Giáo trình Trí tuệ nhân tạo cho sinh viên Công nghệ thông tin - Đỗ Trung Tuấn, NXB Giáo dục

Giáo trình Trí tuệ nhân tạo của tác giả Đỗ Trung Tuấn cung cấp kiến thức nền tảng về thể hiện tri thức, phương pháp giải bài toán và kỹ thuật suy diễn.

• Tác giả: Đỗ Trung Tuấn
• Người hướng dẫn: Quách Tuấn Ngọc
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Trí tuệ nhân tạo
• Loại tài liệu: Giáo trình
• Năm xuất bản: 1998
• Địa điểm: Hà Nội

Tóm tắt

I. Tổng quan về Giáo trình Trí tuệ nhân tạo CNTT Đỗ Trung Tuấn

Giáo trình Trí tuệ nhân tạo CNTT do Đỗ Trung Tuấn biên soạn cung cấp nền tảng kiến thức toàn diện cho sinh viên công nghệ thông tin. Nội dung bao quát lịch sử, khái niệm và các kỹ thuật chính trong lĩnh vực AI. Được thiết kế cho các bậc học từ đại học đến cao học, sách giúp người học nắm bắt lý thuyết và áp dụng thực tiễn. Các chương được sắp xếp logic, bắt đầu từ khái niệm cơ bản, tiến tới các phương pháp nâng cao như học máy và học sâu. Bên cạnh đó, giáo trình cung cấp ví dụ thực tế và bài tập thực hành, hỗ trợ quá trình tự học và giảng dạy. Nhờ cấu trúc rõ ràng, tài liệu đáp ứng nhu cầu của nhà giáo và sinh viên, đồng thời đóng góp vào việc chuẩn hóa kiến thức AI trong chương trình đào tạo công nghệ thông tin tại Việt Nam.

1.1. Mục tiêu của giáo trình

Giáo trình hướng tới việc xây dựng nền tảng kiến thức vững chắc về trí tuệ nhân tạo. Độc giả sẽ hiểu rõ các khái niệm cơ bản và nguyên lý hoạt động của các thuật toán AI. Ngoài ra, sách nhằm phát triển khả năng tư duy giải quyết vấn đề thông qua các bài tập thực hành. Mục tiêu cuối cùng là chuẩn bị sinh viên cho các dự án nghiên cứu và ứng dụng thực tế trong ngành công nghệ thông tin.

1.2. Đối tượng độc giả

Tài liệu nhắm đến sinh viên năm cuối và sinh viên cao học chuyên ngành công nghệ thông tin. Ngoài ra, giáo trình cũng hữu ích cho các giảng viên và nhà nghiên cứu muốn cập nhật kiến thức mới nhất về AI. Đối tượng chuyên gia kỹ thuật có thể sử dụng phần nội dung nâng cao để mở rộng kiến thức chuyên môn và áp dụng vào dự án thực tế.

II. Phân tích vấn đề của Giáo trình Trí tuệ nhân tạo CNTT

Mặc dù giáo trình cung cấp nội dung phong phú, vẫn tồn tại một số hạn chế. Một số chương chưa cập nhật các tiến bộ gần đây trong học sâu và xử lý ngôn ngữ tự nhiên. Độ sâu của các ví dụ thực tế còn hạn chế, gây khó khăn cho sinh viên khi triển khai dự án thực tế. Thêm vào đó, cách trình bày kiến thức có lúc quá lý thuyết, khiến người mới bắt đầu cảm thấy khó tiếp cận. Đối với giảng viên, thiếu tài liệu hướng dẫn giảng dạy chi tiết làm giảm hiệu quả truyền đạt. Những vấn đề này cần được xem xét để nâng cao chất lượng và tính thực tiễn của giáo trình trong bối cảnh công nghệ AI liên tục phát triển.

2.1. Thiếu cập nhật công nghệ mới

Các phương pháp học sâu mới như Transformer và GAN chưa được đề cập chi tiết. Điều này làm giảm khả năng học tập của sinh viên khi tiếp cận các dự án hiện đại. Cần bổ sung chương mới hoặc cập nhật nội dung hiện có để phản ánh xu hướng nghiên cứu và ứng dụng AI đang diễn ra.

2.2. Độ khó của ví dụ thực hành

Một số bài tập yêu cầu kiến thức nền tảng chưa được trình bày đầy đủ trong sách. Khi sinh viên gặp khó khăn, họ phải tìm tài liệu bổ sung, gây mất thời gian. Giải pháp là cung cấp hướng dẫn chi tiết, mã nguồn mẫu và giải thích từng bước thực hiện.

III. Giải pháp và phương pháp trong Giáo trình Trí tuệ nhân tạo CNTT

Để nâng cao chất lượng, giáo trình cần được cập nhật định kỳ và bổ sung các mô-đun thực hành. Đề xuất tích hợp các dự án thực tế dựa trên dữ liệu mở, cho phép sinh viên áp dụng các thuật toán AI vào bài toán thực tế. Thêm phần hướng dẫn sử dụng các công cụ phổ biến như TensorFlow, PyTorch và scikit‑learn sẽ giúp sinh viên nhanh chóng triển khai mô hình. Cấu trúc chương nên chia rõ ràng giữa lý thuyết và thực hành, kèm theo các bảng tóm tắt và sơ đồ luồng xử lý. Cuối mỗi chương, cung cấp đề thi mẫu và đáp án chi tiết để hỗ trợ việc tự kiểm tra kiến thức.

3.1. Cập nhật nội dung mới

Bổ sung các chương về mô hình Transformer, học tăng cường và AI giải thích. Cập nhật các ví dụ sử dụng dữ liệu hình ảnh, văn bản và âm thanh. Điều này giúp sinh viên nắm bắt xu hướng công nghệ và nâng cao năng lực thực hành.

3.2. Thực hành có hướng dẫn chi tiết

Mỗi bài tập nên kèm mã nguồn mẫu, giải thích từng hàm và cách chạy trên môi trường ảo. Cung cấp tài liệu thiết lập môi trường, cài đặt thư viện và khắc phục lỗi thường gặp. Hướng dẫn này giảm rào cản kỹ thuật và tăng hiệu quả học tập.

IV. Kết luận và ứng dụng của Giáo trình Trí tuệ nhân tạo CNTT

Giáo trình Trí tuệ nhân tạo CNTT đóng vai trò quan trọng trong việc chuẩn bị nguồn nhân lực AI cho Việt Nam. Khi được cải tiến liên tục, tài liệu sẽ đồng hành cùng sinh viên và giảng viên trong suốt quá trình học tập và nghiên cứu. Ứng dụng của giáo trình không chỉ giới hạn trong lớp học mà còn mở rộng tới các dự án nghiên cứu, cuộc thi hackathon và phát triển sản phẩm thương mại. Nhờ sự kết hợp giữa lý thuyết vững vàng và thực hành có hướng dẫn, giáo trình tạo nền tảng cho các thế hệ chuyên gia AI, đóng góp vào sự phát triển của ngành công nghệ thông tin trong kỷ nguyên số.

4.1. Tác động đến đào tạo AI

Sách cung cấp khung kiến thức chuẩn cho các chương trình đào tạo AI ở các trường đại học. Nhờ vậy, sinh viên có thể tiếp cận nhanh chóng các kiến thức nền tảng và chuyên sâu, tạo lợi thế cạnh tranh trong thị trường lao động.

4.2. Ứng dụng trong dự án thực tiễn

Các dự án học máy, nhận dạng hình ảnh và xử lý ngôn ngữ tự nhiên có thể dựa trên các ví dụ và hướng dẫn trong giáo trình. Điều này giúp giảm thời gian triển khai và tăng độ tin cậy của giải pháp AI trong doanh nghiệp.

Nội dung chính

Tổng quan về giáo trình

Giáo trình Trí tuệ nhân tạo (Artificial Intelligence) do Đỗ Trung Tuấn biên soạn, Quách Tuấn Ngọc hiệu đính và biên tập nội dung, được Nhà xuất bản Giáo dục phát hành năm 1998 (mã số xuất bản D1018B7). Về mặt tổ chức xuất bản, công trình chịu trách nhiệm bởi Giám đốc Phạm Văn An, Tổng biên tập Nguyễn Như Ý, cùng sự hỗ trợ chuyên môn từ Giáo sư Nguyễn Thúc Hải và Trung tâm Công nghệ thông tin thuộc Bộ Giáo dục và Đào tạo.

Trong chương trình đào tạo ngành Công nghệ thông tin, tài liệu được biên soạn phục vụ học phần Trí tuệ nhân tạo ở bậc đại học, đồng thời làm tài liệu tham khảo cho bậc cao học và các kỹ sư, cử nhân chuyên ngành. Giáo trình được xây dựng trên cơ sở các bài giảng đã triển khai tại một số trường đại học và kết quả từ các đề tài nghiên cứu về giáo dục - đào tạo giai đoạn 1996–1997.

Mục tiêu học tập của giáo trình tập trung vào hai hướng tiếp cận nền tảng:

• Cung cấp cơ sở lý thuyết để xây dựng các chương trình máy tính có khả năng mô phỏng hành vi thông minh và hỗ trợ con người ra quyết định.
• Nghiên cứu mô hình hóa nhận thức, giúp người học hiểu cách thức lưu trữ, biểu diễn và suy lý tri thức của con người để chuyển hóa thành các giải thuật tính toán.

Về cấu trúc, toàn bộ tài liệu dày 473 trang, gồm Lời mở đầu, 23 chương chia thành 3 phần chính và danh mục Tài liệu tham khảo:

• Chương 1: Giới thiệu tổng quan về lịch sử, khái niệm và các kỹ thuật phát triển trí tuệ nhân tạo.
• Phần I: Thể hiện tri thức và giải các bài toán (từ Chương 2 đến Chương 9).
• Phần II: Hệ thống giải bài toán (Chương 10 và Chương 11).
• Phần III: Học và nhận dạng quy luật (từ Chương 12 đến Chương 22).
• Chương 23: Tổng kết các vấn đề nghiên cứu.

Điểm đặc sắc của giáo trình là sự phân định rõ ràng giữa tin học cổ điển (xử lý dữ liệu số theo thuật toán tất định) và công nghệ nhận thức (xử lý tri thức ký hiệu, sự kiện và kỹ thuật heuristic). Nội dung sách đi sâu vào các cấu trúc hình thức hóa tri thức và các giải thuật tìm kiếm giải pháp có sử dụng tri thức bổ trợ.

---

Nội dung kiến thức cốt lõi

Các chương/chủ đề chính

Nội dung 23 chương của giáo trình được thiết kế theo tiến trình phát triển từ biểu diễn hình thức, cơ chế suy luận đến các hệ thống tự động học:

• Chương 1 – Tổng quan và các tiếp cận trí tuệ nhân tạo: Hệ thống hóa định nghĩa trí tuệ nhân tạo theo 4 tiếp cận chính (suy nghĩ giống con người, suy nghĩ có lý, hành động giống con người qua Thí nghiệm Turing 1950, và hành động có lý theo tác nhân lý trí).
• Chương 2 – Thể hiện tri thức: Trình bày 5 kỹ thuật biểu diễn cơ bản: bộ ba Đối tượng - Thuộc tính - Giá trị (O-A-V), sự kiện không chắc chắn, mạng ngữ nghĩa, logic mệnh đề và khung (Frame). Giới thiệu cấu trúc hệ thống dựa trên luật (Rule-based systems) và mô hình Bảng đen (Blackboard).
• Chương 4 & 5 – Kỹ thuật và phương pháp giải bài toán: Trình bày các cơ chế suy diễn tiến (forward chaining), suy diễn lùi (backward chaining), quay lui (backtracking), lan truyền ràng buộc, kỹ thuật so sánh khớp (pattern matching), cùng các giải pháp tìm kiếm heuristic như thuật toán leo núi (hill-climbing), tạo sinh và thử (generate-and-test), tìm kiếm đường đi tối ưu trên đồ thị.
• Chương 6 & 7 – Logic và thể hiện tri thức không chắc chắn: Trình bày việc sử dụng logic vị từ bậc một, thuật toán hợp nhất (unification algorithm) để chứng minh định lý, các cơ chế suy diễn không đơn điệu (non-monotonic reasoning), xử lý xác suất thống kê và nhân tố chắc chắn (Certainty Factor - CF).
• Chương 8 & 9 – Biểu diễn cấu trúc tri thức và mạng ngữ nghĩa: Phân tích mô hình mạng ngữ nghĩa có cấu trúc kế thừa qua quan hệ IS-A, cơ chế xử lý ngoại lệ, cấu trúc phụ thuộc khái niệm (conceptual dependency) của Schank và kịch bản (scripts).
• Chương 10 & 11 – Hệ thống giải bài toán và Perceptron: Giới thiệu bài toán lập kế hoạch bằng toán tử if-add-delete (STRIPS), hệ chuyên gia, trí tuệ nhân tạo phân tán, kiến trúc Blackboard (hệ HEARSAY-II của Erman 1980) và phân tích các hạn chế của mô hình Perceptron.
• Chương 12 đến 22 – Học và nhận dạng quy luật: Khảo sát toàn diện các mô hình học máy: học quy nạp qua các ví dụ, học dựa trên giải thích (EBL), sửa lỗi sai, thuật toán người láng giềng gần nhất ($k$-NN), không gian các thế hệ (Version Space), cây định tên (Decision Tree) dùng độ lộn xộn thông tin và kiểm định Fisher, mạng nơ-ron nhân tạo với giải thuật lan truyền ngược (Backpropagation), mạng xấp xỉ Gauss, và thuật toán di truyền (Genetic Algorithms).

Kiến thức nền tảng được xây dựng

Giáo trình cung cấp ba khối kiến thức lý thuyết nền tảng:

• Lý thuyết biểu diễn hình thức (Symbolic AI): Sử dụng logic mệnh đề, logic vị từ bậc nhất, thuật toán hợp nhất mệnh đề dạng chuẩn câu (clausal form) phục vụ bài toán chứng minh tự động và trả lời câu hỏi.
• Lý thuyết xử lý sự không chắc chắn: Hệ thống hóa lý thuyết chắc chắn thông qua hệ số tin cậy CF (nhân tố chắc chắn nhận giá trị từ -1.0 đến +1.0 khởi nguồn từ hệ MYCIN), và logic mờ của Lotfi Zadeh (1965) sử dụng hàm liên thuộc (membership values từ 0 đến 1) để định lượng các khái niệm nhập nhằng trong ngôn ngữ tự nhiên.
• Lý thuyết tìm kiếm trạng thái và Heuristic: Xây dựng trên các công trình của Judea Pearl (1984), mô hình hóa không gian trạng thái, cây bài toán AND/OR, và các hàm đánh giá nhằm giảm thiểu độ phức tạp tính toán trong các bài toán tổ hợp.

Kỹ năng phát triển

Thông qua nội dung các chương, tài liệu rèn luyện cho người học:

• Kỹ năng kỹ thuật (Technical skills): Cài đặt và mã hóa tri thức thành các tập luật IF-THEN có sử dụng biến; xây dựng mạng ngữ nghĩa có cơ chế thừa kế và loại trừ ngoại lệ; thiết lập cây quyết định; cài đặt thuật toán đạo hàm cục bộ trong lan truyền ngược (Backpropagation) và cấu hình các toán tử lai ghép, đột biến trong giải thuật di truyền.
• Kỹ năng phân tích (Analytical skills): Khả năng phân rã bài toán phức tạp thành các bài toán con độc lập; đánh giá chi phí tính toán giữa suy diễn tiến và suy diễn lùi; phân tích tính ổn định của các thuật toán tối ưu hóa khi gặp điểm cực trị địa phương (local maxima).
• Năng lực ứng dụng thực tiễn (Practical competencies): Thiết kế kiến trúc tổng thể cho hệ chuyên gia chẩn đoán hoặc tư vấn; xây dựng các bộ phân lớp dữ liệu thực nghiệm dựa trên mô hình học có giám sát và thuật toán tìm kiếm láng giềng.

---

Phương pháp giảng dạy và học tập

Giáo trình Trí tuệ nhân tạo của Đỗ Trung Tuấn áp dụng phương pháp sư phạm tiếp cận từ trừu tượng hóa hình thức đến cài đặt thuật toán cụ thể. Tác giả sử dụng nguyên tắc định nghĩa hình thức (Definition) đi kèm lược đồ minh họa và ví dụ số học thực tế để làm rõ các khái niệm trừu tượng.

Tài liệu sử dụng nhiều bài toán mẫu và trường hợp điển hình đã được chuẩn hóa trong lịch sử nghiên cứu trí tuệ nhân tạo:

• Mô hình lập luận chẩn đoán: Phân tích quy trình suy luận của hệ chuyên gia y học MYCIN (Shortliffe 1975) với cách xử lý trọng số niềm tin CF; bài toán chẩn đoán hỏng hóc hệ thống khởi động ô tô nhằm phân biệt giữa luật quan hệ, luật khuyến cáo, luật hướng dẫn và luật meta.
• Hệ thống phân tán Blackboard: Phân tích hệ thống nhận dạng tiếng nói liên tục HEARSAY-II (Erman 1980) với từ điển 1.000 từ, vận hành dựa trên 12 mô-đun chuyên gia độc lập trao đổi thông tin dị bộ qua bộ nhớ chung.
• Bài toán nhận thức và phân loại: Sử dụng bài toán phân loại đối tượng "chim" - "chim cánh cụt" - "chip chip" để kiểm tra tính kế thừa và xử lý ngoại lệ trong mạng ngữ nghĩa và khung (Frame của Minsky 1970); bài toán thế giới các khối hộp trong lập kế hoạch hành động.

Về phương pháp thực hành, sách yêu cầu sinh viên tiến hành các bài tập tính toán từng bước:

• Thực hiện thủ tục quay lui phụ thuộc và lan truyền ràng buộc trên mạng số liệu.
• Tính toán đạo hàm sai số và điều chỉnh ma trận trọng số trong thuật toán huấn luyện mạng nơ-ron nhiều lớp.
• Tính toán độ lệch và áp dụng phép thử chính xác Fisher (Fisher's exact test) để tỉa nhánh các luật thừa trong cây định tên.

Về phương pháp đánh giá và tự học, giáo trình đưa ra chỉ dẫn rõ ràng tại Lời giới thiệu: các nội dung được biên soạn linh hoạt nhằm phù hợp với số giờ giảng dạy có hạn của từng cơ sở đào tạo. Giảng viên có thể lựa chọn giảng dạy trọng tâm Phần I (Thể hiện tri thức và giải bài toán) làm kiến thức cốt lõi, hoặc mở rộng Phần III (Học máy) cho các chuyên đề nâng cao. Sinh viên tự học cần bám sát các định nghĩa hình thức, thực hiện lại các bước dò trạng thái trên sơ đồ thuật toán trước khi chuyển đổi sang mã nguồn lập trình.

---

Điểm nổi bật và cập nhật

Tại thời điểm xuất bản (1998), cuốn sách phản ánh đầy đủ tiến trình phát triển và các xu hướng nghiên cứu lớn của trí tuệ nhân tạo thế giới trong giai đoạn nửa cuối thế kỷ XX:

• Hệ thống hóa lịch sử theo các mốc phát triển quốc tế: Giáo trình ghi nhận sự hình thành từ phép thử Turing (1950), hội thảo Dartmouth (1956) với các đóng góp của Newell, Simon, Shannon, McCarthy; sự ra đời của ngôn ngữ LISP, IPL-V và hệ GPS (1969); các bước tiến về hệ chuyên gia trong thập niên 1970–1980, và xu hướng tích hợp thành phần thông minh vào hệ thống thông tin quản lý trong thập niên 1990.
• Cân bằng giữa hai trường phái tính toán: Thay vì chỉ tập trung vào trí tuệ nhân tạo biểu tượng (Symbolic AI) truyền thống vốn chiếm ưu thế trong các tài liệu trước đó, giáo trình dành riêng 11 chương của Phần III để trình bày trường phái kết nối (Connectionism) và tính toán mềm. Điều này thể hiện qua việc phân tích sâu cấu trúc nơ-ron sinh học mô phỏng, thuật toán lan truyền ngược, mạng xấp xỉ dùng hàm Gauss và giải thuật tối ưu hóa tiến hóa phỏng sinh học.
• Liên kết kỹ thuật phần mềm doanh nghiệp: Sách không cô lập trí tuệ nhân tạo như một ngành thuần lý thuyết, mà chỉ rõ phương pháp tích hợp cơ sở tri thức với các phần mềm tin học cổ điển. Chương 2 minh họa cụ thể việc luật IF-THEN gọi các chương trình viết bằng ngôn ngữ C, truy vấn cơ sở dữ liệu quan hệ bên ngoài và trích xuất dữ liệu từ các tệp bảng tính (spreadsheet).

---

Đối tượng sử dụng giáo trình

Giáo trình được thiết kế cho các nhóm độc giả sau:

• Sinh viên đại học chuyên ngành Công nghệ thông tin: Dùng làm tài liệu học tập chính thức cho môn học Trí tuệ nhân tạo, thường được bố trí ở năm thứ ba hoặc năm thứ tư.
• Học viên cao học và cán bộ nghiên cứu: Dùng để tham khảo các chuyên đề sâu về suy diễn không chắc chắn, tối ưu hóa tổ hợp, thuật toán di truyền và lý thuyết học máy.
• Kỹ sư và lập trình viên: Khai thác các mô hình giải thuật để xây dựng hệ thống hỗ trợ ra quyết định, phân tích dữ liệu, hoặc cài đặt các mô-đun phân loại thông minh trong các ứng dụng công nghiệp.

Yêu cầu kiến thức nền tảng (Prerequisites): Để tiếp thu trọn vẹn nội dung giáo trình, người học cần có kiến thức tiên quyết về:

• Toán học rời rạc và Logic toán: Nắm vững logic mệnh đề, logic vị từ bậc nhất, các phép toán đại số Boole và lý thuyết đồ thị (cây, đường đi tối ưu).
• Giải tích và Xác suất thống kê: Cần thiết để hiểu đạo hàm từng phần trong giải thuật lan truyền ngược, phân phối chuẩn trong hàm Gauss, kiểm định Fisher và công thức xác suất Bayes.
• Cấu trúc dữ liệu và giải thuật: Thành thạo các giải thuật đệ quy, duyệt đồ thị theo chiều rộng (BFS), duyệt theo chiều sâu (DFS), cấu trúc cây và danh sách liên kết.
• Kỹ thuật lập trình: Hiểu biết về cơ chế hoạt động của các ngôn ngữ lập trình xử lý ký hiệu (như LISP) hoặc các ngôn ngữ bậc cao (như C) để cài đặt các cấu trúc tri thức.

Đối với giảng viên, tài liệu đóng vai trò là đề cương khung chuẩn mực, cho phép phân bổ thời lượng thành các học phần 45 đến 60 tiết tùy theo mục tiêu của từng chương trình đào tạo.

---

Câu hỏi thường gặp

1. Giáo trình này phù hợp với ai?

Giáo trình phù hợp với sinh viên năm thứ ba, năm thứ tư đại học, học viên cao học chuyên ngành Công nghệ thông tin, Toán - Tin ứng dụng, cũng như các kỹ sư phần mềm cần tài liệu nghiên cứu chuẩn mực về cơ chế biểu diễn tri thức và giải thuật tối ưu.

2. Cần kiến thức nền nào để học giáo trình này?

Người học cần hoàn thành các học phần nền tảng: Toán rời rạc (logic hình thức, lý thuyết đồ thị), Cấu trúc dữ liệu và giải thuật (tìm kiếm, cây, đồ thị), Giải tích cơ bản (đạo hàm phục vụ huấn luyện mạng nơ-ron), Xác suất thống kê và kỹ năng lập trình bằng một ngôn ngữ bậc cao.

3. Điểm khác biệt của tài liệu so với các giáo trình khác cùng thời kỳ là gì?

Tài liệu có tính bao quát cao khi kết hợp hoàn chỉnh giữa biểu diễn tri thức ký hiệu (mạng ngữ nghĩa, khung, hệ dựa trên luật, logic vị từ) với các kỹ thuật học máy hiện đại (mạng nơ-ron lan truyền ngược, mạng xấp xỉ Gauss, giải thuật di truyền) trong một cấu trúc sư phạm chặt chẽ gồm 23 chương.

4. Làm sao để tự học giáo trình này hiệu quả?

Người học nên tiếp cận tuần tự theo 3 giai đoạn:

• Giai đoạn 1: Nắm vững Chương 1 đến Chương 6 để hiểu bản chất của biểu diễn tri thức O-A-V, cơ chế suy diễn tiến/lùi và các giải thuật tìm kiếm heuristic.
• Giai đoạn 2: Cài đặt thử nghiệm các cấu trúc luật IF-THEN và mạng ngữ nghĩa trên máy tính.
• Giai đoạn 3: Chọn lọc các chương thuộc Phần III (như Chương 17 về Cây định tên hoặc Chương 19 về Mạng thần kinh) để giải các bài toán nhận dạng mẫu cụ thể.

5. Có tài liệu bổ trợ nào kèm theo giáo trình không?

Cuối mỗi chương và tại trang 473 của giáo trình có danh mục tài liệu tham khảo chi tiết bằng tiếng Việt và tiếng nước ngoài. Tài liệu cũng giới thiệu các môi trường lập trình chuyên dụng cho trí tuệ nhân tạo như LISP, IPL-V và PLANNER để người học tra cứu và cài đặt thuật toán.

---

Kết luận

Giáo trình Trí tuệ nhân tạo của tác giả Đỗ Trung Tuấn là tài liệu học thuật mang tính nền tảng trong hệ thống đào tạo ngành Công nghệ thông tin tại Việt Nam cuối thập niên 1990. Công trình đã chuẩn hóa hệ thống thuật ngữ chuyên ngành tiếng Việt và xây dựng khung lý thuyết toàn diện về kỹ thuật biểu diễn tri thức, phương pháp giải quyết bài toán và các giải thuật học máy tự động.

Lộ trình học tập đề xuất từ tài liệu là đi từ việc hình thức hóa tri thức bằng logic và cấu trúc ký hiệu (Phần I), tiếp cận các mô hình tổ chức hệ thống thông minh phức tạp (Phần II), và tiến tới làm chủ các giải thuật học máy và mô hình phỏng sinh học (Phần III). Để nâng cao hiệu quả nghiên cứu, người học nên kết hợp nội dung giáo trình với các tài liệu tham khảo chuyên khảo được trích dẫn tại trang 473 và thực hành cài đặt thuật toán trên các hệ thống tính toán hiện đại.

Trích đoạn nội dung tài liệu

Chương 1 Mỏ ĐẨU GIỚI THIỆU Kiên thức là môì quan tâm trước tiên của con người. Ngưòi ta luôn luôn tìm kiếm thèm kiên thức, sử dụng nó và làm phong phú thêm thê giởi xung quanh mình. Con người đã có nhiều công cụ mở rộng kiến thức, trong đó máy tính là cái dáng kế nhất. Máy tính có thế xớ lý nhanh chóng và chính xác các dữ liệu.

Ngày nay nó không chỉ lưu trừ, tìm kiếm và xử lý các dữ hệu mà nó còn giừ vai trò ra các quyết dinh. Trong thòi gian ngán, công nghệ dã đưa con ngưòi từ việc xử lý dữ liệu, qua việc xử lý thông tin, đên việc xứ lý tri thức. Một lĩnh vực nghiên cứu đóng góp vào công việc này là trí tuệ nhản tạo. Mục đích trước tiên của trí tuệ nhân tạo là phát triển các chương trình dể các máy tính nghĩ như con ngưòi.

Mục đích này nhàm vào việc chế tạo các chiếc máy thông minh hỗ trợ con người thông qua nhiệm vụ ra quyết định. Mục đích thứ hai cúa trí tuệ nhân tạo là hiểu cách suy lý cua con người. Để phát triển chương trình ứng dụng, cần thiết hiểu cách thức mà con người lưu trữ và xử lý các kiến thức. Thành công thu dược cho phép con ngưòi biết cách sử dụng tôt nhất các kiến thức phát minh.

Các nội dung trong tài liệu Một s6' điểm đáng quan tâm về ngành khoa học này lần lượt dược giới thiệu trong các chương. • Biểu diễn tri thức, gồm các phương pháp dùng luật, logic, mạng ngữ nghía, hoặc khung được trình bày trong các chương 2 và chương 3. Riêng mạng ngữ nghĩa được trình bày trong chương 9. Chương 6 và chương 7 mô tả cách biểu diễn tri thức chưa được mô tả trong các chương 2 và chương 3; đặc biệt các thể hiện cấu trúc của tri thức được trình bày trong chương 8.

• Một số phương pháp giải các bài toán về trí tuệ nhân tạo. Chương 4 sẽ giôi thiệu một s& phương pháp dùng để giải các bài toán. Chương 5 và chương 6 sẽ đề cập các phương pháp giải. The hiện tri thửc và giiii các hni toán ('hơdiìg 2.

nìiê lìiện t ri 1 hức ('hiking 3. Van dế gi:ii hài (oán ('hưiing 8.liicu (lien cau t rúc cúa 1 ri ('hư(íng 9. ('ác mạng ngữ nghĩa và mỏ E sự thức giông nhnu Chương 4. Một số kỹ thuật chuân hị giỉíi bài toán ('hươiìg 5.

Một số Ị)hương pháp giãi bài toán (. Logic mệnh(lổ trong việc giãi ('hư(íng 7. 'riìô hiện tri 1 hức khôiìg chác l)ài toán clìân 1'liần 11.Hệ thống giai hài toán ('lìưdiiK 10. Một s(v hệ thòng gi;n bài toán ('hương 11.ỉ^n-ccplron Phần III.

Học và nhận dạng quy luật ('hương 12. Học bằng cách Ị)hán I ích í'hư(Jng 1 õ Hợc nlìờ ghi nhận các sự khác nhau t ntờng hợp ('liương 16. Học theo cách(ịuân lý da ('hưdng 17 Học hằng cáclì xây (lựng mô hình cày(hnh tên ('hương 13. Học b?ing cách giãi l lìích ('hưdng 18.

Học hãng cách hlia 11 kinli nghiệm hi5rén mạng thần kiiìh (thương 14. Học nliờ sữa chừa các lỗi Chương 19. Học b?mg cách huấn sai luyện pprcoptron Chương 2〇. Học b;\ng cách huấn luyện các mạng xap xì Chương 21.Học bằng cách mô phóng sự t iến hón 2 • Một số hệ thống giải bài toán về trí tuệ nhân tạo được trình bày tại chương 10.

Chương 11 giới thiệu phương pháp Perceptron. • Bài toán học máy tính được xem như phần riêng. Chúng dược trình bày trong các chương, từ chương 12 dến chương 21. Loài người tự cho mình ìà người thông minh (homo sapiens) vì khá nãng trí tuệ là rất quan trọng trong cuộc sống hàng ngày và tình cám của mỗi người.

Lĩnh vực của trí tuệ nhân tạo nhằm vào việc hiểu các thực thê thông minh. Do đó một trong các lí do để nghiên cứu là học về bản thân con ngưòi. Nhưng không gióng như những nhà tâm lý học hay triết học, trí tuệ nhân tạo còn xây dựng các thực thế thông minh và hiếu chúng. Một lí do khác để nghiên cứu trí tuệ nhân nhân tạo là các thực thế thông minh dược xây dựng nên củng có ích và hấp dẫn con người.

Từ trưởc dến nay, trí tuệ nhân lạo dà cho nhiều kêt quả và cho dù trong tương lai người ta chưa biết nó ra sao, nhưng chắc chắn rằng máy tính với trí tuệ như con ngitòi sẽ tác dộng mạnh dên cuộc sòììg và vàn minh cúa con ngưòi. Trí tuệ nhân tạo dặt ra nhiều triển vọng về khả năng chê ngự thế giới. Nó hứa hẹn các khả năng vượt lên hẳn các công cụ diện tử, sinh học. mà nó sử dụng dể phát triển.

Trong công nghệ thông tin, trí tuệ nhân tạo là ngành mới. Nó dược hình thành mớì từ năm 1956. Nhiều nhà khoa học ngành khác hay cho trí tuệ nhân tạo là ngành như tự thản nó muốn tồn tại. Chẳng hạn như người làm công tác vặt lý có thế cho ràng các ý tưởng lớn dã do các bậc tiền bói như Galileo, Newton.

thực hiện, và phải qua nhiều nàm nữa mới có thể có ý tương mới lạ. Việc nghiên cứu trí tuệ tuy thế cũng dã có từ lâu. Trên 2000 nãm trước, các nhà triết học đã cố đê hiểu cách thức nhìn nhận, học tập, nhớ và suy lý. Việc ra đòi của máy tính diện tứ vào dầu những năm 50 sinh ra khuynh hướng đưa các lĩnh vực nghiên cứu trí tuệ về các vấn dề lí thuyết và thực nghiệm trên máy.

Nhiều người cảm thấy "bộ não siêu điện tử" là tiềm năng không hạn chế dối với cho trí tuệ. Đồng thòi với việc tạo ra các thực thể trí tuệ nhân tạo, máy tính còn cung cấp công cụ dể kiểm nghiệm các lý thuyết thông minh, và thực tế cho thấy nhiều lý thuyết dã klìông trụ được. Trong khi đó, trí tuệ nhân tạo càng khó hơn và có nhiều ý tưởng hiện đại hơn. Trí tuệ nhân tạo bao quát rất nhiều lĩnh vực nghiên cứu hẹp.

Nó nghiên cứu từ các lình vực tổng quát như máy nhặn biết perceptron, suy luận logic, đến các bài toán như chơi cd, chứng minh định lý, làm thơ, hay chẩn đoán bệnh. Thường thì các nhà khoa hộc trong các lĩnh vực khác đến dần dần tới trí tuệ nhân tạo để hệ thông hóa và tự động hóa các xử lý tri thức. Và những người khác cũng có thể tìm thấy ở trí tuệ nhân tạo các phương pháp phù hợp trong công việc thuộc lĩnh vực mang tính người.TRÍ TUỆ NHÂN TẠO ? 1. Máy tinh và trí tuệ nhân tạo Theo M.

Minsky "trí tuệ nhân tạo nhằm mô phỏng bằng mảy tính vế hành vi thòng minh của con người". Tuy nhiên, định nghĩa này cũng mới cho thấy một mặt của trí tuệ nhản tạo. Để định nghía rõ thêm về trí tuệ nhân tạo, người ta dựa trên hai quan điểm cỉã được chấp nhận khi nhìn nhận về vai trò phục vụ của máy tính cho ngành trí tuệ nhân tạo: 1. Quan điểm của người nghiên cứu nhừng cơ chế của trí tuệ cho ràng máy tính như phương tiện mô phỏng đế thứ một mô hình hay một định lý.

Quan điểm khác cho rằng máy tính có nhiều khả năng chủ động. Do vậy, cần cố gắng để sản xuất các máy tính có khả nàng thông minh con người, như các khả nâng thu nhặn tri thức, nhận dạng, suy luận, hoặc ra quyết dinh. Khi làm việc vói trí tuệ nhân tạo, quan điểm thứ hai có khuynh hưởng mô phỏng máy tính như thiết bị có có hành động thõng minh; tuy vậy trong các ứng dụng cụ thế cùng chi mới dừng ỏ mức như quan điểm thứ nhất dã khảng định. Các định nghía về trí tuệ nhân tạo trong các tài liệu xuất bán gần dây cho thấy nó thuộc haí hưóng chính là (i) xử lý các suy nghĩ và suy ỉý\ và (ii) hên quan dên hành vì.

Theo mỗi hướng, người ta chia ra cách xác định theo hoạt động mang tinh người hay theo các khái niệm mang tính tư tưởng cùa trí tuệ, tức ý chí con người. Các hệ thống suy nghĩ giống con Các hệ thống suy nghĩa theo ý người chi Theo tài liệu của Haugeland vào nãni Theo tài liệu của Charniak và 1985 "Kích thích cố gắng mới làm các máy McDermott nam 1985 "Nghiên cứu tính suy nghĩ. các máy có bộ óc, theo nghĩa các phương tiện thần kinh thông qua đẩy đủ." việc sử dụng các mô hình tính toán" Theo tài liệu của Bellman năm 1978 "Tự Theo tài liệu của Winson vào động của các hoạt động liên quan đến suy năm 1992 "Nghiên cứu các tính toán nghĩ mang tính người, các hoạt động như ra để có thể nhặn biết, suy lý và hành quyết định, giải bài toán, học." động" 4 Các hệ thống hành dộng như con Các hệ thống hành dộng theo người ý chi Theo tài liệu của Kurzweil năm 1990 Theo tài liệu cúa Schalkoff năm "Nghệ thuật sinh 1'a các máy thực hiện các 1990 "Linh vực nghiên cứu đô tìm *Í tuệ khi con người vạn chức nâng dòi hỏi 11 cách giai thích và bát chước hành vi hành" thông minh hang các quá tìình tính toán" Theo tài liệu cúa Rích và Knight năm 1991 "Nghiên cứu cách thức làm máy tính Theo tài liệu cúa Luger và thực hiện công việc mà khi dó con người Stuhblcfield nám 1993 "Một ngành thực hiện tôt hơn" khoa học máy tính hên quan dôn tự dộng hóa hành vi thông minh" Hình 1-1. Các định nghĩa vể trí tuệ nhân tạo.

vể lịch sứ thì xem như có bốn tiếp cận như trong' bảng. Qua đó người ta thấy chúng xoay quanh con ngưòi và ý chí. Tiếp cận lấy con ngưòi làm trung tâm cần theo khoa học kinh nghiệm, cần các gia thuyêì và khảng định theo kinh nghiêm. Còn tiếp cận ý chi yêu cầu tô hợp toán học và công nghệ.

Mỗi nhóm có thế liên quan đến nhóm kia. nhưng thực sự họ có các kết quá ý nghía riêng.Hoạt dộng mang tính người dược dặc trưng bằng tiếp cận thi nghỉệrn Turing Thí nghiệm Turing do Alan Turing dề xuất nâm 1950 dể dáp ứng việc xác dịnh về thao tác của trí tuệ. Turing xác định trí tuệ như thuộc tính để dạt dược hiệu quả ỏ mức con người trong công tác nhận thức. Theo mô tả dơn giản thì máy do Turing đề xuất đáp ứng các câu hỏi của con ngưòi thông qua một máy diện tín.

Ngày nay máy tính dùng chương trình thực hiện được hết các thí nghiệm, và cần có khả năng sau : • Xử lý ngôn ngữ tự nhiên, cho phép con người hên lạc với máy. ít ra là bằng tiếng Anh. • Thề hiện tri thức dể lưu trữ các thông tin trước và trong lúc người đôi thoại với máy. • Suy diễn tự động được dùng để lưu các câu trả lòi và cho ra các kết luận.