Phần mở đầu đã chỉ rõ được nguyên nhân và phương pháp nghiên cứu của khóa luận, từ đó giới hạn phạm vi và đối tượng nghiên cứu, phân chia cấu trúc khóa luận và chỉ ra nội dung tóm tắt của từng phần. Nội dung chi tiết của các chương còn lại sẽ được trình bày ở phần sau.1 Trí tuệ nhân tạo Trí tuệ nhân tạo hay còn được gọi là AI hiện nay đang rất phổ biến và phát triển trên toàn cầu. AI là một cái tên được phát triển và nghiên cứu để phục vụ và giúp đỡ con người hoàn thành những công việc khó khăn, tốn nhiều thời gian cũng như để xử lý lượng lớn công việc trong một khoảng thời gian ngắn. AI là một phần của Khoa học máy tính và công nghệ này có thể mô phỏng suy nghĩ và quá trình tiếp thu kiến thức của con người.
Trí tuệ nhân tạo không chỉ đơn giản là lập trình bằng logic mà còn là mô phỏng bộ não của con người từ các hệ thống học máy để tạo ra các bộ não số có thể học các kiến thức như một con người thực thụ và thậm chí còn nhanh hơn con người rất nhiều. Hiện tại AI được chia thành 4 loại dựa theo chức năng của từng loại công nghệ AI: • Công nghệ AI phản ứng (Reactive Machine): – Công nghệ AI phản ứng hay còn gọi là Reactive Machine có đặc điểm là không hề có bộ nhớ nào nên nó chỉ có thể xử lý với các tình huống hiện tại. Đây là loại công nghệ đầu tiên khi xuất hiện AI, vô cùng đơn giản và tuân theo các nguyên lý cơ bản nhất nhưng đi đôi với việc đó thì công nghệ này cũng bị hạn chế rất nhiều về khả năng xử lý. – Công nghệ AI phản ứng có thể phản hồi được với các kích thích từ môi trường hiện tại, một khả năng được mô phỏng từ bộ não của con người.
Nhưng vì không có bộ nhớ thì đây cũng chính là giới hạn của công nghệ này. – Như được nêu ở trên công nghệ AI phản ứng không hề có bộ nhớ nên nó không thể dựa vào các kinh nghiệm, kiến thức được học từ những gì đã trải qua để có thể đưa ra quyết định. Điều cho thấy AI phản ứng không thể cải thiện được bản thân theo thời gian như những mô hình DL hiện tại mà chúng ta được tiếp xúc mà chỉ đơn giản phản ứng ngay tại thời điểm đó. Mặc dù vậy, chúng ta không nên đánh giá thấp công nghệ AI phản ứng này.
Một ví dụ nổi tiếng là Deep Blue, một AI phản ứng được phát triển bởi IBM vào năm 1990, một chiếc máy tính có khả năng chơi cờ vua và đã đánh bại kiện tướng cờ vua Gary Kasparov trong một trận đấu. • Công nghệ AI có bộ nhớ hạn chế (Limited Memory): – Công nghệ AI có bộ nhớ hạn chế đã có đột phá hơn so với công nghệ AI phản ứng bởi vì ngoài việc có các tính năng như của AI phản ứng thì AI có bộ nhớ hạn chế đã có thể lưu trữ lại một lượng dữ liệu có giới hạn giống như cái tên của nó. Loại AI này có thể lưu trữ lại các dữ liệu và các dự 4 đoán trong quá khứ, từ đó sử dụng những dữ liệu nó đã lưu trữ để phân tích, tính toán. Sau khi phân tích và tính toán thì công nghệ AI này có thể học được những kiến thức có ích, cần thiết từ đó đưa ra các quyết định chính xác hơn.
– Vậy Limited Memory là những AI có khả năng học hỏi từ chính bộ nhớ có giới hạn của nó. Cho nên, nó đang được sử dụng trong các mô hình ML như học tăng cường (Reinforcement Learning), Long Short-Term Mem- ory(LSTM) và E-GAN. – Cho đến hiện tại, AI có bộ nhớ hạn chế là loại thường được sử dụng trong các ứng dụng như: Chatbot, nhận diện biển số xe hay chính đề tài này là OCR báo cáo tài chính. Nhờ bộ nhớ ngắn hạn, AI có thể học hỏi, phân tích và đưa ra quyết định đúng đắn, có độ chính xác cao hơn AI phản ứng.
• Công nghệ AI lý thuyết về tâm trí (ToM): – Để mô phỏng được bộ não của con người chúng ta không chỉ là mô phỏng về mặt tư duy, logic để đưa ra quyết định mà còn có cả cảm xúc của tâm trí trong bộ não của chúng ta. Đôi khi con người vẫn đặt cảm xúc lên hàng đầu và đưa ra quyết định dựa vào cảm xúc điều đó càng thể hiện sự khác biệt giữa con người và máy móc. Chúng ta có khả năng phán đoán tâm trí của người khác, dù không chính xác 100%, để xây dựng và duy trì các mối quan hệ, giao tiếp hiệu quả hay hợp tác để đạt được mục tiêu chung. – Vì những cảm xúc của tâm trí xây dựng nên xã hội và thế giới ngày hôm nay.
Nếu Trí tuệ nhân tạo có thể mô phỏng được bộ não của con người hoàn toàn để đưa ra các quyết định trong xã hội, đời sống thì đó là một điều tốt và được mọi người ủng hộ. Và để làm được vậy thì các nhà khoa học đã nghiên cứu đến công nghệ AI lý thuyết về tâm trí hay còn được gọi là ToM. – Công nghệ AI lý thuyết về tâm trí phát triển hơn so với hai loại AI trên bởi vì nó có thể mô phỏng lại bộ não của chúng ta đồng thời có thể mô phỏng lại tâm trí của con người. Nhưng tâm trí lại vô cùng phức tạp, cảm xúc của con người có thể thay đổi chỉ vì một vài tác động vô cùng nhỏ.
Nên để có thể hiểu được tâm trí con người thì AI còn cần phải hiểu được rất nhiều kiến thức về tâm lý học. – Vì vậy nên hiện tại công nghệ AI lý thuyết về tâm trí hiện nay vẫn chỉ là lý thuyết và cần được nghiên cứu nhiều. • Công nghệ AI tự nhận thức (Sefl Aware): – Công nghệ AI tự nhận thức đang được cho là bước phát triển cuối cùng của AI. Bởi vì nếu như AI có thể tự nhận thức và có tâm trí để hiểu được tâm 5 trí, cảm xúc con người thì công nghệ AI tự nhận thức dần có thể phát triển suy nghĩ, cảm xúc và tâm trí riêng và nó hiểu được tại sao nó được sinh ra và biết cảm thông, suy nghĩ, cảm xúc và thậm chí là cả ước mơ.
– AI tự nhận thức hiện nay gần như chỉ xuất hiện trong các cuốn sách, bộ phim khoa học viễn tưởng trong vai phản diện. Khi nó có thể tự nhận thức thì gần như nó có thể trở thành con người và có thể sẽ có các suy nghĩ xấu xa như con người. Nhưng những chuyện như vậy còn rất lâu con người mới có thể đạt đến được và khi con người có thể tạo ra AI tự nhận thức thì cũng có thể sẽ kiểm soát được nó. Bên cạnh đó AI cũng được chia ra làm 3 giai đoạn dựa trên sự phát triển của Trí tuệ nhân tạo: • Trí tuệ nhân tạo hẹp (ANI): Đây là giai đoạn chúng ta thường hay thấy và được ứng dụng phổ biến nhất hiện nay.
Thường thì ANI được dùng để thực hiện các nhiệm vụ đơn lẻ như nhận diện khuôn mặt trong CV, nhận diện ngôn ngữ trong NLP hoặc đóng vai trò như đối thủ của con người trong các trò chơi như cờ vua, cờ vây và một số game đơn giản. Vì vậy khi gặp các vấn đề không phải nhiệm vụ của ANI thì nó sẽ không thể xử lý được • Trí tuệ nhân tạo tổng hợp (AGI): Khác biệt với ANI mà chúng ta hay thường thấy chỉ có thể thực hiện nhiệm vụ đơn lẻ thì AGI là gia đoạn AI có thể thực hiện đa nhiệm vụ trí tuệ như thực sự đã mô phỏng thành công bộ não con người. AGI có thể đồng thời học hỏi lại từ những kiến thức, kinh nghiệm cũng như các tình huống gần như giống con người nhưng hiện tại AGI vẫn đang trong quá trình nghiên cứu và phát triển nhưng chỉ với những gì mà nó có thể sẽ làm được trong tương lai thì đây là một điều vô cùng hứa hẹn. • Siêu trí tuệ nhân tạo (ASI): Hai giai đoạn của AI mà chúng ta đã đề cập trên đều được tạo ra với mục đích mô phỏng lại bộ não của con người và học tập theo những kiến thức, kinh nghiệm của con người để có thể xử lý và hỗ trợ con người trong công việc.
Nhưng ở giai đoạn này ASI là một AI có thể vượt qua trí tuệ của con người trong mọi vấn đề từ việc học tập, xử lý công việc và sáng tạo. Tuy nhiên hiện nay thì ASI vẫn chỉ là lý thuyết và xuất hiện ở trên phim ảnh, các câu truyện viễn tưởng. Và việc có thể tạo ra ASI vẫn còn một con đường dài để đi sau khi chúng ta hoàn thiện AGI Trong đề tài này thì em đang sử dụng công nghệ AI có bộ nhớ hạn chế và các công nghệ này đều đang sử dụng ở giai đoạn ANI.1 Khái niệm chung Học máy hay còn được gọi là máy học (Machine Learning) là một tập con của Trí tuệ nhân tạo liên quan đến việc nghiên cứu, xây dựng các hệ thống có khả năng tự học tập từ các dữ liệu có sẵn mà không cần phải lập trình cụ thể. Sự khác biệt giữa lập trình cụ thể và không cụ thể nằm ở việc hệ thống có thể tự học hỏi và xử lý các thông tin từ dữ liệu được đưa vào.1 Hình ảnh mô tả lập trình cụ thể Hình 2.2 Hình ảnh mô tả lập trình không cụ thể Ở đây lập trình cụ thể có nghĩa là chúng ta phải lập trình cho mọi trường hợp có thể xảy ra trong thực tế ví dụ như trong trường hợp phát hiện gian lận tài chính trong giao dịch ngân hàng.
Ví dụ với trường hợp có giao dịch xuất phát từ nước ngoài và con số giao dịch vượt quá 500.000 đô thì là gian lận tài chính, đây là lập trình cụ thể trong từng trường hợp. Máy tính không cần phải phân tích và học gì mà chỉ cần đưa ra kết quả dựa theo điều kiện đã được lập trình sẵn. Còn không cần lập trình cụ thể là khi chúng ta đã huấn luyện được một mô hình học máy AI. Mô hình này có thể học các dữ liệu giao dịch ngân hàng đã thu thập trong quá khứ, gồm cả giao dịch bình thường và gian lận, để mô hình tự học và tìm ra đặc điểm riêng biệt của chúng, thì đây là lập trình không cụ thể, hay Machine Learning.