Mấy khái niệm cần nắm vững về AI

Nhân có một bạn nhắn tin hỏi về định nghĩa về AI và sự khác biệt giữa các thuật ngữ cơ bản trong trí tuệ nhân tạo, tôi muốn chia sẻ ra đây để các bạn chưa có dịp tìm hiểu lĩnh vực này có thể nắm vững được. Xin nói rõ là mặc dù tôi có văn bằng hai tại Bách Khoa về máy tính, nhưng không phải là chuyên gia, bởi vì tôi hiện đang làm việc ở lĩnh vực khác. Việc tìm hiểu AI xuất phát từ sự tò mò về những công nghệ đang dẫn đầu hiện nay. Do đó, nếu các bạn phát hiện tôi sử dụng từ ngữ chưa chuẩn xác, xin đóng góp và chỉnh sửa giúp tôi.

Trí tuệ nhân tạo (Artificial Intelligence – AI) là khái niệm bao trùm, chỉ việc sử dụng công nghệ máy tính để tạo ra một hệ thống có khả năng mô phỏng các hoạt động trí tuệ của con người, chẳng hạn như học hỏi, suy luận, và phân tích. AI có thể ứng dụng trong rất nhiều lĩnh vực khác nhau, từ y tế, sản xuất, đến giải trí.

Học máy (Machine Learning – ML) là một lĩnh vực con của AI, trong đó máy tính có khả năng tự học mà không cần phải được lập trình chi tiết từng bước. Thay vào đó, máy tính được cung cấp một lượng lớn dữ liệu và từ đó, nó tự động phân tích, nhận diện các quy luật, và đưa ra dự đoán.

Ví dụ: Nếu bạn lặp đi lặp lại một chuỗi hành động theo thứ tự nhất định, máy sẽ ghi nhớ thứ tự đó và dự đoán được hành động tiếp theo của bạn. Nhưng nếu bạn đột ngột thực hiện một hành động khác lạ, máy sẽ nhận diện đó là điều mới mẻ và thêm nó vào cơ sở dữ liệu của mình. Theo thời gian, khi có thêm nhiều dữ liệu, máy sẽ dần dần học được quy luật của sự bất thường đó và có thể dự đoán tốt hơn về các lần sau. Đó chính là cách thuật toán học máy hoạt động – nó rất giỏi trong việc tìm kiếm các mẫu và phát hiện sự lặp lại có quy luật trong dữ liệu. Càng có nhiều dữ liệu, mô hình học máy càng tự tin hơn trong việc dự đoán kết quả.

Học sâu (Deep Learning) là một nhánh khác của học máy, nhưng ở mức độ phức tạp hơn. Ở đây, các nhà khoa học sử dụng mạng nơ-ron (neural networks), mô phỏng cách mà bộ não con người hoạt động. Nó được gọi là “sâu” vì mạng nơ-ron có nhiều lớp, với các tầng kết nối khác nhau.

Điều thú vị ở học sâu là đôi khi chúng ta không hiểu rõ lý do vì sao hệ thống đưa ra một kết quả nhất định, do sự phức tạp của nhiều lớp trong mạng nơ-ron. Tôi cho rằng điều này tương tự như cách não bộ con người hoạt động: với hàng tỷ tế bào thần kinh, những kết quả đưa ra nhiều khi rất khó lý giải hoặc có thể xuất phát từ sự ngẫu nhiên. Ví dụ như giấc mơ của chúng ta đôi khi rất phi logic.

Các mô hình nền tảng (Foundation Models), đặc biệt là mô hình ngôn ngữ lớn (Large Language Models – LLM), đã đạt được bước tiến vượt bậc trong việc dự đoán câu từ tiếp theo, không chỉ là dự đoán từ tiếp theo mà còn có khả năng tạo ra toàn bộ đoạn văn, bài viết hoàn chỉnh. Đây là nền tảng cho nhiều ứng dụng AI tiên tiến hiện nay.

AI tạo sinh (Generative AI) là một lĩnh vực trong AI, nơi các hệ thống AI có thể tạo ra nội dung mới dựa trên dữ liệu sẵn có. Các công nghệ như chatbot hay deep fake đều là những ví dụ nổi bật của AI tạo sinh.

Ví dụ: Chatbot sử dụng mô hình ngôn ngữ để trò chuyện và tương tác với con người, còn deep fake sử dụng công nghệ AI để tạo ra hình ảnh hoặc video giả mạo rất tinh vi.

Hy vọng mấy ý nào mạch lạc và dễ hiểu đủ với các bạn mới tìm hiểu về Ai.