Vâng, trong những năm gần đây thì những thuật ngữ công nghệ như AI, ML, DL, NN xuất hiện ngày càng nhiều và ngày càng hào nhoáng hơn.
AI cùng với Machine Learning, Deep Learning và Neural Network ! Vậy chúng sinh ra để làm màu, hay đó là những công nghệ đột phá của những “bộ óc đầy sạn” ở bên kia thung lũng Silicon?
Riêng đối với AI – trí tuệ nhân tạo thì nó đã không còn là một khái niệm trong phim viễn tưởng nữa rồi, mà mình chắc chắn rằng, nó đang là một phần của cuộc sống hiện đại ngày nay.
#1. Sơ bộ về AI cùng với: ML, NN, DL
Đầu tiên thì mình sẽ định nghĩa ngắn gọn về các thuật ngữ mình sẽ nói trong bài viết này để các bạn dễ hình dung trước:
AI (Trí tuệ nhân tạo): Quá quen thuộc rồi, một cỗ máy có thể bắt chước hành vi và tư duy của con người. Cái tên của nó đã nói lên được điều đó rồi 🙂
Machine Learning (Học máy): Một tính năng của AI, cho phép các chuyên gia đào tạo cho AI để nó nhận biết các mẫu dữ liệu và dự đoán.
Deep Learning (Học sâu): Là một kỹ thuật nhỏ của Machine Learning, nó cho phép máy có thể tự đào tạo chính mình.
Neural Network (mạng nơ-ron nhân tạo): Tên tiếng anh đầy đủ là Artificial Neural network (ANN) hay còn gọi là mạng thần kinh nhân tạo, đây là một mô hình toán học được xây dựng dựa trên các mạng neural sinh học. Hay nói cách khác, mạng nơ ron nhân tạo được xem là hệ thống của các tế bào thần kinh nhân tạo, bắt bước cách thức hoạt động từ não bộ con người.
“Độ rộng lớn” của các khái niệm này phụ thuộc vào mục tiêu phát triển AI (nó có thể là những công cụ như: giải mã capcha, hay một “trí tuệ” đúng nghĩa: ngang ngửa và thậm chí là ưu việt hơn trí tuệ con người).
Ví dụ như năm 2016, AlphaGo Google đánh thắng cao thủ cờ vây quốc tế người Hàn là Lee Se-Dol. Quá kinh khủng ◔◡◔
Khi đó, thuật ngữ AI, Machine Learning, Deep Learning và Neural Network đã được giới truyền thông sử dụng để mô tả chiến thắng của AlphaGo, và đó chính là chức năng chính của AI.
Nói đúng hơn thì AlphaGo mới chỉ nằm ở dạng AI đơn giản – Artificial Narrow Intelligence (ANI), bởi thế mới nói, 2 dạng cao hơn của AI (AGI và ASI) nó phức tạp đến cỡ nào.
Nhưng chúng thực sự không giống nhau, để dễ hình dung hơn về mối quan hệ của 4 khái niệm trên thì bạn có thể tưởng tượng chúng như được lồng ghép với nhau trong một con lật đật Nga, và khi đó:
- AI – ý tưởng xuất hiện sớm nhất- suy nghĩ đầu tiên của nó là con lật đật lớn nhất.
- Tiếp đến là Machine Learning – khái niệm xuất hiện sau.
- Rồi mới đến Deep Learning – thứ đang thúc đẩy sự bùng nổ của AI hiện nay, cùng với “Neural Networks” (phần lõi của các thuật toán Deep Learning) là con lật đật nhỏ nhất.
Bây giờ chúng ta sẽ cùng nhau tìm hiểu kỹ hơn về sự liên quan giữa 4 khái niệm này, đầu tiên là AI: Thuật ngữ trí tuệ nhân tạo được ra đời vào năm 1956, khái niệm này có thể coi là khá cũ, nhưng đến năm 2021 này thì nó mới thực sự trở nên phổ biến.
Lí do chính của việc này là trước đây chưa có Big data, các hệ thống thường có ít dữ liệu => các chương trình AI sẽ không có đủ dữ liệu để training/dự đoán kết quả được chính xác.
Nhưng hiện tại thì tình hình đã được cải thiện, lượng dữ liệu tăng lên chóng mặt, đi cùng với đó là khả năng lưu trữ dường như là vô tận (BigData) của các server farm đến từ các ông lớn của thung lũng Silicon: Google, Amazon, Apple, Microsoft…
Thống kê cho thấy đến năm 2020, khối lượng dữ liệu tích lũy sẽ tăng từ 4,4 triệu TB lên tới khoảng 44 triệu TB dữ liệu. Phải nói là kinh khủng khiếp ٩(͡๏̮͡๏)۶, các bạn nên nhớ 1TB là 1000 GB nhé ^^
Song song với đó, chúng ta có thêm những siêu máy tính, những thuật toán phức tạp để có thể xử lý được hết lượng dữ liệu khổng lồ này.
#2. AI (Artificial Intelligence hay Trí tuệ Nhân tạo)
AI là một ngành của khoa học máy tính, là tập hợp của các phương thức tự động hóa các hành vi trí tuệ nâng cao, được đặt trên những nguyên lý, lý thuyết khoa học máy tính vững chắc và phải có khả năng ứng dụng được vào trong cuộc sống (nói theo 1 cách học thuật thì là như thế).
Còn nói theo cách đơn giản hơn thì AI là trí tuệ của máy móc và được tạo ra bởi con người. Trí tuệ này cũng có thể tư duy và học hỏi như trí tuệ tự nhiên của con người vậy. Ngoài ra thì, AI có khả năng xử lý dữ liệu ở quy mô lớn, có hệ thống khoa học và nhanh hơn nhiều so với suy nghĩ của con người.
Một ví dụ về trí tuệ nhân tạo gần gũi với đời sống con người hiện nay đó là Google Home. Vâng, loa thông minh Google Home là món đồ công nghệ tuyệt vời, bạn có thể điều khiển nó bằng giọng nói. Chẳng hạn như bạn có thể nói: “Ok, Google ! thời tiết hôm nay thế nào?”.
Sau đó, Google Home sẽ chuyển giọng nói của bạn thành tín hiệu kỹ thuật số hoặc một dạng tín hiệu mà máy tính có thể hiểu được.
Tiếp đến, phần mềm/ thuật toán đi kèm với Google Home sẽ xử lý thông tin đó để xác định những gì bạn đang hỏi, những thông tin mà bạn đang cần, và vào đâu để lấy được những thông tin đó.
Sau khi đã xử lý xong, nó sẽ trả lời thông tin về nhiệt độ, độ ẩm, vận tốc gió,… ở khu vực mà bạn sinh sống. Ngoài ra, bạn có thể hỏi thêm về: giao thông, chứng khoán, giá vàng,… hôm nay như thế nào bằng cách tương tự như vậy !
Tóm lại, những gì chúng ta đang thực hiện với AI hiện nay nằm trong khái niệm sơ cấp: “AI hẹp” (Narrow AI), công nghệ này có khả năng thực hiện các nhiệm vụ cụ thể một cách tương tự, hoặc tốt hơn con người.
Hiện nay thì ChatBot, hay là các trợ lí ảo như Siri, Alexa, Bixby,… nhìn thì thông minh và phức tạp vậy đấy, nhưng nó chỉ mới thuộc lớp AI cấp thấp này mà thôi, còn lâu mới lên level cao hơn của AI.
Điều khiến trí tuệ nhân tạo nổi trội hơn so với các chương trình máy tính khác là: thay vì phải lập ra những chương trình cụ thể cho mỗi trường hợp khác nhau, thì nay, những cỗ máy này có thể tự học để cải thiện chính nó.
Tính năng này sẽ dẫn chúng ta đến chú lật đật con tiếp theo: “Máy Học” – Machine Learning hình thành vào những năm 80-90, cho phép máy tính hành động/đưa ra quyết định nhờ vào những dữ liệu nạp vào, để thực hiện một nhiệm vụ cụ thể.
Machine Learning cho phép máy tính tự học để tự cải thiện nhiệm vụ mà nó đang làm, mức độ cải thiện sẽ tăng dần theo từng lần thực hiện.. Giống như việc con người chúng ta sẽ rút ra được những kinh nghiệm sau những sai lầm và thất bại vậy.
“ML” sử dụng những thuật toán phân tích thông tin có sẵn => học hỏi từ nó => đưa ra quyết định/dự đoán những thứ có liên quan.
Thay vì tạo ra phần mềm được lập trình 1 là 1, 2 là 2 thì nay máy tính được “Training – huấn luyện” bằng cách sử dụng dữ liệu và các thuật toán để học cách thực hiện/cải thiện hiệu suất thực hiện nhiệm vụ của chính nó.
Nếu thiếu Machine Learning thì AI sẽ bị hạn chế khá nhiều, vì Machine learning cho phép máy tính tăng khả năng tìm ra cách giải quyết mọi thứ mà không cần được lập trình ngay từ đầu.
Một ví dụ về Machine Learning mà có thể bạn cũng đang sử dụng mỗi ngày đó chính là công cụ tìm kiếm của Google, khi bạn thực hiện tìm kiếm trên Google, nó sẽ trả lại rất nhiều kết quả tìm kiếm với từ khóa đó.
Nếu bạn giành nhiều thời gian để xem những kết quả trả về hoặc bạn đã click vào một đường link để đọc tiếp, Google sẽ ghi nhận người này đã dành nhiều thời gian (khoảng 40 giây chẳng hạn) để xem thông tin trả về.
Điều này giúp Google hiểu rằng, thông tin này là phù hợp với từ khóa này hơn cả, nó hữu ích và phù hợp với người tìm kiếm.
Còn ngược lại, nếu bạn chỉ lướt nhanh qua những kết quả trả về, Google sẽ ghi nhận là bạn không quan tâm tới những kết quả này => những kết quả trả về này là không phù hợp với bạn.
Điều này cũng có nghĩa là Machine Learning sẽ phỏng đoán được những gì bạn thích hoặc không thích. Do đó, những lần tìm kiếm sau, bạn sẽ nhận được những kết quả tìm kiếm được điều chỉnh một cách phù hợp hơn !
#3. Deep Learning là gì?
Machine learning lợi hại như vậy, thế còn Deep Learning thì sao?
Deep Learning là tập hợp con của Machine Learning, nó dùng mạng thần kinh nhân tạo để phân tích dữ liệu về nhiều chi tiết/ khía cạnh khác nhau, nhờ vào các thuật toán mô phỏng hệ thần kinh người và thực hiện việc “learning” từ lượng dữ liệu lớn được cung cấp để giải quyết những vấn đề cụ thể.
Tương tự với Machine Learning, Deep Learning cũng tự rút ra những bài học/kinh nghiệm từ những sự việc cụ thể. Thuật toán Deep learning thực hiện một nhiệm vụ nhiều lần, sau mỗi lần thực hiện, nó sẽ tự điều chỉnh cách thức thực hiện nhiệm vụ từng chút một, qua đó cải thiện kết quả được tốt hơn.
Deep Learning cho phép kết nối dữ liệu giữa tất cả các tế bào thần kinh nhân tạo, rồi điều chỉnh chúng theo dữ liệu mẫu được đưa vào.
Số lượng “tế bào thần kinh nhân tạo” được thêm vào càng nhiều => kích thước của dữ liệu sẽ càng lớn => AI có thể học tập ở nhiều cấp độ trừu tượng hơn.
Nhờ vậy mà chúng ta có thể xây dựng được một hệ thống “learning” phức tạp hơn, mà không phụ thuộc vào bất kỳ một thuật toán cụ thể nào !
Sau đây là một số ứng dụng phổ biến của Deep Learning hiện nay:
Đầu tiên là ứng dụng Deep Learning vào hệ thống gợi ý, các nền tảng Thương mại điện tử lớn hiện nay như Shopee, Tiki, SenDo,… đều có hệ thống gợi ý chính xác, từ đó tăng mức độ tương tác với người dùng, giúp người dùng tìm ra những sản phẩm ưng ý nhất.
Cụ thể là chúng dựa trên các dữ liệu của người dùng tìm kiếm và tương tác trên các thiết bị có kết nối Internet để gợi ý thêm những sản phẩm họ sẽ thích (như trên các nền tảng mua sắm), gợi ý các bài quảng cáo/được tài trợ (như trên Google) hoặc các khóa học mà người học quan tâm (như trên các nền tảng học online: Edumall, Topica, Unica…).
Tiếp đến là việc ứng dụng Deep Learning vào ứng dụng Nhận diện hình ảnh, mục tiêu của công nghệ nhận diện ảnh là nhận biết và xác định các đối tượng trong ảnh cũng như hiểu được nội dung và ngữ cảnh trong đó.
Ví dụ như chương trình nhận diện của kỹ sư công nghệ AI: Adam Geitgey với khả năng phân biệt hai khuôn mặt tương tự nhau: nam diễn viên Will Ferrell và nghệ sĩ rock Chad Smith, theo thời gian thực.
Công nghệ nhận diện khuôn mặt không còn xa lạ gì với người dùng Facebook nữa rồi, nó dùng để gợi ý tag tên bạn bè khi đăng ảnh, hay là ứng dụng vào khoa học tội phạm để điều tra phá án thông qua các hệ thông camera an ninh công cộng…
Ứng dụng Deep Learning vào trong y khoa: Watson của IBM đã phát hiện ra một loại bệnh mà các bác sĩ đã phải bó tay vì không thể tìm ra ở một nữ bệnh nhân.
Ông đã sử dụng công nghệ để so sánh bộ gen của người phụ nữ này với hơn 20 triệu kết quả nghiên cứu bệnh khác. Chỉ trong 10 phút, Watson đã đưa ra kết quả, nó là một chứng Leukemia cực kỳ hiếm gặp.
Ngoài ra, Deep Learning còn được ứng dụng rất nhiều trong thực tế nữa. Công nghệ ngày càng phát triển thì Deep Learning sẽ còn được cải tiến hơn nữa qua năm tháng, chúng ta hãy cùng chờ đón thêm những ứng dụng tuyệt vời của nó nhé.
#4. Tổng kết
Tuy có rất nhiều ưu điểm vượt trội nhưng ở thời điểm hiện tại, nhưng Deep Learning – DL (dạng AI mà nhân loại đang theo đuổi) cũng có những giới hạn nhất định.
Thứ nhất là nó luôn đòi hỏi một lượng dữ liệu đầu vào khổng lồ để máy tính học hỏi, quy trình mất nhiều thời gian và sức mạnh xử lý vốn chỉ dành cho các máy server khủng mới có thể làm được.
Khi không có đủ dữ liệu đầu vào, hoặc nếu có đủ dữ liệu đầu vào nhưng lại không có đủ sức mạnh phần cứng để xử lý thì kết quả cuối cùng mà máy tính đưa ra cũng không chính xác.
Thứ hai nữa là, DL chưa thể nhận biết được những thứ phức tạp hay tương tự nhau vì hiện nay chưa có kĩ thuật nào đủ tốt để AI có thể rút ra những kết luận đó một cách logic, bởi vì khả năng nhận biết như con người không thể đạt được trong một sớm một chiều được.
Không thể phủ nhận là trí tuệ con người đang phát triển với tốc độ chưa từng có, nay với sự trợ giúp của AI nữa thì những thứ mà con người có thể làm ra được trong tương lai chắc bạn và tôi sẽ không thể tưởng tượng ra nổi.
Có chăng những bộ phim khoa học viễn tưởng về chủ đề này mới chỉ khắc họa một phần của thế giới ấy, hãy xem Westworld của HBO để thấy nhân vật Dolores chính là một hiện thân của Artificial Super Intelligence (ASI) – dạng trí tuệ nhân tạo cao cấp mà con người có thể mường tượng ra.
AI đem đến rất nhiều giá trị cho nhân loại, và cũng tiềm ẩn cả những nguy cơ nữa, nhiều chuyên gia lo lắng rằng, khi AI đạt tới một mốc tiến hóa nào đó thì đó cũng là thời điểm loài người diệt vong.
Và thật là hợp lý khi AI vẫn còn sơ khai mà người ta đã phải áp đặt ra nhiều luật lệ trong xây dựng các sản phẩm AI có đạo đức (như kiểu: thứ nhất, con người luôn đúng; thứ hai, nếu con người sai, xem lại điều một vậy).
Dự báo cho rằng, từ 10 đến 30 năm nữa ngành khoa học này sẽ phát triển lên tới đỉnh cao, vậy nên, bạn và tôi hãy gắng kiếm thật nhiều tiền và sức khỏe để luôn sẵn sàng trải nghiệm những thứ tuyệt vời mà AI mang lại nhé ᵔᴥᵔ
