Ngày nay, chúng ta xem xét những điều cơ bản về trí tuệ nhân tạo, thứ thâm nhập vào hầu hết mọi khía cạnh của cuộc sống chúng ta. Bài viết này sẽ khám phá các khái niệm chính xoay quanh trí tuệ nhân tạo và câu trả lời cho các câu hỏi thường gặp mà không đi sâu vào sự phức tạp về mặt kỹ thuật nhiều nhất có thể.
Trí tuệ nhân tạo là gì?
Trí tuệ nhân tạo (AI) là một lĩnh vực khoa học máy tính tập trung phát triển các máy móc thông minh có khả năng hoàn thành các nhiệm vụ đòi hỏi trí tuệ của con người.
Hầu hết mọi người nghĩ ngay đến Trí tuệ nhân tạo tổng hợp (AGI) khi nghe về AI. Nó có thể thực hiện bất cứ điều gì mà con người có thể làm được, nhưng cho đến nay nó còn vượt trội hơn nhiều. Tuy nhiên, thực tế là chúng ta chưa thể tạo ra được nó. AI hiện tồn tại dưới dạng Trí tuệ thu hẹp nhân tạo (ANI), rất chuyên biệt. Bạn có thể dạy nó một vài điều và nó sẽ hoàn thiện chúng. Tuy nhiên, nếu giao cho nó một nhiệm vụ khác, nó sẽ phá hỏng công việc một cách khủng khiếp.
Các loại AI: Giải thích về AI hẹp, chung và siêu AI
Khi nói về những điều cơ bản của AI, trước tiên chúng ta cần xem xét các loại đang được sử dụng và vẫn còn trên lý thuyết. Các ứng dụng AI thường được chia thành ba loại dựa trên khả năng hoàn thành các hoạt động của chúng. Những loại này khác nhau và thể hiện sự phát triển tự nhiên của các hệ thống AI ngày nay.
Trí tuệ nhân tạo hẹp: Những cỗ máy đáng tin cậy khi thực hiện nhiệm vụ
AI hẹp là loại AI phổ biến nhất hiện nay. AI hẹp đang càn quét thế giới, từ ứng dụng điện thoại di động đến Internet cho đến phân tích dữ liệu lớn. Thuật ngữ này bắt nguồn từ thực tế là các hệ thống trí tuệ nhân tạo này được thiết kế cho một mục đích cụ thể. Chúng còn được gọi là AI “yếu” do cách tiếp cận bị hạn chế và không có khả năng hoàn thành các nhiệm vụ khác ngoài những nhiệm vụ được giao. Cùng với năng lực hạn chế, trọng tâm hạn hẹp này khiến AI của chúng trở nên “yếu”.
AI hẹp thường bị hạn chế về phạm vi vì nó giải quyết một vấn đề cụ thể. Kiến trúc và hoạt động của nó nhằm đảm bảo rằng một nhiệm vụ được hoàn thành, với trọng tâm được phản ánh trong thiết kế và chức năng của nó. Do những hạn chế này, AI thu hẹp có sự tập trung cao độ vào các mục tiêu cụ thể mà nó được thiết kế.
Trí tuệ nhân tạo thu hẹp là một trong những lựa chọn phổ biến nhất của các doanh nghiệp vì hiệu suất, tốc độ và hiệu quả sử dụng năng lượng cao so với con người. AI hẹp có thể sử dụng tính năng tự động hóa và tích hợp thông minh để mang lại hiệu quả trong khi vẫn duy trì độ chính xác cho nhiều hoạt động cấp thấp.
Công nghệ cơ sở dữ liệu quan hệ truyền thống không phù hợp với các ứng dụng AI như vậy. Với việc thu thập dữ liệu cá nhân ngày càng trở nên phổ biến, các doanh nghiệp có một lượng lớn dữ liệu lớn để đào tạo AI và hiểu biết sâu sắc về nó.
Ngày nay, AI thu hẹp được sử dụng trong nhiều ứng dụng trực tuyến, bao gồm công cụ đề xuất, bộ lọc thư rác và hệ thống chuyên gia.
Trí tuệ tổng hợp nhân tạo: Ý thức và khả năng thích ứng giống con người
Thuật ngữ AI hẹp đề cập đến vị trí hiện tại của trí tuệ nhân tạo, trong khi AI nói chung đề cập đến vị trí của nó trong tương lai. Trí tuệ nhân tạo tổng hợp, đôi khi được gọi là AI mạnh và trí tuệ nhân tạo tổng hợp (AGI), là một loại AI có thể suy nghĩ và hành động giống con người.
Các khả năng nhận thức, chẳng hạn như xử lý hình ảnh và ngôn ngữ, cũng như các kỹ năng nhận thức như phân tích, hiểu ngữ cảnh, tư duy và cách suy nghĩ toàn diện hơn, nói chung, đều được bao gồm. AI hẹp được thiết kế để làm một việc và bị giới hạn về phạm vi. Mặt khác, AI nói chung có thể rộng và linh hoạt. Quá trình học tập của trí thông minh tổng hợp thích ứng cũng phải không được giám sát thay vì quá trình học tập có giám sát và gắn nhãn hẹp của AI hiện tại.
Ý tưởng về AI nói chung vẫn còn một chặng đường dài vì các công nghệ cần thiết để tạo ra nó vẫn chưa tồn tại. Nhiều người tin rằng mạng lưới thần kinh là một cách tiếp cận tốt để xây dựng nền tảng cho thứ mà cuối cùng có thể được mệnh danh là trí tuệ nhân tạo nói chung. Tuy nhiên, sự thật vẫn là trí tuệ con người vẫn còn là một điều bí ẩn.
Mặc dù chúng ta đang bắt đầu hiểu bộ não và tâm trí của chúng ta hoạt động như thế nào nhưng chúng ta vẫn chưa hiểu được “trí thông minh” nghĩa là gì. Ngoài khó khăn này, việc xác định “nhận thức” là cần thiết để tạo ra một AI rộng lớn. Điều này là do AGI phải nhận thức được chứ không chỉ là một chương trình máy tính hay máy móc.
Siêu trí tuệ nhân tạo: Hình thức cuối cùng
Siêu trí tuệ nhân tạo (ASI) là AI vượt trội hơn trí tuệ con người về mọi mặt. Đây là một trong những ý tưởng chung nhất về trí tuệ nhân tạo, nhưng nó thường được coi là điểm dừng cuối cùng trên con đường tạo ra AI.
Siêu trí tuệ nhân tạo vẫn là một công nghệ lý thuyết, nhưng nhiều kịch bản đã được hình thành. Nhiều chuyên gia tin rằng ASI sẽ nổi lên từ sự gia tăng theo cấp số nhân của các thuật toán AI, Sự bùng nổ trí tuệ.
Thuật ngữ “vụ nổ trí tuệ” đề cập đến sự xuất hiện của một vụ nổ trí thông minh, cần thiết cho sự phát triển của siêu trí tuệ nhân tạo. Đó là một sự bùng nổ về mặt trí tuệ: từ trí tuệ nhân tạo nói chung, cấp độ con người đến một mức độ không thể tưởng tượng được. Điều này xảy ra thông qua sự tự cải thiện đệ quy.
Khả năng học hỏi từ sự tương tác của người dùng trong mạng lưới thần kinh là một dạng tự cải thiện của AI. Mặt khác, quá trình tự cải thiện đệ quy đòi hỏi hệ thống AI phải có khả năng học hỏi từ chính nó và cải thiện trí tuệ với tốc độ theo cấp số nhân.
Nói cách khác, giả sử chúng ta tạo ra một AGI hoạt động ở mức độ trí tuệ trung bình của con người. Nó sẽ tự học hỏi để đạt được trí thông minh siêu phàm bằng cách sử dụng khả năng nhận thức của một con người bình thường. Tuy nhiên, điều này sẽ sớm leo thang khi kiến thức của AI ngày càng sâu sắc. Việc học tiếp theo sẽ được hoàn thành ở mức độ thiên tài về chức năng nhận thức. Trí thông minh sau đó được cải tiến, dẫn đến trí thông minh thông minh hơn chính nó ở mỗi giai đoạn. Trí thông minh được xây dựng nhanh chóng cho đến khi siêu trí tuệ xuất hiện khi đạt đến giới hạn.
Lý thuyết tâm lý
Các Lý thuyết tâm lý Khái niệm dựa trên lý thuyết tâm lý cho rằng các sinh vật sống khác đều có suy nghĩ và cảm xúc, tác động đến hành vi của mỗi người. Điều này có nghĩa là máy AI có thể hiểu được cách con người, động vật và các máy móc khác cảm nhận và hành động thông qua việc tự phản ánh và sẽ đưa ra quyết định dựa trên sự hiểu biết này để đưa ra quyết định của riêng mình. Để thiết lập giao tiếp hai chiều giữa con người và trí tuệ nhân tạo, máy móc phải có khả năng hiểu và xử lý khái niệm “tâm trí” và nhiều ý tưởng tâm lý khác trong thời gian thực.
Tự nhận thức
Khả năng nắm bắt trạng thái tinh thần của người khác và dự đoán hành vi của họ mà không cần dựa vào ngôn ngữ hoặc kiến thức trước đó là rất quan trọng trong quá trình phát triển AI. Giai đoạn cuối cùng của trí tuệ nhân tạo sẽ là khi nó có khả năng tự nhận thức.
Dạng trí tuệ nhân tạo này có ý thức ở cấp độ con người và hiểu được sự tồn tại của nó trên thế giới cũng như cảm xúc của người khác. Nó có thể giải mã những gì người khác yêu cầu dựa trên những gì họ nói và cách họ nói. Việc South Park đảm nhận vai trò của Alexa trong tương lai là một mô tả thú vị nhưng chính xác cho điều này. Để trí tuệ nhân tạo phát triển được ý thức, các nhà nghiên cứu con người trước tiên phải nắm bắt được khái niệm về ý thức, sau đó tìm ra cách tái tạo nó để có thể tích hợp vào máy móc.
AI và học máy
Một số công nghệ đóng vai trò quan trọng trong sự phát triển của trí tuệ nhân tạo đến mức sẽ thật vô lý nếu coi chúng tách biệt khỏi những kiến thức cơ bản về trí tuệ nhân tạo. Nhưng đừng sợ hãi. Chúng tôi vẫn giữ đúng lời hứa của mình ở đầu bài viết và tiếp tục xem xét những kiến thức cơ bản về trí tuệ nhân tạo bằng ngôn ngữ dễ hiểu bất cứ khi nào có thể.
AI hẹp thường dựa trên một phương pháp AI cụ thể được gọi là học máy. Học máy chỉ là một dạng của AI và nó khá đơn giản để mô tả khi so sánh với các ứng dụng máy tính khác. Trong một chương trình máy tính thông thường, bạn xây dựng một bộ quy tắc, thường được tạo thành từ các câu lệnh if/then và điều kiện. Trên thực tế, hầu hết các chương trình máy tính, trò chơi điện tử và ứng dụng đều hoạt động theo cách này. Bởi vì một chuỗi các yêu cầu đã được đáp ứng nên một kết quả sẽ được tạo ra. Mặt khác, học máy sử dụng dữ liệu để học từ các ví dụ hơn là các quy tắc.
Giả sử bạn muốn chương trình của mình xác định một số viết tay. Bạn sẽ viết một thuật toán trong một chương trình thông thường để kiểm tra từng pixel hình ảnh, xác định xem nó sáng hay tối, sau đó cố gắng nghĩ ra tất cả các cách khác nhau mà mọi người có thể viết số ba trong lưới này. Số lượng khả năng là vô hạn,
Bạn bắt đầu với dữ liệu thực để đạt được điều này nhờ học máy. Bạn cho chương trình xem hàng nghìn ví dụ về các con số bằng chữ viết tay. Bạn cũng cung cấp cho thuật toán, được gọi là người học, với các trường hợp tiêu cực để nó hiểu những gì không nên theo đuổi. Công cụ này học cách xác định và xác định mọi thứ tốt hơn khi nhận được nhiều kinh nghiệm hơn. Nhóm của bạn không cần xây dựng trình học hoặc thuật toán để bắt đầu học máy. Các nhà cung cấp dịch vụ đám mây như Microsoft Azure, Amazon Dịch vụ web và Google Cloud cung cấp các công cụ này. Trên thực tế, rào cản gia nhập khá thấp và tất cả những gì công ty bạn phải làm là cung cấp một số dữ liệu.
Học sâu và xử lý ngôn ngữ tự nhiên
Học sâu là một loại máy học được xây dựng dựa trên ý tưởng rằng bộ não của chúng ta có nhiều nơ-ron và các kết nối khớp thần kinh, trong đó các nơ-ron có nhiều kết nối với các nơ-ron khác. Sẽ là quá đáng khi nói rằng những thuật toán này bắt chước bộ não. Sẽ chính xác hơn nếu gọi nó là lấy cảm hứng từ một phần của nó vì não của chúng ta có hàng tỷ tế bào thần kinh và khớp thần kinh được kết nối với nhau.
Mạng nơ ron nhân tạo là tập hợp của nhiều lớp xác suất toán học. Nó cũng đòi hỏi các ví dụ về dữ liệu lớn để giảng dạy. Học sâu thường được sử dụng trong nhận dạng giọng nói và hiểu ngôn ngữ.
Xử lý ngôn ngữ tự nhiên, hay NLP, sử dụng phương pháp học sâu để hiểu và phản hồi ngôn ngữ tự nhiên. Bạn có thể đã có người trợ giúp kích hoạt bằng giọng nói trong nhà hoặc trong túi của mình. Hãy xem xét mức độ hữu ích của bạn đối với Alexa, Google Home hoặc Siri. Những công nghệ này khá tuyệt vời. Bởi vì người ta có thể đặt câu hỏi theo hàng triệu cách khác nhau nên họ không tập trung vào chính câu đó. Đúng hơn, họ được dạy tập trung vào ý nghĩa của từ. Đó có phải là một câu hỏi? Một đơn đặt hàng? Họ cũng biết cách xếp hạng các thuật ngữ, chủ đề và các khía cạnh khác của ngôn ngữ để có được kết quả tốt nhất có thể.
Bạn có thể đang nghĩ: “NLP dường như là một công nghệ thích hợp hỗ trợ các thiết bị gia dụng. Ứng dụng của nó còn rộng rãi hơn thế. NLP ngày càng trở nên quan trọng trong dịch vụ khách hàng cũng như tiếp thị. Ví dụ, phân tích tình cảm là nghiên cứu về tình cảm, còn được gọi là cảm xúc. Nó kiểm tra văn bản bằng văn bản (yêu cầu hỗ trợ, nhận xét, đánh giá, bài đăng trên mạng xã hội) để xem liệu nó là tích cực, trung lập hay tiêu cực.
Một ví dụ khác là chatbot, có thể được sử dụng theo nhiều cách khác nhau. Chatbots từng hoạt động giống như một thuật toán cách đây vài năm. Chúng được thiết kế với các tham số dựa trên quy tắc và chỉ có thể xử lý một số lượng nhỏ truy vấn của người tiêu dùng. Chuyển nhanh đến ngày hôm nay và chatbot xuất hiện khá khác biệt. Họ có khả năng trò chuyện cũng như những yêu cầu phức tạp hơn.
