Công nghệ AI là gì? Ưu, nhược điểm của trí tuệ nhân tạo AI

Công nghệ AI là gì?

AI (viết tắt của Artifical Intelligence – Trí Thông Minh Nhân Tạo) là công nghệ mô phỏng các quá trình suy nghĩ và học tập của con người cho máy móc, đặc biệt là các hệ thống máy tính. Các quá trình này bao gồm việc học tập (thu thập thông tin và các quy tắc sử dụng thông tin), lập luận (sử dụng các quy tắc để đạt được kết luận gần đúng hoặc xác định), và tự sửa lỗi. Các ứng dụng đặc biệt của AI bao gồm các hệ thống chuyên gia, nhận dạng tiếng nói và thị giác máy tính (nhận diện khuôn mặt, vật thể hoặc chữ viết).

Khái niệm về công nghệ AI xuất hiện đầu tiên bởi John McCarthy (một nhà khoa học máy tính Mỹ) vào năm 1956 tại hội nghị The Dartmouth. Ngày nay, công nghệ AI là một thuật ngữ bao gồm tất cả mọi thứ từ quá trình tự động hoá robot đến người máy thực tế.

Công nghệ AI gần đây trở nên nổi tiếng, nhận được sự quan tâm của nhiều người là nhờ Big Data. Mối quan tâm của các doanh nghiệp về tầm quan trọng của dữ liệu cùng với công nghệ phần cứng đã phát triển mạnh mẽ hơn, cho phép xử lý công nghệ AI với tốc độ nhanh hơn bao giờ hết.

Bạn đang xem: Công nghệ AI là gì? Ưu, nhược điểm của trí tuệ nhân tạo AI

Lịch sử phát triển 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 nguồn gốc lâu đời và sâu xa, 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 “A Logical Calculus of Ideas Immanent in Nervous Activity – 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 “The Organization of Behavior: A Neuropsychological Theory – 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 “Computing Machinery and Intelligence – 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 “Programming a Computer for Playing Chess – Lập trình máy tính để chơi cờ.”
• (1950) Isaac Asimov xuất bản cuốn “Three Laws of Robotics – 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 “Dartmouth Summer Research Project on Artificial Intelligence – 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 “Programs with Common Sense – Chương trình với Nhận thức chung”. Bài báo đưa ra 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 Geometry Theorem Prover – 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 The Automatic Language Processing Advisory Committee – 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 “First AI Winter – 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)  Japan’s Ministry of International – Bộ Thương mại Quốc tế và Công nghiệp Nhật Bản khởi động dự án đầy tham vọng Fifth Generation Computer Systems( FGCS) – Hệ thống Máy tính Thế hệ thứ Năm. 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 Strategic Computing Initiative – Sáng kiến ​​Điện toán Chiến lược để 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 sau khi 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 Dynamics 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 deep learning 10 triệu video YouTube như một bộ đào tạo. Mạng nơ-ron đã học cách nhận ra một con mèo mà không cần biết mèo là gì, mở ra kỷ nguyên đột phá cho mạng nơ-ron và tài trợ deep learning.
• (2014) Google tạo ra chiếc 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 Hanson 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 học máy.
• (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.

Ưu, nhược điểm của trí tuệ nhân tạo AI

Ưu điểm

Mạng lưới thần kinh nhân tạo và công nghệ trí tuệ nhân tạo với khả năng học tập sâu đang phát triển nhanh chóng, AI xử lý được lượng lớn dữ liệu nhanh hơn nhiều và đưa ra dự đoán chính xác hơn khả năng của con người.

Khối lượng dữ liệu khổng lồ được tạo ra hàng ngày sẽ gây khó khăn cho các nhà nghiên cứu, AI sử dụng học máy để có thể lấy những dữ liệu đó và nhanh chóng biến nó thành thông tin có thể thực hiện được.

Nhược điểm

Việc sử dụng AI là tốn kém rất nhiều khi xử lý một lượng lớn dữ liệu mà lập trình AI yêu cầu.

Khả năng giải thích sẽ một trở ngại trong việc sử dụng AI trong các lĩnh vực hoạt động theo các yêu cầu phải tuân thủ quy định nghiêm ngặt.

Ví dụ: Các tổ chức tài chính, khi quyết định từ chối cấp tín dụng được đưa ra bởi AI, khó có thể đưa ra những giải thích rõ ràng, các lý do không cấp tín dụng cho khách hàng.

Phân loại công nghệ AI

Dựa vào mức độ phức tạp của công nghệ AI, chúng ta có thể chia nó thành 4 loại sau đây:

Loại 1: Công nghệ AI phản ứng (Reactive Machine)

Một ví dụ là Deep Blue, chương trình tự động chơi cờ vua của IBM đã đánh bại kì thủ thế giới Garry Kasparov vào những năm 1990. Công nghệ AI của Deep Blue có thể xác định các nước cờ và dự đoán những bước đi tiếp theo. Nó không có ký ức và không thể sử dụng những kinh nghiệm trong quá khứ để tiếp tục huấn luyện trong tương lai.

Loại công nghệ AI này phân tích những động thái khả thi – của chính nó và đối thủ – và chọn hành động chiến lược nhất. Deep Blue và AlphaGO (chơi cờ vây) của Google được thiết kế cho các mục đích hẹp và không thể dễ dàng áp dụng cho tình huống khác.

Loại 2: Công nghệ AI với bộ nhớ hạn chế

Các hệ thống AI này có thể sử dụng những kinh nghiệm trong quá khứ để đưa ra các quyết định trong tương lai. Một số chức năng ra quyết định này có mặt trong các loại thiết bị không người lái như xe, máy bay drone hoặc tàu ngầm.

Kết hợp các cảm biến môi trường xung quanh công nghệ AI này có thể dự đoán được tình huống và đưa ra những bước hành động tối ưu cho thiết bị. Sau đó chúng sẽ được sử dụng để đưa ra hành động trong bước tiếp theo.

Loại 3: Lý thuyết về trí tuệ nhân tạo

Đây là một thuật ngữ tâm lý. Công nghệ AI này có thể tự mình suy nghĩ và học hỏi những thứ xung quanh để áp dụng cho chính bản thân nó lên một việc cụ thể. Loại công nghệ AI này chưa khả thi trong thời gian hiện tại.

Loại 4: Tự nhận thức

Lúc này cả hệ thống AI có ý thức về bản thân, có ý thức và hành xử như con người. Chúng thậm chí còn có cảm xúc và hiểu được cảm xúc của những người khác. Tất nhiên, loại công nghệ AI này vẫn chưa khả thi.

Một trong các ứng dụng rõ rệt và có hiệu quả nhất của AI là nhà thông minh. Bằng việc kết nối nhiều loại sản phẩm có khả năng học hỏi thói quen của chủ sở hữu nhờ vào trợ lí ảo như Google Assistant, lúc này AI sẽ tận dụng mọi thông tin mà nó ghi nhớ được từ chủ nhân để phục vụ các nhu cầu được đưa ra một cách nhanh chóng và thuận tiện nhất.

Ứng dụng của AI trong thực tế

Chăm sóc sức khỏe

Ứng dụng AI vào y tế sẽ giúp cải thiện kết quả của bệnh nhân và giảm chi phí. Một trong những công nghệ chăm sóc sức khỏe nổi tiếng nhất là IBM Watson. Nó hiểu ngôn ngữ tự nhiên và có thể trả lời các câu hỏi. Hệ thống dữ liệu bệnh nhân kết hợp AI sẽ giúp cung cấp chính xác hơn về thông tin bệnh nhân và chẩn đoán sức khỏe.

Trong kinh doanh

Tự động hóa robot đang được áp dụng cho các nhiệm vụ lặp đi lặp lại thường được thực hiện bởi con người. Các thuật toán máy học đang được tích hợp vào các nền tảng phân tích và tìm hiểu thông tin về cách phục vụ khách hàng tốt hơn.

Trong giáo dục

AI có thể tự động hóa việc chấm điểm, giúp các thầy cô có thêm nhiều thời gian hơn. Nó có thể đánh giá sinh viên và cải thiện hiểu quả học tập của từng cá nhân.

Trong tài chính

AI trong các ứng dụng tài chính cá nhân, như Intuit’s Mint, đang phá vỡ các tổ chức tài chính. Các ứng dụng thu thập dữ liệu cá nhân và cung cấp tư vấn tài chính. Ngày nay, phần mềm trí tuệ nhân tạo thực hiện phần lớn giao dịch trên Phố Wall.

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 những công việc lặp đi lặp lại và khó khăn của con người.

Trong ngân hàng

Các ngân hàng đã tìm thấy kết quả tốt trong việc sử dụng chatbot để làm cho khách hàng của họ biết về các dịch vụ và dịch vụ bổ sung. Họ cũng đang sử dụng AI để cải thiện việc ra quyết định cho vay, đặt giới hạn tín dụng và xác định cơ hội đầu tư.

********************