Nội dung bài viết
AI LÀ GÌ? CÓ BAO NHIÊU LOẠI AI
4 LOẠI TRÍ TUỆ NHÂN TẠO
- Máy phản ứng
- Bộ nhớ hạn chế
- Lý thuyết tâm lý
- Tự nhận thức(AI) là gì?
AI (TRÍ TUỆ NHÂN TẠO) HOẠT ĐỘNG NHƯ THẾ NÀO?
Máy móc có suy nghĩ được không? – Alan Turing, 1950
Chưa đầy một thập kỷ sau khi phá vỡ cỗ máy mã hóa Enigma của Đức Quốc xã và giúp Lực lượng Đồng minh giành chiến thắng trong Thế chiến thứ hai, nhà toán học Alan Turing đã thay đổi lịch sử lần thứ hai với một câu hỏi đơn giản: “Máy móc có thể suy nghĩ được không?”
Bài báo của Turing ” Máy tính và trí thông minh ” (1950), và bài kiểm tra Turing tiếp theo của nó, đã thiết lập mục tiêu cơ bản và tầm nhìn của trí tuệ nhân tạo.
Về cốt lõi, AI là một nhánh của khoa học máy tính nhằm mục đích trả lời câu hỏi của Turing trong câu khẳng định. Đó là nỗ lực tái tạo hoặc mô phỏng trí thông minh của con người trong máy móc.
Mục tiêu mở rộng của trí tuệ nhân tạo đã làm nảy sinh nhiều câu hỏi và tranh luận. Nhiều đến mức không có định nghĩa duy nhất nào về trường được chấp nhận rộng rãi.
Hạn chế lớn trong việc định nghĩa AI đơn giản là “chế tạo máy móc thông minh” là nó không thực sự giải thích được trí thông minh nhân tạo là gì? Điều gì làm cho một cỗ máy trở nên thông minh?
Trong cuốn sách giáo khoa đột phá Trí tuệ nhân tạo: Phương pháp tiếp cận hiện đại , các tác giả Stuart Russell và Peter Norvig tiếp cận câu hỏi bằng cách thống nhất công việc của họ xoay quanh chủ đề về các tác nhân thông minh trong máy móc. Với ý nghĩ này, AI là “nghiên cứu về các tác nhân nhận các nhận thức từ môi trường và thực hiện các hành động.” (Russel và Norvig viii)
Norvig và Russell tiếp tục khám phá bốn cách tiếp cận khác nhau đã xác định lĩnh vực AI trong lịch sử:
- Suy nghĩ nhân văn
- Suy nghĩ hợp lý
- Hành động nhân văn
- Hành động hợp lý
Hai ý tưởng đầu tiên liên quan đến quá trình suy nghĩ và lập luận, trong khi những ý tưởng khác giải quyết hành vi. Norvig và Russell đặc biệt tập trung vào các tác nhân hợp lý hành động để đạt được kết quả tốt nhất, lưu ý rằng “tất cả các kỹ năng cần thiết cho Bài kiểm tra Turing cũng cho phép một đặc vụ hành động theo lý trí.” (Russel và Norvig 4).
Patrick Winston, giáo sư về trí tuệ nhân tạo và khoa học máy tính của Ford tại MIT, định nghĩa AI là “các thuật toán được kích hoạt bởi các ràng buộc, được hiển thị bằng các biểu diễn hỗ trợ các mô hình được nhắm mục tiêu vào các vòng kết nối suy nghĩ, nhận thức và hành động với nhau.”
Mặc dù những định nghĩa này có vẻ trừu tượng đối với người bình thường, nhưng chúng giúp tập trung lĩnh vực này như một lĩnh vực khoa học máy tính và cung cấp kế hoạch chi tiết để truyền máy móc và chương trình với máy học và các tập hợp con khác của trí tuệ nhân tạo.
AI LÀ GÌ? AI ĐƯỢC SỬ DỤNG NHƯ THẾ NÀO?
Trong khi phát biểu trướcđám đông tại Japan AI Experience năm 2017 , Giám đốc điều hành DataRobot , Jeremy Achin, đã bắt đầu bài phát biểu của mình bằng cách đưa ra định nghĩa sau về cách AI được sử dụng ngày nay:
“AI là một hệ thống máy tính có thể thực hiện các nhiệm vụ thông thường đòi hỏi trí thông minh của con người … Nhiều hệ thống trí tuệ nhân tạo này được hỗ trợ bởi máy học, một số trong số chúng được hỗ trợ bởi học sâu và một số trong số chúng được cung cấp bởi những thứ rất nhàm chán như các quy tắc . ”
VÍ DỤ VỀ AI LÀ GÌ (TRÍ TUỆ NHÂN TẠO)
- Trợ lý thông minh (như Siri và Alexa)
- Các công cụ dự đoán và lập bản đồ dịch bệnh
- Sản xuất và robot bay không người lái
- Các đề xuất điều trị chăm sóc sức khỏe được cá nhân hóa, tối ưu hóa
- Các bot hội thoại để tiếp thị và dịch vụ khách hàng
- Robo-cố vấn cho giao dịch chứng khoán
- Bộ lọc thư rác trên email
- Các công cụ giám sát trên mạng xã hội đối với nội dung nguy hiểm hoặc tin tức sai sự thật
- Đề xuất bài hát hoặc chương trình truyền hình từ Spotify và Netflix
Trí tuệ nhân tạo thường thuộc hai loại lớn:
- AI hẹp: Đôi khi được gọi là “AI yếu”, loại trí tuệ nhân tạo này hoạt động trong một bối cảnh hạn chế và là mô phỏng của trí thông minh con người. Trí tuệ nhân tạo hẹp thường tập trung vào việc thực hiện một nhiệm vụ cực kỳ tốt và trong khi những cỗ máy này có vẻ thông minh, chúng đang hoạt động dưới nhiều ràng buộc và hạn chế hơn nhiều so với trí thông minh cơ bản nhất của con người.
Trí tuệ nhân tạo tổng quát (AGI) : AGI, đôi khi được gọi là ” Trí tuệ nhân tạo mạnh”, là loại trí tuệ nhân tạo mà chúng ta thấy trong phim, giống như robot từ Westworld hoặc Data từ Star Trek: The Next Generation . AGI là một cỗ máy có trí thông minh tổng quát và giống như một con người, nó có thể áp dụng trí thông minh đó để giải quyết bất kỳ vấn đề nào.
AI là gì? Là một loại trí tuệ nhân tạo hẹp
AI thu hẹp ở xung quanh chúng ta và dễ dàng được hiện thực hóa thành công nhất của trí tuệ nhân tạo cho đến nay. Với việc tập trung vào việc thực hiện các nhiệm vụ cụ thể, AI hẹp đã trải qua nhiều bước đột phá trong thập kỷ qua, mang lại “lợi ích xã hội đáng kể và đóng góp vào sức sống kinh tế của quốc gia”, theo “Chuẩn bị cho tương lai của trí tuệ nhân tạo”, a Báo cáo năm 2016 do Chính quyền Obama phát hành.
Một số ví dụ về AI hẹp bao gồm :
- Tìm kiếm trên Google
- Phần mềm nhận dạng hình ảnh
- Siri, Alexa và các trợ lý cá nhân khác
- Ô tô tự lái
- Watson của IBM
Học máy & Học sâu
Phần lớn AI của Narrow được hỗ trợ bởi những đột phá trong học máy và học sâu . Hiểu được sự khác biệt giữa trí tuệ nhân tạo, học máy và học sâu có thể gây nhầm lẫn. Nhà đầu tư mạo hiểm Frank Chen cung cấp một cái nhìn tổng quan tốt về cách phân biệt giữa chúng, lưu ý:
“Trí tuệ nhân tạo là một tập hợp các thuật toán và trí thông minh để cố gắng bắt chước trí thông minh của con người. Học máy là một trong số đó và học sâu là một trong những kỹ thuật học máy đó.”
Nói một cách đơn giản, máy học cung cấp dữ liệu máy tính và sử dụng các kỹ thuật thống kê để giúp nó “học” cách hoàn thành một nhiệm vụ ngày càng tốt hơn mà không cần được lập trình cụ thể cho nhiệm vụ đó, loại bỏ nhu cầu hàng triệu dòng mã được viết. Học máy bao gồm cả học có giám sát (sử dụng tập dữ liệu được gắn nhãn) và học không giám sát (sử dụng tập dữ liệu không được gắn nhãn).
Học sâu của AI là gì? Học sâu là một loại học máy chạy đầu vào thông qua kiến trúc mạng thần kinh lấy cảm hứng từ sinh học. Mạng nơ-ron chứa một số lớp ẩn mà qua đó dữ liệu được xử lý, cho phép máy đi sâu vào quá trình học, tạo kết nối và trọng số đầu vào để có kết quả tốt nhất.
Trí tuệ nhân tạo
Việc tạo ra một cỗ máy với trí thông minh cấp độ con người có thể áp dụng cho bất kỳ nhiệm vụ nào là Chén Thánh đối với nhiều nhà nghiên cứu AI, nhưng nhiệm vụ tìm kiếm AGI đầy khó khăn.
Việc tìm kiếm một “thuật toán phổ quát để học và hành động trong mọi môi trường” (Russel và Norvig 27) không phải là mới, nhưng thời gian đã không làm giảm bớt khó khăn về cơ bản tạo ra một cỗ máy với đầy đủ các khả năng nhận thức.
AGI từ lâu đã là nàng thơ của khoa học viễn tưởng viễn tưởng, trong đó các robot siêu thông minh vượt qua loài người, nhưng các chuyên gia đồng ý rằng đó không phải là điều chúng ta cần lo lắng sớm .
LỊCH SỬ CỦA AI
Người máy thông minh và những sinh vật nhân tạo lần đầu tiên xuất hiện trong thần thoại Hy Lạp cổ đại về thời cổ đại. Sự phát triển của thuyết âm tiết và việc sử dụng suy luận suy luận của Aristotle là một thời điểm then chốt trong hành trình tìm hiểu trí thông minh của nhân loại. Mặc dù cội nguồn lâu đời và sâu sắc, nhưng lịch sử của trí tuệ nhân tạo như chúng ta nghĩ về nó ngày nay kéo dài chưa đầy một thế kỷ. Sau đây là một cái nhìn nhanh về một số sự kiện quan trọng nhất trong AI.
Những năm 1940
- (1943) Warren McCullough và Walter Pitts xuất bản “Phép tính lôgic về ý tưởng nội tại trong hoạt động thần kinh.” Bài báo đã đề xuất mô hình toán học đầu tiên để xây dựng mạng nơ-ron.
- (1949) Trong cuốn sách Tổ chức hành vi: Lý thuyết tâm lý thần kinh, Donald Hebb đề xuất lý thuyết rằng các đường dẫn thần kinh được tạo ra từ trải nghiệm và các kết nối giữa các nơ-ron trở nên mạnh mẽ hơn khi chúng được sử dụng thường xuyên hơn. Học tiếng Hebbian tiếp tục là một mô hình quan trọng trong AI.
Những năm 1950
- (1950) Alan Turing xuất bản cuốn “Máy tính và trí thông minh, đề xuất cái mà ngày nay được gọi là Phép thử Turing, một phương pháp để xác định xem máy móc có thông minh hay không.
- (1950) Các sinh viên đại học Harvard Marvin Minsky và Dean Edmonds đã xây dựng SNARC, máy tính mạng nơ-ron đầu tiên.
- (1950) Claude Shannon xuất bản bài báo “Lập trình máy tính để chơi cờ.”
- (1950) Isaac Asimov xuất bản cuốn “Ba định luật của người máy.”
- (1952) Arthur Samuel phát triển một chương trình tự học để chơi cờ caro.
- (1954) Thí nghiệm dịch máy của Georgetown-IBM tự động dịch 60 câu tiếng Nga được lựa chọn cẩn thận sang tiếng Anh.
- (1956) Cụm từ trí tuệ nhân tạo được đặt ra tại “Dự án nghiên cứu mùa hè Dartmouth về trí tuệ nhân tạo.” Được dẫn dắt bởi John McCarthy, hội nghị xác định phạm vi và mục tiêu của AI, được nhiều người coi là sự ra đời của trí tuệ nhân tạo như chúng ta biết ngày nay.
- (1956) Allen Newell và Herbert Simon chứng minh Logic Theorist (LT), chương trình lý luận đầu tiên.
- (1958) John McCarthy phát triển ngôn ngữ lập trình AI Lisp và xuất bản bài báo “Chương trình với Nhận thức chung”. Bài báo đề xuất giả thuyết Tư vấn Taker, một hệ thống AI hoàn chỉnh với khả năng học hỏi kinh nghiệm hiệu quả như con người.
- (1959) Allen Newell, Herbert Simon và JC Shaw phát triển Máy giải quyết vấn đề chung (GPS), một chương trình được thiết kế để bắt chước cách giải quyết vấn đề của con người.
- (1959) Herbert Gelernter phát triển chương trình Prover Định lý Hình học.
- (1959) Arthur Samuel sử dụng thuật ngữ máy học khi làm việc tại IBM.
- (1959) John McCarthy và Marvin Minsky thành lập Dự án Trí tuệ Nhân tạo MIT.
Những năm 1960
- (1963) John McCarthy bắt đầu Phòng thí nghiệm AI tại Stanford.
- (1966) Báo cáo của Ủy ban Cố vấn Xử lý Ngôn ngữ Tự động (ALPAC) của chính phủ Hoa Kỳ nêu chi tiết về sự thiếu tiến bộ trong nghiên cứu bản dịch bằng máy, một sáng kiến lớn trong Chiến tranh Lạnh với hứa hẹn dịch tiếng Nga tự động và tức thời. Báo cáo ALPAC dẫn đến việc hủy bỏ tất cả các dự án MT do chính phủ tài trợ.
- (1969) Các hệ thống chuyên gia thành công đầu tiên được phát triển trong DENDRAL, một chương trình XX và MYCIN, được thiết kế để chẩn đoán nhiễm trùng máu, được tạo ra tại Stanford.
Những năm 1970
- (1972) Ngôn ngữ lập trình logic PROLOG được tạo ra.
- (1973) “Báo cáo Lighthill”, mô tả chi tiết những thất vọng trong nghiên cứu AI, được chính phủ Anh công bố và dẫn đến việc cắt giảm nghiêm trọng nguồn tài trợ cho các dự án trí tuệ nhân tạo.
- (1974-1980) Sự thất vọng với tiến độ phát triển AI dẫn đến việc cắt giảm lớn DARPA trong các khoản tài trợ học tập. Kết hợp với báo cáo ALPAC trước đó và “Báo cáo Lighthill” của năm trước, nguồn tài trợ trí tuệ nhân tạo cạn kiệt và các gian hàng nghiên cứu. Giai đoạn này được gọi là “Mùa đông AI đầu tiên.”
Những năm 1980
- (1980) Các tập đoàn thiết bị kỹ thuật số phát triển R1 (còn được gọi là XCON), hệ thống chuyên gia thương mại thành công đầu tiên. Được thiết kế để định cấu hình các đơn đặt hàng cho các hệ thống máy tính mới, R1 khởi động sự bùng nổ đầu tư vào các hệ thống chuyên gia sẽ kéo dài trong phần lớn thập kỷ, kết thúc hiệu quả “Mùa đông AI” đầu tiên.
- (1982) Bộ Thương mại Quốc tế và Công nghiệp Nhật Bản khởi động dự án Hệ thống Máy tính Thế hệ Thứ năm đầy tham vọng. Mục tiêu của FGCS là phát triển hiệu suất giống như siêu máy tính và là nền tảng để phát triển AI.
- (1983) Để đáp lại FGCS của Nhật Bản, chính phủ Hoa Kỳ khởi động Sáng kiến Điện toán Chiến lược nhằm cung cấp các nghiên cứu do DARPA tài trợ trong lĩnh vực máy tính tiên tiến và trí tuệ nhân tạo.
- (1985) Các công ty đang chi hơn một tỷ đô la mỗi năm cho các hệ thống chuyên gia và toàn bộ ngành công nghiệp được gọi là thị trường máy Lisp đang hình thành để hỗ trợ họ. Các công ty như Symbolics và Lisp Machines Inc. xây dựng các máy tính chuyên dụng để chạy trên ngôn ngữ lập trình AI Lisp.
- (1987-1993) Khi công nghệ máy tính được cải thiện, các lựa chọn thay thế rẻ hơn xuất hiện và thị trường máy Lisp sụp đổ vào năm 1987, mở ra “Mùa đông AI thứ hai”. Trong thời kỳ này, các hệ thống chuyên gia tỏ ra quá đắt để duy trì và cập nhật, cuối cùng không còn được ưa chuộng.
Những năm 1990
- (1991) Lực lượng Hoa Kỳ triển khai DART, một công cụ lập kế hoạch và kế hoạch hậu cần tự động, trong Chiến tranh Vùng Vịnh.
- (1992) Nhật Bản chấm dứt dự án FGCS vào năm 1992, với lý do thất bại trong việc đáp ứng các mục tiêu đầy tham vọng đã vạch ra trước đó một thập kỷ.
- (1993) DARPA kết thúc Sáng kiến Điện toán Chiến lược vào năm 1993 saukhi chi gần 1 tỷ đô la và không đạt được kỳ vọng.
- (1997) Deep Blue của IBM đánh bại nhà vô địch cờ vua thế giới Gary Kasparov
Những năm 2000
- (2005) STANLEY, một chiếc xe tự lái, đã giành chiến thắng trong cuộc thi DARPA Grand Challenge.
- (2005) Quân đội Hoa Kỳ bắt đầu đầu tư vào các robot tự động như “Big Dog” của Boston Dynamic và “PackBot” của iRobot.
- (2008) Google tạo ra đột phá trong nhận dạng giọng nói và giới thiệu tính năng này trong ứng dụng iPhone của mình.
2010-2014
- (2011) Watson của IBM vượt qua cuộc cạnh tranh trên Jeopardy !.
- (2011) Apple phát hành Siri, một trợ lý ảo hỗ trợ AI thông qua hệ điều hành iOS.
- (2012) Andrew Ng, người sáng lập dự án Google Brain Deep Learning, cung cấp một mạng lưới thần kinh bằng cách sử dụng các thuật toán học sâu 10 triệu video YouTube như một bộ đào tạo. Mạng nơ-ron học cách nhận ra một con mèo mà không cần biết mèo là gì, mở ra kỷ nguyên đột phá cho mạng lưới thần kinh và tài trợ học tập sâu.
- (2014) Google sản xuất ô tô tự lái đầu tiên vượt qua bài kiểm tra lái xe cấp tiểu bang.
- (2014) Alexa của Amazon, một ngôi nhà ảo được phát hành
2015-2021
- (2016) AlphaGo của Google DeepMind đánh bại nhà vô địch cờ vây thế giới Lee Sedol. Sự phức tạp của trò chơi Trung Quốc cổ đại được coi là một trở ngại lớn cần phải giải quyết trong AI.
- (2016) “Công dân robot” đầu tiên, một robot hình người tên là Sophia, được tạo ra bởi Hansen Robotics và có khả năng nhận dạng khuôn mặt, giao tiếp bằng lời nói và biểu hiện trên khuôn mặt.
- (2018) Google phát hành công cụ xử lý ngôn ngữ tự nhiên BERT , giảm bớt rào cản trong việc dịch và hiểu bằng các ứng dụng máy học.
- (2018) Waymo ra mắt dịch vụ Waymo One, cho phép người dùng khắp khu vực đô thị Phoenix yêu cầu đón khách từ một trong những phương tiện tự lái của công ty.
- (2020) Baidu phát hành thuật toán LinearFold AI của mình cho các nhóm khoa học và y tế đang làm việc để phát triển một loại vắc-xin trong giai đoạn đầu của đại dịch SARS-CoV-2. Thuật toán có thể dự đoán trình tự RNA của virus chỉ trong 27 giây, nhanh hơn 120 lần so với các phương pháp khác.
