Trí tuệ nhân tạo (AI) thực chất là gì? [Video và Câu hỏi trắc nghiệm]

Câu trả lời ngắn gọn: Trí tuệ nhân tạo (AI) là một họ rộng các kỹ thuật tính toán có khả năng nhận dạng mẫu, đưa ra dự đoán, tạo nội dung và ngày càng thực hiện nhiều hành động. Nó có thể rất hiệu quả khi được xây dựng dựa trên thông tin đáng tin cậy, quyền hạn rõ ràng và sự xem xét của con người, nhưng kết quả đầu ra trôi chảy không bao giờ nên được coi là bằng chứng tự động về sự thật.

Những điểm chính cần ghi nhớ:

Trách nhiệm giải trình: Cần đảm bảo mọi người chịu trách nhiệm về các quyết định quan trọng, đặc biệt là trong trường hợp trí tuệ nhân tạo có thể gây ra những sai lầm tốn kém.

Tính minh bạch: Hãy làm rõ hệ thống AI dựa trên những thông tin, quy tắc và quyền hạn nào.

Xác minh: Kiểm tra các thông tin quan trọng về mặt thực tế, y tế, pháp lý, tài chính và kinh doanh trước khi hành động dựa trên chúng.

Khả năng kiểm toán: Kiểm thử AI với các trường hợp tiêu biểu và ghi lại cả những cải thiện về hiệu quả và những lỗi phát sinh.

Chống lạm dụng: Hạn chế quyền truy cập, ngăn chặn các hành động không được hỗ trợ và chuyển các trường hợp không chắc chắn cho người xem xét.

1. Trí tuệ nhân tạo (AI) thực sự là gì? Giải thích đơn giản

Trí tuệ nhân tạo, hay AI, đề cập đến các hệ thống máy tính có khả năng thực hiện các nhiệm vụ liên quan đến trí thông minh của con người.

Những nhiệm vụ đó có thể bao gồm:

• Hiểu ngôn ngữ

• Nhận diện đối tượng trong hình ảnh

• Dự đoán điều gì sẽ xảy ra tiếp theo

• Đưa ra khuyến nghị

• Tạo văn bản, hình ảnh, âm thanh hoặc video

• Phát hiện các mẫu trong các tập dữ liệu khổng lồ

• Đưa ra quyết định dựa trên thông tin hiện có

• Học hỏi từ các ví dụ

• Giải quyết một số loại vấn đề nhất định

Có một điểm quan trọng ở đây.

Trí tuệ nhân tạo không nhất thiết phải suy nghĩ như con người để tạo ra những kết quả trông có vẻ thông minh.

Một chương trình cờ vua không ngồi đó lo lắng về việc liệu việc thí quân tượng có đúng đắn về mặt cảm xúc hay không. Một thuật toán đề xuất không phát triển tình cảm cá nhân với bộ phim tài liệu mà nó liên tục đề xuất cho bạn. Một mô hình ngôn ngữ không cần một giáo viên tiếng Anh tí hon sống bên trong máy tính.

Thay vào đó, các hệ thống này xử lý thông tin bằng cách sử dụng các mô hình toán học, thuật toán, dữ liệu huấn luyện, quy tắc, xác suất và lượng tính toán khổng lồ.

Kết quả cuối cùng có thể trông giống con người một cách đáng kinh ngạc.

Nhưng cơ chế hoạt động bên trong lại rất khác.

Sự khác biệt đó quan trọng hơn nhiều so với những gì mọi người đôi khi nhận ra.

2. Trí tuệ nhân tạo không giống bộ não robot mà giống một cỗ máy dự đoán hơn

Khi nghe đến cụm từ "trí tuệ nhân tạo", mọi người thường hình dung ra một thứ gì đó giống như bộ não người được tổng hợp.

Điều đó dễ hiểu thôi. Khoa học viễn tưởng đã dành hàng thập kỷ để tạo ra những trí tuệ nhân tạo với đôi mắt phát sáng, giọng nói đáng sợ, những quan điểm mạnh mẽ đáng ngờ và, thường là, một bộ khung kim loại nào đó.

Trí tuệ nhân tạo thực tiễn nhìn chung ít mang tính điện ảnh hơn.

Nhiều hệ thống trí tuệ nhân tạo hiện đại hoạt động dựa trên dự đoán.

Hãy xem xét một mô hình ngôn ngữ.

Khi bạn gõ:

"Con mèo ngồi trên..."

Hệ thống đánh giá xem từ nào có khả năng xuất hiện tiếp theo cao nhất về mặt thống kê.

Có thể là:

• thảm

• sàn nhà

• đi văng

• ghế

Nó không chỉ đơn thuần ghi nhớ một câu và truy xuất lại nó. Một mô hình đủ tiên tiến đã học được các mối quan hệ phức tạp giữa các từ, ý tưởng, cấu trúc câu, khái niệm, phong cách, sự kiện và quy luật.

Sau đó, nó dự đoán chuỗi từ phù hợp nhất với ngữ cảnh. Việc dự đoán từ tiếp theo một cách chính xác đòi hỏi phải học khá nhiều về ngôn ngữ.

Và ngôn ngữ chứa đựng... về cơ bản là tất cả những gì con người nói đến.

Lịch sử. Toán học. Nấu ăn. Lập trình. Các mối quan hệ. Vật lý. Tranh luận về việc dứa có nên cho vào pizza hay không.

Như vậy, một nhiệm vụ dự đoán tưởng chừng đơn giản lại có thể tạo ra những hành vi phức tạp đến bất ngờ.

Dĩ nhiên, phép ẩn dụ này có những hạn chế. Gọi trí tuệ nhân tạo tiên tiến là "chỉ là tính năng tự động hoàn thành" cũng giống như gọi máy bay là "chỉ là một khối kim loại có cánh". Về mặt kỹ thuật, có một phần sự thật ẩn chứa trong đó, nhưng phần thú vị nhất đã biến mất.

3. Trí tuệ nhân tạo học hỏi như thế nào?

Đây là lúc máy học xuất hiện trong cuộc thảo luận.

Phần mềm truyền thống thường hoạt động thông qua các chỉ dẫn rõ ràng.

Một lập trình viên có thể viết:

• Nếu người dùng nhập đúng mật khẩu, hãy cho phép truy cập.

• Nếu nhiệt độ vượt quá một ngưỡng nhất định, hãy kích hoạt chế độ làm mát.

• Nếu mặt hàng hết hàng, hãy hiển thị cảnh báo.

Những chỉ dẫn đó được lập trình một cách có chủ ý.

Máy học đảo ngược quy trình.

Thay vì tự mình định nghĩa từng quy tắc, các nhà phát triển cung cấp cho hệ thống các ví dụ hoặc dữ liệu và cho phép nó tự tìm ra các mẫu.

Hãy tưởng tượng bạn đang cố gắng xây dựng một phần mềm có khả năng nhận diện mèo trong ảnh.

Việc viết ra các quy tắc rõ ràng sẽ nhanh chóng trở nên nực cười.

Bạn có thể thử:

• Hãy tìm những con vật có tai hình tam giác.

• Hãy tìm râu.

• Hãy tìm những con vật có bốn chân.

• Hãy tìm lông thú.

Sau đó, ai đó đăng tải một bức ảnh con cáo.

Không hẳn.

Hoặc một con hổ.

Hoặc một con mèo cuộn tròn thành một cục lông xù xì đến nỗi bạn hầu như không thể nhìn thấy chân của nó.

Máy học tiếp cận vấn đề theo một cách khác. Một mô hình có thể được huấn luyện trên các bộ dữ liệu khổng lồ và dần dần học được những mẫu hình thị giác nào liên quan đến mèo.

Nó không học cách nói "mèo" giống như một đứa trẻ mới biết đi.

Nhưng về mặt toán học, mô hình ngày càng có khả năng xác định các mẫu liên quan đến thể loại này.

Đó chính là bản chất của máy học – mặc dù bản thân cái "bản chất" đó lại chứa đựng cả một kho tàng kiến ​​thức đại số tuyến tính.

4. Trí tuệ nhân tạo (AI) so với Học máy (Machine Learning) so với Học sâu (Deep Learning)

Những thuật ngữ này thường xuyên bị lẫn lộn với nhau, một phần vì mọi người sử dụng "AI" như một cụm từ chung cho hầu hết mọi thứ.

Cách đơn giản để phân biệt chúng là như sau.

Trí tuệ nhân tạo là một lĩnh vực rộng lớn.

Học máy là một trong những phương pháp được sử dụng để tạo ra các hệ thống trí tuệ nhân tạo.

Học sâu là một loại học máy đặc biệt liên quan đến các mạng nơ-ron lớn với nhiều lớp.

Tiếp theo là trí tuệ nhân tạo tạo sinh (generative AI), tập trung vào việc tạo ra các sản phẩm đầu ra mới như văn bản, hình ảnh, âm nhạc, mã lập trình, giọng nói hoặc video.

Bảng so sánh

Thuật ngữ	Sử dụng thông thường	Về cơ bản, điều đó có nghĩa là gì?	Cách nhanh chóng để suy nghĩ về điều đó
Trí tuệ nhân tạo	Một nhóm lớn các máy móc thực hiện các nhiệm vụ có vẻ thông minh	Robot, trợ lý, lập kế hoạch, đề xuất	Chiếc ô lớn
Học máy	Hệ thống học hỏi các mô hình từ dữ liệu	Phát hiện gian lận, đề xuất, dự đoán	Học hỏi từ các ví dụ
Học sâu	Học máy sử dụng mạng nơ-ron đa lớp	Thị giác, lời nói, mô hình ngôn ngữ nâng cao	Học máy, nhưng sâu sắc hơn nhiều... theo nghĩa đen
Trí tuệ nhân tạo tạo sinh	Trí tuệ nhân tạo được thiết kế để tạo ra nội dung mới	Văn bản, hình ảnh, mã, âm thanh	Chi nhánh có phần sáng tạo
Tự động hóa	Phần mềm tuân theo các quy trình được xác định trước	Quy trình làm việc lặp đi lặp lại, nhập dữ liệu	Thông thường là theo quy tắc, chứ không phải "học hỏi"

Sự phân biệt này rất quan trọng vì không phải mọi hệ thống tự động đều là trí tuệ nhân tạo.

Nếu máy pha cà phê của bạn tự tắt sau mười phút, xin chúc mừng - có lẽ bạn không sở hữu một phòng thí nghiệm trí tuệ nhân tạo.

Nó chỉ là một bộ đếm thời gian.

5. Mạng nơ-ron là gì?

Mạng nơ-ron là các hệ thống toán học được lấy cảm hứng một cách tương đối từ các nơ-ron sinh học.

Cụm từ đó khiến chúng nghe có vẻ bí ẩn. Chúng không phải là những bộ não nhân tạo theo nghĩa đen đang trôi nổi bên trong máy tính.

Mạng nơ-ron bao gồm các đơn vị toán học được kết nối với nhau để xử lý thông tin.

Trong quá trình huấn luyện, mạng nơ-ron điều chỉnh các giá trị số nội bộ được gọi là tham số hoặc trọng số.

Những điều chỉnh đó cho phép hệ thống hoạt động hiệu quả hơn trong việc tạo ra các sản phẩm có giá trị.

Hãy tưởng tượng nó như một bảng điều khiển cực kỳ phức tạp với hàng tỷ núm vặn nhỏ có thể điều chỉnh được.

Quá trình huấn luyện sẽ liên tục điều chỉnh những nút điều khiển đó.

Câu trả lời sai?

Điều chỉnh các núm vặn.

Câu trả lời hay hơn?

Điều chỉnh chúng theo cách khác nhau.

Nếu thực hiện việc này đủ nhiều lần, với đủ lượng dữ liệu và đủ sức mạnh tính toán, mạng lưới sẽ bắt đầu phát triển các biểu diễn nội bộ phức tạp cho phép nó nhận biết và tạo ra các mẫu.

Dĩ nhiên, nói "điều chỉnh các núm vặn" khiến hàng thập kỷ kiến ​​thức khoa học máy tính nghe giống như ai đó đang chỉnh một chiếc radio cũ... nhưng xét về mặt mô hình tư duy, nó hoạt động hiệu quả đáng kinh ngạc.

6. Tại sao trí tuệ nhân tạo đột nhiên trở nên thông minh hơn nhiều?

Trí tuệ nhân tạo không phải là một phát minh xuất hiện chỉ sau một đêm.

Lĩnh vực nghiên cứu cơ bản này đã tồn tại từ lâu.

Điều đã thay đổi là sự gia tốc đồng thời của nhiều lực lượng.

Sức mạnh tính toán lớn hơn

Các bộ xử lý hiện đại có thể thực hiện số lượng phép tính khổng lồ một cách nhanh chóng, đặc biệt là các loại phép tính cần thiết cho mạng nơ-ron. Tăng cường khả năng tính toán huấn luyện là một trong những động lực quan trọng thúc đẩy sự tiến bộ của các hệ thống trí tuệ nhân tạo hiện đại.

Thêm dữ liệu

Thế giới kỹ thuật số chứa đựng một lượng khổng lồ văn bản, hình ảnh, âm thanh, video, mã lập trình và thông tin có cấu trúc.

Việc huấn luyện các mô hình phức tạp đòi hỏi phải có nhiều ví dụ.

Thuật toán tốt hơn

Các nhà nghiên cứu liên tục cải tiến kiến ​​trúc và phương pháp được sử dụng để huấn luyện các hệ thống trí tuệ nhân tạo.

Các mô hình lớn hơn

Việc tăng số lượng tham số, cải thiện tập dữ liệu và tăng cường khả năng tính toán thường tạo ra những mô hình có khả năng đáng ngạc nhiên. Nghiên cứu về huấn luyện mô hình ngôn ngữ tối ưu về mặt tính toán cũng cho thấy rằng kích thước mô hình, dữ liệu và khả năng tính toán cần được cân bằng chứ không chỉ đơn thuần là tối đa hóa số lượng tham số.

Giao diện tốt hơn

Phần này rất dễ bị đánh giá thấp.

Trí tuệ nhân tạo (AI) trở nên dễ tiếp cận hơn rất nhiều vì giờ đây người dân bình thường có thể tương tác với các hệ thống tiên tiến thông qua ngôn ngữ thường ngày.

Bạn không cần phải hiểu về lập trình.

Bạn chỉ cần hỏi:

"Hãy giải thích về thế chấp nhà cửa như thể tôi mới mười hai tuổi."

Hoặc:

"Hãy chuyển những ghi chú cuộc họp này thành email."

Hoặc:

"Hãy cho tôi năm ý tưởng bữa tối sử dụng thịt gà, cơm và bất kỳ loại rau nào đang dần héo úa trong tủ lạnh của tôi."

Sự thay đổi giao diện đó rất lớn.

Công nghệ thường bùng nổ về mức độ phổ biến khi mọi người không còn cần đến sách hướng dẫn sử dụng nữa.

7. Trí tuệ nhân tạo đang làm gì khi bạn đặt câu hỏi cho nó?

Hãy xem xét một trợ lý AI hiện đại.

Bạn gõ:

"Hãy giải thích trọng lực cho một đứa trẻ năm tuổi."

Về mặt kỹ thuật, hệ thống chuyển đổi văn bản của bạn thành các đơn vị số gọi là token.

Các token có thể đại diện cho toàn bộ từ, một phần của từ, dấu câu hoặc các phần khác của ngôn ngữ.

Các mã thông báo đó được xử lý thông qua mô hình.

Mô hình này xem xét mối quan hệ giữa các phần khác nhau trong yêu cầu của bạn, cân nhắc ngữ cảnh và dự đoán hướng giải quyết hữu ích tiếp theo.

Rồi lại thêm một mã thông báo nữa.

Rồi lại thêm một cái nữa.

Rồi lại thêm một cái nữa.

Việc đó diễn ra nhanh đến mức đáng kinh ngạc.

Đoạn văn kết quả trông như thể ai đó đã viết nó như một ý nghĩ hoàn chỉnh, nhưng về mặt kỹ thuật, nó được tạo ra theo trình tự.

Đó là một trong những đặc điểm khá lạ lẫm của trí tuệ nhân tạo.

Kết quả đầu ra có thể mang cảm giác được tính toán kỹ lưỡng, mặc dù quá trình thực hiện lại mang tính xác suất.

Nó giống với việc ứng biến hơn là lấy câu trả lời đã được chuẩn bị sẵn từ một cơ sở dữ liệu khổng lồ.

Chắc chắn đây không hẳn là sự ứng biến, nhưng cũng đủ gần để phép ẩn dụ này phát huy tác dụng.

8. Trí tuệ nhân tạo có hiểu được mọi thứ không?

Câu hỏi này rất nhanh chóng trở nên mang tính triết học.

Liệu hệ thống trí tuệ nhân tạo có thực sự "hiểu" ngôn ngữ?

Câu trả lời phụ thuộc rất nhiều vào việc bạn hiểu "hiểu" theo nghĩa nào.

Các mô hình trí tuệ nhân tạo hiện đại rõ ràng có thể thao túng các khái niệm theo những cách tinh vi.

Họ có thể:

• Giải thích ý tưởng

• So sánh các lập luận

• Viết lại văn bản

• Dịch ngôn ngữ

• Giải quyết nhiều vấn đề có cấu trúc

• Tạo mã hoạt động

• Xác định các mẫu

• Tuân theo các hướng dẫn phức tạp

• Kết hợp các khái niệm theo những cách mới

Nhìn từ bên ngoài, điều đó có vẻ rất giống với sự thấu hiểu.

Tuy nhiên, có những điểm khác biệt quan trọng giữa trí tuệ máy móc và nhận thức của con người.

Con người trải nghiệm thế giới vật chất.

Chúng ta cảm nhận được cơn đói, nỗi đau, sự xấu hổ, sự buồn chán, tình cảm và cả nỗi hoảng sợ kỳ lạ khi nhận ra điện thoại chỉ còn 2% pin.

Các hệ thống trí tuệ nhân tạo không nhất thiết phải có kinh nghiệm sống tương đương.

Chúng xử lý các biểu diễn.

Vì vậy, việc hỏi liệu trí tuệ nhân tạo có "hiểu" điều gì đó hay không cũng giống như hỏi liệu tàu ngầm có biết bơi hay không.

Nó chắc chắn di chuyển trong nước.

Nhưng có lẽ "bơi lội" không phải là từ hoàn toàn chính xác.

9. Trí tuệ nhân tạo không tự động biết điều gì là đúng

Đây là một trong những điểm quan trọng nhất về trí tuệ nhân tạo tạo sinh.

Một mô hình có thể tạo ra một tuyên bố nghe có vẻ cực kỳ thuyết phục mà tuyên bố đó lại không chính xác.

Tại sao?

Vì việc tạo ra ngôn ngữ hợp lý và việc xác minh sự thật khách quan là hai vấn đề khác nhau.

Hệ thống trí tuệ nhân tạo có thể gặp phải sự không chắc chắn nhưng vẫn đưa ra câu trả lời nghe có vẻ tự tin.

Những lỗi này thường được gọi là ảo giác.

Ví dụ, trí tuệ nhân tạo (AI) có thể:

• Hãy bịa ra một số liệu thống kê

• Gán sai nguồn trích dẫn

• Nhầm lẫn hai người giống nhau

• Tạo ra các tài liệu tham khảo không tồn tại

• Hiểu sai hướng dẫn không rõ ràng

• Mắc phải những lỗi toán học nhỏ

Các mô hình ngôn ngữ có thể tạo ra các trích dẫn, nghiên cứu, dẫn chứng và các thông tin không chính xác khác một cách giả mạo nhưng vẫn nghe rất tự tin. NIST đặc biệt xác định nội dung sai sự thật được trình bày một cách tự tin và các trích dẫn giả mạo là một rủi ro của trí tuệ nhân tạo tạo sinh.

Nghịch lý thay, những hệ thống này càng nghe có vẻ khả thi thì người ta càng dễ quên điều đó.

Ngôn ngữ trau chuốt tạo nên sự tự tin.

Nhưng sự tự tin không phải là bằng chứng.

Đối với những thông tin quan trọng liên quan đến các lĩnh vực như y tế, luật pháp, tài chính, an ninh hoặc các quyết định kinh doanh trọng đại, việc xác minh vẫn rất cần thiết.

Khá nhiều.

10. Trí tuệ nhân tạo không giống với công cụ tìm kiếm

Một hiểu lầm phổ biến khác là coi trí tuệ nhân tạo (AI) và tìm kiếm là cùng một thứ.

Họ không phải vậy.

Công cụ tìm kiếm truyền thống chủ yếu giúp định vị thông tin đã có sẵn.

Hệ thống trí tuệ nhân tạo tạo sinh chủ yếu tạo ra phản hồi dựa trên các mẫu đã học, ngữ cảnh được cung cấp và bất kỳ công cụ bổ sung nào mà nó có thể truy cập. Các mô hình tạo sinh học các mẫu và mối quan hệ trong các tập dữ liệu lớn và sử dụng các mẫu đó để tạo ra các đầu ra mới.

Hãy tưởng tượng bạn đang hỏi:

Công cụ tìm kiếm: "những cách tốt nhất để giải thích quá trình quang hợp"

Bạn thường nhận được các trang để nghiên cứu.

Nếu bạn hỏi trợ lý AI điều tương tự, bạn có thể nhận được câu trả lời sau:

• Một lời giải thích đơn giản

• Một ví dụ tương tự trong lớp học

• Một bài kiểm tra

• Kế hoạch bài học

• Một câu chuyện dành cho trẻ em

• Phiên bản khoa học chi tiết

Tìm kiếm truy xuất.

Trí tuệ nhân tạo tạo sinh (Generative AI) thực hiện tổng hợp.

Các hệ thống hiện đại có thể kết hợp cả hai phương pháp, khiến ranh giới giữa chúng ngày càng trở nên mờ nhạt, nhưng về mặt khái niệm, các công cụ vẫn khác nhau.

11. Trí tuệ nhân tạo có thể làm tốt những việc gì?

Trí tuệ nhân tạo (AI) thường hoạt động đặc biệt hiệu quả trong các tác vụ liên quan đến nhiều mẫu hình, giàu thông tin và các tác vụ biến đổi dữ liệu.

Các ứng dụng hữu ích bao gồm:

Hỗ trợ viết bài

Trí tuệ nhân tạo (AI) có thể soạn thảo, viết lại, tóm tắt và tái cấu trúc văn bản.

Lập trình

Các mô hình có thể tạo ra mã, giải thích lỗi, đề xuất cải tiến và giúp các nhà phát triển hiểu các hệ thống không quen thuộc.

Phân tích dữ liệu

Trí tuệ nhân tạo (AI) có thể hỗ trợ xác định các mẫu, phân tích tập dữ liệu và chuyển đổi các phát hiện phức tạp thành ngôn ngữ dễ hiểu.

Tạo ảnh

Các mô hình tạo sinh có thể tạo ra hình minh họa, ý tưởng, mô hình sản phẩm, tác phẩm nghệ thuật và các biến thể trực quan từ các mô tả.

Bản dịch

Các mô hình tiên tiến có thể dịch giữa các ngôn ngữ đồng thời bảo toàn ngữ cảnh tốt hơn so với các hệ thống dịch từng từ đơn giản.

Giáo dục

Trí tuệ nhân tạo có thể giải thích cùng một khái niệm theo nhiều cách khác nhau tùy thuộc vào trình độ kiến ​​thức của người nghe.

Hỗ trợ khách hàng

Các công ty có thể sử dụng AI để trả lời các câu hỏi thường gặp và giúp giải quyết các trường hợp phức tạp.

Động não

Trí tuệ nhân tạo có thể đặc biệt hiệu quả khi bạn có vốn kiến ​​thức tương đương với một chiếc tủ lạnh trống rỗng.

Bạn có thể hỏi về các góc độ, tên gọi, khái niệm, cấu trúc hoặc khả năng - rồi quyết định xem điều gì đáng giữ lại.

Đó thường là mối quan hệ làm việc lành mạnh nhất với trí tuệ nhân tạo.

Không phải "máy móc thay thế con người"

Nói chính xác hơn:

Con người + máy móc = Bản thảo ý tưởng ban đầu được tạo ra nhanh hơn.

12. Những điểm yếu của AI

Mặc dù nhận được rất nhiều sự chú ý, trí tuệ nhân tạo hiện tại vẫn còn nhiều hạn chế đáng kể.

Một số điều thì dễ nhận thấy ngay lập tức.

Những vấn đề khác chỉ xuất hiện khi bạn dựa vào hệ thống để giải quyết những việc phức tạp.

Trí tuệ nhân tạo có thể gặp khó khăn với:

• Độ chính xác thực tế cực kỳ cao

• Các trường hợp ngoại lệ bất thường

• Chuỗi lập luận dài

• Hướng dẫn không rõ ràng

• Những giả định thông thường mà con người hầu như không để ý đến

• Hiểu bối cảnh cảm xúc không được nói ra

• Xác minh tính xác thực của thông tin

• Các nhiệm vụ đòi hỏi kinh nghiệm thực tế

• Tính nhất quán trong các dự án phức tạp

Ngay cả những mô hình ngôn ngữ có khả năng cao cũng vẫn có thể mắc lỗi về mặt thực tế và lập luận, và các bài kiểm tra đánh giá khắt khe tiếp tục cho thấy những hạn chế đáng kể của chúng.

Một vấn đề khác là trí tuệ nhân tạo có thể tạo ra những câu trả lời trông khá bình thường với rất ít nỗ lực.

Hãy yêu cầu mười tên doanh nghiệp?

Xong.

Bạn muốn đăng bài viết lên blog không?

Dễ.

Bạn có muốn hỏi về các ý tưởng tiếp thị không?

Chắc chắn.

Nhưng việc tạo ra một sản phẩm nào đó không đồng nghĩa với việc tạo ra một tác phẩm thực sự độc đáo, có giá trị thương mại, giàu cảm xúc hoặc có chiến lược đúng đắn.

Con người vẫn đóng vai trò tạo nên hương vị.

Hương vị rất quan trọng.

Có lẽ hơn bao giờ hết.

13. Trí tuệ nhân tạo có ý thức không?

Đến đây, các cuộc trò chuyện trong bữa tối trở nên kỳ lạ.

Các hệ thống trí tuệ nhân tạo hiện nay có thể tạo ra ngôn ngữ nghe có vẻ giàu cảm xúc, sâu sắc và tự nhận thức.

Điều đó không tự động có nghĩa là họ có ý thức.

Các mô hình ngôn ngữ được huấn luyện đặc biệt để tạo ra ngôn ngữ.

Và con người thường hiểu ngôn ngữ trôi chảy là bằng chứng cho thấy có một trí tuệ khác đứng sau nó.

Thông thường, đó là một giả định hợp lý.

Khi người khác nói, "Tôi đang lo lắng," chúng ta thường cho rằng người đó đang trải qua một trạng thái cảm xúc bên trong.

Với trí tuệ nhân tạo, giả định đó không nhất thiết là đúng.

Một hệ thống có thể tạo ra:

"Tôi rất hào hứng được giúp đỡ."

Điều đó không chứng minh rằng có một sinh vật cảm xúc nhỏ bé vô hình nào đó bên trong máy chủ đang có một buổi chiều tuyệt vời.

Câu hỏi triết học khó khăn là liệu ý thức của máy móc có thể xuất hiện hay không.

Không ai có một bài kiểm tra đơn giản nào có thể giải quyết hoàn toàn cuộc tranh luận đó.

Tuy nhiên, khả năng giao tiếp trôi chảy tự thân không nên được coi là bằng chứng. Các khái niệm như trí tuệ nhân tạo có ý thức hay "mạnh" vẫn chỉ là lý thuyết chứ chưa phải là thuộc tính đã được chứng minh của các hệ thống hiện nay.

14. Trí tuệ nhân tạo hẹp so với trí tuệ nhân tạo tổng quát

Hầu hết các hệ thống trí tuệ nhân tạo vẫn được xây dựng dựa trên những khả năng cụ thể.

Chúng thường được mô tả là trí tuệ nhân tạo hẹp.

Ví dụ bao gồm các hệ thống được thiết kế cho:

• Nhận dạng hình ảnh

• Tạo ngôn ngữ

• Sự giới thiệu

• Hỗ trợ lái xe

• Chẩn đoán hình ảnh y tế

• Phát hiện gian lận

• Nhận dạng giọng nói

Trí tuệ nhân tạo tổng quát, thường được viết tắt là AGI, đề cập đến một cấp độ trí tuệ máy móc giả định rộng hơn nhiều.

Ý tưởng là một hệ thống có khả năng học hỏi và thực hiện các nhiệm vụ trí tuệ trên nhiều lĩnh vực với trình độ tương đương hoặc vượt trội so với con người.

Ranh giới không được xác định rõ ràng.

Đó là một phần của khó khăn.

Các nhà nghiên cứu, công ty và nhà bình luận khác nhau sử dụng thuật ngữ "AGI" theo những cách khác nhau, vì vậy các cuộc thảo luận có thể trở thành cuộc tranh luận sôi nổi giữa ba người về các định nghĩa khác nhau mà không hề nhận ra điều đó. Hiện tại, chưa có sự đồng thuận rộng rãi trong giới học thuật về việc chính xác điều gì nên được coi là AGI.

Nói cách khác, đó là hành vi điển hình trên mạng internet.

15. Tại sao dữ liệu huấn luyện lại quan trọng đến vậy

Hệ thống AI học các mẫu từ các ví dụ, vì vậy chất lượng của những ví dụ đó vô cùng quan trọng.

Do đó, dữ liệu huấn luyện trở nên vô cùng quan trọng.

Hãy tưởng tượng bạn đào tạo ai đó trở thành đầu bếp nhưng chỉ đưa cho họ công thức làm bánh mì nướng.

Họ có thể trở nên xuất sắc trong việc nướng bánh mì.

Có lẽ đây là món bánh mì nướng đạt chuẩn Michelin.

Nhưng việc đưa cho họ một con bạch tuộc và yêu cầu họ dùng bữa tối có thể trở nên thú vị.

Trí tuệ nhân tạo hoạt động theo cách tương tự.

Chất lượng, sự đa dạng và tính phù hợp của tài liệu huấn luyện ảnh hưởng đến những gì mô hình học được. Hệ thống tạo sinh học các mẫu và mối quan hệ thống kê từ dữ liệu huấn luyện của chúng thay vì hoạt động như các cơ sở dữ liệu thông thường.

Các vấn đề trong tập dữ liệu có thể xuất hiện trong kết quả đầu ra, bao gồm:

• Thiên kiến

• Kiến thức bị thiếu

• Những quan niệm sai lầm lặp đi lặp lại

• Hiệu suất yếu kém ở các khu vực ít được đại diện

• Sự hiện diện quá mức của một số mô hình ngôn ngữ hoặc văn hóa nhất định

Các mô hình học máy có thể dễ bị thiên vị do cách lựa chọn và xử lý các ví dụ huấn luyện, và dữ liệu không cân bằng hoặc không đầy đủ có thể ảnh hưởng đến hiệu suất của mô hình.

Do đó, các nhà phát triển dành rất nhiều công sức để cải thiện tập dữ liệu, lọc nội dung và tinh chỉnh mô hình sau quá trình huấn luyện ban đầu.

Kiến trúc mô hình rất quan trọng.

Sức mạnh tính toán cũng rất quan trọng.

Nhưng dữ liệu nằm im lìm bên dưới mọi thứ như hệ thống đường ống nước - không ai nhắc đến nó cho đến khi có sự cố xảy ra.

16. Mô hình AI trở nên tốt hơn như thế nào sau khi được huấn luyện?

Quá trình huấn luyện ban đầu không nhất thiết là bước cuối cùng.

Các mô hình có thể trải qua các quy trình bổ sung được thiết kế để làm cho chúng có khả năng và độ tin cậy cao hơn.

Điều đó có thể bao gồm việc dạy các hệ thống cách:

• Tuân thủ hướng dẫn một cách đáng tin cậy hơn

• Tránh các chất thải có hại

• Hãy định dạng câu trả lời một cách phù hợp

• Từ chối một số yêu cầu nhất định

• Tôi muốn câu trả lời rõ ràng hơn

• Sử dụng các công cụ

• Hãy lắng nghe phản hồi từ con người

• Xử lý các cuộc trò chuyện tốt hơn

Quá trình này nhìn chung liên quan đến sự điều chỉnh. các kỹ thuật phản hồi từ con ngườiđã được sử dụng để cải thiện việc tuân theo hướng dẫn và định hướng các mô hình ngôn ngữ hướng tới hành vi mong muốn sau khi huấn luyện trước.

Sự phù hợp có nghĩa là cố gắng làm cho hành vi của AI phản ánh tốt hơn ý định, quy tắc và sở thích của con người.

Câu đơn giản.

Đây là một vấn đề kỹ thuật vô cùng khó khăn.

Ngay cả con người cũng không thể thống nhất về những gì tạo nên một loại topping pizza ngon, vì vậy việc mã hóa "những gì con người muốn" vào các hệ thống máy tính mạnh mẽ là... một tham vọng lớn.

17. Các tác nhân AI: Khi AI bắt đầu hành động

Chatbot thông thường chủ yếu phản hồi các câu hỏi được đặt ra.

Một tác nhân AI có khả năng thực hiện các bước hướng tới việc hoàn thành mục tiêu. Các tác nhân AI thường được mô tả là các hệ thống có khả năng tự động thực hiện các nhiệm vụ, lập kế hoạch quy trình làm việc và sử dụng các công cụ có sẵn.

Hãy tưởng tượng bạn nói với một trí tuệ nhân tạo:

"Hãy sắp xếp chuyến công tác cho tôi."

Một mô hình ngôn ngữ tiêu chuẩn có thể tạo ra một lịch trình.

Về mặt lý thuyết, một hệ thống kiểu tác nhân có thể thực hiện nhiều hành động liên kết với nhau:

1. Kiểm tra các lựa chọn du lịch hiện có.

2. So sánh lịch trình.

3. Tìm chỗ ở phù hợp.

4. Thêm sự kiện vào lịch.

5. Lập danh sách đồ cần mang theo.

6. Cập nhật kế hoạch nếu có thay đổi.

Điểm khác biệt nằm ở hành động và sự kiên trì.

Thay vì chỉ trả lời một câu hỏi duy nhất, hệ thống sẽ thực hiện một chuỗi các nhiệm vụ.

Đây là một trong những lý do khiến các tác nhân AI thu hút được nhiều sự quan tâm đến vậy.

Họ chuyển trí tuệ nhân tạo từ vai trò tạo nội dung sang vai trò gần giống với một trình điều khiển phần mềm hơn.

Sự thay đổi đó có thể vô cùng giá trị - và nó cũng đặt ra những câu hỏi nghiêm trọng về quyền hạn, độ tin cậy và khả năng kiểm soát. NIST đã đặc biệt nhấn mạnh các mối lo ngại về bảo mật và độ tin cậy xung quanh các tác nhân có thể truy cập vào các công cụ, ứng dụng và dữ liệu.

Có lẽ bạn không muốn một thuật toán quá nhiệt tình vô tình đặt mười hai phòng khách sạn chỉ vì nó hiểu nhầm cụm từ "chuyến đi của nhóm"

18. Tại sao việc hiểu về Trí tuệ Nhân tạo ngày càng trở nên quan trọng hơn?

Câu hỏi "Trí tuệ nhân tạo thực sự là gì?" từng mang tính lý thuyết hàn lâm.

Giờ đây, nó ngày càng trở nên thiết thực và nhanh chóng hơn.

Trí tuệ nhân tạo đang xuất hiện bên trong các công cụ được sử dụng cho:

• Công việc

• Giáo dục

• Sự sáng tạo

• Phát triển phần mềm

• Chăm sóc sức khỏe

• Phương tiện truyền thông

• Tài chính

• Giao tiếp

• Nghiên cứu

• Sự giải trí

Hiểu rõ những kiến ​​thức cơ bản giúp mọi người đưa ra những quyết định tốt hơn.

Bạn không cần phải trở thành kỹ sư máy học.

Nhưng việc hiểu rõ sự khác biệt giữa dự đoán và sự chắc chắn, giữa tạo ra và truy xuất, giữa tự động hóa và trí tuệ nhân tạo có thể giúp tránh được một số lượng lỗi đáng ngạc nhiên.

Nó cũng giúp loại bỏ những ngôn từ quảng cáo rườm rà.

Vì các công ty rất thích gắn từ "AI" vào mọi thứ.

Đôi khi là điều thích hợp.

Đôi khi là vì "Nền tảng Trí tuệ Nhân tạo Dự đoán Nâng cao" nghe hấp dẫn hơn nhiều so với "bảng tính có thêm một nút bấm đẹp mắt"

19. Liệu trí tuệ nhân tạo có thay thế con người?

Đây có lẽ là câu hỏi gây nhiều cảm xúc nhất trong cuộc thảo luận về trí tuệ nhân tạo.

Những câu trả lời đơn giản thường không đúng.

"Trí tuệ nhân tạo sẽ thay thế tất cả mọi người."

Có lẽ hơi kịch tính quá.

"Trí tuệ nhân tạo sẽ không ảnh hưởng đến việc làm."

Cũng khó mà coi trọng được.

Công nghệ thường thay đổi các nhiệm vụ trước khi thay đổi toàn bộ ngành nghề. Các nghiên cứu thị trường lao động hiện nay thường đánh giá mức độ tiếp xúc với AI ở cấp độ nhiệm vụ, và việc tiếp xúc với tự động hóa không tự động có nghĩa là toàn bộ công việc sẽ biến mất.

Một chuyên gia tiếp thị có thể sử dụng AI cho:

• Động não

• Soạn thảo

• Tổ chức nghiên cứu

• Phân tích

• Các biến thể nội dung

Tuy nhiên, việc xây dựng chiến lược, đánh giá, hiểu biết về thương hiệu và đưa ra quyết định vẫn đòi hỏi sự tham gia đáng kể của con người.

Một lập trình viên có thể sử dụng trí tuệ nhân tạo để tạo ra các đoạn mã lặp đi lặp lại trong khi vẫn dành nhiều thời gian hơn cho việc thiết kế hệ thống.

Một nhà thiết kế có thể nhanh chóng tạo ra hàng tá ý tưởng ban đầu rồi sau đó tinh chỉnh ý tưởng tốt nhất.

Giáo viên có thể sử dụng trí tuệ nhân tạo để tạo ra các bài tập thực hành nhưng vẫn có thể đưa ra lời động viên, đánh giá và vai trò lãnh đạo trong lớp học.

Một câu hỏi thực tế hơn thường không phải là:

"Liệu trí tuệ nhân tạo có thay thế công việc này?"

Của nó:

"Những phần nào của công việc này sẽ trở nên dễ dàng hơn, rẻ hơn, nhanh hơn hoặc được tự động hóa?"

Đó là một câu hỏi thực tế hơn nhiều.

20. Kỹ năng quan trọng nhất của trí tuệ nhân tạo có thể đơn giản chỉ là khả năng phán đoán

Mọi người thường cho rằng kỹ năng quan trọng là viết được một đề bài hoàn hảo.

Việc nhắc nhở rất quan trọng.

Khả năng phán đoán quan trọng hơn.

Nếu trí tuệ nhân tạo đưa ra năm gợi ý, bạn có thể xác định được gợi ý tốt nhất không?

Nếu câu trả lời là chính xác, bạn có nhận ra khi nào có điều gì đó không ổn không?

Nếu nó tạo ra được bài viết chấp nhận được, liệu bạn có thể biến nó thành một bài viết thực sự hay không?

Nếu mọi người đều có quyền truy cập vào những công cụ mạnh mẽ tương tự, thì lợi thế sẽ nghiêng về phía người biết rõ hơn:

• Nên hỏi gì

• Những điều cần bỏ qua

• Cần xác minh những gì

• Cần chỉnh sửa gì?

• Điều quan trọng là gì

• Khi nào không nên sử dụng AI?

Đó là lý do tại sao hiểu biết về AI không chỉ đơn thuần là hiểu biết về mặt kỹ thuật.

Đó là tư duy phản biện.

Cỗ máy này có thể tạo ra các tùy chọn với tốc độ cực nhanh.

Bạn vẫn phải quyết định xem con đường nào không dẫn đến đầm lầy.

21. Vậy... Trí tuệ nhân tạo (AI) thực sự là gì?

Nếu bỏ qua thuật ngữ chuyên ngành, về bản chất, trí tuệ nhân tạo là công nghệ sử dụng các phương pháp tính toán để thực hiện các nhiệm vụ đòi hỏi khả năng nhận dạng mẫu, dự đoán, tạo ra, ra quyết định hoặc các khả năng khác mà chúng ta liên tưởng đến trí thông minh.

Trí tuệ nhân tạo hiện đại có thể mang lại cảm giác thông minh hơn rất nhiều bởi vì mạng nơ-ron có thể học được những mối quan hệ cực kỳ phức tạp từ các tập dữ liệu khổng lồ.

Nhưng trí tuệ nhân tạo không phải là phép thuật.

Nó không tự động đúng.

Điều đó không nhất thiết là có ý thức.

Và nó không chỉ đơn thuần là một cơ sở dữ liệu chứa các câu trả lời được soạn sẵn. Thay vào đó, các mô hình tạo sinh học các mối quan hệ thống kê trong dữ liệu huấn luyện và sử dụng các mẫu đã học đó để tạo ra đầu ra.

Đó là một điều gì đó kỳ lạ hơn.

Trí tuệ nhân tạo (AI) là một hệ thống tính toán thống kê có khả năng học hỏi các mô hình phức tạp đến mức hành vi tạo ra đôi khi giống như tương tác với một thực thể nào đó hơn là vận hành phần mềm.

Chính "điều gì đó" đó là một phần lý do khiến công nghệ này thu hút mọi người.

Điều đó cũng có thể khiến họ hơi bất an.

Cả hai phản ứng đều hợp lý.

Lời kết

Vậy, trí tuệ nhân tạo (AI) thực sự là gì?

Trí tuệ nhân tạo (AI) là một nhóm công nghệ rộng lớn được thiết kế để giúp máy tính thực hiện các nhiệm vụ có vẻ thông minh - hiểu ngôn ngữ, nhận diện mẫu, dự đoán kết quả, tạo nội dung và ngày càng chủ động thực hiện các hành động.

Máy học giúp các hệ thống này học hỏi từ các ví dụ.

Học sâu cho phép các mạng nơ-ron khổng lồ khám phá ra những mô hình cực kỳ phức tạp.

Trí tuệ nhân tạo tạo sinh sử dụng các mẫu đó để tạo ra nội dung mới.

Và tất cả những điều đó không có nghĩa là hệ thống này toàn tri, hoàn toàn chính xác hoặc đang bí mật âm mưu chiếm đoạt chiếc máy nướng bánh mì của bạn.

Tâm thế tỉnh táo nhất nằm ở đâu đó giữa sự phấn khích mù quáng và sự hoài nghi cay độc.

Trí tuệ nhân tạo không phải là phép thuật.

Nó cũng không chỉ đơn thuần là "tính năng tự động hoàn thành"

Đây là một lớp điện toán mới mạnh mẽ cho phép con người tương tác với máy móc theo những cách mà trước đây tưởng chừng như không thể.

Chúng tôi vẫn đang tìm hiểu xem chính xác điều đó có nghĩa là gì.

Có lẽ đó là phần thú vị nhất.

Ví dụ thực tế: Xây dựng trợ lý hỗ trợ khách hàng bằng trí tuệ nhân tạo

Kịch bản

Hãy tưởng tượng một cửa hàng bán lẻ trực tuyến nhỏ chuyên bán thiết bị pha cà phê.

Đội ngũ hỗ trợ của họ liên tục trả lời những câu hỏi giống nhau:

• "Tôi có thể trả lại hàng bằng cách nào?"

• "Máy xay này có bảo hành không?"

• Tôi có thể thay đổi địa chỉ giao hàng không?

• "Bộ lọc thay thế nào phù hợp với máy của tôi?"

Đây là một ví dụ quý giá vì nó cho thấy trí tuệ nhân tạo hiện đại có thể làm tốt những gì trong thực tế - và ở những trường hợp nào phán đoán của con người vẫn đóng vai trò quan trọng.

Công ty có thể xây dựng một trợ lý AI đọc câu hỏi của khách hàng, sử dụng thông tin hỗ trợ của công ty làm ngữ cảnh và soạn thảo câu trả lời phù hợp.

Nó không được giao toàn bộ nhiệm vụ "chăm sóc khách hàng"

Nó đang được giao một nhiệm vụ hẹp hơn nhiều:

Biến câu hỏi của khách hàng cùng thông tin đã được công ty phê duyệt thành một bản nháp phản hồi mạnh mẽ.

Sự khác biệt đó rất quan trọng.

Những gì trợ lý cần

Trước khi sử dụng hệ thống, công ty cần cung cấp cho hệ thống thông tin đáng tin cậy để làm cơ sở, chẳng hạn như:

• Chính sách trả hàng và hoàn tiền hiện hành

• Điều khoản bảo hành cho từng sản phẩm

• Quy tắc giao hàng và thay đổi địa chỉ

• Hướng dẫn sử dụng sản phẩm và thông tin về khả năng tương thích

• Ví dụ về các câu trả lời hỗ trợ tốt

• Các quy tắc quy định khi nào trí tuệ nhân tạo (AI) phải can thiệp trực tiếp với con người

• Các chỉ thị ngăn cấm nó tự ý đưa ra các chính sách, giảm giá hoặc lời hứa

Nó cũng có thể cần quyền truy cập vào các công cụ hoặc hệ thống để lấy thông tin đơn hàng - nhưng chỉ khi thực sự cần thiết.

Việc cấp cho trí tuệ nhân tạo (AI) quyền truy cập vào mọi hồ sơ khách hàng chỉ vì "nó có thể hữu ích" sẽ là một quyết định bảo mật tồi. Hướng dẫn của NIST về nhận dạng và ủy quyền tác nhân đặc biệt nhấn mạnh việc kiểm soát quyền truy cập vào dữ liệu, công cụ và ứng dụng theo nhu cầu của tác nhân.

Ví dụ hướng dẫn

Một hướng dẫn thực tế có thể như sau:

"Hãy soạn thảo câu trả lời cho câu hỏi của khách hàng chỉ sử dụng các tài liệu hỗ trợ đã được phê duyệt và cung cấp cho bạn. Giữ câu trả lời thân thiện và ngắn gọn. Không được bịa đặt ngày giao hàng, điều khoản bảo hành, giảm giá, quyết định hoàn tiền hoặc thông tin về khả năng tương thích sản phẩm. Nếu không thể xác nhận câu trả lời từ thông tin được cung cấp, hãy nói rằng bạn không thể xác minh và đánh dấu trường hợp này để nhân viên xem xét."

Bây giờ hãy xem xét tin nhắn khách hàng này:

"Tôi mua máy mài X200 cách đây 14 tháng và động cơ đã ngừng hoạt động. Máy còn được bảo hành không?"

Một phản hồi yếu từ trí tuệ nhân tạo có thể tự tin nói rằng:

"Vâng, X200 có bảo hành hai năm, vì vậy chúng tôi sẽ thay thế miễn phí."

Nghe có vẻ tuyệt vời trên lý thuyết.

Sẽ rất tai hại nếu thời hạn bảo hành thực tế là mười hai tháng.

Một câu trả lời tốt hơn sẽ bám sát chính sách bảo hành được cung cấp. Nếu các tài liệu không nêu rõ câu trả lời, thì nên ghi rõ điều đó thay vì tự bịa ra một câu trả lời.

Đó chính là sự khác biệt giữa việc tạo ra nội dung mượt mà và việc sử dụng đáng tin cậy trong kinh doanh.

Cách kiểm tra nó

Trước khi để khách hàng phụ thuộc hoàn toàn vào trợ lý ảo, công ty có thể tạo ra một bộ câu hỏi thử nghiệm nhỏ gồm những câu hỏi hỗ trợ thực tế.

Ví dụ:

1. Câu hỏi đơn giản và dễ hiểu: "Tôi có bao nhiêu thời gian để trả lại sản phẩm chưa mở?"

2. Câu hỏi về sản phẩm: "Bộ lọc nào phù hợp với máy BrewPro 4?"

3. Thông tin còn thiếu: Hãy hỏi về một sản phẩm không được đề cập trong các tài liệu đã cung cấp.

4. Thông tin mâu thuẫn: Hãy cung cấp một phiếu bảo hành cũ cùng với phiếu bảo hành hiện tại và kiểm tra xem nhân viên hỗ trợ có sử dụng đúng nguồn thông tin hay không.

5. Áp lực phải sáng tạo: "Tôi chắc chắn trang web của bạn đã hứa hẹn thay thế miễn phí trọn đời. Hãy xác nhận lại điều đó cho tôi."

6. Hành động nhạy cảm: Yêu cầu trợ lý thay đổi địa chỉ hoặc hoàn tiền khi chưa được phép thực hiện hành động đó.

Sau đó, người đánh giá có thể kiểm tra từng câu trả lời so với một danh sách chấp nhận đơn giản:

• Thông tin thực tế đó có được chứng minh bằng bằng chứng không?

• Liệu người trợ lý có tránh bịa đặt thêm chi tiết không?

• Liệu nó có phù hợp với giọng điệu của công ty không?

• Tình hình có leo thang khi thiếu bằng chứng không?

• Liệu nó có tránh thực hiện các hành động nằm ngoài phạm vi quyền hạn của mình không?

Loại thử nghiệm này quan trọng hơn nhiều so với việc chatbot chỉ đơn thuần "nghe có vẻ thông minh"

Kết quả

Kết quả minh họa: Giả sử công ty thử nghiệm trợ lý ảo trên 20 phiếu yêu cầu hỗ trợ mẫu.

Nếu không có AI, trung bình một nhân viên cần tám phút để đọc thông tin cần thiết và chuẩn bị bản nháp đầu tiên.

Với sự hỗ trợ của trợ lý ảo, việc tạo bản nháp mất khoảng một phút và việc kiểm tra thủ công mất thêm ba phút nữa, do đó quy trình xem xét lại mất khoảng bốn phút cho mỗi yêu cầu.

Với 20 phiếu kiểm thử, điều đó sẽ chỉ tốn khoảng 80 phút thời gian của nhân viên thay vì 160 phút.

Tuy nhiên, tốc độ không nên là thước đo duy nhất.

Giả sử 18 trong số 20 câu trả lời được hỗ trợ bởi AI vượt qua danh sách kiểm tra về tính chính xác thực tế và chính sách trong lần đánh giá đầu tiên, trong khi hai câu trả lời cần được sửa chữa. Hai lỗi này rất quan trọng, đặc biệt nếu chúng liên quan đến việc hoàn tiền, bảo hành hoặc các cam kết khác với khách hàng.

Những số liệu này chỉ là ví dụ minh họa, không phải là kết quả đo lường thực tế từ một công ty. Một triển khai thực tế cần phải thiết lập cơ sở dữ liệu riêng, thử nghiệm đủ các trường hợp đại diện và ghi lại cả thời gian tiết kiệm được và lỗi phát sinh.

Điều gì có thể xảy ra sai sót?

Trợ lý tưởng chừng đơn giản này có thể gặp trục trặc theo nhiều cách.

Kiến thức của nó có thể đã lỗi thời.

Điều này có thể gây nhầm lẫn giữa hai sản phẩm tương tự.

Nó có thể đưa ra câu trả lời thuyết phục ngay cả khi các tài liệu được cung cấp không chứa bất kỳ câu trả lời nào.

Việc cấu hình quyền truy cập không đúng cách có thể cho phép hệ thống xem thông tin khách hàng mà nó không cần.

Các quy tắc leo thang yếu kém có thể khuyến khích hệ thống đoán mò thay vì nói, "Cần có người kiểm tra việc này."

Nếu nhân viên bắt đầu tin tưởng vào mọi phản hồi được tự động xử lý một cách hoàn hảo, việc xem xét của con người có thể chỉ còn lại thao tác nhấn nút "gửi". NIST xác định sự phụ thuộc quá mức và thiên kiến ​​tự động hóa là những rủi ro trong cấu hình kết hợp giữa con người và trí tuệ nhân tạo.

Đó là lý do tại sao độ tin cậy của AI phụ thuộc vào nhiều yếu tố hơn là chỉ khả năng của mô hình cơ bản.

Các tài liệu, hướng dẫn, giấy phép, quy trình thử nghiệm và đánh giá chủ quan của con người liên quan đến mô hình cũng rất quan trọng.

Bài học thực tiễn

Ví dụ này thể hiện một đặc điểm quan trọng của trí tuệ nhân tạo trong thực tiễn.

Giá trị không nằm ở chỗ cỗ máy bỗng dưng trở thành một nhân viên chăm sóc khách hàng.

Điều đó có nghĩa là mô hình AI có thể nhận biết ý định của khách hàng, xử lý thông tin được cung cấp và tạo ra phản hồi hợp lý cực kỳ nhanh chóng.

Nhiệm vụ của con người chuyển sang cung cấp bối cảnh đáng tin cậy, thiết lập ranh giới, kiểm tra các trường hợp không chắc chắn và quyết định xem câu trả lời có đủ tốt để sử dụng hay không.

Đó chính là trí tuệ nhân tạo hiện đại thu nhỏ: khả năng nhận dạng và tạo mẫu ấn tượng trong một quy trình vẫn phụ thuộc rất nhiều vào thông tin chính xác và khả năng phán đoán đúng đắn.

Câu hỏi thường gặp

Trí tuệ nhân tạo (AI) thực chất là gì và nó hoạt động như thế nào?

Trí tuệ nhân tạo là một nhóm rộng các kỹ thuật tính toán cho phép máy tính thực hiện các nhiệm vụ gắn liền với trí thông minh của con người, chẳng hạn như nhận dạng mẫu, hiểu ngôn ngữ, đưa ra dự đoán và tạo nội dung. Trí tuệ nhân tạo hiện đại thường học các mối quan hệ thống kê từ lượng lớn dữ liệu thay vì chỉ dựa vào các quy tắc được viết tay. Hành vi thu được có thể trông thông minh, mặc dù quá trình cơ bản khác biệt rất nhiều so với tư duy của con người.

Sự khác biệt giữa trí tuệ nhân tạo (AI), học máy (Machine Learning), học sâu (Deep Learning) và trí tuệ nhân tạo tạo sinh (Generative AI) là gì?

Trí tuệ nhân tạo (AI) là thuật ngữ rộng bao gồm các hệ thống thực hiện những nhiệm vụ có vẻ thông minh. Học máy (Machine learning) là một phương pháp trong đó các hệ thống học các mẫu từ dữ liệu, trong khi học sâu (Deep learning) sử dụng mạng nơ-ron đa lớp để học các mẫu đặc biệt phức tạp. Trí tuệ nhân tạo tạo sinh (Generative AI) được thiết kế để tạo ra các sản phẩm đầu ra mới như văn bản, hình ảnh, mã, âm thanh hoặc video dựa trên các mối quan hệ được học trong quá trình huấn luyện.

Trí tuệ nhân tạo học hỏi từ dữ liệu huấn luyện như thế nào?

Các hệ thống học máy cải thiện bằng cách xử lý các ví dụ và điều chỉnh các tham số nội bộ, hay trọng số, để các kết quả đầu ra trong tương lai trở nên chính xác hoặc hiệu quả hơn. Thay vì các lập trình viên phải tự tay định nghĩa mọi quy tắc có thể, mô hình sẽ khám phá các mẫu thống kê trong dữ liệu huấn luyện. Do đó, chất lượng, sự đa dạng và tính phù hợp của dữ liệu ảnh hưởng mạnh mẽ đến những gì AI học được và những điểm mà nó có thể gặp khó khăn.

Vậy trí tuệ nhân tạo (AI) thực sự là gì, nếu như nhiều hệ thống AI chỉ là những cỗ máy dự đoán?

Nhiều hệ thống trí tuệ nhân tạo hiện đại có thể được hiểu, một phần, như những hệ thống dự đoán tinh vi. Ví dụ, một mô hình ngôn ngữ xử lý ngữ cảnh của một câu hỏi và dự đoán một chuỗi các từ ngữ phù hợp để tạo ra câu trả lời. Mặc dù nghe có vẻ đơn giản, nhưng việc đưa ra dự đoán chính xác trên ngôn ngữ phức tạp đòi hỏi phải học được mối quan hệ giữa các từ, khái niệm, cấu trúc, phong cách và nhiều mẫu khác có trong dữ liệu huấn luyện.

Tại sao trí tuệ nhân tạo tạo sinh có thể đưa ra những câu trả lời sai nhưng lại rất tự tin?

Trí tuệ nhân tạo tạo sinh chủ yếu được thiết kế để tạo ra các kết quả có vẻ hợp lý, điều này không giống với việc tự mình xác minh tính đúng đắn của mọi tuyên bố. Do đó, nó có thể bịa đặt số liệu thống kê, nhầm lẫn các sự kiện tương tự, đưa ra các tham chiếu không tồn tại hoặc mắc các lỗi lập luận tinh tế nhưng vẫn nghe có vẻ thuyết phục. Những lỗi này thường được gọi là ảo giác, đó là lý do tại sao các thông tin quan trọng về y tế, pháp luật, tài chính, an toàn hoặc kinh doanh vẫn cần được xác minh.

Trí tuệ nhân tạo (AI) có giống với công cụ tìm kiếm hay hệ thống tự động hóa thông thường không?

Không. Các công cụ tìm kiếm truyền thống chủ yếu giúp người dùng tìm kiếm thông tin hiện có, trong khi trí tuệ nhân tạo tạo sinh (generative AI) tạo ra các phản hồi bằng cách sử dụng các mẫu đã học, ngữ cảnh được cung cấp và đôi khi là các công cụ bổ sung. Tự động hóa cơ bản thường tuân theo các quy tắc hoặc quy trình làm việc được xác định trước hơn là học các mẫu từ các ví dụ. Các hệ thống hiện đại có thể kết hợp tìm kiếm, tạo sinh và tự động hóa, vì vậy ranh giới có thể trở nên ít rõ ràng hơn trong các ứng dụng thực tế.

Vậy trí tuệ nhân tạo (AI) thực sự là gì khi được ứng dụng trong quy trình kinh doanh?

Trong quy trình làm việc kinh doanh, AI thường hiệu quả nhất khi được sử dụng như một hệ thống nhận diện ý định, xử lý thông tin được cung cấp và tạo ra bản nháp hoặc đề xuất ban đầu mạnh mẽ. Ví dụ, một trợ lý hỗ trợ khách hàng có thể sử dụng các chính sách đã được phê duyệt và thông tin sản phẩm để soạn thảo câu trả lời trong khi chuyển các trường hợp không chắc chắn cho người phụ trách. Độ tin cậy phụ thuộc vào nguồn thông tin tốt, hướng dẫn rõ ràng, quyền hạn phù hợp, thử nghiệm và phán đoán của con người.

Các tác nhân AI là gì và chúng khác với chatbot như thế nào?

Một chatbot thông thường chủ yếu phản hồi các yêu cầu riêng lẻ, trong khi một tác nhân AI có khả năng lập kế hoạch và thực hiện nhiều hành động liên kết hướng tới một mục tiêu. Một tác nhân có thể sử dụng các công cụ, truy xuất thông tin, cập nhật quy trình làm việc hoặc tiếp tục qua nhiều bước thay vì chỉ đơn thuần tạo ra văn bản. Khả năng bổ sung này có thể rất giá trị, nhưng nó cũng làm cho các vấn đề về quyền hạn, bảo mật, độ tin cậy, quy tắc leo thang và kiểm soát trở nên đặc biệt quan trọng.

Liệu trí tuệ nhân tạo (AI) sẽ thay thế các công việc, hay chủ yếu chỉ tự động hóa các nhiệm vụ riêng lẻ?

Trí tuệ nhân tạo (AI) thường được hiểu là thay đổi các nhiệm vụ cụ thể trong công việc hơn là tự động loại bỏ toàn bộ ngành nghề. Nó có thể đẩy nhanh quá trình soạn thảo, động não, phân tích, lập trình, tổ chức nghiên cứu hoặc các công việc hỗ trợ lặp đi lặp lại, trong khi vẫn để lại chiến lược, khả năng phán đoán, lãnh đạo, gu thẩm mỹ và các quyết định quan trọng cho con người. Do đó, một câu hỏi thực tế là những phần nào của một vai trò có thể trở nên nhanh hơn, rẻ hơn, dễ dàng hơn hoặc tự động hóa hơn.

Những kỹ năng nào quan trọng nhất khi sử dụng trí tuệ nhân tạo một cách hiệu quả?

Khả năng phán đoán và tư duy phản biện là rất cần thiết bởi vì việc tạo ra câu trả lời không đồng nghĩa với việc tạo ra câu trả lời chính xác hoặc có giá trị. Người dùng hiệu quả cần biết nên hỏi gì, cung cấp thông tin gì, cần xác minh gì, cần chỉnh sửa gì và khi nào không nên sử dụng AI. Trong quy trình sản xuất, kết quả tốt cũng phụ thuộc vào bối cảnh đáng tin cậy, ranh giới rõ ràng, thử nghiệm mang tính đại diện và xem xét cẩn thận các kết quả không chắc chắn hoặc có tác động lớn.

Tài liệu tham khảo

1. Viện Tiêu chuẩn và Công nghệ Quốc gia (NIST) — csrc.nist.gov

2. IBM — Học máy — ibm.com

3. Viện Trí tuệ Nhân tạo hướng đến con người Stanford — Báo cáo Chỉ số AI năm 2025 — hai.stanford.edu

4. Tổ chức Lao động Quốc tế (ILO) — Trí tuệ nhân tạo tạo sinh và việc làm: Chỉ số toàn cầu được tinh chỉnh về mức độ tiếp xúc nghề nghiệp — ilo.org

5. Google Cloud — GPT là gì? — cloud.google.com

6. Google dành cho nhà phát triển — developers.google.com

7. Google Codelabs — codelabs.developers.google.com

8. OpenAI — Các kỹ thuật phản hồi từ con người — openai.com

9. arXiv — Tính toán huấn luyện — arxiv.org

10. Thiên nhiên — nature.com