chí đánh giá hiệu quả hoạt động 
của tác tử đó,
❑ Dựa trên các thông tin được cung cấp bởi chuỗi nhận 
thức và các tri thức được sở hữu bởi tác tử đó
8
Trí tuệ nhân tạo – Artificial intelligence
Tác tử hợp lý (3)
◼ Sự hợp lý Sự thông suốt mọi thứ
❑ Sự thông suốt mọi thứ = Biết tất cả mọi thứ, với tri thức vô hạn
❑ Vì các nhận thức có thể không cung cấp tất cả các thông tin liên 
quan
◼ Các tác tử có thể thực hiện các hành động nhằm thay đổi 
các nhận thức trong tương lai, với mục đích thu được 
các thông tin hữu ích (ví dụ: thu thập thông tin, khám phá 
tri thức)
◼ Tác tử tự trị (autonomous agent) là một tác tử mà các 
hành động của nó được quyết định bởi chính kinh 
nghiệm của tác tử đó (cùng với khả năng học và thích 
nghi)
9
Trí tuệ nhân tạo – Artificial intelligence
Môi trường công việc – PEAS (1)
◼ PEAS
❑ Performance measure: Tiêu chí đánh giá hiệu quả hoạt động
❑ Environment: Môi trường xung quanh
❑ Actuators: Các bộ phận hành động
❑ Sensors: Các bộ phận cảm biến
◼ Để thiết kế một tác tử thông minh (hợp lý), trước tiên cần 
phải xác định (thiết lập) các giá trị của các thành phần 
của PEAS
10
Trí tuệ nhân tạo – Artificial intelligence
Môi trường công việc – PEAS (2)
◼ Ví dụ: Thiết kế một tác tử lái xe taxi tự động
❑ Đánh giá hiệu quả hoạt động (P): an toàn, nhanh, 
đúng luật giao thông, mức độ hài lòng của khách 
hàng, tối ưu lợi nhuận, 
❑ Môi trường xung quanh (E): các con đường (phố), 
các phương tiện khác cùng tham gia giao thông, 
những người đi bộ, các khách hàng, 
❑ Các bộ phận hành động (A): bánh lái, chân ga, 
phanh, đèn tín hiệu, còi xe,
❑ Các bộ phận cảm biến (S): máy quay (cameras), 
đồng hồ tốc độ, GPS, đồng hồ đo khoảng cách quãng 
đường, các bộ cảm biến động cơ,
11
Trí tuệ nhân tạo – Artificial intelligence
Môi trường công việc – PEAS (3)
◼ Ví dụ: Thiết kế một tác tử chuẩn đoán y tế
❑ Đánh giá hiệu quả hoạt động (P): mức độ sức khỏe 
của bệnh nhân, cực tiểu hóa các chi phí, các việc kiện 
cáo, 
❑ Môi trường xung quanh (E): bệnh nhân, bệnh viện, 
nhân viên y tế, 
❑ Các bộ phận hành động (A): hiển thị trên màn hình 
các câu hỏi, các xét nghiệm, các chuẩn đoán, các 
điều trị, các chỉ dẫn, 
❑ Các bộ phận cảm biến (S): bàn phím để nhập vào 
các thông tin về triệu chứng, các trả lời của bệnh nhân 
đối với các câu hỏi, 
12
Trí tuệ nhân tạo – Artificial intelligence
Môi trường công việc – PEAS (4)
◼ Ví dụ: Thiết kế một tác tử nhặt đồ vật
❑ Đánh giá hiệu quả hoạt động (P): tỷ lệ (bao nhiêu 
phần trăm) các đồ vật được đặt vào đúng các thùng
❑ Môi trường xung quanh (E): dây chuyền chuyển 
động trên đó có các đồ vật, các thùng đựng
❑ Các bộ phận hành động (A): cánh tay và bàn tay 
được kết nối
❑ Các bộ phận cảm biến (S): máy quay (camera), các 
bộ cảm biến các góc độ (các hướng)
13
Trí tuệ nhân tạo – Artificial intelligence
Môi trường công việc – PEAS (5)
◼ Ví dụ: Thiết kế một tác tử dạy tiếng Anh tương tác
❑ Đánh giá hiệu quả hoạt động (P): cực đại hóa điểm 
thi tiếng Anh của học viên
❑ Môi trường xung quanh (E): một nhóm học viên
❑ Các bộ phận hành động (A): hiển thị màn hình các 
bài tập, các gợi ý, sửa (chữa) bài tập
❑ Các bộ phận cảm biến (S): bàn phím
14
Trí tuệ nhân tạo – Artificial intelligence
Môi trường công việc – PEAS (6)
◼ Ví dụ: Thiết kế một tác tử lọc thư rác (spam emails 
filtering)
❑ Đánh giá hiệu quả hoạt động (P): khả năng lọc thư 
rác (amount of error: false positives, false negatives)
❑ Môi trường xung quanh (E): email server and clients
❑ Các bộ phận hành động (A): đánh dấu thư rác, gửi 
thông báo
❑ Các bộ phận cảm biến (S): nhận và phân tích nội 
dung các emails
15
Trí tuệ nhân tạo – Artificial intelligence
Các kiểu môi trường (1)
◼ Có thể quan sát được hoàn toàn (hay có thể quan sát 
được một phần)?
❑ Các bộ cảm biến của một tác tử cho phép nó truy cập tới trạng 
thái đầy đủ của môi trường tại mỗi thời điểm
◼ Xác định (hay ngẫu nhiên)?
❑ Trạng thái tiếp theo của môi trường được xác định hoàn toàn dựa 
trên trạng thái hiện tại và hành động của tác tử (tại trạng thái hiện 
tại này)
❑ Nếu một môi trường là xác định, ngoại trừ đối với các hành động 
của các tác tử khác, thì gọi là môi trường chiến lược
16
Trí tuệ nhân tạo – Artificial intelligence
Các kiểu môi trường (2)
◼ Phân đoạn (hay liên tiếp)?
❑ Lịch sử kinh nghiệm của tác tử được chia thành các giai đoạn
(chương/hồi)
❑ Mỗi giai đoạn bao gồm việc nhận thức của tác tử và hành động
mà nó thực hiện
❑ Ở mỗi giai đoạn, việc lựa chọn hành động để thực hiện chỉ phụ
thuộc vào giai đoạn đó (không phụ thuộc vào các giai đoạn khác)
◼ Tĩnh (hay động)?
❑ Môi trường không thay đổi trong khi tác tử cân nhắc (xem nên
đưa ra hành động nào)
❑ Môi trường bán động (semi-dynamic) là môi trường mà khi thời
gian trôi qua thì nó (môi trường) không thay đổi, nhưng hiệu quả
hoạt động của tác tử thì thay đổi
◼ Ví dụ: Các chương trình trò chơi có tính giờ
17
Trí tuệ nhân tạo – Artificial intelligence
Các kiểu môi trường (2)
◼ Rời rạc (hay liên tục)?
❑ Tập các nhận thức và các hành động là hữu hạn, được định
nghĩa phân biệt rõ ràng
◼ Tác tử đơn lẻ (hay đa tác tử)?
❑ Một tác tử hoạt động độc lập (không phụ thuộc / liên hệ với các
tác tử khác) trong một môi trường
18
Trí tuệ nhân tạo – Artificial intelligence
Các kiểu môi trường – Ví dụ
Chơi cờ Chơi cờ không Lái xe taxi 
tính giờ tính giờ
Quan sát đầy đủ? có có không
Xác định? chiến lược chiến lược không
Phân đoạn? không không không
Tĩnh? bán động có không
Rời rạc? có có không
Tác tử đơn? không không không
◼ Kiểu của môi trường có ảnh hưởng quyết định đối với
việc thiết kế tác tử
◼ Môi trường trong thực tế thường có các đặc điểm: chỉ có
thể quan sát được một phần, ngẫu nhiêu, liên tiếp, thay
đổi (động), liên tục, đa tác tử
19
Trí tuệ nhân tạo – Artificial intelligence
Các kiểu tác tử
◼ 4 kiểu tác tử cơ bản
❑ Tác tử phản xạ đơn giản (simple reflex agents)
❑ Tác tử phản xạ dựa trên mô hình (model-based reflex 
agents)
❑ Tác tử dựa trên mục tiêu (goal-based agents)
❑ Tác tử dựa trên lợi ích (utility-based agents)
20
Trí tuệ nhân tạo – Artificial intelligence
Tác tử phản xạ đơn giản (1)
Tác tử phản xạ đơn giản:
→Hành động theo một quy tắc (luật) có điều kiện phù hợp
với trạng thái hiện thời (của môi trường)
21
function SIMPLE-REFLEX-AGENT(percept)
static: rules (tập các luật có dạng: điều kiện-hành động)
state  INTERPRET-INPUT(percept)
rule  RULE-MATCH(state, rules)
action  RULE-ACTION[rule]
return action
Trí tuệ nhân tạo – Artificial intelligence
Tác tử phản xạ đơn giản (2)
22
Trí tuệ nhân tạo – Artificial intelligence
Tác tử phản xạ dựa trên mô hình (1)
Tác tử phản xạ dựa trên mô hình:
❑ Sử dụng một mô hình nội bộ để giám sát trạng thái hiện tại của 
môi trường
❑ Lựa chọn hành động: giống như đối với tác tử phản xạ đơn giản
23
function REFLEX-AGENT-WITH-STATE(percept)
static: state (mô tả trạng thái hiện tại của môi trường)
rules (tập các luật có dạng: điều kiện-hành động)
action (hành động gần nhất)
state UPDATE-STATE(state, action, percept)
rule  RULE-MATCH(state, rules)
action  RULE-ACTION[rule]
return action
Trí tuệ nhân tạo – Artificial intelligence
Tác tử phản xạ dựa trên mô hình (2)
24
Trí tuệ nhân tạo – Artificial intelligence
Tác tử dựa trên mục tiêu (1)
◼ Biết về trạng thái hiện tại của môi trường: chưa đủ →
Cần biết thêm thông tin về mục tiêu
❑Trạng thái hiện tại của môi trường: Ở một ngã tư, xe taxi có thể rẽ 
trái, rẽ phải, hoặc đi thẳng
❑Thông tin về mục tiêu: xe taxi cần đi tới đích đến của hành khách
◼ Tác tử dựa trên mục tiêu
❑Theo dõi trạng thái hiện tại của môi trường
❑Lưu giữ một tập các mục tiêu (cần đạt được)
❑Chọn hành động cho phép (rốt cuộc) sẽ đạt đến các mục tiêu
25
Trí tuệ nhân tạo – Artificial intelligence
Tác tử dựa trên mục tiêu (2)
26
Trí tuệ nhân tạo – Artificial intelligence
Tác tử dựa trên lợi ích (1)
◼ Trong nhiều môi trường, thông tin về các mục tiêu không 
đủ để đánh giá hiệu quả của các hành động
❑Có rất nhiều chuỗi các hành động cho phép taxi đi đến đích (tức 
là đạt đến mục tiêu)
❑Nhưng: chuỗi hành động nào nhanh hơn, an toàn hơn, đáng tin 
cậy hơn, chi phí thấp hơn?
◼ Cần sự đánh giá lợi ích đối với tác tử
◼ Hàm lợi ích (utility function)
❑Ánh xạ từ chuỗi các trạng thái của môi trường tới một giá trị số 
thực (thể hiện mức lợi ích đối với tác tử)
27
Trí tuệ nhân tạo – Artificial intelligence
Tác tử dựa trên lợi ích (2)
28
Trí tuệ nhân tạo – Artificial intelligence
Tác tử có khả năng học (1)
◼ Khả năng học cho phép tác tử cải thiện hiệu quả hoạt 
động của nó
◼ 4 thành phần tạo nên một tác tử có khả năng học
❑ Thành phần hành động: đảm nhiệm việc lựa chọn các hành động
❑ Thành phần đánh giá (bình luận): đánh giá hiệu quả hoạt động
❑ Thành phần học: giúp cải thiện hiệu quả hoạt động - dựa trên các 
đánh giá, để thay đổi (cải thiện) thành phần hành động
❑ Thành phần sản sinh kinh nghiệm: có nhiệm vụ đề xuất các hành 
động giúp sản sinh ra (dẫn đến) các kinh nghiệm mới
29
Trí tuệ nhân tạo – Artificial intelligence
Tác tử có khả năng học (2)
30
Trí tuệ nhân tạo – Artificial intelligence
Cơ sở tri thức của tác tử
◼ Một cơ sở tri thức (a knowledge base) là một tập các mệnh đề 
(phát biểu) được biểu diễn trong một ngôn ngữ hình thức, 
cung cấp tri thức (hiểu biết) cho một tác tử
◼ Tác tử khai thác cơ sở tri thức (mà nó sở hữu) trong quá trình 
đưa ra các hành động
◼ Các tác tử có thể được xem xét ở mức
❑ Tri thức: Tác tử biết những gì? Các mục tiêu của tác tử là gì?
❑ Cài đặt hệ thống: Các cấu trúc dữ liệu trong cơ sở tri thức? Các giải thuật 
sử dụng các tri thức này?
◼ Tác tử cần có khả năng
❑ Thu thập (cập nhật) các tri thức mới
❑ Cập nhật việc biểu diễn (bên trong tác tử) đối với môi trường xung quanh
❑ Suy diễn ra các thuộc tính ẩn của môi trường xung quanh
❑ Suy luận để đưa ra các hành động hợp lý
31
Trí tuệ nhân tạo – Artificial intelligence
Đa tác tử (1)
◼ Môi trường hoạt động: Cộng tác (hợp tác) hay là Cạnh 
tranh (đối kháng)?
◼ Trong nhiều bài toán thực tế, môi trường hoạt động luôn 
thay đổi (biến động) → tác tử cần cập nhật
◼ Cần một mô hình biểu diễn kế hoạch của các tác tử khác
◼ Các tác tử cộng tác
❑ Cùng chia sẻ các mục tiêu hoặc các kế hoạch
❑ Ví dụ: Lập kế hoạch (cho hoạt động nhóm) trong trò chơi tennis 
đánh đôi
❑ Các cơ chế cộng tác: Phân tách và phân phối các nhiệm vụ cho 
mỗi tác tử
32
Trí tuệ nhân tạo – Artificial intelligence
Đa tác tử (2)
◼ Các tác tử cạnh tranh
❑ Ví dụ: chơi cờ
❑ Mỗi tác tử phải nhận biết được sự tồn tại (và hoạt động) của các 
tác tử khác
❑ Mỗi tác tử tính toán (dự đoán) được các kế hoạch của (một số) 
các tác tử khác
❑ Mỗi tác tử tính toán (dự đoán) được ảnh hưởng của các kế hoạch 
của các tác tử khác đối với kế hoạch của bản thân nó
❑ Mỗi tác tử quyết định hành động tối ưu đối với dự đoán ảnh 
hưởng này
33
Trí tuệ nhân tạo – Artificial intelligence
Tác tử - Tổng kết
◼ Tác tử tương tác với môi trường thông qua các bộ phận cảm 
biến và các bộ phận hành động
◼ Một tác tử hợp lý sẽ cực đại hóa hiệu quả hoạt động của nó
◼ Hàm tác tử mô tả các hành động mà tác tử thực hiện trong 
các tình huống
◼ Các chương trình tác tử cài đặt (thực hiện) các hàm tác tử
◼ Các mô tả PEAS xác định môi trường công việc
◼ Các môi trường được phân loại dựa theo các tiêu chí: Có thể 
quan sát được? Xác định? Phân đoạn? Tĩnh? Rời rạc? Tác 
tử đơn lẻ?
◼ Các kiến trúc tác tử cơ bản: Phản xạ đơn giản, Dựa trên mô 
hình, Dựa trên mục tiêu, Dựa trên lợi ích
34
Trí tuệ nhân tạo – Artificial intelligence