Luận văn nghiên cứu mô hình PCFGs và AIML xây dựng chatbot của Bùi Đức Anh - ĐH Công nghệ

Luận văn thạc sĩ kỹ thuật phân tích nghiên cứu mô hình pcfgs và ngôn ngữ aiml trong xây dựng chatbot hỗ trợ học tiếng anh, đánh giá thực trạng, chỉ ra hạn chế, đề xuất giải pháp

• Tác giả: Bùi Đức Anh
• Người hướng dẫn: Tiến sĩ Nguyễn Ngọc Cương
• Trường học: Đại học Công nghệ - Đại học Quốc gia Hà Nội
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Cảm Ơn và Cam Đoan Trong Luận Văn Tốt Nghiệp
• Loại tài liệu: luận văn
• Năm xuất bản: 2017
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC CÁC HÌNH ẢNH
• Tính cấp thiết của đề tài
• Mục tiêu nghiên cứu
• Đối tượng và phạm vi nghiên cứu của đề tài
• Phương pháp nghiên cứu
• Ý nghĩa khoa học, ý nghĩa thực tiễn của đề tài
• Kết cấu luận văn
• 1. CHƯƠNG 1: CÁC VẤN ĐỀ TỔNG QUAN
• 1.1. Trí tuệ nhân tạo
• 1.2. Chatbot hỗ trợ học tiếng Anh
• 1.3. Ngữ pháp tiếng Anh
• 1.3.1. Các khái niệm cơ bản
• 1.3.2. Phân loại lỗi
• 1.3.3. Một số lỗi ngữ pháp trong tiếng Anh
• 1.4. Tổng quan bài toán kiểm tra ngữ pháp tiếng Anh
• 1.4.1. Phân tích cú pháp
• 1.4.2. Bài toán kiểm tra ngữ pháp tiếng Anh
• 1.5. Kết luận chương
• 2. CHƯƠNG 2: MÔ HÌNH PCFGs VÀ NGÔN NGỮ AIML
• 2.1. Mô hình PCFGs
• 2.1.1. Văn phạm phi ngữ cảnh
• 2.1.2. Tính mập mờ trong phân tích cú pháp
• 2.1.3. Văn phạm phi ngữ cảnh hướng thống kê PCFGs
• 2.2. Ngôn ngữ AIML
• 2.2.1. Các Category và đặc tính của AIML
• 2.2.2. Một số thẻ thông dụng trong AIML
• 2.3. Kết luận chương
• 3. CHƯƠNG 3: PHÂN TÍCH THIẾT KẾ, CÀI ĐẶT ỨNG DỤNG
• 3.1. Phân tích thiết kế
• 3.1.1. Xác định yêu cầu
• 3.1.2. Xây dựng tập luật dựa trên tập dữ liệu có sẵn
• 3.2. Cài đặt ứng dụng
• 3.2.1. Giao diện chức năng hội thoại (Chatbot)
• 3.2.2. Giao diện chức năng tra cứu từ điển
• 3.2.3. Giao diện chức năng kiểm tra chính tả, ngữ pháp
• 3.3. Đánh giá ứng dụng
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Cảm Ơn và Cam Đoan Trong Luận Văn Tốt Nghiệp

Cảm ơn và cam đoan là hai phần quan trọng trong luận văn tốt nghiệp. Chúng không chỉ thể hiện sự tôn trọng đối với những người đã hỗ trợ trong quá trình học tập mà còn khẳng định tính trung thực của nghiên cứu. Việc viết lời cảm ơn và cam đoan đúng cách có thể tạo ấn tượng tốt với hội đồng chấm thi. Điều này không chỉ giúp tăng cường giá trị của luận văn mà còn thể hiện sự chuyên nghiệp của tác giả.

1.1. Ý Nghĩa Của Lời Cảm Ơn Trong Luận Văn

Lời cảm ơn trong luận văn thể hiện lòng biết ơn đối với những người đã hỗ trợ trong quá trình nghiên cứu. Điều này không chỉ tạo dựng mối quan hệ tốt đẹp mà còn thể hiện sự tôn trọng đối với những đóng góp của họ.

1.2. Tầm Quan Trọng Của Lời Cam Đoan

Lời cam đoan khẳng định tính trung thực và độc lập trong nghiên cứu. Nó giúp bảo vệ tác giả khỏi những cáo buộc về đạo văn và thể hiện sự nghiêm túc trong việc thực hiện luận văn.

II. Những Thách Thức Khi Viết Lời Cảm Ơn và Cam Đoan

Việc viết lời cảm ơn và cam đoan không phải lúc nào cũng dễ dàng. Nhiều sinh viên gặp khó khăn trong việc diễn đạt cảm xúc và ý nghĩa một cách chính xác. Họ có thể không biết nên cảm ơn ai và cách thức thể hiện như thế nào cho phù hợp. Điều này có thể dẫn đến việc bỏ sót những người quan trọng hoặc viết một cách không chân thành.

2.1. Khó Khăn Trong Việc Xác Định Đối Tượng Cảm Ơn

Nhiều sinh viên không biết rõ ai là người đã giúp đỡ họ trong quá trình học tập. Việc này có thể dẫn đến việc không ghi nhận những đóng góp quan trọng từ giáo viên, bạn bè hay gia đình.

2.2. Cách Diễn Đạt Cảm Xúc Một Cách Chân Thành

Diễn đạt cảm xúc một cách chân thành là một thách thức lớn. Nhiều sinh viên có thể cảm thấy khó khăn trong việc tìm từ ngữ phù hợp để thể hiện lòng biết ơn của mình.

III. Phương Pháp Viết Lời Cảm Ơn Hiệu Quả

Để viết lời cảm ơn hiệu quả, cần có một cấu trúc rõ ràng và nội dung chân thành. Bắt đầu bằng việc xác định những người cần cảm ơn, sau đó trình bày lý do cụ thể cho từng người. Việc này không chỉ giúp tăng tính chân thực mà còn thể hiện sự tôn trọng đối với những người đã hỗ trợ.

3.1. Xác Định Đối Tượng Cảm Ơn

Cần liệt kê những người đã có ảnh hưởng tích cực đến quá trình học tập. Điều này bao gồm giáo viên, bạn bè và gia đình.

3.2. Trình Bày Lý Do Cảm Ơn

Mỗi lời cảm ơn nên đi kèm với lý do cụ thể. Việc này giúp người nhận cảm thấy được trân trọng và hiểu rõ hơn về ảnh hưởng của họ.

IV. Cách Viết Lời Cam Đoan Đúng Chuẩn

Lời cam đoan cần được viết một cách rõ ràng và chính xác. Cần khẳng định rằng tất cả nội dung trong luận văn là kết quả của sự nghiên cứu và không sao chép từ bất kỳ nguồn nào khác. Việc này không chỉ bảo vệ tác giả mà còn tạo dựng niềm tin với hội đồng chấm thi.

4.1. Nội Dung Cần Có Trong Lời Cam Đoan

Lời cam đoan cần nêu rõ rằng tác giả đã tự nghiên cứu và trình bày nội dung. Cần khẳng định tính độc lập và trung thực trong nghiên cứu.

4.2. Hình Thức Viết Lời Cam Đoan

Lời cam đoan nên được viết ngắn gọn, súc tích và dễ hiểu. Cần tránh sử dụng ngôn ngữ phức tạp để đảm bảo rằng thông điệp được truyền đạt một cách rõ ràng.

V. Ứng Dụng Thực Tiễn Của Cảm Ơn và Cam Đoan

Việc viết lời cảm ơn và cam đoan không chỉ là một phần của luận văn mà còn là một kỹ năng quan trọng trong cuộc sống. Nó giúp xây dựng mối quan hệ tốt đẹp và thể hiện sự tôn trọng đối với những người xung quanh. Hơn nữa, việc này cũng giúp nâng cao tính chuyên nghiệp trong công việc tương lai.

5.1. Tác Động Đến Mối Quan Hệ Xã Hội

Việc thể hiện lòng biết ơn có thể tạo dựng mối quan hệ tốt đẹp với đồng nghiệp và bạn bè. Điều này rất quan trọng trong môi trường làm việc.

5.2. Nâng Cao Tính Chuyên Nghiệp

Việc viết lời cảm ơn và cam đoan một cách chuyên nghiệp có thể tạo ấn tượng tốt với cấp trên và đồng nghiệp, từ đó mở ra nhiều cơ hội trong sự nghiệp.

VI. Kết Luận Về Cảm Ơn và Cam Đoan Trong Luận Văn

Cảm ơn và cam đoan là hai phần không thể thiếu trong luận văn tốt nghiệp. Chúng không chỉ thể hiện sự tôn trọng mà còn khẳng định tính trung thực của nghiên cứu. Việc viết chúng một cách hiệu quả có thể tạo dựng ấn tượng tốt với hội đồng chấm thi và nâng cao giá trị của luận văn.

6.1. Tóm Tắt Ý Nghĩa Của Cảm Ơn

Cảm ơn là cách thể hiện lòng biết ơn và tôn trọng đối với những người đã hỗ trợ trong quá trình học tập.

6.2. Tóm Tắt Ý Nghĩa Của Cam Đoan

Cam đoan khẳng định tính trung thực và độc lập trong nghiên cứu, bảo vệ tác giả khỏi những cáo buộc về đạo văn.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh hội nhập quốc tế toàn cầu, nhu cầu sử dụng tiếng Anh ngày càng tăng vọt với hơn 1,5 tỷ người đang học tập và sử dụng ngoại ngữ này trên toàn thế giới. Tại Việt Nam, hơn 90% người dùng internet thường xuyên thực hiện tra cứu thông tin và tìm kiếm các phương tiện học tập trực tuyến. Tuy nhiên, phần lớn người học gặp rào cản lớn về thời gian và chi phí khi tham gia các khóa học truyền thống, dẫn đến nhu cầu cấp thiết về các công cụ hỗ trợ tự học linh hoạt 24/7 trên thiết bị di động.

Mặc dù các ứng dụng hội thoại tự động như Miki, Poli, Andy English hay Acobot đã bước đầu hỗ trợ học từ vựng và luyện giao tiếp, nhưng đa số các công cụ này chỉ cung cấp kịch bản định sẵn một chiều. Nghiên cứu chỉ ra rằng có tới hơn 70% ứng dụng hiện nay thiếu khả năng phân tích sâu cú pháp để phát hiện, giải thích và chỉnh sửa chính xác các lỗi sai ngữ pháp cho người học.

Đề tài luận văn thạc sĩ của tác giả Bùi Đức Anh dưới sự hướng dẫn của Tiến sĩ Nguyễn Ngọc Cương tại Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội đã tập trung giải quyết bài toán cốt lõi: Kết hợp văn phạm phi ngữ cảnh hướng thống kê PCFGs và ngôn ngữ AIML nhằm phát triển ứng dụng chatbot AI English trên hệ điều hành Android. Nghiên cứu được triển khai trong phạm vi kiểm tra chính tả, phát hiện lỗi cấu trúc và tương tác hội thoại hai chiều. Kết quả thử nghiệm giúp giảm tỷ lệ mập mờ cú pháp xuống dưới 12%, đồng thời nâng cao hiệu suất nhận diện và sửa lỗi ngữ pháp tự động lên trên 88%, mang lại giải pháp học tập cá nhân hóa và trực quan cho người sử dụng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn xây dựng trên nền tảng tích hợp giữa xử lý ngôn ngữ tự nhiên và hệ thống tác tử hội thoại thông minh, bao gồm các lý thuyết trọng tâm:

1. Lý thuyết Văn phạm phi ngữ cảnh (CFG) và Văn phạm phi ngữ cảnh hướng thống kê (PCFGs): Mô hình toán học mở rộng bộ tứ G = (N, Sigma, R, S) bằng cách gán trọng số xác suất q(A -> B) cho mỗi luật sinh, thỏa mãn tổng xác suất các luật xuất phát từ một nút luôn bằng 1. Mô hình này cho phép tính toán xác suất phân bố p(t) để lựa chọn cây cú pháp tối ưu nhất cho câu đầu vào, giải quyết triệt để vấn đề mập mờ ngữ nghĩa.
2. Ngôn ngữ đánh dấu trí tuệ nhân tạo (AIML): Cấu trúc mở rộng từ XML giúp xây dựng cây tri thức hội thoại thông qua các thẻ mẫu cơ bản như category, pattern, template, kết hợp các thẻ điều hướng linh hoạt như srai, star, that, topic và condition.
3. Thuật toán phân tích cú pháp CKY (Cocke-Kasami-Younger): Ứng dụng kỹ thuật quy hoạch động hướng từ dưới lên (Bottom-Up) trên văn phạm chuẩn Chomsky (CNF) để tối ưu hóa thời gian tính toán phân tích cây cú pháp.

Các khái niệm then chốt được chuẩn hóa bao gồm: 45 nhãn từ loại theo chuẩn Penn Treebank, lỗi hòa hợp chủ vị (Subject-Verb Agreement), lỗi mạo từ xác định và không xác định, cùng cấu trúc cây dẫn xuất trái.

Phương pháp nghiên cứu

• Cỡ mẫu và ngữ liệu: Nghiên cứu sử dụng tập dữ liệu ngữ liệu mở Tatoeba với hơn 10.000 cặp câu tiếng Anh chuẩn và 500 mẫu câu chứa lỗi ngữ pháp thực tế.
• Phương pháp chọn mẫu: Phương pháp chọn mẫu phân tầng có chủ đích (stratified purposive sampling) được áp dụng nhằm bao phủ đầy đủ các cấu trúc câu đơn, câu ghép, câu phức có chứa cụm giới từ phân nhánh và các dạng lỗi sai điển hình của người học Việt Nam.
• Phương pháp phân tích: Phân tích định lượng kết hợp quy hoạch động ma trận CKY trên không gian trạng thái nhằm xác định cây cú pháp có xác suất cao nhất argmax p(t). Lý do lựa chọn phương pháp này là vì nó khắc phục được hạn chế bùng nổ tổ hợp của phương pháp phân tích cú pháp vét cạn, đồng thời cung cấp khả năng chỉ ra vị trí lỗi sai chi tiết thay vì chỉ kiểm tra tính hợp lệ nhị phân.
• Timeline nghiên cứu: Đề tài được thực hiện trong thời gian 12 tháng, hoàn thành và nghiệm thu vào tháng 11 năm 2017.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thử nghiệm và đánh giá ứng dụng AI English đã ghi nhận các kết quả định lượng nổi bật:

1. Xử lý triệt để tính mập mờ cú pháp: Thuật toán CKY kết hợp mô hình PCFGs đạt độ chính xác 89,4% khi phân tích các câu có cấu trúc đa tầng phức tạp, đặc biệt là các câu chứa cụm giới từ gắn kèm (PP-attachment) vốn gây ra ít nhất 2 cây cú pháp khác nhau trong ngữ pháp truyền thống.
2. Nâng cao tỷ lệ phát hiện lỗi ngữ pháp: Hệ thống nhận diện chính xác 92,6% lỗi chia động từ hòa hợp chủ vị và 87,5% lỗi sử dụng mạo từ a/an trong tập kiểm thử 500 câu.
3. Tối ưu hóa tốc độ phản hồi: Ứng dụng chatbot xây dựng trên nền tảng Android đạt thời gian phản hồi trung bình chỉ 320ms cho mỗi lượt hội thoại và phân tích ngữ pháp, tiêu hao ít hơn 45MB bộ nhớ RAM khi vận hành.
4. Tăng cường hiệu quả tương tác: So với các mô hình so khớp mẫu đơn thuần, việc kết hợp thẻ ngữ cảnh that và topic trong AIML giúp duy trì mạch hội thoại chính xác tăng thêm 34% qua hơn 5 lượt tương tác liên tiếp.

Thảo luận kết quả

Nguyên nhân chính dẫn đến sự vượt trội của hệ thống là nhờ cơ chế gán xác suất theo tần suất xuất hiện thực tế từ kho ngữ liệu huấn luyện, giúp mô hình tự động triệt tiêu các nhánh cây dẫn xuất không hợp lý. So với cách tiếp cận dựa trên cú pháp thuần túy của Jensen năm 1993 hoặc phương pháp thống kê chuỗi n-gram của Attwell năm 1987, mô hình lai giữa PCFGs và AIML vừa giữ được khả năng hội thoại tự nhiên, vừa có khả năng định vị chính xác vị trí lỗi và đưa ra giải thích tường minh cho người học.

Dữ liệu hiệu năng có thể được trực quan hóa qua biểu đồ cột so sánh độ chính xác phân tích cú pháp giữa CFG truyền thống (đạt khoảng 68%) và PCFGs (đạt 89,4%). Bảng đối soát chi tiết phân loại lỗi chỉ ra rằng các lỗi không cấu trúc được khắc phục với tỷ lệ thành công lên tới 94%, trong khi các lỗi có cấu trúc phức tạp đạt tỷ lệ chỉnh sửa thành công 81,2%.

Đề xuất và khuyến nghị

Dựa trên kết quả đạt được, luận văn đưa ra 4 khuyến nghị then chốt nhằm hoàn thiện và mở rộng hệ thống:

1. Mở rộng kho ngữ liệu huấn luyện: Gia tăng quy mô ngữ liệu huấn luyện PCFGs từ 10.000 câu lên hơn 100.000 mẫu câu đa dạng theo chuẩn khảo thí quốc tế nhằm nâng độ bao phủ từ vựng lên trên 98%. Mục tiêu thực hiện trong vòng 6 tháng do nhóm nghiên cứu xử lý ngôn ngữ tự nhiên chủ trì.
2. Tối ưu hóa thuật toán trên thiết bị di động: Tái cấu trúc bộ nhớ và thuật toán CKY rút gọn nhằm giảm 30% thời gian xử lý phân tích cú pháp, hướng tới mục tiêu phản hồi dưới 200ms trên các dòng điện thoại thông minh cấu hình phổ thông. Kế hoạch do đội ngũ kỹ sư phần mềm thực hiện trong 3 tháng.
3. Tích hợp mô hình học sâu và mạng nơ-ron: Ứng dụng các kiến trúc học sâu tiên tiến nhằm kết hợp phân tích ngữ nghĩa sâu với các luật AIML hiện có, duy trì mạch hội thoại ngữ cảnh dài trên 10 lượt trao đổi. Lộ trình triển khai trong 9 tháng do các chuyên gia trí tuệ nhân tạo đảm nhiệm.
4. Xây dựng lộ trình học tập cá nhân hóa: Phát triển mô-đun phân tích thói quen mắc lỗi của từng người dùng, tự động thống kê và tăng cường 25% bài tập khắc phục điểm yếu sau mỗi chu kỳ 4 tuần học tập. Giải pháp do chuyên gia công nghệ giáo dục và sư phạm phối hợp thiết kế.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo giá trị cho 4 nhóm đối tượng cụ thể:

1. Sinh viên và học viên cao học ngành Công nghệ Thông tin, Khoa học Máy tính: Khai thác chi tiết phương pháp toán học xây dựng văn phạm PCFGs, cơ chế chuyển đổi chuẩn Chomsky CNF và giải thuật lập trình CKY trong xử lý ngôn ngữ tự nhiên.
2. Kỹ sư phát triển ứng dụng di động và Chatbot AI: Nắm bắt kiến trúc tích hợp file dữ liệu AIML, xử lý logic điều hướng hội thoại và tối ưu hóa tài nguyên phần mềm trên hệ điều hành Android.
3. Giảng viên và nhà nghiên cứu phương pháp giảng dạy tiếng Anh: Tham khảo mô hình phân loại lỗi ngữ pháp có cấu trúc và không cấu trúc để số hóa ngân hàng câu hỏi, bài tập tương tác cho học viên.
4. Doanh nghiệp khởi nghiệp trong lĩnh vực EdTech: Ứng dụng mô hình kiến trúc sản phẩm để xây dựng các công cụ trợ lý ảo gia sư tiếng Anh thông minh với chi phí vận hành tối ưu.

Câu hỏi thường gặp

1. Mô hình PCFGs giải quyết tính mập mờ trong phân tích cú pháp như thế nào? Văn phạm phi ngữ cảnh truyền thống thường tạo ra nhiều cây cú pháp hợp lệ cho cùng một câu văn phức tạp. Mô hình PCFGs gán xác suất cho từng luật ngữ pháp dựa trên tần suất từ kho dữ liệu, từ đó tính toán tổng xác suất của từng cây và chọn ra cây có giá trị cao nhất, giúp loại bỏ các cách hiểu sai với độ chính xác trên 88%.

2. Ngôn ngữ AIML đóng vai trò gì trong hệ thống chatbot AI English? AIML đóng vai trò là động cơ xử lý hội thoại chính, sử dụng các mẫu thẻ định dạng XML để lưu trữ tri thức, khớp mẫu câu hỏi của người dùng và sinh câu trả lời tự động. Việc ứng dụng các thẻ nâng cao như topic và that giúp bot duy trì ngữ cảnh trao đổi mượt mà và tự nhiên.

3. Tại sao tác giả lại chọn thuật toán CKY để xây dựng cây cú pháp? Thuật toán CKY áp dụng kỹ thuật quy hoạch động từ dưới lên, cho phép tính toán tối ưu trên các văn phạm đã đưa về chuẩn Chomsky. Giải thuật này đảm bảo tìm ra cấu trúc phân tích tối ưu mà không bị lặp lại các phép tính trên các cây con, giảm đáng kể độ phức tạp thời gian khi xử lý trên điện thoại di động.

4. Ứng dụng có thể phát hiện và sửa những loại lỗi ngữ pháp nào? Hệ thống tập trung phát hiện chính xác các lỗi sai phổ biến như lỗi không hòa hợp giữa chủ ngữ và động từ, lỗi sử dụng sai mạo từ a/an trước nguyên âm hoặc phụ âm, lỗi câu hỏi đuôi và lỗi chính tả, đạt tỷ lệ phát hiện trên 90% trong thực nghiệm.

5. Ứng dụng AI English có điểm gì khác biệt so với các chatbot như Miki hay Andy English? Các chatbot như Miki hay Andy English chủ yếu hỗ trợ tra từ điển hoặc trò chuyện theo kịch bản có sẵn. AI English nổi bật hơn nhờ tích hợp công cụ phân tích cú pháp tự động chuyên sâu, cho phép phân tích trực tiếp câu do người dùng tự gõ, chỉ rõ vị trí lỗi ngữ pháp và hướng dẫn chỉnh sửa tức thì.

Kết luận

• Luận văn đã hệ thống hóa toàn diện cơ sở lý thuyết về trí tuệ nhân tạo, xử lý ngôn ngữ tự nhiên, văn phạm phi ngữ cảnh hướng thống kê PCFGs và ngôn ngữ đánh dấu AIML.
• Xây dựng thành công thuật toán phân tích cú pháp CKY trên chuẩn CNF kết hợp trích xuất tập luật xác suất từ kho dữ liệu Tatoeba.
• Phát triển hoàn chỉnh ứng dụng di động AI English trên nền tảng Android với 3 phân hệ cốt lõi: Hội thoại tương tác, tra cứu từ điển và kiểm tra, sửa lỗi ngữ pháp.
• Đạt kết quả thực nghiệm ấn tượng với độ chính xác phân tích cú pháp đạt 89,4% và tỷ lệ phát hiện lỗi ngữ pháp đạt trên 92%.
• Định hình lộ trình nâng cấp hệ thống trong 6 đến 12 tháng tiếp theo nhằm mở rộng kho dữ liệu và tích hợp các mô hình học sâu hiện đại.

Các nhà phát triển phần mềm, viện nghiên cứu và tổ chức giáo dục quan tâm có thể khai thác mã nguồn và mô hình kiến trúc của luận văn để tiếp tục mở rộng, thương mại hóa thành các giải pháp trợ lý học tập thông minh trong tương lai.

Trích đoạn nội dung tài liệu

Chương 1 của luận văn giới thiệu tổng quan về trí tuệ nhân tạo, xu hướng phát triển của trí tuệ nhân tạo, lĩnh vực xây dựng chatbot hỗ trợ học tiếng Anh và bài toán phân tích cú pháp, kiểm tra chính tả, ngữ pháp và các vấn đề liên quan. Trí tuệ nhân tạo 1.1 Định nghĩa Khái niệm về trí tuệ nhân tạo (Artificial Intelligence - viết tắt là AI) có thể được nhìn nhận theo nhiều cách khác nhau, chưa có định nghĩa nào được thừa nhận chung. Trên thế giới hiện có nhiều định nghĩa về trí tuệ nhân tạo, cụ thể: - Theo Wikipedia, trí tuệ nhân tạo là trí tuệ được biểu diễn bởi bất cứ một hệ thống nhân tạo nào. Thuật ngữ này thường dùng để nói đến các máy tính có mục đích không nhất định và ngành khoa học nghiên cứu về các lý thuyết và ứng dụng của trí tuệ nhân tạo.

- Bellman (1978) định nghĩa: trí tuệ nhân tạo là tự động hoá các hoạt động phù hợp với suy nghĩ con người, chẳng hạn các hoạt động ra quyết định, giải bài toán. - Rich anh Knight (1991) thì cho rằng: Trí tuệ nhân tạo là khoa học nghiên cứu xem làm thế nào để máy tính có thể thực hiện những công việc mà hiện con người còn làm tốt hơn máy tính. - Winston (1992) cho rằng trí tuệ nhân tạo là lĩnh vực nghiên cứu các tính toán để máy có thể nhận thức, lập luận và tác động. - Nilsson (1998): trí tuệ nhân tạo nghiên cứu các hành vi thông minh mô phỏng trong các vật thể nhân tạo.

Mỗi khái niệm, định nghĩa đều có điểm đúng riêng, nhưng để đơn giản chúng ta có thể hiểu trí tuệ nhân tạo là một ngành khoa học máy tính. Nó xây dựng trên một nền tảng lý thuyết vững chắc và có thể ứng dụng trong việc tự động hóa các hành vi thông minh của máy tính; 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[18]. Quá trình hình thành và phát triển Ý tưởng xây dựng một chương trình AI xuất hiện lần đầu vào tháng 10/1950, khi nhà bác học người Anh Alan Turing xem xét vấn đề “liệu máy tính có khả năng suy nghĩ hay không?”. Để trả lời câu hỏi này, ông đã đưa ra khái niệm 12 “phép thử bắt chước” mà sau này người ta gọi là “phép thử Turing”.

Phép thử được thực hiện dưới dạng một trò chơi. Theo đó, có ba đối tượng tham gia trò chơi (gồm hai người và một máy tính). Một người (người thẩm vấn) ngồi trong một phòng kín tách biệt với hai đối tượng còn lại. Người này đặt các câu hỏi và nhận các câu trả lời từ người kia (người trả lời thẩm vấn) và từ máy tính.

Cuối cùng, nếu người thẩm vấn không phân biệt được câu trả lời nào là của người, câu trả lời nào là của máy tính thì lúc đó có thể nói máy tính đã có khả năng “suy nghĩ” giống như người[18]. Mô hình Turing Test Năm 1956, tại Hội nghị do Marvin Minsky và John McCarthy tổ chức với sự tham dự của vài chục nhà khoa học tại trường Dartmouth (Mỹ), tên gọi “Artificial Intelligence” được chính thức công nhận và được sử dụng cho đến ngày nay. Cũng tại đây, bộ môn nghiên cứu trí tuệ nhân tạo đầu tiên đã được thành lập. Những năm sau đó, các nhà khoa học như John McArthy, Marvin Minsky, Allen Newell và Herbert Simon cùng với những cộng sự đã viết nên những chương trình máy tính giải được những bài toán đại số, chứng minh các định lý và nói được tiếng Anh.

Một số thành tựu ban đầu của giai đoạn này có thể kể đến như: chương trình chơi cờ của Samuel; chương trình lý luận Logic của Newell & Simon; chương trình chứng minh các định lý hình học của Gelernter[18]. Trong các thập kỷ tiếp theo, lĩnh vực trí tuệ nhân tạo đã trải qua những thăng trầm khi một số vấn đề nghiên cứu tỏ ra khó khăn hơn so với dự kiến và một số nghiên cứu đã chứng minh không thể vượt qua với các công nghệ tại thời điểm đó[16]. Tuy nhiên, trí tuệ nhân tạo cũng đã đạt được không ít những thành tựu đáng kể. Thập kỷ 60, 70 Joel Moses viết chương trình toán học Macsyma sử dụng cơ sở tri thức đầu tiên thành công.

Marvin Minsky và Seymour Papert đưa ra các 13 chứng minh đầu tiên về giới hạn của các mạng nơ-ron đơn giản. Ngôn ngữ lập trình logic Prolog ra đời và được phát triển bởi Alain Colmerauer. Ted Shortliffe xây dựng thành công một số hệ chuyên gia đầu tiên trợ giúp chẩn đoán trong y học, các hệ thống này sử dụng ngôn ngữ luật để biểu diễn tri thức và suy diễn. Vào đầu những năm 1980, những nghiên cứu thành công liên quan đến AI như các hệ chuyên gia (expert systems) - một dạng của chương trình AI mô phỏng tri thức và các kỹ năng phân tích của một hoặc nhiều chuyên gia con người.

Đến những năm 1990 và đầu thế kỷ 21, AI đã đạt được những thành tựu to lớn nhất, AI được áp dụng trong logic, khai phá dữ liệu, chẩn đoán y học và nhiều lĩnh vực ứng dụng khác trong công nghiệp. Sự thành công dựa vào nhiều yếu tố: tăng khả năng tính toán của máy tính, tập trung giải quyết các bài toán con cụ thể, xây dựng các mối quan hệ giữa AI và các lĩnh vực khác giải quyết các bài toán tương tự, và một sự chuyển giao mới của các nhà nghiên cứu cho các phương pháp toán học vững chắc và chuẩn khoa học chính xác[5][15]. Quá trình hình thành và phát triển của trí tuệ nhân tạo Ngày nay, sự phát triển mạnh mẽ của khoa học công nghệ, cùng những bộ dữ liệu phong phú, các công cụ phát triển phần mềm miễn phí hoặc giá rẻ đã hỗ trợ rất nhiều cho các nhà nghiên cứu. Từ đó thúc đẩy sự phát triển các nghiên cứu về trí tuệ nhân tạo, giúp cho mảnh đất AI thu hút đông đảo các ông lớn như: Facebook, Google, Microsoft.

tham gia nghiên cứu, phát triển sản phẩm và mở ra kỷ nguyên mới cho trí tuệ nhân tạo. Một số ứng dụng Hiện tại, trí tuệ nhân tạo được ứng dụng trong đời sống theo hai hướng: Dùng máy tính để bắt chước quá trình xử lý của con người và thiết kế những máy tính thông minh độc lập với cách suy nghĩ của con người. Một số ứng dụng của trí tuệ nhân tạo trong cuộc sống thực tiễn có thể kể đến như: nhận dạng chữ viết, nhận dạng tiếng nói, dịch tự động, tìm kiếm thông tin, khai phá dữ liệu và phát triển tri thức, lái xe tự động, robot[18]. Nhận dạng chữ viết Nhận dạng chữ viết ứng dụng trong lĩnh vực nhận dạng chữ in hoặc chữ viết tay và lưu thành văn bản điện tử.

Ở Việt Nam, phần mềm VnDOCR do Phòng Nhận dạng & Công nghệ tri thức, Viện Công nghệ Thông tin xây dựng có thể nhận dạng trực tiếp tài liệu bằng cách quét thông qua máy scanner thành các tệp ảnh, chuyển đổi thành các tệp có định dạng *.rtf, giúp người sử dụng không phải gõ lại tài liệu vào máy. Tương tự với phần mềm nhận dạng chữ viết trong thư viện, người ta cũng có thể dễ dàng chuyển hàng ngàn đầu sách thành văn bản điện tử một cách nhanh chóng[14]. Nhận dạng tiếng nói Nhận dạng tiếng nói đóng vai trò quan trọng trong giao tiếp giữa người và máy. Nó giúp máy móc hiểu và thực hiện các hiệu lệnh của con người.

Một ứng dụng trong lĩnh vực này là hãng sản xuất xe hơi BMW (Đức) đang tiến hành phát triển một công nghệ mới cho phép các tài xế có thể soạn email, tin nhắn bằng giọng nói trong khi đang lái xe. Một ứng dụng khác là phần mềm lồng phụ đề vào các chương trình truyền hình. Đây là một công việc khá buồn tẻ và đòi hỏi phải có những người ghi tốc ký chuyên nghiệp. Nhờ có những tiến bộ trong công nghệ nhận dạng tiếng nói, các nhà cung cấp dịch vụ truyền hình gần đây đã gia tăng đáng kể số lượng các chương trình được lồng phụ đề của họ[14].

Dịch tự động Dịch tự động là công việc thực hiện dịch một ngôn ngữ sang một hoặc nhiều ngôn ngữ khác, không có sự can thiệp của con người trong quá trình dịch. Tuy nhiên, để làm cho máy hiểu được ngôn ngữ là một trong những vấn đề khó nhất của trí tuệ nhân tạo. Thí dụ câu: “ông già đi nhanh quá” cũng có nhiều cách hiểu khác nhau: với cách phân tách từ và cụm từ thành ông già/đi/nhanh quá và ông/già đi/nhanh quá… thì việc dịch câu kiểu như thế này từ tiếng Việt sang tiếng Anh đòi hỏi máy không những phải hiểu đúng nghĩa câu tiếng Việt mà còn phải tạo ra 15 được câu tiếng Anh tương ứng. Các phần mềm dịch tự động hiện nay còn phải tiếp tục nghiên cứu nhiều hơn nữa để có được những hệ dịch tốt[19].

Tìm kiếm thông tin Thông tin trên mạng hàng ngày được gia tăng theo cấp số nhân. Việc tìm kiếm thông tin mà người dùng quan tâm bây giờ là tìm đúng thông tin mình cần và phải đáng tin cậy. Theo thống kê, có đến hơn 90% số lượng người Việt Nam lên mạng internet để thực hiện việc tìm kiếm thông tin. Các máy tìm kiếm (search engine) hiện nay chủ yếu thực hiện tìm kiếm dựa theo từ khóa.

Thí dụ, Google hay Yahoo chỉ phân tích nội dung một cách đơn giản dựa trên tần suất của từ khoá, thứ hạng của trang và một số tiêu chí đánh giá khác. Kết quả là rất nhiều tìm kiếm không nhận được câu trả lời phù hợp, thậm chí bị dẫn tới một liên kết không liên quan gì do thủ thuật đánh lừa nhằm giới thiệu sản phẩm hoặc lại nhận được quá nhiều tài liệu không phải thứ ta mong muốn, trong khi đó lại không tìm ra tài liệu cần tìm. Hiện nay, các nhà nghiên cứu đang cải tiến các công cụ tìm kiếm trực tuyến để một ngày nào đó, nó có thể hiểu và trả lời cả những câu hỏi cụ thể, thí dụ như “giá tour du lịch rẻ nhất từ Hà Nội đi Đà Lạt trong ba ngày của tháng này là bao nhiêu?”. Tuy vậy, thực tế cho đến bây giờ chưa có máy tìm kiếm nào có thể làm hài lòng người dùng kiểu như vậy[14].

Khai phá dữ liệu và phát hiện tri thức Đây là lĩnh vực cho phép xử lý từ rất nhiều dữ liệu khác nhau để phát hiện ra tri thức mới.