Trí tuệ nhân tạo (AI, viết tắt của artificial intelligence) là tên gọi chung cho những chương trình máy tính làm được các việc mà trước đây ta nghĩ phải có trí thông minh của con người mới làm nổi: nhận ra khuôn mặt trong ảnh, hiểu câu nói, dịch từ tiếng này sang tiếng khác, chơi cờ, gợi ý đường đi tránh tắc, viết một đoạn văn trôi chảy. AI không phải một cỗ máy cụ thể hay một con robot; nó là một lĩnh vực nghiên cứu và một họ kỹ thuật rất rộng.
Điểm cần nắm ngay từ đầu: AI hiện nay không "nghĩ" theo cách con người nghĩ. Phần lớn hệ thống AI đang dùng là những cỗ máy tìm quy luật trong một lượng ví dụ khổng lồ, rồi dùng quy luật đó để đoán. Đoán rất giỏi trong phạm vi đã học, đoán sai một cách khó lường khi ra ngoài phạm vi ấy.
Phần dưới đi lần lượt: AI được định nghĩa thế nào, hai con đường chính để làm ra AI, một ví dụ đi trọn từ đầu đến cuối, bảng việc AI làm tốt và làm kém, những hiểu lầm phổ biến, và mức hiểu nào là đủ để bạn dùng AI và bàn chuyện AI cho tỉnh táo.
AI được định nghĩa thế nào
Không có một định nghĩa duy nhất được mọi người chấp nhận, và điều đó không phải do giới khoa học lười thống nhất. Chữ "trí tuệ" vốn đã khó định nghĩa ngay cả với con người: trí nhớ tốt có phải trí tuệ không, khéo tay có phải không, hiểu ý người khác có phải không. Vì vậy các nhà nghiên cứu thường định nghĩa AI theo việc nó làm, chứ không theo việc nó "là" gì bên trong.
Cách nói thực dụng hay gặp nhất: AI là ngành làm cho máy tính thực hiện được những nhiệm vụ mà nếu con người làm thì ta nói người đó cần dùng trí óc. Định nghĩa này có từ buổi đầu của ngành. Bản đề xuất hội thảo mùa hè năm 1956 ở Đại học Dartmouth (Mỹ), nơi cái tên "artificial intelligence" lần đầu được dùng chính thức, đặt mục tiêu tìm cách để máy dùng ngôn ngữ, hình thành khái niệm, giải các bài toán vốn dành cho con người và tự cải thiện.
Một cách nhìn khác, phổ biến trong sách giáo khoa đại học, coi AI là việc xây dựng các "tác nhân" biết cảm nhận môi trường và chọn hành động để đạt mục tiêu. Theo cách nhìn này, bộ điều khiển máy điều hoà biết tự chỉnh nhiệt độ theo thói quen người dùng, chương trình chơi cờ, hay xe tự hành đều là AI ở những mức độ rất khác nhau.
Với người không học kỹ thuật, định nghĩa dễ dùng nhất là: AI là phần mềm học được cách làm một việc từ dữ liệu hoặc từ quy tắc, rồi làm việc đó trên những trường hợp mới mà nó chưa gặp. Chữ quan trọng là "trường hợp mới". Máy tính bỏ túi làm phép nhân rất nhanh nhưng không ai gọi là AI, vì mọi bước đều được lập trình sẵn và không có gì phải đoán.
Hai con đường làm ra AI: viết luật bằng tay và cho máy học từ ví dụ
Con đường thứ nhất là viết quy tắc. Người lập trình ngồi cùng chuyên gia, ghi lại hiểu biết thành hàng trăm, hàng nghìn câu "nếu thế này thì làm thế kia". Ví dụ một chương trình chẩn đoán lỗi máy in có thể có quy tắc: nếu đèn đỏ nhấp nháy và giấy không kéo vào thì kiểm tra khay giấy. Những "hệ chuyên gia" kiểu này từng rất thịnh hành trong thập niên 1980. Ưu điểm là giải thích được từng bước. Nhược điểm là thế giới có quá nhiều ngoại lệ, viết mãi không hết luật, và luật càng nhiều càng dễ đá nhau.
Con đường thứ hai là cho máy học. Thay vì viết luật, người ta đưa cho máy rất nhiều ví dụ đã có đáp án, để máy tự tìm ra quy luật. Muốn máy nhận ra ảnh con mèo, không ai viết được luật "mèo có tai nhọn, có ria" cho đủ mọi góc chụp, mọi giống mèo, mọi điều kiện ánh sáng. Nhưng đưa cho máy hàng triệu ảnh có ghi "mèo" hoặc "không phải mèo", máy có thể tự rút ra những đặc điểm phân biệt. Đây là học máy, và gần như mọi hệ thống AI gây chú ý mấy năm qua đều đi đường này.
Hai con đường thường được trộn với nhau. Trong thực tế, một sản phẩm AI hiếm khi thuần một kiểu. Ứng dụng bản đồ dùng học máy để ước lượng thời gian di chuyển từ dữ liệu giao thông, nhưng thuật toán tìm đường ngắn nhất bên dưới lại là một phương pháp có từ thập niên 1950, chạy theo quy tắc rõ ràng. Chatbot trả lời bằng một mô hình học từ dữ liệu, nhưng các lớp lọc nội dung bên ngoài có thể là luật do người viết.
Vì sao học máy thắng thế. Lý do rất đời thường: thế giới thật rối hơn bất kỳ bộ luật nào. Tiếng nói của người Nghệ An, người Huế, người Cần Thơ khác nhau về âm sắc, tốc độ, cách nuốt chữ. Không đội ngũ nào viết đủ luật cho mọi giọng. Nhưng thu đủ nhiều mẫu giọng có kèm lời ghi chép, máy có thể học được cách nghe. Cái giá là ta không còn đọc được rành mạch "luật" mà máy đã học — đó là nguồn gốc của nhiều tranh luận về việc AI khó giải thích.
Một ví dụ đi trọn từ đầu đến cuối: máy học lọc tin nhắn rác
Để thấy "AI học từ dữ liệu" cụ thể nghĩa là gì, hãy theo một hệ thống lọc tin nhắn quảng cáo rác qua từng bước. Đây là ví dụ giả định, đơn giản hoá, nhưng đúng về nguyên lý với cách các bộ lọc thư rác đã làm từ hơn hai mươi năm nay.
- Gom ví dụ. Nhóm phát triển thu một kho tin nhắn đã được người dùng đánh dấu "rác" hoặc "bình thường". Kho càng lớn và càng đa dạng thì máy càng học được nhiều kiểu. Trước khi dùng, dữ liệu phải được làm sạch và che thông tin cá nhân như số tài khoản, tên người.
- Chọn cách biểu diễn. Máy tính không đọc chữ như người. Mỗi tin nhắn được biến thành một dãy con số, chẳng hạn đếm xem các cụm như "trúng thưởng", "nhấn vào", "khuyến mãi" xuất hiện bao nhiêu lần, tin có bao nhiêu chữ in hoa, có kèm đường dẫn hay không.
- Cho máy học. Một thuật toán xem hàng trăm nghìn ví dụ và điều chỉnh dần các con số bên trong nó sao cho đoán đúng nhãn càng nhiều càng tốt. Không ai bảo máy rằng "trúng thưởng" là dấu hiệu rác; máy tự nhận ra vì cụm này xuất hiện dày đặc trong tin bị đánh dấu rác.
- Kiểm tra trên dữ liệu chưa thấy. Một phần kho ví dụ được giữ riêng, không cho máy học. Sau khi học xong, máy đoán trên phần này để đo xem nó làm tốt thật hay chỉ thuộc lòng các ví dụ cũ.
- Đưa vào dùng. Tin nhắn mới đến, máy chấm một con số kiểu "khả năng là rác cao". Vượt ngưỡng thì chuyển vào mục rác. Ngưỡng này do con người chọn, cân giữa hai cái hại: bỏ lọt rác và lọc nhầm tin thật.
- Học lại khi kẻ gửi rác đổi chiêu. Người gửi rác viết "kh.uyến m.ãi" để né bộ lọc. Khi người dùng đánh dấu những tin lọt lưới, dữ liệu mới được bổ sung và máy được huấn luyện lại. AI không tự hiểu chiêu mới; nó cần ví dụ mới.
Cả sáu bước đều có mặt trong những hệ thống AI lớn hơn nhiều, kể cả chatbot: dữ liệu, cách biểu diễn, quá trình học, kiểm tra, đặt ngưỡng, cập nhật. Khác nhau chủ yếu ở quy mô và ở loại việc máy được học.
AI làm tốt việc gì, kém việc gì
Bảng dưới không xếp hạng công cụ nào, chỉ tóm tắt những đặc điểm chung của các hệ thống AI dựa trên học máy hiện nay. Từng sản phẩm cụ thể có thể khá hơn hoặc kém hơn ở từng dòng, và tính năng thay đổi nhanh, nên bạn cần kiểm phiên bản hiện hành.
| Loại việc | Vì sao AI thường làm tốt hoặc kém | Ví dụ đời thường |
|---|---|---|
| Nhận dạng mẫu lặp lại | Tốt: có rất nhiều ví dụ để học, đáp án rõ ràng | Nhận diện khuôn mặt để mở khoá điện thoại, đọc biển số xe ở bãi gửi |
| Viết, tóm tắt, dịch văn bản thông thường | Khá tốt: đã học từ lượng chữ khổng lồ | Tóm tắt một biên bản họp dài, dịch thư sang tiếng Anh |
| Sự kiện mới xảy ra | Kém nếu không được nối với nguồn tìm kiếm: kiến thức dừng ở thời điểm thu dữ liệu | Hỏi kết quả một trận bóng tối qua |
| Tính toán chính xác nhiều bước, đếm | Hay sai: mô hình ngôn ngữ đoán chữ chứ không bấm máy tính | Cộng một cột số dài, đếm số chữ trong câu |
| Tình huống hiếm, chưa từng có trong dữ liệu | Kém: không có mẫu để dựa vào, dễ đoán bừa | Một ca bệnh rất hiếm, một loại lừa đảo vừa xuất hiện |
| Phán đoán đạo đức, trách nhiệm | Không thể giao: máy không chịu trách nhiệm cho hậu quả | Quyết định cho ai vay tiền, xử lý kỷ luật nhân viên |
Đọc bảng theo chiều dọc sẽ thấy quy luật chung: AI mạnh ở chỗ có nhiều ví dụ và sai một chút cũng không sao, yếu ở chỗ ví dụ hiếm và sai là mất tiền, mất sức khoẻ, mất danh dự. Khi đưa dữ liệu thật vào bất kỳ công cụ AI nào để nhờ làm những việc ở nửa trên của bảng, nhớ che thông tin cá nhân và bí mật công việc trước.
Những hiểu lầm phổ biến về AI
"AI là robot." Robot là phần cứng biết cử động; AI là phần mềm. Phần lớn AI bạn gặp hằng ngày không có hình hài gì cả, nó nằm trong ứng dụng điện thoại, trong máy chủ ở đâu đó. Ngược lại, nhiều robot trong nhà máy chỉ lặp lại động tác đã lập trình, chẳng có chút AI nào.
"AI biết mọi thứ trên mạng." Một mô hình học từ dữ liệu thu tới một thời điểm nhất định. Nó không tự lướt mạng trừ khi sản phẩm được gắn thêm chức năng tìm kiếm. Kể cả khi có tìm kiếm, nó đọc vài trang chứ không "biết" toàn bộ internet.
"Máy trả lời trôi chảy nghĩa là máy hiểu." Câu văn mượt chỉ chứng tỏ máy đã học rất kỹ cách con người viết. Việc máy có "hiểu" theo nghĩa của con người hay không là câu hỏi còn tranh luận giữa các nhà khoa học và triết học. Điều chắc chắn hơn là máy vẫn có thể viết một câu trôi chảy mà sai sự thật.
"AI khách quan vì là máy." AI học từ dữ liệu do con người tạo ra, nên mang theo cả những lệch lạc trong dữ liệu đó. Nếu ảnh dùng để huấn luyện chủ yếu là người da sáng, máy có thể nhận diện kém người da sẫm. Máy không có ác ý, nhưng cũng không tự sửa được thiên lệch mà nó không nhìn thấy.
"AI là thứ mới có vài năm nay." Lĩnh vực này có từ giữa thế kỷ 20. Bộ lọc thư rác, gợi ý sản phẩm khi mua hàng trực tuyến, nhận dạng giọng nói trên điện thoại đều là AI và đã quen thuộc từ lâu. Thứ mới là các mô hình viết và vẽ được ở mức gần giống người, và việc chúng đến tay hàng trăm triệu người cùng lúc.
Vì sao ranh giới "thế nào là AI" cứ bị dời đi
Có một hiện tượng thú vị mà dân trong ngành hay nhắc: mỗi khi máy làm được một việc từng được coi là cần trí thông minh, người ta lại thôi gọi việc đó là AI. Thập niên 1960–1970, chơi cờ vua giỏi được xem là thước đo trí tuệ. Năm 1997, máy Deep Blue của IBM thắng nhà vô địch thế giới Garry Kasparov trong một trận đấu sáu ván. Sau đó nhiều người nói: đó chỉ là tính toán thật nhanh, không phải trí tuệ.
Tương tự, nhận dạng chữ viết tay trên phong bì thư, sửa lỗi chính tả, gợi ý từ khi gõ phím từng là đề tài nghiên cứu AI nghiêm túc. Giờ chúng chỉ là "tính năng". Hiện tượng này có tên gọi không chính thức là "hiệu ứng AI". Nó cho thấy chữ "AI" trong đời sống thường mang nghĩa "thứ máy mới làm được mà ta còn thấy lạ".
Hiểu điều này giúp bạn đọc quảng cáo tỉnh hơn. Một chiếc máy giặt "tích hợp AI" có thể chỉ là cảm biến khối lượng đồ cộng vài quy tắc chọn lượng nước, thứ đã có từ lâu dưới tên khác. Không có gì sai khi gọi đó là AI theo nghĩa rộng, nhưng chữ "AI" trên bao bì không nói lên mức độ thông minh thật của sản phẩm. Câu hỏi đáng hỏi luôn là: nó học từ dữ liệu gì, nó tự quyết định cái gì, và khi nó sai thì ai sửa.
Hiểu đến đâu là đủ để dùng AI và bàn chuyện AI cho tỉnh táo
Bạn không cần biết lập trình hay toán cao cấp để dùng AI có trách nhiệm. Nắm chắc sáu ý dưới đây là đủ cho phần lớn tình huống ở nhà, ở trường, ở chỗ làm:
- AI học từ ví dụ, nên chất lượng ví dụ quyết định chất lượng máy. Khi nghe về một hệ thống AI, câu đầu tiên đáng hỏi là nó học từ dữ liệu nào.
- AI giỏi việc có nhiều mẫu, kém việc hiếm. Đừng ngạc nhiên khi một chatbot viết thư rất hay nhưng tính sai tiền điện cả tháng.
- AI có thể sai một cách tự tin. Câu trả lời trôi chảy không phải bằng chứng đúng. Với thông tin quan trọng về sức khoẻ, tiền bạc, pháp lý, luôn kiểm lại ở nguồn gốc.
- AI không chịu trách nhiệm, người dùng và đơn vị triển khai mới chịu. Quyết định cuối cùng ảnh hưởng đến người khác phải do con người ký tên.
- Thứ bạn đưa vào AI có thể được lưu lại. Chính sách mỗi dịch vụ khác nhau và thay đổi theo thời gian; trước khi dán giấy tờ cá nhân, hợp đồng, bảng lương, hãy che bớt và đọc điều khoản hiện hành. Chuyện quyền riêng tư này được bàn kỹ ở trang AI Bảo Mật.
- Chữ "AI" trên quảng cáo không đo được độ thông minh. Hỏi cụ thể nó làm được gì, sai thì sao, rồi mới tin.
Các bài khác trong danh mục này đi sâu hơn từng mảnh: học máy và học sâu khác nhau ở đâu, AI tạo sinh là gì, AI hẹp và AI tổng quát, lịch sử của ngành qua các lần lên xuống, và vì sao mấy năm gần đây AI tiến nhanh đến vậy.
Câu hỏi thường gặp
AI và trí tuệ nhân tạo có phải là một không?
Là một. AI là viết tắt của cụm tiếng Anh artificial intelligence, dịch ra tiếng Việt là trí tuệ nhân tạo. Trong báo chí và đời sống, hai cách gọi được dùng thay nhau. Một số tài liệu dùng chữ "trí thông minh nhân tạo", nghĩa cũng tương tự.
Máy tính bỏ túi hay phần mềm bảng tính có phải là AI không?
Thông thường thì không. Chúng làm đúng những phép tính đã được lập trình sẵn, không học từ dữ liệu và không phải đoán trong trường hợp mới. Tuy vậy, một số phần mềm bảng tính hiện nay có gắn thêm tính năng gợi ý dùng AI, nên một sản phẩm có thể vừa có phần AI vừa có phần không.
AI có tự học thêm sau khi được phát hành không?
Phần lớn mô hình không tự thay đổi mỗi khi bạn trò chuyện. Việc học diễn ra trong các đợt huấn luyện do nhà phát triển chủ động thực hiện, có thể dùng dữ liệu mới, kể cả dữ liệu người dùng nếu chính sách cho phép. Muốn biết dịch vụ cụ thể có dùng cuộc trò chuyện của bạn hay không, cần đọc chính sách hiện hành của dịch vụ đó.
Học AI có cần giỏi toán không?
Để hiểu AI ở mức người dùng và bàn luận cho đúng thì không cần. Để tự xây dựng hoặc nghiên cứu mô hình thì cần nền tảng về xác suất, thống kê, đại số tuyến tính và lập trình. Hai mục tiêu này khác nhau, nên bạn có thể bắt đầu từ hiểu nguyên lý rồi mới quyết định có học sâu hơn hay không.
Vì sao có người nói AI nguy hiểm, có người nói AI chỉ là công cụ?
Hai ý không hẳn loại trừ nhau. AI là công cụ, nhưng là công cụ dùng ở quy mô rất lớn, nên một lỗi nhỏ có thể lặp lại hàng triệu lần. Mức độ rủi ro dài hạn của các hệ thống mạnh hơn là chủ đề các chuyên gia còn bất đồng thật sự. Cách đọc tỉnh táo là phân biệt rủi ro đã thấy rõ hôm nay với dự đoán về tương lai.
Trẻ em có nên tìm hiểu về AI không?
Hiểu AI hoạt động ra sao giúp trẻ dùng công cụ có ý thức hơn: biết máy có thể sai, biết không đưa thông tin cá nhân, biết bài làm của mình cần là của mình. Phụ huynh có thể giải thích bằng ví dụ gần gũi như bộ lọc tin rác hay gợi ý video, và nên đồng hành thay vì để trẻ tự khám phá một mình.