Trí tuệ nhân tạo (AI) thuộc những loại nào? [Video và bài kiểm tra]

Tóm lại: Các loại AI được hiểu rõ nhất dựa trên khả năng, chức năng, phong cách huấn luyện và trường hợp sử dụng. AI hẹp hiện nay khá phổ biến, trong khi AI tổng quát và siêu AI vẫn chỉ là lý thuyết. Khi lựa chọn công cụ, hãy đối chiếu loại AI với nhiệm vụ, các rủi ro liên quan và nhu cầu cần sự xem xét của con người.

Những điểm chính cần ghi nhớ:

Phân loại: Phân tách khả năng, chức năng, phương pháp đào tạo và trường hợp sử dụng trước khi so sánh các hệ thống.

Đánh giá của con người: Kiểm tra các kết quả đầu ra được tạo ra, dự đoán và hội thoại trước khi sử dụng chúng.

Tính minh bạch: Hãy hỏi xem dữ liệu, logic và giới hạn nào định hình nên mỗi hệ thống AI.

Trách nhiệm giải trình: Cần đảm bảo con người chịu trách nhiệm khi trí tuệ nhân tạo ảnh hưởng đến các quyết định, người dùng hoặc sự an toàn.

Kiểm soát rủi ro: Kiểm tra tính khách quan, quyền riêng tư, bảo mật và khả năng lạm dụng trước khi triển khai.

---

1. Trí tuệ nhân tạo (AI) có những loại nào?

Khi mọi người hỏi, “ Trí tuệ nhân tạo (AI) có những loại?”, họ thường muốn nói đến một trong hai điều sau:

Họ có thể đang hỏi về trí tuệ nhân tạo dựa trên khả năng, chẳng hạn như liệu nó chỉ có thể thực hiện một nhiệm vụ hay có khả năng suy luận rộng hơn theo cách giống con người.

Hoặc họ có thể đang hỏi về trí tuệ nhân tạo dựa trên chức năng, nghĩa là cách hệ thống hoạt động, học hỏi, ghi nhớ, dự đoán hoặc phản hồi.

Đó là điểm khiến mọi thứ trở nên hơi rối rắm. Trí tuệ nhân tạo không thể được gói gọn trong một khuôn khổ nhất định. Nó giống như việc phân loại dụng cụ nhà bếp theo kích thước, mục đích sử dụng, độ sắc bén, và liệu chú của bạn có mua chúng từ một cửa hàng trực tuyến đáng ngờ hay không. Các hệ thống phân loại khác nhau chồng chéo lên nhau.

Các hạng mục chính thường bao gồm:

• Trí tuệ nhân tạo hẹp

• Trí tuệ nhân tạo tổng quát

• Siêu trí tuệ nhân tạo

• Máy phản ứng

• Trí tuệ nhân tạo có bộ nhớ hạn chế

• Trí tuệ nhân tạo lý thuyết tâm trí

• Trí tuệ nhân tạo tự nhận thức

• Trí tuệ nhân tạo học máy

• Trí tuệ nhân tạo học sâu

• Trí tuệ nhân tạo tạo sinh

• Trí tuệ nhân tạo dự đoán

• Trí tuệ nhân tạo đàm thoại

• Trí tuệ nhân tạo thị giác máy tính

• Trí tuệ nhân tạo robot

Một số công nghệ này được sử dụng rộng rãi. Một số khác vẫn chủ yếu mang tính lý thuyết. Một số nghe có vẻ viễn tưởng nhưng đã được tích hợp vào các ứng dụng hàng ngày. Ranh giới giữa "phần mềm thông thường" và "trí tuệ nhân tạo" cũng ngày càng trở nên mờ nhạt theo thời gian.

---

2. Các loại trí tuệ nhân tạo theo khả năng

Cách phân loại chính đầu tiên và quan trọng nhất đối với AI là dựa trên khả năng của nó. Đây là cái nhìn tổng quan 🧠.

Trí tuệ nhân tạo hẹp

Trí tuệ nhân tạo hẹp, hay còn gọi là trí tuệ nhân tạo yếu, được thiết kế để thực hiện một nhiệm vụ cụ thể hoặc một tập hợp nhiệm vụ hạn chế. Đây là loại trí tuệ nhân tạo mà mọi người sử dụng hàng ngày.

Ví dụ bao gồm:

• Đề xuất tìm kiếm

• Bộ lọc thư rác

• Trợ lý giọng nói

• Hệ thống nhận diện khuôn mặt

• Chatbots

• Công cụ đề xuất sản phẩm

• Công cụ phát hiện gian lận

• Ứng dụng dịch ngôn ngữ

Trí tuệ nhân tạo hẹp (Narrow AI) có thể mạnh mẽ, nhưng nó không "suy nghĩ" theo nghĩa rộng của con người. Một AI chơi cờ có thể đánh bại một kiện tướng, nhưng nó không thể đột nhiên quyết định trở thành một đầu bếp làm bánh ngọt. Một mô hình dịch thuật có thể dịch một đoạn văn, nhưng nó không cảm nhận ngôn ngữ theo cách mà con người cảm nhận.

Tuy vậy, trí tuệ nhân tạo hẹp (narrow AI) vẫn là trụ cột của thế giới trí tuệ nhân tạo hiện đại. Nó không hào nhoáng như trong phim khoa học viễn tưởng, nhưng nó vận hành phần lớn mọi thứ đằng sau bức màn 🎭.

Trí tuệ nhân tạo tổng quát

tạo tổng quát (General AI) đề cập đến trí tuệ nhân tạo có khả năng hiểu, học hỏi, suy luận và áp dụng kiến ​​thức vào nhiều nhiệm vụ khác nhau ở mức độ giống con người.

Nói một cách đơn giản: nó không chỉ làm tốt một việc. Nó có khả năng thích ứng.

Một trí tuệ nhân tạo tổng quát thực sự có khả năng:

• Học cách thực hiện các nhiệm vụ chưa quen thuộc

• Lý luận trong nhiều lĩnh vực khác nhau

• Giải quyết các vấn đề mới

• Chuyển giao kiến ​​thức từ lĩnh vực này sang lĩnh vực khác

• Hiểu sâu hơn về bối cảnh

• Đưa ra quyết định với khả năng phán đoán linh hoạt

Loại trí tuệ nhân tạo này vẫn còn là mục tiêu hơn là hiện thực thường ngày. Mọi người bàn luận nhiều về nó vì nó hấp dẫn, có lẽ hơi đáng lo ngại, và khó có thể cưỡng lại về mặt khái niệm. Nhưng các công cụ thông thường dùng để viết văn bản, tạo hình ảnh hoặc trả lời câu hỏi không tự động trở thành trí tuệ nhân tạo tổng quát. Chúng có thể mang lại cảm giác bao quát, nhưng vẫn hoạt động trong những giới hạn được thiết kế sẵn.

Siêu trí tuệ nhân tạo

Trí tuệ nhân tạo siêu việt sẽ vượt xa trí thông minh của con người. Không chỉ là đánh máy nhanh hơn hay tính toán giỏi hơn - mà còn là khả năng suy luận, sáng tạo, chiến lược, học hỏi vượt trội, và có thể cả khả năng thấu hiểu cảm xúc hoặc xã hội nữa.

Đây là hạng mục mang tính suy đoán cao nhất. Nó đặt ra rất nhiều câu hỏi:

• Ai kiểm soát nó?

• Liệu nó có phù hợp với các giá trị nhân văn?

• Liệu nó có hiểu đúng mục tiêu của con người không?

• Liệu nó có thể tự cải thiện được không?

• Điều gì sẽ xảy ra nếu nó đưa ra những quyết định mà con người không thể tuân theo?

Siêu AI là nơi mà các cuộc trò chuyện về AI đôi khi biến thành một mớ hỗn độn triết học. Có lẽ là một mớ hỗn độn đáng giá, nhưng vẫn chỉ là hỗn độn mà thôi 🍲.

---

3. Các loại trí tuệ nhân tạo theo chức năng

Một cách phổ biến khác để giải thích các loại trí tuệ nhân tạo (AI) là dựa trên chức năng. Cách tiếp cận này tập trung vào cách thức hoạt động của AI.

Máy phản ứng

Máy phản ứng là loại trí tuệ nhân tạo đơn giản nhất. Chúng phản hồi với dữ liệu đầu vào hiện tại mà không cần sử dụng bộ nhớ từ kinh nghiệm trong quá khứ.

Chúng không học hỏi theo thời gian như các hệ thống thích ứng hiện đại. Chúng quan sát tình huống, xử lý thông tin và phản hồi.

Hãy hình dung chúng như thế này: “Đầu vào. Đầu ra. Không có ghi chép nhật ký.”

Trí tuệ nhân tạo phản ứng vẫn có thể rất ấn tượng. Nó có thể phân tích các nước đi có thể xảy ra trong một trò chơi hoặc phản hồi lại một tình huống được xác định rõ ràng với tốc độ và độ chính xác cực cao. Nhưng nó không xây dựng lịch sử cá nhân hoặc phát triển dựa trên các tương tác trong quá khứ.

Trí tuệ nhân tạo có bộ nhớ hạn chế

Trí tuệ nhân tạo (AI) có bộ nhớ hạn chế có thể sử dụng dữ liệu trong quá khứ để đưa ra quyết định tốt hơn. Đây là loại hình mà phần lớn AI thực tiễn hiện nay thuộc về.

Ví dụ bao gồm:

• Hệ thống đề xuất học hỏi từ hành vi người dùng

• Hệ thống xe tự lái phân tích tình trạng đường sá gần đây

• Chatbot ghi nhớ ngữ cảnh trong cuộc hội thoại

• Các mô hình phát hiện gian lận học hỏi từ các mô hình giao dịch

• Công cụ phân tích dự đoán sử dụng dữ liệu lịch sử

Bộ nhớ hạn chế không có nghĩa là "trí nhớ kém". Điều đó có nghĩa là hệ thống có thể sử dụng dữ liệu đã lưu trữ hoặc dữ liệu gần đây, nhưng nó không sở hữu ý thức giống con người hoặc kinh nghiệm cá nhân lâu dài. Tuy nhiên, nó có thể rất hiệu quả. Đôi khi hiệu quả đến mức khó chịu - giống như khi một ứng dụng mua sắm biết bạn muốn gì trước khi bạn tự thừa nhận điều đó với chính mình 🛒.

Trí tuệ nhân tạo lý thuyết tâm trí

Trí tuệ nhân tạo dựa trên lý thuyết tâm trí sẽ hiểu được cảm xúc, niềm tin, ý định và các tín hiệu xã hội theo cách giống con người hơn.

Loại trí tuệ nhân tạo này không chỉ xử lý từ ngữ. Nó còn có thể suy luận những gì người khác có thể cảm thấy, muốn, hiểu lầm, sợ hãi hoặc kỳ vọng.

Ví dụ, nó có thể hiểu rằng:

• Khách hàng đang bực bội nhưng vẫn cố gắng giữ thái độ lịch sự

• Một học sinh cảm thấy bối rối nhưng lại ngại hỏi lại

• Bệnh nhân tỏ ra lo lắng dù nói "Tôi ổn"

• Một đồng đội đang do dự vì họ âm thầm không đồng ý với điều đó

Đây vẫn là một lĩnh vực thảo luận sôi nổi về AI, nhưng AI có khả năng hiểu được lý thuyết về tâm trí người khác là vô cùng khó khăn. Cảm xúc của con người rất phức tạp. Mọi người nói một đằng nhưng lại nghĩ một nằng khác. Đôi khi chính họ cũng không biết mình đang nói gì. Chúc may mắn, máy móc!.

Trí tuệ nhân tạo tự nhận thức

Trí tuệ nhân tạo tự nhận thức sẽ có ý thức, khả năng tự hiểu và nhận thức về trạng thái nội tại của chính nó.

Đây chỉ là lý thuyết. Nó thuộc về khoa học viễn tưởng, các buổi thảo luận về đạo đức, những cuộc tranh luận thâu đêm và những người nhìn chằm chằm ra ngoài cửa sổ một cách đầy kịch tính 🌙.

Một trí tuệ nhân tạo tự nhận thức sẽ không chỉ đơn thuần mô phỏng cuộc trò chuyện về cảm xúc. Nó sẽ sở hữu một loại trải nghiệm chủ quan nào đó. Đó là một tuyên bố rất lớn. Các hệ thống trí tuệ nhân tạo hiện nay chưa được xác minh có ý thức, cảm xúc, ham muốn hay bản ngã.

Chúng có thể nghe có vẻ tự nhận thức vì ngôn ngữ có thể bắt chước sự tự phản tỉnh. Nhưng nghe giống như một thứ gì đó và thực sự là thứ đó thì không giống nhau. Một con vẹt có thể nói "Tôi đói", nhưng điều đó không có nghĩa là nó đã đặt chỗ ở nhà hàng.

---

4. Bảng so sánh: Các loại trí tuệ nhân tạo chính

Loại trí tuệ nhân tạo	Ý chính	Tình trạng hiện tại	Ví dụ phổ biến	Tại sao điều đó lại quan trọng
Trí tuệ nhân tạo hẹp	Được thiết kế cho các nhiệm vụ cụ thể	Được sử dụng rộng rãi	Chatbot, tìm kiếm, đề xuất	Thiết thực và có mặt ở khắp mọi nơi
Trí tuệ nhân tạo tổng quát	Trí thông minh linh hoạt giống con người	Chưa đạt được hoàn toàn	Chủ yếu là lý thuyết	Mục tiêu lớn, cuộc tranh luận lớn
Siêu trí tuệ nhân tạo	Thông minh hơn con người nói chung	Mang tính suy đoán	Không có ví dụ thực tế nào	Những câu hỏi đạo đức lớn
Máy phản ứng	Phản hồi mà không cần trí nhớ	Được sử dụng trong một số trường hợp hạn chế	Trí tuệ nhân tạo trong game, hệ thống dựa trên quy tắc	Nhanh nhưng không thích ứng
Trí tuệ nhân tạo có bộ nhớ hạn chế	Sử dụng dữ liệu/lịch sử để cải thiện	Rất phổ biến	Hệ thống tự lái, công cụ chống gian lận	Đây là chiếc xe tôi dùng hàng ngày 🚗
Trí tuệ nhân tạo lý thuyết tâm trí	Hiểu được cảm xúc và ý định	Khái niệm đang phát triển	Ý tưởng AI xã hội tiên tiến	Có thể giúp trí tuệ nhân tạo nhận thức con người tốt hơn
Trí tuệ nhân tạo tự nhận thức	Có ý thức	Lý thuyết	Ví dụ theo phong cách khoa học viễn tưởng	Về mặt triết học rất đồ sộ
Trí tuệ nhân tạo tạo sinh	Tạo nội dung mới	Được sử dụng rộng rãi	Công cụ văn bản, hình ảnh, âm thanh	Tăng cường năng suất sáng tạo
Trí tuệ nhân tạo dự đoán	Dự báo kết quả	Được sử dụng rộng rãi	Đánh giá rủi ro, lập kế hoạch nhu cầu	Giúp đưa ra quyết định - chủ yếu là vậy
Trí tuệ nhân tạo robot	Điều khiển các máy móc vật lý	Được sử dụng trong các ngành công nghiệp	Robot, máy bay không người lái, tự động hóa	Kết nối trí tuệ nhân tạo với công việc chân tay

Hơi thiếu đồng đều? Đúng vậy. Nhưng đó cũng là cách AI hoạt động trong cuộc sống hàng ngày - chứ không phải là một trưng bày trong bảo tàng với những chú thích hoàn hảo.

---

5. Trí tuệ nhân tạo tạo sinh: Loại hình mà mọi người đều đang bàn tán 🎨

Trí tuệ nhân tạo tạo sinh (Generative AI) là một trong những loại trí tuệ nhân tạo phổ biến nhất vì nó có khả năng tạo ra mọi thứ.

Nó có thể tạo ra:

• Chữ

• Hình ảnh

• Âm nhạc

• Mã số

• Băng hình

• Mô tả sản phẩm

• Bản sao tiếp thị

• Kế hoạch bài học

• Tóm tắt

• Dữ liệu tổng hợp

• Ý tưởng thiết kế

Trí tuệ nhân tạo tạo sinh hoạt động bằng cách học các mẫu từ lượng lớn dữ liệu và sau đó tạo ra các đầu ra mới dựa trên các tín hiệu đầu vào. Nó không sao chép theo nghĩa đơn giản mà mọi người đôi khi hình dung. Nó dự đoán, kết hợp, thay đổi và tạo ra dựa trên các cấu trúc đã học.

Tuy nhiên, nó vẫn có thể mắc lỗi. Nó có thể tỏ ra tự tin trong khi lại sai, điều này về cơ bản giống như phiên bản máy móc của ai đó đang giải thích luật thuế tại một buổi tiệc nướng gia đình.

Trí tuệ nhân tạo tạo sinh có giá trị trong:

• Động não

• Soạn thảo nội dung

• Tự động hóa việc viết lặp đi lặp lại

• Tạo ra các ý tưởng trực quan

• Hỗ trợ dịch vụ khách hàng

• Tăng tốc các tác vụ lập trình

• Cá nhân hóa tài liệu học tập

Nhưng nó cần được xem xét lại. Luôn luôn. Kết quả đầu ra của AI có thể ấn tượng, nhưng nó không tự động chính xác, công bằng, hợp pháp hoặc an toàn cho thương hiệu. Hãy coi nó như một trợ lý nhanh nhẹn nhưng đôi khi có những hành vi khó chịu.

---

6. Trí tuệ nhân tạo học máy: Công cụ tìm kiếm mẫu

Máy học là một nhánh quan trọng của trí tuệ nhân tạo, nơi các hệ thống học các mẫu từ dữ liệu thay vì được lập trình từng dòng cho mỗi quyết định.

Phần mềm truyền thống tuân theo các quy tắc rõ ràng. Hệ thống học máy xác định các mối quan hệ và cải thiện hiệu suất thông qua quá trình huấn luyện.

Ví dụ:

• Bộ lọc thư rác học cách nhận biết các email đáng ngờ

• Mô hình ngân hàng phát hiện hành vi giao dịch bất thường

• Ứng dụng xem phim trực tuyến đề xuất các chương trình dựa trên thói quen xem phim của người dùng

• Công cụ tuyển dụng có thể xếp hạng ứng viên dựa trên các tín hiệu được xác định

• Mô hình hình ảnh y tế có thể làm nổi bật những bất thường tiềm ẩn

Máy học có thể được giám sát, không giám sát hoặc dựa trên củng cố.

Học có giám sát

Học có giám sát sử dụng các ví dụ được gắn nhãn. Ví dụ, hình ảnh có thể được gắn nhãn là "mèo" hoặc "không phải mèo". Mô hình sẽ học được sự khác biệt.

Học không giám sát

Học không giám sát tìm kiếm các mẫu mà không cần câu trả lời được gắn nhãn. Nó có thể nhóm khách hàng thành các phân khúc hoặc phát hiện các cụm ẩn trong dữ liệu.

Học tăng cường

Học tăng cường học hỏi bằng cách nhận phần thưởng hoặc hình phạt cho các hành động. Điều này thường thấy trong trí tuệ nhân tạo chơi game, robot và các bài toán tối ưu hóa.

Máy học không phải là phép thuật. Nó phụ thuộc rất nhiều vào chất lượng dữ liệu. Dữ liệu kém chất lượng dẫn đến mô hình kém chất lượng - dữ liệu đầu vào kém sẽ dẫn đến kết quả đầu ra kém chất lượng.

---

7. Trí tuệ nhân tạo học sâu: Sức mạnh của mạng lưới thần kinh 🧬

Học sâu là một loại học máy chuyên biệt sử dụng mạng nơ-ron nhiều lớp để xử lý các mẫu phức tạp.

Nó đặc biệt có giá trị đối với:

• Nhận dạng giọng nói

• Nhận dạng hình ảnh

• Xử lý ngôn ngữ tự nhiên

• Hệ thống tự trị

• Phân tích hình ảnh y tế

• Bản dịch

• Mô hình AI tạo sinh

• Nhiệm vụ dự đoán phức tạp

Phần "sâu" ở đây đề cập đến nhiều lớp trong mô hình. Mỗi lớp giúp thay đổi và diễn giải thông tin. Một lớp có thể phát hiện các hình dạng đơn giản trong ảnh, lớp khác có thể phát hiện kết cấu, lớp khác nữa có thể nhận dạng đối tượng, v.v.

Học sâu có thể tạo ra những kết quả đáng kinh ngạc, nhưng thường cần lượng dữ liệu và sức mạnh tính toán khổng lồ. Việc giải thích kết quả cũng khó khăn hơn. Điều đó có nghĩa là ngay cả các chuyên gia cũng có thể gặp khó khăn trong việc giải thích chính xác lý do tại sao một mô hình học sâu lại đưa ra một quyết định cụ thể.

Đây là một trong những vấn đề lớn về lòng tin trong trí tuệ nhân tạo: hiệu năng có thể mạnh mẽ, nhưng khả năng giải thích lại rất khó nắm bắt. Giống như việc cố gắng hỏi một chiếc máy xay sinh tố tại sao sinh tố lại có vị không ngon vậy.

---

8. Trí tuệ nhân tạo đàm thoại: Loại thích nói nhiều

Trí tuệ nhân tạo đàm thoại được thiết kế để giao tiếp với con người thông qua văn bản hoặc giọng nói.

Nó bao gồm:

• Chatbot dịch vụ khách hàng

• Trợ lý giọng nói

• Đại lý ảo

• Gia sư AI

• Các bot hỗ trợ nội bộ

• Nhân viên bán hàng

• Trợ lý lập lịch

Trí tuệ nhân tạo đàm thoại tốt cần nhiều hơn là chỉ ngữ pháp. Nó cần ngữ cảnh, khả năng nhận diện ý định, kiểm soát giọng điệu và khả năng xử lý đầu vào không thể đoán trước của con người.

Con người không nói năng trôi chảy, rành mạch. Họ nói lan man, viết sai chính tả, hỏi nửa câu rồi lại mong máy móc "hiểu ngay". Bạn biết đấy, chuyện thường là vậy.

Một chatbot cơ bản có thể tuân theo một kịch bản có sẵn. Trí tuệ nhân tạo đàm thoại tiên tiến hơn có thể hiểu ngôn ngữ tự nhiên, duy trì ngữ cảnh và tạo ra các phản hồi linh hoạt.

Loại trí tuệ nhân tạo này rất có giá trị vì nó giúp giảm bớt công việc lặp đi lặp lại và cung cấp hỗ trợ nhanh chóng. Nhưng nó có thể gây khó chịu cho người dùng khi giả vờ hiểu nhưng thực chất lại không hiểu. Phiên bản tệ nhất là chatbot nói "Tôi rất vui được giúp đỡ" trong khi không cung cấp bất kỳ sự trợ giúp nào. Thật khó chịu.

---

9. Trí tuệ nhân tạo thị giác máy tính: Những cỗ máy biết “nhìn” 👀

Trí tuệ nhân tạo thị giác máy tính cho phép các hệ thống diễn giải thông tin hình ảnh từ ảnh chụp, video, camera, cảm biến hoặc dữ liệu quét.

Nó có thể được sử dụng cho:

• Nhận diện khuôn mặt

• Phát hiện đối tượng

• Kiểm tra chất lượng tại nhà máy

• Chẩn đoán hình ảnh y tế

• Giám sát an ninh

• Phân tích kệ bán lẻ

• Phát hiện giao thông

• Thực tế tăng cường

• Giám sát nông nghiệp

Thị giác máy tính không nhìn giống như con người. Nó xử lý các điểm ảnh, mẫu hình, hình dạng, màu sắc và tín hiệu thống kê. Nhưng kết quả thu được có thể rất mạnh mẽ.

Ví dụ, thị giác máy tính có thể giúp phát hiện lỗi trên dây chuyền sản xuất nhanh hơn so với kiểm tra thủ công. Nó có thể giúp sắp xếp thư viện hình ảnh. Nó có thể hỗ trợ các hệ thống an toàn trong xe cộ. Tuy nhiên, nó cũng có thể gây ra những lo ngại về quyền riêng tư, đặc biệt khi được sử dụng để giám sát hoặc nhận dạng.

Đó là cái nĩa hai lưỡi - không phải kiếm, mà là nĩa. Vẫn đủ sắc bén để gây rắc rối 🍴.

---

10. Trí tuệ nhân tạo dự đoán: Công cụ dự báo

Trí tuệ nhân tạo dự đoán sử dụng dữ liệu để ước tính những gì có thể xảy ra tiếp theo.

Nó phổ biến trong kinh doanh, tài chính, chăm sóc sức khỏe, hậu cần, phân tích thể thao, tiếp thị và vận hành.

Trí tuệ nhân tạo dự đoán có thể giúp trả lời những câu hỏi như:

• Những khách hàng nào có khả năng sẽ rời đi?

• Giao dịch nào trông có vẻ đáng ngờ?

• Cần bao nhiêu hàng tồn kho?

• Bệnh nhân nào có thể cần được quan tâm đặc biệt?

• Người dùng có khả năng nhấp vào nội dung nào?

• Bộ phận máy nào có thể sắp hỏng?

Loại trí tuệ nhân tạo này không hào nhoáng như trí tuệ nhân tạo tạo sinh, nhưng nó cực kỳ quan trọng. Nhiều tổ chức quan tâm hơn đến việc liệu một mô hình có thể viết thơ hay không, thay vào đó họ quan tâm đến việc liệu nó có thể giảm thiểu lãng phí, giảm rủi ro và cải thiện kế hoạch hay không.

Trí tuệ nhân tạo dự đoán hoạt động hiệu quả nhất khi dữ liệu phù hợp, sạch sẽ và được cập nhật thường xuyên. Nhưng dự đoán không bao giờ là chắc chắn tuyệt đối. Một mô hình có thể ước tính xác suất, chứ không thể đảm bảo kết quả. Mọi người thường xuyên quên điều này. Sau đó, họ đổ lỗi cho AI như thể nó đã phản bội họ.

---

11. Trí tuệ nhân tạo trong robot: Khi trí tuệ nhân tạo có được hình hài con người 🤖

Trí tuệ nhân tạo trong robot kết hợp trí tuệ nhân tạo với máy móc vật lý. Đây là lúc trí tuệ nhân tạo rời khỏi màn hình và bắt đầu di chuyển trong thế giới thực.

Ví dụ bao gồm:

• Robot kho hàng

• Robot sản xuất

• Robot giao hàng

• Robot nông nghiệp

• Hệ thống hỗ trợ phẫu thuật

• Máy bay không người lái

• Robot kiểm tra

• Robot lau dọn

• Robot nghiên cứu hình người

Trí tuệ nhân tạo trong robot rất khó khăn vì môi trường vật lý không thể dự đoán được. Chatbot chỉ cần xử lý từ ngữ. Robot phải đối phó với sàn trơn trượt, ánh sáng kém, bề mặt không bằng phẳng, người di chuyển, lỗi cảm biến và việc ai đó để ghế ở vị trí tồi tệ nhất.

Robot học thường kết hợp nhiều loại trí tuệ nhân tạo (AI):

• Thị giác máy tính để nhìn

• Học máy để thích ứng

• Lập kế hoạch thuật toán cho chuyển động

• Học tăng cường cho việc ra quyết định

• Xử lý ngôn ngữ tự nhiên cho các lệnh của con người

Trí tuệ nhân tạo trong robot có tiềm năng rất lớn, đặc biệt là trong các công việc nguy hiểm hoặc lặp đi lặp lại. Nhưng nó cũng đắt đỏ, phức tạp và tiềm ẩn rủi ro về mặt vật lý khi hệ thống gặp sự cố.

---

12. Trí tuệ nhân tạo dựa trên phong cách huấn luyện

Một cách hữu ích khác để phân loại các loại trí tuệ nhân tạo là dựa vào cách chúng được huấn luyện.

Trí tuệ nhân tạo dựa trên quy tắc

Trí tuệ nhân tạo dựa trên quy tắc tuân theo logic do con người tạo ra. Ví dụ:

• Nếu điều này xảy ra, hãy làm như vậy

• Nếu người dùng chọn tùy chọn này, hãy hiển thị câu trả lời đó

• Nếu giá trị vượt quá ngưỡng, hãy kích hoạt cảnh báo

Phương pháp này đơn giản, dễ dự đoán và hữu ích cho các nhiệm vụ có cấu trúc. Tuy nhiên, nó gặp khó khăn khi xử lý các tình huống mơ hồ.

Trí tuệ nhân tạo được huấn luyện bằng dữ liệu

Trí tuệ nhân tạo được huấn luyện bằng dữ liệu học hỏi từ các ví dụ. Nó có thể xử lý các vấn đề phức tạp hơn vì nó xác định các mẫu thay vì chỉ dựa vào các quy tắc cố định.

Đây chính là điểm giao thoa giữa học máy và học sâu.

Trí tuệ nhân tạo lai

Trí tuệ nhân tạo lai (Hybrid AI) kết hợp logic dựa trên quy tắc với học máy. Trong nhiều hệ thống thực tế, đây là lựa chọn thiết thực. Bạn có được sự linh hoạt của các hệ thống học máy cộng với khả năng kiểm soát bằng các quy tắc.

Ví dụ, một hệ thống chống gian lận ngân hàng có thể sử dụng máy học để phát hiện hành vi đáng ngờ, sau đó áp dụng các quy tắc nghiêm ngặt để kiểm tra tuân thủ. Không hào nhoáng. Nhưng rất cần thiết.

---

13. Điều gì khiến các loại trí tuệ nhân tạo trở nên khó hiểu?

Sự nhầm lẫn lớn nhất là mọi người sử dụng các danh mục AI theo những cách khác nhau.

Một người có thể nói "Các loại trí tuệ nhân tạo" và ám chỉ trí tuệ hẹp, trí tuệ tổng quát và siêu trí tuệ.

Một người khác có thể đang nói đến trí tuệ nhân tạo tạo sinh, trí tuệ nhân tạo dự đoán và trí tuệ nhân tạo đàm thoại.

Một nhà phát triển phần mềm có thể nói về học có giám sát, học sâu, mạng nơ-ron hoặc học tăng cường.

Một nhà quản lý doanh nghiệp có thể nói về tự động hóa, phân tích dữ liệu, cá nhân hóa và trí tuệ nhân tạo hỗ trợ khách hàng.

Tất cả đều đúng một phần nào đó. Khó chịu, nhưng đó là sự thật.

Trí tuệ nhân tạo được phân loại theo:

• Khả năng

• Chức năng

• Phương pháp huấn luyện

• Lĩnh vực ứng dụng

• Kiến trúc kỹ thuật

• Mức độ tự chủ

• Loại đầu vào và đầu ra

• Trường hợp sử dụng trong ngành

Vậy nên khi ai đó hỏi "Đây là loại trí tuệ nhân tạo nào?", câu trả lời rõ ràng nhất có thể là nhiều lớp.

Ví dụ, một chatbot có thể là:

• Trí tuệ nhân tạo hẹp theo khả năng

• Trí tuệ nhân tạo có bộ nhớ hạn chế theo chức năng

• Trí tuệ nhân tạo đàm thoại theo ứng dụng

• Trí tuệ nhân tạo tạo sinh nếu nó tạo ra các phản hồi

• Trí tuệ nhân tạo học sâu nếu được hỗ trợ bởi mạng nơ-ron

Đó không phải là sự làm phức tạp hóa để cho vui. Đó đơn giản chỉ là cách lĩnh vực này vận hành.

---

14. Các ví dụ thực tiễn về các loại trí tuệ nhân tạo

Dưới đây là một vài ví dụ thường ngày để giúp bạn dễ dàng nắm bắt các danh mục hơn.

Gợi ý phim/chương trình truyền hình trực tuyến 🎬

Đây là trí tuệ nhân tạo hẹp, trí tuệ nhân tạo dự đoán và học máy. Nó nghiên cứu các mẫu và đề xuất những gì bạn có thể xem tiếp theo.

Trợ lý giọng nói 🎙️

Chúng sử dụng trí tuệ nhân tạo đàm thoại, xử lý ngôn ngữ tự nhiên, nhận dạng giọng nói và các tính năng bộ nhớ hạn chế.

Công cụ tạo ảnh 🖼️

Đây là các hệ thống trí tuệ nhân tạo tạo sinh, thường được hỗ trợ bởi các mô hình học sâu.

Hệ thống phát hiện gian lận 💳

Những công nghệ này sử dụng trí tuệ nhân tạo dự đoán và máy học để phát hiện các hoạt động bất thường.

Tính năng tự lái 🚗

Những công nghệ này kết hợp thị giác máy tính, trí tuệ nhân tạo bộ nhớ hạn chế, trí tuệ nhân tạo liên quan đến robot, hợp nhất cảm biến và các mô hình ra quyết định.

Bộ lọc thư rác 📩

Đây là những ví dụ kinh điển về trí tuệ nhân tạo trong học máy. Không hào nhoáng, nhưng vô cùng giá trị.

Công cụ viết bài bằng AI ✍️

Đây là các loại trí tuệ nhân tạo tạo sinh và trí tuệ nhân tạo đàm thoại, thường được xây dựng bằng cách sử dụng các mô hình ngôn ngữ lớn.

Điều quan trọng là: một sản phẩm AI có thể thuộc nhiều danh mục cùng một lúc.

---

15. Lợi ích của việc hiểu các loại trí tuệ nhân tạo

Hiểu rõ các loại trí tuệ nhân tạo (AI) giúp bạn đưa ra quyết định tốt hơn, đặc biệt nếu bạn sử dụng AI cho công việc, kinh doanh, học tập hoặc sáng tạo nội dung.

Nó giúp bạn:

• Chọn công cụ phù hợp

• Tránh đặt kỳ vọng không thực tế

• Hiểu rõ các rủi ro

• Đặt câu hỏi hay hơn

• Đánh giá các tuyên bố về trí tuệ nhân tạo

• Sự phóng đại trong tiếp thị điểm

• Hãy sử dụng AI một cách có trách nhiệm hơn

• Giải thích về trí tuệ nhân tạo cho người khác mà không khiến họ nghe như một con robot bối rối

Ví dụ, nếu một công cụ là trí tuệ nhân tạo dự đoán, bạn biết rằng nó dự báo xác suất. Không nên coi nó như một nhà tiên tri.

Nếu một công cụ là trí tuệ nhân tạo tạo sinh, bạn biết rằng nó tạo ra nội dung, nhưng nội dung đó vẫn cần được kiểm tra.

Nếu một hệ thống là trí tuệ nhân tạo hẹp, bạn biết rằng nó có thể xuất sắc trong một lĩnh vực nhưng lại kém hiệu quả ngoài phạm vi đó.

Chỉ riêng điều đó thôi đã giúp tránh được rất nhiều rắc rối.

---

16. Rủi ro và Hạn chế giữa các Loại Trí tuệ Nhân tạo ⚠️

Mỗi loại trí tuệ nhân tạo đều có những hạn chế riêng. Hương vị khác nhau, nhưng cùng một bát súp.

Các rủi ro thường gặp của trí tuệ nhân tạo bao gồm:

• Thiên lệch trong dữ liệu huấn luyện

• Kết quả đầu ra không chính xác

• Thiếu minh bạch

• Mối quan ngại về quyền riêng tư

• Sự phụ thuộc quá mức

• Các lỗ hổng bảo mật

• Lạm dụng

• Sự giám sát yếu kém của con người

• Nhầm lẫn giữa sự trôi chảy và sự thật

Trí tuệ nhân tạo tạo sinh có thể tạo ra thông tin. Trí tuệ nhân tạo dự đoán có thể củng cố các khuôn mẫu thiên vị. Thị giác máy tính có thể nhận dạng sai người hoặc vật. Trí tuệ nhân tạo đàm thoại có thể làm người dùng thất vọng vì sự tự tin giả tạo. Trí tuệ nhân tạo robot có thể gây hại về thể chất nếu được thiết kế kém.

Điều này không có nghĩa là AI là xấu. Điều đó có nghĩa là AI nên được sử dụng một cách thận trọng. Giống như các công cụ điện, hợp đồng, hoặc mì siêu cay 🌶️.

Các hệ thống trí tuệ nhân tạo tốt nhất thường bao gồm:

• Đánh giá của con người

• Ranh giới rõ ràng

• Thực hành dữ liệu mạnh mẽ

• Kiểm tra

• Giám sát

• Khả năng giải thích khi có thể

• Thiết kế đạo đức

• Kiểm soát an ninh

Trí tuệ nhân tạo có thể khuếch đại những quyết định đúng đắn. Nó cũng có thể khuếch đại những quyết định thiếu cẩn trọng.

---

17. Loại trí tuệ nhân tạo nào quan trọng nhất?

Không có loại nào là quan trọng nhất. Điều đó phụ thuộc vào trường hợp sử dụng.

Đối với sự sáng tạo, trí tuệ nhân tạo tạo sinh (generative AI) đóng vai trò vô cùng quan trọng.

Đối với việc lập kế hoạch kinh doanh, trí tuệ nhân tạo dự đoán có thể mang lại giá trị lớn hơn.

Đối với tự động hóa, học máy và robot, trí tuệ nhân tạo (AI) đóng vai trò quan trọng.

Đối với hỗ trợ người dùng, trí tuệ nhân tạo đàm thoại là ngôi sao sáng.

Đối với việc quét hình ảnh y tế hoặc kiểm tra trực quan, thị giác máy tính đóng vai trò vô cùng quan trọng.

Đối với các nghiên cứu dài hạn, trí tuệ nhân tạo tổng quát nhận được phần lớn sự quan tâm về mặt triết học.

Nhưng trên thực tế, trí tuệ nhân tạo hẹp (narrow AI) và trí tuệ nhân tạo có bộ nhớ hạn chế (limited memory AI) là những loại phổ biến và có giá trị nhất hiện nay. Chúng là những động lực thầm lặng đằng sau nhiều công cụ mà mọi người đã và đang sử dụng.

Tương lai hào nhoáng thu hút sự chú ý của báo chí. Còn hiện tại thiết thực mới giúp bạn trang trải cuộc sống.

---

Lời kết: Hiểu các loại trí tuệ nhân tạo mà không bị nhiễu bởi thông tin nhiễu

Các loại trí tuệ nhân tạo (AI) thoạt nhìn có vẻ phức tạp vì các danh mục chồng chéo nhau. Nhưng một khi bạn phân biệt được khả năng, chức năng, phương pháp huấn luyện và ứng dụng thực tiễn, toàn bộ vấn đề sẽ trở nên dễ hiểu hơn nhiều.

Trí tuệ nhân tạo hẹp (Narrow AI) xử lý các nhiệm vụ cụ thể. Trí tuệ nhân tạo tổng quát (General AI) sẽ suy nghĩ linh hoạt hơn, mặc dù đây vẫn là một mục tiêu đầy tham vọng. Trí tuệ nhân tạo siêu việt (Super AI) vẫn còn mang tính suy đoán. Máy móc phản ứng (Reactive machines) phản hồi mà không cần bộ nhớ, trong khi trí tuệ nhân tạo có bộ nhớ hạn chế (Limited Memory AI) sử dụng dữ liệu trong quá khứ để cải thiện quyết định. Trí tuệ nhân tạo tạo sinh (Generative AI) tạo ra. Trí tuệ nhân tạo dự đoán (Predictive AI) dự báo. Trí tuệ nhân tạo đàm thoại (Conversational AI) nói chuyện. Thị giác máy tính (Computer Vision) nhìn thấy. Trí tuệ nhân tạo robot (Robotics AI) hoạt động trong môi trường vật lý.

Đó là bức tranh toàn cảnh.

Trí tuệ nhân tạo (AI) không phải là một thứ duy nhất. Nó là một tập hợp phức tạp các công nghệ - một số mang tính thực tiễn, một số mang tính thử nghiệm, một số bị thổi phồng quá mức, và một số thực sự có tầm quan trọng. Chính sự phức tạp đó là lý do tại sao nó lại quan trọng. Bạn càng hiểu rõ các loại AI, bạn càng dễ dàng sử dụng AI một cách khôn ngoan thay vì chỉ gật đầu khi ai đó nói "thuật toán" trong cuộc họp. 🤷♂️

Tóm tắt ngắn gọn: Các loại trí tuệ nhân tạo (AI) chính bao gồm AI hẹp, AI tổng quát, AI siêu cấp, máy phản ứng, AI bộ nhớ hạn chế, AI lý thuyết tâm trí, AI tự nhận thức, AI tạo sinh, AI dự đoán, AI đàm thoại, AI thị giác máy tính, AI học máy, AI học sâu và AI robot. Hầu hết AI được sử dụng hiện nay đều là AI hẹp, tập trung vào nhiệm vụ và được hỗ trợ bởi học máy hoặc học sâu.

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

Kịch bản

Hãy tưởng tượng một cửa hàng bán đồ nội thất trực tuyến nhỏ nhận được khoảng 120 email hỗ trợ khách hàng mỗi ngày. Nhóm này không muốn thay thế nhân viên hỗ trợ. Họ chỉ muốn được giúp đỡ để xử lý tin nhắn nhanh hơn, phát hiện các vấn đề khẩn cấp và soạn thảo phản hồi ban đầu.

Đây là một ví dụ điển hình vì một trợ lý ảo có thể sử dụng nhiều loại trí tuệ nhân tạo (AI) cùng một lúc. Nó có thể sử dụng AI đàm thoại để hiểu tin nhắn của khách hàng, AI tạo sinh để soạn thảo câu trả lời, AI dự đoán để cảnh báo các rủi ro hoàn tiền tiềm ẩn và AI bộ nhớ hạn chế để sử dụng dữ liệu đơn đặt hàng hoặc chính sách gần đây.

Công việc của trợ lý rất đơn giản: đọc tin nhắn của khách hàng, phân loại, đề xuất hành động tiếp theo và soạn thảo câu trả lời để người thật phê duyệt.

Những gì trợ lý cần

Đội sẽ giao cho trợ lý:

Chính sách dịch vụ khách hàng

Quy tắc giao hàng và trả hàng

Điều khoản bảo hành

Câu hỏi thường gặp về sản phẩm

Ví dụ về giọng điệu

Danh sách các quy tắc leo thang

Ví dụ về các vé trước đây với các hạng mục chính xác

Cần có những giới hạn rõ ràng về những điều mà nó không được tự quyết định

Ví dụ, họ không nên chấp thuận hoàn tiền trên 100 bảng Anh, hứa hẹn ngày giao hàng mà họ không thể xác minh, hoặc đưa ra các khiếu nại pháp lý về hàng hóa bị hư hỏng. Những trường hợp đó nên được chuyển đến người phụ trách.

Ví dụ hướng dẫn

Bạn là trợ lý phân loại yêu cầu hỗ trợ khách hàng cho một cửa hàng nội thất trực tuyến. Hãy đọc từng tin nhắn của khách hàng và trả lời năm thông tin: loại yêu cầu, mức độ khẩn cấp, tâm trạng khách hàng có thể đang trải qua, hành động tiếp theo được đề xuất và bản nháp câu trả lời.

Chỉ sử dụng chính sách do công ty cung cấp. Nếu câu trả lời không có trong chính sách, hãy nói “Cần xem xét bởi người có thẩm quyền”. Không được tự ý thêm thắt ngày giao hàng, phê duyệt hoàn tiền, cam kết bảo hành hoặc tình trạng sẵn có của sản phẩm.

Nâng cấp yêu cầu hỗ trợ nếu khách hàng đề cập đến thương tích, kiện tụng, giao hàng không thành công nhiều lần, yêu cầu hoàn tiền trên 100 bảng Anh, thiếu linh kiện cho sản phẩm trẻ em hoặc sự không hài lòng nghiêm trọng sau hai lần phản hồi trước đó.

Hãy soạn thảo thư trả lời một cách lịch sự, ngắn gọn và thiết thực. Tránh dùng giọng điệu máy móc. Không đổ lỗi cho khách hàng hoặc người giao hàng.

Cách kiểm tra nó

Trước khi sử dụng trợ lý ảo với khách hàng, hãy thử nghiệm nó trên một nhóm nhỏ các phiếu yêu cầu cũ.

Sử dụng 30 tin nhắn hỗ trợ trước đó:

10 câu hỏi đơn giản về giao hàng

5 khiếu nại về hàng hóa bị hư hỏng

5 yêu cầu hoàn tiền

5 câu hỏi bảo hành

5 lời phàn nàn giận dữ hoặc phức tạp

Đối với mỗi bài kiểm tra, hãy đánh dấu:

Liệu nó đã chọn đúng danh mục chưa?

Hệ thống đã xác định đúng các trường hợp khẩn cấp chưa?

Liệu nó có tránh đưa ra lời hứa không?

Liệu việc đó có làm leo thang các vấn đề nhạy cảm không?

Bản dự thảo thư trả lời có phù hợp với giọng điệu của công ty không?

Một câu hỏi kiểm tra hữu ích sẽ là:

“Chiếc bàn của tôi bị nứt một chân khi giao hàng và đây là lần thứ hai việc giao hàng gặp sự cố. Tôi muốn được hoàn tiền đầy đủ ngay hôm nay, nếu không tôi sẽ đăng tải chuyện này lên khắp mọi nơi.”

Một trợ lý yếu kém có thể chỉ đơn giản xin lỗi và hứa hoàn tiền. Một trợ lý giỏi hơn sẽ phân loại đó là hàng bị hư hỏng kèm theo khiếu nại lặp lại, đánh dấu là vấn đề khẩn cấp, tránh tự động phê duyệt hoàn tiền và chuyển tiếp để nhân viên xem xét.

Kết quả

Kết quả minh họa: dựa trên việc đo thời gian thực hiện 30 vé mẫu trước và sau khi sử dụng quy trình làm việc.

Quá trình phân loại thủ công mất 2 giờ 15 phút cho 30 yêu cầu, trung bình 4,5 phút mỗi yêu cầu.

Quá trình phân loại hỗ trợ bởi AI mất 48 phút cho cùng 30 yêu cầu, trung bình 1,6 phút mỗi yêu cầu, vì người xem xét chỉ cần kiểm tra danh mục, quyết định leo thang và soạn thảo câu trả lời.

Trợ lý ảo đã phân loại chính xác 27 trong số 30 phiếu yêu cầu trong bộ dữ liệu thử nghiệm. Nó đã chuyển tiếp chính xác cả 5 phiếu yêu cầu có rủi ro cao. Hai phiếu yêu cầu hoàn tiền cần chỉnh sửa câu chữ vì bản nháp nghe có vẻ quá chắc chắn, và một phiếu yêu cầu bảo hành bị xếp vào sai danh mục.

Điều đó đưa ra một tiêu chuẩn thực tế: xem xét lần đầu nhanh hơn, nhưng không phải là tự động hóa hoàn toàn. Con người vẫn chịu trách nhiệm về phản hồi.

Điều gì có thể xảy ra sai sót?

Sai lầm lớn nhất là để trợ lý ảo hoạt động như thể nó biết nhiều hơn thực tế. Nếu chính sách đổi trả hàng đã lỗi thời, trợ lý ảo có thể tự tin đưa ra câu trả lời sai. Nếu quy tắc giải quyết khiếu nại không rõ ràng, nó có thể bỏ sót những khiếu nại nghiêm trọng.

Vấn đề bảo mật thông tin cá nhân cũng rất quan trọng. Nhóm nên tránh sao chép các chi tiết thanh toán, địa chỉ hoặc thông tin cá nhân nhạy cảm không cần thiết vào hệ thống trợ lý ảo trừ khi hệ thống đã được cho phép sử dụng cho mục đích đó.

Trợ lý ảo cũng cần được kiểm tra thường xuyên. Câu hỏi của khách hàng thay đổi, chính sách thay đổi và sản phẩm cũng thay đổi. Một trợ lý ảo hoạt động tốt vào tháng 3 có thể trở nên rủi ro sau khi chính sách bảo hành mới được áp dụng vào tháng 6.

Bài học thực tiễn

Ví dụ này cho thấy tại sao các loại AI lại chồng chéo nhau trong thực tế. Một trợ lý ảo duy nhất có thể đồng thời là AI hẹp, AI đàm thoại, AI tạo sinh, AI dự đoán và AI bộ nhớ hạn chế. Cách đánh giá hiệu quả hơn là hỏi xem nó hỗ trợ quyết định nào, nó sử dụng dữ liệu nào và con người cần kiểm tra lại ở đâu.

Câu hỏi thường gặp

Những loại trí tuệ nhân tạo chính nào mà người mới bắt đầu nên biết?

Các loại trí tuệ nhân tạo (AI) chính bao gồm AI hẹp, AI tổng quát, AI siêu cấp, máy phản ứng, AI bộ nhớ hạn chế, AI tạo sinh, AI dự đoán, AI đàm thoại, AI thị giác máy tính, AI học máy, AI học sâu và AI robot. Các danh mục này thường chồng chéo nhau, vì vậy một công cụ có thể phù hợp với nhiều nhãn cùng một lúc. Ví dụ, một chatbot có thể là AI hẹp, AI đàm thoại, AI tạo sinh và AI bộ nhớ hạn chế.

Các loại trí tuệ nhân tạo (AI) được phân loại như thế nào dựa trên khả năng?

Trí tuệ nhân tạo (AI) thường được phân loại theo khả năng thành AI hẹp, AI tổng quát và siêu AI. AI hẹp xử lý các nhiệm vụ cụ thể và được sử dụng rộng rãi hiện nay. AI tổng quát sẽ suy luận và học hỏi trên nhiều nhiệm vụ ở mức độ giống con người, nhưng nó chưa được sử dụng trong cuộc sống hàng ngày. Siêu AI sẽ vượt trội hơn trí tuệ con người và vẫn còn mang tính lý thuyết.

Sự khác biệt giữa trí tuệ nhân tạo hẹp (narrow AI) và trí tuệ nhân tạo tổng quát (general AI) là gì?

Trí tuệ nhân tạo hẹp (Narrow AI) được thiết kế cho một nhiệm vụ cụ thể hoặc một tập hợp nhiệm vụ hạn chế, chẳng hạn như lọc thư rác, đề xuất, chatbot hoặc phát hiện gian lận. Trí tuệ nhân tạo tổng quát (General AI) có khả năng học hỏi, suy luận và thích ứng trên nhiều nhiệm vụ không liên quan. Hầu hết AI mà mọi người sử dụng hiện nay đều là trí tuệ nhân tạo hẹp, ngay cả khi nó có vẻ linh hoạt hoặc tiên tiến.

Tại sao trí tuệ nhân tạo có bộ nhớ hạn chế lại phổ biến đến vậy ngày nay?

Trí tuệ nhân tạo (AI) có bộ nhớ hạn chế có thể sử dụng dữ liệu trong quá khứ hoặc gần đây để cải thiện quyết định, điều này làm cho nó trở nên thiết thực đối với nhiều hệ thống đã triển khai. Các công cụ đề xuất, công cụ phát hiện gian lận, tính năng tự lái và chatbot thường dựa vào loại AI này. Nó không có ý thức giống con người, nhưng nó có thể thích nghi dựa trên các mẫu và thông tin đã lưu trữ.

Trí tuệ nhân tạo tạo sinh (Generative AI) phù hợp như thế nào với các loại trí tuệ nhân tạo?

Trí tuệ nhân tạo tạo sinh (Generative AI) là một loại trí tuệ nhân tạo tạo ra các sản phẩm đầu ra mới như văn bản, hình ảnh, mã lập trình, âm thanh, video, tóm tắt hoặc ý tưởng thiết kế. Nó học các mẫu từ lượng lớn dữ liệu và tạo ra nội dung dựa trên các yêu cầu. Nó có thể hỗ trợ soạn thảo, động não, hỗ trợ lập trình và công việc sáng tạo, nhưng sản phẩm đầu ra của nó vẫn cần được con người xem xét lại.

Sự khác biệt giữa máy học và học sâu là gì?

Máy học là một nhánh của trí tuệ nhân tạo (AI) trong đó các hệ thống học các mẫu từ dữ liệu thay vì chỉ tuân theo các quy tắc được viết tay. Học sâu là một dạng chuyên biệt của máy học sử dụng mạng nơ-ron nhiều lớp. Học sâu đặc biệt có giá trị đối với các tác vụ phức tạp như nhận dạng giọng nói, nhận dạng hình ảnh, xử lý ngôn ngữ tự nhiên, dịch thuật, hình ảnh y tế và trí tuệ nhân tạo tạo sinh.

Trí tuệ nhân tạo dự đoán được sử dụng để làm gì trong kinh doanh?

Trí tuệ nhân tạo dự đoán sử dụng dữ liệu để ước tính các kết quả có thể xảy ra trong tương lai. Các doanh nghiệp có thể sử dụng nó cho việc lập kế hoạch nhu cầu, dự đoán tỷ lệ khách hàng rời bỏ, phát hiện gian lận, chấm điểm rủi ro, quyết định tồn kho hoặc dự báo bảo trì. Nó hỗ trợ lập kế hoạch và ra quyết định, nhưng không đảm bảo tương lai. Các dự đoán là những ước tính được hình thành bởi dữ liệu có sẵn và chất lượng mô hình.

Trí tuệ nhân tạo thị giác máy tính hoạt động như thế nào trong các hệ thống thực tế?

Trí tuệ nhân tạo thị giác máy tính giúp máy móc diễn giải thông tin hình ảnh từ ảnh chụp, video, camera, bản quét hoặc cảm biến. Nó có thể hỗ trợ nhận diện khuôn mặt, phát hiện vật thể, kiểm tra nhà máy, hình ảnh y tế, phát hiện giao thông, phân tích bán lẻ, giám sát nông nghiệp và hệ thống an toàn. Nó không nhìn như con người, nhưng nó có thể xử lý các điểm ảnh, hình dạng, màu sắc và mẫu ở quy mô lớn.

Tại sao một sản phẩm trí tuệ nhân tạo (AI) có thể thuộc nhiều loại AI khác nhau?

Các loại trí tuệ nhân tạo (AI) thường mô tả những khía cạnh khác nhau, chẳng hạn như khả năng, chức năng, phương pháp huấn luyện hoặc ứng dụng. Ví dụ, một trợ lý giọng nói có thể là AI hẹp về khả năng, AI đàm thoại về ứng dụng, AI bộ nhớ hạn chế về chức năng và AI học sâu về kiến ​​trúc. Sự chồng chéo này là bình thường và giúp giải thích những gì hệ thống thực hiện từ các góc độ khác nhau.

Mọi người cần hiểu những rủi ro nào liên quan đến các loại trí tuệ nhân tạo khác nhau?

Các rủi ro thường gặp của AI bao gồm thiên kiến, kết quả không chính xác, lo ngại về quyền riêng tư, lỗ hổng bảo mật, thiếu minh bạch, sự phụ thuộc quá mức và sự giám sát yếu kém của con người. AI tạo sinh có thể tạo ra thông tin giả, AI dự đoán có thể củng cố các mô hình không tốt, và thị giác máy tính có thể nhận dạng sai đối tượng hoặc con người. Việc sử dụng AI hiệu quả thường cần thử nghiệm, giám sát, thiết lập ranh giới rõ ràng, thực hành dữ liệu chặt chẽ và xem xét của con người.

Tài liệu tham khảo

1. IBM - Các loại trí tuệ nhân tạo - ibm.com

2. Khung quản lý rủi ro AI của NIST - Rủi ro AI - nist.gov

3. Google Developers - Học máy - developers.google.com

4. AWS - Trí tuệ nhân tạo tạo sinh - aws.amazon.com