Đây là một bài viết cơ bản. Nhấn vào đây để biết thêm thông tin.

Trí tuệ nhân tạo

Bách khoa toàn thư mở Wikipedia
Buớc tưới chuyển hướng Bước tới tìm kiếm

Trong khoa học máy tính, trí tuệ nhân tạo hay AI (tiếng Anh: Artificial Intelligence), đôi khi được gọi là trí thông minh nhân tạo, là trí thông minh được thể hiện bằng máy móc, trái ngược với trí thông minh tự nhiên được con người thể hiện. Thông thường, thuật ngữ "trí tuệ nhân tạo" thường được sử dụng để mô tả các máy móc (hoặc máy tính) bắt chước các chức năng "nhận thức" mà con người liên kết với tâm trí con người, như "học tập" và "giải quyết vấn đề".[1]

Khi máy móc ngày càng tăng khả năng, các nhiệm vụ được coi là cần "trí thông minh" thường bị loại bỏ khỏi định nghĩa về AI, một hiện tượng được gọi là hiệu ứng AI.[2] Một câu châm ngôn trong Định lý của Tesler nói rằng "AI là bất cứ điều gì chưa được thực hiện."[3] Ví dụ, nhận dạng ký tự quang học thường bị loại trừ khỏi những thứ được coi là AI, đã trở thành một công nghệ thông thường.[4] khả năng máy hiện đại thường được phân loại như AI bao gồm thành công hiểu lời nói của con người,[1] cạnh tranh ở mức cao nhất trong trò chơi chiến lược (chẳng hạn như cờ vuaGo),[5] xe hoạt động độc lập, định tuyến thông minh trong mạng phân phối nội dung, và mô phỏng quân sự.

Trí tuệ nhân tạo có thể được phân thành ba loại hệ thống khác nhau: trí tuệ nhân tạo phân tích, lấy cảm hứng từ con người và nhân tạo.[6] AI phân tích chỉ có các đặc điểm phù hợp với trí tuệ nhận thức; tạo ra một đại diện nhận thức về thế giới và sử dụng học tập dựa trên kinh nghiệm trong quá khứ để thông báo các quyết định trong tương lai. AI lấy cảm hứng từ con người có các yếu tố từ trí tuệ nhận thức và cảm xúc; hiểu cảm xúc của con người, ngoài các yếu tố nhận thức và xem xét chúng trong việc ra quyết định. AI nhân cách hóa cho thấy các đặc điểm của tất cả các loại năng lực (nghĩa là trí tuệ nhận thức, cảm xúc và xã hội), có khả năng tự ý thức và tự nhận thức được trong các tương tác.

Trí tuệ nhân tạo được thành lập như một môn học thuật vào năm 1956, và trong những năm sau đó đã trải qua nhiều làn sóng lạc quan,[7][8] sau đó là sự thất vọng và mất kinh phí (được gọi là " mùa đông AI "),[9][10] tiếp theo là cách tiếp cận mới, thành công và tài trợ mới.[8][11] Trong phần lớn lịch sử của mình, nghiên cứu AI đã được chia thành các trường con thường không liên lạc được với nhau.[12] Các trường con này dựa trên các cân nhắc kỹ thuật, chẳng hạn như các mục tiêu cụ thể (ví dụ: " robot học " hoặc "học máy"),[13] việc sử dụng các công cụ cụ thể ("logic" hoặc mạng lưới thần kinh nhân tạo) hoặc sự khác biệt triết học sâu sắc.[14][15][16] Các ngành con cũng được dựa trên các yếu tố xã hội (các tổ chức cụ thể hoặc công việc của các nhà nghiên cứu cụ thể).[12]

Lĩnh vực này được thành lập dựa trên tuyên bố rằng trí thông minh của con người "có thể được mô tả chính xác đến mức một cỗ máy có thể được chế tạo để mô phỏng nó".[17] Điều này làm dấy lên những tranh luận triết học về bản chất của tâm trí và đạo đức khi tạo ra những sinh vật nhân tạo có trí thông minh giống con người, đó là những vấn đề đã được thần thoại, viễn tưởng và triết học từ thời cổ đại đề cập tới.[18] Một số người cũng coi AI là mối nguy hiểm cho nhân loại nếu tiến triển của nó không suy giảm.[19] Những người khác tin rằng AI, không giống như các cuộc cách mạng công nghệ trước đây, sẽ tạo ra nguy cơ thất nghiệp hàng loạt.[20]

Trong thế kỷ 21, các kỹ thuật AI đã trải qua sự hồi sinh sau những tiến bộ đồng thời về sức mạnh máy tính, dữ liệu lớn và hiểu biết lý thuyết; và kỹ thuật AI đã trở thành một phần thiết yếu của ngành công nghệ, giúp giải quyết nhiều vấn đề thách thức trong học máy, công nghệ phần mềmnghiên cứu vận hành.[11]

Lịch sử[sửa | sửa mã nguồn]

Talos, một máy tự động thần thoại cổ đại với trí tuệ nhân tạo

Tư tưởng có khả năng sinh vật nhân tạo xuất hiện như các thiết bị kể chuyện thời cổ đại,[21] và đã được phổ biến trong tiểu thuyết, như trong Frankenstein của Mary Shelley hay RUR (máy toàn năng Rossum) của Karel Capek.[22] Những nhân vật này và số phận của họ nêu ra nhiều vấn đề tương tự hiện đang được thảo luận trong đạo đức của trí tuệ nhân tạo.[18]

Nghiên cứu về lý trí cơ học hoặc "chính thức" bắt đầu với các nhà triết học và toán học thời cổ đại. Nghiên cứu về logic toán học đã dẫn trực tiếp đến lý thuyết tính toán của Alan Turing, người cho rằng một cỗ máy, bằng cách xáo trộn các ký hiệu đơn giản như "0" và "1", có thể mô phỏng bất kỳ hành động suy luận toán học nào có thể hiểu được. Tầm nhìn sâu sắc này, cho thấy máy tính kỹ thuật số có thể mô phỏng bất kỳ quá trình suy luận hình thức nào, đã được gọi là luận án Church-Turing.[23] Cùng với những khám phá đồng thời về sinh học thần kinh, lý thuyết thông tinđiều khiển học, điều này khiến các nhà nghiên cứu cân nhắc khả năng xây dựng bộ não điện tử. Turing đã đề xuất rằng "nếu một con người không thể phân biệt giữa các phản hồi từ một máy và một con người, máy tính có thể được coi là 'thông minh'.[24] Công việc đầu tiên mà bây giờ được công nhận là trí tuệ nhân tạo là thiết kế hình thức "tế bào thần kinh nhân tạo" do McCullouch và Pitts đưa ra năm 1943.[1]

Lĩnh vực nghiên cứu AI được ra đời tại một hội thảo tại Đại học Dartmouth năm 1956.[25] Những người tham dự Allen Newell (CMU), Herbert Simon (CMU), John McCarthy (MIT), Marvin Minsky (MIT) và Arthur Samuel (IBM) đã trở thành những người sáng lập và lãnh đạo nghiên cứu AI.[26] Họ và các sinh viên của họ đã tạo ra các chương trình mà báo chí mô tả là "đáng kinh ngạc":[27] máy tính đang học chiến lược kiểm tra (c. 1954)[28] (và đến năm 1959 được cho là chơi tốt hơn người bình thường),[29] giải từ các vấn đề về đại số, chứng minh các định lý logic (Lý thuyết logic, lần chạy đầu tiên vào năm 1956) và nói tiếng Anh.[30] Đến giữa thập niên 1960, nghiên cứu ở Mỹ được Bộ Quốc phòng tài trợ rất nhiều[31] và các phòng thí nghiệm đã được thành lập trên khắp thế giới.[32] Những người sáng lập AI rất lạc quan về tương lai: Herbert Simon dự đoán, "máy móc sẽ có khả năng, trong vòng hai mươi năm nữa, làm bất kỳ công việc nào mà một người có thể làm". Marvin Minsky đồng ý, viết, "trong một thế hệ  ... Vấn đề tạo ra 'trí tuệ nhân tạo' về cơ bản sẽ được giải quyết ".[7]

Họ đã không nhận ra độ khó của một số nhiệm vụ còn lại. Tiến độ chậm lại và vào năm 1974, để đáp lại sự chỉ trích của Sir James Lighthill[33] và áp lực liên tục từ Quốc hội Hoa Kỳ để tài trợ cho các dự án năng suất cao hơn, cả chính phủ Hoa Kỳ và Anh đều dừng nghiên cứu khám phá về AI. Vài năm sau đó sẽ được gọi là " mùa đông AI ",[9] giai đoạn mà việc kiếm được tài trợ cho các dự án AI là khó khăn.

Đầu những năm 1980, nghiên cứu AI đã được hồi sinh nhờ thành công thương mại của các hệ chuyên gia,[34] một dạng chương trình AI mô phỏng kiến thức và kỹ năng phân tích của các chuyên gia về con người. Đến năm 1985, thị trường cho AI đã đạt hơn một tỷ đô la. Đồng thời, dự án máy tính thế hệ thứ năm của Nhật Bản đã truyền cảm hứng cho chính phủ Hoa Kỳ và Anh khôi phục tài trợ cho nghiên cứu học thuật.[8] Tuy nhiên, bắt đầu với sự sụp đổ của thị trường Máy Lisp vào năm 1987, AI một lần nữa rơi vào tình trạng khó khăn, và một sự gián đoạn thứ hai, kéo dài hơn đã bắt đầu.[10]

Vào cuối những năm 1990 và đầu thế kỷ 21, AI bắt đầu được sử dụng cho hậu cần, khai thác dữ liệu, chẩn đoán y tế và các lĩnh vực khác.[35] Thành công là nhờ sức mạnh tính toán ngày càng tăng (xem định luật Moore), nhấn mạnh hơn vào việc giải quyết các vấn đề cụ thể, mối quan hệ mới giữa AI và các lĩnh vực khác (như thống kê, kinh tếtoán học) và cam kết của các nhà nghiên cứu về phương pháp toán học và tiêu chuẩn khoa học.[36] Deep Blue trở thành hệ thống chơi cờ trên máy tính đầu tiên đánh bại một nhà đương kim vô địch cờ vua thế giới, Garry Kasparov, vào ngày 11 tháng 5 năm 1997.[37]

Năm 2011, tại một chương trình truyền hình thi đấu trả lời câu hỏi biểu diễn Jeopardy!, hệ thống trả lời câu hỏi của IBM, Watson, đã đánh bại hai nhà vô địch Brad Rutter và Ken Jennings, với tỷ số chênh lệch đáng kể.[38] Máy tính nhanh hơn, cải tiến thuật toán và truy cập vào lượng lớn dữ liệu cho phép có được các tiến bộ trong học tập và nhận thức máy; phương pháp học sâu vốn đói dữ liệu bắt đầu thống trị các thử nghiệm liên quan đến độ chính xác vào khoảng năm 2012.[39] Kinect, cung cấp giao diện chuyển động cơ thể 3D cho Xbox 360Xbox One, sử dụng các thuật toán xuất hiện từ nghiên cứu AI dài[40] cũng như trợ lý cá nhân thông minh trong điện thoại thông minh.[41] Vào tháng 3 năm 2016, AlphaGo đã thắng 4 trên 5 trận đấu cờ vây trong trận đấu với nhà vô địch cờ vây Lee Sedol, trở thành hệ thống chơi cờ vây trên máy tính đầu tiên đánh bại một người chơi cờ vây chuyên nghiệp mà không cần chấp quân.[5][42] Trong Hội nghị Tương lai 2017, AlphaGo đã giành chiến thắng trong một trận đấu ba ván với Kha Khiết,[43] kỳ thủ lúc đó liên tục giữ vị trí số 1 thế giới trong hai năm.[44][45] Điều này đánh dấu sự hoàn thành một cột mốc quan trọng trong sự phát triển của trí tuệ nhân tạo vì cờ vây là một trò chơi tương đối phức tạp, hơn cả cờ vua.

Theo Jack Clark của Bloomberg, năm 2015 là một năm mang tính bước ngoặt đối với trí tuệ nhân tạo, với số lượng dự án phần mềm sử dụng AI Google đã tăng từ "sử dụng lẻ tẻ" vào năm 2012 lên hơn 2.700 dự án. Clark cũng trình bày dữ liệu thực tế cho thấy những cải tiến của AI kể từ năm 2012 được hỗ trợ bởi tỷ lệ lỗi thấp hơn trong các tác vụ xử lý hình ảnh.[46] Ông cho rằng sự gia tăng các mạng thần kinh giá cả phải chăng, do sự gia tăng cơ sở hạ tầng điện toán đám mây và sự gia tăng các công cụ nghiên cứu và bộ dữ liệu.[11] Các ví dụ được trích dẫn khác bao gồm sự phát triển hệ thống Skype của Microsoft có thể tự động dịch từ ngôn ngữ này sang ngôn ngữ khác và hệ thống của Facebook có thể mô tả hình ảnh cho người mù.[46] Trong một cuộc khảo sát năm 2017, một trong năm công ty báo cáo rằng họ đã "kết hợp AI trong một số dịch vụ hoặc quy trình".[47][48] Khoảng năm 2016, Trung Quốc đã tăng tốc rất nhiều tài trợ của chính phủ; với nguồn cung cấp dữ liệu lớn và sản lượng nghiên cứu tăng nhanh, một số nhà quan sát tin rằng nó có thể đang trên đà trở thành một "siêu cường AI".[49][50] Tuy nhiên, người ta đã thừa nhận rằng các báo cáo liên quan đến trí tuệ nhân tạo có xu hướng bị phóng đại.[51][52][53]

Các định nghĩa[sửa | sửa mã nguồn]

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.[54]
  • 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.cg

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 thú 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 logistic. 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 chắc 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 kiệt 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.[55] 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.[56]

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.[57]

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.[58] 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: Trí tuê nhân tạo truyền thống và trí tuệ tính toán.

Trí tuê nhân tạo 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 Trí tuê nhân tạo biểu tượng, Trí tuê nhân tạo logic, Trí tuê nhân tạo ngăn nắp (neat AI) và Trí tuê nhân tạo 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, Trí tuê nhân tạo 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 Trí tuê nhân tạo, vì Trí tuê nhân tạo 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 Trí tuê nhân tạo. 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 Trí tuê nhân tạo 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 Trí tuê nhân tạo 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 Trí tuê nhân tạo 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.[59]

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

Bài chính Triết lý Trí tuệ nhân tạo

Trí tuê nhân tạo mạnh hay Trí tuê nhân tạo yếu, đó vẫn là một chủ đề tranh luận nóng hổi của các nhà triết học Trí tuê nhân tạo. 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 Trí tuê nhân tạo mạnh, nhận thức nhân tạo được coi là "chén thánh " của Trí tuê nhân tạo.

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”.[46]

Tác động đầu tiên của trí tuệ nhân tạo mà chúng ta có thể dễ dàng nhận thấy chính là tỷ lệ thất nghiệp tăng cao. Nếu AI phát triển hoàn thiện, nó có 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....[46] Hoặc cũng có thể vấn đề thất nghiệp sẽ được AI giải quyết một cách mà chúng ta không thể hình dung được.

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."[46]

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 Trí tuê nhân tạo[sửa | sửa mã nguồn]

Các lĩnh vực khác cài đặt các phương pháp Trí tuê nhân tạo[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]

Tham khảo[sửa | sửa mã nguồn]

  1. ^ a ă â Russell & Norvig 2009.
  2. ^ McCorduck 2004
  3. ^ Maloof, Mark. “Artificial Intelligence: An Introduction, p. 37” (PDF). georgetown.edu. 
  4. ^ Schank, Roger C. (1991). “Where's the AI”. AI magazine 12 (4): 38. 
  5. ^ a ă “AlphaGo – Google DeepMind”. Bản gốc lưu trữ ngày 10 tháng 3 năm 2016. 
  6. ^ Kaplan Andreas; Michael Haenlein (2018) Siri, Siri in my Hand, who's the Fairest in the Land? On the Interpretations, Illustrations and Implications of Artificial Intelligence, Business Horizons, 62(1)
  7. ^ a ă Optimism of early AI:
  8. ^ a ă â Boom of the 1980s: rise of expert systems, Fifth Generation Project, Alvey, MCC, SCI:
  9. ^ a ă First AI Winter, Mansfield Amendment, Lighthill report
  10. ^ a ă Second AI winter:
  11. ^ a ă â AI becomes hugely successful in the early 21st century
  12. ^ a ă Pamela McCorduck (2004, pp. 424) writes of "the rough shattering of AI in subfields—vision, natural language, decision theory, genetic algorithms, robotics ... and these with own sub-subfield—that would hardly have anything to say to each other."
  13. ^ This list of intelligent traits is based on the topics covered by the major AI textbooks, including:
  14. ^ Biological intelligence vs. intelligence in general:
  15. ^ Neats vs. scruffies:
  16. ^ Symbolic vs. sub-symbolic AI:
  17. ^ See the Dartmouth proposal, under Philosophy, below.
  18. ^ a ă This is a central idea of Pamela McCorduck's Machines Who Think. She writes: "I like to think of artificial intelligence as the scientific apotheosis of a venerable cultural tradition." (McCorduck 2004, p. 34) "Artificial intelligence in one form or another is an idea that has pervaded Western intellectual history, a dream in urgent need of being realized." (McCorduck 2004, p. xviii) "Our history is full of attempts—nutty, eerie, comical, earnest, legendary and real—to make artificial intelligences, to reproduce what is the essential us—bypassing the ordinary means. Back and forth between myth and reality, our imaginations supplying what our workshops couldn't, we have engaged for a long time in this odd form of self-reproduction." (McCorduck 2004, p. 3) She traces the desire back to its Hellenistic roots and calls it the urge to "forge the Gods." (McCorduck 2004, pp. 340–400)
  19. ^ “Stephen Hawking believes AI could be mankind's last accomplishment”. BetaNews. 21 tháng 10 năm 2016. Bản gốc lưu trữ ngày 28 tháng 8 năm 2017. 
  20. ^ Ford, Martin; Colvin, Geoff (6 tháng 9 năm 2015). “Will robots create more jobs than they destroy?”. The Guardian. Truy cập ngày 13 tháng 1 năm 2018. 
  21. ^ AI in myth:
  22. ^ AI in early science fiction.
  23. ^ Formal reasoning:
  24. ^ “Artificial Intelligence”. Encyclopedia of Emerging Industries (bằng tiếng Anh). 30 tháng 11 năm 2010. Truy cập ngày 23 tháng 7 năm 2019. 
  25. ^ Dartmouth conference:
  26. ^ Hegemony of the Dartmouth conference attendees:
  27. ^ Russell & Norvig 2003.
  28. ^ Schaeffer J. (2009) Didn't Samuel Solve That Game?. In: One Jump Ahead. Springer, Boston, MA
  29. ^ Samuel, A. L. (tháng 7 năm 1959). “Some Studies in Machine Learning Using the Game of Checkers”. IBM Journal of Research and Development 3 (3): 210–229. doi:10.1147/rd.33.0210.  Đã bỏ qua tham số không rõ |citeseerx= (trợ giúp)
  30. ^ "Golden years" of AI (successful symbolic reasoning programs 1956–1973):
  31. ^ DARPA pours money into undirected pure research into AI during the 1960s:
  32. ^ AI in England:
  33. ^ Lighthill 1973.
  34. ^ Expert systems:
  35. ^ AI applications widely used behind the scenes:
  36. ^ Formal methods are now preferred ("Victory of the neats"):
  37. ^ McCorduck 2004.
  38. ^ Markoff 2011.
  39. ^ “Ask the AI experts: What's driving today's progress in AI?”. McKinsey & Company (bằng tiếng Anh). Truy cập ngày 13 tháng 4 năm 2018. 
  40. ^ Administrator. “Kinect's AI breakthrough explained”. i-programmer.info. Bản gốc lưu trữ ngày 1 tháng 2 năm 2016. 
  41. ^ Rowinski, Dan (15 tháng 1 năm 2013). “Virtual Personal Assistants & The Future Of Your Smartphone [Infographic]”. ReadWrite. Bản gốc lưu trữ ngày 22 tháng 12 năm 2015. 
  42. ^ “Artificial intelligence: Google's AlphaGo beats Go master Lee Se-dol”. BBC News. 12 tháng 3 năm 2016. Bản gốc lưu trữ ngày 26 tháng 8 năm 2016. Truy cập ngày 1 tháng 10 năm 2016. 
  43. ^ “After Win in China, AlphaGo's Designers Explore New AI”. Wired. 27 tháng 5 năm 2017. Bản gốc lưu trữ ngày 2 tháng 6 năm 2017. 
  44. ^ “World's Go Player Ratings”. Tháng 5 năm 2017. Bản gốc lưu trữ ngày 1 tháng 4 năm 2017. 
  45. ^ “柯洁迎19岁生日 雄踞人类世界排名第一已两年” (bằng tiếng Trung Quốc). Tháng 5 năm 2017. Bản gốc lưu trữ ngày 11 tháng 8 năm 2017. 
  46. ^ a ă â b c Clark, Jack (8 tháng 12 năm 2015). “Why 2015 Was a Breakthrough Year in Artificial Intelligence”. Bloomberg News. Bản gốc lưu trữ ngày 23 tháng 11 năm 2016. Truy cập ngày 23 tháng 11 năm 2016. After a half-decade of quiet breakthroughs in artificial intelligence, 2015 has been a landmark year. Computers are smarter and learning faster than ever.  Lỗi chú thích: Thẻ <ref> không hợp lệ: tên “:0” được định rõ nhiều lần, mỗi lần có nội dung khác
  47. ^ “Reshaping Business With Artificial Intelligence”. MIT Sloan Management Review (bằng tiếng Anh). Truy cập ngày 2 tháng 5 năm 2018. 
  48. ^ Lorica, Ben (18 tháng 12 năm 2017). “The state of AI adoption”. O'Reilly Media (bằng tiếng Anh). Truy cập ngày 2 tháng 5 năm 2018. 
  49. ^ Allen, Gregory (6 tháng 2 năm 2019). “Understanding China's AI Strategy”. Center for a New American Security. 
  50. ^ “Review | How two AI superpowers – the U.S. and China – battle for supremacy in the field”. Washington Post (bằng tiếng Anh). 2 tháng 11 năm 2018. Truy cập ngày 4 tháng 11 năm 2018. 
  51. ^ at 10:11, Alistair Dabbs 22 Feb 2019. “Artificial Intelligence: You know it isn't real, yeah?”. www.theregister.co.uk. 
  52. ^ “Stop Calling it Artificial Intelligence”. 
  53. ^ “AI isn't taking over the world – it doesn't exist yet”. GBG Global website. 
  54. ^ “Artificial Intelligence”. 
  55. ^ Problem solving, puzzle solving, game playing and deduction:
  56. ^ Uncertain reasoning:
  57. ^ Intractability and efficiency and the combinatorial explosion:
  58. ^ Psychological evidence of sub-symbolic reasoning:
  59. ^ Nhâp môn Trí Tuệ Nhân Tạo, trang 25, Tiến sĩ Ngô Hữu Phúc, Học viện kĩ thuật quân sự.