Professional Documents
Culture Documents
AI
1. Khái niệm
Trí tuệ nhân tạo ( Artificial Intelligence – viết tắt là AI) là một ngành
thuộc lĩnh vực khoa học máy tính (Computer science). Là trí tuệ do
con người lập trình tạo nên với mục tiêu giúp máy tính có thể tự động
hoá các hành vi thông minh như con người. Cụ thể, trí tuệ nhân tạo
giúp máy tính có được những trí tuệ của con người như: khả năng
suy nghĩ, hiểu ngôn ngữ, học tập,…
2. Phân loại
Các nhà khoa học đã nghiên cứu công nghệ này thành 4 loại, dựa
trên loại và độ phức tạp của các tác vụ mà một hệ thống có thể thực
hiện.
a. Công nghệ AI – Phản ứng
Đây là trí tuệ nhân tạo AI có khả năng phân tích nhiều động thái
khả thi của mình và đối thủ một cách tối ưu. Ví dụ như chương
trình chơi cờ vua Deep Blue được ứng dụng công nghệ AI
phản ứng bởi IBM (tìm hiểu thêm). Nhờ đó, chương trình này
có thể dự đoán những bước đi tiếp theo của đối thủ và tự đưa
ra nhưng bước đi phù hợp một cách chính xác.
Nó chỉ có khả năng sử dụng trí thông minh của nó để nhận
thức và phản ứng với thế giới trước mặt nó. Máy phản ứng
không thể lưu trữ bộ nhớ và do đó, không thể dựa vào những
kinh nghiệm trong quá khứ để đưa ra quyết định trong thời gian
thực.
Cách phân loại khác dựa trên khả năng của chúng:
- Weak AI: hay Narrow AI, loại AI này hoạt động một cách hạn chế
và là mô phỏng trí thông minh của con người. Weak AI thường tập
trung vào việc thực hiện một tác vụ cực kỳ tốt và trong khi những
cỗ máy này có vẻ thông minh, chúng đang hoạt động dưới nhiều
ràng buộc và hạn chế hơn nhiều so với trí thông minh cơ bản nhất
của con người.
- Trí tuệ nhân tạo tổng hợp (AGI): hay còn gọi là “Strong AI”. AGI là
một cỗ máy có trí thông minh tổng quát và ngang bằng với một
con người, nó có thể áp dụng trí thông minh đó để giải quyết mọi
vấn đề.
- Trí tuệ siêu việt (ASI) : AI siêu thông minh sẽ không chỉ có thể tái
tạo cảm xúc và trí thông minh phức tạp của con người mà còn
vượt qua nó trên mọi phương diện. Điều này có nghĩa là tự mình
đưa ra các phán đoán và quyết định, hoặc thậm chí hình thành hệ
tư tưởng của riêng mình.
AI được tích hợp vào nhiều công nghệ khác nhau:
- Xử lý ngôn ngữ
- Thị giác máy
- Machine learning
- Tự động hoá
- Xe tự lái
- Robotics
3. Công việc
- Nghiên cứu và phát triển các nguyên mẫu khoa học dữ liệu.
- Thực hiện các thuật toán học máy và các công cụ AI.
- Xây dựng mô hình AI
- Chọn bộ dữ liệu thích hợp và phương pháp biểu diễn dữ liệu.
- Đào tạo hệ thống máy tính và phát triển khi cần thiết
- Xây dựng cơ sở hạ tầng chuyển đổi dữ liệu và tự động hoá cơ sở
hạ tầng mà nhóm dữ liệu sử dụng thường xuyên.
- Chuyển đổi các mô hình học máy thành giao diện chương trình
ứng dụng để các ứng dụng có thể triển khai API.
4. Yêu cầu
- Lập trình thành thạo nhiều ngôn ngữ lập trình trong đó Python và
R là 2 ngôn ngữ quan trọng. Ngoài ra cũng cần phải hiểu biết về
cấu trúc dữ liệu và giải các thuật toán cơ bản bên cạnh kiến thức
về lập trình.
- Kỹ năng toán học: tính toán các thuật toán và xác suất thống kê..
- Khả năng quản lý dữ liệu
- Kiến thức về thuật toán
- Kỹ năng tư duy
Do đó, các thuật toán học sâu mất nhiều thời gian để đào tạo hơn so với
các thuật toán học máy. Tuy nhiên, điều ngược lại là nó đúng trong quá
trình thử nghiệm. Các thuật toán học sâu mất ít thời gian hơn để chạy các
bài kiểm tra so với các thuật toán học máy, có thời gian kiểm tra tăng lên
cùng với kích thước của dữ liệu. Hơn nữa, học máy không yêu cầu những
máy GPU hiệu suất cao như học sâu.
https://www.jaist.ac.jp/~bao/Writings/AI25years.pdf
https://trituenhantao.io/
https://vinbigdata.com/xu-ly-ngon-ngu-tu-nhien-bai-toan-cong-cu-ban-
nen-biet/
http://viet.jnlp.org/home
https://inda.vn/dwh/27-thuat-ngu-quan-trong-ve-kho-du-lieu-nen-biet/
https://builtin.com/artificial-intelligence
https://www.ibm.com/cloud/learn/what-is-artificial-intelligence