Cùng tìm hiểu về AI (Phần 2)

19/03/2021
Nguyễn Cao Cường

II.Các lĩnh vực liên quan

Ngoài AI, có một số chủ đề liên quan chặt chẽ khác mà bạn nên biết ít nhất là bằng tên. Chúng bao gồm học máy(machine learning), khoa học dữ liệu(data science) và học sâu(deep learning).

Học máy(machine learnig) có thể được nói là một lĩnh vực con của AI, bản thân nó là một lĩnh vực con của khoa học máy tính(data science) (các danh mục như vậy thường hơi không chính xác và một số phần của học máy có thể tương đương hoặc tốt hơn thuộc về số liệu thống kê). Học máy cho phép các giải pháp AI có khả năng thích ứng. Một định nghĩa ngắn gọn có thể được đưa ra như sau:

Thuật ngữ chính

Học máy( Machine learning)
Các hệ thống cải thiện hiệu suất của chúng trong một nhiệm vụ nhất định với ngày càng nhiều kinh nghiệm hoặc dữ liệu.

Học sâu(deep learning) là một lĩnh vực con của học máy, bản thân nó là một lĩnh vực con của AI, bản thân nó là một lĩnh vực con của khoa học máy tính. Chúng ta sẽ tìm hiểu chi tiết hơn về học sâu trong bài sau, nhưng bây giờ chúng ta hãy lưu ý rằng “độ sâu” của học sâu đề cập đến sự phức tạp của một mô hình toán học và khả năng tính toán ngày càng tăng của máy tính hiện đại đã cho phép các nhà nghiên cứu tăng độ phức tạp này để đạt đến các mức xuất hiện không chỉ về mặt số lượng mà còn về chất lượng so với trước đây. Như bạn nhận thấy, khoa học thường liên quan đến một số trường con đặc biệt hơn, các trường con của trường con, v.v. Điều này cho phép các nhà nghiên cứu phóng to vào một chủ đề cụ thể để có thể bắt kịp lượng kiến thức ngày càng tăng được tích lũy qua nhiều năm và tạo ra kiến thức mới về chủ đề đó – hoặc đôi khi, chỉnh sửa kiến thức trước đó để chính xác hơn.

Khoa học dữ liệu(data science) là một thuật ngữ hay dùng gần đây (thuật ngữ bao gồm một số ngành phụ) bao gồm học máy và thống kê, một số khía cạnh nhất định của khoa học máy tính bao gồm thuật toán, lưu trữ dữ liệu và phát triển ứng dụng web. Khoa học dữ liệu cũng là một ngành học thực tế đòi hỏi sự hiểu biết về lĩnh vực mà nó được áp dụng, chẳng hạn như kinh doanh hoặc khoa học: mục đích của nó (“giá trị gia tăng” nghĩa là gì), các giả định cơ bản và các ràng buộc. Các giải pháp khoa học dữ liệu thường liên quan đến ít nhất một chút AI (nhưng thường không nhiều như người ta mong đợi từ các tiêu đề).

Robotics có nghĩa là xây dựng và lập trình robot để chúng có thể hoạt động trong các tình huống phức tạp trong thế giới thực. Theo một cách nào đó, robot là thách thức cuối cùng của AI vì nó đòi hỏi sự kết hợp của hầu như tất cả các lĩnh vực của AI. Ví dụ:

Thị giác máy tính và nhận dạng giọng nói để cảm nhận môi trường
Xử lý ngôn ngữ tự nhiên, truy xuất thông tin và suy luận trong điều kiện không chắc chắn để xử lý các hướng dẫn và dự đoán hậu quả của các hành động tiềm ẩn
Mô hình nhận thức và tính toán cảm xúc (hệ thống phản ứng với các biểu hiện cảm xúc của con người hoặc bắt chước cảm giác) để tương tác và làm việc cùng nhau với con người

Nhiều vấn đề AI liên quan đến robot được tiếp cận tốt nhất bằng học máy, điều này làm cho học máy trở thành nhánh trung tâm của AI dành cho robot.

Ghi chú

Robot là gì?
Tóm lại, rô bốt là một cỗ máy bao gồm các cảm biến (cảm nhận môi trường) và cơ cấu truyền động (hoạt động dựa trên môi trường) có thể được lập trình để thực hiện các chuỗi hành động. Mọi người đã từng sử dụng các mô tả khoa học giả tưởng về robot thường sẽ nghĩ về những cỗ máy hình người đi bộ với dáng đi khó xử và nói bằng giọng đều đều như kim loại. Hầu hết các robot trong thế giới thực hiện đang được sử dụng trông rất khác vì chúng được thiết kế theo ứng dụng. Hầu hết các ứng dụng sẽ không được hưởng lợi từ việc rô bốt có hình dạng con người, giống như chúng ta không có rô bốt hình người để rửa bát mà là các máy chúng ta đặt bát đĩa để rửa bằng các tia nước.

Có thể không rõ ràng ngay từ cái nhìn đầu tiên, nhưng bất kỳ loại phương tiện nào có ít nhất một số mức độ tự chủ và bao gồm các cảm biến và thiết bị truyền động cũng được coi là người máy. Mặt khác, các giải pháp dựa trên phần mềm như chatbot dịch vụ khách hàng, ngay cả khi chúng đôi khi được gọi là “rô bốt phần mềm”, không được tính là rô bốt (thực).

Bài tập: Ví dụ về các nhiệm vụ

Hãy xem xét các nhiệm vụ ví dụ sau. Cố gắng xác định lĩnh vực nào liên quan đến AI có liên quan đến chúng. Chọn tất cả những gì phù hợp. (số liệu thống kê,học máy, robotics, gợi ý: học máy hầu như luôn liên quan đến một số loại thống kê).

Lưu ý: Bài tập này nhằm truyền cảm hứng cho bạn suy nghĩ về các khía cạnh khác nhau của AI và vai trò của chúng trong các ứng dụng khác nhau.