Trí tuệ nhân tạo (AI), học máy, học sâu và AI tạo sinh là bốn khái niệm lồng vào nhau như bốn vòng tròn, vòng sau nằm trong vòng trước. AI là vòng ngoài cùng, gồm mọi cách làm cho máy làm việc cần trí thông minh. Học máy là một phần của AI, nơi máy tự học từ dữ liệu. Học sâu là một phần của học máy, dùng mạng nơ-ron nhiều lớp. AI tạo sinh, thứ đứng sau chatbot và công cụ vẽ ảnh, hiện nay phần lớn được xây trên học sâu.
Lý do bốn chữ này hay bị dùng lẫn là vì vòng trong cùng đang được chú ý nhất, nên người ta gọi nó bằng tên của vòng ngoài. Khi một bài báo viết "AI viết văn", chữ AI ở đó thật ra chỉ một mô hình ngôn ngữ lớn, tức là một trường hợp rất cụ thể bên trong cả lĩnh vực. Bài này sắp xếp lại các chữ, đi qua một ví dụ làm cùng một việc bằng bốn cách, và đưa ra ba câu hỏi để bạn tự xếp một sản phẩm vào đúng chỗ.
Bốn vòng tròn: chữ nào nằm trong chữ nào
Vòng ngoài cùng: trí tuệ nhân tạo. Đây là tên của cả lĩnh vực, có từ năm 1956. Nó gồm cả những kỹ thuật không học gì từ dữ liệu: chương trình tìm đường đi trên bản đồ, chương trình chơi cờ dựa trên tính trước nhiều nước đi, hệ chuyên gia gồm hàng nghìn quy tắc "nếu – thì" do người viết. Những thứ này vẫn được dạy trong giáo trình AI và vẫn được dùng.
Vòng thứ hai: học máy. Đây là phần của AI mà máy tự rút quy luật từ ví dụ, thay vì để người viết quy tắc. Bên trong vòng này có rất nhiều phương pháp: cây quyết định, hồi quy, các kỹ thuật gom nhóm, và cả mạng nơ-ron. Phần lớn ứng dụng AI trong kinh doanh trước năm 2012 nằm ở vòng này mà không cần tới học sâu.
Vòng thứ ba: học sâu. Đây là phần của học máy dùng mạng nơ-ron có nhiều lớp. Học sâu nổi lên vì làm rất tốt với dữ liệu thô như ảnh, âm thanh, chữ viết, những thứ mà các phương pháp học máy trước đó cần kỹ sư tự mô tả đặc điểm.
Vòng trong cùng: AI tạo sinh. Đây là nhóm mô hình được huấn luyện để tạo ra nội dung mới. Các mô hình tạo sinh mạnh hiện nay hầu hết là mô hình học sâu, nên vẽ vòng này nằm trong vòng học sâu là cách hình dung gần đúng. Nói chặt chẽ thì cũng có những mô hình tạo sinh đơn giản không dùng học sâu, và học sâu cũng làm rất nhiều việc không phải tạo sinh như nhận diện khuôn mặt. Hình ảnh bốn vòng tròn là để nhớ, không phải định nghĩa toán học.
Bảng so sánh nhanh bốn khái niệm
Bảng dưới đặt bốn khái niệm cạnh nhau theo cùng các tiêu chí. Ví dụ trong bảng là loại việc chung, không chỉ sản phẩm của hãng nào:
| Trí tuệ nhân tạo | Học máy | Học sâu | AI tạo sinh | |
|---|---|---|---|---|
| Là gì | Cả lĩnh vực | Một nhánh của AI | Một nhánh của học máy | Một nhóm mô hình, chủ yếu dùng học sâu |
| Có từ khi nào | Giữa thập niên 1950 | Cuối thập niên 1950 đã có thuật ngữ | Ý tưởng từ lâu, thành chủ đạo sau 2012 | Có từ lâu, phổ biến rộng từ khoảng 2022 |
| Có cần dữ liệu để học không | Không bắt buộc | Có | Có, thường rất nhiều | Có, thường cực kỳ nhiều |
| Đầu ra điển hình | Một hành động, một quyết định | Một nhãn hoặc một con số | Nhãn, con số, hoặc nội dung | Văn bản, ảnh, âm thanh, video mới |
| Ví dụ | Tìm đường đi ngắn nhất | Dự báo lượng hàng bán tuần sau | Mở khoá bằng khuôn mặt | Chatbot viết thư, công cụ vẽ ảnh |
Một cách đọc bảng hữu ích: càng đi về bên phải, hệ thống càng cần nhiều dữ liệu và sức tính toán, càng làm được những việc linh hoạt, nhưng cũng càng khó giải thích vì sao nó ra kết quả như vậy. Không có cột nào "tốt hơn" cột nào; mỗi việc hợp với một cách làm.
Một việc, bốn cách làm: chọn quả thanh long đạt chuẩn đóng thùng
Cách của AI viết quy tắc. Một xưởng đóng gói đặt cân và cảm biến màu ở băng chuyền, kỹ sư viết luật: quả nặng trên mức quy định, vỏ đỏ đều trên một tỉ lệ nhất định, tai xanh còn tươi thì cho vào thùng loại một. Đây là AI theo nghĩa rộng nhất, không học từ dữ liệu. Chạy ổn khi tiêu chí rõ ràng, nhưng gặp quả có vết xước lạ thì luật không bắt được.
Cách của học máy truyền thống. Xưởng ghi lại vài nghìn quả đã được công nhân lành nghề phân loại, kèm các số đo như cân nặng, độ đỏ, chiều dài, số tai. Một mô hình học máy học từ bảng số đó để đoán loại của quả mới. Mô hình bắt được những kết hợp mà luật viết tay bỏ sót, nhưng vẫn phụ thuộc vào việc kỹ sư chọn đo những gì.
Cách của học sâu. Xưởng đặt camera chụp từng quả, lưu ảnh kèm kết quả phân loại của công nhân. Một mạng nơ-ron học thẳng từ ảnh, tự phát hiện vết thâm, vết côn trùng, hình dạng méo mà không cần ai mô tả trước. Đổi lại, xưởng cần nhiều ảnh hơn, máy mạnh hơn, và khó giải thích vì sao một quả bị loại.
Chỗ của AI tạo sinh. AI tạo sinh không phải công cụ hợp nhất để phân loại thanh long. Nhưng nó có thể giúp ở khâu khác: soạn nháp mô tả sản phẩm cho từng loại quả, tóm tắt báo cáo chất lượng cuối ngày, trả lời câu hỏi của khách nước ngoài bằng tiếng Anh. Một số nhóm nghiên cứu còn dùng mô hình tạo sinh để tạo thêm ảnh minh hoạ cho những lỗi hiếm, giúp mạng phân loại học tốt hơn, nhưng đó là kỹ thuật phải kiểm tra rất kỹ.
Bài học từ ví dụ. Cùng một xưởng có thể dùng cả bốn cách ở bốn khâu khác nhau. Khi ai đó nói "xưởng này dùng AI", câu đó đúng nhưng gần như không cho bạn biết gì. Câu hỏi đáng hỏi là: dùng ở khâu nào, theo cách nào, sai thì ai phát hiện. Ví dụ xưởng ở trên là ví dụ giả định để minh hoạ.
Những chữ hay đi kèm và dễ nhầm
Ngoài bốn khái niệm chính, khi đọc về AI bạn sẽ gặp thêm một loạt chữ khác. Mỗi chữ dưới đây được giải thích bằng một câu, để bạn biết nó đứng ở đâu trong bức tranh:
- Thuật toán: cách làm, tức là trình tự các bước. "Thuật toán học" là cách máy điều chỉnh mình từ dữ liệu. Thuật toán giống công thức nấu ăn.
- Mô hình: kết quả sau khi thuật toán học xong trên dữ liệu, gồm cấu trúc và các con số đã được điều chỉnh. Mô hình giống món ăn đã nấu xong theo công thức với nguyên liệu cụ thể.
- Mô hình ngôn ngữ lớn: một loại mô hình học sâu tạo sinh, chuyên về văn bản, được huấn luyện trên lượng chữ rất lớn. Đây là "bộ não" bên trong các chatbot.
- Chatbot: sản phẩm cho người dùng trò chuyện, thường bọc một mô hình ngôn ngữ lớn bên trong cộng với giao diện, bộ lọc an toàn, có thể thêm tìm kiếm web và các công cụ khác. Cùng một mô hình có thể nằm trong nhiều sản phẩm khác nhau.
- Mô hình nền tảng: cách gọi những mô hình lớn được huấn luyện chung trên dữ liệu rộng, sau đó được điều chỉnh cho nhiều việc cụ thể khác nhau.
- Khoa học dữ liệu: ngành rộng hơn học máy về phía phân tích, gồm thu thập, làm sạch, thống kê, trực quan hoá dữ liệu. Nhà khoa học dữ liệu có thể dùng học máy, cũng có thể chỉ dùng thống kê.
- Tác tử AI: hệ thống dùng mô hình để tự lên kế hoạch và thực hiện nhiều bước, có thể dùng công cụ như tìm web, đọc tệp. Khái niệm này được giải thích riêng ở danh mục tác tử AI của trang.
Mẹo nhớ: thuật toán là công thức, mô hình là món đã nấu, sản phẩm là cả bữa ăn được bưng ra bàn kèm bát đũa. Khi một chatbot trả lời sai, lỗi có thể nằm ở mô hình, ở dữ liệu nó tìm được, hay ở cách sản phẩm được thiết kế.
Vì sao báo chí và quảng cáo dùng lẫn, và nên đọc thế nào
Dùng chữ "AI" cho mọi thứ không hẳn là sai, vì về mặt định nghĩa thì học máy, học sâu hay AI tạo sinh đều thuộc AI. Vấn đề là chữ rộng quá thì người đọc không biết hệ thống thật sự làm gì. Một tin "ngân hàng ứng dụng AI" có thể đang nhắc tới bộ quy tắc phát hiện giao dịch lạ có từ lâu, về mô hình học máy chấm điểm hồ sơ, hay về chatbot trả lời khách. Ba thứ có rủi ro rất khác nhau.
Ngược lại, có lúc chữ cụ thể bị dùng sai chỗ để nghe hiện đại hơn. Một phần mềm chỉ có vài quy tắc lọc đơn giản được giới thiệu là "ứng dụng học sâu", hay một tính năng tự động hoá bình thường được gọi là "AI tạo sinh". Bạn không cần bắt bẻ từng chữ, nhưng nên hỏi một câu đơn giản: nó học từ dữ liệu nào, và nó tạo ra cái gì.
Khi đọc tin, có thể tự dịch lại theo bốn vòng: tin này nói về cả lĩnh vực, hay về một kiểu mô hình, hay về một sản phẩm cụ thể. Câu "AI vượt qua bác sĩ" đọc lại thành "một mô hình học sâu, trên một bộ ảnh cụ thể, cho kết quả tốt hơn một nhóm bác sĩ trong một nhiệm vụ cụ thể" sẽ bớt giật mình hơn nhiều. Cách đọc tin về AI cho tỉnh táo được bàn kỹ ở một danh mục riêng của trang.
Ba câu hỏi để tự xếp một sản phẩm vào đúng vòng
Gặp một sản phẩm hay một tin có chữ AI, bạn có thể đi qua ba câu hỏi theo thứ tự này. Không cần biết kỹ thuật, chỉ cần đọc kỹ phần giới thiệu hoặc hỏi người bán:
- Nó có học từ dữ liệu không? Nếu nó chỉ làm theo các bước cố định do người viết, thì nó nằm ở vòng ngoài cùng, AI theo nghĩa rộng hoặc thậm chí chỉ là tự động hoá bình thường. Nếu nó được huấn luyện trên dữ liệu, chuyển sang câu hai.
- Nó làm việc với dữ liệu thô như ảnh, giọng nói, văn bản tự do hay với bảng số? Làm việc với dữ liệu thô thì nhiều khả năng là học sâu. Làm với bảng số có cột rõ ràng thì có thể là học máy truyền thống, cũng có thể là học sâu.
- Nó tạo ra nội dung mới hay chỉ gắn nhãn, chấm điểm? Nếu đầu ra là đoạn văn, bức ảnh, giọng nói mới thì đó là AI tạo sinh. Nếu đầu ra là "đạt / không đạt", "rủi ro cao / thấp", một con số dự báo, thì đó là mô hình phân loại hoặc dự đoán.
Ba câu này không cho bạn biết sản phẩm tốt hay dở, nhưng cho bạn biết nên lo về điều gì. Mô hình phân loại thì lo nhãn sai và thiên lệch; AI tạo sinh thì lo nội dung bịa và rò rỉ dữ liệu bạn nhập vào. Biết đúng loại là biết đúng câu hỏi kiểm tra.
Câu hỏi thường gặp
Mọi AI hiện nay đều là học sâu phải không?
Không. Rất nhiều hệ thống đang chạy trong doanh nghiệp, ngân hàng, bán lẻ dùng học máy truyền thống hoặc thậm chí quy tắc viết tay, vì chúng đủ tốt, rẻ hơn và dễ giải thích. Học sâu chiếm ưu thế ở ảnh, âm thanh, ngôn ngữ, nhưng không phải lựa chọn mặc định cho mọi bài toán.
Mô hình ngôn ngữ lớn và AI tạo sinh khác nhau thế nào?
Mô hình ngôn ngữ lớn là một loại AI tạo sinh chuyên về chữ. AI tạo sinh rộng hơn, gồm cả mô hình tạo ảnh, tạo âm thanh, tạo video. Nhiều mô hình mới có thể xử lý cả chữ lẫn ảnh, âm thanh, khi đó người ta gọi là mô hình đa phương thức.
Khoa học dữ liệu có phải là AI không?
Hai lĩnh vực giao nhau nhưng không trùng. Khoa học dữ liệu tập trung vào rút hiểu biết từ dữ liệu, có thể dùng thống kê đơn thuần mà không cần học máy. AI tập trung vào làm cho máy thực hiện nhiệm vụ. Học máy là vùng chung mà cả hai bên đều dùng nhiều.
Robot hút bụi có phải là AI không?
Tuỳ đời máy. Loại đơn giản đi theo quy tắc va chạm thì đổi hướng, gần với tự động hoá. Loại có camera nhận ra vật cản, dây điện, có bản đồ nhà tự lập thường dùng học máy hoặc học sâu cho phần nhận dạng. Nên đọc mô tả cụ thể thay vì chỉ nhìn chữ AI trên hộp.
Có cần nhớ hết các thuật ngữ này không?
Không cần nhớ chính xác như định nghĩa trong sách. Điều có ích nhất là nắm được hình ảnh lồng nhau: AI rộng nhất, học máy là học từ dữ liệu, học sâu là học bằng mạng nhiều lớp, tạo sinh là sinh ra nội dung mới. Chừng đó đủ để đọc tin và hỏi đúng câu khi chọn sản phẩm.
Chatbot có phải là một mô hình không?
Chatbot là sản phẩm, còn mô hình là phần lõi bên trong. Ngoài mô hình, chatbot thường có thêm giao diện, các lớp lọc nội dung, chức năng tìm kiếm, bộ nhớ hội thoại và các công cụ khác. Vì vậy hai chatbot dùng cùng loại mô hình vẫn có thể trả lời khác nhau.