AI (trí tuệ nhân tạo) là phần mềm giúp máy tính làm những việc vốn cần trí óc con người, như nhận ra khuôn mặt, hiểu câu nói, dịch văn bản hay đoán đường nào sắp kẹt xe. Điểm khác với phần mềm thông thường nằm ở cách làm ra nó: thay vì lập trình viên viết sẵn từng quy tắc, người ta cho máy xem thật nhiều ví dụ để máy tự rút ra quy luật, rồi dùng quy luật đó cho trường hợp mới.
Mọi AI đang có hiện nay đều là AI hẹp: giỏi một nhóm việc cụ thể, ra khỏi phạm vi đó là lúng túng. Loại AI tổng quát, hiểu và học mọi thứ như một người trưởng thành, vẫn chưa tồn tại. Phần dưới giải thích cơ chế bằng ví dụ đời thường, không cần biết lập trình.
Phần mềm thường và AI khác nhau ở chỗ nào
Hãy lấy bài toán lọc thư rác. Cách cũ: lập trình viên ngồi viết quy tắc kiểu "nếu tiêu đề có chữ trúng thưởng thì đưa vào thư rác". Kẻ gửi thư rác chỉ cần viết tr.úng thư.ởng là lọt. Muốn chặn, lại phải viết thêm quy tắc, và danh sách quy tắc phình ra mãi mà vẫn hở.
Cách của AI: gom vài triệu email đã được người dùng bấm "đây là thư rác" hoặc "không phải thư rác", đưa cho một chương trình học. Chương trình tự tìm ra hàng nghìn dấu hiệu cùng lúc, từ cách đặt tiêu đề, giờ gửi, tỷ lệ chữ in hoa, đường dẫn lạ cho đến thói quen của người nhận. Không ai viết tay những dấu hiệu này; máy tự cân đo xem dấu hiệu nào hay đi kèm thư rác. Khi có thư mới, nó chấm xác suất "khả năng là thư rác 97%" và quyết định.
Vậy công thức chung là: dữ liệu ví dụ + thuật toán học = mô hình. Mô hình là thứ được dùng hằng ngày; nó tốt hay dở phụ thuộc rất nhiều vào dữ liệu đem cho học. Dữ liệu lệch thì mô hình lệch, dữ liệu thiếu trường hợp nào thì mô hình đoán bừa ở trường hợp đó. Đây là lý do các công ty công nghệ coi dữ liệu là tài sản chứ không chỉ là thuật toán.
AI "học" thực chất là gì
Học là chỉnh con số cho bớt sai. Bên trong một mô hình là rất nhiều con số (gọi là tham số hay trọng số). Ban đầu chúng được gán ngẫu nhiên nên mô hình đoán sai be bét. Mỗi lần đoán sai, thuật toán đo xem sai bao nhiêu rồi nhích các con số theo hướng làm lần sau bớt sai. Lặp lại hàng triệu lần, các con số dần ổn định ở chỗ cho kết quả tốt.
Giống luyện nhận mặt chữ, không giống học thuộc. Trẻ học nhận chữ "a" sau khi thấy chữ "a" viết tay, in, nghiêng, to nhỏ đủ kiểu, rồi nhận được cả chữ "a" chưa từng thấy. Mô hình tốt cũng vậy: nó phải đoán đúng trên dữ liệu mới, không chỉ trên dữ liệu đã học. Người làm AI luôn giữ riêng một phần dữ liệu không cho học để kiểm tra đúng điều này.
Không có "hiểu" theo nghĩa của người. Mô hình nhận ảnh con mèo không biết mèo là con vật kêu meo meo, ăn cá, sợ nước. Nó chỉ học được những mẫu điểm ảnh hay đi cùng nhãn "mèo". Vì vậy đôi khi một thay đổi rất nhỏ mà mắt người không để ý cũng làm mô hình nhận nhầm, điều người ít khi mắc.
Học xong thì thường đứng yên. Phần lớn mô hình được huấn luyện một lần rồi đóng gói đem dùng. Nó không tự học thêm sau mỗi lần bạn dùng, trừ khi nhà phát triển thu dữ liệu mới và huấn luyện lại. Hiểu điểm này giúp bạn bớt lo kiểu "AI đang tự lớn lên mỗi ngày".
AI hẹp và AI tổng quát: đang có gì, chưa có gì
Báo chí hay dùng chữ AI cho mọi thứ, từ camera điện thoại đến robot trong phim. Tách hai khái niệm dưới đây sẽ đọc tin tức tỉnh táo hơn.
| Tiêu chí | AI hẹp (đang có) | AI tổng quát – AGI (chưa có) |
|---|---|---|
| Phạm vi | Một nhóm việc: nhận mặt, dịch, chơi cờ, viết chữ, tạo ảnh | Mọi việc trí óc con người làm được |
| Học việc mới | Phải huấn luyện lại hoặc tinh chỉnh với dữ liệu mới | Tự học việc mới từ vài ví dụ như người |
| Ví dụ | Chatbot, lọc thư rác, gợi ý video, mở khoá bằng khuôn mặt | Chưa có ví dụ thật, chỉ có trong phim và dự đoán |
| Ra khỏi phạm vi | Kết quả kém hoặc tự tin nói sai | (giả định) xử lý linh hoạt |
| Tranh luận | Đã dùng rộng rãi, câu hỏi chính là dùng đúng chỗ | Giới nghiên cứu chưa thống nhất bao giờ có, thậm chí định nghĩa thế nào |
Các chatbot đời mới làm được nhiều việc khác nhau nên dễ khiến người ta nghĩ đã chạm tới AI tổng quát. Thực tế chúng vẫn sai ở những câu hỏi cần kiểm chứng sự kiện, đếm chữ, tính toán nhiều bước hoặc tình huống chưa gặp trong dữ liệu. Nên coi chúng là công cụ rất giỏi ngôn ngữ, chưa phải một bộ óc hoàn chỉnh. Chuyện AGI là gì, AI có ý thức hay không được bàn riêng trong một bài khác của chuyên mục này.
AI đang ở quanh bạn mà bạn ít để ý
Không cần mở chatbot, một ngày bình thường bạn đã dùng AI hẹp nhiều lần:
- Camera điện thoại: nhận ra khuôn mặt để lấy nét, làm mờ hậu cảnh khi chụp chân dung, ghép nhiều khung hình khi chụp đêm cho bớt nhiễu.
- Mở khoá bằng khuôn mặt hoặc vân tay: so mẫu sinh trắc học với dữ liệu đã lưu, chấp nhận cả khi bạn đội mũ hay đổi kiểu tóc.
- Ứng dụng bản đồ: dự đoán thời gian đến nơi dựa trên tốc độ di chuyển ẩn danh của rất nhiều điện thoại cùng tuyến và lịch sử kẹt xe theo giờ.
- Gõ phím và nhập bằng giọng nói: đoán từ tiếp theo, sửa lỗi gõ, chuyển giọng nói tiếng Việt thành chữ có dấu.
- Gợi ý nội dung: video, bài hát, sản phẩm "có thể bạn thích" được chọn theo hành vi của bạn và của những người có thói quen giống bạn.
- Ngân hàng: hệ thống phát hiện giao dịch bất thường (chuyển số tiền lớn lúc nửa đêm tới tài khoản lạ) để hỏi xác nhận hoặc tạm chặn.
- Dịch máy: dịch biển hiệu khi đi du lịch bằng cách chĩa camera, dịch phụ đề tự động trên video.
Điểm chung: mỗi hệ thống chỉ giỏi việc của nó. Mô hình dự đoán kẹt xe không biết dịch tiếng Anh, mô hình mở khoá khuôn mặt không biết lọc thư rác.
Những việc AI hiện chưa làm tốt
Chịu trách nhiệm và hiểu hậu quả. AI đưa ra gợi ý nhưng không hiểu một chẩn đoán sai hay một hợp đồng sai sẽ ảnh hưởng đến ai. Ở y tế, pháp lý, tài chính, kết quả của AI cần người có chuyên môn xem lại.
Tình huống hiếm, chưa có trong dữ liệu. Xe tự lái xử lý tốt đường quen nhưng có thể bối rối trước một công trình chắn đường kiểu lạ. Mô hình học từ quá khứ nên yếu với cái chưa từng xảy ra.
Biết mình không biết. Nhiều mô hình trả lời sai với giọng rất chắc chắn. Chatbot có thể bịa tên sách, số liệu hay điều luật nghe hợp lý. Đây không phải nói dối có chủ ý mà là hệ quả của cách mô hình được tạo ra.
Công bằng tuyệt đối. Nếu dữ liệu lịch sử thiên lệch (chẳng hạn hồ sơ tuyển dụng cũ ưu tiên một nhóm người), mô hình học luôn thiên lệch đó. Phải có người kiểm và hiệu chỉnh.
Ghi nhớ ngắn gọn: AI rất mạnh ở việc lặp lại, có nhiều dữ liệu và chấp nhận sai số nhỏ; còn yếu ở việc cần phán đoán đạo đức, bối cảnh riêng và trách nhiệm cuối cùng.
Đọc tin tức về AI sao cho tỉnh táo
Mỗi tuần đều có tin "AI vừa làm được điều không tưởng" và tin "AI sắp thay thế con người". Vài câu hỏi giúp lọc bớt phóng đại. Thứ nhất, AI đó làm đúng việc gì, đo bằng cách nào? "Đạt điểm cao trong bài kiểm tra" khác với "làm tốt công việc thực tế". Thứ hai, ai công bố? Thông cáo của chính công ty bán sản phẩm thường chọn ví dụ đẹp nhất. Thứ ba, có ai độc lập kiểm lại chưa?
Ngược lại, cũng đừng coi AI là trò bịp. Những thứ như nhận dạng giọng nói, dịch máy hay tạo ảnh đã tiến bộ thấy rõ chỉ trong vài năm và đang thay đổi cách làm việc của nhiều nghề. Thái độ hợp lý là tò mò thử, kiểm kết quả, và dùng AI như một trợ thủ cần giám sát. Chữ "trí tuệ nhân tạo" xuất hiện từ năm 1956 tại một hội thảo khoa học ở Mỹ; lĩnh vực này đã trải qua nhiều đợt kỳ vọng rồi hụt hẫng, nên nhìn lâu dài sẽ đỡ bị cuốn theo từng làn sóng tin.
Câu hỏi thường gặp
AI có cần kết nối internet mới chạy được không?
Không phải lúc nào cũng cần. Mở khoá bằng khuôn mặt, đoán chữ trên bàn phím, làm mờ hậu cảnh ảnh chạy ngay trên chip điện thoại, kể cả khi tắt mạng. Các mô hình rất lớn như chatbot mạnh hay tạo ảnh chất lượng cao thường chạy trên máy chủ, nên cần mạng và gửi dữ liệu của bạn đi.
AI đưa ra kết quả sai thì ai chịu trách nhiệm?
Phần mềm không chịu trách nhiệm pháp lý. Trách nhiệm thuộc về tổ chức cung cấp hoặc đưa AI vào dịch vụ và người quyết định dùng kết quả đó, tuỳ hợp đồng và luật từng nơi. Nhiều nước đang xây khung pháp lý riêng cho AI, nên việc hệ trọng vẫn cần một người có chuyên môn ký duyệt.
Dùng AI trong công việc có cần mua máy tính cấu hình cao không?
Phần lớn công cụ AI phổ thông chạy trên trình duyệt hoặc ứng dụng điện thoại, máy tính văn phòng bình thường là đủ. Chỉ khi muốn tự chạy mô hình trên máy riêng hoặc tự huấn luyện mô hình mới cần card đồ hoạ rời có nhiều bộ nhớ.
AI có lấy dữ liệu cá nhân của mình để học không?
Tuỳ dịch vụ. Một số ứng dụng dùng dữ liệu người dùng để cải thiện mô hình nếu bạn đồng ý trong điều khoản, một số cho tắt trong phần cài đặt quyền riêng tư. Nên đọc mục dữ liệu trong cài đặt và tránh đưa thông tin nhạy cảm vào bất kỳ công cụ nào.
Vì sao gần đây mới nghe nhiều về AI dù nó có từ lâu?
Ba thứ hội tụ: dữ liệu số khổng lồ từ internet, chip xử lý đồ hoạ tính song song rất nhanh và các thuật toán học sâu cải tiến. Khi cả ba đủ mạnh, AI bắt đầu làm được việc dễ thấy như trò chuyện, tạo ảnh nên công chúng mới chú ý.
Trẻ em nên học về AI từ khi nào?
Học sinh tiểu học có thể làm quen ý tưởng máy học qua trò chơi phân loại hình ảnh, hiểu rằng máy cũng sai. Từ cấp hai có thể thử công cụ tạo mô hình đơn giản bằng kéo thả. Quan trọng hơn kỹ thuật là thói quen kiểm tra thông tin AI đưa ra.
