Trí tuệ nhân tạo - Các khái niệm cơ bản

## Trí tuệ nhân tạo ### Column1 - Trí tuệ nhân tạo là gì? - Một chương trình được sử dụng nhằm kiểm tra một chương trình máy tính có thể được coi là thông minh hay không có tên là - Vào tháng 11 năm 2022, OpenAI đã phát hành sản phẩm nào cung cấp giao diện chat dựa trên GPT-3.5? - Cơ sở lý luận kế...

## Trí tuệ nhân tạo ### Column1 - Trí tuệ nhân tạo là gì? - Một chương trình được sử dụng nhằm kiểm tra một chương trình máy tính có thể được coi là thông minh hay không có tên là - Vào tháng 11 năm 2022, OpenAI đã phát hành sản phẩm nào cung cấp giao diện chat dựa trên GPT-3.5? - Cơ sở lý luận kết hợp với cơ sở thực tiễn tạo thành lĩnh vực nào? - Ngành nào nghiên cứu về hành vi con người và đóng góp vào cơ sở lý luận của trí tuệ nhân tạo? - Triết học có thể sử dụng điều gì để đưa ra các kết luận có giá trị? - Ngôn ngữ học trả lời câu hỏi nào về mối quan hệ giữa ngôn ngữ và tư duy? - Yếu tố nào quyết định sức mạnh xử lý của máy tính? - Nguồn dữ liệu phổ biến nào được sử dụng trong nghiên cứu và phân tích? - Thuật toán học máy có thể được ứng dụng như thế nào? - Làm thế nào để lập kế hoạch ngân sách đầu tư hiệu quả cho một dự án? - Trí tuệ nhân tạo hẹp (Artificial Narrow Intelligence) là gì? - Trí tuệ nhân tạo chung (Artificial General Intelligence) có đặc điểm gì? - Siêu trí tuệ nhân tạo (Artificial Super Intelligence) có thể làm gì? - Các khái niệm về trí tuệ nhân tạo có thể được phân chia vào các nhóm: - Trí tuệ nhân tạo có thể được chia làm mấy loại: - Một số lĩnh vực nghiên cứu của trí tuệ nhân tạo là: - Phát biểu nào dưới đây là một đặc điểm của trí tuệ nhân tạo mạnh? - Phát biểu nào dưới đây KHÔNG phải là một ứng dụng AI? - Phát biểu nào dưới đây KHÔNG đúng về robot hợp tác? - Ở sân bay, một máy quét X-Ray thường được sử dụng để quét qua hành lý khách hàng. Qua đó phát hiện các vật lạ như súng, dao, và các loại vũ khí có hình dạng đặc biệt cất trong hành lý. Ứng dụng AI nào có thể đã được sử dụng? - Lĩnh vực nào dưới đây KHÔNG phải là cách AI được áp dụng? - Khẳng định nào dưới đây KHÔNG đúng về phép thử Turing? - Sự khác nhau giữa AI yếu và AI mạnh là gì? - Alan Turing thực hiện phép thử nổi tiếng Turing vào năm nào? - Một chương trình máy tính được xem là thông minh khi: - Năm nào được xem là năm chính thức ra đời của khái niệm Trí Tuệ Nhân Tạo (AI)? - Mục tiêu của ngành trí tuệ nhân tạo là gì? - Trí tuệ nhân tạo nhân tạo được nghiên cứu từ khi nào? - Siri là trợ lý ảo do ai thiết kế? - Công nghệ nào dưới đây giúp máy tính tự động tương tác với người dùng? - AI tác động về mặt chi phí của doanh nghiệp như thế nào? - Tìm phát biểu biểu sai trong các câu sau? - Các thành phần cốt lõi của một hệ thống AI là gì? - Cha đẻ của AI là - Các lĩnh vực nghiên cứu của AI - Hàm heuristic là gì - Chúng ta đang ở giai đoạn nào của trí tuệ nhân tạo - Câu phát biểu nào sai về mối liên hệ giữa AI - Học máy - Học sâu - Công nghệ nào sau đây là một ứng dụng của xử lý ngôn ngữ tự nhiên? - Đâu không phải là đặc trưng cơ bản của hệ chuyên gia? - Không gian trạng thái là gì? - Lời giải của bài toán tìm kiếm là gì? - Cây tìm kiếm được xây dựng bằng cách nào? - Để đánh giá một thuật toán tìm kiếm, có thể dùng những tiêu chí nào? - Lời giải tối ưu trong bài toán tìm kiếm thường tối ưu: - Các phương pháp tìm kiếm có thể được chia làm mấy loại? - Tìm kiếm lối ra khỏi rừng là tìm kiếm mù hay có thông tin và có thể dùng phương pháp nào? - Sự khác nhau cơ bản giữa phương pháp tìm kiếm theo chiều rộng và tìm kiếm theo chiều sâu là gì? - Tác dụng của hàm heuristic là gì? - Phát biểu nào dưới đây là đúng nhất? - Trong các thuật toán dưới đây, thuật toán nào nào là đầy đủ, tối ưu, và hiệu quả nhất? - Phát biểu nào dưới đây về hàm heuristic là KHÔNG đúng? - Mệnh đề nào dưới đây là SAI? - Để xây dựng mô hình tìm kiếm đường đi tương tự như trên google map, phương pháp nào thường được sử dụng? ### Column2 - Đưa trí thông minh của con người vào máy tính - Phép thử Turing - ChatGPT - Trí tuệ nhân tạo - Tâm lý học - Các luật hợp thức - Ngôn ngữ liên quan như thế nào tới ý nghĩ? - Số lượng lõi và tốc độ xung nhịp của bộ vi xử lý - Cơ sở dữ liệu trực tuyến - Trong các lĩnh vực như hư y tế, tài chính và thương mại điện tử - Bằng cách phân tích chi phí và lợi nhuận dự kiến - Lập trình de thực hiện mọt hoặc một số lượng giới hạn các công việc - Có ý thức tự nhận thực và giai quyết vấn đề, học hỏi và lập kế hoạch cho tương lai - Vượt qua khả năng của trí não và hành vi của con người - Suy nghĩ hợp lý, hành động hợp lý, suy nghĩ như người, hành động như người - AI yếu, AI mạnh, AI cực mạnh - Robot, Hệ chuyên gia, Xử lý ngôn ngữ tự nhiên - Có thể thực hiện các thao tác một cách độc lập - Chuẩn đoán chính xác người bệnh và lên phương án điều trị độc lập - Các vật dụng trong nhà như máy giặt, bếp nấu - Thị giác máy tính - Trong tội phạm, AI được dùng để xác định tội phạm trước khi họ thực hiện các hành vi phạm tội - Dùng để đánh giá mức độ chính xác của một hệ thống AI - AI mạnh có thể làm được các công việc như người, AI yếu chỉ có thể làm được các vấn đề-hành động đơn lẻ, cụ thể - 1950 - Vượt qua phép thử Turing - 1956 - Giúp máy tính suy nghĩ và hành động giống như con người - Thập niên 1950 - Apple - Chatbot - Giảm chi phí do giúp tinh giản quy mô doanh nghiệp. - Python chỉ được các nhà khoa học dữ liệu có nhiều năm kinh nghiệm sử dụng - Dữ liệu, Con người, Phần cứng, Phần mềm, Quy trình - John McCarthy - Học máy, học sâu, xử lý ngôn ngữ tự nhiên, và thị giác máy tính - Ước lượng về khả năng dẫn đến lời giải - AI yếu - Học máy là một bộ các kỹ thuật năm trong học sâu - Hệ thống Siri trong iOS - Không sử dụng thông tin - Heuristics - Là tập tất cả các trạng thái của bài toán - La muvi vav uung was untu unu tự tìm kiếm từ trạng thái bắt đầu đến trạng thái đích - Mở rộng các nút biên - Tính đầy đủ, tính tối ưu, tính hiệu quả - Tốc độ tìm kiếm và giá thành tìm kiếm - 2 - Tìm kiếm có thông tin, dùng A* hoặc tìm kiếm tham lam - Phương pháp tìm kiếm theo chiều sâu tìm theo bề dọc của cây tìm kiếm, trong khi phương pháp tìm kiếm theo chiều rộng tìm theo bề ngang của cây tìm kiếm - Định hướng quá trình tìm kiếm - Phương pháp tìm kiếm tham lam nhanh hơn A* nếu xét cùng bài toán và hàm heuristic - Tìm kiếm A* - Hàm heuristic h(n) ước lượng giá trị từ điểm n tới điểm đích, h(n) phải có giá trị lớn hơn giá trị thực tế từ n tới đích - Mặc dù các bài toán thực tế có không gian tìm kiếm lớn, tìm kiếm mù vẫn là một phương pháp được sử dụng do có đỗ phức tạp tính toán và yêu cầu bộ nhớ thấp - Tìm kiếm có thông tin - Gặp trạng thái đích đã được định nghĩa trước đó - Các tham số, chuỗi các hành động để đạt trạng thái đích - Chiều sâu - Leo đồi - DFS - Heuristic - Nút gốc. - Sử dụng ngăn xếp. - Khá tự nhiên, gần gũi với cách suy nghĩ và hành động của con người. - BFS - Leo đồi sẽ duyệt tất cả các hướng đi có thể và chọn đi theo trạng thái tốt nhất trong số các trạng thái kế tiếp của nó - A-> B-> E-> G - A-> B-> E-> G - A-> C-> D-> F->G->H->K - A, B, C, D, E, G - A, B, C, D, E, F, G, H, K - A, B, D, F, E, C, G - Tìm kiếm theo chiều sâu - Giá trị f=g+h - Có (A) - Duyệt tất cả các đỉnh. - Giải thuật A*. - Nút gốc - Không gian trạng thái là tập tất cả các trạng thái có thể có của bài toán - A, B, C, D, E, G - S, A, D, C, В - Gốc của cây - Nhanh chóng tìm ra kết quả - Phải lưu toàn bộ các trạng thái - Chỉ lưu lại các trạng thái chưa xét đến - Vết dầu loang - Vét toàn bộ (vét cạn) - Là một cấu trúc phân cấp của các nút và các nhánh - 2 tính chất - Không nên - Là một thuật toán phát triển các nút chưa xét các theo chiều sâu nhưng có giới hạn mức. - Tìm kiếm sâu dần. - Lặp lại tất cả các công việc của giai đoạn trước. - Cạnh - Kích thước của dữ liệu đầu vào của thuật toán - Là phương pháp duyệt không gian trạng thái chỉ sử dụng các thông tin theo phát biểu của bài toán tìm kiếm tổng quát trong quá trình tìm kiếm. - 1968 - Có thể phụ thuộc vào lựa chọn trước đó. - Học máy - Học củng cố, học có giám sát, học không có giám sát - Phân loại - Để xác định độ tin cậy của mô hình - Giá dầu mỏ - Để xác định mối liên hệ giữa các đặc trưng trong dữ liệu - Dữ liệu dán nhãn có thể được dùng cho cả học có giám sát và không có giám sát - Logo - Dự đoán kết quả bóng đá - Giải pháp tính thời lượng kiểm soát bóng của mỗi đội bóng trong một trận đấu - Mô hình học máy có thể được học liên tục - Dữ liệu học dùng để điều chỉnh các tham số của thuật toán và đánh giá mức độ tin cậy của mô hình - Học chủ động - Sử dụng dữ liệu đa dạng và phong phú cho quá trình học - Mô hình học máy - Là một vấn đề thường gặp trong học máy và có ảnh hưởng nhiều tới độ chính xác của các kỹ thuật học máy. - Phân cụm - 3 - Phân lớp và Hồi quy - Phân nhóm - Học tăng cường - Cả A và B - Học máy - Học không có giám sát - Phân cụm và Học tăng cường. - Tập dữ liệu huấn luyện - Kinh nghiệm - Bằng cách thử và sai - Một tập kinh nghiệm - Tập dữ liệu đầu vào của học có giám sát có gán nhãn trong khi tập dữ liệu đầu vào của học không có giám sát sẽ không được gán nhãn - Tác nhân và môi trường - Hồi quy tuyến tính - Là độ lệch trung bình giữa kết quả dự báo và giá trị quan sát trên tập dữ liệu huấn luyện - Vì hàm logit cho kết quả xấp xỉ tốt hơn hàm tuyến tính cho loại dữ liệu phân lớp - K-NN dùng để nhận dạng, phân loại mẫu dựa trên đặc điểm của K mẫu giống mẫu đang xét nhất - Xác định nhiễu trong một tập dữ liệu - Mô tả sự giống nhau giữa hai quan sát trong dữ liệu - Sử dụng dữ liệu và các quy luật làm dữ liệu đầu vào để phát triển thuật toán cho ra cầu trả lời. - Dựa trên các dự liệu thuật toán học máy có dán nhãn. Càng nhiều dữ liệu, thuật toán càng chính xác khi phân loại dữ liệu mới - Đánh giá mô hình bằng dữ liệu thẩm định - Bài toán nhận dạng - Q-learning - Hồi quy tuyến tính dùng trong dự báo, hồi quy logistic dùng trong phân lớp - PCA - Được sử dụng trong cả bài toán hồi quy và bài toán phân lớp - Thuật toán học có giám sát - Information Gain - Gini index - 1, 2 và 3 - C1: (4,4), C2: (2,2), C3: (7,7) - 10 - Học theo cây quyết định - Nút gốc, nút nội bộ( mang tên thuộc tính của CSDL), và nút lá( mang giá trị có thể của thuộc tính) - Giá trị dự đoán của biến mục tiêu cho trước các giá trị của các biến được biểu diễn bởi đường đi từ gốc tới nút lá đó - Duyệt từ nút gốc của cây cho đến khi đụng đến nút lá, từ đó rút ra lớp của đối tượng cần xét - Phương pháp Elbow - Số cụm - Một ví dụ đầu vào, dự đoán đầu ra là kiểu rời rạc - Không cần phải học n bộ phân loại cho n lớp - Một ví dụ đầu vào, dự đoán đầu ra là kiểu số thực - Thuộc tính có giá trị Information gain cao nhất - Số lẻ - Cả 2 phương án trên - Bài toán phân lớp và bài toán dự đoán/ hồi quy - Một hàm tính khoảng cách hình học - Tối thiểu hóa hàm đánh giá lỗi của hệ thống trong giai đoạn huấn luyện - Mức độ giảm về độ hỗn tạp - Entropy của một tập - Một tập các số thực - Bài toán phân lớp văn bản - Phương pháp học không giám sát - Tối thiểu một trong ba điều kiện trên thỏa mãn - SVM là một phương pháp phân lớp tuyến tính dùng để phân tách 2 lớp của dữ liệu - Mặt siêu phẳng có lề cực đại - KHÔNG - Tập dữ liệu không có nhãn - Vô số - k cụm - Phương thức trong trí tuệ nhân tạo để dạy máy tính xử lý dữ liệu theo cách lấy cảm hứng từ bộ não con người - Vì nó giúp tự động hóa các tác vụ đòi hỏi trí tuệ con người - Phân tích dữ liệu và đưa ra dự đoán trong nhiều ứng dụng khác nhau - Xử lý hình ảnh - Recurrent Neural Networks (RNNs) - Xử lý ngôn ngữ tự nhiên hiệu quả hơn - Tạo ra dữ liệu mới như hình ảnh và âm thanh - Xác định các vật thể, khuôn mặt, cảnh vật trong hình ảnh - Chuyển đổi âm thanh thành văn bản - Đề xuất sản phẩm hoặc nội dung dựa tren sở thích người dùng - Phát hiện bệnh trong hình ảnh y tế - Học máy không thể xử lí các bài toán phức tạp - Là cấu trúc giả lập cách thức hoạt động của neuron trong não bộ con người - Một neuron có thể có nhiều input và có nhiều output - 3 - Chỉ có thể làm việc với một input và một output - Học sâu - AI chứa ML và ML chứa DL - Học sâu - 4 - 1 - 1 - Các đặc trưng của dữ liệu cần được định nghĩa trong học máy, trong khi học sâu có thể tự xác định các đặc trưng của dữ liệu - Học sâu là một bộ phận của học máy dùng nhiều mạng neuron để mỗ phỏng khả năng suy diễn và ra quyết định của con người - Học sâu là lớp con của trí tuệ nhân tạo - Học máy là một lớp con của học sâu - Trích xuất các đặc trưng của dữ liệu - Giảm kích thước dữ liệu - Convolution Neural Network và Recurrent Neural Network - Học sâu - Đòi hỏi trích xuất đặc trưng một cách thủ công - Mô phỏng cấu trúc kết nối của não người - ReLU - Mạng nơ ron nhiều lớp ẩn - Giữa những năm 1980 - H.P. Luhn - Dữ liệu số trong cơ sở dữ liệu quan hệ - Tiến bộ công nghệ - Business Intelligence (BI) - Giám sát các nguồn văn bản trực tuyến - Công cụ tìm kiếm dựa trên tri thức cho các văn bản y sinh học - Các mô hình phân tích dự đoán - Dự đoán các kết quả mong muốn - Tự động hóa việc phân tích dữ liệu - Truy xuất thông tin (Information Retrieval) - Khai thác dữ liệu (Data Mining) - Phát hiện các thông tin hữu ích hoặc xu hướng tiềm ẩn từ văn bản phi cấu trúc - Truy xuất dữ liệu (Data Retrieval) - Cơ sở dữ liệu có cấu trúc - Hướng đến mục tiêu - Tìm một nhà hàng phục vụ đồ ăn chay - Phi cấu trúc - Có cấu trúc - Theo cơ hội - Tìm xu hướng về số lượt ghé thăm một nhà hàng chay - Không có cấu trúc - Tìm các loại ngộ độc thực phẩm thường liên quan đến đồ ăn nhanh - Trí tuệ nhân tạo - Hiểu ý nghĩa của một câu, một đoạn văn - Tạo ra một bản tóm tắt ngắn gọn từ một văn bản dài - Dịch từ ngôn ngữ này sang ngôn ngữ khác - Chuyển đổi âm thanh thành văn bản - Nghiên cứu cách con người xác định từ - Phân tích câu - Nghiên cứu cách con người học một ngôn ngữ - Syntax (Cú pháp) - Phân giải nhập nhằng từ - Dựa trên tập ngữ liệu - Hỏi đáp - Pragmatic (Thực chứng) ==End of OCR for page 39==