Trí tuệ nhân tạo (AI) là sự mô phỏng các quy trình trí tuệ của con người bởi máy móc, đặc biệt là hệ thống máy tính. Các ứng dụng cụ thể của AI bao gồm hệ thống chuyên môn cao, xử lý ngôn ngữ tự nhiên, nhận dạng giọng nói và thị giác máy.
AI hoạt động như thế nào?
Khi sức hút xung quanh AI tăng lên, các nhà cung cấp đã nhanh chóng quảng cáo về cách sản phẩm và dịch vụ của họ sử dụng công nghệ này. Thường xuyên, những gì họ gọi là AI chỉ là một thành phần của công nghệ, chẳng hạn như machine learning. AI yêu cầu một nền tảng phần cứng và phần mềm chuyên biệt để viết và đào tạo thuật toán machine learning. Không có một ngôn ngữ lập trình nào là đồng nghĩa với AI, nhưng Python, R, Java, C++ và Julia có các tính năng phổ biến với các nhà phát triển AI.
Nhìn chung, các hệ thống AI hoạt động bằng cách tiêu thụ lượng lớn dữ liệu đào tạo được gắn nhãn, phân tích dữ liệu để tìm ra các mối liên kết và mô hình, và sử dụng những mô hình này để dự đoán trạng thái tương lai. Theo cách này, một chatbot được cung cấp ví dụ về văn bản có thể học cách tạo ra các trao đổi giống như cuộc sống với mọi người, hoặc một công cụ nhận dạng hình ảnh có thể học cách xác định và mô tả các đối tượng trong hình ảnh bằng cách xem xét hàng triệu ví dụ. Các kỹ thuật AI tạo sinh mới, cải thiện nhanh chóng để có thể tạo ra văn bản, hình ảnh, âm nhạc và phương tiện truyền thông rất thực tế.
Lập trình AI tập trung vào các kỹ năng nhận thức bao gồm:
Học: Khía cạnh này của lập trình AI tập trung vào việc thu thập dữ liệu và tạo ra quy tắc để biến nó thành thông tin hành động. Các quy tắc, được gọi là thuật toán, cung cấp cho các thiết bị tính toán hướng dẫn từng bước về cách hoàn thành một nhiệm vụ cụ thể.
Lý luận: Khía cạnh này của lập trình AI tập trung vào việc chọn thuật toán đúng để đạt được kết quả mong muốn.
Tự sửa lỗi: Khía cạnh này của lập trình AI được thiết kế để liên tục điều chỉnh các thuật toán và đảm bảo chúng cung cấp kết quả chính xác nhất có thể.
Sáng tạo: Khía cạnh này của AI sử dụng mạng nơ-ron, hệ thống dựa trên quy tắc, phương pháp thống kê và các kỹ thuật AI khác để tạo ra hình ảnh mới, văn bản mới, âm nhạc mới và ý tưởng mới.
Tại sao trí tuệ nhân tạo lại quan trọng?
Trí tuệ nhân tạo (AI) quan trọng bởi khả năng tiềm ẩn của nó trong việc thay đổi cách chúng ta sống, làm việc và giải trí. AI đã được sử dụng hiệu quả trong kinh doanh để tự động hóa các công việc được thực hiện bởi con người, bao gồm công việc dịch vụ khách hàng, tìm kiếm khách hàng tiềm năng, phát hiện gian lận hay kiểm soát chất lượng. Ở một số lĩnh vực, AI có thể thực hiện công việc tốt hơn nhiều so với con người. Đặc biệt là những công việc lặp đi lặp lại, yêu cầu sự chú ý vào từng chi tiết, như việc phân tích một lượng lớn tài liệu pháp lý để đảm bảo các mục liên quan được điền đúng cách, công cụ AI thường hoàn thành công việc một cách nhanh chóng với tương đối ít lỗi. Bởi vì khả năng xử lý bộ dữ liệu lớn, AI cũng có thể cung cấp cho doanh nghiệp những hiểu biết sâu sắc về hoạt động của họ mà họ có thể chưa biết. Sự tăng trưởng và mở rộng nhanh chóng của AI sẽ quan trọng trong các lĩnh vực từ giáo dục, tiếp thị đến thiết kế sản phẩm.
Quả thật, những tiến bộ trong kỹ thuật AI không chỉ giúp đẩy mạnh một cuộc bùng nổ về hiệu quả, mà còn mở cánh cửa cho những cơ hội kinh doanh hoàn toàn mới cho một số doanh nghiệp lớn. Trước làn sóng AI hiện tại, sẽ rất khó tưởng tượng việc sử dụng phần mềm máy tính để kết nối hành khách với tài xế taxi, nhưng Uber đã trở thành một công ty Fortune 500 bằng cách làm điều đó.
AI đã trở thành trung tâm của nhiều công ty lớn và thành công nhất ngày nay, bao gồm Alphabet, Apple, Microsoft và Meta, nơi công nghệ AI được sử dụng để cải thiện hoạt động và vượt lên trước các đối thủ cạnh tranh. Tại công ty con của Alphabet là Google, chẳng hạn, AI là trung tâm của công cụ tìm kiếm, xe tự lái Waymo và Google Brain, người đã phát minh ra kiến trúc mạng lưới nơ-ron đặt nền móng cho những đột phá gần đây trong việc xử lý ngôn ngữ tự nhiên.
Ưu và nhược điểm của trí tuệ nhân tạo
Các mạng nơ-ron nhân tạo và công nghệ AI Deeplearning đang phát triển nhanh chóng, chủ yếu là bởi AI có thể xử lý một lượng lớn dữ liệu nhanh chóng và đưa ra dự đoán chính xác hơn so với khả năng của con người.
Trong khi khối lượng dữ liệu khổng lồ được tạo ra hàng ngày có thể làm cho một nhà nghiên cứu bị lãng phí thời gian, các ứng dụng AI sử dụng machine learning có thể chuyển dữ liệu đó thành thông tin có thể hành động một cách nhanh chóng. Tính đến thời điểm viết bài này, một nhược điểm chính của AI là chi phí đắt đỏ để xử lý lượng lớn dữ liệu mà AI đòi hỏi. Khi các kỹ thuật AI được tích hợp vào nhiều sản phẩm và dịch vụ hơn, các tổ chức cũng phải nhạy cảm với khả năng tạo ra hệ thống mang các tinh chất thiên vị, phân biệt, vô tình hoặc cố ý trong xử việc xử lý thông tin.
Ưu điểm của AI
Dưới đây là một số ưu điểm của AI.
- Giỏi trong công việc đòi hỏi sự chú ý đến từng chi tiết. AI đã chứng minh được khả năng tốt hoặc hơn cả bác sĩ trong việc chẩn đoán một số loại ung thư, bao gồm ung thư vú và melanoma.
- Giảm thời gian cho các công việc đòi hỏi lượng lớn dữ liệu. AI được sử dụng rộng rãi trong các ngành có dữ liệu nặng như ngân hàng và chứng khoán, dược phẩm và bảo hiểm, để giảm thời gian phân tích dữ liệu lớn. Ngành dịch vụ tài chính, chẳng hạn, thường xuyên sử dụng AI để xử lý đơn vay và phát hiện gian lận.
- Tiết kiệm lao động và tăng năng suất. Một ví dụ ở đây là việc sử dụng tự động hóa trong kho, đã tăng trưởng trong đại dịch và dự kiến sẽ tăng thêm với sự tích hợp của AI và machine learning.
- Cung cấp kết quả nhất quán. Các công cụ dịch AI tốt nhất cung cấp mức độ nhất quán cao, mang lại khả năng cho cả doanh nghiệp nhỏ tiếp cận khách hàng bằng ngôn ngữ mẹ đẻ của họ.
- Có thể cải thiện sự hài lòng của khách hàng thông qua việc cá nhân hóa. AI có thể cá nhân hóa nội dung, tin nhắn, quảng cáo, đề xuất và trang web cho từng khách hàng.
- Các trợ lý ảo được cung cấp bởi AI luôn sẵn sàng. AI không cần ngủ hay nghỉ ngơi và có thể cung cấp dịch vụ 24/7.
Nhược điểm của AI
Dưới đây là một số nhược điểm của AI.
- Đắt đỏ.
- Đòi hỏi kiến thức kỹ thuật sâu sắc.
- Số lượng nguồn nhân lực có trình độ đủ để xây dựng công cụ AI là hạn chế.
- Phản ánh các động lực thiên vị của dữ liệu đào tạo, ở quy mô lớn.
- Thiếu khả năng tổng quát hóa từ một nhiệm vụ sang nhiệm vụ khác.
- Loại bỏ công việc của con người, làm tăng tỷ lệ thất nghiệp.
Trí tuệ nhân tạo (AI) có thể được phân loại thành AI yếu và AI mạnh.
AI yếu, còn được gọi là AI hẹp, được thiết kế và huấn luyện để hoàn thành một nhiệm vụ cụ thể. Các robot công nghiệp và trợ lý ảo cá nhân, như Siri của Apple, sử dụng AI yếu.
AI mạnh, còn được gọi là trí tuệ nhân tạo tổng quát (AGI), mô tả việc lập trình có thể sao chép khả năng nhận thức của não bộ con người. Khi được đưa ra một nhiệm vụ không quen thuộc, một hệ thống AI mạnh có thể sử dụng logic mờ để áp dụng kiến thức từ một lĩnh vực sang lĩnh vực khác và tự tìm ra giải pháp. Lý thuyết, một chương trình AI mạnh nên có thể vượt qua cả bài kiểm tra Turing và lập luận Phòng Trung Quốc.
Có 4 loại trí tuệ nhân tạo là gì?
Arend Hintze, một giáo sư trợ giảng về sinh học tích hợp và khoa học máy tính tại Đại học Michigan State, giải thích rằng AI có thể được phân loại thành bốn loại, bắt đầu từ các hệ thống thông minh cụ thể nhiệm vụ đang được sử dụng rộng rãi ngày nay và tiến tới các hệ thống có ý thức, mà hiện chưa tồn tại. Các loại là như sau.
Loại 1: Máy phản ứng. Các hệ thống AI này không có bộ nhớ và chỉ đặc thù cho một nhiệm vụ cụ thể. Một ví dụ là Deep Blue, chương trình cờ vua của IBM đã đánh bại Garry Kasparov trong những năm 1990. Deep Blue có thể nhận dạng các quân cờ trên bàn cờ và đưa ra dự đoán, nhưng vì không có bộ nhớ, nó không thể sử dụng kinh nghiệm quá khứ để thông báo cho tương lai.
Loại 2: Bộ nhớ hạn chế. Các hệ thống AI này có bộ nhớ, vì vậy chúng có thể sử dụng kinh nghiệm quá khứ để thông báo cho các quyết định trong tương lai. Một số chức năng quyết định trong xe tự lái được thiết kế theo cách này.
Loại 3: Lý thuyết về tâm lý. Lý thuyết về tâm lý là thuật ngữ trong tâm lý học. Khi áp dụng vào AI, nó có nghĩa là hệ thống sẽ có trí tuệ xã hội để hiểu được cảm xúc. Loại AI này sẽ có khả năng suy luận ý định của con người và dự đoán hành vi, một kỹ năng cần thiết để các hệ thống AI trở thành thành viên quan trọng của nhóm con người.
Loại 4: Tự nhận thức. Trong danh mục này, các hệ thống AI có ý thức về bản thân, mang lại cho chúng sự tỉnh táo. Máy có ý thức về bản thân hiểu được trạng thái hiện tại của mình. Loại AI này hiện chưa tồn tại.
Các ví dụ về công nghệ trí tuệ nhân tạo (AI) và cách sử dụng nó trong thực tế như thế nào?
AI được tích hợp vào nhiều loại công nghệ khác nhau. Dưới đây là bảy ví dụ.
Tự động hóa. Khi kết hợp với công nghệ AI, các công cụ tự động hóa có thể mở rộng số lượng và loại công việc được thực hiện. Một ví dụ là tự động hóa quy trình robot (RPA), một loại phần mềm tự động hóa các nhiệm vụ xử lý dữ liệu lặp đi lặp lại, dựa trên các quy tắc, truyền thống được thực hiện bởi con người. Khi kết hợp với học máy và các công cụ AI mới nổi, RPA có thể tự động hóa một phần lớn công việc doanh nghiệp, cho phép các bot chiến lược của RPA truyền thông tin từ AI và phản ứng với các thay đổi quy trình.
Học máy. Đây là khoa học để làm cho máy tính hoạt động mà không cần lập trình. Deep learning là một phần con của học máy, đơn giản mà nói, có thể được coi là tự động hóa phân tích dự đoán. Có ba loại thuật toán học máy:
Học có giám sát: Tập dữ liệu được gán nhãn để phát hiện mẫu và sử dụng để gán nhãn cho các tập dữ liệu mới.
Học không giám sát: Tập dữ liệu không được gán nhãn và được sắp xếp theo sự tương đồng hoặc khác biệt.
Học tăng cường: Tập dữ liệu không được gán nhãn, nhưng sau khi thực hiện một hành động hoặc một số hành động, hệ thống AI được cung cấp phản hồi.
Tầm nhìn máy. Công nghệ này cho phép máy tính có khả năng nhìn thấy. Tầm nhìn máy tích hợp và phân tích thông tin hình ảnh bằng cách sử dụng máy ảnh, chuyển đổi tương tự số và xử lý tín hiệu số. Nó thường được so sánh với thị giác con người, nhưng tầm nhìn máy không bị ràng buộc bởi sinh học và có thể được lập trình để nhìn xuyên qua tường, ví dụ. Nó được sử dụng trong một loạt các ứng dụng từ nhận dạng chữ ký đến phân tích hình ảnh y tế. Thị giác máy tính, tập trung vào xử lý hình ảnh dựa trên máy tính, thường được nhầm lẫn với tầm nhìn máy.
Xử lý ngôn ngữ tự nhiên (NLP). Đây là quá trình xử lý ngôn ngữ của con người bằng một chương trình máy tính. Một trong những ví dụ cũ và nổi tiếng nhất về NLP là phát hiện thư rác, nơi kiểm tra tiêu đề và nội dung của một email và quyết định xem nó có phải là thư rác hay không. Các phương pháp hiện tại của NLP dựa trên học máy. Các nhiệm vụ NLP bao gồm dịch văn bản, phân tích cảm xúc và nhận dạng giọng nói.
Robot. Lĩnh vực kỹ thuật này tập trung vào thiết kế và sản xuất robot. Robot thường được sử dụng để thực hiện các nhiệm vụ khó khăn hoặc thực hiện một cách nhất quán mà con người khó thực hiện. Ví dụ, robot được sử dụng trong dây chuyền lắp ráp sản xuất ô tô hoặc bởi NASA để di chuyển các vật thể lớn trong không gian. Các nhà nghiên cứu cũng sử dụng học máy để xây dựng robot có thể tương tác trong môi trường xã hội.
Xe tự lái. Xe tự động sử dụng sự kết hợp của thị giác máy tính, nhận dạng hình ảnh và học sâu để xây dựng kỹ năng tự động hóa để điều khiển xe trong một làn đường nhất định và tránh các chướng ngại vật bất ngờ, chẳng hạn như người đi bộ.
Tạo văn bản, hình ảnh và âm thanh. Các kỹ thuật AI tạo ra, tạo ra các loại phương tiện truyền thông khác nhau từ các gợi ý văn bản, được áp dụng rộng rãi trong các doanh nghiệp để tạo ra một loạt các loại nội dung vô tận từ nghệ thuật giống thực đến phản hồi email và kịch bản.
Ứng dụng của trí tuệ nhân tạo (AI) là gì?
Trí tuệ nhân tạo đã tiếp cận vào nhiều lĩnh vực khác nhau. Dưới đây là 11 ví dụ.
AI trong lĩnh vực y tế. Các công ty áp dụng học máy để đưa ra chẩn đoán y tế tốt hơn và nhanh hơn con người. Một trong những công nghệ y tế nổi tiếng nhất là IBM Watson. Nó hiểu ngôn ngữ tự nhiên và có thể trả lời các câu hỏi được đặt ra. Hệ thống này khai thác dữ liệu bệnh nhân và các nguồn dữ liệu khác để hình thành một giả thuyết, sau đó trình bày với một hệ thống điểm đánh giá độ tin cậy. Các ứng dụng AI khác bao gồm sử dụng trợ lý sức khỏe ảo trực tuyến và chatbot để giúp bệnh nhân và khách hàng y tế tìm thông tin y tế, lên lịch hẹn, hiểu quy trình thanh toán và hoàn thành các quy trình hành chính khác. Một loạt các công nghệ AI cũng được sử dụng để dự đoán, chiến đấu và hiểu dịch bệnh như COVID-19.
AI trong kinh doanh. Các thuật toán học máy được tích hợp vào các nền tảng phân tích và quản lý quan hệ khách hàng (CRM) để khám phá thông tin về cách phục vụ khách hàng tốt hơn. Chatbot đã được tích hợp vào các trang web để cung cấp dịch vụ ngay lập tức cho khách hàng. Sự tiến bộ nhanh chóng của công nghệ AI tạo ra nội dung tự tạo như ChatGPT được dự đoán sẽ có những hậu quả sâu rộng: loại bỏ công việc, cách mạng hóa thiết kế sản phẩm và làm đảo lộn mô hình kinh doanh.
AI trong giáo dục. AI có thể tự động chấm điểm, giúp giáo viên có thêm thời gian cho các nhiệm vụ khác. Nó có thể đánh giá học sinh và thích nghi với nhu cầu của họ, giúp họ làm việc theo tốc độ riêng. Các trợ giảng AI có thể cung cấp hỗ trợ bổ sung cho học sinh, đảm bảo họ tiến bộ. Công nghệ này cũng có thể thay đổi nơi và cách học của học sinh, có thể thậm chí thay thế một số giáo viên. Như đã được thể hiện bởi ChatGPT, Bard và các mô hình ngôn ngữ lớn khác, AI tự tạo có thể giúp giáo viên xây dựng nội dung khóa học và các tài liệu giảng dạy khác và tương tác với học sinh theo cách mới. Sự xuất hiện của các công cụ này cũng buộc giáo viên phải tái suy nghĩ bài tập và kiểm tra của học sinh và xem xét lại chính sách về việc sao chép.
AI trong tài chính. Ứng dụng AI trong tài chính cá nhân, như Intuit Mint hoặc TurboTax, đang làm đảo lộn các tổ chức tài chính. Các ứng dụng như này thu thập dữ liệu cá nhân và cung cấp lời khuyên tài chính. Các chương trình khác, như IBM Watson, đã được áp dụng vào quá trình mua nhà. Hiện nay, phần lớn giao dịch trên Wall Street được thực hiện bởi phần mềm trí tuệ nhân tạo.
AI trong lĩnh vực luật pháp. Quá trình khám phá - sàng lọc tài liệu - trong lĩnh vực luật pháp thường làm cho con người bị áp lực. Sử dụng AI để giúp tự động hóa các quy trình lao động công nghệ cao trong ngành luật giúp tiết kiệm thời gian và cải thiện dịch vụ khách hàng. Các công ty luật sử dụng học máy để mô tả dữ liệu và dự đoán kết quả, thị giác máy tính để phân loại và trích xuất thông tin từ tài liệu, và NLP để hiểu yêu cầu thông tin.
AI trong giải trí và truyền thông. Ngành giải trí sử dụng các kỹ thuật AI cho quảng cáo nhắm mục tiêu, gợi ý nội dung, phân phối, phát hiện gian lận, tạo kịch bản và sản xuất phim. Báo chí tự động giúp các phòng tin tức tối ưu hóa quy trình làm việc truyền thông, giảm thời gian, chi phí và phức tạp. Các phòng tin tức sử dụng AI để tự động hóa các nhiệm vụ thông thường, như nhập dữ liệu và kiểm tra chính tả; và để nghiên cứu các chủ đề và hỗ trợ việc đặt tiêu đề. Cách báo chí có thể sử dụng ChatGPT và các công nghệ AI tự tạo khác một cách đáng tin cậy để tạo ra nội dung là một câu hỏi còn mở.
AI trong việc lập trình phần mềm và quy trình công nghệ thông tin. Các công cụ AI tự tạo mới có thể được sử dụng để tạo mã ứng dụng dựa trên các yêu cầu ngôn ngữ tự nhiên, nhưng hiện tại vẫn còn quá sớm để chúng thay thế các kỹ sư phần mềm. AI cũng được sử dụng để tự động hóa nhiều quy trình công nghệ thông tin, bao gồm nhập dữ liệu, phát hiện gian lận, dịch vụ khách hàng và bảo trì dự đoán và bảo mật.
Bảo mật. AI và học máy đứng đầu danh sách từ khóa mà các nhà cung cấp bảo mật sử dụng để tiếp thị sản phẩm của họ, vì vậy người mua nên tiếp cận một cách cẩn thận. Tuy nhiên, các kỹ thuật AI đang được áp dụng thành công vào nhiều khía cạnh của an ninh mạng, bao gồm phát hiện bất thường, giải quyết vấn đề dương tính giả và thực hiện phân tích mối đe dọa hành vi. Tổ chức sử dụng học máy trong phần mềm quản lý thông tin và sự kiện an ninh (SIEM) và các lĩnh vực liên quan để phát hiện các sự bất thường và xác định các hoạt động đáng ngờ cho thấy mối đe dọa. Bằng cách phân tích dữ liệu và sử dụng logic để xác định sự tương đồng với mã độc đã biết, AI có thể cung cấp cảnh báo về các cuộc tấn công mới và đang nổi lên sớm hơn nhiều so với nhân viên và các phiên bản công nghệ trước đây.
AI trong ngành sản xuất. Ngành sản xuất đã tiên phong trong việc tích hợp robot vào quy trình làm việc. Ví dụ, các robot công nghiệp trước đây được lập trình để thực hiện các nhiệm vụ đơn giản và được tách biệt với công nhân, ngày càng hoạt động như cobot: các robot nhỏ hơn, có khả năng đa nhiệm, hợp tác với con người và đảm nhận trách nhiệm cho nhiều phần công việc hơn trong các nhà kho, sàn nhà máy và không gian làm việc khác.
AI trong ngành ngân hàng. Ngân hàng đang thành công trong việc sử dụng chatbot để thông báo cho khách hàng về dịch vụ và ưu đãi và xử lý các giao dịch không đòi hỏi sự can thiệp của con người. Trợ lý ảo AI được sử dụng để cải thiện và giảm chi phí tuân thủ các quy định ngân hàng. Tổ chức ngân hàng sử dụng AI để cải thiện quyết định về cho vay, đặt hạn mức tín dụng và xác định cơ hội đầu tư.
AI trong ngành vận tải. Ngoài vai trò cơ bản của AI trong vận hành các phương tiện tự lái, các công nghệ AI được sử dụng trong ngành vận tải để quản lý giao thông, dự đoán chậm trễ chuyến bay và làm cho vận chuyển đường biển an toàn và hiệu quả hơn. Trong chuỗi cung ứng, AI đang thay thế các phương pháp truyền thống để dự báo nhu cầu và dự đoán các sự cố, một xu hướng được gia tăng bởi COVID-19 khi nhiều công ty bị bất ngờ bởi tác động của đại dịch toàn cầu đến cung cầu hàng hóa.
Trí tuệ tăng cường so với trí tuệ nhân tạo
Một số chuyên gia trong ngành đã lập luận rằng thuật ngữ trí tuệ nhân tạo quá gắn liền với văn hóa đại chúng, điều này đã khiến công chúng có những kỳ vọng không thực tế về cách trí tuệ nhân tạo sẽ thay đổi nơi làm việc và cuộc sống nói chung. Họ đã đề xuất sử dụng thuật ngữ trí tuệ tăng cường để phân biệt giữa các hệ thống trí tuệ nhân tạo hoạt động tự động - ví dụ trong văn hóa đại chúng là Hal 9000 và The Terminator - và các công cụ trí tuệ nhân tạo hỗ trợ con người.
Trí tuệ tăng cường. Một số nhà nghiên cứu và nhà tiếp thị hy vọng nhãn hiệu trí tuệ tăng cường, mang ý nghĩa trung lập hơn, sẽ giúp mọi người hiểu rằng hầu hết các triển khai của trí tuệ nhân tạo sẽ yếu và chỉ đơn giản là cải thiện sản phẩm và dịch vụ. Ví dụ bao gồm tự động hiển thị thông tin quan trọng trong báo cáo thông tin kinh doanh hoặc làm nổi bật thông tin quan trọng trong các tệp đơn kiện pháp lý. Việc áp dụng nhanh chóng ChatGPT và Bard trên nhiều ngành công nghiệp cho thấy sự sẵn lòng sử dụng trí tuệ nhân tạo để hỗ trợ quyết định của con người.
Trí tuệ nhân tạo. Trí tuệ nhân tạo thực sự, hoặc AGI, liên quan chặt chẽ đến khái niệm vô hạn công nghệ - một tương lai được cai trị bởi một trí tuệ siêu nhân tạo vượt xa khả năng của não bộ con người để hiểu nó hoặc cách nó đang tạo hình thực tế của chúng ta. Điều này vẫn nằm trong lĩnh vực khoa học viễn tưởng, mặc dù một số nhà phát triển đang làm việc về vấn đề này. Nhiều người tin rằng các công nghệ như tính toán lượng tử có thể đóng vai trò quan trọng trong việc biến AGI thành hiện thực và rằng chúng ta nên dành thuật ngữ trí tuệ nhân tạo cho loại trí tuệ tổng quát như vậy.
Sử dụng trí tuệ nhân tạo một cách đạo đức
Trong khi các công cụ trí tuệ nhân tạo mang đến một loạt các chức năng mới cho doanh nghiệp, việc sử dụng trí tuệ nhân tạo cũng đặt ra những câu hỏi về đạo đức vì, tốt hay xấu, một hệ thống trí tuệ nhân tạo sẽ củng cố những gì nó đã học được.
Điều này có thể gây vấn đề vì các thuật toán học máy, là nền tảng của nhiều công cụ trí tuệ nhân tạo tiên tiến nhất, chỉ thông minh như dữ liệu được sử dụng để huấn luyện chúng. Vì một con người chọn dữ liệu nào được sử dụng để huấn luyện một chương trình trí tuệ nhân tạo, tiềm năng cho sự thiên vị trong học máy là có sẵn và phải được giám sát một cách cẩn thận.
Bất kỳ ai muốn sử dụng học máy như một phần của các hệ thống thực tế đang hoạt động cần tính đạo đức vào quy trình đào tạo trí tuệ nhân tạo của họ và cố gắng tránh thiên vị. Điều này đặc biệt đúng khi sử dụng các thuật toán trí tuệ nhân tạo mà không thể giải thích được trong các ứng dụng học sâu và mạng đối địch sinh (GAN).
Khả năng giải thích là một rào cản tiềm năng đối với việc sử dụng trí tuệ nhân tạo trong các ngành hoạt động tuân thủ nghiêm ngặt các yêu cầu về tuân thủ quy định. Ví dụ, các tổ chức tài chính tại Hoa Kỳ hoạt động dưới các quy định yêu cầu họ giải thích quyết định cấp tín dụng của mình. Tuy nhiên, khi một quyết định từ chối tín dụng được đưa ra bởi chương trình trí tuệ nhân tạo, việc giải thích quyết định đã được đưa ra có thể khó khăn vì các công cụ trí tuệ nhân tạo được sử dụng để đưa ra những quyết định như vậy hoạt động bằng cách tìm ra mối tương quan tinh tế giữa hàng ngàn biến số. Khi quá trình ra quyết định không thể giải thích được, chương trình có thể được gọi là trí tuệ nhân tạo hộp đen.
Tóm lại, những thách thức đạo đức của trí tuệ nhân tạo bao gồm: thiên vị, do thuật toán huấn luyện không đúng cách và thiên vị của con người; sử dụng sai mục đích, do deepfakes và lừa đảo; vấn đề pháp lý, bao gồm phỉ báng trí tuệ nhân tạo và vấn đề bản quyền; lo ngại về việc mất việc làm; và vấn đề bảo mật dữ liệu, đặc biệt trong lĩnh vực ngân hàng, chăm sóc sức khỏe và pháp lý.
Quản lý và quy định trí tuệ nhân tạo
Mặc dù có những nguy cơ tiềm ẩn, hiện tại vẫn chưa có nhiều quy định quản lý việc sử dụng các công cụ trí tuệ nhân tạo, và trong những trường hợp có luật pháp tồn tại, chúng thường liên quan đến trí tuệ nhân tạo một cách gián tiếp. Ví dụ, như đã đề cập trước đó, các quy định Vay công bằng của Hoa Kỳ yêu cầu các tổ chức tài chính giải thích quyết định về tín dụng cho khách hàng tiềm năng. Điều này hạn chế mức độ mà các nhà cho vay có thể sử dụng các thuật toán học sâu, vì chúng theo bản chất của chúng là không minh bạch và thiếu khả năng giải thích.
Quy định chung về bảo vệ dữ liệu của Liên minh châu Âu (GDPR) đang xem xét quy định về trí tuệ nhân tạo. Giới hạn nghiêm ngặt của GDPR về cách doanh nghiệp có thể sử dụng dữ liệu người tiêu dùng đã hạn chế việc huấn luyện và chức năng của nhiều ứng dụng trí tuệ nhân tạo dành cho người tiêu dùng.
Các nhà hoạch định chính sách ở Hoa Kỳ vẫn chưa ban hành luật về trí tuệ nhân tạo, nhưng điều đó có thể thay đổi trong thời gian tới. “Bản thiết kế cho một Hiến pháp Quyền trí tuệ nhân tạo” được công bố vào tháng 10 năm 2022 bởi Văn phòng Chính sách Khoa học và Công nghệ của Nhà Trắng (OSTP) hướng dẫn các doanh nghiệp về cách triển khai hệ thống trí tuệ nhân tạo đạo đức. Phòng Thương mại Hoa Kỳ cũng kêu gọi quy định về trí tuệ nhân tạo trong một báo cáo được công bố vào tháng 3 năm 2023.
Việc tạo ra luật pháp để quy định trí tuệ nhân tạo sẽ không dễ dàng, một phần vì trí tuệ nhân tạo bao gồm một loạt các công nghệ mà các công ty sử dụng cho các mục đích khác nhau, và một phần vì quy định có thể gây ảnh hưởng đến tiến bộ và phát triển của trí tuệ nhân tạo. Sự tiến hóa nhanh chóng của các công nghệ trí tuệ nhân tạo là một rào cản khác đối với việc hình thành quy định có ý nghĩa về trí tuệ nhân tạo, cũng như những thách thức do tính không minh bạch của trí tuệ nhân tạo gây ra, khiến việc nhìn thấy cách thuật toán đạt được kết quả trở nên khó khăn. Hơn nữa, các đột phá công nghệ và ứng dụng mới như ChatGPT và Dall-E có thể làm cho các luật pháp hiện có trở nên lỗi thời ngay lập tức. Và, tất nhiên, các luật pháp mà chính phủ đưa ra để quy định trí tuệ nhân tạo không ngăn chặn tội phạm sử dụng công nghệ với ý đồ xấu.
Trí tuệ nhân tạo đã có một lịch sử dài và đôi khi gây tranh cãi từ cuộc thử Turing vào năm 1950 cho đến những chatbot trí tuệ nhân tạo sinh sản như ChatGPT ngày nay.
Lịch sử của trí tuệ nhân tạo là gì?
Khái niệm về các vật không sống được trao trí tuệ đã tồn tại từ thời cổ đại. Trong thần thoại Hy Lạp, vị thần Hephaestus được miêu tả là tạo ra những người hầu giống như robot từ vàng. Kỹ sư ở Ai Cập cổ xây dựng các tượng thần được cử động bởi các linh mục. Suốt nhiều thế kỷ, những tư tưởng từ Aristotle đến nhà triết học Tây Ban Nha thế kỷ 13 Ramon Llull, René Descartes và Thomas Bayes đã sử dụng các công cụ và logic của thời đại của họ để mô tả quá trình tư duy con người dưới dạng các biểu tượng, đặt nền tảng cho các khái niệm trí tuệ nhân tạo như biểu diễn kiến thức tổng quát.
Cuối thế kỷ 19 và nửa đầu thế kỷ 20 đã đem lại những công việc cơ bản mà sẽ dẫn đến sự ra đời của máy tính hiện đại. Năm 1836, nhà toán học Charles Babbage của Đại học Cambridge và Augusta Ada King, Bá tước của Lovelace, đã phát minh ra thiết kế đầu tiên cho một máy tính có thể lập trình.
Những năm 1940. Nhà toán học John Von Neumann của Đại học Princeton đã nghĩ ra kiến trúc cho máy tính lưu trữ chương trình - ý tưởng rằng chương trình của máy tính và dữ liệu nó xử lý có thể được lưu trữ trong bộ nhớ của máy tính. Và Warren McCulloch và Walter Pitts đã đặt nền tảng cho mạng thần kinh nhân tạo.
Những năm 1950. Với sự xuất hiện của máy tính hiện đại, các nhà khoa học có thể kiểm tra ý tưởng của họ về trí tuệ nhân tạo. Một phương pháp để xác định xem một máy tính có trí tuệ hay không đã được nhà toán học người Anh và nhà giải mã mã hóa trong Thế chiến II Alan Turing nghĩ ra. Cuộc thử Turing tập trung vào khả năng của máy tính để đánh lừa những người thẩm vấn tin rằng các câu trả lời của nó đến từ một con người.
Năm 1956. Lĩnh vực trí tuệ nhân tạo hiện đại được cho là bắt đầu từ năm này trong một hội nghị mùa hè tại Đại học Dartmouth. Được tài trợ bởi Cơ quan Dự án Nghiên cứu Tiên tiến Quốc phòng (DARPA), hội nghị đã được tham dự bởi 10 nhân vật nổi tiếng trong lĩnh vực này, bao gồm các tiên phong trí tuệ nhân tạo Marvin Minsky, Oliver Selfridge và John McCarthy, người được ghi nhận là người đặt thuật ngữ trí tuệ nhân tạo. Cũng có mặt là Allen Newell, một nhà khoa học máy tính, và Herbert A. Simon, một nhà kinh tế học, nhà khoa học chính trị và nhà tâm lý học nhận thức. Hai người đã trình bày Logic Theorist đột phá của họ, một chương trình máy tính có khả năng chứng minh một số định lý toán học và được coi là chương trình trí tuệ nhân tạo đầu tiên.
Những năm 1950 và 1960. Sau hội nghị Dartmouth College, các nhà lãnh đạo trong lĩnh vực trí tuệ nhân tạo mới nổi đã dự đoán rằng trí tuệ nhân tạo do con người tạo ra tương đương với não bộ con người sẽ sớm xuất hiện, thu hút sự hỗ trợ lớn từ chính phủ và ngành công nghiệp. Thực sự, gần 20 năm nghiên cứu cơ bản được tài trợ đầy đủ đã tạo ra những tiến bộ đáng kể trong trí tuệ nhân tạo: Ví dụ, vào cuối những năm 1950, Newell và Simon đã công bố thuật toán Giải quyết Vấn đề Tổng quát (GPS), không thể giải quyết các vấn đề phức tạp nhưng đã đặt nền tảng cho việc phát triển các kiến trúc nhận thức phức tạp hơn; và McCarthy đã phát triển Lisp, một ngôn ngữ lập trình trí tuệ nhân tạo vẫn được sử dụng cho đến ngày nay. Vào giữa những năm 1960, Giáo sư MIT Joseph Weizenbaum đã phát triển ELIZA, một chương trình NLP sớm đặt nền tảng cho các chatbot hiện đại ngày nay.
Những năm 1970 và 1980. Việc đạt được trí tuệ nhân tạo tổng quát đã trở nên khó khăn, bị hạn chế bởi khả năng xử lý và bộ nhớ của máy tính và sự phức tạp của vấn đề. Chính phủ và các công ty rút lui khỏi việc hỗ trợ nghiên cứu trí tuệ nhân tạo, dẫn đến một giai đoạn trống vắng kéo dài từ năm 1974 đến 1980 được biết đến như “Mùa đông trí tuệ nhân tạo” đầu tiên. Vào những năm 1980, nghiên cứu về các kỹ thuật học sâu và sự áp dụng của các hệ chuyên gia của Edward Feigenbaum đã tạo ra một làn sóng mới của sự hăng hái về trí tuệ nhân tạo, chỉ để được tiếp theo bởi sự sụp đổ khác của việc tài trợ từ chính phủ và ngành công nghiệp. Mùa đông trí tuệ nhân tạo thứ hai kéo dài cho đến giữa những năm 1990.
Những năm 1990. Sự gia tăng về sức mạnh tính toán và sự bùng nổ dữ liệu đã tạo ra một sự phục hồi về trí tuệ nhân tạo vào cuối những năm 1990, đặt nền tảng cho những tiến bộ đáng kể trong trí tuệ nhân tạo mà chúng ta thấy ngày nay. Sự kết hợp giữa dữ liệu lớn và sức mạnh tính toán gia tăng đã thúc đẩy những đột phá trong NLP, thị giác máy tính, robot, học máy và học sâu. Năm 1997, khi tiến bộ trong trí tuệ nhân tạo tăng tốc, Deep Blue của IBM đã đánh bại kỳ thủ cờ vua người Nga Garry Kasparov, trở thành chương trình máy tính đầu tiên đánh bại một vô địch cờ vua thế giới.
Những năm 2000. Tiến bộ tiếp theo trong học máy, học sâu, NLP, nhận dạng giọng nói và thị giác máy tính đã tạo ra các sản phẩm và dịch vụ đã tạo nên cách chúng ta sống ngày nay. Điều này bao gồm việc ra mắt công cụ tìm kiếm của Google vào năm 2000 và công cụ gợi ý của Amazon vào năm 2001. Netflix phát triển hệ thống gợi ý cho phim, Facebook giới thiệu hệ thống nhận dạng khuôn mặt và Microsoft ra mắt hệ thống nhận dạng giọng nói để chuyển đổi lời nói thành văn bản. IBM ra mắt Watson và Google bắt đầu dự án tự lái của mình, Waymo.
Thập kỷ 2010. Thập kỷ từ 2010 đến 2020 chứng kiến sự phát triển liên tục của trí tuệ nhân tạo (AI). Điều này bao gồm việc ra mắt các trợ lý giọng nói Siri của Apple và Alexa của Amazon; những chiến thắng của IBM Watson trong chương trình Jeopardy; xe tự lái; sự phát triển của mạng đối địch sinh sản đầu tiên; ra mắt TensorFlow, nền tảng học sâu mã nguồn mở của Google; sự thành lập phòng thí nghiệm nghiên cứu OpenAI, nhà phát triển của mô hình ngôn ngữ GPT-3 và công cụ tạo hình ảnh Dall-E; sự thất bại của vô địch cờ vây thế giới Lee Sedol trước AlphaGo của Google DeepMind; và việc triển khai các hệ thống dựa trên trí tuệ nhân tạo để phát hiện ung thư với độ chính xác cao.
Thập kỷ 2020. Thập kỷ hiện tại đã chứng kiến sự ra đời của trí tuệ nhân tạo sinh sản, một loại công nghệ trí tuệ nhân tạo có thể tạo ra nội dung mới. Trí tuệ nhân tạo sinh sản bắt đầu với một đề xuất có thể là văn bản, hình ảnh, video, thiết kế, những nốt nhạc hoặc bất kỳ đầu vào nào mà hệ thống trí tuệ nhân tạo có thể xử lý. Sau đó, các thuật toán trí tuệ nhân tạo khác nhau trả về nội dung mới phản hồi đến đề xuất. Nội dung có thể bao gồm bài luận, giải pháp cho các vấn đề, hoặc những bức ảnh hoặc âm thanh tạo ra từ hình ảnh hoặc âm thanh của một người. Khả năng của các mô hình ngôn ngữ như ChatGPT-3, Bard của Google và Megatron-Turing NLG của Microsoft đã gây ấn tượng mạnh trên thế giới, nhưng công nghệ này vẫn đang ở giai đoạn đầu, như được chứng minh bằng khả năng gây ảo giác hoặc làm sai câu trả lời.
Dịch và biên soạn lại bằng KaikunAI - tham khảo từ nguồn techtarget.com