Chương 2: Trí tuệ nhân tạo cơ bản

Bài 2: Trí tuệ nhân tạo cơ bản

Giới thiệu bài học

Chào các em, trong thời đại công nghệ số ngày nay, chúng ta thường xuyên nghe đến cụm từ "Trí tuệ nhân tạo" hay "AI". Từ những trợ lý ảo thông minh trên điện thoại, hệ thống gợi ý phim trên Netflix, cho đến xe tự lái, tất cả đều có bóng dáng của trí tuệ nhân tạo. Vậy trí tuệ nhân tạo thực chất là gì? Làm thế nào để máy tính có thể học và đưa ra quyết định giống con người? Trong bài học hôm nay, chúng ta sẽ cùng nhau khám phá những khái niệm cơ bản nhất về trí tuệ nhân tạo và nguyên lý hoạt động của nó.

Lý thuyết trọng tâm

1. Khái niệm trí tuệ nhân tạo (AI - Artificial Intelligence)

• Định nghĩa: Trí tuệ nhân tạo là lĩnh vực của khoa học máy tính nhằm tạo ra các hệ thống máy tính có khả năng thực hiện các nhiệm vụ mà bình thường đòi hỏi trí thông minh của con người.
• Mục tiêu cốt lõi: Mô phỏng các khả năng nhận thức của con người như: học tập (học từ dữ liệu), suy luận (rút ra kết luận từ thông tin), nhận thức (nhận dạng hình ảnh, âm thanh), và ra quyết định.
• Phân loại cơ bản:
  • AI hẹp (Narrow AI): Chỉ giỏi một nhiệm vụ cụ thể (ví dụ: chơi cờ vua, dịch thuật). Đây là loại AI phổ biến nhất hiện nay.
  • AI tổng quát (General AI): Có trí thông minh ngang bằng con người, có thể làm nhiều việc khác nhau. Loại này vẫn đang trong quá trình nghiên cứu.

2. Học máy (Machine Learning) - Nền tảng của AI hiện đại

Học máy là một nhánh quan trọng của AI. Thay vì lập trình các quy tắc cứng nhắc cho máy tính, chúng ta cho máy tính "học" từ dữ liệu.

• Cách hoạt động:
  1. Dữ liệu đầu vào: Thu thập một lượng lớn dữ liệu (ví dụ: hàng nghìn bức ảnh chó và mèo).
  2. Huấn luyện: Máy tính sẽ phân tích dữ liệu để tìm ra các đặc điểm, quy tắc ẩn bên trong.
  3. Mô hình: Kết quả của quá trình học là một "mô hình" - bộ quy tắc đã được rút ra.
  4. Dự đoán: Khi gặp dữ liệu mới (ví dụ: một bức ảnh con chó lạ), mô hình sẽ dựa vào kiến thức đã học để đưa ra dự đoán (ví dụ: "Đây là con chó").

3. Học có giám sát (Supervised Learning) và Học không giám sát (Unsupervised Learning)

• Học có giám sát: Máy tính được cung cấp dữ liệu đã được "gắn nhãn" - tức là đã biết câu trả lời đúng. Nhiệm vụ của nó là học cách ánh xạ từ dữ liệu đầu vào sang nhãn đúng. Ví dụ: Gửi cho máy ảnh hoa có nhãn "hoa hồng" và ảnh hoa có nhãn "hoa cúc", máy sẽ học để phân biệt chúng.
• Học không giám sát: Máy tính nhận dữ liệu không có nhãn. Nó phải tự tìm ra cấu trúc, nhóm, hoặc quy tắc ẩn trong dữ liệu. Ví dụ: Đưa cho máy tính một kho ảnh chụp khách hàng của siêu thị, máy có thể tự động nhóm khách hàng thành các nhóm có sở thích mua sắm giống nhau.

4. Mạng nơ-ron nhân tạo (Neural Network)

Đây là một kỹ thuật trong học máy, mô phỏng cấu trúc và hoạt động của bộ não con người. Nó bao gồm nhiều "nơ-ron nhân tạo" kết nối với nhau thành từng lớp: lớp đầu vào, các lớp ẩn (ẩn giữa), và lớp đầu ra. Các mạng nơ-ron nhiều lớp (Deep Learning) là nền tảng của các ứng dụng AI mạnh mẽ như nhận dạng khuôn mặt, xử lý ngôn ngữ tự nhiên.

Ví dụ minh họa

Ví dụ 1: Nhận dạng chữ viết tay (Handwriting Recognition)

• Bài toán: Máy tính nhận một hình ảnh chữ số "3" do tay người viết và phải đọc được đó là số 3.
• Giải pháp bằng AI:
  1. Dữ liệu: Có hàng chục nghìn hình ảnh chữ số viết tay, mỗi hình ảnh đều được gắn nhãn là "0", "1", "2",..., "9". (Đây là học có giám sát).
  2. Huấn luyện: Mạng nơ-ron được "cho xem" các hình ảnh này. Nó học cách liên kết các đường nét, vòng tròn, nét cong với con số tương ứng. Qua hàng ngàn lần luyện tập, mạng nơ-ron tự điều chỉnh các kết nối bên trong để giảm sai sót.
  3. Kết quả: Khi gặp một hình ảnh số "3" viết nguệch ngoạc, chưa từng thấy, mạng nơ-ron sẽ phân tích và đưa ra dự đoán: "Đây là số 3" với độ chính xác cao.

Ví dụ 2: Gợi ý bài hát trên Spotify

• Bài toán: Làm sao để gợi ý cho bạn những bài hát bạn thích nghe?
• Giải pháp bằng AI:
  1. Dữ liệu: Lịch sử nghe nhạc của bạn và hàng triệu người dùng khác (bạn thích bài nào, nghe thể loại nào, bỏ qua bài nào).
  2. Huấn luyện: Hệ thống sử dụng học không giám sát để tự động phân nhóm người dùng có sở thích giống nhau. Nó cũng học được rằng "Người thích nhạc Pop của Taylor Swift thường cũng thích nhạc của Ariana Grande."
  3. Gợi ý: Dựa trên kiến thức đó, nếu bạn nghe Taylor Swift, hệ thống sẽ tự động gợi ý bạn Ariana Grande.

Ghi nhớ

• Trí tuệ nhân tạo (AI) là máy tính bắt chước trí thông minh của con người để giải quyết các vấn đề.
• Học máy cho phép máy tính tự học từ dữ liệu mà không cần lập trình từng bước chi tiết.
• Có hai loại học máy phổ biến: học có giám sát (dùng dữ liệu có nhãn) và học không giám sát (dùng dữ liệu không nhãn).
• Mạng nơ-ron nhân tạo là kỹ thuật mô phỏng bộ não con người, nền tảng cho các ứng dụng AI phức tạp ngày nay.

Bài tập gợi ý

1. Em hãy nêu hai ví dụ về ứng dụng của AI trong cuộc sống hàng ngày mà em biết (ngoài những ví dụ trong bài). Giải thích tại sao em cho đó là AI (dựa vào khái niệm đã học).
2. Phân biệt sự khác nhau cơ bản giữa "học có giám sát" và "học không giám sát". Em hãy đưa ra một tình huống thực tế phù hợp với mỗi loại hình học này.
3. Giả sử em có một bộ ảnh chụp các loại trái cây (táo, cam, chuối). Ban đầu em chưa gắn nhãn cho bất kỳ ảnh nào. Sau đó, em nhờ một người bạn gắn nhãn "táo" cho tất cả ảnh quả táo. Em muốn xây dựng một hệ thống AI để tự động phân loại ảnh trái cây mới. Em sẽ sử dụng phương pháp học có giám sát hay không giám sát? Giải thích các bước thực hiện.
4. Hãy tìm hiểu và mô tả ngắn gọn (khoảng 3-5 câu) về nguyên lý hoạt động của một ứng dụng AI cụ thể mà em quan tâm, ví dụ như: xe tự lái, ChatGPT, hay hệ thống nhận dạng khuôn mặt trên điện thoại.