AI là gì? Công nghệ này có tiềm năng và nguy cơ gì đối với con người

AI là gì? Công nghệ này có tiềm năng và nguy cơ gì đối với con người

AI là một công nghệ vô cùng phức tạp, nhưng nhờ có AI mà cuộc sống của con người ngày càng trở nên thoải mái hơn. Vậy AI là gì thì hãy cùng tìm hiểu nhé.

AI là gì? Công nghệ này có tiềm năng và nguy cơ gì đối với con người

Định nghĩa AI là gì?

AI (viết tắt của Artificial Intelligence) có nghĩa là trí thông minh nhân tạo, một chương trình máy tính vô cùng phức tạp có thể tự học và đưa ra các quyết định mà không cần lập trình trước

Trở lại những năm 1950, cha đẻ của lĩnh vực Minsky và McCarthy, đã mô tả AI giống như những nhiệm vụ được thực hiện bằng một chương trình hoặc máy móc được tích hợp trí thông minh nhân tạo.

Đó rõ ràng là một định nghĩa khá rộng, là lý do tại sao đôi khi bạn sẽ thấy những tranh luận về việc liệu AI là gì?

Các hệ thống AI thường sẽ thực hiện ít nhất một số hành vi sau đây có liên quan đến trí thông minh của con người như là: lập kế hoạch, học tập, lý luận, giải quyết vấn đề, đưa ra các kiến thức, nhận thức, chuyển động và thao tác và ở mức độ thấp hơn là trí tuệ xã hội và sáng tạo.

Trí tuệ nhân tạo có những lợi ích gì?

Ngày nay trí tuệ nhân tạo có mặt ở khắp mọi nơi, được sử dụng nhằm mục đích giới thiệu những gì bạn nên mua trực tuyến, hiểu những gì bạn nói với các trợ lý ảo như Alexa của Amazon và Apple của Siri, nhận ra có những ai và những gì trong bức ảnh, phát hiện spam hoặc phát hiện gian lận trong việc sử dụng thẻ tín dụng .

AI có những loại khác nhau nào?

Ở mức độ cao AI có thể được chia thành hai loại đó là: AI hẹp (Narrow AI) và AI rộng (General AI).
AI hẹp là những gì chúng ta thấy xung quanh chúng ta giống như trong các loại máy tính có trên thị trường ngày nay: các hệ thống thông minh đã được chỉ hoặc dạy cách thực hiện các nhiệm vụ cụ thể mà không được lập trình rõ ràng cách thực hiện.

Loại trí máy thông minh này thể hiện rõ qua khả năng nhận dạng giọng nói và ngôn ngữ của trợ lý ảo Siri trên iPhone của Apple, trong các hệ thống nhận dạng tầm nhìn trên xe tự lái, trong các công cụ đề xuất các sản phẩm mà bạn có thể thích dựa trên những gì bạn đã mua trong quá khứ. Không giống như con người, các hệ thống này chỉ có thể học hoặc được dạy cách thực hiện các nhiệm vụ cụ thể, đó là lý do tại sao chúng được gọi là AI hẹp.

AI hẹp có thể làm được những gì?

Có một số lượng lớn các ứng dụng mới nổi cho AI hẹp đó là: giải thích các nguồn cung cấp dữ liệu video từ máy bay không người lái, thực hiện công việc kiểm tra ngay tại cơ sở hạ tầng như đường ống dẫn dầu, lên lịch cho cá nhân và công việc kinh doanh, đáp ứng các truy vấn dịch vụ khách hàng đơn giản, phối hợp với các hệ thống thông minh khác để thực hiện các nhiệm vụ như việc đặt phòng khách sạn vào thời điểm và địa điểm phù hợp, giúp các bác sĩ X quang phát hiện khối u tiềm ẩn trong tia X, gắn cờ nội dung không phù hợp đối với những bài viết trực tuyến, phát hiện hao mòn thang máy từ dữ liệu được thu thập bởi các thiết bị IoT (vạn vật kết nối), và còn nhiều thứ khác nữa.

AI rộng có thể làm được những gì?

AI rất khác nhau, và chúng có thể được tìm thấy ở con người, một dạng AI linh hoạt có khả năng học được cách thực hiện các nhiệm vụ khác nhau, hoặc thậm chí là bất cứ thứ gì, từ việc cắt tóc đến xây dựng bảng tính (spreadsheets), hoặc trình bày các kiến thức về nhiều chủ đề khác nhau dựa trên kinh nghiệm tích lũy của nó. Đây là loại AI thường thấy khá nhiều trong các bộ phim, giống như HAL vào năm 2001 hoặc Skynet trong The Terminator (kẻ hủy diệt), cái mà ngày nay chưa thực sự tồn tại và các chuyên gia AI đang tranh cãi dữ dội về việc nó sẽ sớm trở thành hiện thực.

Một cuộc khảo sát được tiến hành giữa bốn nhóm chuyên gia vào năm 2012 – 2013 bởi các nhà nghiên cứu AI Vincent C Müller và triết gia Nick Bostrom đã báo cáo 50% khả năng AI rộng sẽ được phát triển từ năm 2040 đến 2050, tăng lên 90% vào năm 2075. nhóm còn đi xa hơn, dự đoán cái gọi là ‘siêu trí tuệ'(superintelligence) – mà Bostrom định nghĩa là “bất kỳ AI nào mà vượt quá hiệu suất nhận thức của con người trong hầu hết các lĩnh vực” – sẽ được mong đợi khoảng 30 năm, sau khi đạt được AGI.

Điều đó cho thấy rằng, một số chuyên gia AI cho rằng những dự đoán như vậy rất mơ hồ do sự hiểu biết hạn chế của chúng ta và tin rằng AI rộng vẫn còn cách xa chúng ta hàng thế kỷ.

Máy học là gì?

Có rất nhiều nghiên cứu về AI, phần lớn trong số đó chúng ăn nhập và bổ sung cho nhau.

Máy học là ngành học cung cấp cho máy tính khả năng học hỏi mà không cần được lập trình một cách rõ ràng. Nó có thể học cách thực hiện một nhiệm vụ cụ thể như là hiểu một bài văn hay gắn nhãn (tag) về một bức ảnh nào đó.

AI là gì? Công nghệ này có tiềm năng và nguy cơ gì đối với con người

Neural Network là gì ?

Mục đích chính cho máy học là Neural Network. Đây là mạng được lấy cảm hứng từ những kiến thức thuật toán được kết nối với nhau, được gọi là nơ-ron, cung cấp dữ liệu cho nhau và có thể được đào tạo để thực hiện các nhiệm vụ cụ thể bằng cách sửa đổi tầm quan trọng đối với dữ liệu đầu vào khi nó truyền giữa các lớp.

Trong quá trình huấn luyện Neural Network này, các trọng số được gắn vào các đầu vào khác nhau sẽ tiếp tục được thay đổi cho đến khi đầu ra từ mạng thần kinh rất gần với những gì mong muốn, tại thời điểm đó, mạng sẽ “học” cách thực hiện một nhiệm vụ cụ thể.

Một tập hợp con của máy học đó là việc học sâu  (deep learning), tại đây Neural Network được mở rộng thành các mạng lớn với việc sử dụng dữ liệu khổng lồ. Neural Network sâu rộng này đã thúc đẩy bước nhảy vọt về khả năng nhận dạng giọng nói hay về tầm nhìn của máy tính.

Có nhiều loại Neural Network, với những điểm mạnh và điểm yếu khác nhau. Neural Network hồi quy là một loại mạng thần kinh đặc biệt phù hợp với việc xử lý ngôn ngữ và nhận dạng giọng nói, trong khi Neural Network tích chập thường được sử dụng nhiều hơn trong việc nhận dạng hình ảnh. Mẫu thiết kế của các Neural Network cũng đang phát triển, với các nhà nghiên cứu gần đây đã tinh chỉnh một dạng Neural Network sâu hiệu quả hơn gọi là bộ nhớ ngắn hạn hoặc LSTM, cho phép nó hoạt động đủ nhanh để được sử dụng trong các hệ thống theo yêu cầu như Google Dịch.

Một lĩnh vực khác của nghiên cứu AI là tính toán tiến hóa, mượn từ lý thuyết chọn lọc tự nhiên nổi tiếng của Darwin và cho ra các thuật toán di truyền trải qua các đột biến và kết hợp ngẫu nhiên giữa các thế hệ trong việc nỗ lực phát triển để đưa ra các giải pháp tối ưu cho một vấn đề nhất định.

Cách tiếp cận này thậm chí đã được sử dụng để giúp thiết kế các mô hình AI, sử dụng hiệu quả AI để giúp xây dựng AI. Việc sử dụng các thuật toán tiến hóa để tối ưu hóa Neural Network được gọi là sự tiến hóa thần kinh và có thể đóng vai trò quan trọng trong việc giúp thiết kế AI hiệu quả khi việc sử dụng các hệ thống thông minh trở nên phổ biến, đặc biệt là khi các nhà khoa học có nhu cầu sử dụng dữ liệu vượt xa nguồn cung cấp. Kỹ thuật này gần đây đã được Uber AI Labs giới thiệu, đã phát hành các bài báo về việc sử dụng thuật toán di truyền để đào tạo Neural Network sâu để củng cố các vấn đề học tập.

Sau cùng, Neural Network đã trở thành hệ thống các chuyên gia, giúp các máy tính được lập trình với các quy tắc, cho phép chúng đưa ra một loạt các quyết định dựa trên một số lượng lớn đầu vào, cho phép máy móc có thể bắt chước hành vi của con người trong từng lĩnh vực cụ thể. Một ví dụ cụ thể cho chúng ta thấy đó là hệ thống lái tự động của máy bay không người lái.

Xem thêm: Nhà thông minh là gì, vì sao nó đang là xu hướng của xã hội hiện đại ngày nay?

 

Điều gì giúp AI trở nên mạnh mẽ như vậy?

Những đột phá lớn nhất của AI trong những năm gần đây đó là lĩnh vực máy học, đặc biệt là lĩnh vực học sâu.

Sự phát triển mạnh mẽ này không chỉ nhờ dữ liệu có sẵn của AI, mà còn nhờ vào sự bùng nổ về sức mạnh tính toán tốt trong những năm gần đây. Trong thời gian đó việc sử dụng GPU để tạo ra các hệ thống máy học đã trở nên phổ biến hơn khá nhiều.

Các cụm này không chỉ cung cấp các hệ thống tốt mà ngoài ra chúng còn có sẵn các dịch vụ internet. Theo thời gian các công ty công nghệ lớn như Google và Microsoft đã chuyển sang sử dụng các chip chuyên dụng phù hợp với mọi hoạt động và gần đây là đào tạo các mô hình máy học.

Một ví dụ về một trong những con chip đó là Tensor Processing Unit (TPU) của Google, phiên bản mới nhất giúp tăng tốc độ cho các mô hình máy học sao cho có nhiều lợi ích nhất trong việc xây dựng thư viện phần mềm TensorFlow của Google, nó có thể suy ra thông tin từ các dữ liệu có sẵn.

Các con chip này không chỉ được sử dụng để đào tạo các mô hình cho DeepMind và Google Brain, mà còn là các mô hình làm nền tảng cho Google Dịch và nhận dạng hình ảnh trong Google Photo, cũng như các dịch vụ cho phép công chúng xây dựng các mô hình máy học bằng cách sử dụng đám mây nghiên cứu của TensorFlow.

Thế hệ thứ hai của những con chip này đã được công bố tại hội nghị I / O của Google vào tháng 5 năm ngoái, với một loạt các TPU mới có thể đào tạo một mô hình máy học của Google, được sử dụng để dịch trong một nửa thời gian, nó sẽ chiếm một mảng hàng đầu trong đơn vị xử lý đồ họa (GPUs).

Các yếu tốt của máy học là gì?

Như đã đề cập, máy học là một tập hợp con của AI và được chia thành hai loại chính: học có giám sát và học không giám sát.

AI là gì? Công nghệ này có tiềm năng và nguy cơ gì đối với con người

Học có giám sát

Một kỹ thuật phổ biến để dạy các hệ thống AI đó là đào tạo chúng bằng cách sử dụng một số lượng lớn các ví dụ. Các hệ thống máy học này được cung cấp một số lượng lớn các dữ liệu đã được gán nhãn để làm nổi bật các tính năng hấp dẫn. Đây có thể là những bức ảnh được gán nhãn để cho biết liệu chúng có chứa một con chó hoặc những câu viết có ghi chú để cho biết từ “bass” có liên quan đến âm nhạc hay thậm chí là một con cá hay không. Sau khi được đào tạo, hệ thống có thể áp dụng các gán nhãn này cho các dữ liệu mới, ví dụ một con chó trong bức ảnh mới được tải lên.

Quá trình học như thế này được gọi là học có giám sát, và vai trò của việc đưa ra các gán nhãn cho các ví dụ này thường được thực hiện bởi các nhân viên trực tuyến và một minh chứng điển hình cho chúng ta thấy đó là Amazon Mechanical Turk.

Việc đào tạo các hệ thống này thường đòi hỏi một số lượng lớn dữ liệu, như là có một số hệ thống cần tìm kiếm lên đến con số hàng triệu, ví dụ như là để học cách thực hiện một nhiệm vụ hiệu quả – mặc dù điều này ngày càng khả thi trong thời đại dữ liệu lớn và khai thác dữ liệu rộng rãi.

Các bộ dữ liệu đào tạo có kích thước khổng lồ và đang tăng lên – Bộ dữ liệu hình ảnh mở của Google có khoảng chín triệu hình ảnh, trong khi kho lưu trữ video được gán nhãn của YouTube-8M thì có liên quan đến bảy triệu video được gán nhãn khác. ImageNet, một trong những cơ sở dữ liệu ban đầu thuộc loại này, có hơn 14 triệu hình ảnh được phân loại.

Được tổng hợp trong hai năm, nó đã được tập hợp bởi gần 50.000 người – hầu hết trong số họ đã được tuyển dụng thông qua Amazon Mechanical Turk – người đã kiểm tra, sắp xếp và ghi chú cho gần một tỷ hình ảnh ứng cử viên.

Về lâu dài, việc có quyền truy cập vào các bộ dữ liệu được gán nhãn khổng lồ cũng có thể chứng minh ít quan trọng hơn việc truy cập vào một lượng lớn năng lượng tính toán.

Trong những năm gần đây, Generative Adversarial Networks (GAN) đã chỉ ra cách các hệ thống máy học được cung cấp một lượng nhỏ dữ liệu được gán nhãn có thể tạo ra một lượng lớn dữ liệu mới để tự dạy.

Cách tiếp cận này có thể dẫn đến sự gia tăng của việc học tập bán giám sát, trong đó các hệ thống có thể học cách thực hiện các nhiệm vụ bằng cách sử dụng một lượng dữ liệu được dán nhãn nhỏ hơn nhiều so với cần thiết cho các hệ thống đào tạo sử dụng việc học có giám sát như ngày nay.

Học không giám sát

Ngược lại, việc học tập không giám sát lại sử dụng một cách tiếp cận khác, trong đó các thuật toán cố gắng xác định các mẫu trong dữ liệu, tìm kiếm sự tương đồng có thể được sử dụng để phân loại dữ liệu đó.

Một ví dụ có thể là phân cụm các loại trái cây có trọng lượng tương đương hoặc những chiếc xe có kích thước động cơ tương tự.

Thuật toán không được thiết lập trước để chọn ra các loại dữ liệu cụ thể, nó chỉ đơn giản là tìm kiếm dữ liệu có thể được nhóm theo các điểm tương đồng của nó, ví dụ Google News tập hợp các câu chuyện về các chủ đề tương tự mỗi ngày.

Học tăng cường

Một sự tương tự khá gần cho việc học tăng cường là thưởng cho thú cưng một mẩu thức ăn khi nó thực hiện một trò vui.

Trong việc học tăng cường, hệ thống cố gắng tối đa hóa phần thưởng dựa trên dữ liệu đầu vào của nó, về cơ bản trải qua quá trình thử nghiệm và kiểm tra lỗi cho đến khi đạt được kết quả tốt nhất có thể.

Một ví dụ về việc học tăng cường đó là mạng Deep Qind của Google, được sử dụng để thực hiện các cách tốt nhất cho những người chơi trong nhiều trò chơi video cổ điển. Hệ thống được cung cấp pixel từ mỗi trò chơi và xác định thông tin khác nhau, chẳng hạn như khoảng cách giữa các đối tượng trên màn hình.

Bằng cách nhìn vào điểm số đạt được trong mỗi trò chơi, hệ thống sẽ xây dựng một mô hình hành động sẽ tối đa hóa điểm số trong các trường hợp khác nhau, ví dụ, trong trường hợp của trò chơi video Breakout, nơi cần di chuyển thanh ngang để chặn trái bóng.

Công ty nào đang đi đầu về lĩnh vực AI?

AI là gì? Công nghệ này có tiềm năng và nguy cơ gì đối với con người

Công ty con của Google đã đạt được một loạt các thỏa thuận với các tổ chức trong dịch vụ y tế của Vương quốc Anh – vậy điều gì thực sự đã xảy ra?

Trí thông minh nhân tạo đóng vai trò ngày càng lớn trong các phần mềm và dịch vụ hiện đại, mỗi công ty công nghệ lớn đang chiến đấu để phát triển công nghệ máy học mạnh mẽ để sử dụng nội bộ và bán cho công chúng thông qua dịch vụ đám mây.

Các công ty thường xuyên đưa ra các tiêu đề đột phá trong việc nghiên cứu AI, mặc dù có lẽ Google với DeepMind AI AlphaGo có thể đã tác động lớn nhất đến nhận thức của cộng đồng về AI.

Các dịch vụ AI nào có sẵn?

Tất cả các nền tảng đám mây chính – Amazon Web Services, Microsoft Azure và Google Cloud Platform – cung cấp quyền truy cập vào mảng GPU để đào tạo và chạy các mô hình máy học, hơn nữa Google cũng chuẩn bị cho phép người dùng sử dụng Tensor Processing Units của họ – các con chip tùy chỉnh có thiết kế được tối ưu hóa cho việc đào tạo và chạy các mô hình máy học.

Tất cả các cơ sở hạ tầng và dịch vụ cần thiết đều có sẵn từ ba cửa hàng dữ liệu lớn trên nền tảng đám mây, có khả năng chứa lượng dữ liệu khổng lồ cần thiết để đào tạo các mô hình máy học, dịch vụ chuyển đổi dữ liệu để chuẩn bị phân tích, công cụ trực quan để hiển thị kết quả rõ ràng và phần mềm đơn giản hóa việc xây dựng các mô hình.

Các nền tảng đám mây này thậm chí còn đơn giản hóa việc tạo các mô hình máy học tùy chỉnh, gần đây Google tiết lộ một dịch vụ tự động hóa việc tạo các mô hình AI, được gọi là Cloud AutoML. Dịch vụ kéo và thả này xây dựng các mô hình nhận dạng hình ảnh tùy chỉnh và yêu cầu người dùng không có chuyên môn về máy học.

Các dịch vụ máy học, dựa trên đám mây không ngừng phát triển và vào đầu năm 2018, Amazon đã tiết lộ một loạt các dịch vụ AWS mới được thiết kế để hợp lý hóa quá trình đào tạo các mô hình máy học.

Đối với những công ty không muốn xây dựng các mô hình máy học cho riêng họ mà thay vào đó họ muốn sử dụng các dịch vụ theo yêu cầu, được cung cấp bởi AI – như giọng nói, tầm nhìn và nhận dạng ngôn ngữ – Microsoft Azure nổi bật về các dịch vụ được cung cấp, theo sát là Google Cloud Platform và sau đó là AWS.

Trong khi đó, IBM, bên cạnh các dịch vụ theo yêu cầu chung thì họ cũng đang cố gắng bán các dịch vụ AI đặc thù của ngành nhắm vào mọi thứ từ việc chăm sóc sức khỏe đến bán lẻ, nhóm các dịch vụ này xuất hiện cùng nhau dưới chiếc ô IBM Watson của mình – và gần đây họ đã đầu tư 2 tỷ đô la để mua kênh The Weather nhằm mục đích mở khóa một kho dữ liệu để tăng cường các dịch vụ AI của họ.

Xem thêm: Vì sao bạn nên chọn nhà thông minh OnSky ngay hôm nay?

Công ty công nghệ hàng đầu nào dành được chiến thắng trong cuộc chiến AI?

Các công ty công nghệ khổng lồ và những công ty khác như Facebook đều sử dụng AI để thúc đẩy vô số các dịch vụ công cộng như đưa ra kết quả tìm kiếm, đưa ra các đề nghị, nhận dạng các đồ vật và con người trong hình ảnh, dịch theo yêu cầu, phát hiện spam, và còn nhiều thứ khác nữa.

Nhưng một trong những biểu hiện rõ ràng nhất của cuộc chiến AI này là sự gia tăng của các trợ lý ảo, như Siri của Apple, Alexa của Amazon, Google Assistant và Microsoft Cortana.

Để có thể nhận dạng giọng nói và xử lý ngôn ngữ tự nhiên, thì cần một khối lượng lớn thông tin có sẵn để có thể hoàn thành được nhiệm vụ này.

Trong khi Siri của Apple có thể đã nổi bật trước tiên, nhưng trợ lý của Google và Amazon đã có thể vượt qua Apple trong cuộc chiến trí tuệ nhân tạo này – Google Assistant với khả năng trả lời một loạt các truy vấn và Alexa của Amazon với số lượng “Kỹ năng (Skill) khổng lồ”. Các nhà phát triển bên thứ ba đã tạo để thêm vào khả năng của mình.

Mặc dù được tích hợp vào Windows 10 nhưng Cortana đã có một khoảng thời gian đặc biệt khó khăn, với gợi ý rằng các nhà sản xuất PC lớn sẽ xây dựng Alexa thành máy tính xách tay để suy đoán xem liệu ngày của Cortana có được đánh số hay không, mặc dù Microsoft đã nhanh chóng từ chối điều này.

Quốc gia nào đang dẫn đầu công nghệ AI?

Sẽ là một sai lầm lớn khi nghĩ rằng gã khổng lồ công nghệ Mỹ có lĩnh vực AI dẫn đầu. Các công ty lớn tại Trung Quốc như Alibaba, Yahoo và Lenovo đang đầu tư rất nhiều vào AI trong các lĩnh vực từ thương mại điện tử đến những chiếc xe tự lái. Trung Quốc đang theo đuổi kế hoạch ba bước để biến AI thành ngành công nghiệp cốt lõi của đất nước, cụ thể nó sẽ trị giá 150 tỷ nhân dân tệ (22 tỷ đô la) vào năm 2020.

Baidu đã đầu tư vào việc phát triển những chiếc xe tự lái, được hỗ trợ bởi thuật toán học sâu của họ, Baidu AutoBrain và sau nhiều năm thử nghiệm, họ có kế hoạch tung ra những chiếc xe tự lái hoàn toàn vào năm 2018 và sản xuất hàng loạt vào năm 2021.

Baidu cũng đã hợp tác với Nvidia để sử dụng AI nhằm tạo ra một nền tảng xe hơi tự lái trên nền tảng đám mây cho các nhà sản xuất ô tô trên toàn thế giới.

Sự kết hợp giữa những điều kiện đơn giản với sự đầu tư lớn, thu thập dữ liệu phối hợp và phân tích dữ liệu lớn của các công ty lớn như Baidu, Alibaba và Tencent, có nghĩa là một số nhà phân tích tin rằng Trung Quốc sẽ có lợi thế hơn Mỹ khi nghiên cứu về AI trong tương lai, bằng việc phân tích mô tả cơ hội thì Trung Quốc đã vượt mặt Hoa Kỳ.

Làm thế nào để tôi bắt đầu với công nghệ AI?

Mặc dù bạn có thể cố gắng xây dựng mảng GPU cho riêng mình tại nhà và bắt đầu đào tạo mô hình máy học, nhưng có lẽ cách dễ nhất để thử nghiệm các dịch vụ liên quan đến AI là qua đám mây.

Tất cả các công ty công nghệ lớn đều cung cấp các dịch vụ AI khác nhau, từ cơ sở hạ tầng để xây dựng và huấn luyện các mô hình máy học của riêng bạn cho đến các dịch vụ web cho phép bạn truy cập các công cụ hỗ trợ AI như lời nói, ngôn ngữ, tầm nhìn và nhận biết tình cảm theo yêu cầu.

Những đại diện gần đây trong việc phát triển của AI là ai?

Có quá nhiều thứ để đặt cùng một danh sách, nhưng một số điểm nổi bật gần đây bao gồm: trong năm 2009 Google đã cho thấy nó đã có thể tự lái xe Toyota Prius để hoàn thành hơn 10 chuyến đi khoảng 100 dặm mỗi lượt – xã hội thiết lập trên một con đường hướng tới các phương tiện không người lái .

Vào năm 2011, hệ thống máy tính IBM Watson đã gây chú ý trên toàn thế giới khi giành chiến thắng trong chương trình đố vui của Mỹ Jeopardy!. Đánh bại hai trong số những người chơi giỏi nhất mà chương trình từng sản xuất. Để giành chiến thắng trong chương trình, Watson đã sử dụng, xử lý và phân tích ngôn ngữ tự nhiên trên kho dữ liệu khổng lồ mà nó đã xử lý để trả lời các câu hỏi do con người đặt ra trong tích tắc.

Vào tháng 6 năm 2012, rõ ràng là các hệ thống máy học đã đạt được tầm nhìn khá tốt, cụ thể Google đã đào tạo một hệ thống để nhận ra một hình ảnh yêu thích trên internet, đó là hình ảnh của một chú mèo.

Kể từ chiến thắng của Watson, có lẽ là minh chứng nổi tiếng nhất về hiệu quả của các hệ thống máy học là chiến thắng năm 2016 của Google DeepMind AlphaGo AI qua một đại kiện tướng của con người trong Go, một trò chơi cổ xưa của Trung Quốc có máy tính phức tạp trong nhiều thập kỷ. Go có khoảng 200 lần di chuyển mỗi lượt, so với khoảng 20 lần trong Cờ vua.

Trong suốt quá trình chơi trò chơi cờ vua, sẽ rất khó để có thể đánh bại được đối thủ bằng các cách chơi thủ công. Thay vào đó, AlphaGo được đào tạo cách chơi bằng cách thực hiện các cách chơi của các chuyên trong 30 triệu lần chơi trò chơi này và đưa chúng vào cách học sâu Neural Network.

Việc đào tạo cách học sâu này có thể mất nhiều thời gian, đòi hỏi một lượng lớn dữ liệu phải được xử lý và lặp đi lặp lại cho đến khi hệ thống dần dần tinh chỉnh mô hình của mình để đạt được kết quả tốt nhất.

Tuy nhiên, gần đây Google đã tinh chỉnh quy trình đào tạo với AlphaGo Zero, một hệ thống chơi các trò chơi “hoàn toàn ngẫu nhiên” so với chính nó và sau đó rút ra bài học từ các kết quả. Tại hội nghị Neural Information Processing Systems (NIPS) uy tín năm ngoái, CEO Demis Hassabis của Google DeepMind tiết lộ AlphaGo cũng đã thành thạo các trò chơi như cờ vua và shogi.

trí thông minh nhân tạo tiếp tục chạy nước rút qua các cột mốc mới, năm ngoái, một hệ thống được OpenAI đào tạo đã đánh bại những người chơi hàng đầu thế giới trong các trận đấu một chọi một của trò chơi nhiều người chơi trực tuyến Dota 2.

Cùng năm đó, OpenAI đã tạo ra các đại lý AI phát minh ra ngôn ngữ của chính họ để hợp tác và đạt được mục tiêu của họ hiệu quả hơn, ngay sau đó là các đại lý đào tạo của Facebook để đàm phán và thậm chí là nói dối.

AI sẽ thay đổi thế giới như thế nào?

AI là gì? Công nghệ này có tiềm năng và nguy cơ gì đối với con người

Robot và xe không người lái

Mong muốn robot có thể hành động tự động và hiểu và điều hướng thế giới xung quanh có nghĩa là có sự chồng chéo tự nhiên giữa robot và AI. Mặc dù AI chỉ là một trong những công nghệ được sử dụng trong robot, nhưng việc sử dụng AI sẽ giúp robot di chuyển sang các lĩnh vực mới như xe tự lái, robot giao hàng, cũng như giúp robot học các kỹ năng mới. General Motors gần đây cho biết họ sẽ chế tạo một chiếc xe không người lái mà không có tay lái hoặc bàn đạp vào năm 2019, trong khi Ford cam kết thực hiện vào năm 2021 và Waymo, nhóm tự lái trong Google Alphabet, sẽ sớm cung cấp dịch vụ taxi không người lái ở Phoenix .

Tin tức giả

Chúng tôi đang trên con đường tiến tới các Neural Network có thể tạo ra hình ảnh chân thực hoặc tái tạo giọng nói của ai đó theo một cách hoàn hảo. Cùng với đó là tiềm năng cho sự thay đổi xã hội cực kỳ đột phá, chẳng hạn như không còn có thể tin tưởng các đoạn phim hoặc video âm thanh là chính hãng. Những lo ngại cũng bắt đầu được đặt ra về cách các công nghệ như vậy sẽ được sử dụng để làm mất hình ảnh của mọi người, với các công cụ đã được tạo ra để ghép các nữ diễn viên nổi tiếng một cách thuyết phục vào các bộ phim người lớn.

Nhận dạng giọng nói và ngôn ngữ

Các hệ thống máy học đã giúp máy tính nhận ra những gì mọi người đang nói với độ chính xác gần 95%. Gần đây, nhóm nghiên cứu AI của Microsoft đã báo cáo rằng họ đã phát triển một hệ thống có thể phiên âm tiếng Anh nói chính xác như phiên âm của con người.

Các nhà nghiên cứu theo đuổi mục tiêu có độ chính xác 99%, mong muốn nói chuyện với máy tính sẽ trở thành chuẩn mực cùng với các hình thức tương tác truyền thống giữa người và máy.

Nhận dạng và giám sát khuôn mặt

Trong những năm gần đây, độ chính xác của các hệ thống nhận dạng khuôn mặt đã tăng vọt, đến mức mà gã khổng lồ công nghệ Baidu của Trung Quốc phải nói rằng nó có thể khớp với khuôn mặt với độ chính xác 99%, cung cấp khuôn mặt đủ rõ ràng trên video. Mặc dù lực lượng cảnh sát ở các nước phương tây thường chỉ thử nghiệm sử dụng hệ thống nhận diện khuôn mặt tại các sự kiện lớn, tại Trung Quốc, chính quyền đang lắp đặt một chương trình toàn quốc để kết nối camera quan sát trên cả nước để nhận dạng khuôn mặt và sử dụng hệ thống AI để theo dõi nghi phạm và hành vi đáng ngờ, Cảnh sát cũng đang thử nghiệm việc sử dụng kính nhận dạng khuôn mặt cho cảnh sát.

Mặc dù các quy định về quyền riêng tư khác nhau trên khắp thế giới, nhưng có khả năng việc sử dụng công nghệ AI này sẽ bao gồm cả việc nhận ra cảm xúc trên khuôn mặt ở những nơi khác nữa.

Chăm sóc sức khỏe

Thậm chí AI có thể có tác động mạnh mẽ đến việc chăm sóc sức khỏe, giúp các bác sĩ X quang phát hiện khối u bằng tia X, giúp các nhà nghiên cứu phát hiện ra các chuỗi di truyền liên quan đến bệnh tật và có thể tìm ra các loại thuốc hiệu quả hơn.

Đã có những thử nghiệm về công nghệ liên quan đến trí thông minh nhân tạo tại các bệnh viện trên khắp thế giới. Chúng bao gồm công cụ hỗ trợ quyết định lâm sàng Watson của IBM, được đào tạo bởi các bác sĩ chuyên khoa ung bướu tại Trung tâm Ung bướu Memorial Sloan Kettering và việc sử dụng các hệ thống Google DeepMind của Dịch vụ Y tế Quốc gia của Vương quốc Anh, cái mà sẽ giúp phát hiện các bất thường về mắt và sàng lọc bệnh nhân ung thư đầu và cổ.

Liệu AI có tiêu diệt toàn bộ chúng ta?

Một lần nữa cần phải nhắc lại đó là AI phụ thuộc hoàn toàn vào người dùng. Một khi mà các hệ thống AI phát triển các ưu điểm của chúng mạnh hơn thì cũng có nghĩa con người chúng ta đang bị đe dọa.

Giám đốc điều hành Tesla và SpaceX Elon Musk đã tuyên bố rằng AI là “rủi ro cơ bản cho sự tồn tại của nền văn minh nhân loại”. Là một phần trong sự nỗ lực giám sát các quy định mạnh mẽ hơn và nghiên cứu có trách nhiệm hơn trong việc giảm thiểu những nhược điểm của AI, ông đã thành lập OpenAI, một công ty nghiên cứu trí tuệ nhân tạo phi lợi nhuận nhằm mục đích thúc đẩy và phát triển AI thân thiện sẽ có lợi cho toàn xã hội.

Tương tự, nhà vật lý đáng kính Stephen Hawking đã cảnh báo rằng một khi AI được phát triển đủ mạnh, nó sẽ nhanh chóng tiến đến điểm vượt xa khả năng của con người, một hiện tượng được gọi là điểm kỳ dị và có thể là mối đe dọa hiện hữu cho loài người.

Chris Bishop, giám đốc nghiên cứu của Microsoft tại Cambridge nước Anh, ông nhấn mạnh sự khác biệt giữa trí thông minh hẹp của AI ngày nay với trí thông minh chung của con người như thế nào, ông nói đến sự lo lắng về “Kẻ hủy diệt và sự trỗi dậy của máy móc. Và những cuộc thảo luận như thế này đã cách đây hàng chục năm.

Liệu AI có cướp đi công việc của bạn?

Khả năng AI thay thế công việc của bạn là có thật. Chỉ trong tương lai gần lao động thủ công sẽ có thể được thay thế bằng AI.

Mặc dù AI sẽ không thay thế tất cả các công việc, nhưng điều chắc chắn là AI sẽ thay đổi bản chất công việc, với câu hỏi duy nhất là sự tự động hóa sâu sắc và nhanh chóng sẽ thay đổi nơi làm việc như thế nào.

Hầu như không có một nỗ lực nào của con người mà AI không có khả năng thực hiện. Chuyên gia về AI Andrew Ng cho biết: “nhiều người đang làm thường xuyên những công việc lặp đi lặp lại. Thật không may, công nghệ đặc biệt tốt trong việc tự động hóa công việc như vậy”, và ông cho thấy “nguy cơ thất nghiệp công nghệ sẽ xảy ra trong vài thập kỷ tới đây”.

Bằng chứng về những công việc của con người sẽ được thay thế đang bắt đầu xuất hiện. Amazon vừa ra mắt Amazon Go, một siêu thị không thu ngân tại Seattle, nơi khách hàng chỉ cần lấy đồ từ kệ và đi ra ngoài. Điều này có nghĩa là hơn ba triệu người ở Hoa Kỳ làm nhân viên thu ngân vẫn được nhìn thấy.

Amazon một lần nữa đang dẫn đầu trong việc sử dụng robot để cải thiện hiệu quả các công việc bên trong kho của mình. Những con robot này sẽ mang các kệ sản phẩm tới tay người tiêu dùng và gửi chúng đi. Amazon có hơn 100.000 con robot trong các trung tâm để thực hiện công việc của mình, với kế hoạch bổ sung nhiều con robot hơn nữa. Nhưng Amazon cũng nhấn mạnh rằng khi số lượng bot đã tăng lên thì có nghĩa số lượng công nhân trong các kho này cũng giảm theo.

Tuy nhiên, Amazon và các công ty chế tạo robot nhỏ đang làm việc để tự động hóa các công việc thủ công còn lại trong kho, do đó, không có gì chắc chắn rằng lao động thủ công và robot sẽ tiếp tục phát triển.

Xe tự lái hoàn toàn tự động chưa phải là thực tế, nhưng theo một số dự đoán, riêng ngành công nghiệp xe tải tự lái đã sẵn sàng nhận hơn 1,7 triệu chiếc trong thập kỷ tới, chưa kể đến những người giao hàng và các tài xế taxi.

Tuy nhiên, cũng có một số công việc dễ tự động hóa nhất thậm chí sẽ không cần đến robot. Hiện tại có hàng triệu người làm việc trong lĩnh vực quản trị, nhập và sao chép dữ liệu giữa các hệ thống, lên kế hoạch và đặt lịch hẹn cho các công ty. Khi phần mềm trở nên tốt hơn trong việc tự động cập nhật hệ thống và gắn cờ thông tin quan trọng, điều đó đồng nghĩa nhu cầu quản trị viên sẽ giảm.

Như mọi sự thay đổi công nghệ, các công việc mới sẽ được tạo ra để thay thế những công việc bị mất. Tuy nhiên, điều không chắc chắn là liệu những vai trò mới này sẽ được tạo ra đủ nhanh để cung cấp việc làm cho những người phải di dời hay không, và liệu những người mới thất nghiệp sẽ có những kỹ năng hay khí chất cần thiết để lấp đầy những vai trò mới này.

Không phải ai cũng là một người bi quan. Đối với một số người, AI là một công nghệ sẽ thay thế công nhân. Không chỉ vậy mà họ còn cho rằng AI sẽ không bắt buộc phải thay thế người hoàn toàn, như một nhân viên hỗ trợ AI – nghĩ rằng một người hướng dẫn con người với tai nghe AR nói với họ chính xác những gì khách hàng muốn trước khi họ yêu cầu – sẽ có năng suất hoặc hiệu quả cao hơn một AI tự làm việc.

Trong số các chuyên gia AI có một loạt ý kiến ​​về việc các hệ thống thông minh nhân tạo sẽ nhanh chóng vượt qua khả năng của con người như thế nào.

Oxford University’s Future of Humanity Institute đã yêu cầu hàng trăm chuyên gia về máy học dự đoán khả năng AI, trong những thập kỷ tới.

Những ngày đáng chú ý là ngày sẽ bao gồm các bài tiểu luận viết về khả năng của AI có thể vượt qua khả năng của con người, được viết bởi một người vào năm 2026, các tài xế xe tải được dự phòng vào năm 2027, AI vượt qua khả năng của con người trong bán lẻ vào năm 2031, viết một cuốn sách bán chạy nhất vào năm 2049 và làm một bác sĩ phẫu thuật vào năm 2053 .

Họ ước tính có khả năng tương đối cao rằng AI đánh bại con người trong mọi nhiệm vụ trong vòng 45 năm và tự động hóa mọi công việc của con người trong vòng 120 năm.

 

Call Now Button