Trí tuệ nhân tạo là gì và hoạt động như thế nào

Trí tuệ nhân tạo là sự mô phỏng các quá trình thông minh của con người bằng máy móc, đặc biệt là hệ thống máy tính. Các ứng dụng cụ thể của AI bao gồm expert systems, xử lý ngôn ngữ tự nhiên, nhận diện giọng nói và machine vision.

Trí tuệ nhân tạo hoạt động như thế nào?

Khi sự cường điệu xung quanh AI ngày càng gia tăng, các nhà cung cấp đã tranh giành nhau để quảng bá cách các sản phẩm và dịch vụ của họ sử dụng AI. Thường những gì họ gọi là AI chỉ đơn giản chỉ là một phần của AI, chẳng hạn như ML. AI yêu cầu nền tảng phần cứng và phần mềm chuyên dụng để viết và huấn luyện các thuật toán ML. Không có ngôn ngữ lập trình nào có cùng nghĩa với AI, nhưng một số ít, bao gồm Python, R và Java, rất phổ biến.

Về tổng quan, các hệ thống AI hoạt động bằng cách nhập một lượng lớn labeled training data– dữ liệu đào tạo được gắn nhãn, phân tích dữ liệu để tìm các mối tương quan và các pattern, đồng thời sử dụng các pattern này để đưa ra dự đoán về các trạng thái trong tương lai. Bằng cách này, một chatbot được cung cấp dữ liệu các cuộc trò chuyện mẫu, có thể học cách tạo ra các cuộc trao đổi sống động như thật với mọi người, hoặc một công cụ nhận dạng hình ảnh có thể học cách xác định và mô tả các đối tượng trong hình ảnh bằng cách xem lại hàng triệu ví dụ.

Lập trình AI tập trung vào ba kỹ năng chính: học hỏi, suy luận và tự điều chỉnh.

Learning processes: Khía cạnh này của lập trình AI tập trung vào việc thu thập dữ liệu và tạo ra các quy tắc về cách biến dữ liệu thành các thông tin có thể sử dụng được. Các quy tắc, được gọi là algorithms, cung cấp cho các thiết bị tính toán hướng dẫn từng bước về cách hoàn thành một nhiệm vụ cụ thể.

Reasoning processes: Khía cạnh này của lập trình AI tập trung vào việc lựa chọn thuật toán phù hợp để đạt được outcome mong muốn.

Self-correction processes. Khía cạnh này của lập trình AI được thiết kế để liên tục tinh chỉnh các thuật toán và đảm bảo chúng cung cấp kết quả chính xác nhất có thể.

Tại sao Trí tuệ nhân tạo lại quan trọng?

AI cực kỳ quan trọng vì nó có thể cung cấp cho doanh nghiệp những insight có ý nghĩa về hoạt động của họ mà họ có thể chưa từng biết đến. Ngoài ra, trong một số trường hợp, AI có thể thực hiện nhiệm vụ tốt hơn con người. Đặc biệt khi nói đến các công việc lặp đi lặp lại, tỉ mỉ từng chi tiết, như phân tích số lượng lớn các văn bản pháp luật để đảm bảo các lĩnh vực liên quan được áp dụng chuẩn xác, các công cụ AI thường hoàn thành công việc nhanh chóng và tương đối ít lỗi.

Điều này đã thúc đẩy sự bùng nổ về hiệu quả và mở ra cơ hội kinh doanh hoàn toàn mới cho một số doanh nghiệp lớn. Trước làn sóng AI hiện nay, thật khó tưởng tượng việc sử dụng phần mềm máy tính có thể kết nối người đi taxi với taxi, nhưng ngày nay Uber đã trở thành một trong những công ty lớn nhất thế giới làm được điều đó. Nó sử dụng các thuật toán ML tinh vi để dự đoán khi nào mọi người có thể cần đi xe ở một số khu vực nhất định, giúp chủ động đưa người lái xe lên đường trước khi khách hàng cần. Một ví dụ khác, Google đã trở thành một trong những người chơi lớn nhất đối với một loạt các dịch vụ trực tuyến, bằng cách sử dụng công nghệ ML để hiểu cách mọi người sử dụng dịch vụ của họ và sau đó cải thiện chúng. Vào năm 2017, CEO của công ty, Sundar Pichai, đã tuyên bố rằng Google sẽ hoạt động như một công ty “AI đầu tiên”.

Các doanh nghiệp lớn nhất và thành công nhất hiện nay đã sử dụng AI để cải thiện hoạt động của họ và giành lợi thế trước các đối thủ cạnh tranh.

Ưu điểm và nhược điểm của trí tuệ nhân tạo là gì?

Artificial neural networks và công nghệ trí tuệ nhân tạo học sâu đang nhanh chóng phát triển, chủ yếu là do AI xử lý lượng lớn dữ liệu nhanh hơn nhiều và đưa ra dự đoán chính xác hơn khả năng của con người.

Trong khi khối lượng dữ liệu khổng lồ được tạo ra hàng ngày, thì các ứng dụng AI sử dụng ML có thể lấy dữ liệu đó và nhanh chóng biến chúng thành thông tin có thể sử dụng được. Theo cách viết này, nhược điểm chính của việc sử dụng AI là chi phí tốn kém để xử lý lượng lớn dữ liệu mà lập trình AI yêu cầu.

Thuận lợi

• Làm tốt các công việc yêu cầu tính tỉ mỉ chi tiết;
• Giảm thời gian cho các tác vụ trọng tâm vào dữ liệu;
• Mang lại kết quả nhất quán;
• Các agent ảo do AI hỗ trợ luôn sẵn sàng.

Nhược điểm

• Chi phí cao
• Yêu cầu chuyên môn sâu về kỹ thuật;
• Nguồn cung lao động có trình độ để xây dựng các công cụ AI còn hạn chế;
• Chỉ biết những gì nó đã được huấn luyện
• Thiếu khả năng khái quát hóa từ nhiệm vụ này sang nhiệm vụ khác.

Strong AI và weak AI

AI có thể được phân loại là yếu hoặc mạnh.

• Weak AI, còn được gọi là AI hẹp, là một hệ thống AI được thiết kế và huấn luyện để hoàn thành một nhiệm vụ cụ thể. Robot công nghiệp và trợ lý ảo cá nhân, chẳng hạn như Siri của Apple, sử dụng weak AI.
• Strong AI, còn được gọi là trí thông minh nhân tạo (AGI), mô tả chương trình có thể tái tạo khả năng nhận thức của não người. Khi được giao một nhiệm vụ không quen thuộc, một hệ thống AI mạnh có thể sử dụng fuzzy logic để áp dụng kiến ​​thức từ miền này sang miền khác và tự tìm ra giải pháp. Về lý thuyết, một chương trình AI mạnh sẽ có thể vượt qua cả bài kiểm tra Turing Test và Chinese room test

4 loại trí tuệ nhân tạo

Arend Hintze, một trợ lý giáo sư về Sinh học tích hợp, Khoa học máy tính và Kỹ thuật tại Đại học Bang Michigan, giải thích trong một bài báo năm 2016 rằng AI có thể được phân loại thành bốn loại, bắt đầu với các hệ thống thông minh theo nhiệm vụ cụ thể, đang được sử dụng rộng rãi ngày nay và tiến dần đến các hệ thống có tri giác, thứ vẫn chưa thực sự tồn tại. Danh mục phân loại như sau:

• Loại 1: Reactive machines. Các hệ thống AI này không có bộ nhớ và nhiệm vụ cụ thể. Một ví dụ là Deep Blue, chương trình cờ vua của IBM đã đánh bại Garry Kasparov vào những năm 1990. Deep Blue có thể xác định các quân cờ trên bàn cờ và đưa ra dự đoán, nhưng vì nó không có trí nhớ nên nó không thể sử dụng kinh nghiệm trong quá khứ để thông báo cho những quân cờ trong tương lai.
• Loại 2: Limited memory. Các hệ thống AI này có bộ nhớ, vì vậy chúng có thể sử dụng kinh nghiệm trong quá khứ để thông báo các quyết định trong tương lai. Một số chức năng ra quyết định trên ô tô tự lái được thiết kế theo cách này.
• Loại 3: Theory of mind. Theory of mind là một thuật ngữ tâm lý học. Khi được áp dụng cho AI, điều đó có nghĩa là hệ thống sẽ có trí thông minh xã hội để hiểu được cảm xúc. Loại AI này sẽ có thể suy ra ý định của con người và dự đoán hành vi, một kỹ năng cần thiết để các hệ thống AI trở thành thành viên không thể thiếu của các human teams.
• Loại 4: Self-awareness. Trong danh mục này, các hệ thống AI có nhận thức về “bản thân”, mang lại ý thức cho chúng. Máy móc có nhận thức về bản thân, hiểu được trạng thái hiện tại của chính chúng. Loại AI này vẫn chưa tồn tại.

Những ví dụ điển hình công nghệ AI và ngày nay, nó được sử dụng như thế nào?

AI được tích hợp vào nhiều loại công nghệ khác nhau. Dưới đây là sáu ví dụ:

• Automation. Khi kết hợp với công nghệ AI, các công cụ tự động hóa có thể mở rộng khối lượng và loại tác vụ được thực hiện. Một ví dụ là tự động hóa quy trình bằng robot (RPA), một loại phần mềm cho phép tự động hóa các tác vụ xử lý dữ liệu dựa trên quy tắc, lặp đi lặp lại do con người thực hiện theo truyền thống. Khi được kết hợp với ML và các công cụ AI mới nổi, RPA có thể tự động hóa phần lớn công việc của doanh nghiệp, cho phép các bot chiến thuật của RPA truyền tải trí thông minh từ AI và phản ứng với các thay đổi của quy trình.
• Machine learning. Đây là khoa học về việc làm cho một máy tính hoạt động mà không cần lập trình. Học sâu là một tập con của ML, nói một cách rất đơn giản, có thể được coi là sự tự động hóa của phân tích dự đoán. Có ba loại ML:

o Supervised learning. Tập dữ liệu được gắn nhãn giúp các pattern có thể được phát hiện và sử dụng để gắn nhãn các tập dữ liệu mới.

o Unsupervised learning. Tập dữ liệu không được gắn nhãn và được sắp xếp theo những điểm tương đồng hoặc khác biệt.

o Reinforcement learning. Các tập dữ liệu không được gắn nhãn nhưng sau khi thực hiện một hành động hoặc một số hành động, hệ thống AI sẽ thu được phản hồi.

• Machine vision. Công nghệ này mang lại cho máy khả năng nhìn. Machine vision chụp và phân tích thông tin hình ảnh bằng máy ảnh, chuyển đổi sang kỹ thuật số và xử lý tín hiệu kỹ thuật số. Nó thường được so sánh với thị lực của con người, nhưng thị giác máy không bị ràng buộc bởi Sinh học và có thể được lập trình để nhìn xuyên tường chẳng hạn. Nó được sử dụng trong một loạt các ứng dụng từ nhận dạng chữ ký đến phân tích hình ảnh y tế. Computer vision, vốn tập trung vào xử lý hình ảnh dựa trên máy tính, thường được ghép với machine vision.
• Natural language processing (NLP).Đây là quá trình xử lý ngôn ngữ của con người bằng một chương trình máy tính. Một trong những ví dụ khá cũ nhưng nổi tiếng nhất của NLP là tính năng phát hiện thư rác, xem xét dòng tiêu đề và văn bản của email và quyết định xem nó có phải là thư rác hay không. Các phương pháp tiếp cận NLP hiện tại dựa trên ML. Các nhiệm vụ NLP bao gồm dịch văn bản, phân tích cảm xúc và nhận diện giọng nói.
• Robotics. Lĩnh vực kỹ thuật này tập trung vào thiết kế và sản xuất robot. Robot thường được sử dụng để thực hiện các nhiệm vụ mà con người khó thực hiện hoặc thực hiện một cách máy móc. Ví dụ, robot được sử dụng trong dây chuyền lắp ráp sản xuất xe hơi, hoặc bởi NASA để di chuyển các vật thể lớn trong không gian. Các nhà nghiên cứu cũng đang sử dụng ML để chế tạo các robot có thể tương tác trong môi trường xã hội.
• Self-driving cars. Xe tự lái kết hợp computer vision, nhận dạng hình ảnh và học sâu để xây dựng kỹ năng tự động điều khiển phương tiện khi đang ở trên một làn đường nhất định và tránh các chướng ngại vật bất ngờ, chẳng hạn như người đi bộ.

Các ứng dụng của AI là gì?

Trí tuệ nhân tạo đã xâm nhập vào hàng loạt các thị thường khác nhau. 

AI trong chăm sóc sức khỏe. Mối quan tâm lớn nhất đó là cải thiện kết quả của bệnh nhân và giảm chi phí. Các công ty đang áp dụng ML để chẩn đoán tốt hơn và nhanh hơn con người. Một trong những công nghệ chăm sóc sức khỏe nổi tiếng nhất là IBM Watson. Nó hiểu ngôn ngữ tự nhiên và có thể trả lời các câu hỏi được hỏi. Hệ thống khai thác dữ liệu bệnh nhân và các nguồn dữ liệu có sẵn khác để tạo thành một giả thuyết chẩn đoán, sau đó hệ thống sẽ trình bày giả thuyết đó bằng một giản đồ với độ tin cậy cao. Các ứng dụng AI khác bao gồm việc sử dụng trợ lý sức khỏe ảo trực tuyến và chatbots để giúp bệnh nhân và những người muốn chăm sóc sức khỏe tìm kiếm thông tin y tế, lên lịch cuộc hẹn, nắm quy trình thanh toán và hoàn thành các quy trình hành chính khác. Một loạt công nghệ AI cũng đang được sử dụng để dự đoán, chống lại và hiểu về các đại dịch chẳng hạn như COVID-19.

AI trong kinh doanh. Các thuật toán ML đang được tích hợp vào nền tảng phân tích và quản lý quan hệ khách hàng (CRM) để khám phá thông tin về cách phục vụ khách hàng tốt hơn. Chatbots đã được tích hợp vào các trang web để cung cấp dịch vụ phản hồi ngay lập tức cho khách hàng. Tự động hóa các vị trí công việc cũng đã trở thành một chủ đề được thảo luận giữa các học giả và các nhà phân tích CNTT.

AI trong giáo dục. AI có thể tự động hóa việc chấm điểm, giúp các Nhà giáo dục có thêm thời gian. Nó có thể đánh giá và thích nghi nhanh chóng với các nhu cầu của học sinh, giúp họ làm việc theo tốc độ của riêng mình. Gia sư AI có thể hỗ trợ thêm cho sinh viên, đảm bảo họ luôn đi đúng hướng. Và nó có thể thay đổi nơi học và cách học của học sinh, thậm chí có thể thay thế một số giáo viên.

AI trong Tài chính. AI trong các ứng dụng tài chính cá nhân, chẳng hạn như Intuit Mint hoặc TurboTax, đang phá vỡ các tổ chức tài chính. Các ứng dụng này thu thập dữ liệu cá nhân và cung cấp lời khuyên tài chính. Các chương trình khác, chẳng hạn như IBM Watson, đã được áp dụng cho quá trình mua nhà. Ngày nay, phần mềm trí tuệ nhân tạo thực hiện phần lớn giao dịch trên Phố Wall.

AI trong Luật. Quá trình khám phá – sàng lọc các tài liệu – trong Luật thường quá sức đối với con người. Sử dụng AI để giúp tự động hóa các quy trình tốn nhân lực của ngành luật, giúp tiết kiệm thời gian và cải thiện dịch vụ khách hàng. Các công ty Luật đang sử dụng ML để mô tả dữ liệu và dự đoán kết quả, computer vision để phân loại và trích xuất thông tin từ tài liệu và NLP để giải thích các yêu cầu thông tin.

AI trong sản xuất. Sản xuất đã đi đầu trong việc kết hợp robot vào quy trình làm việc. Ví dụ, các Robot công nghiệp trước kia được lập trình để thực hiện các nhiệm vụ đơn lẻ và tách rời khỏi con người, ngày nay hoạt động như Cobot: Robot đa nhiệm, hợp tác với con người và đảm nhận nhiều phần công việc hơn trong nhà kho, sàn nhà máy và các không gian làm việc khác.

AI trong ngân hàng. Các ngân hàng đang sử dụng thành công các chatbot để làm cho khách hàng của họ nhận biết về các dịch vụ và các offer để xử lý các giao dịch mà không cần đến sự can thiệp của con người. Trợ lý ảo AI đang được sử dụng để cải thiện và cắt giảm chi phí tuân thủ theo quy định ngân hàng. Các tổ chức ngân hàng cũng đang sử dụng AI để cải thiện việc ra quyết định cho các khoản vay, đặt giới hạn tín dụng và xác định các cơ hội đầu tư.

AI trong giao thông vận tải. Ngoài vai trò cơ bản của AI trong việc vận hành các phương tiện tự lái, các công nghệ AI được sử dụng trong giao thông vận tải để quản lý giao thông, dự đoán độ trễ chuyến bay và giúp vận chuyển đường biển an toàn và hiệu quả hơn.

Bảo vệ. AI và ML đang đứng đầu danh sách từ khóa mà các nhà cung cấp bảo mật sử dụng ngày nay để nhấn mạnh sự khác biệt các dịch vụ của họ. Những thuật ngữ đó cũng đại diện cho các công nghệ thực sự khả thi. Các tổ chức sử dụng ML trong bảo mật thông tin, phần mềm quản lý sự kiện (SIEM) và các lĩnh vực liên quan, để phát hiện các điểm bất thường và xác định các hoạt động đáng ngờ, chỉ ra các mối đe dọa. Bằng cách phân tích dữ liệu và sử dụng logic để xác định các điểm tương đồng với mã độc đã biết, AI có thể đưa ra cảnh báo về các cuộc tấn công mới và đang xuất hiện, sớm hơn nhiều so với con người và các phép lặp của công nghệ trước đó. Công nghệ đang phát triển và đóng một vai trò to lớn trong việc giúp các tổ chức chống lại các cuộc tấn công mạng.

Trí tuệ tăng cường so với trí tuệ nhân tạo

Một số chuyên gia trong ngành tin rằng thuật ngữ artificial intelligence có mối liên hệ quá chặt chẽ với văn hóa đại chúng và điều này đã khiến công chúng có kỳ vọng không rõ ràng về cách AI sẽ thay đổi nơi làm việc và cuộc sống nói chung.

• Augmented intelligence. Một số nhà nghiên cứu và nhà tiếp thị hy vọng nhãn augmented intelligence, có hàm ý trung lập hơn, sẽ giúp mọi người hiểu rằng hầu hết các hệ thống xử lý AI sẽ yếu và chỉ đơn giản là cải thiện sản phẩm và dịch vụ. Các ví dụ bao gồm tự động hiển thị thông tin quan trọng trong các báo cáo kinh doanh hoặc làm nổi bật thông tin quan trọng trong hồ sơ pháp lý.
• Artificial intelligence. AI đích thực, hay trí thông minh nhân tạo, gắn liền với khái niệm về technological singularity– một tương lai được cai trị bởi một trí tuệ nhân tạo vượt xa khả năng của bộ não con người hoặc cách nó định hình thực tế của chúng ta. Điều này vẫn nằm trong lĩnh vực khoa học viễn tưởng, mặc dù một số nhà phát triển đang giải quyết vấn đề này. Nhiều người tin rằng các công nghệ như điện toán lượng tử có thể đóng một vai trò quan trọng trong việc biến AGI thành hiện thực và chúng ta nên dành việc sử dụng thuật ngữ AI cho loại trí thông minh này.

Đạo đức sử dụng trí tuệ nhân tạo

Trong khi các công cụ AI cung cấp một loạt các chức năng mới cho các doanh nghiệp, việc sử dụng trí tuệ nhân tạo cũng đặt ra các câu hỏi về đạo đức, sẽ tốt hơn hay tệ hơn khi một hệ thống AI sẽ củng cố những gì nó đã học được.

Điều này có thể có vấn đề vì các thuật toán ML- nền tảng của nhiều công cụ AI tiên tiến nhất, chỉ thông minh như những dữ liệu mà chúng được cung cấp trong quá trình huấn luyện. Bởi vì con người lựa chọn dữ liệu nào được sử dụng để đào tạo một chương trình AI, tiềm năng về sai lệch ML là sẵn có và phải được theo dõi chặt chẽ.

Bất kỳ ai muốn sử dụng ML như một phần của hệ thống trong sản xuất hay thế giới thực cần phải coi trọng đạo đức vào quy trình huấn luyện AI, cố gắng tránh sai lệch. Điều này đặc biệt đúng khi sử dụng các thuật toán AI vốn không thể giải thích được trong các ứng dụng deep learning và generative adversarial network (GAN) 

Khả năng giải thích là một trở ngại tiềm ẩn đối với việc sử dụng AI trong các ngành hoạt động theo các yêu cầu tuân thủ quy định nghiêm ngặt. Ví dụ, các tổ chức tài chính ở Hoa Kỳ hoạt động theo các quy định, yêu cầu họ giải trình các quyết định cấp tín dụng của họ. Tuy nhiên, khi quyết định từ chối tín dụng được đưa ra bởi lập trình AI, có thể khó giải thích quyết định này được đưa ra như thế nào vì các công cụ AI được sử dụng để đưa ra quyết định bằng cách đưa ra các mối tương quan khó thấy giữa hàng nghìn biến số. Khi quá trình ra quyết định không thể giải thích được, chương trình có thể được gọi là black box AI.

Các thành phần này tạo nên việc sử dụng AI có trách nhiệm.

Mặc dù có những rủi ro tiềm ẩn, nhưng hiện tại, có rất ít quy định quản lý việc sử dụng các công cụ AI và nếu Luật đó tồn tại, chúng thường liên quan đến AI một cách gián tiếp. Ví dụ, như đã đề cập trước đây, các quy định về Cho vay Công bằng của Hoa Kỳ yêu cầu các tổ chức tài chính giải thích các quyết định tín dụng cho khách hàng tiềm năng. Điều này hạn chế mức độ mà người cho vay có thể sử dụng các thuật toán học sâu, về bản chất của chúng là không rõ ràng và thiếu khả năng giải thích.

Quy định chung về bảo vệ dữ liệu của Liên minh châu Âu (GDPR) đặt ra những giới hạn nghiêm ngặt về cách các doanh nghiệp có thể sử dụng dữ liệu người tiêu dùng, điều này cản trở việc huấn luyện và tối ưu chức năng của nhiều ứng dụng AI hướng tới người tiêu dùng.

Vào tháng 10 năm 2016, Hội đồng Khoa học và Công nghệ Quốc gia đã ban hành một báo cáo, kiểm tra vai trò của các quy định của chính phủ trong việc phát triển AI, nhưng không khuyến nghị xem xét các Luật cụ thể.

Việc xây dựng luật để điều chỉnh AI sẽ không dễ dàng, một phần vì AI bao gồm nhiều loại công nghệ mà các công ty sử dụng cho các mục đích khác nhau, và một phần vì các quy định có thể phải trả giá bằng sự tiến bộ và phát triển của AI. Sự phát triển nhanh chóng của các công nghệ AI là một trở ngại khác trong việc hình thành các quy định có ý nghĩa của AI. Những đột phá về công nghệ và các ứng dụng mới có thể làm cho các Luật hiện hành trở nên lỗi thời ngay lập tức. Ví dụ: các Luật hiện hành quy định quyền riêng tư của các cuộc trò chuyện và các cuộc trò chuyện được ghi âm, tuy nhiên nó không bao hàm việc sử dụng nó để tạo ra sự phát triển, ví dụ như trợ lý giọng nói Alexa của Amazon và Siri của Apple, những ứng dụng này thu thập nhưng không tiết lộ cuộc trò chuyện ra bên ngoài – ngoại trừ nhóm công nghệ của các công ty sử dụng nó để cải thiện thuật toán ML. Và tất nhiên, luật mà các chính phủ quản lý để điều chỉnh AI không thể dừng được việc các tội phạm mạng sử dụng công nghệ với mục đích xấu.

Cognitive computing and AI

Các thuật ngữ AI và cognitive computing đôi khi được sử dụng thay thế cho nhau, nhưng nói chung, nhãn AI được dùng để chỉ các loại máy móc thay thế trí thông minh của con người bằng cách mô phỏng cách chúng ta cảm nhận, học hỏi, xử lý và phản ứng với thông tin trong môi trường.

Nhãn cognitive computing được sử dụng để chỉ các sản phẩm và dịch vụ bắt chước và tăng cường các quá trình suy nghĩ của con người.

Lịch sử của AI?

Khái niệm về những đồ vật vô tri vô giác được ban tặng cho trí thông minh đã có từ thời cổ đại. Thần Hephaestus được miêu tả trong thần thoại Hy Lạp là một thợ rèn, người đã tạo ra những nô lệ từ vàng. Các kỹ sư ở Ai Cập cổ đại đã xây dựng những bức tượng của các vị thần được hình họa bởi các Linh mục. Trong suốt nhiều thế kỷ, các nhà tư tưởng từ Aristotle cho đến nhà thần học người Tây Ban Nha Ramon Llull, René Descartes và Thomas Bayes đã sử dụng các công cụ và logic của thời đại đó để mô tả các quá trình suy nghĩ của con người như là biểu tượng, đặt nền tảng cho các khái niệm AI như knowledge representation.

Hỗ trợ cho lĩnh vực AI hiện đại, từ năm 1956 đến nay.

Cuối thế kỷ 19 và nửa đầu thế kỷ 20, một công trình nền tảng đã ra đời, dẫn đến ý tưởng máy tính hiện đại về sau. Năm 1836, nhà toán học Charles Babbage của Đại học Cambridge và Augusta Ada Byron, Nữ bá tước của Lovelace, đã phát minh ra thiết kế đầu tiên cho một cỗ máy có thể lập trình được.

Những năm 1940. Nhà toán học Princeton John Von Neumann đã tạo ra kiến ​​trúc cho máy tính chương trình được lưu trữ – ý tưởng  rằng program của máy tính và data mà nó xử lý có thể được lưu trong bộ nhớ của máy tính. Và Warren McCulloch và Walter Pitts đã đặt nền móng cho mạng nơ-ron.

Những năm 1950. Với sự ra đời của máy tính hiện đại, các nhà khoa học có thể thử nghiệm ý tưởng của họ về trí thông minh của máy móc. Một phương pháp để xác định xem một máy tính có trí thông minh hay không đã được nhà toán học người Anh- code-breaker thời Thế chiến II- Alan Turing nghĩ ra. Bài kiểm tra Turing tập trung vào khả năng của máy tính để đánh lừa những người thẩm vấn tin rằng câu trả lời của nó đối với các câu hỏi của họ là do con người thực hiện.

Năm 1956. Lĩnh vực trí tuệ nhân tạo hiện đại được bàn luận rộng rãi, bắt đầu từ một hội nghị mùa hè tại Đại học Dartmouth. Được tài trợ bởi Defense Advanced Research Projects Agency (DARPA), hội nghị có sự tham gia của 10 nhân vật nổi tiếng trong lĩnh vực này, bao gồm các nhà tiên phong về AI là Marvin Minsky, Oliver Selfridge và John McCarthy, người được cho là đã đặt ra thuật ngữ trí tuệ nhân tạo. Cùng tham dự còn có Allen Newell, một nhà khoa học máy tính và Herbert A. Simon, một nhà kinh tế học, nhà khoa học chính trị và nhà tâm lý học nhận thức, người đã trình bày lý thuyết Logic đột phá, một chương trình máy tính có khả năng chứng minh một số định lý toán học và được gọi là chương trình AI đầu tiên.

Những năm 1950 và 1960. Sau hội nghị Đại học Dartmouth, các nhà lãnh đạo trong lĩnh vực AI còn non trẻ đã dự đoán rằng một trí thông minh nhân tạo tương đương với não người đã xuất hiện, thu hút sự hỗ trợ của chính phủ và ngành công nghiệp. Thật vậy, gần 20 năm nghiên cứu với sự tài trợ tốt, đã tạo ra những tiến bộ đáng kể trong AI: Ví dụ, vào cuối những năm 1950, Newell và Simon đã xuất bản thuật toán General Problem Solver (GPS), thuật toán này không giải quyết được các vấn đề phức tạp nhưng lại đặt nền móng cho sự phát triển các kiến ​​trúc nhận thức tinh vi hơn; McCarthy đã phát triển Lisp, một ngôn ngữ lập trình AI vẫn được sử dụng cho đến ngày nay. Vào giữa những năm 1960, Giáo sư Joseph Weizenbaum của MIT đã phát triển ELIZA, một chương trình xử lý ngôn ngữ tự nhiên ban đầu, đặt nền móng cho chatbot ngày nay.

Những năm 1970 và 1980. Những thành tựu của trí tuệ nhân tạo nói chung khó nắm bắt, bị cản trở bởi những hạn chế trong xử lý máy tính và bộ nhớ, và bởi sự phức tạp của vấn đề. Chính phủ và các tập đoàn đã không ủng hộ việc nghiên cứu AI của họ, dẫn đến một thời kỳ bỏ hoang kéo dài từ năm 1974 đến năm 1980 và được gọi là “Mùa đông AI” đầu tiên. Vào những năm 1980, nghiên cứu về các kỹ thuật học sâu và việc áp dụng các hệ thống chuyên gia của Edward Feigenbaum trong ngành đã khơi dậy một làn sóng mới về AI, ngay sau đó là sự sụp đổ khác của nguồn tài trợ của chính phủ và hỗ trợ của ngành. Mùa đông AI thứ hai kéo dài đến giữa những năm 1990.

Những năm 1990 cho đến ngày nay. Sự gia tăng sức mạnh tính toán và sự bùng nổ dữ liệu đã châm ngòi cho một thời kỳ phục hưng của AI vào cuối những năm 1990 và vẫn tiếp tục cho đến nay. Trọng tâm mới nhất về AI là tạo ra những đột phá trong xử lý ngôn ngữ tự nhiên, thị giác máy tính, robot, ML, DL và hơn thế nữa. Hơn nữa, AI đang trở nên hữu hình hơn bao giờ hết, cung cấp năng lượng cho ô tô, chẩn đoán bệnh tật và củng cố vai trò của nó trong nền văn hóa cộng đồng. Năm 1997, Deep Blue của IBM đã đánh bại kiện tướng cờ vua người Nga Garry Kasparov, trở thành chương trình máy tính đầu tiên đánh bại một nhà vô địch cờ vua thế giới. Mười bốn năm sau, Watson của IBM đã thu hút công chúng khi đánh bại hai nhà cựu vô địch trong chương trình trò chơi Jeopardy. Gần đây hơn, trận thua lịch sử của Lee Sedol, người 18 lần vô địch cờ vây thế giới, trước AlphaGo của Google DeepMind đã khiến cộng đồng cờ vây choáng váng và đánh dấu một cột mốc quan trọng trong sự phát triển của máy thông minh.

AI as a service

Vì chi phí phần cứng, phần mềm và nhân sự cho AI có thể đắt đỏ, nhiều nhà cung cấp đang đưa các thành phần AI vào các dịch vụ tiêu chuẩn của họ hoặc cung cấp quyền truy cập vào nền tảng trí tuệ nhân tạo dưới dạng dịch vụ (AIaaS). AIaaS cho phép các cá nhân và công ty thử nghiệm với AI cho các mục đích kinh doanh khác nhau và học hỏi nền tảng trước đó trước khi đua ra quyết định.

Nguyễn Hải Nam

Dịch từ bài What is artificial intelligence (AI)?

Tìm hiểu: khoá học Machine Learning cam kết đầu ra với mức lương 12-16 triệu/tháng.