Trí tuệ nhân tạo: nó là gì và các ví dụ thực tế hiện nay?

Mục lục:

Trí tuệ nhân tạo: lập trình mới
AI có suy nghĩ giống con người
IAs hoạt động như con người
IAs nghĩ hợp lý
IAs hành động hợp lý
Toán học tư tưởng
Hệ thống mới, phần cứng mới
Trí tuệ nhân tạo hàng ngày
Nữ hoàng trong bóng tối:
Nền tảng: Sâu, Học máy
Tương lai của trí tuệ nhân tạo

Trong một vài năm, các công ty đã liên tục nói chuyện với chúng tôi về Trí tuệ nhân tạo mà họ giới thiệu trong các dịch vụ, ứng dụng và bộ xử lý của họ. Tuy nhiên, mặc dù chúng có cùng tên, cảm ơn Chúa, Trí thông minh nhân tạo của máy giặt của chúng tôi (vì lý do thoát khỏi chúng tôi) và điện thoại thông minh của chúng tôi không phát triển đến mức khiến chúng phản ánh sự tồn tại của chúng và sức mạnh của chúng đối với chúng. Bây giờ…

Như chúng tôi đã nói với bạn trong bài viết về phát triển AI USB Intel Movidius, Trí tuệ nhân tạo luôn ở đây và giúp chúng tôi giải quyết các vấn đề hàng ngày. Nhưng chính xác thì Trí tuệ nhân tạo là gì?

Nguồn: Nguồn Dexeter

Ảnh gif mà bạn thấy ở trên hiển thị một cách rất đơn giản về cách thức hoạt động của một mạng lưới thần kinh sâu. Các hệ thống này đòi hỏi đào tạo chăm chỉ để sau này có thể nhận ra hình ảnh, tối ưu hóa các giải pháp hoặc đơn giản là tìm hiểu thêm. Về bản chất, nó là một tập hợp các thuật toán mà chúng ta có thể phân loại là AI và thuộc về lĩnh vực Deep Learning.

Chỉ số nội dung

Trí tuệ nhân tạo: lập trình mới

Ngày nay, Trí tuệ nhân tạo không tạo nên những hệ thống công nghệ hỗn hợp phức tạp với lương tâm như thường thấy trong các tác phẩm khoa học viễn tưởng. Cái mà chúng ta tạo ra dựa trên định nghĩa của các thuật toán phức tạp trả về kết quả dựa trên các đầu vào và các lệnh đã được dạy cho chúng. Mặc dù đó chỉ là một trong những ý nghĩa.

Có nhiều cách hiểu khác nhau về Trí tuệ nhân tạo, nhưng chúng ta có thể chia nó thành bốn nhóm chính:

AI có suy nghĩ giống con người

Robot bơ Rick và Morty

Các hệ thống máy tính phức tạp với lương tâm của riêng chúng suy nghĩ và quyết định theo mong muốn của chúng và vượt quá các đặc điểm mà chúng được lập trình ( Ghost in the Shell). Nó vẫn chưa nằm trong tầm tay của chúng tôi và chúng tôi thậm chí không biết liệu điều đó có khả thi trong tương lai hay không, vì vậy không có nhiều điều để bình luận.

IAs hoạt động như con người

Suy nghĩ như một con người không giống như giả vờ hành động như một con người. Hôm nay chúng tôi tạo ra một số hệ thống như thế này, nơi các tính ngẫu nhiên và chức năng cụ thể được giới thiệu để mang lại cảm giác rằng Trí thông minh nghĩ giống như một người.

Pepper trợ lý thông minh

Trong các trò chơi video, chúng ta thấy điều này liên tục, vì những kẻ thù do máy điều khiển thường tìm cách mô phỏng các hành vi giống con người. Tách khỏi các trò chơi video, người ta đã đạt được rằng Trí thông minh nhân tạo có thể viết với sự không hoàn hảo và bất thường như một người.

IAs nghĩ hợp lý

Có thể là phiên bản phổ biến nhất của công nghệ này ngày nay. Chúng tôi nói rằng họ suy nghĩ hợp lý bởi vì chúng tôi cung cấp cho họ các công cụ để cung cấp kết quả hiệu quả và có ý nghĩa. Họ có thể thích nghi với môi trường mà họ đang ở một cách dễ dàng, mặc dù họ không nghĩ xa cho mình.

AlphaStar Learning

Một ví dụ về điều này là Trí tuệ nhân tạo chơi các trò chơi video như AlphaStar (StarCraft II) hoặc AlphaZero (cờ vua, shogi và cờ vây). Những cỗ máy này thậm chí có khả năng chiến đấu với các đối thủ của con người và đã đánh bại nhà vô địch thế giới không thường xuyên.

IAs hành động hợp lý

Vì họ 'hành động', chúng tôi phát hiện ra rằng họ không xử lý dữ liệu chúng tôi truyền cho họ, nên họ chỉ có vẻ suy nghĩ hợp lý. Đây là phiên bản đơn giản nhất của công nghệ này và nó là một giai đoạn mà chúng tôi đã vượt qua phần lớn. Một số hệ thống máy tính sử dụng công nghệ này, vì nó dễ lập trình hơn nhiều và công việc của chúng thường đơn giản.

Máy hút bụi thông minh

Ví dụ: các máy nhận cuộc gọi và hướng dẫn bạn thông qua các tùy chọn của chúng hoặc trợ lý thông minh của các trang web, thường yêu cầu bạn đề xuất các giải pháp liên quan.

Đã có một hình ảnh chấp nhận được về cách thức Trí thông minh được phân phối theo mức độ phức tạp của chúng, chúng ta hãy đưa bạn vào trọng tâm của vấn đề.

Toán học tư tưởng

Một trong những cách để lập trình Trí tuệ nhân tạo là xử lý dữ liệu dưới dạng các đơn vị tưởng tượng được gọi là tenxơ. Tenor là một đơn vị đại số phức tạp (gồm vô hướng, vectơ và ma trận) đòi hỏi kiến thức về toán học để làm việc đúng với chúng. Do đó, hiệu suất của các ứng dụng AI sẽ tốt như các thao tác toán học của dữ liệu đã được thực hiện.

Giải thích đơn giản về củ cải

Để mở rộng sự phát triển của loại phần mềm này, nhiều nhóm đã tạo và mở thư viện mã của họ ra công chúng để hợp tác và tạo ra, cùng với cộng đồng, các hệ thống thông minh hơn. TensorFlow của Google, CNTK của Microsoft, Theano, Caffe2 và Keras là một số ví dụ phù hợp nhất. Mỗi thư viện tập trung vào vấn đề từ các góc độ khác nhau và nhờ vào điều này, chúng tôi có thể phát triển AI ở các mức độ trừu tượng khác nhau.

Nếu bạn không biết mức độ trừu tượng là gì, thì đó là một hệ thống đo lường mức độ chặt chẽ của ngôn ngữ máy tính đối với ngôn ngữ nói. Mức độ trừu tượng càng cao, nó càng giống với ngôn ngữ của con người và càng thấp, mã máy càng nhiều, nghĩa là thế giới đó chỉ hoạt động với số không và số không.

Hệ thống mới, phần cứng mới

Rõ ràng là tất cả các phần mềm chạy trong phần cứng, tuy nhiên, rất dễ rơi vào ảo tưởng rằng đám mây có thể đối phó với mọi thứ, nhưng thực tế không quá ngọt ngào. Tùy thuộc vào cách mã được tối ưu hóa, có thể là trường hợp AI hoạt động cục bộ (trên thiết bị điện thoại thông minh, PC hoặc Internet of Things). Hoặc các thiết bị có thể được phép gửi các tính toán đến các máy chủ, xử lý nó và chúng sẽ trả về kết quả.

Dịch vụ đám mây

Trong nhiều trường hợp , thiết bị nhỏ trên mạng cố gắng thực hiện một phần lớn các phép tính cục bộ và chỉ gửi một phần vấn đề đến máy chủ, do đó tiết kiệm được nhiều chi phí quản lý dịch vụ.

Trí tuệ nhân tạo hàng ngày

Chúng tôi biết rằng suy nghĩ về tương lai của điều này là một điều gì đó rất thú vị và đối với một số người thậm chí thú vị, nhưng bạn không cần phải đi xa để nhìn thấy những trái cây đầu tiên. Chúng ta có thể tìm thấy dấu vết của Trí tuệ nhân tạo ở đâu trong xã hội ngày nay?

Trí tuệ nhân tạo trên di động

Nó dường như không được chú ý, nhưng nó bao quanh chúng ta ở tất cả các phía. Bắt đầu với các thiết bị gia đình, điện thoại di động mới thường có các hệ thống tích hợp nhỏ gọi là Trí tuệ nhân tạo giúp bạn chụp ảnh tốt hơn. Chọn lọc tập trung, hình ảnh hậu xử lý để làm cho chúng trông sắc nét hơn, nhiều màu sắc hơn hoặc tương phản. Một số thậm chí có thể nhận ra các đối tượng chúng tôi chụp và cung cấp cho chúng tôi các tìm kiếm liên quan.

Trong lĩnh vực này , đồng nghiệp 'OK Google', người học hỏi từ mọi thứ chúng tôi nói với cô ấy và có khả năng xử lý các yêu cầu vô hạn, cũng nổi bật. Mặc dù chúng tôi có thể tìm thấy bạn 'gia công' rất dễ dàng (như không thể tiếp tục cuộc trò chuyện), chúng tôi không thể loại bỏ công việc khó khăn mà chúng tôi biết là đằng sau nó.

Trợ lý Google

Chúng ta cũng phải nói về việc lái xe tự trị sắp xảy ra. Những chiếc xe như Tesla đã cung cấp những lựa chọn thay thế do AI kiểm soát ở một số quốc gia. Các hệ thống này có khả năng nắm bắt môi trường xung quanh xe, xử lý các lệnh cấm, mối nguy hiểm, v.v. và lái xe an toàn theo đó.

Mặc dù chúng ta không cần phải đi đến mức độ thông minh cao như vậy trong thế giới ô tô. Chúng ta có thể thấy rằng một số xe đã có hệ thống thú vị như phát hiện dừng khẩn cấp hoặc đỗ xe tự động.

Nữ hoàng trong bóng tối:

Đến bây giờ bạn có thể đã nghĩ rằng AI ở khắp mọi nơi và bất cứ lúc nào chúng cũng nổi loạn, nhưng hãy yên tâm, máy nướng bánh mì của bạn sẽ không giết bạn trong khi bạn ngủ. Những gì chúng tôi có thể xác nhận là công nghệ này kiểm soát nhiều hơn bạn nghĩ và chịu trách nhiệm cho nhiều xu hướng trong xã hội.

Quảng cáo Youtube, Twitter, Google… Tất cả điều này được kiểm soát ở một mức độ nhất định bởi các cài đặt bạn đã chỉ định, nhưng cũng bởi Trí tuệ nhân tạo quyết định những gì sẽ hiển thị cho bạn. Bạn có nghe thấy một thông báo tương tự như: "Tôi muốn chia sẻ dữ liệu của mình với Google để nó cung cấp cho tôi những quảng cáo có thể khiến tôi quan tâm" không?

Làm thế nào để làm việc này? Chà, bạn sẽ thấy, dựa trên những gì bạn tiêu thụ trên Internet, một hồ sơ được tạo ra theo sở thích của bạn và bạn có liên quan đến nhiều người khác. Khi các dịch vụ Internet cần cho bạn thấy một cái gì đó, họ sử dụng hồ sơ này gồm hàng triệu cá nhân để ước tính những gì bạn có thể quan tâm.

Giải thích dữ liệu lớn được đơn giản hóa

Cách phân tích lượng dữ liệu khổng lồ (Dữ liệu lớn) này bằng AI đang chiếm rất nhiều sức mạnh và sự nghiệp đang xuất hiện trên toàn thế giới để sẵn sàng chuẩn bị cho tương lai về chủ đề này. Như bạn sẽ hiểu, dữ liệu mà người dùng sử dụng được TeraBytes đếm mỗi giây, vì vậy một người không thể phân tích tất cả. Đây là nơi Trí tuệ nhân tạo làm việc với dữ liệu và chính những người sử dụng nó để lập dự toán, v.v., ví dụ, sử dụng số liệu thống kê.

CHÚNG TÔI GIỚI THIỆU BẠN Google Home Mini: nó là gì và nó dùng để làm gì, các tính năng

Nền tảng: Sâu, Học máy

Chúng ta sẽ điều hướng một chút trong thế giới trò chơi video để hiểu Deep Learning tốt hơn một chút, vì AI đã tham gia vào lĩnh vực trò chơi video với tư cách là một người chơi (như chúng ta đã đề cập trước đây), với tư cách là một lập trình viên và nhà thiết kế. Nếu bạn theo dõi những tiến bộ của ngành công nghiệp, NVIDIA đã nổi tiếng với các công nghệ khác nhau trong số đó là hệ thống DLSS (Deep Learning Super Sampling), Trí tuệ nhân tạo có khả năng định cỡ lại hình ảnh.

So sánh DLSS

Chức năng của DLSS là chuyển đổi hình ảnh từ FullHD (1080p) sang UltraHD (4k) để có thể phát các tựa game đòi hỏi khắt khe nhất với tốc độ khung hình tốt hơn. Lúc đầu, người dùng phàn nàn rằng hình ảnh trông mờ và mất nét, nhưng chỉ vài tháng sau kết quả rất tuyệt vời.

Điều này là nhờ Deep Learning, một hệ thống thông qua đó Trí tuệ nhân tạo học được với thực tiễn và lỗi. Trong trường hợp DLSS, NVIDIA Intelligence đã liên tục phân tích hình ảnh ở độ phân giải UltraHD và cố gắng tạo lại chúng bằng hình ảnh FullHD làm cơ sở. Nói cách khác, như thể họ đã cho bạn một phần tư hình ảnh và bạn phải điền vào những khoảng trống mà bạn không biết. Deep Learning là một loại hệ thống thuộc về cái được gọi là Machine Learning hoặc Automatic Learning trong tiếng Tây Ban Nha.

Học máy và học sâu

Machine Learning có thể được phân loại là nền tảng của Trí tuệ nhân tạo. Đây là các bộ thuật toán khác nhau thường được sử dụng cho các máy để học các tác vụ, trong số những thứ khác. Ví dụ, nhận ra một hình ảnh, chơi cờ hoặc phát hiện tâm trạng là những thách thức có thể học được và các loại thuật toán khác nhau được sử dụng tùy thuộc vào thử thách.

Machine Learning được cho là tập hợp các thuật toán cho phép một cỗ máy học hỏi từ kinh nghiệm mà nó đang tích lũy. Mặt khác, Deep Learning tập trung vào việc học với các đầu vào không đồng nhất. Cả hai ngành học đang được phát triển và nghiên cứu với năng lượng vì tương lai của Trí tuệ nhân tạo là không chắc chắn.

Tương lai của trí tuệ nhân tạo

Từ quan điểm của chúng tôi, khả năng của Trí tuệ nhân tạo dường như vô tận. Chúng tôi vẫn không biết giới hạn của mình là gì và chúng tôi đang nỗ lực tạo ra một thứ khác tương tự như chúng tôi, nhưng chúng tôi có thể mong đợi điều gì trong tương lai?

Không có gì mà chúng tôi sẽ bình luận có thể được coi là đương nhiên, nhưng chúng là những tuyên bố dựa trên những lập luận nhất định xuất phát chủ yếu từ việc quan sát cách các máy này phát triển.

Internet

Trước hết, dường như không thể tránh khỏi việc chúng ta đang tiến tới một thế giới bị thống trị bởi Internet, đó là lý do tại sao AI sẽ có nhiều sự liên quan và sức mạnh hơn phương tiện. Đó không phải là điều khiến chúng tôi sợ hãi, vì đây là cách duy nhất để chúng tôi có thể đảm bảo việc bảo trì nền tảng. Với điều này, chúng tôi có thể lướt web trong một không gian được bảo vệ nhiều hơn, nhưng đồng thời an toàn hơn nhiều. Là những người tiên phong đầu tiên về điều này, chúng tôi có các bot Facebook phân tích và ước tính nếu các ý nghĩ tự tử chạy qua bạn và nếu họ phát hiện ra, họ sẽ liên lạc với bạn.

Tương tự như vậy, trong thế giới vật lý, những chiếc xe tự hành và hỗ trợ sẽ ngày càng chiếm ưu thế cho đến thời điểm khi lái xe chỉ mang tính giải trí. Có lẽ sự thay đổi không xảy ra trong một trăm năm, nhưng sự thay đổi sẽ xảy ra.

Một thay đổi khác cũng được dự đoán là việc trao đổi công việc khó khăn cho máy móc. Đó là một cuộc cách mạng mà nhiều người lo sợ, nhưng dường như không thể tránh khỏi, vì vậy chúng ta sẽ phải chuẩn bị.

Cyborg Neil Harbisson

Và mặc dù có vẻ như một cái gì đó điển hình của khoa học viễn tưởng, rất có khả năng trong tương lai chúng ta sẽ phải tìm cách tích hợp công nghệ và Trí tuệ nhân tạo trong cơ thể. Trên thực tế, cyborg đầu tiên trong lịch sử đã tồn tại và được gọi là Neil Harbisson.

Ngoài bờ này biển ý tưởng là bao la. Ai biết? Có lẽ các máy móc của một nhà máy đều hoạt động đồng bộ dưới sự chỉ huy của một cỗ máy chính với các ngôn ngữ máy móc nguyên thủy. Có lẽ một ngày nào đó, nhà đầu cơ thị trường chứng khoán tốt nhất sẽ là Trí tuệ nhân tạo hoặc thậm chí là người đi xe đạp motoGP giỏi nhất.