Trí tuệ nhân tạo (AI/ Artificial Intelligence) là gì? Mọi thứ bạn nhất định phải biết về trí tuệ nhân tạo (AI)
Trí tuệ nhân tạo (AI/ Artificial Intelligence) là gì? Lịch sử của trí tuệ nhân tạo như thế nào? Trí tuệ nhân tạo hoạt động ra sao? Trí tuệ nhân tạo hẹp và siêu trí tuệ nhân tạo cùng những ứng dụng của trí tuệ nhân tạo thay đổi cuộc sống nhân loại.
 |
| Trí tuệ nhân tạo (AI/ Artificial Intelligence) là gì? |
Trí tuệ nhân tạo (AI/ Artificial Intelligence) là gì?
Trí tuệ nhân tạo (AI) là một nhánh rộng lớn của khoa học máy tính liên quan đến việc xây dựng các máy móc thông minh có khả năng thực hiện các nhiệm vụ thường đòi hỏi trí thông minh của con người.
AI là một ngành khoa học liên ngành với nhiều cách tiếp cận, nhưng những tiến bộ trong học máy và học sâu đang tạo ra một sự thay đổi mô hình trong hầu hết mọi lĩnh vực của ngành công nghệ.
TRÍ TUỆ NHÂN TẠO HOẠT ĐỘNG NHƯ THẾ NÀO?
Máy móc có thể suy nghĩ không? – Alan Turing, 1950
Chưa đầy một thập kỷ sau khi phá vỡ máy mã hóa của Đức Quốc xã Enigma và giúp Lực lượng Đồng minh chiến thắng Thế chiến II, 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 không?”
Bài viết của Turing “Máy tính và trí thông minh” (1950), đã thiết lập mục tiêu và tầm nhìn cơ bản của trí tuệ nhân tạo. Mục tiêu mở rộng của trí tuệ nhân tạo đã làm nảy sinh nhiều câu hỏi và tranh luận.
Hạn chế chính trong việc định nghĩa AI đơn giản là “những cỗ máy xây dựng thông minh” là nó không thực sự giải thích trí tuệ nhân tạo là gì? Điều gì làm cho một máy tính trở nên thông minh?
Norvig và Russell tiếp tục khám phá bốn cách tiếp cận khác nhau đã xác định lịch sử lĩnh vực AI:
- Suy nghĩ của con người
- Suy nghĩ hợp lý
- Hành động nhân đạo
- Hành động hợp lý
Hai ý tưởng đầu tiên liên quan đến quá trình suy nghĩ và lý luận, trong khi những ý tưởng khác xử lý 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 “tất cả các kỹ năng cần thiết cho Thử nghiệm Turing cũng cho phép một tác nhân hành động hợp lý”. (Nga và Norvig 4).
Patrick Winston, giáo sư Ford về trí tuệ nhân tạo và khoa học máy tính tại MIT, định nghĩa AI là “thuật toán được kích hoạt bởi các ràng buộc, được thể hiện bằng các biểu diễn hỗ trợ các mô hình nhắm vào các vòng lặp gắn kết 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 của khoa học máy tính và cung cấp một kế hoạch chi tiết cho việc truyền các máy móc và chương trình với học máy và các tập hợp con khác của trí tuệ nhân tạo.
Trong khi giải quyết đám đông tại Trải nghiệm AI Nhật Bản 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 sử dụng AI ngày nay:
“AI là một hệ thống máy tính có thể thực hiện các nhiệm vụ đòi hỏi trí thông minh của con người … Nhiều hệ thống trí tuệ nhân tạo này được cung cấp bởi machine learning, một số trong số chúng được hỗ trợ bởi deep learning và một số trong số chúng được cung cấp bởi những thứ rất nhàm chán như quy tắc”.
TRÍ TUỆ NHẬN TẠO (AI) ĐƯỢC SỬ DỤNG NHƯ THẾ NÀO?
Trí tuệ nhân tạo thường được chia theo hai loại lớn:
1. AI hẹp: là loại trí thông minh nhân tạo này hoạt động trong một bối cảnh hạn chế và là mô phỏng trí thông minh của con người.
AI 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 hoạt động dưới nhiều ràng buộc và hạn chế hơn nhiều so với trí thông minh cơ bản nhất của con người.
Một vài ví dụ về AI hẹp bao gồm:
- Tìm kiếm Google.
- Phần mềm nhận dạng hình ảnh.
- Siri, Alexa và các trợ lý cá nhân khác.
- Xe tự lái.
- Watson của IBM.
2. Trí thông minh nhân tạo (AGI): AGI, đôi khi được gọi là “AI mạnh mẽ”, là loại trí thông minh nhân tạo mà chúng ta thấy trong các bộ phim, như các robot từ Westworld hoặc Dữ liệu từ Star Trek: The Next Generation.
AGI là một cỗ máy có trí thông minh chung và, giống như con người, nó có thể áp dụng trí thông minh đó để giải quyết mọi vấn đề.
Machine learning và deep learning
Phần lớn AI hẹp được hỗ trợ bởi những đột phá trong học máy và học sâu. Hiểu sự khác biệt giữa trí tuệ nhân tạo, machine learning và deep learning 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 thông minh nhân tạo là một tập hợp các thuật toán và trí thông minh để cố gắng bắt chước trí thông minh của con người. Machine learning là một trong số đó, và deep learning là một trong những kỹ thuật machine learning”.
Nói một cách đơn giản, machine learning cung cấp dữ liệu máy tính và sử dụng các kỹ thuật thống kê để giúp nó “học” cách tiến bộ tốt hơn trong một nhiệm vụ, mà không được lập trình cụ thể cho nhiệm vụ đó, loại bỏ sự cần thiết của hàng triệu dòng mã.
Machine learning bao gồm cả học tập có giám sát (sử dụng các bộ dữ liệu được dán nhãn) và học tập không giám sát (sử dụng các bộ dữ liệu không được gắn nhãn).
Deep learning là một dạng học máy chạy các đầu vào thông qua kiến trúc mạng thần kinh lấy cảm hứng từ sinh học. Các mạng thần kinh chứa một số lớp ẩn trong đó dữ liệu được xử lý, cho phép máy đi sâu vào việc học, tạo kết nối và đầu vào trọng số để có kết quả tốt nhất.
Việc tạo ra một cỗ máy có trí thông minh ở cấp độ con người có thể áp dụng cho bất kỳ nhiệm vụ nào theo nhiều nhà nghiên cứu AI, nhưng nhiệm vụ tìm kiếm AGI gặp nhiều khó khăn.
Việc tìm kiếm một “thuật toán phổ quát để học và hành động trong bất kỳ môi trường nào” (Russel và Norvig 27) không phải là mới, nhưng thời gian đã giảm bớt khó khăn trong việc 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, trong đó robot siêu thông minh tràn ngập nhân loại, nhưng các chuyên gia đồng ý rằng đó không phải là điều chúng ta cần lo lắng sớm.
ỨNG DỤNG TRÍ TUỆ NHÂN TẠO (AI) VÀO THỰC TẾ
Trí tuệ nhân tạo đã được ứng dụng vào một số lĩnh vực. Dưới đây là các ví dụ.
1. AI trong chăm sóc sức khỏe:
Những ứng dụng của AI trong chăm sóc sức khỏe giúp cải thiện việc chăm sóc sức khỏe của bệnh nhân và giảm chi phí.
Các công ty đang áp dụng học máy để chẩn đoán tốt hơn và nhanh hơn con người.Một trong những biết tốt nhất công nghệ chăm sóc sức khỏe là IBM Watson. Nó hiểu ngôn ngữ tự nhiên và có khả năng trả lời các câu hỏi của nó.
Hệ thống khai thác dữ liệu bệnh nhân và các nguồn dữ liệu có sẵn khác để tạo thành một giả thuyết, sau đó nó đưa ra một lược đồ chấm điểm tin cậy.
Các ứng dụng AI khác bao gồm chatbot , chương trình máy tính được sử dụng trực tuyến để trả lời các câu hỏi và hỗ trợ khách hàng, để giúp sắp xếp các cuộc hẹn theo dõi hoặc hỗ trợ bệnh nhân thông qua quy trình thanh toán và trợ lý sức khỏe ảo cung cấp phản hồi y tế cơ bản.
2. AI trong kinh doanh:
Tự động hóa quá trình robot đang được áp dụng cho các nhiệm vụ lặp đi lặp lại thường được thực hiện bởi con người.
Các thuật toán machine learning đang được tích hợp vào các nền tảng phân tích và CRM để khám phá thông tin về cách phục vụ khách hàng tốt hơn. Chatbots đã được kết hợp vào các trang web để cung cấp dịch vụ ngay lập tức cho khách hàng.
Tự động hóa các vị trí công việc cũng đã trở thành một điểm nói chuyện giữa các học giả và các nhà phân tích CNTT.
3. AI trong giáo dục:
AI có thể tự động hóa việc chấm điểm, giúp các nhà giáo dục có thêm thời gian. AI có thể đánh giá sinh viên và thích nghi với nhu cầu của họ, giúp họ làm việc theo tốc độ của riêng họ.
Gia sư AI có thể cung cấp hỗ trợ bổ sung cho sinh viên, đảm bảo họ luôn đi đúng hướng. AI có thể thay đổi nơi học sinh học và thậm chí thay thế một số giáo viên.
4. AI trong tài chính:
AI trong các ứng dụng tài chính cá nhân, như Mint hoặc Turbo Tax, đang phá vỡ các tổ chức tài chính.
Các ứng dụng như thu thập dữ liệu cá nhân và cung cấp tư vấn tài chính. Các chương trình khác, như IBM Watson, đã được áp dụng cho quá trình mua nhà.
5. AI trong pháp luật:
Quá trình khám phá, sàng lọc thông qua của tài liệu, trong pháp luật thường là áp đảo cho con người.
Tự động hóa quá trình này là sử dụng thời gian hiệu quả hơn. Các công ty khởi nghiệp cũng đang xây dựng các trợ lý máy tính hỏi và trả lời có thể sàng lọc các câu hỏi được lập trình để trả lời bằng cách kiểm tra phân loại và bản thể học liên quan đến cơ sở dữ liệu.
6. AI trong sản xuất:
Đây là một lĩnh vực đã đi đầu trong việc kết hợp robot vào quy trình làm việc. Robot công nghiệp được sử dụng để thực hiện các nhiệm vụ đơn lẻ và được tách ra khỏi công nhân của con người, nhưng như công nghệ nâng cao mà thay đổi.
7. Truyền thông:
Báo chí cũng đang khai thác AI, và sẽ tiếp tục được hưởng lợi từ nó. Bloomberg sử dụng công nghệ Cyborg để giúp hiểu nhanh các báo cáo tài chính phức tạp.
Associated Press sử dụng khả năng ngôn ngữ tự nhiên của Insights Insights để tạo ra 3.700 câu chuyện báo cáo kiếm tiền mỗi năm – gần gấp bốn lần so với trước đây.
8. Dịch vụ khách hàng:
Cuối cùng nhưng không kém phần quan trọng, Google đang làm việc với một trợ lý AI có thể thực hiện các cuộc gọi giống như con người để thực hiện các cuộc hẹn tại, giả sử, tiệm tóc của khu phố của bạn. Ngoài các từ, hệ thống hiểu ngữ cảnh và sắc thái.
LỊCH SỬ CỦA TRÍ TUỆ NHÂN TẠO (AI)
Robot thông minh và sinh vật nhân tạo lần đầu tiên xuất hiện trong các thần thoại Hy Lạp cổ đại.
Sự phát triển của tam đoạn luận của Aristotle và việc sử dụng lý luận suy diễn là một thời điểm quan trọng trong nhiệm vụ tìm hiểu trí thông minh của chính nhân loại.
Trong khi gốc rễ dài và sâu, 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.
1943
Warren McCullough và Walter Pitts xuất bản “A Logical Calculus of Ideas Immanent in Nervous Activity”. Bài viết đề xuất mô hình toán học đầu tiên để xây dựng một mạng lưới thần kinh.
1949
Trong cuốn sách The Organization of Behavior: A Neuropsychological Theory, Donald Hebb đề xuất lý thuyết rằng các con đường thần kinh được tạo ra từ kinh nghiệm và các kết nối giữa các tế bào thần kinh trở nên mạnh mẽ hơn thường xuyên được sử dụng. Học tiếng Hê-bơ-rơ tiếp tục là một mô hình quan trọng trong AI.
1950
Alan Turing xuất bản “Máy tính và trí thông minh”, đề xuất cái mà ngày nay gọi là Thử nghiệm Turing, một phương pháp để xác định xem một máy có thông minh hay không.
Đại học Harvard Marvin Minsky và Dean Edmonds xây dựng SNARC, máy tính mạng thần kinh đầu tiên.
Claude Shannon xuất bản bài báo “Lập trình máy tính để chơi cờ”.
Isaac Asimov xuất bản “Ba định luật về robot”.
1952
Arthur Samuel phát triển một chương trình tự học để chơi cờ.
1954
Thí nghiệm dịch máy Georgetown-IBM tự động dịch 60 câu tiếng Nga được chọn cẩn thận sang tiếng Anh.
1956
Cụm từ trí tuệ nhân tạo được đặt ra tại “Dartmouth Summer Research Project on Artificial Intelligence”. Dẫn đầu bởi John McCarthy, hội nghị, trong đó xác định phạm vi và mục tiêu của AI, được coi là sự ra đời của trí tuệ nhân tạo như chúng ta biết ngày nay.
Allen Newell và Herbert Simon trình diễn Nhà lý luận logic (LT), chương trình lý luận đầu tiên.
1958
John McCarthy phát triển ngôn ngữ lập trình AI Lisp và xuất bản bài báo “Programs with Common Sense”.
Bài viết đã đề xuất Nhà tư vấn giả thuyết, 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 Bộ giải quyết vấn đề chung (GPS), một chương trình được thiết kế để bắt chước giải quyết vấn đề của con người.
Herbert Gelernter phát triển chương trình Định lý hình học.
Arthur Samuel đồng xu với thuật ngữ học máy khi còn ở IBM.
John McCarthy và Marvin Minsky đã tìm thấy Dự án Trí tuệ nhân tạo MIT.
1963
John McCarthy bắt đầu Phòng thí nghiệm AI tại Stanford.
1966
Báo cáo của The Automatic Language Processing Advisory Committee (ALPAC) của chính phủ Hoa Kỳ nêu chi tiết về sự thiếu tiến bộ trong nghiên cứu dịch máy, một sáng kiến lớn của Chiến tranh Lạnh với lời hứa dịch tự động và tức thời tiếng Nga. 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.
1972
Ngôn ngữ lập trình logic PRITAL được tạo ra.
1973
“Báo cáo Lighthill”, nêu chi tiết về sự thất vọng trong nghiên cứu AI, được chính phủ Anh công bố và dẫn đến việc cắt giảm nghiêm trọng tài trợ cho các dự án trí tuệ nhân tạo.
1974-1980
Thất vọng với sự phát triển của AI dẫn đến sự cắt giảm DARPA lớn trong các khoản trợ cấp học thuật. Kết hợp với báo cáo ALPAC trước đó và “Báo cáo Lighthill” năm trước, tài trợ trí tuệ nhân tạo làm khô và các quầy nghiên cứu. Thời kỳ này được gọi là “Mùa đông AI đầu tiên.”
1980
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 đầu sự bùng nổ đầu tư vào các hệ thống chuyên gia sẽ tồn tại 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 năng giống như siêu máy tính và một nền tảng để phát triển AI.
1983
Đáp lại FGCS của Nhật Bản, chính phủ Hoa Kỳ khởi động Sáng kiến điện toán chiến lược để cung cấp nghiên cứu được tài trợ bởi DARPA trong điện toán tiên tiến và trí tuệ nhân tạo.
1985
Các công ty đang chi hơn một tỷ đô la một năm cho các hệ thống chuyên gia và toàn bộ ngành công nghiệp được gọi là thị trường máy Lisp mọc lên 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 điện toán 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 giai đoạn này, các hệ thống chuyên gia tỏ ra quá tốn kém để duy trì và cập nhật, cuối cùng không được ủng hộ.
Nhật Bản chấm dứt dự án FGCS năm 1992, với lý do thất bại trong việc đáp ứng các mục tiêu đầy tham vọng đã vạch ra một thập kỷ trước đó.
DARPA kết thúc Sáng kiến Điện toán Chiến lược vào năm 1993 sau khi chi gần 1 tỷ đô la và không đạt được kỳ vọng.
1991
Lực lượng Hoa Kỳ triển khai DART, một công cụ lập kế hoạch và lập kế hoạch hậu cần tự động, trong Chiến tranh vùng Vịnh.
1997
Nhà vô địch cờ vua thế giới Deep Blue của IBM Gary Kasparov
2005
STANLEY, một chiếc xe tự lái, chiến thắng DARPA Grand Challenge.
Quân đội Hoa Kỳ bắt đầu đầu tư vào các robot tự trị như “Big Dog” của Boston Dynamic và “PackBot” của iRobot.
2008
Google tạo ra những bước đột phá trong nhận dạng giọng nói và giới thiệu tính năng này trong ứng dụng iPhone.
2011 – 2012
Watson của IBM tuyên bố cạnh tranh về Jeopardy!.
Andrew Ng, người sáng lập dự án Google Brain Deep Learning, cung cấp một mạng lưới thần kinh bằng cách sử dụng thuật toán học sâu 10 triệu video YouTube dưới dạng tập huấn luyện. Mạng lưới thần kinh đã học cách nhận ra một con mèo mà không được cho biết con mèo là gì, mở ra kỷ nguyên đột phá cho mạng lưới thần kinh và tài trợ học tập sâu.
2014
Google tạo ra chiếc xe tự lái đầu tiên để vượt qua bài kiểm tra lái xe nhà nước.
2016
AlphaGo của Google DeepMind đánh bại nhà vô địch thế giới cờ vây Lee Sedol. Sự phức tạp của trò chơi Trung Quốc cổ đại được coi là một trở ngại lớn để giải tỏa trong AI.
XEM THÊM CÁC BÀI VIẾT MỚI NHẤT TẠI: https://tocchienhuyenthoai.com/
from TOCCHIENHUYENTHOAI.COM https://tocchienhuyenthoai.com/tri-tue-nhan-tao-ai-artificial-intelligence-la-gi-moi-thu-ban-nhat-dinh-phai-biet-ve-tri-tue-nhan-tao-ai/
Nhận xét
Đăng nhận xét