Trí tuệ nhân tạo
Trí tuệ nhân tạo là lĩnh vực xây dựng hệ thống máy tính có thể học các mẫu, đưa ra dự đoán, tạo nội dung, đề xuất hành động, hiểu ngôn ngữ, nhận biết hình ảnh, tự động hóa các tác vụ và hỗ trợ các quyết định trong phần mềm, khoa học, kinh doanh, y tế, giáo dục và cuộc sống hàng ngày.
Trí tuệ nhân tạo nghĩa là gì
Trí tuệ nhân tạo, thường được rút ngắn thành AI, không phải là một công cụ hay một thuật toán. Đây là một lĩnh vực rộng lớn tập trung vào việc làm cho hệ thống máy tính thực hiện các nhiệm vụ thường đòi hỏi nhận thức, học tập, lý luận, ngôn ngữ, lập kế hoạch, dự đoán hoặc ra quyết định. AI có thể là hệ thống xếp hạng tìm kiếm, máy phát hiện gian lận, bộ phân loại hình ảnh y tế, mô hình ngôn ngữ, bộ điều khiển robot, công cụ đề xuất hoặc trợ lý giúp hoàn thành các tác vụ kỹ thuật số.
Hệ thống AI học như thế nào
Nhiều hệ thống AI hiện đại học hỏi từ dữ liệu. Trong quá trình đào tạo, mô hình sẽ xem các ví dụ và điều chỉnh các tham số nội bộ để có thể đưa ra dự đoán hữu ích hoặc tạo ra kết quả đầu ra hữu ích sau này. Học có giám sát sử dụng các ví dụ được gắn nhãn, học không giám sát tìm thấy các mẫu không có nhãn rõ ràng, học tăng cường học từ phần thưởng và học tự giám sát tạo ra tín hiệu huấn luyện từ chính dữ liệu thô. Sau khi huấn luyện, việc sử dụng mô hình để đưa ra câu trả lời được gọi là suy luận.
Machine learning và học sâu
Machine learning là một phần của AI tập trung vào các hệ thống cải thiện bằng cách tìm các mẫu trong dữ liệu. Deep learning sử dụng mạng thần kinh với nhiều lớp, có thể mô hình hóa các mối quan hệ phức tạp trong văn bản, hình ảnh, âm thanh, video, mã và dữ liệu có cấu trúc. Deep learning đã đạt được tiến bộ lớn trong nhận dạng giọng nói, dịch thuật, nhận dạng hình ảnh, hệ thống đề xuất, dự đoán cấu trúc protein và large language models, nhưng nó phụ thuộc nhiều vào chất lượng dữ liệu, sức mạnh tính toán và đánh giá cẩn thận.
Generative AI và foundation models
Generative AI tạo văn bản, hình ảnh, âm thanh, video, mã, thiết kế mới hoặc nội dung khác. Các mô hình ngôn ngữ lớn dự đoán và soạn thảo các chuỗi mã thông báo, cho phép chúng trả lời các câu hỏi, tóm tắt, dịch, soạn thảo tài liệu, viết mã và hỗ trợ giao diện trò chuyện. Các mô hình nền tảng là các mô hình có thể tái sử dụng lớn, có thể thích ứng với nhiều nhiệm vụ. Chúng có thể mạnh mẽ nhưng tính trôi chảy không giống như sự thật: hệ thống sáng tạo có thể gây ảo giác, phản ánh thành kiến, rò rỉ các mẫu nhạy cảm hoặc tạo ra nội dung không an toàn nếu không được kiểm soát.
AI đại lý và tự động hóa
Tác nhân AI là một hệ thống có thể sử dụng các công cụ, ghi nhớ ngữ cảnh, lập kế hoạch các bước và thực hiện hành động hướng tới mục tiêu. Nhân viên có thể tìm kiếm tệp, gọi APIs, viết mã, điều khiển phần mềm, lên lịch tác vụ hoặc điều phối quy trình công việc. Điều này làm cho AI trở nên hữu ích hơn nhưng cũng rủi ro hơn vì những sai lầm có thể gây ra hậu quả thực sự. Thiết kế tác nhân tốt sử dụng các quyền, ghi nhật ký, phê duyệt của con người đối với các hành động nhạy cảm, hộp cát, mục tiêu rõ ràng, kế hoạch khôi phục và các giới hạn về những gì hệ thống có thể thực hiện mà không cần giám sát.
Nơi AI xuất hiện
AI đã xuất hiện trong các công cụ tìm kiếm, nguồn cấp dữ liệu xã hội, bản đồ, bộ lọc thư rác, phát hiện gian lận ngân hàng, dịch thuật, chép lời, dịch vụ khách hàng, chỉnh sửa ảnh, hình ảnh y tế, hậu cần, sản xuất, an ninh mạng, nghiên cứu khoa học, phần mềm giáo dục, công cụ mã hóa và ứng dụng năng suất tại nơi làm việc. Thông thường người dùng không nhìn thấy mô hình trực tiếp. Họ xem kết quả được xếp hạng, câu trả lời được đề xuất, video được đề xuất, điểm bất thường được phát hiện, bản tóm tắt được tạo hoặc quyết định tự động.
Giới hạn, rủi ro và đánh giá
Hệ thống AI có thể không chính xác, thiên vị, dễ vỡ, quá tự tin, không rõ ràng, không an toàn hoặc bị sử dụng sai mục đích. Họ có thể thất bại khi điều kiện thay đổi, hoạt động kém hơn đối với các nhóm ít được đại diện hoặc tối ưu hóa sai mục tiêu. Đánh giá kiểm tra xem hệ thống có hoạt động phù hợp với con người và các tình huống mà nó sẽ được sử dụng hay không. Đánh giá có trách nhiệm xem xét tính chính xác, mạnh mẽ, công bằng, quyền riêng tư, bảo mật, khả năng giải thích, khả năng lạm dụng, sự giám sát của con người và điều gì xảy ra khi mô hình không chắc chắn hoặc sai.
Tại sao nó quan trọng
Trí tuệ nhân tạo quan trọng vì nó đang trở thành một lớp có mục đích chung trong phần mềm, khoa học, truyền thông, kinh doanh, giáo dục, chăm sóc sức khỏe, chính phủ và cơ sở hạ tầng. Nó có thể mở rộng khả năng tiếp cận chuyên môn và tự động hóa các công việc lặp đi lặp lại, nhưng nó cũng có thể tập trung quyền lực, làm gián đoạn lao động, truyền bá thông tin sai lệch mang tính thuyết phục và tạo ra các vấn đề mới về an toàn và trách nhiệm giải trình. Tác động của AI không chỉ phụ thuộc vào khả năng của mô hình mà còn phụ thuộc vào khả năng quản trị, khuyến khích, lựa chọn triển khai và liệu con người có còn nắm quyền kiểm soát một cách có ý nghĩa hay không.