Trí tuệ nhân tạo

Trí tuệ nhân tạo
Ngày đăng: 24/08/2022 09:33 AM

 Trí tuệ nhân tạo là gì?

Trí tuệ nhân tạo hay trí thông minh nhân tạo (Artificial Intelligence – viết tắt là AI) là một ngành thuộc lĩnh vực khoa học máy tính (Computer science). Là trí tuệ do con người lập trình tạo nên với mục tiêu giúp máy tính có thể tự động hóa các hành vi thông minh như con người. Cụ thể, trí tuệ nhân tạo giúp máy tính có được những trí tuệ của con người như: biết suy nghĩ và lập luận để giải quyết vấn đề, biết giao tiếp do hiểu ngôn ngữ, tiếng nói, biết học và tự thích nghi, …

Công nghệ AI tạo ra máy móc và hệ thống thông minh thông qua việc sử dụng mô hình máy tính, kỹ thuật và công nghệ liên quan, giúp thực hiện các công việc yêu cầu trí thông minh của con người. Nhìn chung, đây là một ngành học rất rộng, bao gồm các yếu tố tâm lý học, khoa học máy tính và kỹ thuật. Một số ví dụ phổ biến về AI có thể kể đến ô tô tự lái, phần mềm dịch thuật tự động, trợ lý ảo trên điện thoại hay đối thủ ảo khi chơi trò chơi trên điện thoại. 

4 loại trí tuệ nhân tạo:

Công nghệ AI được chia làm 4 loại chính:

  • Loại 1: Công nghệ AI phản ứng. (Reactive Machines:)
    Công nghệ phản ứng là công nghệ có khả năng phân tích những động thái của người hoặc sự vật đối diện để đưa ra giải pháp tối ưu nhất.

    Một cỗ máy phản ứng tuân theo các nguyên tắc cơ bản nhất của AI và, như tên gọi của nó, có khả năng chỉ sử dụng trí thông minh của nó để nhận thức và phản ứng với thế giới trước mặt nó. Một máy phản ứng không thể lưu trữ bộ nhớ và do đó, không thể dựa vào kinh nghiệm trong quá khứ để cung cấp thông tin cho việc ra quyết định trong thời gian thực.

    Nhận thức thế giới trực tiếp có nghĩa là các máy phản ứng được thiết kế để chỉ hoàn thành một số nhiệm vụ chuyên ngành hạn chế. Tuy nhiên, cố ý thu hẹp thế giới quan của một cỗ máy phản ứng không phải là bất kỳ loại biện pháp cắt giảm chi phí nào, và thay vào đó có nghĩa là loại AI này sẽ đáng tin cậy và đáng tin cậy hơn - nó sẽ phản ứng theo cùng một cách với cùng một kích thích mọi lúc.
    Ví dụ :
    Một ví dụ nổi tiếng về máy phản ứng là Deep Blue, được IBM thiết kế vào những năm 1990 như một siêu máy tính chơi cờ vua và đánh bại đại kiện tướng quốc tế Gary Kasparov trong một trò chơi. Deep Blue chỉ có khả năng xác định các quân cờ trên bàn cờ và biết cách mỗi nước đi dựa trên luật chơi cờ vua, thừa nhận vị trí hiện tại của từng quân cờ và xác định nước đi hợp lý nhất tại thời điểm đó. Máy tính đã không theo đuổi các động thái tiềm năng trong tương lai của đối thủ hoặc cố gắng đặt các mảnh của chính nó ở vị trí tốt hơn. Mỗi lượt được xem như một thực tế riêng của nó, tách biệt với bất kỳ chuyển động nào khác đã được thực hiện trước đó.

    Một ví dụ khác về máy phản ứng chơi trò chơi là AlphaGo của Google. AlphaGo cũng không có khả năng đánh giá các nước đi trong tương lai mà dựa vào mạng nơ-ron của riêng mình để đánh giá sự phát triển của trò chơi hiện tại, giúp nó có lợi thế hơn Deep Blue trong một trò chơi phức tạp hơn. AlphaGo cũng đánh bại các đối thủ đẳng cấp thế giới của trò chơi, đánh bại nhà vô địch cờ vây người chơi Lee Sedol vào năm 2016.

  • Loại 2: Công nghệ AI với bộ nhớ hạn chế (Thinking rationally)


    AI bộ nhớ hạn chế có khả năng lưu trữ dữ liệu và dự đoán trước đó khi thu thập thông tin và cân nhắc các quyết định tiềm năng - về cơ bản là nhìn vào quá khứ để tìm manh mối về những gì có thể xảy ra tiếp theo. AI bộ nhớ hạn chế phức tạp hơn và có khả năng lớn hơn so với máy phản ứng.

    AI bộ nhớ hạn chế được tạo ra khi một nhóm liên tục đào tạo một mô hình về cách phân tích và sử dụng dữ liệu mới hoặc môi trường AI được xây dựng để các mô hình có thể được đào tạo và làm mới tự động.
    * Khi sử dụng AI bộ nhớ hạn chế trong ML, phải tuân theo sáu bước:
              Dữ liệu đào tạo phải được tạo
              Mô hình ML phải được tạo 
              Mô hình phải có khả năng đưa ra dự đoán.
              Mô hình phải có khả năng nhận phản hồi của con người hoặc môi trường.
              Phản hồi đó phải được lưu trữ dưới dạng dữ liệu
              Các bước này phải được nhắc lại dưới dạng một chu kỳ.

    * Có 3 mô hình ML chính sử dụng AI bộ nhớ hạn chế:

     

    Học tăng cường, học cách đưa ra dự đoán tốt hơn thông qua thử và sai lặp đi lặp lại.
    Bộ nhớ ngắn hạn dài hạn (LSTM), sử dụng dữ liệu trong quá khứ để giúp dự đoán mục tiếp theo trong một chuỗi.LTSM xem thông tin gần đây hơn là quan trọng nhất khi đưa ra dự đoán và giảm giá dữ liệu từ xa hơn trong quá khứ, mặc dù vẫn sử dụng nó để hình thành kết luận

    Các mạng đối thủ tạo ra tiến hóa (E-GAN), phát triển theo thời gian, phát triển để khám phá các con đường được sửa đổi một chút dựa trên những kinh nghiệm trước đó với mọi quyết định mới. Mô hình này liên tục theo đuổi một con đường tốt hơn và sử dụng các mô phỏng và thống kê, hoặc cơ hội, để dự đoán kết quả trong suốt chu kỳ đột biến tiến hóa của nó.
    Ví Dụ: Google RawNeRF: Thuật toán hứa hẹn mang lại khả năng khử nhiễu tốt nhất từ trước đến nay
    Mới đây Google Research đã bổ sung thêm một công cụ mới vào dự án MultiNeRF của mình. Đây là một công cụ giảm nhiễu bằng trí tuệ nhân tạo (AI) có thể loại bỏ nhiễu hình ảnh từ các cảnh chụp ở điều kiện ánh sáng thấp, cho phép người dùng có được bức ảnh chụp trong bóng tối tốt hơn.
    Được biết công cụ AI mới của Google là RawNeRF. RawNeRF có thể đọc hình ảnh, sử dụng trí thông minh nhân tạo để tự động thêm các chi tiết cho ảnh chụp trong điều kiện tối, ánh sáng yếu. Nó có khả năng tái tạo lại cảnh tối với các hiện vật và khử nhiễu.

  • Vấn đề của chụp ảnh trong điều kiện ánh sáng yếu hay chụp ban đêm là các chi tiết bị mất trong bóng tối và ảnh rất nhiễu khi bị tăng độ sáng. Nhóm nghiên cứu phát hiện ra là các công cụ khử nhiễu có thể làm giảm phần nào nhiễu, nhưng đi kèm với đó là chất lượng hình ảnh cũng bị giảm đáng kể. Điều ấn tượng của RawNeRF là hình ảnh cuối cùng được tạo ra bởi AI việc giảm chất lượng ở mức tối thiểu so với các công cụ tương đương.
    Theo nhóm nghiên cứu của Google, RawNeRF không chỉ chụp đẹp hơn mà nó có thể tạo ra kết xuất 3D của cảnh vật, ngoài ra nó cũng điều chỉnh độ phơi sáng, ánh xạ tông màu, thậm chí là lấy nét và tạo hiệu ứng bokeh.

     

    NeRF là một bộ tổng hợp chế độ xem, công cụ có khả năng quét hàng nghìn bức ảnh sau đó tạo nên kết xuất 3D chính xác. Theo Ben Mildenhall, một trong những nhà nghiên cứu của dự án cho biết, RawNeRF "kết hợp các hình ảnh được chụp từ nhiều góc nhìn khác nhau của camera để cùng làm rõ và tái tạo lại một cảnh."

  • Loại 3: Lý thuyết trí tuệ nhân tạo - tâm trí (Acting humanly)

     

    Để minh chứng cho sức mạnh của RawNeRF, Mildenhall đã thực hiện một video chụp ảnh trong điều kiện ánh sáng rất tối. Kết quả cho thấy với sự ra đời của RawNeRF, trí thông minh nhân tạo được thiết lập để khử nhiễu mà không làm mất đi chi tiết, cho phép màn trập camera có thể nhìn thấy ngay cả trong bóng tối một cách hiệu quả nhất. Trong video, công cụ xử lý có thể kết hợp các hình ảnh từ nhiều góc khác nhau để làm rõ các chi tiết và tái tạo cảnh 3D một cách chính xác. Bên cạnh đó nó cũng tạo hiệu ứng bokeh như ống kính f/1.2.

    Mặc dù công cụ vẫn chưa thực sự được phổ biến vì nó đang trong giai đoạn nghiên cứu nhưng RawNeRF sẽ là một công cụ được mong đợi sớm có trên máy ảnh và điện thoại thông minh. Nó có thể sẽ tạo ra thay đổi lớn trong cuộc chơi nhiếp ảnh.

                                                                                                                                                                                                                                                                                                                                                            NNguồn: Techspot


  • Khái niệm này dựa trên tiền đề tâm lý của sự hiểu biết rằng các sinh vật sống khác có suy nghĩ và cảm xúc ảnh hưởng đến hành vi của bản thân. Về mặt máy móc AI, điều này có nghĩa là AI có thể hiểu được cách con người, động vật và các máy móc khác cảm nhận và đưa ra quyết định thông qua sự tự suy ngẫm và quyết tâm, sau đó sẽ sử dụng thông tin đó để đưa ra quyết định của riêng họ. Về cơ bản, máy móc sẽ phải có khả năng nắm bắt và xử lý khái niệm "tâm trí", sự biến động của cảm xúc trong việc ra quyết định và một loạt các khái niệm tâm lý khác trong thời gian thực, tạo ra mối quan hệ hai chiều giữa con người và AI.
    AI là một lợi ích để cải thiện năng suất và hiệu quả đồng thời giảm khả năng xảy ra lỗi của con người, nhưng có những nhược điểm như chi phí phát triển và khả năng máy móc tự động thay thế công việc của con người.
    Ví Dụ

    Xe tự lái
    Tìm kiếm của Google
    Bot đàm thoại
    Bộ lọc thư rác email
    Đề xuất của Netflix

     
  • Loại 4: Tự nhận thức (Acting rationally)
  • Một khi Lý thuyết về tâm trí có thể được thiết lập, đôi khi cũng trong tương lai của AI, bước cuối cùng sẽ là để AI trở nên tự nhận thức. Loại AI này sở hữu ý thức cấp độ con người và hiểu được sự tồn tại của chính nó trên thế giới, cũng như sự hiện diện và trạng thái cảm xúc của người khác. Nó sẽ có thể hiểu những gì người khác có thể cần dựa trên không chỉ những gì họ giao tiếp với họ mà còn là cách họ truyền đạt nó.
    Nhận thức về bản thân trong AI dựa vào cả các nhà nghiên cứu con người hiểu tiền đề của ý thức và sau đó học cách tái tạo điều đó để nó có thể được tích hợp vào máy móc.

 

Đánh giá bài viết
Đánh Giá Trung Bình
0/5
5
0%
4
0%
3
0%
2
0%
1
0%

Chia sẻ nhận xét về bài viết

Gửi nhận xét của bạn
(0 nhận xét)

Hình ảnh đại diện

Định dạng: .jpg|.png|.jpeg

Định dạng: mp4 | mkv Tối đa: 100Mb
Sàn giao dịch khác
Danh Mục Khác

CẢM ƠN BẠN ĐÃ GÓP PHẦN CHO THÀNH PHỐ CỦA CHÚNG TA XANH TƯƠI & ĐÁNG SỐNG HƠN !!!

XIN HÃY TIẾP TỤC ĐỒNG HÀNH CÙNG CHƯƠNG TRÌNH

Địa chỉ: 73-75 Trần Trọng Cung, P. Tân Thuận Đông, Q. 7, TP.HCM

Hotline: 0906 020 485 - 0377.357.277

Email: startupcity@gmail.com

Website: startupcity.com.vn

  • Đang online: 7
  • Tổng truy cập: 12928
Zalo
Hotline