Trí tuệ nhân tạo

Bách khoa toàn thư mở Wikipedia
(đổi hướng từ Artificial intelligence)
Buớc tưới chuyển hướng Bước tới tìm kiếm
Để đọc bài về phim cùng tên của Steven Spielberg, xin xem bài Trí tuệ nhân tạo (phim)

Trí tuệ nhân tạo hay trí thông minh nhân tạo (tiếng Anh: artificial intelligence hay machine intelligence, thường được viết tắt là AI) là trí tuệ được biểu diễn bởi bất cứ một hệ thống nhân tạo nào. Hiện nay, thuật ngữ này thường dùng để nói đến các máy tính hoặc chương trình có khả năng học hỏi và tư duy và ngành khoa học nghiên cứu về các lý thuyết và ứng dụng của trí tuệ nhân tạo.[1]

Tuy rằng trí thông minh nhân tạo có nghĩa rộng như là trí thông minh trong các tác phẩm khoa học viễn tưởng, nó là một trong những ngành trọng yếu của tin học. Ở thế kỉ 20, con người từng cố gắng tạo ra một bộ não nhân tạo thông qua điện tử, nhưng vấn đề này gặp rất nhiều rào cản so với việc thiết lập một chương trình. Cùng với sự phát triển của tốc độ xử lý máy tính, các chương trình trí tuệ nhân tạo ngày càng có ứng dụng và giá trị hơn.

Trí thông minh nhân tạo thường liên quan đến khả năng học hỏi và nhận thức của máy móc. Các ví dụ ứng dụng có thể là đơn giản như các tác vụ điều khiển, lập kế hoạch và lập lịch (scheduling), nhận dạng chữ viết tay, nhận dạng tiếng nói và khuôn mặt,... cho đến phức tạp hơn là: chẩn đoán bệnh, trả lời khách hàng về các sản phẩm của một công ty, chơi cờ, chơi trò chơi, ...

Hiện nay nó là một ngành thuộc lĩnh vực khoa học máy tính (tiếng Anh: Computer science).

Các định nghĩa[sửa | sửa mã nguồn]

Rất khó có một định nghĩ trí tuệ nhân tạo hoàn chỉnh và chính xác. Đơn giản bởi gì vẫn chưa có một định nghĩa rõ ràng thế nào là trí tuệ? Và giới hạn các phạm vi của trí tuệ là gì? Về mặc cơ bản, ta có thể hiểu đơn giản trí tuệ nhân tạo là việc xây dựng một hệ thống hoặc một chương trình nhân tạo có khả năng trí tuệ như khả năng tư duy, nhận thức hoặc thực hiện các vụ đòi hỏi trí tuệ. Về mặt cơ bản có 4 phương pháp/ con đường tiếp cận trí tuệ nhân tạo cho đến ngày nay bao gồm :suy nghĩ giống người, hành động giống người, suy nghĩ hợp lý, hành động hợp lý. Với mỗi một cách tiếp cận, người ta có định nghĩa trí tuệ nhân tạo khác nhau rõ ràng hơn:

  • Trí tuệ nhân tạo bao gồm các cơ sở lý thuyết và việc lập trình xây dựng của các hệ thống máy tính có thể thực hiện các nhiệm vụ thường đòi hỏi trí thông minh của con người như nhận thức thị giác, nhận dạng giọng nói, ra quyết định và dịch giữa các ngôn ngữ.[2]
  • Trí tuệ nhân tạo giúp tạo ra máy tính có khả năng suy nghĩ, máy tính có trí tuệ theo đầy đủ nghĩa của từ này (Haugeland, 1985).
  • Trí tuệ nhân tạo là khoa học nghiên cứu xem thế nào để máy tính có thể thực hiện được những công việc mà con người làm tốt hơn máy tính (Rich và Knight,1991).
  • Trí tuệ nhân tạo là khoa học nghiên cứu các hoạt động trí não thông qua các mô hình tính toán (Chaniaka và McDemott, 1985).
  • Trí tuệ nhận tạo nghiên cứu các mô hình máy tính có thể nhận thức, lập luận và hành động (Winston, 1992)
  • Trí tuệ nhân tạo nghiên cứu các hành vi thông minh mô phỏng các vật thể nhân tạo (Nilsson, 1998)
  • Trí tuệ nhân tạo là khoa học nghiên cứu các hành vi thông minh nhằm giải quyết các vấn đề được đặt ra đối với các chương trình máy tính (Học viện Kỹ thuật Quân sự)

Hai cách tiếp cận đầu tiên dựa theo một tiêu chuẩn đánh giá là con người, hai cách tiếp cận sau dựa theo một tiêu chuẩn trừu tượng hơn là sự hợp lý. Sự hợp lý ở đây là việc máy tính sẽ thực hiện đúng và chính xác dựa theo những gì nó biết.

Ngoài 2 phương pháp đánh giá, hai con đường tiếp cận trí tuệ nhân tạo là theo hướng xử lý quá trình suy luận và phân tích, và hướng tiếp theo là hành vi của máy móc. Ta mô tả một vài định nghĩa của trí tuệ nhân tạo ở dưới đây:

Hành động giống người[sửa | sửa mã nguồn]

Turning Test được thiết kế vào năm những năm 1960 là một bài test kiểm tra trí tuệ nhân tạo dựa theo tiêu chuẩn hành động giống người hay không? Người kiểm tra sẽ đặt một vài câu hỏi ra một tờ giấy và đưa cả vào 2 căn phòng - một căn phòng có máy tính và một căn phòng là người. Máy tính được gọi là có trí tuệ khi những người kiểm tra không thể phân biệt đâu là câu trả lời của máy tính và đâu là câu trả lời của người. Kết quả càng khách quan khi càng nhiều người, nhiều văn hóa và chủng tộc tham gia bài kiểm tra này. Bài test được cho là một bài thí nghiệm có giá trị học thuật rất tốt khi bắt đầu nghiên cứu trí tuệ nhân tạo, hiện nay không mấy nhà khoa học hứng thúc với bài Turning test vì đơn giản họ cảm thấy cố gắng để chương trình của mình vượt qua bài turning test là một điều thừa thãi. Tuy nhiên, nó vẫn có giá trị trong quá trình nghiên cứu lý thuyết trí tuệ nhân tạo.

Ở bài turning test, sẽ không có tiếp xúc vật lý giữa người và máy tính. Đơn giản vì xây dựng một vật chất mô phỏng vật lý cơ thể người đối với trí tuệ nhân tạo là một hành động thừa thãi. Vì vậy, một bài được gọi turning test đầy đủ là sẽ được thưc hiện thông qua một kênh chat video.

Để máy tính qua được bài turning test thì nó sẽ phải đáp ứng được các yếu tố cơ bản sau: khả năng xử lý ngôn ngữ tự nhiên, khả năng ghi nhớ kiến thức, khả năng suy luận và khả năng học máy. Còn muốn vượt qua một bài turning test đầy đủ thì sẽ cần thêm 2 yêu cầu nữa là thị giác máy tính và robottic để máy tính có thể nhận diện và tương tác với vật thể.

Suy nghĩ giống người[sửa | sửa mã nguồn]

Vấn đề lớn nhất khi xây dựng một máy tính có khả năng suy nghĩ giống người là con người suy nghĩ như thế nào? Việc biết được cách chúng ta suy nghĩ một cách hoàn chỉnh và đầy đủ thì ta hoàn toàn có thể xây dựng nó thành một chương trình máy tính.

Về mặt cơ bản để đánh giá một chương trình suy nghĩ giống người, ta dựa vào nhận xét sau: "một máy tính có hành động tương tự con người ở trong một số điều kiện và hoàn cảnh tương ứng thì sẽ được cho là có một vài phần suy nghĩ giống người". Vì vậy hiện nay, hai khái niệm suy nghĩ giống người và hành động giống người rất mơ hồ và hay hòa vào nhau. Một máy tính được cho qua được vài bài kiểm tra thực tế thì được cho là có đặc tính giống người và ngược lại. Tuy nhiên các nhà khoa học vẫn phân ra hai lĩnh vực này để đảm bảo thúc đẩy sự phát triển của từng lĩnh vực khoa học thần kinh và trí tuệ nhân tạo. Nhiều ứng dụng hiện nay, nhất là thị giác máy tính (computer vision) là sự kết hợp mạnh mẽ của khoa học thần kinh (mạng neuron) với các mô hình tính toán.

Suy nghĩ hợp lý[sửa | sửa mã nguồn]

Suy nghĩ hợp lý trong trí tuệ nhân tạo tiêu biểu nhất là suy nghĩ logic hay còn gọi là logictic. Chúng ta sẽ có cố gắng mô hình hóa kiến thức và biểu diễn nó thông qua các kí hiệu và điều kiện để thực hiện mô hình các suy nghĩ và lập luận.

Hai rào cán lớn nhất của mô hình là khi kiến thức không thể được mô hình hóa và các vấn đề đối với lượng kiến thức và thông tin quá lớn hoặc quá ít. Các kiến thức khi không nắm chấc độ chính xác 100 % thường sẽ rất khó để hình thức hóa nó trong toán học. Và khi các bước hoặc các trường hợp xảy ra lên đến vài trăm thì có thể làm cạn kiện tài nguyên tính toán của bất kì máy tính cá nhân nào.

Hành động hợp lý[sửa | sửa mã nguồn]

Mục tiêu[sửa | sửa mã nguồn]

Lý luận, giải quyết vấn đề[sửa | sửa mã nguồn]

Các nhà nghiên cứu đầu tiên đã phát triển các thuật toán bắt chước theo lý luận từng bước mà con người sử dụng khi giải quyết các câu đố hoặc đưa ra các phương pháp loại trừ logic.[3] Vào cuối những năm 1980 và 1990, nghiên cứu về AI đã phát triển các phương pháp xử lý thông tin không chắc chắn hoặc không đầy đủ, sử dụng các khái niệm từ xác suấtkinh tế.[4]

Đối với những vấn đề khó, các thuật toán bắt buộc phải có phần cứng đủ mạnh để thực hiện phép tính toán khổng lồ - để trải qua "vụ nổ tổ hợp": lượng bộ nhớ và thời gian tính toán có thể trở nên vô tận nếu giải quyết một vấn đề khó. Mức độ ưu tiên cao nhất là tìm kiếm các thuật toán giải quyết vấn đề.[5]

Con người thường sử dụng các phán đoán nhanh và trực quan chứ không phải là phép khấu trừ từng bước mà các nghiên cứu AI ban đầu có thể mô phỏng.[6] AI đã tiến triển bằng cách sử dụng cách giải quyết vấn đề "biểu tượng phụ": cách tiếp cận tác nhân được thể hiện nhấn mạnh tầm quan trọng của các kỹ năng cảm biến động đến lý luận cao hơn; nghiên cứu mạng thần kinh cố gắng để mô phỏng các cấu trúc bên trong não làm phát sinh kỹ năng này. Các phương pháp tiếp cận thống kê đối với AI bắt chước khả năng của con người.

Các trường phái trí tuệ nhân tạo[sửa | sửa mã nguồn]

Robot ASIMO (HONDA - Nhật Bản)

Trí tuệ nhân tạo (AI) chia thành hai trường phái tư duy: TTNT truyền thống và Trí tuệ tính toán.

TTNT truyền thống hầu như bao gồm các phương pháp hiện được phân loại là các phương pháp học máy (machine learning), đặc trưng bởi hệ hình thức (formalism) và phân tích thống kê. Nó còn được biết với các tên TTNT biểu tượng, TTNT logic, TTNT ngăn nắp (neat AI) và TTNT cổ điển (Good Old Fashioned Artificial Intelligence). (Xem thêm ngữ nghĩa học.) Các phương pháp gồm có:

  • Hệ chuyên gia: áp dụng các khả năng suy luận để đạt tới một kết luận. Một hệ chuyên gia có thể xử lý các lượng lớn thông tin đã biết và đưa ra các kết luận dựa trên các thông tin đó. Clippy chương trình trợ giúp có hình cái kẹp giấy của Microsoft Office là một ví dụ. Khi người dùng gõ phím, Clippy nhận ra các xu hướng nhất định và đưa ra các gợi ý.
  • Lập luận theo tình huống.
  • Mạng Bayes.

Trí tuệ tính toán nghiên cứu việc học hoặc phát triển lặp (ví dụ: tinh chỉnh tham số trong hệ thống, chẳng hạn hệ thống connectionist). Việc học dựa trên dữ liệu kinh nghiệm và có quan hệ với Trí tuệ nhân tạo phi ký hiệu, TTNT lộn xộn (scruffy AI) và tính toán mềm (soft computing). Các phương pháp chính gồm có:

Người ta đã nghiên cứu các hệ thống thông minh lai (hybrid intelligent system), trong đó kết hợp hai trường phái này. Các luật suy diễn của hệ chuyên gia có thể được sinh bởi mạng neural hoặc các luật dẫn xuất (production rule) từ việc học theo thống kê như trong kiến trúc ACT-R.

Các phương pháp trí tuệ nhân tạo thường được dùng trong các công trình nghiên cứu khoa học nhận thức (cognitive science), một ngành cố gắng tạo ra mô hình nhận thức của con người (việc này khác với các nghiên cứu TTNT, vì TTNT chỉ muốn tạo ra máy móc thực dụng, không phải tạo ra mô hình về hoạt động của bộ óc con người).

Lịch sử[sửa | sửa mã nguồn]

Đầu thế kỷ 17, René Descartes đã đưa ra quan điểm rằng cơ thể của động vật chỉ là các cỗ máy tinh xảo. Năm 1642 Blaise Pascal chế tạo chiếc máy tính cơ học đầu tiên. Charles BabbageAda Lovelace đã nghiên cứu về các máy tính cơ học có khả năng lập trình được.

Bertrand RussellAlfred North Whitehead đã xuất bản cuốn Principia Mathematica, trong đó logic hình thức đã được cách mạng hóa. Warren McCullochWalter Pitts xuất bản A Logical Calculus of the Ideas Immanent in Nervous Activity năm 1943 đặt nền móng cho mạng neural.

Thập niên 1950 là thời kỳ của nhiều hoạt động trong lĩnh vực TTNT. John McCarthy thiết lập thuật ngữ "artificial intelligence" trong hội thảo đầu tiên dành cho chủ đề này. Ông còn sáng chế ngôn ngữ lập trình Lisp. Alan Turing đưa ra "Phép thử Turing" như là một phương pháp kiểm chứng hành vi thông minh. Joseph Weizenbaum xây dựng ELIZA, một chatterbot cài đặt liệu pháp tâm lý Rogerian.

Trong các thập niên 19601970, Joel Moses biểu diễn sức mạnh của suy diễn ký hiệu trong việc tích hợp các bài toán trong chương trình Macsyma, chương trình toán học sử dụng cơ sở tri thức đầu tiên thành công. Marvin MinskySeymour Papert xuất bản Perceptrons, trong đó chứng minh các giới hạn của các mạng neural đơn giản, và Alain Colmerauer phát triển ngôn ngữ lập trình Prolog. Ted Shortliffe biển diễn sức mạnh của các hệ thống sử dụng luật để biểu diễn tri thức và suy diễn trong các chẩn đoán và liệu pháp y học trong một chương trình mà đối khi được gọi là hệ chuyên gia đầu tiên. Hans Moravec phát triển chiếc xe đầu tiên được máy tính điều khiển tự động vượt chướng ngại vật.

Thập niên 1980, mạng neural được sử dụng rộng rãi với thuật toán truyền ngược (backpropagation), thuật toán này đã được mô tả đầu tiên bởi Paul John Werbos vào năm 1974. Thập niên 1990 đánh dấu các thành tựu chính trong nhiều lĩnh vực của TTNT và được thể hiện trong nhiều ứng dụng đa dạng. Nổi tiếng nhất là Deep Blue, một máy tính chơi cờ vua đã thắng Garry Kasparov trong một trận đấu 6 ván nổi tiếng năm 1997. DARPA tuyên bố rằng chi phí tiết kiệm được do cài đặt các phương pháp TTNT cho việc lập lịch cho các đơn vị trong Chiến tranh vùng Vịnh lần thứ nhất đã bù lại được toàn bộ đầu tư của chính phủ Mỹ cho nghiên cứu TTNT kể từ thập niên 1950. Trong Chiến tranh vùng Vịnh lần 2, trí tuệ nhân tạo đã hỗ trợ việc mô phỏng chiến tranh trên máy tính.[7]

Triết lý Trí tuệ nhân tạo[sửa | sửa mã nguồn]

Bài chính Triết lý Trí tuệ nhân tạo

TTNT mạnh hay TTNT yếu, đó vẫn là một chủ đề tranh luận nóng hổi của các nhà triết học TTNT. Nó liên quan tới philosophy of mindmind-body problem. Đáng chú ý nhất là Roger Penrose trong tác phẩm The Emperor's New MindJohn Searle với thí nghiệm tư duy trong cuốn Chinese room (Căn phòng tiếng Trung) khẳng định rằng các hệ thống logic hình thức không thể đạt được nhận thức thực sự, trong khi Douglas Hofstadter trong Gödel, Escher, BachDaniel Dennett trong Consciousness Explained ủng hộ thuyết chức năng. Theo quan điểm của nhiều người ủng hộ TTNT mạnh, nhận thức nhân tạo được coi là "chén thánh " của TTNT.

Máy tỏ ra có trí tuệ[sửa | sửa mã nguồn]

Có nhiều ví dụ về các chương trình thể hiện trí thông minh ở một mức độ nào đó. Ví dụ:

  • Twenty Questions - Một trò chơi 20 câu hỏi, trong đó sử dụng mạng neural
  • The Start Project - một chương trình trả lời các câu hỏi bằng tiếng Anh.
  • Brainboost - một hệ thống trả lời câu hỏi khác
  • Cyc, một cơ sở tri thức với rất nhiều kiến thức về thế giới thực và khả năng suy luận logic.
  • Jabberwacky, một chatterbot có khả năng học
  • ALICE, một chatterbot
  • Alan, một chatterbot khác
  • Albert One, chatterbot nhiều mặt
  • ELIZA, một chương trình giả làm bác sĩ tâm lý, phát triển năm 1966
  • PAM (Plan Applier Mechanism) - một hệ thống hiểu được chuyện kể, phát triển bởi John Wilensky năm 1978.
  • SAM (Script applier mechanism) - một hệ thống hiểu được chuyện kể, phát triển năm 1975.
  • SHRDLU - một chương trình hiểu ngôn ngữ tự nhiên, phát triển năm 1968-1970.
  • Creatures, một trò chơi máy tính với các hoạt động nhân giống, tiến hóa các sinh vật từ mức gien trở lên, sử dụng cấu trúc sinh hóa phức tạp và các bộ não là mạng neural.
  • BBC news story on the creator of Creatures latest creation. Steve Grand's Lucy.
  • AARON - chương trình vẽ tranh, phát triển bởi Harold Cohen.
  • Eurisko - một ngôn ngữ giúp giải quyết các bài toán, trong đó có sử dụng các phương pháp heuristics, gồm cả heuristics cho việc sử dụng và thay đổi các phương pháp heuristics. Phát triển năm 1978 bởi Douglas Lenat.
  • X-Ray Vision for Surgeons - một nhóm nghiên cứu xử lý ảnh y học tại đại học MIT.
  • Các chương trình trò chơi backgammon và cờ vây sử dụng mạng neural.
  • Talk to William Shakespeare - William Shakespeare chatbot
  • Chesperito - Một chat/infobot về #windows95 channel trên mang DALnet IRC.
  • Drivatar, một chương trình học cách lái xe đua bằng cách xem các xe đua khác, phát triển cho trò chơi điện tử Forza Motorsport

Các nhà nghiên cứu AI[sửa | sửa mã nguồn]

Trên thế giới có rất nhiều các nhà nghiên cứu trí tuệ nhân tạo làm việc tại hàng trăm viện nghiên cứu và công ty. Dưới đây là một số trong nhiều nhà nghiên cứu đã có đóng góp lớn:

Tác động[sửa | sửa mã nguồn]

Sau khi nhà vật lý học Stephen HawkingElon Musk cảnh báo về mối đe dọa tiềm ẩn của trí tuệ nhân tạo, nhiều người cho rằng họ đã quá lo xa trong khi AI đang giúp ích rất nhiều cho cuộc sống của chúng ta. Stephen Hawking khẳng định “Trí tuệ nhân tạo có thể là dấu chấm hết cho nhân loại khi nó phát triển đến mức hoàn thiện nhất”.[1]

Tác động đầu tiên của trí tuệ nhân tạo mà chúng ta có thể dễ dàng nhận thấy chính là lượng thất nghiệp tăng cao. Nếu AI phát triển hoàn thiện với khả năng thay thế con người trong các công việc trí tuệ như chăm sóc sức khỏe, phục vụ, sản xuất theo dây chuyền tự động, công việc văn phòng... Một chiếc máy tính sẽ có thể giải quyết công việc kế toán của tất cả nhân viên trong một công ty.[1]

Theo Bill Joy, người đồng sáng lập và Giám đốc khoa học của Sun Microsystems: "Có một vấn đề rất lớn đối với xã hội loài người khi AI trở nên phổ biến, đó là chúng ta sẽ bị lệ thuộc. Khi AI trở nên hoàn thiện và thông minh hơn, chúng ta sẽ cho phép mình nghe theo những quyết định của máy móc, vì đơn giản là các cỗ máy luôn đưa ra quyết định chính xác hơn con người."[1]

Theo Andrew Maynard, nhà vật lý và là người giám đốc Trung tâm nghiên cứu rủi ro khoa học tại đại học Michigan: "Khi AI kết hợp với công nghệ nano có thể là bước tiến đột phá của khoa học, những cũng có thể là mối đe dọa lớn nhất đối với con người. Trong khi Bộ quốc phòng Mỹ đang nghiên cứu dự án Autonomous Tactical Robot (EATR), trong đó các robot sẽ sử dụng công nghệ nano để hấp thụ năng lượng bằng những chất hữu cơ có thể là xác người. Đó thực sự là mối đe dọa lớn nhất, khi các robot nano tự tạo ra năng lượng bằng cách ăn các chất hữu cơ từ cây cối và động vật, có thể là cả con người. Nghe có vẻ giống như trong các bộ phim viễn tưởng, nhưng đó là điều hoàn toàn có thể xảy ra. Có lẽ chúng ta nên bắt đầu sợ ngay từ bây giờ."

Tham khảo thêm[sửa | sửa mã nguồn]

Sách khoa học[sửa | sửa mã nguồn]

Dưới đây là danh sách các cuốn sách (tiếng Anh) quan trọng trong ngành. Xem danh sách đầy đủ hơn tại Các ấn phẩm Trí tuệ nhân tạo quan trọng.

Các chủ đề có liên quan[sửa | sửa mã nguồn]

Các bài toán điển hình áp dụng các phương pháp TTNT[sửa | sửa mã nguồn]

Các lĩnh vực khác cài đặt các phương pháp TTNT[sửa | sửa mã nguồn]

Liên kết ngoài[sửa | sửa mã nguồn]

Tổng quan[sửa | sửa mã nguồn]

Các tổ chức liên quan[sửa | sửa mã nguồn]

Chú thích[sửa | sửa mã nguồn]

  1. ^ a ă â b “Các nhà khoa học nói gì về sự nguy hiểm của trí tuệ nhân tạo”. 
  2. ^ “Artificial Intelligence”. 
  3. ^ Problem solving, puzzle solving, game playing and deduction:
  4. ^ Uncertain reasoning:
  5. ^ Intractability and efficiency and the combinatorial explosion:
  6. ^ Psychological evidence of sub-symbolic reasoning:
  7. ^ Nhâp môn Trí Tuệ Nhân Tạo, trang 25, Tiến sĩ Ngô Hữu Phúc, Học viện kĩ thuật quân sự.