1.3.5.

Người máy

1
 1.3.5. Người máy

NGƯỜI MÁY CÓ LIÊN QUAN ĐẾN

TRÍ TUỆ NHÂN TẠO KHÔNG?

2
 1.3.5. Người máy

AI vs Robot
 Trong ngôn ngữ layman, AI là bộ não trong khi Robot là
cơ thể.
 Trước đây, robot đã tồn tại mà không có AI
 Robot được lập trình và tương tác bằng cảm biến. AI
hoạt động dựa trên việc đưa ra quyết định theo logic
của nó.
 Robot nhằm mục đích đơn giản hóa lối sống và tăng
năng suất làm việc. AI là trải nghiệm nhân hóa về công
nghệ.
1.3.5. Người máy

ĐÂU LÀ NGƯỜI MÁY?

4
 1.3.5. Người máy

Người máy là gì?

 Người máy là những cỗ máy vật lý có thể di chuyển, chịu
tác động vật lý (điển hình là thông qua các bộ cảm biến) và
tác động vật lý lên thế giới thực (điển hình là thông qua các
bộ truyền động). [Stanford]
 Người máy là một máy móc thao tác đa chức năng có thể
tái lập trình. Nó được thiết kế để di chuyển nguyên liệu, các
thành phần, công cụ hoặc các thiết bị chuyên dụng thông
qua các chương trình chuyển động để thực hiện các nhiệm
vụ khác nhau. [Robot Institute of America]
 1.3.5. Người máy
Những loại người máy đang làm thay đổi thế giới hiện tại?

Robot hợp tác (Cobot -collaborative robots)

Robot từ xa (Robot telepresence)

Tự động hóa kho bãi và dịch vụ hậu cần

(Warehousing and logistics automation)

Robot chăm sóc sức khỏe (Healthcare robots)

Xe tự lái (self-driving vehicles)

6
 1.3.5. Người máy

Robot hợp tác:

 Các robot có thể học các
nhiệm vụ phức tạp và
sau đó hoạt động như
một đôi bàn tay khéo
léo. Robot này được
thiết kế để hợp tác với
con người nhằm thực
hiện linh hoạt một loạt
các nhiệm vụ.
 1.3.5. Người máy

Robot từ xa:
 Cung cấp sự hiện diện ảo
 Là máy tính, máy tính bảng
hoặc điện thoại thông
minh được robot điều
khiển. Nó bao gồm camera,
màn hình, loa và micrô để
có thể tương tác.
 Thường sử dụng thay thế
cho hướng dẫn viên du
lịch, bảo vệ, thanh tra,
chăm sóc sức khỏe, trợ
giảng, nhân viên…

8
 1.3.5. Người máy

Tự động hóa kho bãi

và dịch vụ hậu cần:
 Sử dụng các hệ thống
tự động, robot và
phần mềm chuyên
dụng để vận chuyển
hàng hóa, thực hiện
các nhiệm vụ khác
nhau và hợp lý hóa/tự
động hóa các quy
trình kho.

9
 1.3.5. Người máy

Robot chăm sóc sức

khỏe:
 Giúp cải thiện vấn đề
chăm sóc sức khỏe, thực
hiện các công việc hiệu
quả hơn, ít xảy ra lỗi hay
thậm chí đảm nhiệm
những công việc trước
đây con người không thể
làm.
 Robot phẫu thuật, khung
xương trợ lực, Robot
chăm sóc, bệnh viện
(cung cấp thuốc, mẫu vật
phẩm..)

10
 1.3.5. Người máy

Xe tự lái:
 Hay còn gọi là xe tự
hành, là phương tiện có
khả năng cảm nhận môi
trường và di chuyển an
toàn với rất ít hoặc
không có sự điều khiển
của con người.
 Kết hợp các cảm biến và
phần mềm để điều
khiển, điều hướng và lái
xe.

11
 1.3.5. Người máy

Công nghệ AI được sử dụng trong robot:

 Thị giác máy tính (Computer Vision)
 Xử lý ngôn ngữ tự nhiên (Natural language processing -
NLP)
 Điện toán biên (Edge computing)
 Xử lý sự kiện phức tạp (Complex event processing -CEP)
 Học chuyển giao (Transfer learning)
 Học tăng cường (Reinforcement learning)
 GANs (Generative Adversarial Networks)
 Emotion research – affective computing

12
 1.4. Đội ngũ phát triển dự án AI teams

1
Hiểu các quy trình kinh doanh để thiết lập các kịch
bản trong thực tế.
AI
teams 2
Hiểu phân tích - học máy, thống kê, dự báo và tối ưu
cần? hóa để sử dụng các kỹ thuật phù hợp.

3
Hiểu dữ liệu: Nó đến từ đâu? Chất lượng ra sao? Nên xử
lý thế nào để đảm bảo an toàn và độ tin cậy?

4
Kiến trúc sư AI, người biết cách đưa các phân tích vào
thực hiện để cho ra kết quả.

13
 1.4. Đội ngũ phát triển dự án AI teams

Chuyên gia miền (Domain experts):

Đó là các chuyên gia về các lĩnh vực cần ứng dụng,
họ có tầm quan trọng lớn đối với các sáng kiến AI.
Các chuyên gia lĩnh vực cung cấp những hiểu biết
quan trọng về hệ thống sẽ vận hành, giúp hệ thống
AI hoạt động tốt nhất.

14
 1.4. Đội ngũ phát triển dự án AI teams

Nhà khoa học dữ liệu (Data scientists)

Nhà khoa học dữ liệu là những người có kiến thức
về khoa học máy tính, toán học, học máy…
Vai trò của nhà khoa học dữ liệu: xử lý dữ liệu (làm
sạch và chuyển đổi dữ liệu); sử dụng các kỹ thuật,
các quy trình để phát triển mô hình ứng dụng
trong dự án AI.

15
 1.4. Đội ngũ phát triển dự án AI teams

Kỹ sư (Data engineers)
Đây là những lập trình viên, những người áp dụng
các kỹ thuật cho dự án AI.
Họ lấy ý tưởng, mô hình và thuật toán từ các nhà
khoa học dữ liệu và đưa chúng vào thực tế bằng
cách mã hóa, làm cho nó chạy trên máy chủ và giao
tiếp thành công với người dùng, thiết bị, API, ...

16
 1.4. Đội ngũ phát triển dự án AI teams

Nhà thiết kế sản phẩm

Là người sẽ cung cấp bản mẫu, giúp trực quan hóa
công nghệ của một dự án AI.
Các nhà thiết kế sản phẩm đến từ các lĩnh vực như:
nghệ thuật, thiết kế, kỹ thuật, quản lý, tâm lý học,
triết học...
Họ có nhiều ý tưởng khác nhau trên AI demo, tính
chất công việc của họ có tính khái quát cao hơn là
đi sâu vào một lĩnh vực công nghệ.

17
 1.4. Đội ngũ phát triển dự án AI teams

Nhà đạo đức và xã hội học AI

Luật sư
Nhà quản lý
…

18
 1.5. Vấn đề đạo đức trong AI

Thất nghiệp?
 Khi đa phần công việc được tự động hóa, con người sẽ
chỉ đảm nhiệm các nhiệm vụ phức tạp hơn hơn => Chiến
lược xã hội hóa toàn cầu!
 Ví dụ về vận tải đường bộ: Hiện có cả triệu người làm
dịch vụ lái xe tải, điều gì xảy ra nếu toàn bộ xe tải là xe
tự hành? Điều này làm giảm nguy cơ tai nạn => là một
lựa chọn đạo đức. Tuy nhiên, những tài xế sẽ làm gì sau
khi nghỉ việc?
 1.5. Vấn đề đạo đức trong AI

Tăng khoảng cách giàu – nghèo?

 Sử dụng trí tuệ nhân tạo, một công ty có thể cắt giảm
đáng kể lượng nhân công, điều này có nghĩa là doanh
thu sẽ đến với ít người hơn. Các cá nhân có quyền sở
hữu trong các công ty do AI điều hành sẽ là người sở
hữu hầu hết số tiền thu được.

20
 1.5. Vấn đề đạo đức trong AI

Nhân đạo và sự “ngu ngốc”

 Máy móc đang đang dần thay thế con người từ các hoạt
động giao tiếp, cảm xúc.. Thậm chí làm cho con người bị
phụ thuộc.
 Mô hình để phát hiện tội phạm sử dụng hình ảnh
khuôn mặt có thể đưa những người vô tội vào sau song
sắt.
 Mô hình tự tạo video có thể được sử dụng làm “bằng
chứng” cho tin tức giả.
 Một mô hình tự tạo văn bản có thể được sử dụng để
tạo các đánh giá sản phẩm giả.
 1.5. Vấn đề đạo đức trong AI

Thiên vị?
 Các hệ thống AI được tạo ra bởi con người, vì đó nó sẽ
bao gồm sự thiên vị, thành kiến và sự phán xét của con
người.
 Nhiều ứng dụng AI được sử dụng để nhận dạng người,
vật thể và cảnh. Nhưng nó có thể sai khi sự thiên vị
chống lại người da đen.
 Nếu được sử dụng đúng, hoặc nếu được sử dụng bởi
những người nỗ lực vì tiến bộ xã hội, trí tuệ nhân tạo có
thể trở thành chất xúc tác cho sự thay đổi tích cực.

22
 1.5. Vấn đề đạo đức trong AI

Thần ác?
 Điều gì xảy ra nếu trí tuệ
nhân tạo quay lưng lại với
chúng ta?
 Con người không biến AI
thành “ác quỷ” như trong
phim, nhưng có thể tưởng
tượng một hệ thống AI tiên
tiến là một "thần đèn" có
thể thực hiện mọi mong
muốn, vì thế sẽ có những
hậu quả khủng khiếp
không lường trước được.
23
 1.5. Vấn đề đạo đức trong AI

Mặc dù xem xét các rủi ro nhưng nên nhớ, sự

phát triển của AI làm cuộc sống con người tốt
hơn. Tiềm năng của nó phụ thuộc vào trách
nhiệm của con người!

24
 1.6 Quy trình phát triển ứng dụng AI trong kinh doanh

• Xác định vấn Triển khai • Cải tiến thuật toán,

đề. mô hình để đáp ứng
• Lựa chọn giải • Huấn luyện mô dữ liệu thường
pháp AI hình xuyên thay đổi và
• Chuẩn bị dữ • Đánh giá mô hình phát triển.
liệu. • Sử dụng mô hình
Xác định dự Phát hành
án sản phẩm

25
 Xác định dự án

Bước 1: Xác định vấn đề

• Mọi thứ bắt đầu từ một ý tưởng
• Các bên liên quan thảo luận đưa ra yêu cầu, phản
biện rồi thống nhất input và output.
• Xác thực các mục tiêu và trả lời câu hỏi:
- Tại sao dùng AI?
- Có những dữ liệu gì?
- Dữ liệu có như mong muốn không và liệu có thể sử dụng
chúng cho dự án AI hay không?
 Xác định dự án

Bước 2: Lựa chọn giải pháp AI

Sử dụng các bộ dữ liệu do công ty cung cấp để phát
triển một số mô hình và phần mềm – dùng để xác
minh thông tin trích xuất từ dữ liệu được cung cấp.
Giải pháp AI được lựa chọn ở bước này chưa phải
giải pháp AI cuối cùng, tuy nhiên nó là một cơ sở,
một kết quả nghiên cứu để phục vụ cho các bước
tiếp theo của dự án và cung cấp yêu cầu về cấu
trúc dữ liệu.
 Xác định dự án

Bước 3. Chuẩn bị dữ liệu

Trung bình, thời gian chuẩn bị dữ liệu chiếm 80%
thời gian thực hiện các dự án AI. Sáu bước chuẩn
bị dữ liệu cho một dự án AI:
1. Thu Thập dữ liệu
2. Khám phá và lập hồ sơ dữ liệu
3. Định dạng dữ liệu
4. Cải thiện chất lượng dữ liệu
5. Chuyển đổi dữ liệu (chuyển đổi dữ liệu thô thành tập các
thuộc tính).
6. Chia tập dữ liệu học và tập dữ liệu đánh giá
 Xác định dự án

Một số kỹ thuật tiền xử lý dữ liệu phổ biến hiện

nay:
 Xử lý dữ liệu bị khuyết (missing data),

 Mã hóa các biến nhóm (encoding categorical variables),

 Chuẩn hóa dữ liệu (standardizing data),

 Co giãn dữ liệu (scaling data)

 ….

29
 Triển khai

Bước 4: Huấn luyện mô hình

Dựa vào thuật toán được cung cấp cùng với dữ liệu
training, mô hình được học thông qua quá trình
huấn luyện.
Dữ liệu đã được chia thành tập train và test
 Triển khai

Bước 5: Đánh giá mô hình

Sau khi hoàn thành cơ bản mô hình, chuyên gia
tiến hành sử dụng dữ liệu test để thử nghiệm mô
hình bằng cách kết hợp nhiều công thức, chỉ số
khác nhau để đánh giá mức độ chính xác và trả lời
được các câu hỏi:
 Mô hình hoạt động tốt như thế nào?
 Mô hình có đủ độ chính xác để đưa vào sử dụng không
 Liệu một bộ huấn luyện lớn hơn có cải thiện hiệu suất mô hình?
 Triển khai

Những chỉ số trong các mô hình phân loại:

 Accuracy: Tỷ lệ kết quả đúng trên tổng số trường hợp
(accuracy = # correct predictions / # total data points)
 Log loss: Đo lường mức độ không chắc chắn của mô hình
bằng cách so sánh xác suất kết quả đầu ra với các giá trị đã
biết.
 Precision: Là tỷ lệ kết quả đúng trên tất cả các kết quả tích
cực (positive results)

• Recall: Là phần của tất cả các

kết quả đúng được mô hình
trả về.
 Triển khai

F1-score
 Trọng số trung bình của precision và recall từ 0 đến 1,
trong đó giá trị điểm F lý tưởng là 1.
AUC
 Đo diện tích dưới đường cong được vẽ bởi true
positives trên trục y, false positives trên trục x, cung cấp
một giá trị cho phép so sánh các mô hình thuộc các loại
khác nhau.

33
 Triển khai

Bước 6: Sử dụng mô hình

Mô hình là một “thứ” được lưu lại sau khi chạy
thuật toán trên dữ liệu huấn luyện và biểu diễn các
quy tắc, số và bất kỳ cấu trúc dữ liệu cụ thể nào
khác cần thiết của thuật toán để đưa ra dự đoán.
Khi bạn đã đào tạo mô hình, bạn có thể sử dụng nó
để suy luận về dữ liệu mà nó chưa từng thấy trước
đó và đưa ra dự đoán về những dữ liệu đó.
 Phát hành sản phẩm

Trong bối cảnh triển khai AI, luôn đòi hỏi sự cải
tiến thường xuyên và sự thích nghi của các mô
hình học.
Bộ dữ liệu được cung cấp cho hệ thống AI không
ngừng phát triển và thay đổi, yêu cầu phải điều
chỉnh giải pháp AI.
Các giải pháp AI đòi hỏi phải nâng cao các thuật
toán, tạo hoặc bổ sung các phương pháp mới liên
tục. Vì vậy, chúng ta có thể nói: Một dự án AI là
không hữu hạn!

35
TÓM TẮT CHƯƠNG

1.1. Khái niệm về trí tuệ nhân tạo

1.2 Một số ứng dụng của AI
1.3. Các lĩnh vực nghiên cứu chính của AI
1.4 Đội ngũ phát triển dự án AI teams
1.5. Vấn đề đạo đức trong AI
1.6. Quy trình phát triển ứng dụng AI
 Tài liệu tham khảo
1. K. R. Chowdhary - Fundamentals of Artificial Intelligence-Springer - Nature New
York Inc (2020)
2. PGS.TS. Nguyễn Xuân Hoài, Viện trưởng Viện Trí tuệ Nhân tạo - Bài giảng AI for
business – AI Academy
3. Lược sử Trí tuệ nhân tạo -
https://insights.innovatube.com/l%C6%B0%E1%BB%A3c-s%E1%BB%AD-
tr%C3%AD-tu%E1%BB%87-nh%C3%A2n-t%E1%BA%A1o-fa600bef73df
4. Trí tuệ nhân tạo và chặng đường 50 năm -
http://www.jaist.ac.jp/~bao/Writings/AI50years.pdf
5. 10 thành tựu đột phá trong AI - https://enternews.vn/10-thanh-tu-dot-pha-trong-
tri-tue-nhan-tao-124120.html
6. https://vi.wikipedia.org/wiki/H%E1%BB%8Dc_m%C3%A1y
7. https://insights.daffodilsw.com/blog/9-machine-learning-examples-from-day-to-
day-life
8. http://ml4vn.blogsp ot.com/2017/06/mot-so-khai-niem-trong-may-hoc.html
9. https://codetudau.com/danh-gia-model-cua-machine-learning-precision-recall-
bias-variance-cross-validation/index.html
10. https://towardsdatascience.com/supervised-learning-algorithms-explanaition-
and-simple-code-4fbd1276f8aa
 Tài liệu tham khảo
11. https://www.dataquest.io/blog/top-10-machine-learning-algorithms-
for-beginners/
12. https://vn.bitdegree.org/huong-dan/hoc-machine-learning/
13. https://colah.github.io/
14. https://nguyenvanhieu.vn/machine-learning/
15. https://machinelearningcoban.com/2016/12/27/categories/
16. https://viblo.asia/p/gioi-thieu-ve-hoc-tang-cuong-va-ung-dung-deep-q-
learning-choi-game-cartpole-Az45bYy6lxY
17. https://forum.machinelearningcoban.com/t/tutorial-implement-cac-
thuat-toan-reinforcement-learning-ddpg-bai-1/3276
18. https://www.thegioimaychu.vn/blog/ai-deep-learning/lam-the-nao-de-
giai-thich-deep-learning-hoc-sau-mot-cach-de-hieu-nhat-p2073/
19. https://viblo.asia/p/gioi-thieu-ve-deep-learning-deep-learning-hoat-
dong-nhu-the-nao-3Q75w2nDlWb
20. https://techinsight.com.vn/nhung-ung-dung-trong-cuoc-song-cua-deep-
learning/
 Tài liệu tham khảo
21. https://codetudau.com/gioi-thieu-tien-xu-ly-trong-xu-ly-ngon-ngu-tu-
nhien/index.html
22. https://bit.ly/3grStGk
23. https://onetech.vn/blog/co-ban-ve-xu-ly-ngon-ngu-tu-nhien-va-ung-dung-cho-
tieng-viet-6315
24. https://codetudau.com/gioi-thieu-tien-xu-ly-trong-xu-ly-ngon-ngu-tu-
nhien/index.html
25. https://viblo.asia/p/xu-ly-ngon-ngu-tu-nhien-phan-1-OeVKB8eQlkW
26. https://towardsdatascience.com/natural-language-processing-nlp-top-10-
applications-to-know-b2c80bd428cb
27. https://longvan.net/thi-giac-may-tinh-la-gi-ung-dung-thi-giac-may-tinh.html
28. https://www.thegioimaychu.vn/blog/ai-deep-learning/5-ung-dung-cua-thi-giac-
may-tinh-cho-deep-learning-p3205/
29. https://blog.vietanhdev.com/posts/2019-09-27-cv-review-gioi-thieu-computer-
vision-va-cach-hoc/
30. https://www.zdnet.com/article/robotics-in-business-everything-humans-need-
to-know/
31. https://medium.com/@skyl/evaluating-a-machine-learning-model-
7cab1f597046
 Tài liệu đọc thêm

Bernard Marr and Matt

Ward - ỨNG DỤNG TRÍ TUỆ
NHÂN TẠO ĐỂ DẪN ĐẦU: 50
câu chuyện thành công của
các công ty hàng đầu thế
giới - Huỳnh Hữu Tài và
nhóm WeTransform dịch.