Giới Thiệu Về Thuật Toán Hill Climbing Trong AI

Liu

gioi-thieu-ve-thuat-toan-hill-climbing-trong-ai

Hill Climbing về cơ bản là một kỹ thuật tìm kiếm hoặc kỹ thuật tìm kiếm thông báo có các trọng số khác nhau dựa trên các số thực được gán cho các nút, nhánh và mục tiêu khác nhau trong một đường dẫn.

Trong AI, học máy, học sâu và thị giác máy, thuật toán là tập hợp con quan trọng nhất. Với sự trợ giúp của các thuật toán này, (Thuật toán trí tuệ nhân tạo là gì và chúng hoạt động như thế nào, nd) máy tính, hệ thống hoặc mô hình có thể hiểu loại thông tin mà người dùng muốn xử lý và loại kết quả mà người dùng muốn sau khi hiểu một số công việc từ xung quanh. Các thuật toán này rất quan trọng trong AI vì trên cơ sở các thuật toán này, máy tính hoặc mô hình sẽ được đào tạo tương ứng và có thể đào tạo dữ liệu đã được cung cấp cho nó. Ví dụ phổ biến nhất về các thuật toán này có thể được tìm thấy trong Alexa, Siri hoặc Google Home. Càng nhiều người hoặc người dùng tương tác với họ, tìm kiếm của họ có thể trở nên tốt hơn vì họ có thể cảm nhận được đầu ra từ môi trường và tâm trạng của người dùng bằng cách quan sát bộ sưu tập bài hát, sở thích, lượt thích và không thích của họ. Với sự giúp đỡ của các yếu tố này, việc quan sát các tác nhân này trở nên mạnh mẽ hơn rất nhiều khi chúng tương tác với người dùng thường xuyên hơn. Vì vậy, rõ ràng là họ đã cài đặt các thuật toán rất mạnh giúp họ tự đào tạo. Có một số thuật toán rất quan trọng và được sử dụng thường xuyên; rừng ngẫu nhiên, hồi quy logic, Naïve Bayes và Mạng thần kinh nhân tạo. (6 thuật toán AI hàng đầu trong chăm sóc sức khỏe, nd)

Thuật toán Hill Climbing

Thuật toán phổ biến nhất trong AI để giải quyết các vấn đề toán học là thuật toán leo đồi (Hiểu về thuật toán leo đồi trong Trí tuệ nhân tạo (Chương trình Giáo dục Kỹ thuật (EngEd)) Phần , nd). Vấn đề này có thể được sử dụng trong lập kế hoạch công việc, tiếp thị, phát triển quảng cáo và bảo trì dự đoán. Đó là một kỹ thuật heuristic, hay nói một cách đơn giản hơn, leo đồi về cơ bản là một kỹ thuật tìm kiếm hoặc kỹ thuật tìm kiếm được thông báo có các trọng số khác nhau dựa trên các số thực được gán cho các nút, nhánh và mục tiêu khác nhau trong một đường dẫn. Giờ đây, trên cơ sở những con số này và kinh nghiệm được xác định trong mô hình AI, việc tìm kiếm có thể trở nên tốt hơn. Tính năng chính liên quan đến thuật toán leo đồi là hiệu quả đầu vào lớn và phân bổ heuristic tốt hơn.

gioi-thieu-ve-thuat-toan-hill-climbing-trong-ai-1

Hình 1. Tìm hiểu thuật toán leo đồi một cách trực quan (Giới thiệu về môn leo đồi | Trí tuệ nhân tạo - GeekforGeek, nd)

Từ hình 1, rõ ràng là thuật toán leo đồi phụ thuộc vào hai thành phần, một là hàm mục tiêu và hai là không gian trạng thái. Trạng thái hiện tại là trạng thái tìm kiếm mà tác nhân hiện đang đứng. Mức tối đa cục bộ là một giải pháp hướng đến mục tiêu khác, nhưng nó không phải là kết quả tìm kiếm được tối ưu hóa. Để đạt được kết quả tốt hơn, mô hình phải đạt được điểm tối đa toàn cầu để có độ chính xác và độ chính xác cao hơn. (Giới thiệu về Leo đồi | Trí tuệ nhân tạo - GeekforGeek, nd). Dưới đây là phần giới thiệu ngắn gọn về từng điểm được hiển thị trong biểu đồ trên.

Cực đại cục bộ là một trạng thái như đã thảo luận trước đó, rõ ràng là tốt hơn trạng thái hiện tại nhưng có một trạng thái tốt hơn khả dụng so với cực đại cục bộ trong hệ thống.
Cực đại Toàn cầu, như thể hiện trong biểu đồ, là trạng thái tốt nhất và không có trạng thái nào tốt hơn trạng thái này.
Ridge là khu vực cao hơn khu vực lân cận nhưng có độ dốc dốc xuống.
Trạng thái hiện tại như được quan sát bởi tên của nó là trạng thái trong đó tác nhân hiện đang được giải quyết hoặc kiểm tra trạng thái hiện tại.
Vai là một điểm trên dốc. (Skiena, 2010)

Các loại thuật toán Hill Climb

Có nhiều loại thuật toán như vậy, một vài trong số chúng được định nghĩa như sau.

Simple Hill Climbing

Hoạt động của kiểu leo đồi này rất đơn giản. Nó thu thập dữ liệu từ các nút lân cận của nút hiện tại và kiểm tra từng nút. Với sự trợ giúp của bài tập đơn giản này, chi phí hiện tại của chi phí sắp tới tiếp theo có thể được tối ưu hóa và do đó đã tiêu tốn tối thiểu thời gian.

Steepest Ascent Hill Climbing

Nó là một loại thuật toán leo đồi, nhưng nó tốt hơn loại thuật toán đơn giản nhất. Nó cũng kiểm tra tất cả các nút lân cận như trong các kỹ thuật trước đó, nhưng nó cung cấp trọng số hoặc kinh nghiệm cho các nút lân cận và dựa trên kỹ thuật của giải pháp chi phí thấp nhất để tìm đường đi ngắn nhất cho mục tiêu và đạt được mục tiêu bằng kỹ thuật đó. Họ kiểm tra các nút gần với giải pháp.

Stochastic Hill Climbing

Nó hoàn toàn trái ngược với các kỹ thuật được thảo luận trước đó. Trong kỹ thuật này, tác nhân không tìm thấy giá trị của các nút lân cận. Nó chọn các nút lân cận hoàn toàn ngẫu nhiên và đi trên nút đó và trên cơ sở kinh nghiệm của nút cụ thể đó, tác nhân sẽ kiểm tra xem có nên tiếp tục con đường này hay không. (Russell & Norvig, 2003)

Ưu điểm của Hill Climbing

Một vài lợi thế của việc leo đồi như sau. (Leo đồi trong trí tuệ nhân tạo | Các loại thuật toán leo đồi, nd)

Đây là một kỹ thuật rất hữu ích trong khi giải quyết các vấn đề như tìm kiếm việc làm, kỹ thuật nhân viên bán hàng, thiết kế chip và quản lý.
Khi người dùng có sức mạnh tính toán rất hạn chế, anh ta có thể sử dụng kỹ thuật này để có được kết quả tốt hơn. Không cần ram bên ngoài hoặc điện toán đám mây để sử dụng công nghệ như vậy vì nó yêu cầu rất ít sức mạnh tính toán.
Tác nhân di chuyển theo hướng mục tiêu tối ưu hóa chi phí của chúng tôi.
Thuật toán này đã cung cấp phản hồi cho mô hình trên cơ sở đó hệ thống sẽ tốt hơn theo thời gian
Không xảy ra quay lui khi sử dụng thuật toán như vậy.

Nhược điểm của Hill Climbing

Có một số nhược điểm liên quan đến leo đồi là tốt. Một vài trong số họ được liệt kê như sau. (Leo đồi trong trí tuệ nhân tạo | Các loại thuật toán leo đồi, nd)

Hiệu quả và hiệu quả bị tổn hại trong khi sử dụng kỹ thuật này.
Nếu giá trị của heuristic là không chắc chắn thì kỹ thuật này không được khuyến nghị.
Đó là giải pháp tức thời chứ không phải giải pháp hữu hiệu.
Kết quả thu được từ kỹ thuật này là không chắc chắn và không đáng tin cậy.

Người giới thiệu

Leo Đồi Bằng Trí Tuệ Nhân Tạo | Các loại thuật toán leo đồi. (nd). Truy cập ngày 27 tháng 2 năm 2022, từ https://www.educba.com/hill-climbing-in-artificial-intelligence/
Giới thiệu về Leo đồi | Trí tuệ nhân tạo - GeekforGeek. (nd). Truy cập ngày 27 tháng 2 năm 2022, từ https://www.geeksforgeeks.org/introduction-hill-climbing-artificial-intelligence/
Russell, SJ, & Norvig, P. (2003). Trí tuệ nhân tạo: Một cách tiếp cận hiện đại. Trong Trí tuệ nhân tạo Một cách tiếp cận hiện đại (tái bản lần 2). Prentice-Hall. http://aima.cs.berkeley.edu/
Skiena, SS (2010). Sổ tay thiết kế thuật toán (tái bản lần 2). Khoa học Springer + Truyền thông kinh doanh.
6 thuật toán AI hàng đầu trong chăm sóc sức khỏe . (nd). Truy cập ngày 27 tháng 2 năm 2022, từ https://analyticsindiamag.com/top-6-ai-algorithms-in-healthcare/
Tìm hiểu thuật toán leo đồi trong trí tuệ nhân tạo | Chương trình Giáo dục Kỹ thuật (EngEd) | Phần . (nd). Truy cập ngày 27 tháng 2 năm 2022, từ https://www.section.io/engineering-education/under Hiểuing-hill-climbing-in-ai/
Thuật toán trí tuệ nhân tạo là gì và chúng hoạt động như thế nào. (nd). Truy cập ngày 27 tháng 2 năm 2022, từ https://rockcontent.com/blog/artificial-intelligence-algorithm/

Copyright Disclaimer:

This site does not store any files on its server. We only index and link to content provided by other sites. Please contact the content providers to delete copyright contents if any and email us, we'll remove relevant links or contents immediately.

Tuyên bố miễn trừ bản quyền:

Trang web này không lưu trữ bất kỳ tệp nào trên máy chủ của nó. Chúng tôi chỉ lập chỉ mục và liên kết đến nội dung được cung cấp bởi các trang web khác. Vui lòng liên hệ với các nhà cung cấp nội dung để xóa nội dung bản quyền nếu có và gửi email cho chúng tôi, chúng tôi sẽ xóa các liên kết hoặc nội dung có liên quan ngay lập tức.