Artificial Intelligence (AI)
Trí tuệ nhân tạo (AI) là lĩnh vực xây dựng máy móc có khả năng nhận thức, suy luận, học tập và hành động. Lịch sử, các phương pháp chính, loại hình và ứng dụng.
Trí tuệ nhân tạo (AI) là một nhánh của khoa học máy tính, xây dựng các hệ thống có khả năng thực hiện những tác vụ gắn với trí tuệ con người: nhận thức hình ảnh và âm thanh, hiểu và tạo ngôn ngữ, suy luận, lập kế hoạch và học hỏi từ kinh nghiệm. Định nghĩa của OECD, được Đạo luật AI của EU tuân theo sát sao, mô tả hệ thống AI là hệ thống dựa trên máy móc suy luận từ đầu vào để tạo ra các đầu ra như dự đoán, nội dung, khuyến nghị hoặc quyết định. Hầu hết AI đang được sử dụng ngày nay học hành vi đó từ dữ liệu mẫu thông qua học máy (ML).
Lược sử AI#
Bài báo năm 1950 của Alan Turing, "Máy tính và trí tuệ", đặt câu hỏi liệu máy móc có thể tư duy hay không và đề xuất trò chơi bắt chước, ngày nay được gọi là bài kiểm tra Turing. John McCarthy, Marvin Minsky, Nathaniel Rochester và Claude Shannon đặt ra thuật ngữ "trí tuệ nhân tạo" trong đề xuất năm 1955 cho hội thảo mùa hè Dartmouth năm 1956, sự kiện khai sinh lĩnh vực này. Trong ba thập kỷ tiếp theo, AI ký hiệu chiếm ưu thế với logic, tìm kiếm và hệ chuyên gia dựa trên luật; nguồn tài trợ sụt giảm hai lần trong các "mùa đông AI" của thập niên 1970 và cuối thập niên 1980, khi kết quả không đáp ứng được kỳ vọng.
Các phương pháp AI thống kê học từ dữ liệu đã chiếm ưu thế trong thập niên 1990. Năm 1997, Deep Blue của IBM đánh bại nhà vô địch cờ vua thế giới Garry Kasparov bằng phần cứng chuyên dụng có khả năng tìm kiếm khoảng 200 triệu thế cờ mỗi giây. Năm 2012, mạng nơ-ron tích chập AlexNet giành chiến thắng cách biệt trong cuộc thi phân loại ảnh ImageNet, mở đầu kỷ nguyên học sâu (DL). Kiến trúc Transformer, được giới thiệu năm 2017, dẫn đến sự ra đời của mô hình ngôn ngữ lớn (LLM); việc ChatGPT ra mắt vào tháng 11 năm 2022 đã đưa AI tạo sinh đến với hàng trăm triệu người dùng.
Mối liên hệ giữa AI, học máy và học sâu#
AI là lĩnh vực bao trùm. AI ký hiệu và học máy là hai hướng tiếp cận chính: hướng thứ nhất mã hóa kiến thức thành các quy tắc tường minh, còn hướng thứ hai học các mẫu từ ví dụ. Học sâu là một nhánh của học máy sử dụng mạng nơ-ron có nhiều lớp; hầu như mọi đột phá hiện đại về thị giác, ngôn ngữ và tạo ảnh đều được xây dựng trên nền tảng này.
Các hệ thống học máy học theo một số phương thức chính. Học có giám sát khớp với các ví dụ đã gán nhãn, chẳng hạn ảnh được gắn thẻ các đối tượng có trong ảnh. Học không giám sát tìm cấu trúc trong dữ liệu chưa gán nhãn; học tự giám sát tạo tín hiệu huấn luyện từ dữ liệu thô, là phương pháp đứng sau quá trình tiền huấn luyện LLM; còn học tăng cường học từ phần thưởng nhận được khi hành động trong môi trường.
Các loại AI theo năng lực#
- Trí tuệ nhân tạo hẹp (ANI) hoặc AI yếu: AI được xây dựng cho một tác vụ hoặc một nhóm tác vụ cụ thể. Mọi hệ thống đã triển khai đều thuộc nhóm này, kể cả các hệ thống có năng lực siêu nhân trong phạm vi tác vụ của chúng.
- Trí tuệ nhân tạo tổng quát (AGI): Hệ thống giả định có năng lực tương đương con người trong hầu như mọi tác vụ nhận thức, thường được gọi là AI mạnh.
- Siêu trí tuệ nhân tạo (ASI): Hệ thống giả định vượt qua những người giỏi nhất trong gần như mọi lĩnh vực, là kịch bản đằng sau điểm kỳ dị công nghệ.
LLM đa dụng làm mờ ranh giới đầu tiên. Một model có thể viết code, dịch và mô tả ảnh, nhưng năng lực không đồng đều giữa các tác vụ — một hiện tượng gọi là trí tuệ gồ ghề. Bảng xếp hạng VLM của Ultralytics đo lường một kỹ năng như vậy: độ chính xác khi các model này phát hiện đối tượng trong ảnh thực tế.
Các ứng dụng của AI#
- Thị giác máy tính: Phát hiện đối tượng, phân đoạn cảnh và theo dõi chuyển động cho xe tự hành, kiểm tra nhà máy, phân tích bán lẻ và phân tích ảnh y tế.
- Ngôn ngữ và tiếng nói: Chatbot, dịch máy, tóm tắt tài liệu và chuyển lời nói thành văn bản.
- Dự đoán và xếp hạng: Phát hiện gian lận, dự báo nhu cầu và hệ thống đề xuất cho dịch vụ phát trực tuyến và mua sắm.
- Khoa học: AlphaFold của DeepMind dự đoán cấu trúc protein và giúp những người tạo ra công nghệ này được trao một phần giải Nobel Hóa học năm 2024.
- Agent và robot học: Agent AI lập kế hoạch cho các tác vụ nhiều bước và gọi công cụ phần mềm; robot kết hợp khả năng nhận thức với điều khiển.
Chạy model thị giác đã tiền huấn luyện là cách nhanh nhất để quan sát một hệ thống học sâu hoạt động. Ultralytics YOLO26 là một model phát hiện đối tượng đã học 80 lớp đối tượng thường gặp từ các ảnh COCO được gán nhãn:
from ultralytics import YOLO
# Nạp model phát hiện đối tượng YOLO26 đã tiền huấn luyện
model = YOLO("yolo26n.pt")
# Chạy suy luận trên một ảnh mà model chưa từng thấy
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]
# Lưu ảnh kèm các hộp dự đoán, nhãn lớp và điểm độ tin cậy
result.save(filename="bus_detections.jpg")Ảnh đã lưu đánh dấu từng đối tượng được phát hiện, chẳng hạn xe buýt và những người đứng cạnh, bằng một hộp, nhãn lớp và điểm độ tin cậy; tất cả đều được học từ các ví dụ.
Rủi ro, đạo đức và quy định#
Các hệ thống AI kế thừa những thiếu sót trong dữ liệu và mục tiêu của chúng. Model có thể mã hóa thiên kiến chống lại các nhóm ít được đại diện hoặc bị đối xử bất công trong dữ liệu huấn luyện; LLM có thể diễn đạt thông tin sai một cách trôi chảy; model tạo sinh có thể tạo ra deepfake; còn các model khó diễn giải rất khó kiểm tra nếu thiếu AI có thể giải thích (XAI). Nghiên cứu về đạo đức AI và an toàn AI giải quyết các rủi ro này; Khung quản lý rủi ro AI của NIST mang tính tự nguyện, cung cấp cho các tổ chức quy trình để quản lý chúng. Đạo luật AI của EU, có hiệu lực từ tháng 8 năm 2024, cấm hoàn toàn một số ít hành vi như chấm điểm xã hội và đặt ra các yêu cầu nghiêm ngặt đối với những ứng dụng rủi ro cao như tuyển dụng, chấm điểm tín dụng và AI trong thiết bị y tế.
