Làn sóng trí tuệ nhân tạo đang càn quét thế giới, và nhiều từ ngữ luôn văng vẳng bên tai chúng ta: trí tuệ nhân tạo (Artificial Intelligence), máy học (Machine Learning), học sâu (Deep Learning). Nhiều người luôn hiểu mơ hồ về ý nghĩa của những từ có tần suất - cao này và mối quan hệ đằng sau chúng. Bài viết này làm rõ nghĩa của những từ này bằng ngôn ngữ đơn giản nhất, có thể giúp mọi người hiểu rõ hơn về mối quan hệ giữa chúng.
Từ ô tô đến điện thoại thông minh, trợ lý kỹ thuật số, và thậm chí cả rô bốt. Chúng tôi không chỉ nói về các tính năng mới đột phá xuất hiện mỗi ngày. Hơn nữa, các thiết bị, máy tính và máy móc đều đang thực hiện các tác vụ một cách thông minh. Họ làm nó như thế nào? - Thông qua trí tuệ nhân tạo, hay còn gọi là AI.
Thuật ngữ "trí tuệ nhân tạo" lần đầu tiên được đặt ra bởi nhà khoa học nhận thức John McCarthy, người đã viết trong cuốn sách của mình: "Nghiên cứu này dựa trên giả định rằng bất kỳ hành vi học tập hoặc đặc điểm trí tuệ nào khác về nguyên tắc có thể được mô tả chính xác, để một cỗ máy có thể được xây dựng để mô phỏng nó. " Kể từ đó, trí tuệ nhân tạo luôn ám ảnh tâm trí con người và từ từ nở ra trong các phòng thí nghiệm nghiên cứu khoa học. Trong những thập kỷ sau đó, trí tuệ nhân tạo đã đảo ngược các thái cực của nó, hay được gọi là lời tiên tri về tương lai chói lọi của nền văn minh nhân loại, hay bị ném vào đống rác như những tưởng tượng của những kẻ điên công nghệ. Cho đến năm 2012, cả hai giọng nói đã tồn tại đồng thời.
Hình vẽ|Chi nhánh nghiên cứu trí tuệ nhân tạo
Sau năm 2012, nhờ lượng dữ liệu tăng lên, khả năng tính toán được cải thiện và sự xuất hiện của các thuật toán học máy mới (deep learning), trí tuệ nhân tạo bắt đầu bùng nổ. Tuy nhiên, các công việc nghiên cứu khoa học hiện nay đang tập trung vào phần trí tuệ nhân tạo còn yếu, rất hy vọng sẽ có bước đột phá lớn trong tương lai gần. Hầu hết trí thông minh nhân tạo trong phim đều mô tả trí tuệ nhân tạo mạnh mẽ, và phần này rất khó đạt được trong thế giới thực hiện nay. (Trí tuệ nhân tạo thường được chia thành trí tuệ nhân tạo yếu và trí tuệ nhân tạo mạnh. Trí tuệ nhân tạo trước đây cho phép máy móc có khả năng quan sát và nhận thức, đồng thời có thể đạt được mức độ hiểu biết và suy luận nhất định, trong khi trí tuệ nhân tạo mạnh cho phép máy móc có được khả năng thích ứng và giải quyết một số vấn đề mà trước đây không phải là vấn đề gặp phải).
Trí tuệ nhân tạo yếu được kỳ vọng sẽ tạo ra đột phá, nó đạt được như thế nào, và “trí tuệ” đến từ đâu? Điều này phần lớn nhờ vào một cách tiếp cận trí tuệ nhân tạo - máy học.
Chúng tôi sử dụng phương pháp đơn giản nhất để hình dung mối quan hệ giữa ba yếu tố này.
Trí tuệ nhân tạo
Nói một cách đơn giản, trí tuệ nhân tạo mô tả các cách khác nhau mà một cỗ máy tương tác với thế giới xung quanh nó. Với trí thông minh - tiên tiến, giống như con người, máy hoặc thiết bị AI có thể bắt chước hành vi của con người hoặc thực hiện các tác vụ như con người thông qua các tác động kết hợp của phần mềm và phần cứng.
Chúng ta có thể thấy rất nhiều về trí tuệ nhân tạo ngày nay, chẳng hạn như nhận dạng giọng nói (được sử dụng trong các thiết bị trợ lý cá nhân thông minh), nhận dạng khuôn mặt (được sử dụng trong các bộ lọc hiện đang phổ biến trên mạng xã hội) hoặc nhận dạng đối tượng (chẳng hạn như tìm kiếm quả táo và hình ảnh của những quả cam).
Học máy
Học máy là một cách tiếp cận hoặc một tập hợp con của trí tuệ nhân tạo nhấn mạnh vào "việc học" hơn là các chương trình máy tính. Máy sử dụng các thuật toán phức tạp để phân tích lượng lớn dữ liệu, xác định các mẫu trong dữ liệu và đưa ra dự đoán, một quy trình không yêu cầu con người viết các hướng dẫn cụ thể trong phần mềm của máy. Sau khi nhầm một bông kem với một quả cam, khả năng nhận dạng mẫu của hệ thống sẽ cải thiện theo thời gian khi nó học hỏi từ những sai lầm của mình và tự sửa chữa như một con người.
Học kĩ càng
Học sâu là một tập hợp con của học máy thúc đẩy những bước tiến lớn trong trí thông minh máy tính. Nó sử dụng nhiều dữ liệu và khả năng tính toán để mô phỏng các mạng nơ-ron sâu. Về cơ bản, các mạng này bắt chước khả năng kết nối của não người, phân loại các tập dữ liệu và khám phá mối tương quan giữa chúng. Với kiến thức mới học được (không có sự can thiệp của con người), máy có thể áp dụng những hiểu biết của mình vào các bộ dữ liệu khác. Máy xử lý càng nhiều dữ liệu thì dự đoán của nó càng chính xác.
Ví dụ: thiết bị học tập - sâu có thể kiểm tra dữ liệu lớn — chẳng hạn như màu sắc, hình dạng, kích thước, thời gian chín và nguồn gốc của trái cây — để xác định chính xác xem một quả táo là táo xanh hay cam là Máu cam.
Sự khác biệt giữa AI, học máy và học sâu không rõ ràng như táo và cam, chúng tinh tế hơn. Học máy là một phương pháp để đạt được trí thông minh nhân tạo và học sâu là một công nghệ để đạt được học máy. Bây giờ bạn đã hiểu sự khác biệt giữa chúng?
