Bài tập: Chương 2: Trí tuệ nhân tạo cơ bản

Bài tập: Chương 2 - Trí tuệ nhân tạo cơ bản

Giới thiệu

Chào các em, sau khi đã tìm hiểu những khái niệm cơ bản về Trí tuệ nhân tạo (AI) trong chương 2, chúng ta sẽ cùng nhau ôn tập và thực hành thông qua các bài tập có hướng dẫn giải. Bài học hôm nay sẽ giúp các em củng cố kiến thức về các lĩnh vực cốt lõi của AI, cách máy tính "học" từ dữ liệu, cũng như ứng dụng của AI trong đời sống. Mục tiêu là giúp các em không chỉ nhớ lý thuyết mà còn biết cách vận dụng vào giải quyết các tình huống thực tế.

Lý thuyết trọng tâm cần nhớ

Trước khi vào bài tập, các em hãy xem lại một số kiến thức nền tảng sau:

• Trí tuệ nhân tạo (AI): Là lĩnh vực của khoa học máy tính nhằm tạo ra các hệ thống thông minh có khả năng thực hiện các công việc thường yêu cầu trí thông minh của con người như nhận thức, học tập, suy luận và giải quyết vấn đề.
• Học máy (Machine Learning - ML): Một nhánh quan trọng của AI, trong đó máy tính có thể tự học từ dữ liệu mà không cần được lập trình cụ thể cho từng bước. Có ba loại học chính:
  • Học có giám sát: Máy học từ dữ liệu đã gắn nhãn (ví dụ: ảnh chó đã được gắn nhãn "chó").
  • Học không giám sát: Máy tự tìm kiếm quy luật, nhóm trong dữ liệu chưa được gắn nhãn.
  • Học tăng cường: Máy học qua tương tác với môi trường, dựa trên phần thưởng và hình phạt.
• Một số lĩnh vực ứng dụng phổ biến của AI: Nhận dạng tiếng nói (Siri, Google Assistant), thị giác máy tính (nhận diện khuôn mặt), xử lý ngôn ngữ tự nhiên (dịch máy), xe tự lái, robot thông minh.

Ví dụ minh họa và hướng dẫn giải

Ví dụ 1: Xác định loại học máy

Đề bài: Một ứng dụng thư rác (spam) được huấn luyện trên 10.000 email đã được phân loại sẵn thành "thư bình thường" và "thư rác". Sau đó, ứng dụng này có thể tự động phân loại các email mới nhận về. Hãy cho biết ứng dụng trên sử dụng loại học máy nào? Giải thích.

Hướng dẫn giải:

Đây là ví dụ về học có giám sát.

Giải thích: Bộ dữ liệu huấn luyện ban đầu gồm 10.000 email đã được gắn nhãn (mỗi email có một nhãn tương ứng là "thư bình thường" hoặc "thư rác"). Máy tính học từ các cặp dữ liệu (email - nhãn) này để tìm ra các dấu hiệu đặc trưng của thư rác. Khi có email mới, máy sẽ dựa vào các dấu hiệu đã học để đưa ra dự đoán về nhãn của nó. Điều này hoàn toàn phù hợp với định nghĩa của học có giám sát.

Ví dụ 2: Ứng dụng của thị giác máy tính

Đề bài: Khi chúng ta mở khóa điện thoại bằng khuôn mặt, điện thoại sẽ nhận diện và so sánh khuôn mặt hiện tại với khuôn mặt đã được đăng ký trước đó. Hãy cho biết ứng dụng này sử dụng kỹ thuật nào của AI? Nó hoạt động như thế nào?

Hướng dẫn giải:

Ứng dụng này sử dụng kỹ thuật thị giác máy tính (Computer Vision), cụ thể hơn là nhận dạng khuôn mặt.

Giải thích cách hoạt động:

1. Camera của điện thoại sẽ thu nhận hình ảnh khuôn mặt của người dùng.
2. Hệ thống sử dụng các thuật toán thị giác máy tính để phát hiện khuôn mặt trong khung hình, tách nó ra khỏi nền.
3. Tiếp theo, hệ thống trích xuất các đặc điểm đặc trưng trên khuôn mặt như khoảng cách giữa hai mắt, hình dạng mũi, đường viền hàm... và biến chúng thành một tập hợp các con số (còn gọi là vector đặc trưng).
4. Vector này sẽ được so khớp (matching) với vector đặc trưng của khuôn mặt đã được đăng ký và lưu trữ sẵn trong bộ nhớ điện thoại.
5. Nếu độ tương đồng đạt đến một ngưỡng cho phép, điện thoại sẽ mở khóa.

Ví dụ 3: Bài toán tình huống

Đề bài: Một nhóm học sinh muốn tạo một ứng dụng có thể dịch một câu văn bản từ tiếng Việt sang tiếng Anh. Các em nên nghiên cứu và sử dụng lĩnh vực nào của AI? Hãy gợi ý các bước cơ bản để xây dựng ứng dụng này.

Hướng dẫn giải:

Các em nên nghiên cứu lĩnh vực Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP).

Gợi ý các bước cơ bản:

• Bước 1 (Thu thập dữ liệu): Cần có một kho dữ liệu lớn chứa các cặp câu song song (ví dụ: một câu tiếng Việt và câu tiếng Anh tương ứng với cùng một nội dung). Đây sẽ là dữ liệu để "học".
• Bước 2 (Tiền xử lý dữ liệu): Làm sạch dữ liệu (loại bỏ lỗi chính tả, ký tự đặc biệt), chia câu thành từ/cụm từ (tokenization).
• Bước 3 (Xây dựng mô hình học máy): Chọn một mô hình học sâu (ví dụ: Transformer - một kiến trúc mạng nơ-ron mạnh mẽ cho NLP) và huấn luyện mô hình trên bộ dữ liệu song song. Mô hình sẽ học cách "dịch" từ một ngôn ngữ này sang ngôn ngữ khác dựa trên dữ liệu mẫu.
• Bước 4 (Kiểm thử và cải tiến): Dùng một phần dữ liệu chưa từng thấy trong huấn luyện để kiểm tra độ chính xác. Nếu kết quả chưa tốt, điều chỉnh lại mô hình hoặc bổ sung thêm dữ liệu huấn luyện.

Ghi nhớ

Để giải quyết tốt các bài tập về AI, các em cần nhớ:

• Xác định rõ lĩnh vực của AI được nhắc đến trong bài toán (ví dụ: thị giác máy tính nếu có ảnh/video, xử lý ngôn ngữ tự nhiên nếu có văn bản/giọng nói).
• Phân biệt được mục tiêu của bài toán: là phân loại (học có giám sát), là tìm nhóm/cluster (học không giám sát), hay là tối ưu hành vi (học tăng cường).
• Liên hệ với dữ liệu đầu vào và kết quả đầu ra mong muốn. Dữ liệu có nhãn hay không có nhãn?
• Nhận biết các ứng dụng thực tiễn xung quanh em chạy trên nền tảng AI nào.

Bài tập gợi ý

Các em hãy tự luyện tập thêm với các bài tập sau đây:

1. Bài tập 1: Một công ty muốn phân tích dữ liệu khách hàng để tự động nhóm khách hàng thành các phân khúc khác nhau (ví dụ: nhóm khách hàng trẻ tuổi thích công nghệ, nhóm khách hàng gia đình...) nhằm đưa ra các chiến dịch quảng cáo phù hợp. Công ty này nên sử dụng loại học máy nào? Giải thích.
2. Bài tập 2: Khi bạn nói "OK Google" hoặc "Hey Siri" và trợ lý ảo thức dậy để sẵn sàng nghe lệnh, đây là ứng dụng của kỹ thuật AI nào? Hãy mô tả ngắn gọn quy trình xử lý.
3. Bài tập 3: Hãy kể tên ít nhất 3 ứng dụng của AI trong lĩnh vực y tế mà em biết hoặc có thể tưởng tượng ra. Giải thích ứng dụng đó giúp ích gì cho con người.