1

Nội dung

• 1.1. Trí tuệ nhân tạo là gì?

• 1.2 Tác nhân thông minh và môi trường

• 1.3 Hành xử tốt : Khái niệm về tính hợp lý

• 1.4. Bản chất của môi trường.

• 1.5. Cấu trúc của agent

• 1.6. Giới thiệu về học máy

2

1.1. Trí tuệ nhân tạo là gì?

Các định nghĩa về AI không thống nhất do nó phụ thuộc vào hai phương diện (hình 1.1):

• Chú trọng tới quá trình lập luận và tư duy hay hành vi ứng xử.

• Đo mức độ hoàn hảo theo cách thực hiện của con người hay tính hợp lý. Một hệ được xem là hợp lý nếu nó đáp ứng thích hợp với những gì được biết (sử dụng tính toán).

3

Thông minh của con người qua khả năng suy nghĩ, lập luận và hành động

• Khả năng quan sát môi trường, xử lý ký hiệu và cảm nhận từ các

thông báo mơ hồ, thậm chí có khi trái ngược.

• Khả năng học, hiểu và khái quát nên tri thức mới từ các kinh

nghiệm và tri thức đã có.

• Khả năng vận dụng tri thức để đáp ứng có hiệu quả đối với các

trạng thái mới.

• Khả năng làm việc với các trạng thái phức tạp.

• Suy nghĩ và lập luận.

4

Đặc điểm 4 nhóm.Hành xử, tư duy - Người , hợp lý (đánh giá)

5

Phép thử của Turing: trao đổi thông tin người máy mà người không phân biệt

được (tránh giao tiếp vật lý trực tiếp). Máy cần có các khả năng sau:

• Quan sát máy (computer vision) để nhận biết đối tượng, tín hiệu

• Xử lý ngôn ngữ tự nhiên(natural languae processing)

• Học máy (machine learning) để thích nghi với hoàn cảnh mới và khám phá,

ngoại suy mẫu mới

• Biểu diễn tri thức (knowledge presentation)để lưu trữ những gì nó nghe và biết

• Lập luận tự động (automated resoning): Sử dụng thông tin lưu trữ để trả lời

câu hỏi và rút ra kết luận mới.

• Hành xử tự động (robotic) để tác động vào các đối tượng

Các khả năng này là đối tượng cho các môn học chính của AI. Trong đó chú

trọng nghiên cứu tính trí tuệ hơn là tính sao chép.

6

Tư duy như người.(mô hình nhận thức)

Để có các chương trình tư duy như người ta cần xác định được cách tư

duy của con người nhờ hai cách:

• Qua nghiên cứu sâu cơ chế tư duy của con người

• Qua thí nghiệm tâm lý lọc.

Lĩnh vực này có tên gọi là khoa học nhận thức (cognitive approach.

Khi xây dựng được lý thuyết đúng thì người ta xây dựng chương trìnht

hể hiện theo lý thuyết. ví dụ hệ GPS.

7

Tư duy hợp lý.

Aristotle: suy nghĩ đúng (right thinking) là quá trình lập luận không

bác bỏ được. Tam đoạn luận cho ta kết luận đúng khi tiền đề đúng

Nghiên cứu “các luật tư duy” tạo nên lĩnh vực logic.

Hai khó khăn chính

• Không dễ lấy các tri thức phi thủ tuc và phát biểu nó dưới dạng hình

thức của các khái niệm logic, đặc biệt khi tri thức không chắc chắn.

• khác biệt lớn giữa Về nguyên tắc là vấn đề giải được -với thực tế giải

được.

Hành xử hợp lý.

Tác tử hợp lý hành động để đạt được đầu ra tốt nhất hoặc có kỳ vọng tốt nhất khi không chắc chắn.

• Với cách tiếp cận “các luật tư duy” trong AI chú trọng tới các suy luận đúng. Tuy vậy suy luận đúng có thể không phải là đòi hỏi bắt buôc của tính hợp lý.

• Nhiều khi không chứng minh được nhưng ta vẫn thực hiện: giật tay nhanh khi cham vật nong thay cho đưa từ từ sau khi xem xé thận trọng.

Vì vây ta xem thông minh theo cách nhìn hành xử hợp lý: một tác nhân thông minh lý tưởng sẽ hành động tốt nhất với mỗi hoàn cảnh.

Nghiên cứu AI như là thiết kế agent hợp lý.

Các ưu điểm của cách tiếp cận hành động hợp lý:

• Tổng quát hơn cách tiếp cận “các luật tư duy” vì mục đích tư duy là đạt được hành động.

• Dễ phát triển một cách khoa học hơn cách bắt chước con người.

8

9

Nền tảng của trí tuệ nhân tạo:

Các lĩnh vực sau là nền tảng cho nghiên cứu AI

• Triêt học. Tư duy, nhận thức và quá trình nhận biết tri thức.

• Toán học. Luât suy diễn. Tính toán và xử lý thông tin không chắc chắn

• Kinh tế học. Lý thuyết quyết định và hành vi.

• Thần kinh học.

• Tâm lý học.

• Công nghệ máy tính.

• Điều khiển học, Ngôn ngữ học

10

Các chủ đề nghiên cứu hiện nay trong AI

• Nhận dạng mẫu• Học máy (Machine learning);• Lập luận và giải bài toán• Mạng nơ ron nhân tạo• Robotic (robotics and Sensory systems);• Hiểu biết và xử lý tiếng nói [speech (voice) understanding];• Xử lý ngôn ngữ tự nhiên: bao gồm giao tiếp máy bằng ngôn ngữ tự

nhiên, tóm tắt , tổng hợp văn bản, dịch ngôn ngữ• Các hệ chuyên gia; multiagent• Trò chơi máy và các hướng dẫn thông minh (game playimg and

intelligent computer-aided instruction);• Nhìn máy và nhận dạng cảnh (Computer vision and scene recognition)• Lập trình tự động (automatic programming);

11

1.2 Tác tử thông minh và môi trường

• Một hệ có thể hành xử hợp lý được coi là thông minh.

• Một agent nhận thức môi trường (environment) của nó qua bộ cảm

nhận (sensor) và tác động vào môi trường qua bộ tác động (actuator)

• Người : mắt, tai, mũi… là bộ cảm nhận (Sensor);

tay, chân… là bộ tác động;

• Rôbot dùng camera…

• Soft agent dùng nội dung file, dư thiết bị, modun nhận input… làm bộ

cảm nhận màn hình file in và các goi tin ra là bộ tác động.

12

hàm agent (agent function)

• Tahuật ngữ nhận thức (percept) để chỉ tín hiệu tri giác nhận được của

agent.

• Mỗi chuỗi nhận thức của agent có tính lịch sử ; mỗi thời điểm agent

chọn tác động phụ thuộc vào chuỗi nhận nhức có được tới lúc đó.

• Dựa trên chuỗi nhận thức , agent chọn ứng xử được mô tả như là hàm

agent (agent function) và có thể biểu diễn bởi bảng.

• Bảng là đặc trưng ngoài của hàm agent còn bên trong là một chương

trình, cần phân biệt hàm agent(mô tả toán học) và chương trính cài đặt.

13

14

máy hút bụi:

15

1.3 Hành xử tốt : Khái niệm về tính hợp lý.

Một agent hợp lý là nó làm đúng (mức độ khái niệm)với hàm antgent tương ứng với mỗi trạng thái.

Độ đo thực hiên. Một độ đo thực hiện làm tiêu chuẩn cho thành công của hành vi của một agent..

• Khi một agent được thả vào một môt trường, nó phải tạo ra một chuỗi tác động phù hợp với các nhận thức mà nó tiếp nhận.

• không có một độ đo chung cho mọi agent. • cần có độ đo khách quan đặt ra cho người thiết kế mỗi agent.

Với agent hút bụi có thể đo bằng số bụi hút đuợc hoặc diện tích sạch. Cần thiết kế độ đo phù hợp với môi trường muốn có hơn là phù hợp với agent.• Lựa chọn độ đo là vấn đề khó…Tính hợp lý. Tính hợp lý tại mỗi thời điểm đã cho phụ thuộc 4 yếu tố.• Độ đo thực hiện đã xác định trước.• Tri thức của agent đã có về môi trường• Chuỗi nhận thức mà agent có tới lúc đó• Tác động mà agent có thể thực hiện.

16

Định nghĩa agent hợp lý.

Đối với mỗi chuỗi nhận thức có thể, một agent hợp lý sẽ chọn tác

động hướng tới cực đại độ đo thực hiện dựa vào biểu hiện của chuỗi

nhận thức và các tri thức đã có.

Xét agent hút bụi và giả sử:

• Độ đo thực hiện : thưởng một điểm cho mỗi ô sạch ở mỗi bước và có

1000 bước.

• Phân phối bụi và vị trí ban đầu chưa biết.

• Chỉ có các tác động sang phải, trái , hút và không làm gì.

• Agent nhận thức đúng vị trí của nó và biết có bụi hay không.

17

Tính quán thông, học và tự trị (omniscience, learning và autonomy).

• Một agent quán thông biết được các kết cục hiện thời về tác động của nó và cho được các tác động phù hợp.

• Tuy vậy thực tế không có. Ví dụ người qua đường.

• Do đó cần cực đại độ đo kỳ vọng chứ không phải cực đại thực

• Thường không đòi hỏi agent quán thông và tính hợp lý chỉ phụ thuoc vào nhận thức tới lúc đó

• Một agent hợp lý cần có tính khám phá và thu thập thông tin. (học)

• Một agent dựa vào tri thức được người thiết kế cài đặt hơn là nhận thức mới thì được coi là thiếu tính tự trị.

18

1.4. Bản chất của môi trường.

Môi trường tác nghiệp (Task environment) là cái trong bài toán mà agent cần tác động, giải quyết.

Đặc tả môi trường tác nghiệp

• Để nói về tính hợp lý của agent ta cần đặc tả độ đo thực hiện, môi trường , bộ cảm nhận và bộ tác động -PEAS.

• Để thiết kết agent cần đặc tả PEAS đầy đủ nhất càng tốt.

• Ví dụ lái taxi Hình 24.

19

Ví du mô tả các kiểu agent và PEAS.

20

Tính chất của môi trường tác nghiệp

• Quan sát đầy đủ hay từng phần?. Agent có thể biêt về trạng thái đầy đủ tại mỗi thời điểm hóặc quan sát từng phần do nhiễu, bộ cảm nhận không chính xác

• Tất định hay ngẫu nhiên? Nếu trạng thái tiếp theo của môi trường hoàn toàn xác định nếu biết trạng thái và tác động hiện thời thì gọi là tất định, còn lại là ngẫu nhiên. Môi trường tất định ngoại trừ có tác động của agent khác gọi là môi trường chiến lược.

• Phân đoạn hay tuần tự? Trong môi trường phân đoạn, các thí nghiệm của agent chia thành các đoạn thành phần .Trong mỗi đoạn này agent nhận thức và thực hiện tác động riêng rẽ, các đoạn sau không phụ thuộc vào đoạn trước.

• Trong môi trường tuần tự thì quyết định hiện thời có thể ảnh hưởng tới quyết định tương lai.

• Tĩnh và động. Môi trường biến đôi theo thời gian gọi là động.

• Rời rạc hay liên tục. Trạng thái, thời gian tác động và nhận thức rời rạc hay liên tục: chơi cờ, lá xe

• Agent đơn hay multiagent.

• Lớp môi trường và tạo sinh môi trường (từ lớp).

21

đặc tính một số loại môi trường

22

1.5. Cấu trúc của agent

• Nhiệm vụ của AI là thiết kế chương trinh agent, hay cài đặt hàm agent. Chương trình này chạy trên máy tính hay công cụ vật lý nào cđó (kiến trúc của agent

Agent = Kiến trúc + chương trình

• Chương trình agent: Các chương trình ở đây có khung giống nhau (hình 2.7): lấy nhận thức hiện thời làm input và cho ra một tác động của bộ tác động.

23

Các loại agent chính

• Agent phản xạ đơn

• Agent phản xạ dựa trên mô hình

• Agent dựa trên đích

• Agent dựa trên lợi ích.

• Sau đó dẫn chúng tới agent học

24

Agent phản xạ đơn.

• Chọn tác động chỉ dựa vào nhận thức hiện thời mà không chú ý tới lịch sử . Ví dụ agent hút bụi.Chương trình minh họa trong hình 2.8. Hoạt đông của loại nàydựa vào quy tắc điều kiện-tác động ví dụ : nếu xe trước phanh thì xe sau bắt đầu phanh.

25

26

chương trình agent phản xạ đơn với quan sát đầy đủ

27

Agent phản xạ dựa trên mô hình.

• Khi quan sát từng phần thì hiện thực cần kết hợp thông tin nhận thức

hiện thời với quá khứ, mỗi agent có thể có một trạng thái trong và cập

nhật tri thức.

• Cập nhật trạng thái trong có thể từ hai loại tri thức.Thứ nhất có thể cần

thông tin độc lập với agent. Thứ hai là thông tin về ảnh hưởng của tác

động của agent tới môi trường.

• Khi xử lý thông tin t,cần cân nhắc có cài đặt trong mạch logic hay cần

đến lý thuyết khoa học đầy đủ mà nó gọi là mô hình về thế giới thực.

• Agent sử dụng mô hình gọi là agent dựa trên mô hình

28

29

Agent dựa trên đích

Tri thức về trạng thái hiện thời chưa chắc đủ để quyết định hành vi.

Ví dụ: tại ngã tư, quyết định của tăxi tùy thuộc vào định đi đâu.

Ngoài trạng thái hiện thời, cần có thêm thông tin

Tìm kiếm và lập kế hoạch là lĩnh vực dành cho tìm chuỗi hành động để đạt được dích của agent.

30

Agent dựa trên lợi ích.

• Chỉ có đích thôi thì chưa đủ để tạo nên ứng xử chất lượng cao vì đích thường quá đơn giản và có thể có nhiều đích.

• Thuật ngữ để chỉ trạng thái thực được ưu hơn trạng thái khác là nói nó có lợi ích cao hơn.đối với agent.

• Hàm lợi ích ánh xạ một trạng thái vào một số thực để mô tả mức độ phù hợp với của thỏa mãn.

• Chi tiết hóa đầy đủ một hàm lợi íchcho phép quyết định hợp lý trong hai trường hợp mục đích chưa đủ để có quyết định hợp lý.1-Các mục đích xung khắc, hàm lợi ích cân bằng giữa chúng.2-Có nhiều đích cần đạt mà không cái nào chắc chắn. Hàm lợi ích cho cách tiếp cận trong đó khả năng thành công được cho bởi trọng số thay cho đánh giá tầm quan trọng của đích.

31

Cấu trúc của agent dựa trên lợi ích

32

Agent học.

• Turing có đề xuất một phương pháp nhanh là xây dựng các máy học và dạy chúng..

• Một agent học có thể chia làm 4 thành phần (hình 2.15)

33

• Quan trọng nhất là thành phần học chịu trách nhiệm cải tiến;

Thành phần thực hiện chịu trách nhiệm chọn tác động ngoài.

• Thành phần thực hiện có thể xem là agent đã xét trước, lấy nhận thức và quyết định hành động.

• Thành phần học dùng thông tin liên hệ ngược từ bộ bình luận để xác định xem cần cải tiến thế nào để bộ thực hiện hanh động tốt hơn về sau.

• Thiết kế thành phần học phụ thuộc vào thiết kế thành phần thực hiện.

• Cơ cấu học có thể xây dựng để cải tiến mội thành phần của agent.

• Thành phần tạo sinh bài toán, nó chịu trách nhiệm gợi ý các tác động và dẫn tới các thực nghiệm nhiều thông tin và mới . Ví dụ lái taxi.

34

1.6 Bài toán học máy

• Định nghĩa.

Một chương trình máy tính được gọi là học từ thí nghiệm E đối với lớp

nhiệm vụ học T và độ đo mức thực hiện P nếu sự thực hiện các nhiệm vụ

trong Tcủa nó khi đo bởi T được cải tiến qua kinh nghiệm E.

35

Các ví dụ:

• 1)Chương trình học chơi cờ với chính nó

• T: Chơi cờ

• P: Tỷ lệ thắng đối thủ

• E: chơi với chính nó hoặc với người khác hay có thầy.

Với bài toán này ta cần biễu diễn đặc trưng ván cờ như thế nào?

học cái gì?

thuật toán học ra sao?

36

Thiết kế một hệ học

• Từ định nghĩa ta thấy để thiết kế hệ học ta cần thự hiện các việc sau:

• Chọn kinh nghiệm hay cách tạo, thu thập dữ liệu đào tạo cho hệ học.

• Cơ cấu học (thuật toán học)

• Chọn hàm đích và cách biễu diễn, xấp xỉ hàm điích (thể hiện độ đo

mức thực hiện)

Bài toán học chơi cờ.

37

Chọn kinh nghiệm đào tạo

Cần chọn kiểu kinh nghiệm đào tạo mà máy học có thể là trực tiếp hay gián

tiếp có liên hệ ngược gián tiếp khi hệ thực hiện học. Việc lựa chọn này có ảnh

hưởng lớn tới thành công hoặc thất bại của hệ học.

• Ví dụ

• Trực tiếp: kinh nghiệm chơi cờ có thể cho bởi các thế cờ và nước đi đúng cho

từng thế.

• Gián tiếp: các thông tin bao gồm dãy nước đi và kết cục của nhiều ván chơi.

Học trực tiếp dễ hơn học liên hệ ngược gián tiếp.

38

Chọn hàm đích.

• ChooseMove: B M

trong đó B là tập các trạng thái bàn cờ (thế cờ) và M là các nước đi hợp lệ với

trạng thái tương ứng . Việc tìm tri thức là bài toán NP-khó nên khó xác định và ta

tìm cách chọn một hàm đích thích hợp có thể cải tiến nhờ quá trình học.

• Hàm đích có thể cho dưới dạng khác nhau: cho bởi bảng xác định các giá trị nước

đi cụ thể cho mỗi thế cờ hoặc là hàm giá trị thực V: B R ... .

• sao cho nước đi tốt hơn thì hàm nhận giá trị lớn hơn. Nếu hệ học có hàm đích V

này thì nước đi tốt nhất sẽ cực đại hàm V với thế cờ tương ứng.

39

Chọn hàm đích

• Vấn đề đặt ra là chọn hàm đích này như thế nào? Một cách đơn giản , ta xác định V(b)

với b thuộcB như sau:

• Nếu b là trạng thái kết thúc thắng thì V(b)=100

• Nếu b là trạng thái kết thúc thua thì V(b)= -100

• Nếu b là trạng thái kết thúc hoà thì V(b)= 0

• Nếu b không là trạng thái kết thúc thì V(b)= V)b') trong đó b' là trạng thái kết thúc tốt

nhất đạt được từ b nhờ chọn nước đi tốt nhất đến cuối ván.

40

Chọn biểu diễn cho hàm đích.

• Có nhiều cách chọn hàm V, có thể cho bằng bảng hoặc cho bởi các quy tắc xác định giá

trị theo mỗi đặc trưng của thế cờ hay là đa thưc của các giá trị đặc trưng..

• Nếu dùng ký hiệu:

• x1 là số quân đen trên bàn cờ

• x2 là số quân trắng trên bàn cờ

• x3 là số hậu đen trên bàn cờ

• x4 là số hậu trắng trên bàn cờ

• x5 là số quân đen bị đe doạ trên bàn cờ

• x6 là số quân trắng bị đe doạ trên bàn cờ

41

Chọn biểu diễn cho hàm đích

• Có thể xác định một cách đơn giản là một hàm tuyến tính của các đối số này:

V= w0 +w1x1+...+w6x6

Trong đó w0 ...w6 là các hệ số cần xác định.

42

Công việc học

• Nhiệm vụ T: Chơi cờ

• Độ đo thực hiện P: Tỷ lệ thắng đối thủ

• Kinh nghiệm đào tạo E: chơi với chính nó

• Hàm đích V: B → R

• Biễu diễn hàm đích:V = w0 +w1x1+...+w6x6

• Nếu được xác định thì nước đi tốt nhất là nước đi hợp lệ làm cực đại V cho

mỗi thế tương ứng và chương trình học là tìm cách xác định các hệ số w0 ...w6

cho qua kinh nghiệm E.

43

Chọn thuật toán xấp xỉ hàm .

• Để xác định V ta cần tập mẫu đào tạo < b, Vtrain(b)> chẳng hạn khi x2= 0 thì quân đen

thắng nên Vtrain(b)=100 và ta có mẫu đào tạo :

< (x1=3, x2=0,x2=0,x3=0,x4=0,x5=0,x6=0), 100>

• Thường thì ban đầu các trọng số w được khởi tạo một cách thích hợp và sau đó được

hiệu chỉnh dần qua các mẫu đào tạo.

Ước lượng giá trị đào tạo

• Nếu b là thế kết thúc thì Vtrain(b) được xác định còn khi b là thế cờ trung gian thì Vtrain(b)

xác định theo quy tắc:

Vtrain(b) =V (successor(b))

Điều ta cần là qua quá trình học giá trị xấp xỉ của Vtrain(b) hội tụ tới giá trị đúng.

Hiệu chỉnh trọng số: Một cách tiếp cận thường hùng để hiệu chỉnh trọng số w (giả thuyết ) là

phương pháp bình phương tối thiểu LMS nhờ cực tiểu tổng BP sai số : SSE

44

LMS

45

Thiết kế cuối cùng.

46

Thiết kế cuối cùng

47

Đối sánh vân tay dựa trên ĐTCT

Hình 1.3: Đối sánh vân tay dựa vào tập điểm ĐTCT là xác định tập các cặp điểm ĐTCT tương ứng giữa hai tập Mt và Mq được trích chọn từ hai ảnh vân tay It và Iq

48

Tìm T:

-Affine ( tịnh tiến, quay, thay dổi tỷ lệ)

- Nắn chỉnh: từ các điểm trùng khớp, nắn chỉnh để tăng các điểm khớp

- Kết hợp với PP khác

49

Hệ nhận dạng vân tay

50

Đối sánh ĐTCT

+Xây dựng phép biến đổi T ít thay đổi tôpô của một ảnh để chồng ảnh Iq lên ảnh It sao cho các điểm ĐTCT tương ứng của chúng cũng “trùng khớp” với nhau từng đôi một.

Độ đo tương tự S(It,Iq) cho bởi công thức

S(It,Iq) = n2/Mt.Mq. (3)

trong đó n là số điểm trùng khớp.

S >tmax cùng ngón

S< tmin khác ngón

 

E: Các trường hợp đối sánh

T: Đối sánh

P: Tỷ lệ đối sánh đúng.

51

52

Các thành phần của một hệ Nhận dạng mẫu

• Thu tín hiệu: bộ phận chuyển đổi các mô tả của mẫu trong thế giới thực thành dữ liệu số

trong máy tính: Thu ảnh vân tay

• Phân đoạn: bộ phận lọc nhiễu để tách riêng dữ liệu về pattern cần quan tâm khỏi các dữ

liệu khác. Tách ảnh vân.

• Trích đặc trưng: bộ phận trích rút ra giá trị của các thuộc tính đặc trưng của các pattern.

Xác đinh các điểm ĐTCT

• Bộ phân lớp: bộ phận tính toán trên các thông số thuộc tính của pattern để phân lớp

pattern thuộc category nào. Nhận dạng vân tay

• Hậu xử lý: bộ phận đưa ra các hoạt động tương tác với môi trường sau khi có kết quả

phân lớp mẫu. Đánh giá mức độ tin cậy hoặc xử lý thêm

53

Thiết kế Bộ phân lớp (classifier)

Chọn đặc trưng

Kiểm tra & đánh giá

Thu thập mẫu

Huấn luyện

bắt đầu

kết thúc

Chọn mô hình: Biểu diễn+Th.toán

KhôngThỏa mãn

Thỏa mãn

Hình 1.3: Quá trình thiết kế bộ nhận dạng

Các quy trình thiết kế có gì khác?

Tùy bài toán và phương pháp học :

- Học có giám sát

-Học không có giám sát (hướng dữ lệu)

-Học thống kê

- Học địa phương

- Học tăng cường

54

Nội dung

Chương1: Tác nhân thông minh (chương 1, 2 [1])

Chương 2. Agent logic (chương7[1])

Chương 3. Biễu diễn tri thức (chương 10[1])

Chương 4. Lập kế hoạch ( chương 11)

Chương 5. Lập kế hoạch và tác động trong thế giới thực (chương 12 [1])

Chương 6. Học có giám sát

Chương 7. Học bằng cấy quyết định

Chương 8. Phân biệt mẫu

Chương9. Học thống kê

Chướng 10. Học không giám sát

Chương 11. Các vấn đề khác

-Các thuật toán dựa trên thực nghiệm.

-Tiếp cận mềm cho xử lý không chắc chắn.

55

56

Câu hỏi

1. Anh (chị) hiểu trí tuệ nhân tạo là gì?

2. Anh (chị) hãy mô tả kiến trúc tác nhân thông minh qua tương tác với môi trường, cho ví dụ minh họa họat động của agent dựa trên chuỗi nhận thức và hàm tác động.

3. Anh (chị) hiểu thế nào là một agent hợp lý?

4. Anh (chị) hiểu thế nào một agent có tính quán thông và tự trị?

5. Anh (chị) cho biết taị sao cần đặc tả PEAS khi thiết kế agent? Các tính chất nào của agent cần quan tâm khi đặc tả PEAS?

6. Anh (chị) hãy mô tả cấu trúc của các loại agent

7. Cho ví dụ về hệ nhận dạng mẫu và phác họa thiết kế