Trí tuệ nhân tạo là gì? Level 1: Chuỗi bài đào tạo miễn phí Trí tuệ nhân tạo

Trí tuệ nhân tạo là gì

Trí tuệ nhân tạo (Artificial Intelligence – AI) là một phân nhánh rộng lớn của khoa học máy tính (Computer Science), bao gồm việc xây dựng những cỗ máy có khả năng thực hiện các tác vụ đòi hỏi tư duy của con người như học tập, nhận thức, lý luận và giải quyết vấn đề. 

Trí tuệ nhân tạo là gì?

Các bạn có thể xem qua video bên dưới do bạn Tony Pham giải thích một cách dễ hiểu nhất trí tuệ nhân tạo là gì?

Trí tuệ nhân tạo là gì?

Trí tuệ nhân tạo (Artificial Intelligence – AI) là một phân nhánh rộng lớn của khoa học máy tính (Computer Science), bao gồm việc xây dựng những cỗ máy có khả năng thực hiện các tác vụ đòi hỏi tư duy của con người như học tập, nhận thức, lý luận và giải quyết vấn đề. 

Khi đánh giá một hệ thống AI, ta sẽ dựa trên các cấp độ trí tuệ liên quan đến con người bao gồm lý luận (Reasoning), lời nói (Speech) và tầm nhìn (Vision).

Ba cấp độ của trí tuệ nhân tạo là gì?

3 cấp độ của Trí tuệ nhân tạo là gì?

Trí tuệ nhân tạo hẹp (Narrow AI): Trí tuệ nhân tạo được cho là hẹp (Narrow) khi máy có thể thực hiện một nhiệm vụ cụ thể tốt hơn so với con người. Các sản phẩm và nghiên cứu trí tuệ nhân tạo hiện nay đa phần đang ở cấp độ này.

Trí tuệ nhân tạo phổ quát (Artificial General Intelligence – AGI): Trí tuệ nhân tạo đạt đến trạng thái phổ quát (General) khi nó có thể thực hiện bất kỳ nhiệm vụ sử dụng trí tuệ nào có cùng độ chính xác như con người.

Trí tuệ nhân tạo siêu cấp (Super AI): Trí tuệ nhân tạo trở nên siêu cấp hay mạnh mẽ (Strong) khi nó có thể bắt chước chính xác bộ não của một con người và vượt trội hơn con người trong một số nhiệm vụ cụ thể.

Ở thời đại công nghiệp 4.0, Trí tuệ nhân tạo được sử dụng hầu hết trong các ngành công nghiệp, tạo khoảng cách lợi thế cực lớn với các công ty tích hợp AI ở quy mô lớn. Theo một báo cáo của Công ty tư vấn chiến lược toàn cầu McKinsey, AI có thể tạo ra hơn 600 tỷ đô giá trị doanh thu trong ngành bán lẻ, mang lại tăng trưởng 50% giá trị trong ngành ngân hàng, và tăng thêm 89% doanh thu tiềm năng trong vận tải và hậu cần.

Cụ thể, nếu một tổ chức sử dụng AI cho đội ngũ kinh doanh, nó có thể tự động hóa các nhiệm vụ cụ thể lặp đi lặp lại, cho phép các nhân viên sales tập trung vào các công việc như xây dựng mối quan hệ, chăm sóc các khách hàng tiềm năng,…. Mỗi khi các nhân viên sales thực hiện cuộc gọi điện thoại, sẽ có một phần mềm ghi âm và phân tích cuộc trò chuyện. Doanh nghiệp có thể sử dụng AI để phân tích, từ đó đề xuất các phương án để xây dựng một chiến lược kinh doanh hiệu quả.

Có thể nói rằng, Trí tuệ nhân tạo cung cấp một công nghệ tiên tiến để đối phó với số lượng dữ liệu khổng lồ và phức tạp, mà không thể xử lý bởi một con người. Trí tuệ nhân tạo cho phép một nhân viên tập trung vào các nhiệm vụ mang giá trị tăng cao bằng cách tự động hóa các công việc đơn giản và dư thừa. Khi AI được thực hiện ở tầm quy mô lớn sẽ dẫn đến giảm chi phí và tăng doanh thu.

Cách thức hoạt động của trí tuệ nhân tạo là gì?

Trí tuệ nhân tạo là gì
Trợ lý trí tuệ nhân tạo

Hãy xem một số ví dụ về trí tuệ nhân tạo là gì trong cuộc sống hằng ngày của bạn:

  • Trợ lý thông minh (giống như Siri và Alexa)
  • Đề xuất bài hát (được tích hợp trong các ứng dụng nghe nhạc như Spotify, Zing MP3,…)
  • Đề xuất phim hoặc chương trình truyền hình (được tích hợp trong các ứng dụng xem phim như Netflix, FPT Play,…)
  • Đề xuất tìm kiếm (được tích hợp trong các công cụ tìm kiếm như Google, Bing, Cốc cốc,…)
  • Các robot tư vấn giao dịch chứng khoán
  • Bộ lọc thư rác trong email
  • Bộ lọc nội dung nguy hiểm hoặc tin tức sai sự thật của mạng xã hội (được tích hợp trong các mạng xã hội như Facebook, Instagram, LinkedIn)

Bạn có thể thấy trí tuệ nhân tạo là gì ở xung quanh mà chúng ta không hề hay biết bởi nó đã trở nên quá phổ biến. Và đa phần nó là các trí tuệ nhân tạo hẹp (Narrow AI), tập trung thực hiện các tác vụ cụ thể.

Và Trí tuệ nhân tạo hẹp hoạt động nhờ Học máy (Machine Learning) và Học sâu (Deep Learning). Để hiểu được sự khác nhau và mối quan hệ giữa Trí tuệ nhân tạo, Học máy và Học sâu, chúng ta có thể hiểu đơn giản như sau:

Trí tuệ nhân tạo là một chuỗi thuật toán giúp cho bộ máy có thể bắt chước trí tuệ của một con người. Học máy là một nhánh của Trí tuệ nhân tạo và Học sâu lại là một mảng con của Học máy.

Nói một cách chi tiết, Học máy cung cấp một lượng data cực lớn và sử dụng các kỹ thuật thống kê để giúp cỗ máy có thể “học” cách thực hiện một tác vụ lặp đi lặp lại và có khả năng làm điều đó ngày càng tốt hơn, nhưng không cần phải lập trình một cách chi tiết từng hoạt động trong tác vụ đó, giúp tiết kiệm hàng nghìn giờ lập trình. Học máy sẽ bao gồm học có giám sát (sử dụng tệp dữ liệu có gắn nhãn) và học không có giám sát (sử dụng tệp dữ liệu chưa được gắn nhãn).

Học sâu là một loại Học máy, với đầu vào data sẽ thông qua một cấu trúc mạng thần kinh lấy cảm hứng từ sinh học. Mạng nơ-ron chứa một số lớp ẩn mà qua đó dữ liệu được xử lý, cho phép máy đi “sâu” vào quá trình học của nó, tạo kết nối và tăng chất lượng đầu vào để có kết quả tốt nhất.

Mặc dù còn nhiều hạn chế như cần dữ liệu huấn luyện lớn, tiêu tốn nhiều nguồn lực tính toán cũng như năng lượng, thời gian huấn luyện lâu,…, Học sâu đã tạo ra nhiều thành tựu đột phá vượt bậc trong thời gian gần đây, đặc biệt là trong lĩnh vực Thị giác máy tính và Xử lý ngôn ngữ tự nhiên. Sự đột phá đó tạo ra làn sóng mới về đầu tư và ứng dụng AI trong hàng loạt doanh nghiệp lớn, mở ra niềm tin mạnh mẽ rằng thời đại mới đang tiến gần, khiến các quốc gia và các tổ chức phải điều chỉnh chiến lược vĩ mô lấy AI làm trọng tâm.

Quan hệ giữa AI – Học máy – Học sâu với các cột mốc thời gian

Lịch sử phát triển của Trí tuệ nhân tạo là gì?

Người máy thông minh và những sinh vật nhân tạo lần đầu tiên xuất hiện trong thần thoại Hy Lạp cổ đại. Sự phát triển của Aristotle về Tam đoạn luận và việc sử dụng suy luận diễn dịch của nó là một thời điểm quan trọng trong hành trình tìm hiểu trí thông minh của nhân loại. Mặc dù nguồn gốc lâu đời và sâu sắc, nhưng lịch sử của Trí tuệ nhân tạo là gì như chúng ta nghĩ về nó ngày nay kéo dài chưa đầy một thế kỷ. Sau đây là cái nhìn nhanh về một số sự kiện quan trọng nhất trong trí tuệ nhân tạo là gì.

  • Năm 1943, Warren McCulloch và Walter Pitts xuất bản A Logical Calculus of Ideas Immanent in Nervous Activity (Tạm dịch: Phép tính logic về ý tưởng nội tại trong hoạt động thần kinh). Bài báo đã đề xuất mô hình toán học đầu tiên để xây dựng mạng thần kinh nơ-ron.
  • Năm 1949, trong cuốn sách The Organization of Behavior: A Neuropsychological Theory (tạm dịch: Tổ chức hành vi: Lý thuyết tâm lý thần kinh), Donald Hebb đề xuất giả thuyết rằng: các đường dẫn thần kinh được tạo ra từ trải nghiệm và các kết nối giữa các tế bào thần kinh sẽ trở nên mạnh mẽ hơn khi chúng được sử dụng thường xuyên hơn. 
  • Năm 1950, Alan Turing xuất bản cuốn Computing Machinery and Intelligence (Tạm dịch: Máy tính và trí thông minh”), đề xuất cái mà ngày nay được gọi là Phép thử Turing, một phương pháp để xác định xem máy móc có thông minh hay không. 
    • Các sinh viên đại học Harvard bao gồm Marvin Minsky và Dean Edmonds đã xây dựng SNARC, máy tính mạng nơ-ron đầu tiên. 
    • Claude Shannon xuất bản bài báo “Lập trình máy tính để chơi cờ.” 
    • Isaac Asimov xuất bản cuốn “Three Law of Robotics” (Tạm dịch: Ba định luật của người máy học).
  • Năm 1952 Arthur Samuel phát triển một chương trình tự học chơi cờ caro.
  • Năm 1954, Thí nghiệm dịch máy của Georgetown-IBM tự động dịch 60 câu tiếng Nga sang tiếng Anh.
  • Năm 1956 Cụm từ trí tuệ nhân tạo là gì được đặt ra tại “Dự án nghiên cứu mùa hè Dartmouth về trí tuệ nhân tạo.” Được dẫn dắt bởi John McCarthy, hội nghị xác định phạm vi và mục tiêu của Trí tuệ nhân tạo, được nhiều người coi là sự ra đời của trí tuệ nhân tạo như chúng ta biết ngày nay. John McCarthy (Đại học Dartmouth), Marvin Minsky (Đại học Harvard), Nathaniel Rochester (IBM) và Claude Shannon (Phòng thí nghiệm Bell).
  • Năm1958 John McCarthy phát triển ngôn ngữ lập trình AI Lisp và xuất bản bài báo “Lập trình với nhận thức chung”. Bài báo đã đề xuất giả thuyết Advice Taker, một hệ thống AI hoàn chỉnh với khả năng học hỏi kinh nghiệm hiệu quả như con người.
  • Năm 1959 Allen Newell, Herbert Simon và J.C. Shaw phát triển hệ thống Máy giải quyết vấn đề chung (GPS), một chương trình được thiết kế để bắt chước cách giải quyết vấn đề của con người. Ngoài ra trong năm này:
    • Herbert Gelernter phát triển chương trình Geometry Theorem Prover. 
    • Arthur Samuel sử dụng thuật ngữ Máy học khi làm việc tại IBM. 
    • John McCarthy và Marvin Minsky thành lập Dự án trí tuệ nhân tạo MIT.
  • Năm 1963 John McCarthy bắt đầu Phòng thí nghiệm Trí tuệ nhân tạo là gì tại Stanford.
  • Năm 1966 Báo cáo của Ủy ban Cố vấn Xử lý Ngôn ngữ Tự động (ALPAC) của chính phủ Hoa Kỳ nêu chi tiết về sự thiếu tiến bộ trong nghiên cứu bản dịch bằng máy, một sáng kiến trong thời kì Chiến tranh Lạnh với hứa hẹn dịch tiếng Nga tự động và tức thời. Báo cáo ALPAC dẫn đến việc hủy bỏ tất cả các dự án dịch bằng máy do chính phủ tài trợ.
  • Năm 1969 Hệ thống chuyên gia thành công đầu tiên được phát triển trong DENDRAL, một chương trình XX, và MYCIN, được thiết kế để chẩn đoán nhiễm trùng máu, được tạo ra tại Stanford.
  • Năm 1972 Ngôn ngữ lập trình logic PROLOG được tạo ra.
  • Năm 1973 “Báo cáo Lighthill,” mô tả chi tiết những thất vọng trong nghiên cứu trí tuệ nhân tạo là gì, được chính phủ Anh công bố và dẫn đến việc cắt giảm nghiêm trọng nguồn tài trợ cho các dự án trí tuệ nhân tạo.
  • 1974-1980 Sự thất vọng với tiến độ phát triển AI dẫn đến sự cắt giảm lớn của Cơ quan Chỉ đạo các Dự án Nghiên cứu Quốc phòng Tiên tiến (DARPA) trong các khoản tài trợ học tập. Kết hợp với báo cáo ALPAC trước đó và “Báo cáo Lighthill” của năm trước, nguồn tài trợ trí tuệ nhân tạo là gì cạn kiệt và các gian hàng nghiên cứu. Giai đoạn này được gọi là “Mùa đông AI đầu tiên” (AI Winter).
  • Năm 1980 Các tập đoàn thiết bị kỹ thuật số phát triển R1 (còn được gọi là XCON), hệ thống chuyên gia thương mại thành công đầu tiên. Được thiết kế để định cấu hình các đơn đặt hàng cho các hệ thống máy tính mới, R1 khởi động sự bùng nổ đầu tư vào các hệ thống chuyên gia sẽ kéo dài trong phần lớn thập kỷ, kết thúc hiệu quả “Mùa đông AI” đầu tiên.
  • Năm 1982 Bộ Thương mại Quốc tế và Công nghiệp Nhật Bản khởi động dự án Hệ thống Máy tính Thế hệ Thứ năm đầy tham vọng. Mục tiêu của FGCS là phát triển hiệu suất giống như siêu máy tính và là nền tảng để phát triển AI.
  • Năm 1983 Để đối phó với FGCS của Nhật Bản, chính phủ Hoa Kỳ khởi động Sáng kiến ​​Điện toán Chiến lược để cung cấp các nghiên cứu do DARPA tài trợ trong lĩnh vực máy tính tiên tiến và trí tuệ nhân tạo là gì.
  • Năm 1985 Các công ty đang chi hơn một tỷ đô la mỗi năm cho các hệ thống chuyên gia và toàn bộ ngành công nghiệp được gọi là thị trường máy Lisp đang phát triển để hỗ trợ họ. Các công ty như Symbolics và Lisp Machines Inc. xây dựng các máy tính chuyên dụng để chạy trên ngôn ngữ lập trình AI Lisp.
  • 1987-1993 Khi công nghệ máy tính được cải thiện, các lựa chọn thay thế rẻ hơn xuất hiện và thị trường máy Lisp sụp đổ vào năm 1987, mở ra “Mùa đông AI thứ hai”. Trong thời kỳ này, các hệ thống chuyên gia tỏ ra quá đắt để bảo trì và cập nhật, cuối cùng không còn được ưa chuộng. Nhật Bản chấm dứt dự án FGCS vào năm 1992, với lý do thất bại trong việc đáp ứng các mục tiêu đầy tham vọng đã vạch ra trước đó một thập kỷ. DARPA kết thúc Sáng kiến ​​Điện toán Chiến lược vào năm 1993 sau khi chi gần 1 tỷ đô la và không đạt được kỳ vọng.
  • Năm 1991 Lực lượng Hoa Kỳ triển khai DART, một công cụ lập kế hoạch và kế hoạch hậu cần tự động, trong Chiến tranh vùng Vịnh. 
  • Năm 1997 Deep Blue của IBM đánh bại nhà vô địch cờ vua thế giới Gary Kasparov 
  • Năm 2005 STANLEY, một chiếc xe tự lái, đã giành chiến thắng trong cuộc thi DARPA Grand Challenge. Quân đội Hoa Kỳ bắt đầu đầu tư vào các robot tự động như “Big Dog” của Boston Dynamic và “PackBot” của iRobot. 
  • Năm 2008 Google tạo ra đột phá trong nhận dạng giọng nói và giới thiệu tính năng này trong ứng dụng iPhone của mình.
  • Năm 2011 Watson của IBM vượt qua cuộc cạnh tranh trên Jeopardy !. 
  • Năm 2012 Andrew Ng, người sáng lập dự án Google Brain Deep Learning, cung cấp một mạng lưới thần kinh bằng cách sử dụng các thuật toán học sâu 10 triệu video YouTube như một bộ đào tạo. Mạng nơ-ron đã học cách nhận ra một con mèo mà không cần biết mèo là gì, mở ra kỷ nguyên đột phá cho mạng nơ-ron và tài trợ học tập sâu. 
  • Năm 2014 Google sản xuất ô tô tự lái đầu tiên vượt qua bài kiểm tra lái xe cấp tiểu bang. 
  • Năm 2016 AlphaGo của Google DeepMind đánh bại nhà vô địch cờ vây thế giới Lee Sedol. Sự phức tạp của trò chơi Trung Quốc cổ đại được coi là một rào cản lớn cần giải quyết trong AI.
About the author

Chủ blog Dinomadz, thích marketing, thích kết bạn, thích du lịch.

Leave a Reply