Artificial Narrow Intelligence (ANI)
Trí tuệ nhân tạo hẹp (ANI), hay AI yếu, thành thạo một tác vụ nhưng không thể chuyển kỹ năng đó sang tác vụ khác. Cách hoạt động, ví dụ và so sánh ANI với AGI.
Trí tuệ nhân tạo hẹp (ANI), còn gọi là AI hẹp hoặc AI yếu, là trí tuệ nhân tạo (AI) được xây dựng để thực hiện một tác vụ hoặc một nhóm tác vụ giới hạn chặt chẽ, chẳng hạn phát hiện đối tượng trong ảnh, đề xuất video hoặc chuyển lời nói thành văn bản. Một hệ thống ANI có thể đạt hoặc vượt hiệu suất của con người trong lĩnh vực của mình, nhưng không thể áp dụng kỹ năng đó cho một vấn đề không liên quan nếu thiếu dữ liệu huấn luyện mới và quá trình huấn luyện lại. Theo định nghĩa tiêu chuẩn, mọi hệ thống AI được triển khai ngày nay đều thuộc loại hẹp, từ bộ lọc thư rác đến các model thị giác máy tính hỗ trợ xe tự lái.
ANI so với AGI và ASI#
AI thường được mô tả theo ba cấp độ năng lực. ANI là cấp độ đầu tiên: có năng lực trong một lĩnh vực và bị giới hạn bởi dữ liệu cùng mục tiêu mà nó được huấn luyện. Trí tuệ nhân tạo tổng quát (AGI) là một hệ thống giả định có năng lực tương đương con người trong hầu như mọi tác vụ nhận thức và có thể học tác vụ mới mà không cần kỹ thuật chuyên biệt cho từng tác vụ. AGI thường được gọi là AI mạnh, thuật ngữ mà triết gia John Searle đặt ra cùng với AI yếu trong lập luận Phòng Trung Hoa năm 1980; khi đó, thuật ngữ này chỉ một máy tính thực sự có tâm trí. Siêu trí tuệ nhân tạo (ASI) là hệ thống giả định vượt qua những người giỏi nhất trong mọi lĩnh vực, là kịch bản đằng sau ý tưởng về điểm kỳ dị công nghệ.
Mô hình ngôn ngữ lớn (LLM) làm nới rộng phạm vi của nhóm AI hẹp. Một model có thể viết code, dịch, tóm tắt và trả lời câu hỏi về hình ảnh; Đạo luật AI của EU ghi nhận điều này khi gọi các hệ thống như vậy là model AI đa dụng. Tuy nhiên, kỹ năng của chúng vẫn không đồng đều, một kiểu hình được gọi là trí tuệ gồ ghề: cùng một model có thể giải toán ở cấp độ Olympic rồi lại phán đoán sai số nào lớn hơn trong hai số thập phân; trọng số của model ngừng học khi quá trình huấn luyện kết thúc.
Cách AI hẹp hoạt động#
Hệ thống ANI là một model được huấn luyện bằng dữ liệu cho một mục tiêu, nên năng lực của model bị giới hạn bởi hai yếu tố: phân phối của dữ liệu huấn luyện và tập hợp đầu ra mà model có thể tạo ra. Một model phát hiện đối tượng được huấn luyện trên 80 lớp của bộ dữ liệu COCO không có cách nào để nói "đây là thứ mới". Khi thấy một đối tượng xa lạ, model sẽ bỏ qua hoặc báo cáo lớp gần nhất mà model biết:
Ultralytics YOLO26 cho thấy rõ giới hạn này: model được tiền huấn luyện trên COCO chỉ có thể gọi tên chính xác 80 lớp; để dạy model nhận biết một đối tượng mới, chẳng hạn một bộ phận máy cụ thể, cần tinh chỉnh trên các ảnh đã gán nhãn của bộ phận đó, qua đó thay danh sách lớp của model bằng các lớp trong bộ dữ liệu mới.
from ultralytics import YOLO
# A COCO-pretrained detector: its whole vocabulary is fixed at training time
model = YOLO("yolo26n.pt")
print(f"Classes this model can name: {len(model.names)}")
# Every detection it returns must carry one of those labels
results = model("https://ultralytics.com/images/bus.jpg")
result = results[0]
print(result.verbose())Dòng đầu tiên in ra kích thước toàn bộ từ vựng của model; dòng thứ hai liệt kê những lớp trong số đó được tìm thấy trong ảnh, mỗi lớp đều lấy từ cùng một tập hợp cố định.
Ứng dụng thực tế#
AI hẹp cung cấp năng lực cho phần lớn phần mềm mà mọi người sử dụng hằng ngày:
- Hệ thống đề xuất: Các nền tảng phát trực tuyến và mua sắm xếp hạng sản phẩm cho từng người dùng dựa trên lịch sử xem và mua hàng.
- Nhận dạng giọng nói: Trợ lý giọng nói và công cụ đọc chính tả chuyển âm thanh lời nói thành văn bản.
- Kiểm tra trong sản xuất: Model thị giác kiểm tra từng bộ phận trên dây chuyền sản xuất để tìm một nhóm lỗi xác định.
- Phân tích ảnh y tế: Model đánh dấu các dấu hiệu như nốt phổi hoặc bệnh võng mạc tiểu đường trong một phương thức chẩn đoán hình ảnh.
- Xe tự hành: Một hệ thống xe tự lái kết hợp nhiều model chuyên biệt, mỗi model đảm nhiệm một công việc như phân đoạn làn đường, phát hiện người đi bộ, theo dõi đối tượng hoặc lập kế hoạch đường đi.
Ưu điểm và giới hạn của AI hẹp#
Trong lĩnh vực của mình, ANI có thể đạt năng lực siêu nhân, hoạt động nhanh và không biết mệt. Deep Blue của IBM đánh bại nhà vô địch cờ vua thế giới Garry Kasparov năm 1997; năm 2016, AlphaGo của DeepMind đánh bại kỳ thủ vô địch cờ vây Lee Sedol với tỷ số 4–1. Ngoài lĩnh vực đó, các hệ thống này hoàn toàn không có năng lực; hiệu suất cũng giảm khi đầu vào khác với dữ liệu huấn luyện, một vấn đề được gọi là trôi dạt dữ liệu sau khi model được triển khai. Hệ thống hẹp cũng không hiểu những gì chúng xử lý; chúng ánh xạ đầu vào thành đầu ra thông qua các mẫu thống kê học được từ dữ liệu. Ngay cả AlphaZero của DeepMind, được huấn luyện chơi cờ vua, shogi và cờ vây bằng một thuật toán duy nhất, cũng dùng một mạng riêng cho từng trò chơi; mạng chơi cờ vua không thể chơi cờ vây.
