Machine Translated by Google

Dự Thảo Ý Tưởng Lớn 2 - Biểu Đồ Tiến Triển www.AI4K12.org

Ý tưởng lớn #2: Biểu diễn & Lập luận

.

Những hiểu biết chính Giải trình

Biểu diễn là cấu trúc dữ liệu; phương pháp suy luận là thuật toán. Trí tuệ nhân tạo sử dụng các công cụ của khoa học
máy tính: cấu trúc dữ liệu và thuật toán.

Đại diện hỗ trợ lý luận; các phương pháp suy luận hoạt động trên các biểu diễn. Biểu diễn và lập luận phụ thuộc lẫn nhau.

Hai kiểu biểu diễn tri thức chính là biểu diễn ký hiệu và biểu diễn số. Lập luận với các biểu diễn ký hiệu được thực
hiện bằng cách sử dụng các quy tắc suy luận logic,
trong khi lập luận với các biểu diễn số sử dụng các
hàm toán học phức tạp như mạng lưới thần kinh.

"Biết" một cái gì đó có nghĩa là khả năng vừa đại diện cho nó vừa suy luận với nó. Sách và video có thể đại diện cho kiến thức nhưng chúng
không "biết" những thứ vì chúng không thể sử dụng kiến
thức đó.

Các đại lý được coi là thông minh nếu họ sử dụng một chu kỳ hành động có chủ ý-ý nghĩa không tầm Để được coi là thông minh, ít nhất một trong các
thành phần cảm giác, có chủ ý (lý trí) hoặc hành động
thường để đạt được tiến bộ trong việc đạt được mục tiêu của họ.
phải đòi hỏi sự phức tạp trong tính toán hoặc sức
mạnh tính toán đáng kể. Dụng cụ mở cửa nhà để xe
không phải là tác nhân thông minh vì cảm giác, lý luận
và hành động của chúng đều tầm thường.

V.0.1 - Phát hành ngày 28 tháng 6 năm 2021 Có thể thay đổi dựa trên phản hồi của công chúng
Machine Translated by Google

Dự Thảo Ý Tưởng Lớn 2 - Biểu Đồ Tiến Triển www.AI4K12.org

Ý tưởng lớn #2: Biểu diễn và suy luận Máy tính duy trì biểu diễn của LO = Mục tiêu học tập: Học sinh có thể làm gì.

thế giới và sử dụng chúng để lập luận. EU = Hiểu biết lâu dài: Những điều học sinh nên biết.
Mô tả giải nén được bao gồm khi cần thiết để minh họa LO hoặc EU

Ý tưởng K-2 3-5 6-8 9-12

đại diện LO: Lập bản đồ nhà, trường học hoặc khu phố. LO: Thể hiện cách các kiểu bản đồ khác nhau nắm bắt các khía LO: Chỉ ra cách một bàn trò chơi (ví dụ: tic-tac-toe, Chutes LO: Mô tả cách biểu diễn một khái niệm dưới dạng lược
(Trừu tượng hóa) cạnh khác nhau của thế giới. and Ladders, Monopoly, cờ vua) có thể được thể hiện bằng một đồ.

mô tả bằng ngôn ngữ đơn giản.

2-Ái EU: Bản đồ không phải là lãnh thổ. Bản đồ là một EU: Bản đồ có thể chính xác về mặt hình học hoặc chỉ hiển thị
đại diện của một lãnh thổ. những địa điểm nào có thể đến được từ những địa điểm khác
(cấu trúc liên kết). Chúng có thể chứa nhiều loại thông tin, chẳng
hạn như tên và quy mô của các thành phố và thị trấn hoặc loại
đường kết nối chúng.
Unpacked: Ô tô tự lái dựa vào bản đồ đường bộ để lên kế hoạch cho các
tuyến đường của chúng. Bản đồ tuyến đường tàu điện ngầm, xe lửa và xe
buýt có thể ở dạng hình học hoặc tô pô.
EU: Thông tin cần thiết trong một bàn trò chơi là tập hợp các
ô vuông tạo nên bàn cờ, mối quan hệ giữa các ô
vuông đó và vị trí của các quân cờ.
Giải nén: Các chương trình chơi trò chơi hoạt động
trên các biểu diễn trừu tượng của các bảng. Một chương trình
cờ vua biết thứ hạng và tập tin của tất cả 64 ô vuông, nhưng
không đại diện cho các thuộc tính của một bàn cờ vật lý, chẳng
hạn như kích thước hoặc vật liệu làm nên bàn cờ.
EU: một lược đồ mô tả một khái niệm bằng cách liệt kê các
siêu khái niệm của nó và xác định các thuộc tính của nó,
một số trong đó có thể được kế thừa từ các siêu khái niệm.
Các ví dụ có thể được tìm thấy tại schema.org.
Đã giải nén: hàng triệu trang web sử dụng biểu diễn
lược đồ để làm cho thông tin trở nên dễ hiểu đối với các
chương trình AI sử dụng biểu đồ tri thức. chẳng hạn như
công cụ tìm kiếm và hệ thống giới thiệu.
Ví dụ bao gồm lược đồ dành cho các doanh nghiệp như nhà
hàng và lược đồ mô tả các tác phẩm sáng tạo như
sách, phim và phim truyền hình.

đại diện LO: Cho ví dụ về các biểu tượng bạn gặp trong cuộc sống
(Đại diện hàng ngày.
tượng trưng)
EU: Các khái niệm có thể được biểu diễn bằng các ký hiệu
2-A-ii thay cho từ ngữ.
Unpacked: Ví dụ về các biểu tượng bao gồm ký hiệu nam và nữ
trên nhà vệ sinh, biểu tượng cảm xúc, bộ đồ
chùy/kim cương/trái tim/bích trong bộ bài, ký hiệu đô la
và xu cho tiền tệ, hình bát giác màu đỏ cho ký hiệu dừng
và biểu tượng chất độc "Mr. Yuk". Các chương trình AI sử
dụng các biểu tượng giống như con người.
LO: Cho ví dụ về cấu trúc cây thường được mọi người sử dụng và
giải thích mối quan hệ giữa các thành phần.
EU: Nhiều loại thông tin có cấu trúc phân cấp, có thể được
hình dung dưới dạng cây.
Đã giải nén: Cây tổ tiên, nguyên tắc phân loại, mục lục,
cây tổ chức và các dạng sơ đồ tư duy đơn giản đều có cấu trúc
phân cấp giống nhau: mỗi nút lưu gốc có một liên kết duy nhất đến
nút mẹ xuất hiện cao hơn trong hệ thống phân cấp. Thông tin
phân loại là một phần quan trọng của biểu đồ tri thức được các
hệ thống AI sử dụng và thường tạo thành cấu trúc cây trong biểu
đồ lớn hơn.
LO: Minh họa bản dịch của một cấu trúc chẳng hạn như
bảng trò chơi. bản đồ đường đi hoặc sơ đồ tư duy thành
một biểu đồ được dán nhãn và giải thích sự đóng
góp của các thành phần.
EU: Các nút của biểu đồ biểu thị các sự vật và các liên kết
biểu thị mối quan hệ giữa các sự vật đó.
Nhãn cung cấp thông tin bổ sung về những gì các nút và liên
kết đại diện.
Ví dụ: Trong trò chơi Chutes and Ladders (ban đầu là
Snakes and Ladders), các ô vuông được biểu diễn dưới
dạng các nút trong biểu đồ. Các nút đại diện cho các ô vuông
liền kề được kết nối bằng các liên kết "kế thừa".
Các nút có hình vuông có thể tiếp cận bằng máng hoặc thang
được kết nối bằng liên kết "máng" hoặc "bậc thang". Trong bản đồ
đường đi, các thành phố là các nút và các con đường là các liên
kết. Các liên kết có thể được gắn nhãn bằng tên đường
hoặc giá trị số dặm. Bản đồ tư duy là một loại biểu đồ tri
thức không chính thức được sử dụng bởi mọi người chứ không phải máy tính.
LO: Dịch các tiền đề của một tam đoạn luận được
thể hiện bằng tiếng Anh sang ký hiệu logic và hoàn
thành tam đoạn luận một cách chính xác.
EU: Tam đoạn luận biểu thị các phát biểu về các
danh mục và trường hợp theo cách cho phép máy tính
rút ra kiến thức mới từ kiến thức hiện có bằng cách tuân
theo các quy tắc suy luận đơn giản.
Các thành phần của một tam đoạn luận là tiền đề lớn,
tiền đề phụ và kết luận.
Unpacked: Suy luận của con người rất phong phú
và phức tạp, và chúng tôi không có mô tả đầy
đủ về cách thức hoạt động của nó. Suy luận tam đoạn luận
là một trường hợp đặc biệt đủ đơn giản để chúng ta có
thể viết các quy tắc chính xác về cách thực hiện. Suy luận
tam đoạn luận là một loại suy luận logic phổ biến ở
những người suy luận AI sử dụng thông tin phân
loại. Ví dụ: tất cả con người đều là động vật có vú, tất
cả động vật có vú đều là sinh vật sống, do đó tất
cả con người đều là sinh vật. Một loạt các ký hiệu có
thể được sử dụng cho tam đoạn luận. Đây là một dựa trên
logic vị từ:
x [ Người(x) Động vật có vú(x) ]
x [ Động vật có vú(x) LivingThing(x) ]
______________________________
x [ Con người(x) Vật sống(x) ]

V.0.1 - Phát hành ngày 28 tháng 6 năm 2021 Có thể thay đổi dựa trên phản hồi của công chúng Liên kết cập nhật 30/7/2021
Machine Translated by Google
Ý tưởng lớn #2: Biểu diễn và suy luận Máy tính duy trì biểu diễn của
thế giới và sử dụng chúng để lập luận.
Ý tưởng K-2
đại diện LO Vẽ một cây bằng cách liên tục tách từng nhánh thành các
(Cấu trúc dữ liệu) nhánh con nhiều lần và đặt một phần dữ liệu vào mỗi
nhánh.
2-A-iii
EU: Cây là một cách tổ chức thông tin.
Đã giải nén: Nhiều loại dữ liệu có thể được đặt trên một
nhánh. Đối với cây quyết định, dữ liệu sẽ là câu hỏi và
câu trả lời. Đối với một cây tổ tiên, sẽ có cành "mẹ" và
cành "cha". Đối với một cây phân loại sẽ có các đơn
vị phân loại có tính đặc hiệu tăng dần, ví dụ: động vật
và thực vật, động vật có vú và bò sát, linh trưởng và
loài gặm nhấm.
Tài nguyên hoạt động có hướng dẫn: bài tập vẽ cây.
đại diện LO: Xác định các tính năng làm cho mỗi đối tượng trong bộ
(Vectơ đặc trưng) sưu tập trở nên độc nhất. và tạo một bảng các tính năng
để sắp xếp các đối tượng.
2-A-iv
EU: Các đối tượng có thể được mô tả theo các tính
năng mà chúng sở hữu.
Giải nén: Điều này có thể đơn giản như những viên
gạch Lego có hình dạng, kích cỡ và màu sắc khác nhau
hoặc đặc điểm phân biệt các loại động vật khác nhau: mèo,
chó, gà, cá vàng, chim cánh cụt, v.v., chẳng hạn như nó có
lông không, nó có bay không, v.v.
V.0.1 - Phát hành ngày 28 tháng 6 năm 2021
Dự Thảo Ý Tưởng Lớn 2 - Biểu Đồ Tiến Triển
3-5
LO: Mô tả các bộ phận của cây và các bộ phận đó liên quan với nhau
như thế nào.
EU: Cây là một tập hợp các nút được gắn nhãn, mỗi nút (lưu
gốc) có một liên kết đến nút cha phía trên nó trong cấu trúc phân
cấp. Các nút không có con được gọi là nút lá hoặc nút cuối ;
những người có con không phải là thiết bị đầu cuối
điểm giao.
LO: Xây dựng biểu diễn véc-tơ đặc trưng cho một tập hợp LO: Giải thích cách nhúng từ (là các đối tượng đặc trưng và cho biết các
đối tượng tương tự gần nhau như thế nào với các véc-tơ) biểu diễn các từ dưới dạng chuỗi số.
trong không gian đặc trưng.
EU: Hệ thống đề xuất đại diện cho những thứ như phim ảnh, sách, sản
phẩm tiêu dùng. hoặc các bài đăng trên phương tiện truyền thông xã hội
bằng cách sử dụng các vectơ đặc trưng.
Đã giải nén: Các vectơ đặc trưng biểu thị các khái niệm
dưới dạng các chuỗi số. Khoảng cách giữa hai vectơ đặc
trưng có thể được đo bằng cách đếm số vị trí mà chúng
không đồng nhất, vì vậy các đối tượng tương tự nằm gần nhau
hơn trong không gian đặc trưng. Các vectơ đặc trưng có thể
được tạo bằng tay, nhưng chúng cũng có thể được tạo tự động bằng
cách sử dụng máy học.
Ví dụ: trong bài tập Pasta Land, học sinh phát triển một cây phân
biệt để nhận biết các loại mì ống khác nhau. Các câu hỏi tạo
nên các nút của cây có thể cung cấp các đặc trưng cho biểu diễn
vectơ đặc trưng nhị phân của các loại mì ống.
Có thể thay đổi dựa trên phản hồi của công chúng
LO = Mục tiêu học tập: Học sinh có thể làm gì.
EU = Hiểu biết lâu dài: Những điều học sinh nên biết.
Mô tả giải nén được bao gồm khi cần thiết để minh họa LO hoặc EU
6-8
LO: Mô tả các phần của biểu đồ và cách các phần đó liên
quan với nhau.
EU: Biểu đồ là tập hợp các nút được dán nhãn
được kết nối bởi các liên kết được dán nhãn. Mỗi liên kết có một nguồn
nút đích ; mỗi nút có một tập hợp khái niệm được mô tả và các mối quan hệ của nó với các liên kết đến và một tập hợp các
liên kết đi . Cây là các khái niệm khác, ví dụ: lược đồ Nhà hàng , một trường hợp đặc biệt của đồ thị.
Giải nén: Đồ thị trong AI được sử dụng để biểu thị những thứ
như bản đồ đường bộ (trong đó các thành phố là nút và đường
là liên kết), mê cung và biểu đồ tri thức. Biểu đồ tri thức có
thể biểu thị con người, địa điểm và sự vật cũng như mối quan
hệ giữa chúng. Bản đồ tư duy chủ yếu là cây nhưng có thể
có nhiều đường dẫn đến một nút, làm cho bản đồ trở
thành biểu đồ.
Mỗi nút là một khái niệm và các liên kết có thể được gắn nhãn với
các mối quan hệ giữa các khái niệm hoặc chúng có thể không
được gắn nhãn.
EU: Nhúng từ là một phần quan trọng của quá trình xử
lý ngôn ngữ tự nhiên thần kinh, bao gồm dịch máy (ví dụ:
Google Dịch) và các hệ thống tạo văn bản (BERT,
GPT3, v.v.)
Giải nén: Mỗi từ là một điểm trong không gian đối tượng có
nhiều chiều, được sắp xếp sao cho các từ có nghĩa tương tự
gần nhau trong không gian đối tượng. Xem Word2VecDemo
này.
www.AI4K12.org
9-12
LO: Mô tả cách lược đồ được sử dụng để cấu trúc thông
tin về người, địa điểm hoặc sự vật trong biểu đồ tri
thức.
EU: Một lược đồ chỉ định các thuộc tính của nút và
kế thừa các thuộc tính từ FoodEstablishment
lược đồ.
Giải nén: Biểu đồ tri thức mã hóa thông tin về
mọi thứ và mối quan hệ giữa chúng. Các công cụ tìm
kiếm như Google dựa vào biểu đồ tri thức để tạo bảng
tri thức trong kết quả tìm kiếm. Lược đồ Nhà hàng và
Cơ sở thực phẩm được định nghĩa tại schema.org.
LO: Mô tả cách vận hành của mạng máy biến áp.
EU: Mạng biến áp ánh xạ chuỗi từ đầu vào thành chuỗi
từ đầu ra, trong đó các từ được biểu diễn dưới dạng
vectơ đặc trưng.
Đã giải nén: Các ứng dụng xử lý ngôn ngữ tự nhiên của
mạng nơ-ron như dịch máy hoặc trả lời câu hỏi
được điều khiển bởi các biểu diễn nhúng từ, là các
vectơ đặc trưng. Các từ được đưa vào một vectơ
tại một thời điểm và mạng cung cấp đầu ra của nó một
vectơ tại một thời điểm.
Hoạt động: https://app.inferkit.com/demo
Liên kết cập nhật 30/7/2021
Machine Translated by Google

Dự Thảo Ý Tưởng Lớn 2 - Biểu Đồ Tiến Triển www.AI4K12.org

Ý tưởng lớn #2: Biểu diễn và suy luận Máy tính duy trì biểu diễn của LO = Mục tiêu học tập: Học sinh có thể làm gì.

thế giới và sử dụng chúng để lập luận. EU = Hiểu biết lâu dài: Những điều học sinh nên biết.

Mô tả giải nén được bao gồm khi cần thiết để minh họa LO hoặc EU

Ý tưởng K-2 3-5 6-8 9-12

Tìm kiếm LO: Minh họa trạng thái tiếp theo có thể xảy ra trong trò chơi LO: Minh họa cách máy tính có thể biểu diễn trò chơi như tic-tac-toe LO: Minh họa cách máy tính có thể giải mê cung, tìm đường trên bản LO: Xác định các loại bài toán trong thế giới thực là bài toán

(Không gian trạng thái tic-tac-toe với trạng thái bắt đầu. hoặc nim bằng cách vẽ trình tự tuyến tính của các vị trí bàn cờ đồ hoặc suy luận về các khái niệm trong biểu đồ tri thức bằng tìm kiếm và mô tả trạng thái cũng như toán tử của chúng.

và toán tử) do nước đi của người chơi tạo ra. cách vẽ cây tìm kiếm.

EU: Một trò chơi như tic-tac-toe có thể được mô tả như một
2-Với chuỗi các trạng thái, trong đó mỗi nước đi sẽ chuyển Châu Âu: Máy tính giải mê cung, tìm đường lái xe và suy luận về các EU: Máy tính có thể giải quyết nhiều loại vấn đề bằng cách sử
từ trạng thái này sang trạng thái kế tiếp. EU: Máy tính chơi trò chơi và giải câu đố bằng cách tạo một khái niệm trong biểu đồ tri thức bằng cách sử dụng thuật toán dụng các kỹ thuật tìm kiếm nếu vấn đề đó có thể được mô tả

chuỗi các trạng thái (vị trí bàn cờ) được kết nối bằng các tìm kiếm biểu đồ, thuật toán này xây dựng cây tìm kiếm. dưới dạng tìm đường đi từ trạng thái bắt đầu đến trạng thái
Giải nén: Mỗi trạng thái nên được vẽ dưới dạng một bảng nước đi hợp lệ, sử dụng thuật toán để chọn nước đi tiếp theo của chúng đích.

tic-tac-toe riêng biệt. Các câu trả lời có thể khác nhau ở mỗi bước.

tùy thuộc vào động thái mà học sinh chọn thực hiện. Unpacked: Không gian tìm kiếm của tìm kiếm đồ thị Unpacked: Giải nén: Ví dụ bao gồm các vấn đề về lập kế hoạch nhiệm

Không gian trạng thái (hoặc không gian tìm kiếm) của một bài toán trò chơi là tập hợp tất cả các đường dẫn bắt nguồn từ là tập hợp tất cả vụ, các vấn đề về lịch trình và các vấn đề về phân bổ nguồn
các trạng thái bàn cờ có thể truy cập được từ nút bắt đầu được chỉ định bắt đầu của biểu đồ. Trạng thái toán tử (hình minh họa), và các lực. Một thuật toán tìm kiếm xác định toán tử nào

Tài nguyên: trò chơi tic-tac-toe trực tuyến: https: toán tử là tập hợp được sử dụng để giải quyết một mê cung, di chuyển một nút về phía bắc, phía nam, các bước di chuyển khả thi mà người chơi sẽ được áp dụng, theo thứ tự nào. Tìm một chuỗi các bước

//playtictactoe.org/ hoặc https://www.coolmathgames. có thể thực hiện theo hướng đông hoặc tây. Trong trường hợp tổng quát hơn về quy tắc đồ thị của trò chơi. Một trò chơi cụ thể (chuỗi di chuyển hợp pháp (toán tử) để đạt được trạng thái
com/0-tic-tac-toe tìm kiếm tuyến tính mà người điều khiển mở rộng một đường dẫn bằng cách thêm một vị trí bàn cờ mới: hình minh họa) là một đường dẫn đi qua mục tiêu có thể được sử dụng ngay cả với các vấn đề mà

nút trạng thái này ở cuối. Di chuyển pháp lý thêm một nút có thể truy cập được bằng một liên kết trực tiếp trong biểu đồ. Không gian giải pháp không phải là một chuỗi. Ví dụ: nếu vấn đề

trạng thái pháp lý. là đóng gói một tập hợp các đối tượng có kích thước khác nhau

là những thứ có thể đạt được bằng một chuỗi các bước di chuyển hợp pháp. vào một tập hợp các thùng chứa có dung lượng khác nhau, giải
pháp là gán các đối tượng vào các thùng chứa sao cho không

Ví dụ: để xác định xem một con kangaroo có phải là động vật thùng chứa nào bị quá đầy và không có đối tượng nào bị bỏ sót.

có vú hay không, chúng tôi tìm kiếm một đường dẫn trong sơ

đồ tri thức từ nút "kangaroo" đến nút "động vật có vú" bao gồm Điều này có thể được hình thành dưới dạng bài toán tìm

các liên kết "is-a". Bài viết giới thiệu nhanh. kiếm trong đó người vận hành đặt một đối tượng vào

một thùng chứa có thể chứa nó và trạng thái mục tiêu có tất cả

các đối tượng được đặt. Đối với dạng bài toán này,
trình tự áp dụng các toán tử không quan trọng.

Tìm kiếm LO: Vẽ một cây tìm kiếm đơn giản để minh họa hai lựa chọn LO: Đưa ra một trạng thái của trò chơi chẳng hạn như tic-tac-toe hoặc nim, LO: Lập mô hình quá trình giải bài toán tìm kiếm đồ thị bằng LO: Minh họa các thuật toán tìm kiếm đầu tiên theo chiều rộng,

(Tìm kiếm kết hợp) di chuyển có thể có bằng cách vẽ hai trạng thái kế tiếp khác nhau hãy vẽ một cây tìm kiếm hiển thị tất cả các nước đi tiếp theo có thể có và các cách sử dụng tìm kiếm theo chiều rộng để vẽ cây tìm kiếm. đầu tiên theo chiều sâu và đầu tiên tốt nhất để phát triển cây tìm

cho một trạng thái bàn trò chơi tic-tac-toe cho trước, tạo thành trạng thái kết quả của chúng, đồng thời chọn nước đi tiếp theo tốt nhất. kiếm cho một vấn đề tìm kiếm đồ thị.
2-B-ii một cây.

EU: Các chương trình chơi trò chơi trên máy tính có thể xây dựng EU: Tìm kiếm theo chiều rộng có thể được sử dụng để giải EU: Có nhiều thuật toán để tạo cây tìm kiếm, mỗi thuật toán đều

EU: Máy tính phải đưa ra lựa chọn khi chơi trò chơi, giống cây tìm kiếm để quyết định nước đi tiếp theo của chúng. quyết các vấn đề liên quan đến lập luận về đồ thị. có những ưu điểm riêng.

như cách mà con người làm.

Giải nén: Cây tìm kiếm là một cách Giải nén một cách có hệ thống : Trong tìm kiếm theo chiều rộng, tất cả các nút khám phá tất cả các nước Giải nén: Minh họa được thực hiện bằng cách vẽ cái cây;
Giải nén: Học sinh sẽ vẽ một cây ba nút, với trạng thái trò đi có thể có trong một trò chơi. (Hình minh họa.) Cấp độ hiện tại của cây tìm kiếm được mở rộng, một không gian trạng thái của trò chơi là tập viết mã phù hợp với học sinh nâng cao (AP CSA). Tìm kiếm

chơi bắt đầu là gốc và hai nhánh đi xuống từ gốc hiển thị các hợp của tất cả các trạng thái bàn cờ tại một thời điểm, để tạo cấp độ tiếp theo. Sau đó, bước tiếp theo có thể truy cập từ trạng thái bắt theo chiều rộng tìm ra các giải pháp nông một cách nhanh

nước đi thay thế. Trạng thái bắt đầu không cần phải là đầu và cấp độ của người điều khiển được mở rộng và quá trình này tiếp tục cho đến khi đạt được tập hợp các bước di chuyển khả thi mà người chóng nếu chúng tồn tại, nhưng yêu cầu nhiều bộ nhớ. Tìm kiếm

bảng trống. Hình minh họa. chơi có thể thực hiện để đạt được mục tiêu đó. Cho một đồ thị về quan hệ bạn bè, luật chơi. theo chiều sâu tốt hơn tìm kiếm theo chiều rộng trong các

xác định xem hai người có một người bạn chung hay không là trường hợp số lượng nút ở mỗi cấp độ tăng theo cấp số nhân, vì

một vấn đề tìm kiếm đồ thị. Một vấn đề tìm kiếm đồ thị khác là nó sử dụng ít bộ nhớ hơn. Tìm kiếm theo phương pháp ưu tiên

xác định mức độ tách biệt của hai người, như trong "sáu tốt nhất có thể tìm ra các giải pháp tối ưu (chi phí thấp

độ của Kevin Bacon". nhất) khi đưa ra thước đo chính xác về "chi phí" của giải
pháp, chẳng hạn như tổng khoảng cách trên bản đồ đường đi,

trong khi các giải pháp được tìm thấy bằng phương pháp

tìm kiếm theo chiều rộng và chiều sâu trước tiên không được

đảm bảo là tối ưu vì chúng không chú ý đến chi phí.

V.0.1 - Phát hành ngày 28 tháng 6 năm 2021 Có thể thay đổi dựa trên phản hồi của công chúng Liên kết cập nhật 30/7/2021
Machine Translated by Google
Ý tưởng lớn #2: Biểu diễn và suy luận Máy tính duy trì biểu diễn của
Ý tưởng K-2
lý luận LO: Xác định vấn đề là vấn đề phân loại hoặc vấn đề
(Các dạng bài toán suy tìm kiếm.
luận)
EU: Trong các bài toán phân loại, chúng tôi quyết định loại đồ vật
2-Có nào chúng tôi có dựa trên các tính năng của nó. Trong các bài
toán tìm kiếm, chúng ta tìm đường đi từ điểm bắt đầu đến
mục tiêu, chẳng hạn như tìm đường trên bản đồ hoặc khám
phá các nước đi có thể có trong trò chơi.
lý luận LO: Mô hình hóa việc sử dụng thuật toán phân loại hoặc
(Thuật toán suy luận) tìm kiếm để giải quyết vấn đề.
2-C-ii EU: Thuật toán suy luận là cách để giải các bài toán
suy luận.
Giải nén: Học sinh có thể giải quyết vấn đề phân loại
bằng cách sử dụng bảng các tính năng mà họ đã phát triển
trong 2-A-iv hoặc cây quyết định mà họ đã phát triển trong 3-
Av. Họ có thể giải quyết vấn đề tìm kiếm bản đồ bằng cách sử
dụng bản đồ mà họ đã phát triển trong 2-Ai.
V.0.1 - Phát hành ngày 28 tháng 6 năm 2021
Dự Thảo Ý Tưởng Lớn 2 - Biểu Đồ Tiến Triển
thế giới và sử dụng chúng để lập luận.
3-5
LO: Phân loại vấn đề thành vấn đề phân loại hoặc vấn đề
tìm kiếm.
EU: Các vấn đề phân loại chỉ định mỗi đầu vào cho một trong các
lớp được xác định trước. Các vấn đề tìm kiếm xây dựng các
câu trả lời bằng cách áp dụng các toán tử cho các trạng thái
để tạo ra các trạng thái mới.
Đã giải nén: Gắn nhãn hình ảnh là ảnh chó hoặc ảnh mèo (như trong
Máy có thể dạy được) là một vấn đề phân loại.
Tìm các vị trí bàn cờ có thể đạt được trong một lần di chuyển từ
một vị trí bắt đầu nhất định là một ví dụ về bài toán tìm kiếm.
LO: Mô tả sự khác biệt giữa hai thuật toán để phân loại mọi thứ:
cây quyết định hoặc mạng thần kinh như Máy có thể dạy được.
thuật toán có thể được sử dụng để giải quyết một vấn đề về đặc điểm của dữ liệu đầu vào và các loại vấn đề.
Unpacked: Việc phân loại mì ống có thể được thực hiện bằng cách
xây dựng cây quyết định (xem hoạt động Pasta Land) hoặc bằng
cách đào tạo một bộ phân loại trực quan như Máy có thể dạy được
trên các hình ảnh ví dụ của từng loại mì ống.
Mô tả về Pasta Land: https://www.aimyway.com/blank page-1
Có thể thay đổi dựa trên phản hồi của công chúng
LO = Mục tiêu học tập: Học sinh có thể làm gì.
EU = Hiểu biết lâu dài: Những điều học sinh nên biết.
Mô tả giải nén được bao gồm khi cần thiết để minh họa LO hoặc EU
6-8
LO: Phân loại các vấn đề thành phân loại, dự đoán, tìm kiếm tổ
hợp hoặc các vấn đề quyết định tuần tự.
EU: Các bài toán dự đoán tương tự như các bài toán phân
loại ngoại trừ chúng ước tính một giá trị liên tục, chẳng
hạn như chiều cao hoặc nhiệt độ hàng ngày. Các vấn đề
quyết định tuần tự chọn nước đi tiếp theo cho bất kỳ
trạng thái nhất định nào để tối đa hóa phần thưởng tổng thể.
Giải nén: Các vấn đề về quyết định tuần tự được đề
cập trong Ý tưởng lớn 3; chúng được giải quyết bằng cách
sử dụng học tăng cường.
Ví dụ: thư rác so với không phải thư rác (phân loại),
nhiệt độ ngày mai cao (dự đoán), giải câu đố như bài toán
sói, dê và bắp cải
(tìm kiếm tổ hợp) và chơi một trò chơi điện tử chẳng hạn
như Super Mario (bài toán quyết định tuần tự).
LO: So sánh một số thuật toán có thể được sử dụng để giải
quyết một loại vấn đề suy luận cụ thể.
EU: Việc lựa chọn thuật toán lập luận phụ thuộc vào EU: Nhiều
quyết định được thực hiện.
Giải nén: Để phân loại chó so với mèo, nếu tất cả những gì chúng tôi EU: AI bao gồm nhiều loại suy luận đều là hình
ảnh thô, thì chúng tôi không thể sử dụng thuật toán cây quyết định để giải các loại suy luận khác nhau vì nó sẽ yêu cầu vô số
vấn đề. Một số sử dụng biểu diễn tượng trưng (e.
điểm giao; chúng ta phải sử dụng mạng thần kinh vì nó có thể g., tìm kiếm cây) trong khi các mạng khác là số để thực hiện
trích xuất tính năng một cách hiệu quả. Nhưng nếu chúng ta đã tự nhiên (ví dụ: mạng nơ-ron hoạt động trên đặc trưng có
mô tả về một con vật dưới dạng vectơ đặc trưng).
chẳng hạn như chiều dài mõm và hình dạng tai, thì có thể sử
dụng cây quyết định.
Nói chung, các vấn đề phân loại có thể được giải quyết
bằng cách sử dụng cây quyết định, thuật toán lân cận gần nhất
hoặc mạng nơ-ron. Các vấn đề dự đoán có thể được giải quyết
bằng hồi quy tuyến tính hoặc mạng thần kinh.
Tìm kiếm tổ hợp có thể sử dụng một số thuật toán khác
nhau để phát triển cây tìm kiếm.
Các vấn đề quyết định tuần tự có thể sử dụng bảng Q hoặc mạng
thần kinh để chọn hành động tốt nhất.
www.AI4K12.org
9-12
LO: Phân loại các vấn đề trong thế giới thực
thành phân loại, dự đoán, các vấn đề quyết định tuần
tự, tìm kiếm tổ hợp, tìm kiếm heuristic, tìm kiếm đối
nghịch, suy luận logic hoặc suy luận thống kê.
EU: Các vấn đề suy luận có thể được phân loại dựa
trên loại đầu vào được cung cấp, loại đầu ra sẽ được tạo
ra và đặc điểm của không gian tìm kiếm, nếu có.
Giải nén: Tìm kiếm heuristic là cần thiết khi không gian
trạng thái quá lớn để kiểm tra tất cả các trạng thái có
thể. sử dụng quy tắc ngón tay cái (heuristic) để giới hạn
tìm kiếm bằng cách tập trung vào các trạng thái hứa hẹn nhất.
Trong tìm kiếm đối thủ, được sử dụng khi chơi trò chơi,
thuật toán luân phiên giữa việc tìm nước đi tốt nhất
cho người chơi và tìm phản hồi tốt nhất cho đối thủ, đây
sẽ là nước đi tồi tệ nhất theo quan điểm của người chơi.
Tìm kiếm đối thủ có thể yêu cầu kinh nghiệm nếu trò chơi
phức tạp, chẳng hạn như cờ vua hoặc cờ vây. Trong suy
luận logic, người lập luận bắt đầu với một tập hợp
các sự kiện và rút ra các sự kiện mới bằng cách áp dụng các
quy tắc suy luận. Suy luận logic có thể được
thực hiện bằng cách sử dụng logic hình thức như logic mệnh
đề hoặc logic vị từ, hoặc các quy tắc suy luận
đặc biệt được sử dụng với các mạng ngữ nghĩa hoặc các
quy tắc IF-THEN được tìm thấy trong các hệ thống chuyên gia.
Suy luận thống kê liên quan đến lý luận với xác suất.
LO: Đối với mỗi loại vấn đề suy luận này (phân
loại, dự đoán, ra quyết định tuần tự, tìm kiếm tổ hợp,
tìm kiếm heuristic, tìm kiếm đối nghịch, suy luận logic
và suy luận thống kê), hãy liệt kê một thuật toán có thể
được sử dụng để giải quyết vấn đề đó.
Giải nén: Các vấn đề lý luận được thảo luận trong 2-Ci.
Việc lựa chọn thuật toán phụ thuộc vào đặc điểm của
dữ liệu đầu vào và độ phức tạp của các quyết
định được đưa ra. Các thuật toán tìm kiếm heuristic bao
gồm tìm kiếm tốt nhất đầu tiên và tìm kiếm A*. Tìm kiếm đối
thủ có thể được thực hiện với các biến thể của tìm
kiếm tổ hợp hoặc theo kinh nghiệm với cắt tỉa alpha-beta.
Suy luận logic có thể được thực hiện bằng cách sử dụng
chứng minh định lý giải quyết hoặc bằng cách áp dụng
các quy tắc IF-THEN đặc biệt. Suy luận thống kê
liên quan đến lập luận với xác suất hoặc phân phối, chẳng
hạn như mạng Bayesian.
Liên kết cập nhật 30/7/2021