A/ AI là gì?

Trí tuệ nhân tạo (AI), làm khả năng của máy tính có thể điều khiển robot thực hiện các nhiệm vụ thường được liên kết thông minh như con người. 

Các nhà tâm lý học thường mô tả trí thông minh của con người không chỉ bằng một đặc điểm mà bằng sự kết hợp của nhiều khả năng đa dạng. Nghiên cứu về AI tập trung chủ yếu vào các thành phần sau của trí thông minh: học tập, lý luận, giải quyết vấn đề, nhận thức, và sử dụng ngôn ngữ.

Artificial Intelligence - hay Trí tuệ nhân tạo - là một nhánh rộng lớn của khoa học máy tính - nó mô phỏng các quá trình thay thế tư duy trí tuệ của con người bằng máy móc qua hàng loạt những thuật toán máy tính, bao gồm: hệ thống chuyên gia, học máy, xử lý ngôn ngữ tự nhiên (NLP), nhận dạng giọng nói và thị giác máy....

1. Học máy (ML - machine learning)

Đó là một nhánh trong trí tuệ nhân tạo (AI) tập trung vào việc xây dựng các hệ thống máy tính có khả năng học... Các mô hình học máy là xương sống của những đổi mới trong mọi lĩnh vực, từ tài chính đến bán lẻ.

Các mô hình học máy được tạo ra từ các thuật toán, phân loại mục tiêu bằng cách sử dụng dữ liệu được gắn nhãn, không được gắn nhãn hoặc hỗn hợp.

Các thuật toán học máy khác nhau phù hợp với các mục tiêu khác nhau, chẳng hạn như phân loại hoặc mô hình dự đoán, vì vậy các nhà khoa học dữ liệu sử dụng các thuật toán khác nhau để làm cơ sở cho các mô hình máy học khác nhau.

"Cây quyết định" là một thuật toán phổ biến được sử dụng cho cả mô hình phân loại và dự đoán. Cây quyết định được đặt tên như vậy vì nó bắt đầu từ gốc, giống như một cái cây lộn ngược, và phân nhánh để chứng minh các kết quả khác nhau. Vì học máy dựa trên khái niệm giải quyết vấn đề, "cây quyết định" giúp chúng ta hình dung các mô hình và điều chỉnh cách chúng ta đào tạo chúng.

Ví dụ một nhà khoa học dữ liệu - đang tìm cách tạo ra một mô hình học máy xác định các loài động vật khác nhau - có thể dùng thuật toán "cây quyết định" để phân loại với nhiều hình ảnh động vật khác nhau. Theo thời gian, thuật toán này sẽ được sửa đổi theo dữ liệu thu thập được và ngày càng trở nên tốt hơn trong việc phân loại hình ảnh động vật. Đổi lại, điều này cuối cùng sẽ trở thành một mô hình học máy.

2. Học sâu (Deep learning)

Khả năng của mạng nơ-ron trong việc tiếp nhận các lớp bổ sung và do đó xử lý các vấn đề phức tạp hơn đã tăng lên vào năm 2006 với phát minh về kỹ thuật “tiền đào tạo từng lớp tham lam”, trong đó người ta thấy rằng việc đào tạo từng lớp của mạng nơ-ron riêng lẻ dễ hơn là đào tạo toàn bộ mạng từ đầu vào đến đầu ra.

Sự cải thiện này trong quá trình đào tạo mạng nơ-ron đã dẫn đến một loại học máy được gọi là “học sâu”, trong đó mạng nơ-ron có bốn lớp trở lên, bao gồm đầu vào ban đầu và đầu ra cuối cùng. Hơn nữa, các mạng như vậy có thể học không giám sát - tức là khám phá các tính năng trong dữ liệu mà không cần nhắc nhở ban đầu.

Trong số những thành tựu của học sâu, có những tiến bộ trong phân loại hình ảnh trong đó các mạng nơ-ron chuyên biệt được gọi là mạng nơ-ron tích chập (CNN - convolution neural networks) được đào tạo trên các đặc điểm tìm thấy trong một tập hợp hình ảnh của nhiều loại đối tượng khác nhau. Sau đó, CNN có thể lấy một hình ảnh đầu vào, so sánh nó với các đặc điểm trong hình ảnh trong tập đào tạo của nó và phân loại hình ảnh thành, ví dụ, một con mèo hoặc một quả táo. Một mạng như vậy, PReLU-net của Kaiming He và các cộng sự tại Microsoft Research, đã phân loại hình ảnh thậm chí còn tốt hơn cả con người.

Thành tích của Deep Blue trong việc đánh bại nhà vô địch cờ vua thế giới Garry Kasparov, đã bị vượt qua bởi AlphaGo của DeepMind, người đã làm chủ được cờ vây, một trò chơi phức tạp hơn nhiều so với cờ vua. Các mạng nơ-ron của AlphaGo đã học cách chơi cờ vây từ những người chơi là con người và bằng cách tự chơi. Nó đã đánh bại kỳ thủ cờ vây hàng đầu Lee Sedol với tỷ số 4–1 vào năm 2016.

Đến lượt mình, AlphaGo đã bị vượt qua bởi AlphaGo Zero, người chỉ bắt đầu từ các quy tắc của cờ vây, cuối cùng đã có thể đánh bại AlphaGo với tỷ số 100–0. Một mạng nơ-ron tổng quát hơn, Alpha Zero, đã có thể sử dụng các kỹ thuật tương tự để nhanh chóng làm chủ cờ vua và cờ tướng.

Học máy đã tìm thấy ứng dụng trong nhiều lĩnh vực ngoài trò chơi và phân loại hình ảnh. Công ty dược phẩm Pfizer đã sử dụng kỹ thuật này để nhanh chóng tìm kiếm hàng triệu hợp chất có thể có trong quá trình phát triển phương pháp điều trị COVID-19 Paxlovid. 

Google sử dụng học máy để lọc thư rác khỏi hộp thư đến của người dùng Gmail. Các ngân hàng và công ty thẻ tín dụng sử dụng dữ liệu lịch sử để đào tạo các mô hình nhằm phát hiện các giao dịch gian lận.

Deepfake là phương tiện truyền thông do AI tạo ra bằng cách sử dụng hai thuật toán học sâu khác nhau: một thuật toán tạo ra bản sao tốt nhất có thể của hình ảnh hoặc video thật + và một thuật toán khác phát hiện xem bản sao có phải là giả hay không và nếu có, báo cáo về sự khác biệt giữa bản sao đó và bản gốc. Deepfake sẽ cảnh báo những hình ảnh không tồn tại trong thực tế hoặc các sự kiện chưa từng xảy ra.

3. Hệ thống chuyên gia (ES - expert system) là một chương trình máy tính sử dụng công nghệ trí tuệ nhân tạo (AI)...

Vào đầu thế kỷ 21, sức mạnh xử lý nhanh hơn và các tập “dữ liệu lớn” đã đưa trí tuệ nhân tạo ra khỏi các khoa khoa học máy tính và đi vào thế giới rộng lớn hơn. Định luật Moore, quan sát cho thấy sức mạnh tính toán tăng gấp đôi sau mỗi 18 tháng, vẫn tiếp tục đúng. Các phản hồi mặc định của chatbot Eliza ban đầu nằm gọn trong 50 kilobyte; mô hình ngôn ngữ cốt lõi của ChatGPT được đào tạo trên 45 terabyte văn bản.

4. Xử lý ngôn ngữ tự nhiên (NLP - natural language processing) là sử dụng các thuật toán máy học để cho phép máy tính hiểu và giao tiếp với ngôn ngữ của con người.

5.... và còn rất nhiều kỹ thuật chuyên sâu khác.

---

C/ 4 Quá trình tiến hóa AI ?

1. AI dạng thấp - Reactive Machine - AI phản ứng:

Ra đời từ những năm 1960, lâu đời nhất và cơ bản nhất. Những máy này cực kỳ hạn chế dựa trên những quy tắc do câu lệnh của con người viết sẵn.

Chúng không thể ghi nhớ, không thể tự học, không thể tự tạo ra ký ức, hoặc không thể sử dụng kinh nghiệm trong quá khứ để định hình các quyết định tương lai, nghĩa là những hệ thống này không thể "học" và chúng sẽ không cải thiện theo thời gian thông qua thực hành.

Những hệ thống này như là: máy chơi game, chơi cờ vua, chơi cờ caro, hỗ trợ chẩn đoán y khoa dựa trên các triệu chứng của bệnh nhân, điều khiển tự động robot, máy móc tự động trong nhà máy, điều khiển nhà thông minh, các ứng dụng chatbot đơn giản cho các website, dựa theo dữ liệu khách hàng như lịch sử mua hàng hoặc tìm kiếm - rồi sử dụng dữ liệu đó để đưa ra đề xuất cho cùng một khách hàng, hay xe tự lái... loại AI này chúng ta thấy rất nhiều trong đời sống hằng ngày.

Năm 1997, Deep Blue của IBM đã trở thành tiêu đề trên toàn thế giới khi đánh bại nhà vô địch cờ vua thế giới đương nhiệm, Garry Kasparov. Sự kiện này là sự kiện quan trọng trong việc thể hiện khả năng của AI, ngay cả trong những hạn chế của Reactive Machine.

Deep Blue đã phân tích các nước đi có thể và kết quả của chúng, chọn nước đi tốt nhất dựa trên một thuật toán cố định. Tuy nhiên, nó đã không học hỏi từ các ván đấu trước đó hoặc điều chỉnh chiến lược của mình theo thời gian.

Khả năng dự đoán, độ tin cậy và hiệu quả của nó khiến nó trở nên không thể thiếu trong các ứng dụng cụ thể, bất chấp những hạn chế của nó. Khi AI tiếp tục phát triển, các nguyên tắc và chức năng của Reactive Machines AI sẽ tiếp tục hỗ trợ các hệ thống phức tạp hơn, đóng vai trò là nền tảng mà các công nghệ AI tinh vi hơn được xây dựng.

2. AI bối cảnh, hay AI có trí nhớ giới hạn - LIMITED MEMORY:

Yếu tố phân loại chính của AI Bộ nhớ giới hạn là khả năng nhìn vào quá khứ và cải thiện hiệu quả hành vi theo thời gian. Nó hoạt động rất giống với các tế bào thần kinh trong não người. Thông qua việc học tập hấp thụ, phân loại phức tạp và tham chiếu dữ liệu lịch sử, và có thể đưa ra các quyết định, cũng như dự đoán.

Tùy theo bối cảnh, nó không xử lý đầu vào ngay lặp tức, mà nó sẽ tính đến môi trường xung quanh, tính đến hành vi của người dùng, tính đến dữ liệu lịch sử ... để đưa ra quyết định tốt nhất.

- Các ứng dụng này như là hệ thống nhận dạng giọng nói, hệ thống bắt trend mua hàng dựa trên lịch sử tìm kiếm hay thói quen mua sắm của người dùng - thường thấy ở các ứng dụng google, facebook, shopee ... nó sẽ ghi nhớ các nhãn tìm kiếm, lịch sử mua hàng, lịch sử xem tin nào lâu hơn... của bạn và có phần nào dự đoán hành vi của bạn ở tương lai.... nó gợi ý những quảng cáo mua sắm phù hợp với bạn.

Chúng ta không cần mua, không cần like/share, ... chỉ cần dừng ở tin nào lâu hơn, hay xem hình một cô gái nào lâu hơn trên màn hình ... là chúng đều ghi lại lịch sử ... và fb, tiktok .. sẽ gợi ý các trang liên quan. Chúng tạo ra một lợi thế cạnh tranh cực kỳ lớn cho các nền tảng mạng xã hội.

- Chatbot, trợ lý ảo và xe tự lái là những ví dụ chính. Thời gian phản ứng của xe tự lái đã được cải thiện đáng kể với sự ra đời của AI có bộ nhớ giới hạn.

Là cách ô tô tự lái quan sát các ô tô khác trên đường về tốc độ, hướng và khoảng cách của chúng. Thông tin này được lập trình dưới dạng đại diện cho thế giới của ô tô, chẳng hạn như biết đèn giao thông, biển báo, đường cong và va chạm trên đường. Dữ liệu giúp ô tô quyết định thời điểm chuyển làn để không bị tông hoặc cắt ngang người lái xe khác. 

3. AI chuyên môn lĩnh vực (Artificial Narrow Intelligence (ANI)) - AI hẹp - THEORY OF MIND:

Khái niệm AI hẹp xuất hiện từ 1950, nhưng 30 năm gần đây mới được ứng dụng nhiều. Nó có khả năng học tập và giải quyết vấn đề tốt hơn hẳn AI phản ứng. 

Về lý thuyết, ANI là một loại AI được thiết kế để thực hiện một hoặc một tập hợp hẹp các nhiệm vụ liên quan ở mức độ thành thạo cao. Nó cũng được gọi là AI yếu, AI hẹp, AI hạn chế hoặc thậm chí là AI chuyên biệt. Các hệ thống ANI thường được đào tạo trên một tập dữ liệu lớn và có thể đưa ra quyết định, hoặc thực hiện các hành động dựa trên quá trình đào tạo này.

Hệ thống ANI có thể được phân loại thành hai loại: hệ thống học có giám sát, và hệ thống học không giám sát. Hệ thống học có giám sát được đào tạo trên các tập dữ liệu có nhãn cho phép hệ thống tìm hiểu mối quan hệ giữa dữ liệu đầu vào và đầu ra mong muốn. Mặt khác, hệ thống học không giám sát được đào tạo trên các tập dữ liệu không có nhãn và có thể xác định các mẫu và mối quan hệ trong dữ liệu mà không cần hướng dẫn.

Những nỗ lực đầu tiên của AI nhằm tạo ra một chương trình được gọi là General Problem Solver (GPS). Chương trình này được thiết kế để giải quyết các vấn đề theo cách tương tự như con người. Mặc dù GPS không phải là một thành công lớn, nhưng nó đã đặt nền tảng cho nghiên cứu và phát triển AI trong tương lai. Đến những năm 1960, chúng ta đã thấy sự phát triển của các hệ thống NLP như ELIZA, có khả năng trò chuyện đơn giản với con người.

Hơn nữa, sự phát triển của các hệ thống chuyên gia như Dendral và MYCIN vào những năm 1970 đã đánh dấu một cột mốc quan trọng trong lĩnh vực AI vì chúng có thể mô phỏng các quy trình ra quyết định của các chuyên gia con người và có nhiều ứng dụng trong thiết kế thuốc và chăm sóc sức khỏe.

Những tiến bộ đáng kể trong học máy (ML) đã diễn ra vào những năm 1980 và 1990, mở đường cho sự phát triển của các hệ thống ANI tiên tiến hơn. Trong giai đoạn này, một thành tựu đáng chú ý là sự phát triển của hệ thống AI Deep Blue, đã đánh bại kỳ thủ cờ vua vô địch thế giới Garry Kasparov trong một trận đấu vào năm 1997, như đã đề cập ở AI type 1.

Những năm 2000 bắt đầu với sự ra đời của Siri và Google Translate. Được phát triển vào năm 2011, Siri sử dụng NLP để hiểu và phản hồi các lệnh thoại. Mặt khác, Google Translate là một hệ thống NLP có thể dịch văn bản và giọng nói từ ngôn ngữ này sang ngôn ngữ khác. 

Hiện nay, có hai robot AI đáng chú ý thể hiện một số khía cạnh của ANI. Sophia, do Tiến sĩ Cynthia Breazeal tại MIT tạo ra vào năm 1998 và Kismet, do Hanson Robotics tạo ra vào năm 2018. Như bạn có thể thấy, đây là một quá trình phát triển chậm và phức tạp.

Vào những năm 2020, các hệ thống NLP tiên tiến như GPT-3 của OpenAI đã xuất hiện trên thị trường. Chúng có khả năng tuyệt vời trong việc tạo ra văn bản giống con người. OpenAI cũng đã ra mắt DALL-E và DALL-E 2, sử dụng mạng nơ-ron để tạo ra hình ảnh dựa trên lời nhắc văn bản nhất định.

Vào năm 2022, OpenAI đã ra mắt ChatGPT, một hệ thống AI có thể hiểu và phản hồi thông tin đầu vào của người dùng theo cách trò chuyện, rất phù hợp để sử dụng trong các ứng dụng chatbot. Cũng đã có những tiến bộ đáng kể trong việc sử dụng ANI trong chăm sóc sức khỏe, với sự phát triển của các hệ thống AI như AlphaFold của DeepMind, có khả năng dự đoán cấu trúc 3D của protein.

Để thực sự hiểu được nhu cầu của con người, máy móc AI sẽ phải coi con người là những cá thể có tâm trí và được định hình bởi nhiều yếu tố, về cơ bản là “hiểu” con người ”.

Khi máy móc cuối cùng cũng “hiểu” được mọi sự phức tạp trong tính cách và cảm xúc của con người, chúng ta sẽ có thể nói rằng chúng ta đã đạt được thành công Lý thuyết trí tuệ nhân tạo.

4. Tự nhận thức - SELF AWARENESS

Tự nhận thức là, và sẽ luôn là, mục tiêu cuối cùng của nghiên cứu Trí tuệ nhân tạo (AI). Về cơ bản, nó là phần mở rộng của AI loại III - Lý thuyết về tâm trí (ToM).

Trong AI ToM, máy móc nhận thức và hiểu được trạng thái cảm xúc và tinh thần của người khác, nhưng với AI tự nhận thức, máy móc sẽ có cảm xúc, nhu cầu, niềm tin và thậm chí có thể là cả mong muốn của riêng mình.

Cuối cùng, các nhà phát triển AI không chỉ phải làm chủ ý thức của con người mà còn phải sao chép nó trong máy móc. Công nghệ này hiện chỉ tồn tại trên lý thuyết. Chúng ta còn cách hàng thập kỷ, nếu không muốn nói là hàng thế kỷ, để tạo ra AI có khả năng tự nhận thức.

---

D/ Tương lai AI ?

AI được cho sẽ thúc đẩy nền kinh tế của các quốc gia trong nhiều lĩnh vực, từ các ngành công nghiệp nặng đến nghiên cứu y học, và nhất là chiến tranh.

Ngoài ra, AI còn có thể được sử dụng trong phát triển vũ khí không gian mạng, kiểm soát các loại công cụ như máy bay không người lái, hoặc các loại drone có thể do thám và tấn công đối phương. Cả Trung Quốc và Mỹ đều có kế hoạch phát triển các loại vũ khí trên.

Mới đây, tỷ phú Elon Musk cùng 116 nhà lãnh đạo công nghệ khác đã gửi đơn tới Liên Hợp Quốc nhằm kêu gọi ban hành quy định mới về việc phát triển các loại vũ khí chiến đấu mới. Nhóm này cho rằng các loại vũ khí AI sẽ gây nên "cuộc cách mạng vũ khí lần thứ 3", sau khi thuốc súng và vũ khí hạt nhân ra đời.

---

E/ AI SẼ DẪN ĐẦU AI ?

Sự đột phá của ChatGPT trong lĩnh vực Chatbot đã làm cho niềm tin trên của người Mỹ càng được củng cố. Tuy nhiên, nhận định này cần phải xem xét thêm.