doongz / cs50-ai

Harvard CS50’s: Introduction to Artificial Intelligence with Python

CS50’s Introduction to AI with Python

Introduction

• 所属大学：Harvard
• 授课老师：Brian Yu
• 先修要求：基本概率论 + Python基础
• 编程语言：Python
• 课程难度：🌟🌟🌟
• 预计学时：A month
• 学年：2020

一门非常基础的AI入门课，让人眼前一亮的是12个设计精巧的编程作业，都会用学到的AI知识去实现一个简易的游戏AI，比如用强化学习训练一个Nim游戏的AI，用alpha-beta剪枝去扫雷等等，非常适合新手入门或者大佬休闲。

Resources

• 课程网站：https://cs50.harvard.edu/ai/2020/
• 课程视频：https://cs50.harvard.edu/ai/2020/
• 课程教材：无
• 课程作业：https://cs50.harvard.edu/ai/2020/，12个精巧的编程作业
• 实验参考：PKUFlyingPig/cs50_ai - GitHub

Notes

• Lecture 0 Search
  • Depth-First Search Breadth-First Search Greedy Best-First Search A* Search Minimax Alpha-Beta Pruning Depth-Limited Minimax
• Lecture 1 Knowledge
  • Propositional Logic Inference Knowledge Engineering Inference Rules Resolution First Order Logic
• Lecture 2 Uncertainty
  • Probability Conditional Probability Random Variables Bayes' Rule Joint Probability Probability Rules Bayesian Networks Sampling Markov Models Hidden Markov Models
• Lecture 3 Optimization
  • Local Search Hill Climbing Simulated Annealing Linear Programming Constraint Satisfaction Node Consistency Arc Consistency Backtracking Search
• Lecture 4 Learning Machine Learning
  • Supervised Learning Nearest-Neighbor Classification Perceptron Learning Support Vector Machines Regression Loss Functions Overfitting Regularization
  • Reinforcement Learning Markov Decision Processes Q-Learning
  • Unsupervised Learning k-means Clustering
• Lecture 5 Neural Networks
  • Neural Networks Activation Functions Neural Network Structure Gradient Descent Multilayer Neural Networks Backpropagation Overfitting TensorFlow Computer Vision Image Convolution Convolutional Neural Networks Recurrent Neural Networks
• Lecture 6 Language
  • Natural Language Processing Syntax and Semantics Context-Free Grammar nltk n-grams Tokenization Markov Models Bag-of-Words Model Naive Bayes Information Retrieval tf-idf Information Extraction Word Net Word Representation word2vec

Labs

• degress 不同的演员通过主演的电影建立关系，求两个演员中的最短关系
  • 通过 bfs 搜索 source 到 target 最短路径，找到 target 后，通过 node 的 parent 自下而上恢复出最短路径
• tic tac toe 3*3 的三子棋，赢得比赛
  • 核心是 Adversarial Search 对抗性搜索，即 minimax。
  • 已知 state，可以得到可以进行的 actions，当做一步 action 时，对 action 进行评分，如果我们是 X，希望全局评分最高，但是 O 也会做最优决策（希望全局评分最低）
  • 当 X 做出行动时 result(board, action)，要去预测 O 的最优行为 min_value(result(board, action))，O 会基于 X 行动后的结果 result(board, action)，去预测 X 的最优行为 max_value(result(board, action))，因此算法实现上用「递归」实现
  • X 会根据当前 state 得到多个可能的 action，每个 action 会站在 O 的最优行为的基础上得到一个分数 min_value(result(board, action))，X 的当前最优行为就是在这些 action 对应的分数中，最大分数的那个 action Actions[argmax(v)]
  • 当前的 action 较多时，预测的速度会慢，如刚开始玩的前几步。可以通过 Alpha-Beta Pruning 剪枝。
• knights 根据不同人说的话，判断他们的角色
  • 实现起来很简单，把人类的自然语言写成机器语言，放入 knowledge 中即可
  • 最有意思的代码是 model_check(knowledge, query) 和其中的 check_all(knowledge, query, symbols, model)，证明了基于已有的 knowledge，这个 query 是否正确
  • model_check 中会生成所有的 symbols，check_all 每次会选择一个 symbol，基于这个 symbol 以类似回溯法的方式，在 model 中将这个 symbol 置为 true 或 false
  • 当 symbols 消耗完，递归也就结束了，结束时判断基于 knowledge，query 在这个 model 下是否成立
  • 本质上，model_check 针对一条 query 生成了多个 symbols 的 true or false 的排列组合，也就是 model，在递归结束时，对 model 进行正确性判断
• minesweeper AI 玩扫雷
  • 主要是实现 def add_knowledge(self, cell, count): 方法，难道非常大；
  • 当我们做出行动后，需要基于此行动得出新的结论，将新的结论记录到我们的知识库中；而新的结论可能导致已有知识库的再次更新，这就是这个 lab 学到的东西
  • 该方法会在 cell 已经执行后触发，且是 safe，count 为该 cell 上数字，即 cell 周围可能的 mine 数量
  • 会标记该 cell 已经走过；且是 safe 的；同时在 knowledge 中记录点击这个 cell 后，新增加的 sentence Sentence(neighbors, count - neighbor_mines)
  • self.conclude(): knowledge 更新后，是否有一些新的 cells 可以被推导出为 safe or mine
  • self.infer(): 根据已有的 knowledge，是否能添加一些新的 sentences 到 knowledge 中
  • python 中的 set 还是很好用的
• pagerank 统计每个页面的重要程度，应用于 google 展示搜索结果
  • 实现两种算法，Random Surfer Model，Iterative Algorithm
  • Random Surfer Model: sample_pagerank(corpus, damping_factor, n)
    • 模拟从一个网页出发，按照已得出的概率往下去点击，重复 n 次，得出所有网页的 rank value
    • 每次选择下个网页的概率是通过 transition_model(corpus, page, damping_factor) 提前算好的，即选择下个网页的概率是已知且不变的
  • Iterative Algorithm: iterate_pagerank(corpus, damping_factor)
    • 当前网页的 pagerank 是由之前的 pagerank 推导来的，初始时刻每个网页为 1/n
    • by sampling pages from a Markov Chain random surfer and by iteratively applying the PageRank formula.
    • 当所有新老 pagerank 的差距小于 0.001 时，跳出迭代
• heredity 遗传场景下，用 AI 评估一个人具有特定基因特征的可能性
  • 核心是实现函数 joint_probability(people, one_gene, two_genes, have_trait)，这个函数需要返回的是一个事件的联合概率
  • one_gene, two_genes, have_trait 这三个参数描述了一个事件，是由函数调用处生成的人的各种组合
  • update(probabilities, one_gene, two_genes, have_trait, p) 将上述生成的特定事件的联合概率，更新至全局概率统计中
  • normalize(probabilities) 将全局概率统计标准化
  • 难点是这个事件的联合概率如何得出，一个事件由多个子场景组成，子场景对于这个事件的概率上的贡献是相乘得到的，这就是联合
  • 但是同一个子场景，可能会由多种条件都能得到，那这个子场景的概率是多个条件概率相加得到
  • 同时，还需理清基因的继承关系和突变
• crossword 纵横填字游戏
• shopping 预测一个人购物的可能性
  • load_data 加载数据
  • train_model 选择 KNeighborsClassifier 模型
  • evaluate 评价函数
• nim 强化学习 Q-Learning 训练 AI 和自己玩 nim 游戏
  • class Nim() 为游戏已给出，class NimAI() 为 AI 需要实现
  • def train(n) AI 训练 n 轮，每轮游戏会重新开始，但是 AI 为同一个。在一轮游戏中，会走多步直到结束，每走一步都会更新 AI
    • 若游戏结束：当前的 player 剩下最后一个，他输了，因此 reward 为 -1；另一个 player 基于 action 赢得比赛，因此 reward 为 1；
    • 比赛继续进行：因此 reward 为 0，have some future reward
  • 最核心的函数：def update(self, old_state, action, new_state, reward) 用来更新 Q value (其实等同于 reward)
    • 该函数通过首先获取状态和动作，找到以前的 Q 值 old = self.get_q_value(old_state, action)
    • 决定未来最好的回报 best_future = self.best_future_reward(new_state)
    • 使用这两个值来更新 Q 值 self.update_q_value(old_state, action, old, reward, best_future)
  • def best_future_reward(self, state) 返回的是下一步的最好 Q value
  • def update_q_value(self, state, action, old_q, reward, future_rewards) 真正更新 Q value 的方法
    • 公式：Q(s, a) <- old value estimate + alpha * (new value estimate - old value estimate)
    • 说明：old value estimate is the previous Q-value, alpha is the learning rate, new value estimate is the sum of the current reward and estimated future rewards
    • 实现：self.q[(tuple(state), action)] = old_q + self.alpha * (reward + future_rewards - old_q)
  • def choose_action(self, state, epsilon=True) 基于当前 state 返回可执行的 action
    • 若 epsilon is False，返回最好的 action，也就是基于 state 进行 action 可获得的最高的 Q value
    • 若 epsilon is True，根据概率，选择一个 action
    • 目的是，可以尝试其他行为，而不是用已知的最好 action（已知的最好并不是真的最好，还存在未知的情况）
• traffic 用 tensorflow 写个识别交通标志的神经网络模型
• parser Write an AI to parse sentences and extract noun phrases.
• questions Write an AI to answer questions.
  • 读取语料库，问问题，找到最相关的 document，最后找到最相关的 sentence。