Trí tuệ nhân tạo AI

0
841

Trí tuệ nhân tạo

Trong khoa học máy tính, trí tuệ nhân tạo (AI), đôi khi được gọi là trí thông minh nhân tạo, là trí thông minh được thể hiện bằng máy móc, trái ngược với trí thông minh tự nhiên được con người thể hiện. Thông thường, thuật ngữ “trí tuệ nhân tạo” thường được sử dụng để mô tả các máy móc (hoặc máy tính) bắt chước các chức năng “nhận thức” mà con người liên kết với tâm trí con người, như “học tập” và “giải quyết vấn đề”.

Khi máy móc ngày càng tăng khả năng, các nhiệm vụ được coi là cần “trí thông minh” thường bị loại bỏ khỏi định nghĩa về AI, một hiện tượng được gọi là hiệu ứng AI. Một câu châm ngôn trong Định lý của Tesler nói rằng “AI là bất cứ điều gì chưa được thực hiện.” Ví dụ, nhận dạng ký tự quang học thường bị loại trừ khỏi những thứ được coi là AI, đã trở thành một công nghệ thông thường. khả năng máy hiện đại thường được phân loại như AI bao gồm thành công hiểu lời nói của con người, cạnh tranh ở mức cao nhất trong trò chơi chiến lược (chẳng hạn như cờ vua và Go), xe hoạt động độc lập, định tuyến thông minh trong mạng phân phối nội dung, và mô phỏng quân sự.

Trí tuệ nhân tạo có thể được phân thành ba loại hệ thống khác nhau: trí tuệ nhân tạo phân tích, lấy cảm hứng từ con người và nhân tạo. AI phân tích chỉ có các đặc điểm phù hợp với trí tuệ nhận thức; tạo ra một đại diện nhận thức về thế giới và sử dụng học tập dựa trên kinh nghiệm trong quá khứ để thông báo các quyết định trong tương lai. AI lấy cảm hứng từ con người có các yếu tố từ trí tuệ nhận thức và cảm xúc; hiểu cảm xúc của con người, ngoài các yếu tố nhận thức và xem xét chúng trong việc ra quyết định. AI nhân cách hóa cho thấy các đặc điểm của tất cả các loại năng lực (nghĩa là trí tuệ nhận thức, cảm xúc và xã hội), có khả năng tự ý thức và tự nhận thức được trong các tương tác.

Trí tuệ nhân tạo được thành lập như một môn học thuật vào năm 1956, và trong những năm sau đó đã trải qua nhiều làn sóng lạc quan, sau đó là sự thất vọng và mất kinh phí (được gọi là ” mùa đông AI “), tiếp theo là cách tiếp cận mới, thành công và tài trợ mới. Trong phần lớn lịch sử của mình, nghiên cứu AI đã được chia thành các trường con thường không liên lạc được với nhau. Các trường con này dựa trên các cân nhắc kỹ thuật, chẳng hạn như các mục tiêu cụ thể (ví dụ: ” robot học ” hoặc “học máy”), việc sử dụng các công cụ cụ thể (“logic” hoặc mạng lưới thần kinh nhân tạo) hoặc sự khác biệt triết học sâu sắc. Các ngành con cũng được dựa trên các yếu tố xã hội (các tổ chức cụ thể hoặc công việc của các nhà nghiên cứu cụ thể).

Lĩnh vực này được thành lập dựa trên tuyên bố rằng trí thông minh của con người “có thể được mô tả chính xác đến mức một cỗ máy có thể được chế tạo để mô phỏng nó”. Điều này làm dấy lên những tranh luận triết học về bản chất của tâm trí và đạo đức khi tạo ra những sinh vật nhân tạo có trí thông minh giống con người, đó là những vấn đề đã được thần thoại, viễn tưởng và triết học từ thời cổ đại đề cập tới.[18] Một số người cũng coi AI là mối nguy hiểm cho nhân loại nếu tiến triển của nó không suy giảm. Những người khác tin rằng AI, không giống như các cuộc cách mạng công nghệ trước đây, sẽ tạo ra nguy cơ thất nghiệp hàng loạt.

Trong thế kỷ 21, các kỹ thuật AI đã trải qua sự hồi sinh sau những tiến bộ đồng thời về sức mạnh máy tính, dữ liệu lớn và hiểu biết lý thuyết; và kỹ thuật AI đã trở thành một phần thiết yếu của ngành công nghệ, giúp giải quyết nhiều vấn đề thách thức trong khoa học máy tính, công nghệ phần mềm và nghiên cứu vận hành.

Lịch sử

Tư tưởng có khả năng sinh vật nhân tạo xuất hiện như các thiết bị kể chuyện thời cổ đại,[22] và đã được phổ biến trong tiểu thuyết, như trong Frankenstein của Mary Shelley hay RUR (máy toàn năng Rossum) của Karel Capek.[23] Những nhân vật này và số phận của họ nêu ra nhiều vấn đề tương tự hiện đang được thảo luận trong đạo đức của trí tuệ nhân tạo.[18]

Talos, một máy tự động thần thoại cổ đại với trí tuệ nhân tạo
Talos, một máy tự động thần thoại cổ đại với trí tuệ nhân tạo

Nghiên cứu về lý trí cơ học hoặc “chính thức” bắt đầu với các nhà triết học và toán học thời cổ đại. Nghiên cứu về logic toán học đã dẫn trực tiếp đến lý thuyết tính toán của Alan Turing, người cho rằng một cỗ máy, bằng cách xáo trộn các ký hiệu đơn giản như “0” và “1”, có thể mô phỏng bất kỳ hành động suy luận toán học nào có thể hiểu được. Tầm nhìn sâu sắc này, cho thấy máy tính kỹ thuật số có thể mô phỏng bất kỳ quá trình suy luận hình thức nào, đã được gọi là luận án Church-Turing. Cùng với những khám phá đồng thời về sinh học thần kinh, lý thuyết thông tin và điều khiển học, điều này khiến các nhà nghiên cứu cân nhắc khả năng xây dựng bộ não điện tử. Turing đã đề xuất rằng “nếu một con người không thể phân biệt giữa các phản hồi từ một máy và một con người, máy tính có thể được coi là ‘thông minh’. Công việc đầu tiên mà bây giờ được công nhận là trí tuệ nhân tạo là thiết kế hình thức “tế bào thần kinh nhân tạo” do McCullouch và Pitts đưa ra năm 1943.

Lĩnh vực nghiên cứu AI được ra đời tại một hội thảo tại Đại học Dartmouth năm 1956. Những người tham dự Allen Newell (CMU), Herbert Simon (CMU), John McCarthy (MIT), Marvin Minsky (MIT) và Arthur Samuel (IBM) đã trở thành những người sáng lập và lãnh đạo nghiên cứu AI. Họ và các sinh viên của họ đã tạo ra các chương trình mà báo chí mô tả là “đáng kinh ngạc”: máy tính đang học chiến lược kiểm tra (c. 1954) (và đến năm 1959 được cho là chơi tốt hơn người bình thường), giải từ các vấn đề về đại số, chứng minh các định lý logic (Lý thuyết logic, lần chạy đầu tiên vào năm 1956) và nói tiếng Anh. Đến giữa thập niên 1960, nghiên cứu ở Mỹ được Bộ Quốc phòng tài trợ rất nhiều và các phòng thí nghiệm đã được thành lập trên khắp thế giới. Những người sáng lập AI rất lạc quan về tương lai: Herbert Simon dự đoán, “máy móc sẽ có khả năng, trong vòng hai mươi năm nữa, làm bất kỳ công việc nào mà một người có thể làm”. Marvin Minsky đồng ý, viết, “trong một thế hệ … Vấn đề tạo ra ‘trí tuệ nhân tạo’ về cơ bản sẽ được giải quyết “.

Họ đã không nhận ra độ khó của một số nhiệm vụ còn lại. Tiến độ chậm lại và vào năm 1974, để đáp lại sự chỉ trích của Sir James Lighthill và áp lực liên tục từ Quốc hội Hoa Kỳ để tài trợ cho các dự án năng suất cao hơn, cả chính phủ Hoa Kỳ và Anh đều dừng nghiên cứu khám phá về AI. Vài năm sau đó sẽ được gọi là ” mùa đông AI “, giai đoạn mà việc kiếm được tài trợ cho các dự án AI là khó khăn.

Đầu những năm 1980, nghiên cứu AI đã được hồi sinh nhờ thành công thương mại của các hệ chuyên gia, một dạng chương trình AI mô phỏng kiến thức và kỹ năng phân tích của các chuyên gia về con người. Đến năm 1985, thị trường cho AI đã đạt hơn một tỷ đô la. Đồng thời, dự án máy tính thế hệ thứ năm của Nhật Bản đã truyền cảm hứng cho chính phủ Hoa Kỳ và Anh khôi phục tài trợ cho nghiên cứu học thuật.[8] Tuy nhiên, bắt đầu với sự sụp đổ của thị trường Máy Lisp vào năm 1987, AI một lần nữa rơi vào tình trạng khó khăn, và một sự gián đoạn thứ hai, kéo dài hơn đã bắt đầu.

Vào cuối những năm 1990 và đầu thế kỷ 21, AI bắt đầu được sử dụng cho hậu cần, khai thác dữ liệu, chẩn đoán y tế và các lĩnh vực khác. Thành công là nhờ sức mạnh tính toán ngày càng tăng (xem định luật Moore ), nhấn mạnh hơn vào việc giải quyết các vấn đề cụ thể, mối quan hệ mới giữa AI và các lĩnh vực khác (như thống kê, kinh tế và toán học ) và cam kết của các nhà nghiên cứu về phương pháp toán học và tiêu chuẩn khoa học. Deep Blue trở thành hệ thống chơi cờ trên máy tính đầu tiên đánh bại một nhà đương kim vô địch cờ vua thế giới, Garry Kasparov, vào ngày 11 tháng 5 năm 1997.

Năm 2011, tại một chương trình truyền hình thi đấu trả lời câu hỏi biểu diễn Jeopardy! , hệ thống trả lời câu hỏi của IBM, Watson, đã đánh bại hai nhà vô địch Brad Rutter và Ken Jennings, với tỷ số chênh lệch đáng kể. Máy tính nhanh hơn, cải tiến thuật toán và truy cập vào lượng lớn dữ liệu cho phép có được các tiến bộ trong học tập và nhận thức máy; phương pháp học sâu vốn đói dữ liệu bắt đầu thống trị các thử nghiệm liên quan đến độ chính xác vào khoảng năm 2012 . Kinect, cung cấp giao diện chuyển động cơ thể 3D cho Xbox 360 và Xbox One, sử dụng các thuật toán xuất hiện từ nghiên cứu AI dài cũng như trợ lý cá nhân thông minh trong điện thoại thông minh . Vào tháng 3 năm 2016, AlphaGo đã thắng 4 trên 5 trận đấu cờ vây trong trận đấu với nhà vô địch cờ vây Lee Sedol, trở thành hệ thống chơi cờ vây trên máy tính đầu tiên đánh bại một người chơi cờ vây chuyên nghiệp mà không cần chấp quân. Trong Hội nghị Tương lai 2017, AlphaGo đã giành chiến thắng trong một trận đấu ba ván với Kha Khiết, kỳ thủ lúc đó liên tục giữ vị trí số 1 thế giới trong hai năm. Điều này đánh dấu sự hoàn thành một cột mốc quan trọng trong sự phát triển của trí tuệ nhân tạo vì cờ vây là một trò chơi tương đối phức tạp, hơn cả cờ vua.

khoa học máy tính

Theo Jack Clark của Bloomberg, năm 2015 là một năm mang tính bước ngoặt đối với trí tuệ nhân tạo, với số lượng dự án phần mềm sử dụng AI Google đã tăng từ “sử dụng lẻ tẻ” vào năm 2012 lên hơn 2.700 dự án. Clark cũng trình bày dữ liệu thực tế cho thấy những cải tiến của AI kể từ năm 2012 được hỗ trợ bởi tỷ lệ lỗi thấp hơn trong các tác vụ xử lý hình ảnh. Ông cho rằng sự gia tăng các mạng thần kinh giá cả phải chăng, do sự gia tăng cơ sở hạ tầng điện toán đám mây và sự gia tăng các công cụ nghiên cứu và bộ dữ liệu. Các ví dụ được trích dẫn khác bao gồm sự phát triển hệ thống Skype của Microsoft có thể tự động dịch từ ngôn ngữ này sang ngôn ngữ khác và hệ thống của Facebook có thể mô tả hình ảnh cho người mù. Trong một cuộc khảo sát năm 2017, một trong năm công ty báo cáo rằng họ đã “kết hợp AI trong một số dịch vụ hoặc quy trình”. Khoảng năm 2016, Trung Quốc đã tăng tốc rất nhiều tài trợ của chính phủ; với nguồn cung cấp dữ liệu lớn và sản lượng nghiên cứu tăng nhanh, một số nhà quan sát tin rằng nó có thể đang trên đà trở thành một “siêu cường AI”. Tuy nhiên, người ta đã thừa nhận rằng các báo cáo liên quan đến trí tuệ nhân tạo có xu hướng bị phóng đại.

Các định nghĩa

Về mặt cơ bản có 4 phương pháp/ con đường tiếp cận trí tuệ nhân tạo cho đến ngày nay bao gồm:suy nghĩ giống người, hành động giống người, suy nghĩ hợp lý, hành động hợp lý. Với mỗi một cách tiếp cận, người ta có định nghĩa trí tuệ nhân tạo khác nhau rõ ràng hơn:

Trí tuệ nhân tạo bao gồm các cơ sở lý thuyết và việc lập trình xây dựng của các hệ thống máy tính có thể thực hiện các nhiệm vụ thường đòi hỏi trí thông minh của con người như nhận thức thị giác, nhận dạng giọng nói, ra quyết định và dịch giữa các ngôn ngữ.
Trí tuệ nhân tạo giúp tạo ra máy tính có khả năng suy nghĩ, máy tính có trí tuệ theo đầy đủ nghĩa của từ này (Haugeland, 1985).
Trí tuệ nhân tạo là khoa học nghiên cứu xem thế nào để máy tính có thể thực hiện được những công việc mà con người làm tốt hơn máy tính (Rich và Knight,1991).
Trí tuệ nhân tạo là khoa học nghiên cứu các hoạt động trí não thông qua các mô hình tính toán (Chaniaka và McDemott, 1985).
Trí tuệ nhận tạo nghiên cứu các mô hình máy tính có thể nhận thức, lập luận và hành động (Winston, 1992)
Trí tuệ nhân tạo nghiên cứu các hành vi thông minh mô phỏng các vật thể nhân tạo (Nilsson, 1998)
Trí tuệ nhân tạo là khoa học nghiên cứu các hành vi thông minh nhằm giải quyết các vấn đề được đặt ra đối với các chương trình máy tính (Học viện Kỹ thuật Quân sự)
Hai cách tiếp cận đầu tiên dựa theo một tiêu chuẩn đánh giá là con người, hai cách tiếp cận sau dựa theo một tiêu chuẩn trừu tượng hơn là sự hợp lý. Sự hợp lý ở đây là việc máy tính sẽ thực hiện đúng và chính xác dựa theo những gì nó biết.

Ngoài 2 phương pháp đánh giá, hai con đường tiếp cận trí tuệ nhân tạo là theo hướng xử lý quá trình suy luận và phân tích, và hướng tiếp theo là hành vi của máy móc. Ta mô tả một vài định nghĩa của trí tuệ nhân tạo ở dưới đây:

tìm hiểu trí tuệ nhân tạo AI

Hành động giống người
Turning Test được thiết kế vào năm những năm 1960 là một bài test kiểm tra trí tuệ nhân tạo dựa theo tiêu chuẩn hành động giống người hay không? Người kiểm tra sẽ đặt một vài câu hỏi ra một tờ giấy và đưa cả vào 2 căn phòng – một căn phòng có máy tính và một căn phòng là người. Máy tính được gọi là có trí tuệ khi những người kiểm tra không thể phân biệt đâu là câu trả lời của máy tính và đâu là câu trả lời của người. Kết quả càng khách quan khi càng nhiều người, nhiều văn hóa và chủng tộc tham gia bài kiểm tra này. Bài test được cho là một bài thí nghiệm có giá trị học thuật rất tốt khi bắt đầu nghiên cứu trí tuệ nhân tạo, hiện nay không mấy nhà khoa học hứng thú với bài Turning test vì đơn giản họ cảm thấy cố gắng để chương trình của mình vượt qua bài turning test là một điều thừa thãi. Tuy nhiên, nó vẫn có giá trị trong quá trình nghiên cứu lý thuyết trí tuệ nhân tạo.

Ở bài turning test, sẽ không có tiếp xúc vật lý giữa người và máy tính. Đơn giản vì xây dựng một vật chất mô phỏng vật lý cơ thể người đối với trí tuệ nhân tạo là một hành động thừa thãi. Vì vậy, một bài được gọi turning test đầy đủ là sẽ được thưc hiện thông qua một kênh chat video.

Để máy tính qua được bài turning test thì nó sẽ phải đáp ứng được các yếu tố cơ bản sau: khả năng xử lý ngôn ngữ tự nhiên, khả năng ghi nhớ kiến thức, khả năng suy luận và khả năng học máy. Còn muốn vượt qua một bài turning test đầy đủ thì sẽ cần thêm 2 yêu cầu nữa là thị giác máy tính và robottic để máy tính có thể nhận diện và tương tác với vật thể.

Suy nghĩ giống người
Vấn đề lớn nhất khi xây dựng một máy tính có khả năng suy nghĩ giống người là con người suy nghĩ như thế nào? Việc biết được cách chúng ta suy nghĩ một cách hoàn chỉnh và đầy đủ thì ta hoàn toàn có thể xây dựng nó thành một chương trình máy tính.

Về mặt cơ bản để đánh giá một chương trình suy nghĩ giống người, ta dựa vào nhận xét sau: “một máy tính có hành động tương tự con người ở trong một số điều kiện và hoàn cảnh tương ứng thì sẽ được cho là có một vài phần suy nghĩ giống người”. Vì vậy hiện nay, hai khái niệm suy nghĩ giống người và hành động giống người rất mơ hồ và hay hòa vào nhau. Một máy tính được cho qua được vài bài kiểm tra thực tế thì được cho là có đặc tính giống người và ngược lại. Tuy nhiên các nhà khoa học vẫn phân ra hai lĩnh vực này để đảm bảo thúc đẩy sự phát triển của từng lĩnh vực khoa học thần kinh và trí tuệ nhân tạo. Nhiều ứng dụng hiện nay, nhất là thị giác máy tính (computer vision) là sự kết hợp mạnh mẽ của khoa học thần kinh (mạng neuron) với các mô hình tính toán.

Suy nghĩ hợp lý
Suy nghĩ hợp lý trong trí tuệ nhân tạo tiêu biểu nhất là suy nghĩ logic hay còn gọi là logictic. Chúng ta sẽ có cố gắng mô hình hóa kiến thức và biểu diễn nó thông qua các kí hiệu và điều kiện để thực hiện mô hình các suy nghĩ và lập luận.

Hai rào cán lớn nhất của mô hình là khi kiến thức không thể được mô hình hóa và các vấn đề đối với lượng kiến thức và thông tin quá lớn hoặc quá ít. Các kiến thức khi không nắm chắc độ chính xác 100 % thường sẽ rất khó để hình thức hóa nó trong toán học. Và khi các bước hoặc các trường hợp xảy ra lên đến vài trăm thì có thể làm cạn kiện tài nguyên tính toán của bất kì máy tính cá nhân nào.

Hành động hợp lý

Lý luận giải quyết vấn đề

Các nhà nghiên cứu đầu tiên đã phát triển các thuật toán bắt chước theo lý luận từng bước mà con người sử dụng khi giải quyết các câu đố hoặc đưa ra các phương pháp loại trừ logic.[55] Vào cuối những năm 1980 và 1990, nghiên cứu về AI đã phát triển các phương pháp xử lý thông tin không chắc chắn hoặc không đầy đủ, sử dụng các khái niệm từ xác suất và kinh tế.

Đối với những vấn đề khó, các thuật toán bắt buộc phải có phần cứng đủ mạnh để thực hiện phép tính toán khổng lồ – để trải qua “vụ nổ tổ hợp”: lượng bộ nhớ và thời gian tính toán có thể trở nên vô tận nếu giải quyết một vấn đề khó. Mức độ ưu tiên cao nhất là tìm kiếm các thuật toán giải quyết vấn đề.

Con người thường sử dụng các phán đoán nhanh và trực quan chứ không phải là phép khấu trừ từng bước mà các nghiên cứu AI ban đầu có thể mô phỏng.[58] AI đã tiến triển bằng cách sử dụng cách giải quyết vấn đề “biểu tượng phụ”: cách tiếp cận tác nhân được thể hiện nhấn mạnh tầm quan trọng của các kỹ năng cảm biến động đến lý luận cao hơn; nghiên cứu mạng thần kinh cố gắng để mô phỏng các cấu trúc bên trong não làm phát sinh kỹ năng này. Các phương pháp tiếp cận thống kê đối với AI bắt chước khả năng của con người.

Nguồn: wiki

BÌNH LUẬN

Vui lòng nhập bình luận của bạn
Vui lòng nhập tên của bạn ở đây

76 − 75 =