Trong kỷ nguyên số hóa, Trí tuệ Nhân tạo (Artificial Intelligence) và Học máy (Machine Learning) đã trở thành những thuật ngữ trung tâm, định hình nền công nghệ. Việc nắm bắt các nguyên lý hoạt động của chúng không còn là lợi thế mà đã trở thành yêu cầu thiết yếu đối với bất kỳ ai muốn tham gia hoặc làm việc trong lĩnh vực công nghệ. Tuy nhiên, trước khi đi sâu vào các thuật toán phức tạp, điều quan trọng là phải thiết lập một nền tảng kiến thức vững chắc. Bài viết này sẽ cung cấp một cái nhìn có hệ thống từ sự khác biệt giữa trí tuệ con người và trí tuệ nhân tạo; giới thiệu lịch sử hình thành AI và một số khái niệm cơ bản.
1. Sự khác biệt giữa trí tuệ con người và trí tuệ nhân tạo
Một cách để chúng ta hiểu về AI là so sánh nó với trí tuệ con người. Dù cùng có khả năng học hỏi, lập luận và giải quyết vấn đề, trí tuệ con người và trí tuệ nhân tạo (AI) có sự khác biệt rõ rệt về bản chất.
- Trí tuệ con người là sự kết hợp giữa khả năng nhận thức tự nhiên và ý thức, cho phép chúng ta không chỉ phân tích vấn đề mà còn giao tiếp, hợp tác và thích nghi linh hoạt. Khác với máy tính, con người ra quyết định dựa trên trải nghiệm thực tế, tư duy trừu tượng cùng các phán đoán về đạo đức và cảm xúc.
- Trong khi AI hoạt động dựa trên dữ liệu và thuật toán, trí tuệ nhân tạo (AI) là khả năng của máy móc trong việc mô phỏng trí tuệ con người như học hỏi, lập luận và ra quyết định. AI vẫn là một hệ thống nhận các mệnh lệnh, dữ liệu từ môi trường và thực hiện các hành động có tác động đến môi trường dựa trên các quy tắc, thuật toán và không cần đến các yếu tố cảm xúc hay ý thức. AI vượt trội trong việc xử lý các tập dữ liệu khổng lồ, nhận dạng quy luật và các tác vụ lặp đi lặp lại. Được sử dụng trong các lĩnh vực như robot, khai thác dữ liệu, nhận diện khuôn mặt và tự động hóa.
2. Lịch sử phát triển của AI
AI xuất hiện trong khoảng 20 năm gần đây, nhưng việc nghiên cứu các mô hình toán học có khả năng tự cập nhật đã bắt đầu từ năm 1700 với công thức cơ bản của hồi quy tuyến tính, có khả năng cải tiến qua thời gian khi có thêm dữ liệu x,y để tìm ra a,b; nên chúng được coi là một phần của Machine Learning.
Hình 1. Lịch sử phát triển AI (nguồn: docs.edgeimpulse.com)
- Vào năm 1943, có 2 nhà khoa học (thuộc Thần kinh học và Logic học) đã cùng nhau đề xuất mô hình mạng Nơ-ron dựa trên tế bào thần kinh trong não người. Được coi là mô hình mạng Nơ-ron nhân tạo đầu tiên, đặt nền móng cho lĩnh vực học máy.
- Năm 1956 thì thuật ngữ Trí tuệ nhân tạo được chính thức ra đời.
- Năm 1958 sáng tạo ra mô hình toán học Perceptron. Một mô hình đơn giản.
Hình 2. Mô hình Perceptron
- Năm 1970 thuật toán Backpropagation (lan truyền ngược) ra đời. Là một kỹ thuật được sử dụng để huấn luyện mạng Nơ-ron, giúp tối ưu các trọng số để cải thiện khả năng dự đoán.
- Sau đó tiến vào thời kỳ mùa đông AI đầu tiên, khi sự quan tâm của mọi người với AI giảm sút cũng như nguồn tài trợ nghiên cứu cạn kiệt cũng như giới hạn của công nghệ. Mãi tới năm 1985 thì mọi người hứng thú lại với AI, vì lúc này máy tính đã đủ mạnh để chạy các thuật toán phức tạp.
- Vào năm 1996 đã có một sự kiện rất lớn, khiến ai cũng bất ngờ đó là AI có thể đánh bại được nhà vô địch thế giới về cờ vua lúc đó. Nhưng vài năm sau đó, mùa đông AI lại bắt đầu do giới hạn về sức mạnh phần cứng. Tuy nhiên vào năm 2010 sự quan tâm được quay trở lại với các mô hình học máy lớn hơn, phức tạp hơn, và tiếp cận đến Deep Learning. Do có nguồn dữ liệu lớn từ internet, đặc biệt nhất là có sự xuất hiện của GPU, đủ mạnh dễ dàng chạy các mô hình deep learning một cách dễ dàng.
3. Các khái niệm cơ bản
Tốc độ phát triển của AI tiếp tục tăng vọt (mặc dù vẫn có những lần gián đoạn do hạn chế về kỹ thuật). Để nắm bắt được bức tranh toàn cảnh đang diễn ra, chúng ta cần tìm hiểu các khái niệm cốt lõi:
- Khoa học dữ liệu (Data Science)
- Trí tuệ nhân tạo (Artificial Intelligence)
- Học máy (Machine Learning)
- Học sâu (Deep Learning)
Hình 3. Mối quan hệ giữa Deep Learning, Machine Learning, Artificial Intelligence, và Data Science
Học máy (Machine Learning) là một tập con của Trí tuệ nhân tạo (Artificial Intelligence). Trí tuệ nhân tạo là một phạm trù rộng lớn bao trùm nhiều hệ thống và thuật toán khác nhau. Cả Trí tuệ nhân tạo và học máy đều có thể được coi là các tập con của Khoa học dữ liệu (Data Science). Cùng tìm hiểu chi tiết mối quan hệ và đặc điểm của các khái niệm then chốt này:
- Khoa học dữ liệu (Data Science) là ngành ứng dụng các phương pháp khoa học để chiết xuất thông tin chuyên sâu từ dữ liệu nhằm đưa ra quyết định hoặc dự đoán. Ví dụ, một nhân viên ngân hàng đầu tư có thể nhìn vào các xu hướng chứng khoán hoặc các yếu tố khác để xác định thời điểm tốt nhất để mua và bán chứng khoán. Ngoài ra, một kỹ sư phần mềm có thể phát triển một mô hình thị giác máy tính để nhận diện ô tô trong các hình ảnh (vì hình ảnh cũng là một dạng dữ liệu).
- Trí tuệ nhân tạo (Artificial Intelligence) là việc phát triển các thuật toán và hệ thống để mô phỏng trí tuệ con người. Điều này có thể bao gồm việc tự động đưa ra quyết định dựa trên dữ liệu đầu vào cũng như các hệ thống có khả năng tự học hỏi theo thời gian.
- Học máy (Machine Learning) là việc phát triển các thuật toán và hệ thống có khả năng học hỏi theo thời gian từ dữ liệu. Thông thường, các thuật toán này bao gồm việc phát triển các mô hình toán học và thống kê đã được huấn luyện trên dữ liệu đầu vào. Các mô hình này có khả năng trích xuất các quy luật từ dữ liệu đầu vào để tạo ra các quy tắc giúp đưa ra quyết định và dự đoán. Một chương trình máy tính truyền thống cần các quy tắc, luật lệ để có thể thực thi được một tác vụ nào đó như dán nhãn cho các email là thư rác nếu nội dung email có chứa từ khóa “quảng cáo”. Nhưng với học máy, các máy tính có thể tự động phân lại các thư rác thành mà không cần chỉ trước bất kỳ quy tắc, từ khóa nào cả. Có thể hiểu đơn giản là học máy giúp cho máy tính suy nghĩ được như con người. ML rất hữu ích khi các quy tắc không có sẵn như trong lập trình máy tính truyền thống.
- Học sâu (Deep Learning) là một nhánh rất được ưa chuộng trong học máy, Học sâu là kỹ thuật sử dụng các mạng nơ-ron tương tự như các nơ-ron của não người để xây dựng hệ thống học máy. Các “mạng nơ-ron” (NN) thực hiện một loạt phép tính trên dữ liệu thu được để thực hiện các tác vụ nhanh, chính xác và đáng tin cậy.
Lấy cảm hứng từ cấu trúc và chức năng nhận thức của bộ não con người. Đây là một sự kết hợp tuyệt vời giữa toán học và khoa học thần kinh. Kết quả của học sâu mang lại cực kỳ to lớn, có thể coi là khởi nguyên của ngành công nghiệp mới.
Chúc các bạn thành công!
Thuong Nguyen