ĐỀ CƯƠng môn học nhập môn trí tuệ nhân tạo thông tin về giảng viên

Họ và tên: Lê Phi Hùng

Chức danh, học hàm, học vị: Thạc sĩ

Thời gian, địa điểm làm việc: Khoa Công Nghệ Thông Tin, Đại Học Nông Lâm Tp.HCM

Địa chỉ liên hệ: Khu Phố 6, Phường Linh Trung, Quận Thủ Đức

Điện thoại, email: (0)8-7242623, hunglephi@hcmuaf.edu.vn

Các hướng nghiên cứu chính: Hệ thống Thông tin, Xử lý Ảnh, Web ngữ nghĩa (Semantic Webs)

Thông tin về trợ giảng (nếu có) (họ và tên, địa chỉ liên hệ, điện thoại, e-mail):

Lê Quân Hà, Tiến sĩ, Khoa Công Nghệ Thông Tin, Đại Học Nông Lâm Tp.HCM, (0)8-7242623, lequanha@hcmuaf.edu.vn

2. Thông tin chung về môn học

• 
  Tên môn học: Trí tuệ Nhân tạo
  
• 
  Mã môn học: 214463
  
• 
  Số tín chỉ:
  
• 
  Môn học: Bắt buộc
  
• 
  Các môn học tiên quyết:
  
• 
  Các môn học trước: Lập trình nâng cao
  
• 
  Các môn học kế tiếp: “Đồ họa” và “Xử lý Ảnh”
  
• 
  Các yêu cầu đối với môn học (nếu có):
  
• 
  Giờ tín chỉ đối với các hoạt động:
  

+ Làm bài tập trên lớp: 7 tiết bao gồm trong giờ lý thuyết

+ Thảo luận: 7 tiết bao gồm trong giờ lý thuyết

+ Thực hành, thực tập (ở PTN, nhà máy, studio, điền dã, thực tập...): Thực hành Phòng thí nghiệm 60 tiết

+ Hoạt động theo nhóm: Đồ án tự làm 30 tiết

+ Tự học: 105 tiết về nhà

- Địa chỉ Khoa/ bộ môn phụ trách môn học: Bộ môn Hệ thống Thông tin, Khoa Công Nghệ Thông Tin, Đại học Nông Lâm Tp.HCM, Khu phố 6, Phường Linh Trung, Quận Thủ Đức

3. Mục tiêu của môn học

• 
  Kiến thức: cung cấp cho sinh viên những kiến thức cơ bản và cần thiết về lĩnh vực trí tuệ nhân tạo và các ứng dụng của trí tuệ nhân tạo trong đời sống.
  
• 
  Kỹ năng: nâng cao kỹ năng lập trình bằng ngôn ngữ Java dùng công cụ Eclipse thông qua các bài tập thực hành.
  
• 
  Thái độ, chuyên cần: tìm tòi sáng tạo, độc lập tư duy có hiệu quả
  

Môn học này giải quyết một giấc mơ cổ xưa nhất: tạo ra các máy móc có sức mạnh và khả năng trí não, nhận lấy vấn đề sinh học và triết học với xử lý và công nghệ. Với sự tiến đến của máy tính, thông minh nhân tạo chính thống dường như đã trở nên khả thi, và trí tuệ nhân tạo (TTNT) nổi bật như một nghiên cứu nghiêm túc.

• 
  Giới thiệu tổng quan về lĩnh vực Trí tuệ nhân tạo.
  

• 
  Turing Test.
  
• 
  Định nghĩa các chuyên ngành của Trí tuệ Nhân tạo: xử lý ngôn ngữ tự nhiên, suy luận tự động, học máy, v.v…
  

• 
  Tóm tắt lịch sử phát triển của lĩnh vực Trí tuệ nhân tạo.
  
• 
  Một số thành tựu và ứng dụng của Trí tuệ nhân tạo trong đời sống.
  

• 
  Giới thiệu các dự án robot.
  
• 
  Giới thiệu hệ thống hỏi đáp xử lý ngôn ngữ tự động.
  

• 
  Biểu diễn tri thức là gì.
  
• 
  Các độ đo để đánh giá một lược đồ biểu diễn tri thức.
  
• 
  Lược đồ biểu diễn logic.
  
• 
  Các luật suy luận.
  
• 
  Các mạng ngữ nghĩa.
  
• 
  Các khung và các đoạn.
  
• 
  Các cây quyết định.
  

• 
  Agent và môi trường.
  
• 
  Các agent hợp lý.
  
• 
  Thiết lập độ đo, môi trường.
  
• 
  Các loại môi trường.
  
• 
  Các loại agent.
  
• 
  Cài đặt hàm cảm nhận agent máy hút bụi tự động.
  

• 
  Cú pháp và ngữ nghĩa của logic vị từ.
  
• 
  Sử dụng logic vị từ.
  
• 
  Thí dụ Wumpus trong logic vị từ.
  
• 
  Công nghệ tri thức trong logic vị từ.
  

• 
  Rút gọn suy luận trong logic vị từ về suy luận mệnh đề.
  
• 
  Phép đồng nhất.
  
• 
  Luật khẳng định tổng quát.
  
• 
  Lập luận tiến.
  
• 
  Lập luận lùi.
  
• 
  Hợp giải.
  

• 
  Các agents với cơ sở tri thức.
  
• 
  Wumpus world
  
• 
  Logic tống quát.
  
• 
  Logic mệnh đề.
  
• 
  Tương đương logic, hằng đúng, khả thỏa.
  
• 
  Suy luận logic và chứng minh định lý.
  
• 
  Thuật toán Vương Hạo.
  
• 
  Phương pháp hợp giải.
  
• 
  Lập luận tiến.
  
• 
  Lập luận lùi.
  
• 
  Cài đặt phương pháp Vương Hạo.
  
• 
  Cài đặt phương pháp hợp giải.
  
• 
  Cài đặt Wumpus world.
  

• 
  Các agent có khả năng giải quyết vấn đề.
  
• 
  Các loại vấn đề.
  
• 
  Phát biểu bài toán.
  
• 
  Các thuật toán tìm kiếm cơ bản:
  

• 
  Thuật toán tìm kiếm theo chiều rộng (Breadth-first search – BFS).
  
• 
  Thuật toán tìm kiếm theo chi phí thống nhất (Uniform-cost search).
  
• 
  Thuật toán tìm theo chiều sâu (Depth-first search – DFS).
  
• 
  Thuật toán tìm theo chiều sâu có giới hạn (Depth-limited search).
  
• 
  Thuật toán tìm theo chiều sâu lặp (Iterative deepening search – IDS).
  
• 
  Tìm kiếm 2 chiều.
  

• 
  Cài đặt các thuật toán tìm kiếm BFS, DFS, Uniform-cost search, Depth-limited search, IDS.
  

• 
  Các chiến lược tìm kiếm.
  
• 
  Các hàm Heuristic.
  
• 
  Tìm kiếm Best-first và các biến thể.
  

• 
  Giải thuật tham ăn (greedy).
  
• 
  A*.
  
• 
  Iterative-deepening A* (IDA*).
  
• 
  Recursive best-first search.
  
• 
  A* với bộ nhớ giới hạn.
  

• 
  Tìm kiếm cục bộ và tối ưu hóa:
  

• 
  Giải thuật leo đồi (hill climbing).
  
• 
  Tabu search.
  
• 
  Simulated Annealing.
  
• 
  Giải thuật di truyền (genetic algorithm).
  

• 
  Áp dụng giải thuật A* giải bài toán 8-puzzle.
  
• 
  Cài đặt thuật giải leo đồi
  
• 
  Cài đặt giải thuật di truyền, áp dụng giải bài toán 8-hậu.
  

• 
  Các quyết định tối ưu trong Games.
  
• 
  Trò chơi tic-tac-toe.
  
• 
  Thuật toán min-max.
  
• 
  Cắt nhánh -.
  
• 
  Cài đặt thuật toán min-max
  
• 
  Cài đặt thuật toán -.
  

• 
  Học theo cây quyết định.
  
• 
  Học theo mạng neural.
  
• 
  Ứng dụng mạng neural trong nhận dạng chữ viết tay và phục hồi ảnh.
  
• 
  Cài đặt cây quyết định.
  

• 
  Cài đặt mạng neural.
  

1. 
   S. Russell and P. Norvig, Artificial Intelligence: A Modern Approach, Prentice Hall, 2003, Second Edition.
   
2. 
   Eugene Charniak and Drew McDermott, Introduction to Artificial Intelligence, 1999, Second Edition.
   
3. 
   J. Finlay and A. Dix, An Introduction to Artificial Intelligence, UCL Press Limited, 1997.
   
4. 
   N. Forbes, Imitation of Life: How Biology is Inspiring Computing, Cambridge MA, MIT Press, 2004. (Bìa thường: ISBN 0262562154; Bìa cứng: ISBN 0262062410).
   
5. 
   M. Sipper, Machine Nature: The Coming of Bio-Inspired Computing, Cambridge MA, MIT Press, 2002. (ISBN 0071387048).
   

Đây là một môn học Năm 3. Các môn học Năm 3 thêm vào các kỹ năng học đạt được từ các môn học trước đây tại các Năm 1 và 2. Chúng được dự tính chỉ cho các sinh viên có kinh nghiệm gần đây về giáo dục bậc cao hơn trong một môn liên quan. Những môn học liên quan này không cần được rút ra từ các môn học toán và xử lý khác; nhưng để học TTNT sinh viên phải là một người sử dụng công nghệ máy tính có năng lực và có một vài kỹ năng lập trình. Mặc dù một nền tảng về toán học không có yêu cầu, sinh viên nên cảm thấy thoải mái với một lượng nhất định của hệ thống ký hiệu toán học, bao gồm ký hiệu đại số thành viên và véc-tơ. Trong một vài bài tập, các sinh viên được yêu cầu làm việc qua các vấn đề đơn giản. Môn học theo đội có cố gắng để giữ nội dung toán học đến tối thiểu và tất cả ký hiệu sử dụng được giải thích trong một bảng chú giải riêng biệt.

Môn học này bao gồm 2 phần lý thuyết và thực hành riêng rẻ. Cụ thể như sau:

Giảng trên lớp (Lecture) bằng các slide

1. 
   Giảng bằng tiếng Việt có chú thích tiếng Anh cho các từ khoá. Sinh viên đọc giáo trình bằng tiếng Anh.
   
2. 
   Trước khi đến lớp sinh viên đọc trước ở nhà chương sách giáo khoa liên quan trong đề cương.
   
3. 
   Sinh viên sẽ đến lớp để xem và nghe giảng viên nhấn mạnh các khái niệm và các ý tưởng quan trọng hay khó của mỗi chương.
   
4. 
   Sau buổi giảng, sinh viên làm các thí dụ đã cho trong giờ giảng và/hay trong sách để xem mình đã hiểu đầy đủ những khái niệm này chưa.
   
5. 
   Làm các bài tập và câu hỏi trong sách (như đã cho trong đề cương) để kiểm tra xem mình đã hiểu chưa.
   
6. 
   Nếu sinh viên có vấn đề với các bước 1-3 trên, sinh viên cần thảo luận với bạn bè hay mang chúng đến giờ bài tập để thảo luận.
   

1. 
   Thực hành trên máy qua các bài tập nhỏ và một số bài tập ôn sử dụng tất cả nội dung đã học
   
2. 
   Sinh viên sẽ được chia thành nhóm để làm bài tập dưới sự hướng dẫn của trợ giảng.
   
3. 
   Trước khi đến giờ thực hành sinh viên nên làm thử càng nhiều càng tốt các bài tập đã cho.
   
4. 
   Ghi lại những khó khăn khi thử làm trước bài tập này, rồi mang những khó khăn này đến hỏi hay trao đổi trong giờ thực hành
   

Phân chia các mục tiêu cho từng hình thức kiểm tra - đánh giá

• 
  Tham gia học tập trên lớp (đi học đầy đủ, chuẩn bị bài tốt và tích cực thảo luận, …): 10%
  
• 
  Phần tự học, tự nghiên cứu (hoàn thành tốt nội dung, nhiệm vụ mà giảng viên giao cho cá nhân /tuần; bài tập nhóm /tháng; bài tập cá nhân/ học kì, …): Bản thu hoạch đồ án 30%
  
• 
  Hoạt động theo nhóm: Thuyết trình 20%
  
• 
  Kiểm tra - đánh giá cuối kì: 40%
  

Sinh viên được chia thành từng nhóm để hoàn thành một đồ án riêng biệt cho mỗi nhóm chẳng hạn:

• 
  Trò chơi Liên-Bốn
  
• 
  Mạng Neural dùng cho Nhận dạng Ký tự OCR
  
• 
  Agent luận lý: Thế giới Wumpus
  

Khi đánh giá đồ án các nhóm sinh viên đặc biệt quan tâm đến chất lượng lập trình, phong cách viết báo cáo kỹ thuật rõ ràng, không sao chép và kỹ năng trình bày, giải thích các điểm nội dung kỹ thuật khi thuyết trình.