Ví dụ: Chương 2: Trí tuệ nhân tạo cơ bản

Bài học: Ví dụ minh họa về Trí tuệ nhân tạo cơ bản

Giới thiệu

Trong bài học trước, các em đã được tìm hiểu khái niệm Trí tuệ nhân tạo (AI) và những lĩnh vực ứng dụng cơ bản. Hôm nay, chúng ta sẽ cùng nhau đi sâu vào các ví dụ cụ thể để thấy rõ cách mà AI hoạt động từng bước một. Qua những minh họa thực tế, các em sẽ hiểu được bản chất của việc máy tính "học" và "đưa ra quyết định" như thế nào.

Lý thuyết trọng tâm

Trí tuệ nhân tạo cơ bản là khả năng của máy tính thực hiện các nhiệm vụ mà thông thường cần đến trí thông minh của con người, như: nhận dạng hình ảnh, hiểu ngôn ngữ, đưa ra dự đoán. Quá trình này thường dựa trên việc huấn luyện với dữ liệu có sẵn. Máy sẽ học các quy tắc hoặc mẫu từ dữ liệu đó, sau đó áp dụng để xử lý dữ liệu mới.

Ví dụ minh họa từng bước

Ví dụ 1: Nhận diện quả táo và quả cam

Mục tiêu: Dạy máy tính phân biệt một bức ảnh là quả táo hay quả cam.

1. Bước 1: Chuẩn bị dữ liệu huấn luyện

   Chúng ta đưa cho máy 100 bức ảnh quả táo (gắn nhãn "táo") và 100 bức ảnh quả cam (gắn nhãn "cam").

2. Bước 2: Máy học các đặc điểm

   Máy sẽ phân tích từng bức ảnh để tìm ra các đặc điểm nổi bật. Ví dụ: màu sắc (táo thường đỏ hoặc xanh, cam thường màu cam), hình dạng (táo tròn hơn, cam có núm nhỏ), kết cấu vỏ (vỏ táo bóng, vỏ cam sần sùi).

3. Bước 3: Xây dựng bộ quy tắc hoặc mô hình

   Từ các đặc điểm học được, máy tạo ra một "bộ não" giúp nó đưa ra quyết định. Chẳng hạn, một quy tắc đơn giản là: "Nếu có màu cam và vỏ sần → đó là cam. Nếu có màu đỏ và vỏ bóng → đó là táo."

4. Bước 4: Kiểm tra với dữ liệu mới

   Chúng ta đưa cho máy một bức ảnh quả cam mà nó chưa từng thấy. Máy áp dụng quy tắc đã học và trả lời: "Đây là quả cam." Nếu đúng, máy đã hoạt động tốt.

Ví dụ 2: Dự đoán thời tiết dựa trên dữ liệu khí tượng

Mục tiêu: Dựa vào dữ liệu nhiệt độ, độ ẩm, áp suất để dự đoán trời mưa hay nắng.

1. Bước 1: Thu thập dữ liệu quá khứ

   Lấy dữ liệu thời tiết của 365 ngày trước đó, bao gồm: nhiệt độ (cao/thấp), độ ẩm (cao/thấp), áp suất (tăng/giảm) và kết quả thực tế (mưa/không mưa).

2. Bước 2: Xác định mối liên hệ

   Máy sẽ tìm ra quy luật: "Nếu độ ẩm cao, áp suất giảm và nhiệt độ ấm → thường có mưa." Ngược lại, nếu áp suất cao, độ ẩm thấp → trời nắng.

3. Bước 3: Tạo mô hình dự đoán

   Máy xây dựng một công thức hoặc một "cây quyết định" để dựa vào các chỉ số đầu vào, đưa ra kết quả đầu ra là "mưa" hoặc "nắng".

4. Bước 4: Dự đoán cho ngày mai

   Nhập dữ liệu dự báo cho ngày mai: nhiệt độ 28°C, độ ẩm 85%, áp suất 1005 hPa. Máy chạy mô hình và đưa ra kết luận: "Dự đoán: Trời sẽ mưa." Đây chính là ứng dụng của AI trong dự báo thời tiết.

Ghi nhớ

• AI cơ bản hoạt động dựa trên nguyên lý "học từ dữ liệu".
• Quá trình gồm 4 bước: thu thập dữ liệu → học đặc điểm → xây dựng mô hình → dự đoán/kiểm tra.
• Kết quả dự đoán phụ thuộc rất lớn vào chất lượng và số lượng dữ liệu huấn luyện.
• Mỗi bài toán AI cần một cách xử lý dữ liệu và lựa chọn mô hình phù hợp riêng.

Bài tập gợi ý

Các em hãy tự thực hành theo những yêu cầu sau:

1. Hãy mô tả các bước huấn luyện cho một máy tính có thể phân biệt chó và mèo qua ảnh. Hãy liệt kê ít nhất 3 đặc điểm mà máy có thể học được.
2. Giả sử em có dữ liệu về 50 người: chiều cao, cân nặng, sở thích ăn uống và kết quả là "thích thể thao" hoặc "không thích thể thao". Em sẽ dùng AI để dự đoán một người mới có thích thể thao không như thế nào? Hãy viết các bước cụ thể.
3. Thảo luận: Nếu dữ liệu huấn luyện chỉ gồm 3 bức ảnh quả táo và 3 bức ảnh quả cam, liệu máy có thể nhận diện chính xác không? Vì sao?