Trí tuệ nhân tạo: Từ kiến trúc nền tảng đến chuyển đổi xã hội

Phần I: Nguồn gốc và Nguyên tắc của Trí tuệ nhân tạo

Phần này thiết lập nền tảng lịch sử và khái niệm của AI, truy tìm nguồn gốc tri thức của nó và định nghĩa các mô hình cơ bản chi phối cách máy móc học hỏi.

Mục 1: Quá trình phát triển lịch sử của máy móc thông minh

Phần này sẽ thuật lại sự tiến hóa của AI không phải như một dòng thời gian đơn giản, mà là một câu chuyện về tham vọng của con người, được đánh dấu bằng những đột phá lý thuyết, những hạn chế công nghệ, và bản chất chu kỳ của việc tài trợ nghiên cứu và sự quan tâm của công chúng.

1.1. Các tiền đề triết học và toán học (Trước thế kỷ 20)

Việc khám phá các khái niệm ban đầu về lý luận hình thức và tính toán đã đặt nền móng cho trí tuệ nhân tạo. Điều này bao gồm lý thuyết thực nghiệm của Francis Bacon, “calculus universalis” (phép tính phổ quát) của Gottfried Wilhelm Leibniz, một nỗ lực nhằm cơ giới hóa các lập luận và giải quyết vấn đề bằng phương pháp đại số, và một cách tiên tri, “Cỗ máy” mang tính châm biếm của Jonathan Swift trong Gulliver’s Travels, đã hình dung ra việc tạo văn bản theo thuật toán.

Sự phát triển của máy tính cơ học bởi Blaise Pascal và Leibniz, cùng với máy dệt có thể lập trình của Joseph Marie Jacquard, đã thiết lập nguyên tắc về việc máy móc thực thi các chuỗi lệnh phức tạp và được kiểm soát. Công trình nền tảng của Charles Babbage và Ada Lovelace về các cỗ máy tính cơ học có thể lập trình đã đặt cơ sở lý thuyết cho máy tính hiện đại, định hình con đường cho các hệ thống tính toán trong tương lai.

1.2. Buổi bình minh của Kỷ nguyên Máy tính và Sự ra đời của AI (1920-1956)

Sự ra đời của từ “robot” trong vở kịch “R.U.R.” của Karel Čapek vào năm 1921 đã biểu tượng hóa giấc mơ lâu đời về việc tạo ra những sinh vật nhân tạo. Những đóng góp tinh túy của Alan Turing đã cung cấp các công cụ lý thuyết và triết học cần thiết cho lĩnh vực này. Máy Turing (1937) đã chính thức hóa khái niệm “tính toán được” (computability), trong khi “Trò chơi Bắt chước” (Phép thử Turing) được đề xuất vào năm 1950 đã đưa ra phép thử triết học thực tiễn đầu tiên cho trí thông minh của máy móc.

Năm 1943, mô hình McCulloch-Pitts đã trình bày mô tả toán học đầu tiên về một mạng nơ-ron nhân tạo, lấy cảm hứng từ các nơ-ron sinh học, tạo ra một khuôn khổ để mô hình hóa các quá trình tính toán giống như não bộ.

Tuy nhiên, sự kiện khai sinh chính thức của lĩnh vực này là Dự án Nghiên cứu Mùa hè Dartmouth về Trí tuệ nhân tạo năm 1956. Tại sự kiện này, John McCarthy đã đặt ra thuật ngữ “trí tuệ nhân tạo”, định nghĩa nó là “khoa học và kỹ thuật tạo ra các máy móc thông minh”. Hội thảo này không chỉ đặt tên cho lĩnh vực mà còn thiết lập tầm nhìn và chương trình nghị sự cho nhiều thập kỷ nghiên cứu sau đó.

1.3. Thời kỳ Hoàng kim và các “Mùa đông AI” sau đó (1957-thập niên 1990)

Giai đoạn sau hội thảo Dartmouth chứng kiến sự tăng trưởng nhanh chóng và những đổi mới quan trọng. John McCarthy đã phát triển LISP vào năm 1958, trở thành ngôn ngữ lập trình đầu tiên dành cho nghiên cứu AI. Một năm sau, Arthur Samuel đặt ra thuật ngữ “học máy” khi mô tả một chương trình chơi cờ đam có khả năng học hỏi một cách độc lập. Việc tạo ra chatbot đầu tiên, ELIZA, vào năm 1966, đã trình diễn khả năng xử lý ngôn ngữ tự nhiên sơ khai.

Tuy nhiên, sự tiến bộ này không phải là một đường thẳng. “Mùa đông AI” đầu tiên (1974-1980) là một giai đoạn giảm sút tài trợ và sự quan tâm, xuất phát từ việc AI không thể đáp ứng những dự đoán quá lạc quan của những năm trước đó. Điều này cho thấy sự phụ thuộc nghiêm trọng của nghiên cứu AI vào sức mạnh tính toán và việc đặt ra các mục tiêu thực tế.

Sự quan tâm đã hồi sinh trong những năm 1980 với sự trỗi dậy của hệ chuyên gia. Các hệ thống thành công về mặt thương mại như XCON (1980), sử dụng logic dựa trên quy tắc phức tạp để hỗ trợ các nhiệm vụ như cấu hình máy tính, đã thúc đẩy một làn sóng đầu tư mới. Đáng chú ý là dự án Máy tính Thế hệ thứ Năm của Nhật Bản, một nỗ lực đầy tham vọng nhằm tạo ra các máy tính có khả năng suy luận giống con người.

Mặc dù vậy, sự sụp đổ của thị trường máy LISP chuyên dụng và những hạn chế cố hữu của các hệ chuyên gia đã dẫn đến “Mùa đông AI” thứ hai (1987-1994), một giai đoạn suy thoái khác trong tài trợ và nghiên cứu. Lịch sử của AI không phải là một tiến trình tuyến tính mà là một loạt các chu kỳ của sự cường điệu, đầu tư, thất vọng (“mùa đông”), và cuối cùng là những đột phá. Mô hình này cho thấy một sự căng thẳng cơ bản giữa tầm nhìn đầy tham vọng của AI và những hạn chế thực tế của công nghệ có sẵn (tính toán, dữ liệu, thuật toán) tại bất kỳ thời điểm nào. Chu kỳ này chỉ bị phá vỡ khi sức mạnh tính toán (GPU) và sự sẵn có của dữ liệu bắt kịp với lý thuyết thuật toán (học sâu), cho thấy rằng tiến bộ trong tương lai sẽ vẫn gắn chặt với những tiến bộ trong cơ sở hạ tầng phần cứng và dữ liệu.

1.4. Cuộc cách mạng Học sâu Hiện đại (thập niên 1990-Hiện tại)

Giai đoạn hiện đại của AI được đánh dấu bằng những chiến thắng quan trọng và sự hội tụ của các công nghệ. Việc máy tính Deep Blue của IBM đánh bại nhà vô địch cờ vua thế giới Garry Kasparov vào năm 1997 là một cột mốc quan trọng, cho thấy sức mạnh của siêu máy tính trong các phép tính phức tạp.

Tuy nhiên, các chất xúc tác thực sự cho sự thay đổi là sự hội tụ của ba yếu tố: sự sẵn có của các bộ dữ liệu khổng lồ (“dữ liệu lớn”), những tiến bộ đáng kể về sức mạnh tính toán (đặc biệt là GPU), và những đột phá trong các thuật toán mạng nơ-ron.

Những khoảnh khắc then chốt bao gồm chiến thắng của AlexNet trong cuộc thi ImageNet năm 2012, đã chứng minh sự vượt trội của học sâu trong nhận dạng hình ảnh. Việc Google mua lại DeepMind (2014) và chiến thắng của AlphaGo trước Lee Sedol (2016) đã cho thấy sức mạnh của học tăng cường trong một lĩnh vực được cho là đòi hỏi trực giác của con người. Gần đây hơn, việc phát hành loạt GPT của OpenAI (2019-nay) đã đưa AI tạo sinh vào dòng chính, trình diễn các khả năng tạo văn bản giống con người.

Sự tiến hóa này cũng cho thấy định nghĩa về “trí thông minh” liên tục thay đổi. Các nhiệm vụ từng được coi là đỉnh cao của trí thông minh (ví dụ: chơi cờ vua) giờ đây được xem là tính toán thông thường. “Hiệu ứng AI” này có nghĩa là các mục tiêu cho trí thông minh thực sự liên tục được đẩy xa hơn, thúc đẩy lĩnh vực này hướng tới các khả năng phức tạp hơn, giống con người hơn như suy luận, sáng tạo và giải quyết vấn đề tổng quát. Khi máy móc đạt được nhiều mục tiêu hơn, nhận thức của chúng ta về những gì cấu thành một thành tựu thông minh cũng thay đổi. Biên giới hiện tại là AI tạo sinh và việc theo đuổi AGI, cho thấy lĩnh vực này đang đuổi theo một chân trời luôn lùi xa về ý nghĩa của việc thực sự thông minh.

Mục 2: Các khái niệm nền tảng và mô hình học tập

Phần này sẽ thiết lập một từ điển kỹ thuật rõ ràng cho lĩnh vực và cung cấp một phân tích so sánh chi tiết về ba cách học chính của máy móc, tạo cơ sở cho tất cả các cuộc thảo luận sau này về các mô hình AI.

2.1. Định nghĩa Hệ sinh thái AI

• Trí tuệ nhân tạo (AI): Là lĩnh vực bao trùm, như được định nghĩa bởi John McCarthy, bao gồm bất kỳ kỹ thuật nào cho phép máy tính bắt chước trí thông minh của con người. Nó không phải là một thực thể duy nhất mà là một tập hợp các cơ chế.
• Học máy (ML): Là một tập hợp con của AI, tập trung vào việc nghiên cứu các thuật toán máy tính có thể tự động cải thiện thông qua kinh nghiệm và sử dụng dữ liệu. Đây là động cơ cốt lõi của AI hiện đại.
• Học sâu: Là một lĩnh vực con của ML dựa trên các mạng nơ-ron nhân tạo có nhiều lớp (kiến trúc “sâu”). Đây là phương pháp ML thành công nhất hiện nay, chịu trách nhiệm cho những đột phá gần đây.
• AI Hẹp và Trí tuệ nhân tạo Tổng quát (AGI): Cần phân biệt giữa các hệ thống AI hiện tại, được thiết kế cho các nhiệm vụ cụ thể (AI Hẹp, ví dụ: nhận dạng khuôn mặt), và AGI giả định, sẽ sở hữu trí thông minh rộng, nhận thức theo ngữ cảnh và ở cấp độ con người.

2.2. Học có giám sát: Học từ một “người thầy”

• Cơ chế: Huấn luyện một mô hình trên một bộ dữ liệu được gán nhãn, trong đó mỗi đầu vào được ghép nối với một đầu ra chính xác. Mô hình học cách ánh xạ đầu vào tới đầu ra, lặp đi lặp lại việc điều chỉnh các tham số của nó để giảm thiểu sai số giữa các dự đoán của nó và các nhãn thực tế.
• Các nhiệm vụ cốt lõi:
• Phân loại: Gán một đầu vào vào một danh mục được xác định trước (ví dụ: phát hiện thư rác, phân loại hình ảnh).
• Hồi quy: Dự đoán một giá trị số liên tục (ví dụ: dự đoán giá nhà, dự báo thời tiết).
• Các thuật toán chính: Hồi quy tuyến tính, Hồi quy logistic, Máy vector hỗ trợ (SVM), Cây quyết định và Mạng nơ-ron.
• Điểm mạnh và điểm yếu: Rất chính xác khi có đủ dữ liệu được gán nhãn chất lượng cao. Tuy nhiên, nhu cầu về dữ liệu được gán nhãn là một nút thắt cổ chai đáng kể, đòi hỏi thời gian, tài nguyên và chuyên môn của con người.

2.3. Học không giám sát: Tìm kiếm các mẫu ẩn

• Cơ chế: Huấn luyện một mô hình trên một bộ dữ liệu không được gán nhãn. Thuật toán hoạt động độc lập để khám phá cấu trúc, các mẫu hoặc mối quan hệ vốn có trong dữ liệu mà không có bất kỳ câu trả lời đúng nào được xác định trước.
• Các nhiệm vụ cốt lõi:
• Phân cụm: Nhóm các điểm dữ liệu tương tự lại với nhau (ví dụ: phân khúc khách hàng, phát hiện bất thường).
• Kết hợp: Khám phá các quy tắc mô tả mối quan hệ giữa các biến (ví dụ: phân tích giỏ hàng, “những khách hàng đã mua mặt hàng này cũng đã mua…”).
• Giảm chiều dữ liệu: Giảm số lượng biến trong một bộ dữ liệu trong khi vẫn bảo toàn cấu trúc quan trọng của nó (ví dụ: Phân tích thành phần chính – PCA).
• Các thuật toán chính: Phân cụm K-Means, Phân cụm phân cấp, PCA, Autoencoder.
• Điểm mạnh và điểm yếu: Rất mạnh mẽ cho việc phân tích dữ liệu khám phá và có thể xử lý khối lượng lớn dữ liệu không được gán nhãn. Tuy nhiên, kết quả có thể kém chính xác và khó xác thực hơn so với các phương pháp có giám sát, thường đòi hỏi sự diễn giải của con người.

2.4. Học tăng cường: Học thông qua thử và sai

• Cơ chế: Một “tác nhân” học cách đưa ra quyết định bằng cách tương tác với một “môi trường”. Tác nhân thực hiện các hành động, nhận phản hồi dưới dạng “phần thưởng” hoặc “hình phạt”, và học một “chính sách” (chiến lược) để tối đa hóa phần thưởng tích lũy của mình theo thời gian. Nó liên quan đến một chiến lược dài hạn, trong đó nước đi tốt nhất ngay lập tức có thể không dẫn đến kết quả tổng thể tốt nhất.
• Các nhiệm vụ cốt lõi: Các bài toán ra quyết định tuần tự (ví dụ: chơi các trò chơi như cờ vua hoặc cờ vây, robot, điều hướng xe tự hành, quản lý tài nguyên).
• Các thuật toán chính: Q-learning, SARSA, Mạng Q-sâu (DQN).
• Điểm mạnh và điểm yếu: Có khả năng giải quyết các vấn đề rất phức tạp mà không cần các ví dụ rõ ràng về hành vi đúng. Tuy nhiên, nó có thể tốn kém về mặt tính toán và đòi hỏi thiết kế cẩn thận môi trường và hệ thống phần thưởng.

2.5. Bảng 1: Phân tích so sánh các mô hình học máy

Để cung cấp một cái nhìn tổng quan rõ ràng, bảng sau đây so sánh ba mô hình học máy chính dựa trên các tiêu chí khác nhau, tổng hợp từ các phân tích trước đó.

Bảng này đóng vai trò như một điểm tham chiếu quan trọng cho phần còn lại của báo cáo, cho phép người đọc phân loại và hiểu các mô hình được thảo luận trong các phần sau.

Phần II: Các trụ cột kiến trúc của AI hiện đại

Phần này đi sâu vào kỹ thuật của ba kiến trúc mạng nơ-ron tinh túy đã định hình kỷ nguyên AI hiện đại, giải thích không chỉ chúng là gì, mà còn tại sao các thiết kế cụ thể của chúng lại hiệu quả đến vậy cho các lĩnh vực vấn đề tương ứng.

Mục 3: Mạng nơ-ron tích chập (CNN) – Giải mã thế giới thị giác

3.1. Khái niệm cốt lõi: Từ thị giác sinh học đến mạng nhân tạo

Mạng nơ-ron tích chập (CNN) được lấy cảm hứng từ sự tổ chức của vỏ não thị giác của động vật, nơi các nơ-ron phản ứng với các kích thích trong một trường tiếp nhận hạn chế. Sự tương đồng sinh học này là chìa khóa để hiểu được hiệu quả của chúng. Về cơ bản, CNN là một lớp mạng nơ-ron truyền thẳng được thiết kế để xử lý dữ liệu có cấu trúc dạng lưới, chẳng hạn như một hình ảnh (một lưới pixel 2D).

3.2. Phân tích kiến trúc CNN

Kiến trúc của một CNN bao gồm nhiều lớp chuyên biệt, mỗi lớp thực hiện một chức năng cụ thể để học các đặc trưng từ dữ liệu đầu vào.

• Lớp đầu vào: Nhận một tensor đại diện cho hình ảnh, thường có kích thước (chiều cao x chiều rộng x số kênh màu).
• Lớp tích chập: Đây là khối xây dựng cốt lõi.
• Bộ lọc (Kernel): Là các ma trận nhỏ, có thể học được, trượt (tích chập) qua hình ảnh đầu vào. Mỗi bộ lọc được chuyên môn hóa để phát hiện một đặc trưng cụ thể (ví dụ: một cạnh, một góc, một đốm màu).
• Chia sẻ tham số: Cùng một bộ lọc được sử dụng trên toàn bộ hình ảnh. Đây là một sự đổi mới quan trọng. Nó làm giảm đáng kể số lượng tham số so với một mạng kết nối đầy đủ và làm cho mạng có tính bất biến tịnh tiến—nó có thể phát hiện một đặc trưng bất kể vị trí của nó trong hình ảnh.
• Bản đồ kích hoạt (Bản đồ đặc trưng): Là đầu ra của phép tích chập, cho thấy đặc trưng cụ thể của bộ lọc đã được phát hiện ở đâu trong hình ảnh.
• Hàm kích hoạt (ReLU): Một hàm phi tuyến, thường là Đơn vị tuyến tính chỉnh lưu (ReLU), được áp dụng sau phép tích chập. Điều này giới thiệu tính phi tuyến, cho phép mạng học các mẫu phức tạp hơn so với các kết hợp tuyến tính đơn giản.
• Lớp gộp (Pooling/Subsampling):
• Chức năng: Giảm kích thước không gian (chiều cao và chiều rộng) của bản đồ kích hoạt, làm cho biểu diễn nhỏ hơn và dễ quản lý hơn. Điều này làm giảm tải tính toán và giúp kiểm soát việc quá khớp (overfitting).
• Cơ chế: Các phương pháp phổ biến bao gồm Gộp cực đại (Max Pooling – lấy giá trị lớn nhất trong một cửa sổ) và Gộp trung bình (Average Pooling). Quá trình này cung cấp một mức độ bất biến đối với phép quay và tịnh tiến.
• Lớp kết nối đầy đủ:
• Chức năng: Sau khi nhiều lớp tích chập và gộp đã trích xuất các đặc trưng, các bản đồ đặc trưng cấp cao kết quả được làm phẳng thành một vector một chiều. Vector này sau đó được đưa vào một hoặc nhiều lớp kết nối đầy đủ, là các lớp mạng nơ-ron tiêu chuẩn trong đó mọi nơ-ron được kết nối với mọi nơ-ron trong lớp trước đó.
• Đầu ra: Lớp kết nối đầy đủ cuối cùng, thường được kết hợp với một hàm kích hoạt softmax, tạo ra đầu ra phân loại cuối cùng (ví dụ: xác suất cho mỗi lớp).

3.3. Tại sao CNN vượt trội trong xử lý hình ảnh

Hiệu quả của CNN trong các nhiệm vụ thị giác máy tính bắt nguồn từ một nguyên tắc kiến trúc cơ bản: nó thể hiện nguyên lý hiểu “từ cục bộ đến toàn cục”. Thay vì cố gắng hiểu toàn bộ hình ảnh cùng một lúc, CNN xây dựng một sự hiểu biết phức tạp bằng cách xác định các mẫu cục bộ, đơn giản trước, sau đó dần dần lắp ráp chúng thành các khái niệm trừu tượng, toàn cục hơn. Một mạng kết nối đầy đủ áp dụng cho một hình ảnh sẽ coi một pixel ở góc trên bên trái có liên quan như nhau với một pixel ở góc dưới bên phải cũng như với pixel ngay cạnh nó, điều này bỏ qua cấu trúc cơ bản của hình ảnh. CNN, thông qua các lớp tích chập với các kernel nhỏ, áp đặt một ràng buộc “kết nối cục bộ”, giả định rằng các pixel gần nhau có liên quan về mặt ngữ nghĩa.

Cấu trúc phân cấp này không chỉ hiệu quả mà còn là một mô hình mạnh mẽ về cách kiến thức phức tạp có thể được xây dựng từ các thành phần đơn giản.

• Học đặc trưng phân cấp: Việc xếp chồng các lớp cho phép CNN học một hệ thống phân cấp các đặc trưng. Các lớp đầu tiên học các đặc trưng đơn giản như cạnh và góc. Các lớp sâu hơn kết hợp chúng để phát hiện các đặc trưng phức tạp hơn như hình dạng, kết cấu, và cuối cùng là toàn bộ đối tượng. Điều này mô phỏng cách hệ thống thị giác sinh học xử lý thông tin.
• Hiệu quả tính toán: Việc chia sẻ tham số và các lớp gộp làm giảm đáng kể số lượng tham số có thể học, giúp cho việc huấn luyện các mạng rất sâu trên các hình ảnh có độ phân giải cao trở nên khả thi mà không phải chịu chi phí tính toán khổng lồ và nguy cơ quá khớp của các mạng kết nối đầy đủ.

Mục 4: Mạng nơ-ron hồi quy (RNN) và LSTM – Làm chủ dữ liệu tuần tự

4.1. Thách thức của các chuỗi

Không giống như hình ảnh tĩnh, dữ liệu như văn bản, giọng nói và chuỗi thời gian có một chiều thời gian; thứ tự của các phần tử là rất quan trọng. Các mạng truyền thẳng truyền thống như CNN không được thiết kế để xử lý sự phụ thuộc này.

4.2. Kiến trúc RNN: Giới thiệu “Bộ nhớ”

• Vòng lặp hồi quy: Đặc điểm xác định của một RNN là một vòng lặp phản hồi. Đầu ra của một lớp ẩn tại một bước thời gian được đưa trở lại vào cùng một lớp ẩn ở bước thời gian tiếp theo.
• Trạng thái ẩn: Thông tin được lặp lại này được lưu trữ trong một “trạng thái ẩn”, hoạt động như bộ nhớ của mạng. Nó mang một bản tóm tắt thông tin từ tất cả các bước thời gian trước đó, cho phép mạng đưa ra dự đoán dựa trên ngữ cảnh quá khứ.
• Chia sẻ tham số theo thời gian: Giống như CNN chia sẻ trọng số trong không gian, RNN chia sẻ cùng một bộ trọng số ở mọi bước thời gian. Điều này làm cho chúng hiệu quả và cho phép chúng xử lý các chuỗi có độ dài thay đổi.

4.3. Vấn đề về sự phụ thuộc dài hạn

Trong quá trình huấn luyện (sử dụng Lan truyền ngược theo thời gian – BPTT), gradient có thể trở nên nhỏ (tiêu biến) hoặc lớn (bùng nổ) theo cấp số nhân khi chúng được lan truyền ngược qua nhiều bước thời gian. Vấn đề tiêu biến gradient làm cho các RNN tiêu chuẩn cực kỳ khó học được sự phụ thuộc giữa các phần tử ở xa nhau trong một chuỗi.

4.4. Bộ nhớ dài-ngắn (LSTM): Giải pháp có cổng

Để giải quyết vấn đề này, kiến trúc Bộ nhớ dài-ngắn (LSTM) đã được giới thiệu. LSTM là một loại kiến trúc RNN đặc biệt được thiết kế để vượt qua vấn đề tiêu biến gradient.

• Đổi mới cốt lõi: LSTM thể hiện một sự thay đổi từ bộ nhớ ngầm định sang một hệ thống bộ nhớ tường minh, có thể kiểm soát. Bộ nhớ của một RNN tiêu chuẩn (trạng thái ẩn của nó) là một biểu diễn tổng hợp, pha trộn của quá khứ được cập nhật toàn bộ ở mỗi bước. Ngược lại, LSTM giới thiệu một hệ thống bộ nhớ có cấu trúc, phức tạp hơn.
• Trạng thái ô (Cell State): LSTM giới thiệu một “trạng thái ô” chạy qua toàn bộ chuỗi, hoạt động như một băng chuyền thông tin. Nó cho phép thông tin chảy qua mạng mà phần lớn không bị thay đổi, giúp dễ dàng bảo tồn ngữ cảnh dài hạn.
• Cơ chế cổng: Dòng thông tin vào và ra khỏi trạng thái ô được điều chỉnh bởi ba “cổng”, bản thân chúng là các mạng nơ-ron nhỏ. Các cổng này hoạt động như một cơ chế kiểm soát, cho phép mạng học ghi nhớ cái gì, quên cái gì, và chú ý đến cái gì.
• Cổng quên (Forget Gate): Quyết định thông tin nào từ trạng thái ô trước đó nên được loại bỏ hoặc quên đi. Ví dụ, trong xử lý câu, nó có thể học cách quên chủ ngữ của câu trước đó khi một chủ ngữ mới được giới thiệu.
• Cổng vào (Input Gate): Quyết định thông tin mới nào từ đầu vào hiện tại và trạng thái ẩn trước đó nên được lưu trữ trong trạng thái ô. Nó có thể học cách lưu trữ một sự kiện quan trọng, như tên của một nhân vật, sẽ có liên quan rất lâu sau đó trong văn bản.
• Cổng ra (Output Gate): Quyết định phần nào của trạng thái ô nên được xuất ra dưới dạng trạng thái ẩn mới.
• Đơn vị hồi quy có cổng (GRU): Một biến thể phổ biến của LSTM giúp đơn giản hóa kiến trúc với ít cổng hơn, thường đạt được hiệu suất tương tự với chi phí tính toán thấp hơn.

Hệ thống cổng này cho phép LSTM học một kỹ năng meta: quản lý bộ nhớ. Nó không chỉ học nhiệm vụ; nó đang học cách sử dụng bộ nhớ của mình một cách hiệu quả để thực hiện nhiệm vụ, đó là một lý do cơ bản cho sự thành công của nó trong việc nắm bắt các phụ thuộc dài hạn.

Mục 5: Transformer và Cuộc cách mạng Tự chú ý

5.1. Những hạn chế của tính hồi quy

Mặc dù hiệu quả, các kiến trúc dựa trên hồi quy như RNN và LSTM có những hạn chế cố hữu.

• Nút thắt cổ chai tuần tự: RNN và LSTM xử lý dữ liệu một cách tuần tự, từng token một. Tính tuần tự vốn có này làm cho việc song song hóa hoàn toàn tính toán trong một ví dụ huấn luyện duy nhất trở nên bất khả thi, tạo ra một nút thắt cổ chai hiệu suất đáng kể đối với các chuỗi rất dài.
• Vấn đề độ dài đường dẫn: Thông tin từ một token ở đầu chuỗi phải đi qua nhiều bước trung gian để ảnh hưởng đến một token ở cuối, làm cho việc nắm bắt các phụ thuộc rất dài trở nên khó khăn.

5.2. Kiến trúc Transformer: “Attention Is All You Need”

Transformer, được giới thiệu trong một bài báo năm 2017, đã loại bỏ hoàn toàn cấu trúc hồi quy và chỉ dựa vào một cơ chế gọi là “tự chú ý” để mô hình hóa sự phụ thuộc giữa các token đầu vào và đầu ra. Điều này đại diện cho một sự thay đổi mô hình từ xử lý tuần tự sang xử lý quan hệ, song song. Bằng cách tính toán điểm chú ý giữa mọi cặp token đồng thời, Transformer tạo ra một kết nối trực tiếp, năng động giữa bất kỳ hai điểm nào trong một chuỗi, bất kể khoảng cách của chúng. Điều này phá vỡ chuỗi phụ thuộc tuyến tính vốn có trong RNN và cho phép một sự hiểu biết về ngữ cảnh phong phú hơn, toàn diện hơn.

5.3. Phân tích cơ chế Tự chú ý

• Trừu tượng hóa Q, K, V: Đối với mỗi token đầu vào, mô hình tạo ra ba vector: một Truy vấn (Query – Q), một Khóa (Key – K), và một Giá trị (Value – V). Chúng được học thông qua các phép chiếu tuyến tính của các nhúng đầu vào.
• Phép loại suy: Truy vấn giống như một truy vấn tìm kiếm cho một token cụ thể. Các Khóa giống như tiêu đề của tất cả các token khác trong chuỗi có thể được “tìm kiếm”. Các Giá trị là nội dung thực tế của các token đó.
• Tính toán điểm chú ý:

1. Điểm số: Mô hình tính toán một điểm số giữa vector Truy vấn của token hiện tại và vector Khóa của mọi token khác trong chuỗi (thường sử dụng tích vô hướng). Điểm số này đại diện cho mức độ liên quan của mỗi token khác đối với token hiện tại.
2. Chia tỷ lệ: Các điểm số được chia tỷ lệ (chia cho căn bậc hai của chiều của các vector khóa) để ổn định các gradient trong quá trình huấn luyện.
3. Softmax: Một hàm softmax được áp dụng cho các điểm số đã chia tỷ lệ, chuyển đổi chúng thành các xác suất (trọng số chú ý) có tổng bằng 1. Các trọng số này xác định token hiện tại nên “chú ý” bao nhiêu đến mọi token khác.

• Đầu ra cuối cùng: Đầu ra cho token hiện tại là một tổng có trọng số của các vector Giá trị của tất cả các token trong chuỗi, trong đó trọng số là các xác suất chú ý vừa được tính toán. Về bản chất, biểu diễn của mỗi từ trở thành một sự pha trộn của tất cả các từ khác, được gia quyền bởi sự liên quan của chúng.

5.4. Các cải tiến kiến trúc

• Chú ý đa đầu (Multi-Head Attention): Thay vì thực hiện chú ý một lần, Transformer thực hiện nó nhiều lần song song với các phép chiếu Q, K, V khác nhau, đã học được. Mỗi “đầu” có thể học cách tập trung vào các loại quan hệ khác nhau (ví dụ: một đầu có thể tập trung vào quan hệ cú pháp, một đầu khác vào quan hệ ngữ nghĩa). Đầu ra của tất cả các đầu sau đó được nối lại và chiếu để tạo ra đầu ra cuối cùng.
• Mã hóa vị trí: Vì mô hình không có tính hồi quy, nó không có cảm nhận vốn có về thứ tự từ. Để giải quyết vấn đề này, “mã hóa vị trí” được thêm vào các nhúng đầu vào để cung cấp cho mô hình thông tin về vị trí của mỗi token trong chuỗi.
• Cấu trúc Bộ mã hóa-Bộ giải mã: Transformer ban đầu có một chồng bộ mã hóa (để xử lý chuỗi đầu vào) và một chồng bộ giải mã (để tạo ra chuỗi đầu ra), làm cho nó lý tưởng cho các nhiệm vụ từ chuỗi sang chuỗi như dịch máy.

Lợi thế tính toán của việc song song hóa là lý do chính tại sao Transformer đã có thể mở rộng quy mô đến kích thước khổng lồ của các LLM hiện đại như GPT-3 và hơn thế nữa. Thiết kế của kiến trúc này hoàn toàn phù hợp với phần cứng mà nó chạy trên đó, tạo ra một chu kỳ đạo đức của việc mở rộng quy mô và cải thiện khả năng.

Phần III: AI trong thực tiễn: Một phân tích liên ngành

Phần này chuyển từ lý thuyết sang ứng dụng, xem xét cách các kiến trúc nền tảng được triển khai trong các lĩnh vực và ngành công nghiệp cụ thể, tạo ra giá trị hữu hình và thúc đẩy sự chuyển đổi.

Mục 6: Xử lý Ngôn ngữ Tự nhiên (NLP) – Buổi bình minh của AI đàm thoại

6.1. Các nhiệm vụ NLP cốt lõi

Trước khi các mô hình có thể xử lý văn bản, dữ liệu cần phải trải qua các bước tiền xử lý nền tảng. Các bước này bao gồm tách từ (tokenization) (chia văn bản thành các từ/từ con), loại bỏ từ dừng (stop-word removal), stemming/lemmatization (đưa các từ về dạng gốc), và gán nhãn từ loại (Part-of-Speech – POS). Những bước này rất cần thiết để chuẩn bị văn bản cho việc hiểu của máy. Các mô hình NLP có thể được phân loại rộng rãi theo mục đích chính của chúng: hiểu văn bản hiện có hoặc tạo ra văn bản mới.

6.2. Kiến trúc chỉ có Bộ mã hóa (BERT): Hiểu sâu hai chiều

• Mô hình: BERT (Bidirectional Encoder Representations from Transformers) là một mô hình mang tính bước ngoặt của Google, dựa trên chồng bộ mã hóa của Transformer.
• Đổi mới chính (Tính hai chiều): Không giống như các mô hình trước đây đọc văn bản từ trái sang phải hoặc từ phải sang trái, BERT xem xét toàn bộ câu cùng một lúc (cả ngữ cảnh bên trái và bên phải) để hiểu ý nghĩa của một từ.
• Mục tiêu huấn luyện (Mô hình ngôn ngữ che giấu – MLM): Trong quá trình tiền huấn luyện, BERT được cung cấp các câu trong đó một số từ bị ẩn ngẫu nhiên (“che giấu”). Nhiệm vụ của nó là dự đoán những từ bị che giấu này bằng cách sử dụng ngữ cảnh xung quanh. Điều này buộc nó phải học các mối quan hệ ngữ cảnh sâu sắc.
• Ứng dụng: Vượt trội trong các nhiệm vụ đòi hỏi sự hiểu biết sâu sắc, chẳng hạn như phân loại văn bản (ví dụ: phân tích tình cảm), trả lời câu hỏi và nhận dạng thực thể có tên (NER). Các phiên bản được tinh chỉnh như BioBERT, SciBERT và FinBERT được chuyên môn hóa cho các lĩnh vực cụ thể.

6.3. Kiến trúc chỉ có Bộ giải mã (GPT): Tạo sinh tự hồi quy

• Mô hình: GPT (Generative Pre-trained Transformer) là một loạt các mô hình của OpenAI dựa trên chồng bộ giải mã của Transformer.
• Đổi mới chính (Tự hồi quy/Một chiều): GPT là một mô hình tự hồi quy, có nghĩa là nó tạo ra văn bản từng từ một, dự đoán từ tiếp theo dựa trên tất cả các từ đứng trước nó. Nó sử dụng một cơ chế chú ý đa đầu “che giấu” để ngăn nó “nhìn thấy” các từ trong tương lai trong quá trình huấn luyện.
• Mục tiêu huấn luyện (Mô hình ngôn ngữ nhân quả): Mục tiêu duy nhất của nó là dự đoán từ tiếp theo trong một chuỗi.
• Ứng dụng: Vượt trội trong các nhiệm vụ tạo sinh, chẳng hạn như viết văn bản giống con người, hoàn thành văn bản, hệ thống đối thoại, tóm tắt và tạo nội dung.

6.4. Bảng 2: So sánh kiến trúc và chức năng của BERT và GPT

BERT và GPT đại diện cho hai ứng dụng cơ bản khác nhau và có ảnh hưởng lớn của kiến trúc Transformer. Việc hiểu sự khác biệt của chúng là rất quan trọng để hiểu được bối cảnh NLP hiện đại. Bảng so sánh sau đây cho thấy các lựa chọn kiến trúc (bộ mã hóa so với bộ giải mã), mục tiêu huấn luyện (MLM so với LM nhân quả) và cơ chế chú ý (hai chiều so với một chiều) trực tiếp dẫn đến các khả năng chuyên biệt của chúng (hiểu so với tạo sinh).

Mục 7: Thị giác máy tính – Trao cho máy móc sức mạnh của thị giác

7.1. Các nhiệm vụ chính trong Thị giác máy tính

Thị giác máy tính bao gồm một loạt các nhiệm vụ, mỗi nhiệm vụ có mức độ chi tiết khác nhau.

• Phân loại hình ảnh: Gán một nhãn duy nhất cho toàn bộ hình ảnh (ví dụ: “mèo” hoặc “chó”).
• Phát hiện đối tượng: Xác định và định vị nhiều đối tượng trong một hình ảnh bằng cách vẽ các hộp giới hạn xung quanh chúng.
• Phân đoạn hình ảnh: Một nhiệm vụ chi tiết hơn là phân loại từng pixel trong hình ảnh vào một đối tượng hoặc lớp cụ thể, tạo ra một mặt nạ chi tiết.

7.2. Họ YOLO (You Only Look Once): Phát hiện đối tượng trong thời gian thực

Sự phát triển của các mô hình phát hiện đối tượng như YOLO minh họa một sự đánh đổi kỹ thuật quan trọng trong AI: sự cân bằng giữa độ chính xác và hiệu quả tính toán (độ trễ). Trong khi các máy dò hai giai đoạn (như R-CNN) chính xác hơn, sự chậm chạp của chúng làm cho chúng không thực tế cho các ứng dụng thời gian thực. Cách tiếp cận một lần của YOLO đã hy sinh một số độ chính xác ban đầu để đổi lấy một sự tăng tốc độ lớn, điều này đã mở ra một lớp ứng dụng hoàn toàn mới và thúc đẩy nghiên cứu tiếp theo để thu hẹp khoảng cách về độ chính xác mà không làm ảnh hưởng đến tốc độ.

• Sự thay đổi mô hình: YOLO đã cách mạng hóa việc phát hiện đối tượng bằng cách định hình lại nó thành một bài toán hồi quy duy nhất, thay vì một quy trình phân loại nhiều giai đoạn. Nó áp dụng một mạng nơ-ron duy nhất cho toàn bộ hình ảnh trong một lần truyền (“bạn chỉ nhìn một lần”).
• Cơ chế:

1. Hình ảnh được chia thành một lưới (ví dụ: 7×7).
2. Mỗi ô lưới chịu trách nhiệm dự đoán các hộp giới hạn, điểm tin cậy (khả năng có một đối tượng) và xác suất lớp cho bất kỳ đối tượng nào có tâm rơi vào ô đó.
3. Mạng đưa ra tất cả các dự đoán đồng thời, làm cho nó cực kỳ nhanh.

• Sự tiến hóa của YOLO: Họ YOLO đã trải qua nhiều phiên bản, mỗi phiên bản cải thiện sự cân bằng giữa tốc độ và độ chính xác.
• YOLOv1: Phiên bản gốc, nhanh nhưng gặp khó khăn với các đối tượng nhỏ.
• YOLOv2 (YOLO9000): Giới thiệu các hộp neo và chuẩn hóa hàng loạt để định vị tốt hơn.
• YOLOv3: Thêm các dự đoán đa tỷ lệ để phát hiện tốt hơn các đối tượng có kích thước khác nhau.
• Các phiên bản gần đây (v4-v8): Đã giới thiệu các mạng xương sống tiên tiến hơn (ví dụ: CSPNet), thiết kế không neo và các kiến trúc được tối ưu hóa, liên tục đẩy xa các giới hạn về hiệu suất thời gian thực.
• Ứng dụng: Khả năng thời gian thực của nó làm cho nó trở nên lý tưởng cho xe tự hành, giám sát video, robot và hình ảnh y tế.

Mục 8: Tác động của AI đối với các ngành công nghiệp chính (Nghiên cứu tình huống)

8.1. Y tế

• Chẩn đoán và Phân tích: Các mô hình AI, đặc biệt là CNN, được sử dụng để phân tích hình ảnh y tế (chụp CT, hình ảnh võng mạc) để phát hiện các bệnh như ung thư hoặc bệnh võng mạc tiểu đường với độ chính xác cao. AI cũng có thể hoạt động như một công cụ hỗ trợ chẩn đoán, phân tích các triệu chứng và lịch sử y tế, mặc dù độ tin cậy của nó vẫn đang được đánh giá.
• Thách thức đạo đức trong AI y tế: Các nghiên cứu tình huống cho thấy những rủi ro đáng kể. Một thuật toán được huấn luyện để dự đoán tỷ lệ tử vong do viêm phổi đã học được một quy tắc nguy hiểm rằng bệnh nhân hen suyễn có nguy cơ thấp hơn, không phải vì điều đó đúng, mà vì họ thường nhận được sự chăm sóc tích cực hơn trong lịch sử. Điều này cho thấy AI có thể học và khuếch đại các thành kiến có trong dữ liệu lịch sử, dẫn đến các khuyến nghị có hại. Tương tự, một thuật toán sử dụng chi phí điều trị làm đại diện cho mức độ bệnh tật đã đánh giá thấp một cách có hệ thống nguy cơ đối với bệnh nhân da đen do sự bất bình đẳng trong việc tiếp cận chăm sóc sức khỏe.
• Khám phá thuốc: AI đẩy nhanh quá trình bằng cách phân tích dữ liệu sinh học phức tạp để xác định các ứng cử viên thuốc tiềm năng và dự đoán tác dụng của chúng, có khả năng giảm chi phí và thời gian đưa ra thị trường tới 50%.

8.2. Tài chính

• Phát hiện gian lận: Học máy là nền tảng của an ninh tài chính hiện đại. Các mô hình được huấn luyện trên các bộ dữ liệu giao dịch khổng lồ để xác định các điểm bất thường và các mẫu chỉ ra gian lận trong thời gian thực.
• Kỹ thuật: Các mô hình học có giám sát được huấn luyện trên các hoạt động gian lận đã biết. Phát hiện bất thường không giám sát sẽ gắn cờ các hành vi bất thường khác với các mẫu thông thường của người dùng (ví dụ: giao dịch ở hai địa điểm xa nhau). Phân tích mạng (phân tích dựa trên đồ thị) có thể phát hiện các đường dây gian lận phức tạp bằng cách phân tích mối quan hệ giữa các tài khoản và thiết bị.
• Nghiên cứu tình huống: Visa, JPMorgan Chase và PayPal đều sử dụng các hệ thống ML và học sâu phức tạp để phân tích các giao dịch trong thời gian thực, giúp giảm đáng kể tổn thất do gian lận.

8.3. Giao thông vận tải

• Xe tự hành: AI là công nghệ cốt lõi cho phép xe tự lái hoạt động. Một sự kết hợp của các cảm biến (Lidar, radar, camera) cung cấp dữ liệu, được xử lý bởi các mô hình thị giác máy tính (như YOLO) để nhận thức môi trường. Các thuật toán ML sau đó đưa ra quyết định thời gian thực để điều hướng, lái và phanh. Các công ty như Tesla (Autopilot) và Waymo là những ví dụ hàng đầu.
• Quản lý giao thông thông minh: AI phân tích dữ liệu thời gian thực từ các cảm biến và GPS để tối ưu hóa luồng giao thông, giảm tắc nghẽn tới 25% và quản lý các hệ thống đỗ xe thông minh.
• Tối ưu hóa đội xe và hậu cần: AI tối ưu hóa các tuyến đường giao hàng bằng cách phân tích giao thông, thời tiết và dữ liệu xe, như được minh chứng bởi hệ thống ORION của UPS, giúp tiết kiệm hàng triệu gallon nhiên liệu mỗi năm.

8.4. Sản xuất

• Bảo trì dự đoán: Đây là một trường hợp sử dụng AI quan trọng. Các cảm biến trên máy móc thu thập dữ liệu (nhiệt độ, rung động, áp suất). Các mô hình AI phân tích dữ liệu chuỗi thời gian này để dự đoán khi nào một bộ phận có khả năng hỏng, cho phép lên lịch bảo trì một cách chủ động.
• Lợi ích: Cách tiếp cận này giảm thiểu thời gian ngừng hoạt động ngoài kế hoạch, giảm chi phí bảo trì, cải thiện an toàn và kéo dài tuổi thọ thiết bị.
• Nghiên cứu tình huống: General Motors đã giảm 15% thời gian ngừng hoạt động trên các dây chuyền lắp ráp của mình. Các nhà máy Frito-Lay của PepsiCo đã tăng năng lực sản xuất thêm hàng nghìn giờ bằng cách ngăn chặn hỏng hóc thiết bị.
• Thiết kế tạo sinh: Các kỹ sư nhập các ràng buộc thiết kế (vật liệu, trọng lượng, chi phí), và các thuật toán AI tạo ra hàng nghìn khả năng thiết kế được tối ưu hóa, đẩy nhanh đáng kể sự đổi mới. Airbus đã sử dụng phương pháp này để thiết kế lại các bộ phận máy bay, cắt giảm thời gian dự đoán từ hàng giờ xuống còn mili giây.

8.5. Truyền thông & Giải trí

• Công cụ đề xuất được cá nhân hóa: Đây là một trong những ứng dụng rõ ràng nhất của AI. Các nền tảng như Netflix, YouTube và Spotify sử dụng các thuật toán ML để phân tích lịch sử xem/nghe, sở thích và hành vi của người dùng để đề xuất nội dung được cá nhân hóa. Điều này làm tăng sự tương tác của người dùng và lòng trung thành với nền tảng.
• Tạo và Phân tích nội dung: AI được sử dụng để tạo ra âm nhạc, hỗ trợ viết kịch bản và tạo ra các hiệu ứng hình ảnh thực tế (ví dụ: làm trẻ hóa diễn viên). Nó cũng có thể phân tích tình cảm của khán giả từ mạng xã hội để đánh giá nội dung và dự đoán thành công của một bộ phim.
• Quảng cáo nhắm mục tiêu: AI phân tích dữ liệu người dùng để cung cấp các chiến dịch quảng cáo được cá nhân hóa và hiệu quả cao, như thấy trên các nền tảng như Google, Facebook và Disney+.

Phần IV: Thách thức, Đạo đức và Chân trời của AI

Phần cuối cùng này đề cập đến các khía cạnh phi kỹ thuật và hướng tới tương lai quan trọng của AI, bao gồm tác động xã hội, rủi ro cố hữu và các biên giới nghiên cứu.

Mục 9: Mệnh lệnh xã hội: Đạo đức AI, Thiên vị và Khả năng diễn giải

9.1. Thiên vị thuật toán: Bóng ma trong cỗ máy

Các mô hình AI không vốn đã có thiên vị, nhưng chúng học và thường khuếch đại các thiên vị có trong dữ liệu mà chúng được huấn luyện. Nếu dữ liệu lịch sử phản ánh các định kiến xã hội, mô hình AI sẽ mã hóa và duy trì chúng.

• Nghiên cứu tình huống: Tuyển dụng: Công cụ tuyển dụng tự động của Amazon đã bị phát hiện phân biệt đối xử có hệ thống đối với phụ nữ vì nó được huấn luyện trên dữ liệu hồ sơ trong một thập kỷ được nộp cho công ty, chủ yếu là từ nam giới. Các bài kiểm tra tính cách tự động đã được chứng minh là loại bỏ các ứng viên có các tình trạng sức khỏe tâm thần như rối loạn lưỡng cực. Các thuật toán phân phối quảng cáo trên các nền tảng như Facebook và Google đã cho thấy thiên vị về giới và chủng tộc ngay cả khi không được nhắm mục tiêu rõ ràng, phân phối quảng cáo cho các công việc lương cao thường xuyên hơn cho nam giới.
• Nghiên cứu tình huống: Tư pháp hình sự: Các công cụ đánh giá rủi ro trước xét xử, được cho là khách quan, đã được chứng minh là có thiên vị đối với các bị cáo da đen. Một cuộc điều tra của ProPublica cho thấy một hệ thống có khả năng gắn nhãn sai các bị cáo da đen là có nguy cơ tái phạm cao gấp đôi so với các bị cáo da trắng. Điều này là do dữ liệu huấn luyện phản ánh các thiên vị lịch sử trong hoạt động của cảnh sát và các vụ bắt giữ.

9.2. Vấn đề “Hộp đen” và AI có thể diễn giải (XAI)

Nhiều mô hình AI mạnh mẽ, đặc biệt là các mạng nơ-ron sâu, là những “hộp đen”. Chúng có thể đưa ra các dự đoán rất chính xác, nhưng con người khó hoặc không thể hiểu tại sao chúng lại đưa ra một quyết định cụ thể. Sự thiếu minh bạch này là một rào cản lớn đối với sự tin tưởng và trách nhiệm giải trình, đặc biệt là trong các lĩnh vực có rủi ro cao như y tế và tài chính.

AI có thể diễn giải (XAI) là một lĩnh vực nghiên cứu nhằm mục đích làm cho các quyết định của AI có thể diễn giải được.

• LIME (Local Interpretable Model-agnostic Explanations): Giải thích một dự đoán cá nhân bằng cách tạo ra một mô hình cục bộ đơn giản, có thể diễn giải (ví dụ: một mô hình tuyến tính) để xấp xỉ hành vi của mô hình hộp đen trong vùng lân cận của dự đoán cụ thể đó. Nó không phụ thuộc vào mô hình, có nghĩa là nó có thể được áp dụng cho bất kỳ mô hình nào.
• SHAP (SHapley Additive exPlanations): Một phương pháp dựa trên lý thuyết trò chơi để tính toán sự đóng góp của mỗi đặc trưng vào một dự đoán. Nó gán cho mỗi đặc trưng một “giá trị Shapley”, đại diện cho tầm quan trọng của nó trong việc đẩy dự đoán ra khỏi đường cơ sở, cung cấp cả giải thích cục bộ và toàn cục.

9.3. Quản trị và Quy định

Trong các công ty công nghệ, công việc đạo đức AI thường được ủng hộ bởi các cá nhân (“những người khởi xướng đạo đức”) thiếu sự hỗ trợ của tổ chức và bị cản trở bởi các chu kỳ phát triển sản phẩm dựa trên số liệu. Các nhóm AI có trách nhiệm thường bị cô lập và thiếu nguồn lực.

Viện Trí tuệ nhân tạo lấy con người làm trung tâm (HAI) của Stanford nhấn mạnh sự cần thiết của chính sách và quy định để khuyến khích các công ty ưu tiên đạo đức, cung cấp hướng dẫn cho các sự đánh đổi khó khăn và cung cấp sự bảo vệ cho người tố giác. Họ cũng cung cấp các chương trình đào tạo cho các nhà hoạch định chính sách để giúp họ đưa ra các quyết định sáng suốt.

Mục 10: Biên giới mới của An ninh: AI đối kháng và Deepfake

AI tạo ra một bề mặt tấn công mới, độc nhất. An ninh mạng truyền thống tập trung vào việc bảo vệ mạng, hệ thống và dữ liệu. An ninh AI cũng phải bảo vệ tính toàn vẹn của chính mô hình. Các cuộc tấn công đối kháng không phải là các lỗ hổng theo nghĩa truyền thống; chúng là các cuộc tấn công vào nhận thức đã học được của mô hình về thế giới. Điều này đòi hỏi một sự thay đổi cơ bản trong tư duy an ninh từ việc bảo vệ cơ sở hạ tầng sang việc xác thực quá trình ra quyết định của AI.

10.1. Tấn công đối kháng: Đánh lừa AI

• Khái niệm: Sự thao túng có chủ ý đầu vào của một mô hình AI để khiến nó mắc lỗi. Những thao túng này thường không thể nhận thấy đối với con người nhưng có thể đánh lừa hoàn toàn một AI. Ví dụ: thay đổi một chút các pixel của hình ảnh một con rùa để làm cho một hệ thống nhận dạng hình ảnh phân loại nó là một khẩu súng.
• Các loại tấn công:
• Tấn công lẩn tránh: Tạo ra các đầu vào độc hại tại thời điểm suy luận để đánh lừa một mô hình đã được huấn luyện.
• Tấn công đầu độc: Tiêm dữ liệu độc hại vào tập huấn luyện để làm tổn hại đến quá trình học của mô hình ngay từ đầu.

10.2. Deepfake: Vũ khí hóa AI tạo sinh

• Công nghệ: Deepfake là các âm thanh, video hoặc hình ảnh siêu thực được tạo ra bởi AI, thường sử dụng Mạng đối kháng tạo sinh (GAN). Một mạng “tạo sinh” tạo ra nội dung giả, trong khi một mạng “phân biệt” cố gắng phân biệt xem nó là thật hay giả. Quá trình đối kháng này tạo ra các sản phẩm giả ngày càng thuyết phục.
• Các mối đe dọa: Deepfake là một công cụ mạnh mẽ cho kỹ thuật xã hội, thông tin sai lệch và gian lận.
• Gian lận doanh nghiệp: Kẻ tấn công sử dụng âm thanh deepfake của giọng nói CEO để gọi cho một nhân viên và yêu cầu chuyển khoản khẩn cấp, gian lận. Một trường hợp vào năm 2024 tại Arup đã dẫn đến thiệt hại 25,6 triệu đô la sau khi một nhân viên bị lừa bởi một cuộc gọi video trong đó mọi người trừ anh ta đều là deepfake.
• Lừa đảo và Lừa đảo qua mạng: Các email lừa đảo do AI tạo ra đã tăng hơn 1.200%, với tỷ lệ nhấp chuột cao hơn nhiều so với lừa đảo truyền thống do tính cá nhân hóa và sự tinh vi về ngôn ngữ của chúng.

10.3. Chiến lược phòng thủ

Phòng thủ chống lại các mối đe dọa do AI cung cấp đòi hỏi một phương pháp đa tầng.

• Phòng thủ kỹ thuật: Sử dụng AI để phát hiện AI, đánh dấu bản quyền kỹ thuật số và blockchain để xác minh nội dung.
• Phòng thủ thủ tục: Thực hiện xác minh đa phương thức (ví dụ: xác nhận yêu cầu cuộc gọi video qua một kênh riêng biệt, đáng tin cậy), áp dụng tư duy Zero Trust, và kết hợp các kịch bản deepfake vào đào tạo an ninh cho nhân viên.

Mục 11: Tương lai của Trí thông minh: AGI, QML và Sự hội tụ công nghệ

11.1. Cuộc tìm kiếm Trí tuệ nhân tạo Tổng quát (AGI)

• Định nghĩa: AGI (còn được gọi là AI mạnh hoặc AI cấp độ con người) đề cập đến một dạng AI có khả năng hiểu, học và áp dụng trí thông minh của mình để giải quyết bất kỳ vấn đề nào mà con người có thể.
• Tình trạng hiện tại: Cuộc tranh luận vẫn đang diễn ra. Một số nhà nghiên cứu cho rằng các mô hình như GPT-4 đang cho thấy “những tia lửa của AGI”, thể hiện khả năng trong các nhiệm vụ mới và khó khăn trên các lĩnh vực đa dạng như y học, luật và lập trình mà không cần gợi ý đặc biệt. Những người khác cho rằng các mô hình này về cơ bản vẫn là các công cụ dự đoán từ tiếp theo và thiếu khả năng suy luận hoặc hiểu biết thực sự, đại diện cho một dạng “xấp xỉ tối đa hóa quy mô” hơn là trí thông minh tổng quát thực sự.
• Dòng thời gian và Khung đánh giá: Các dự báo về việc đạt được AGI rất khác nhau, từ cuối những năm 2020 đến không bao giờ. Google DeepMind đã đề xuất một khung để phân loại các cấp độ AGI từ “mới nổi” (mà họ cho rằng các LLM hiện tại đang ở mức đó) đến “siêu phàm”.

11.2. Biên giới tiếp theo: Học máy Lượng tử (QML)

• Khái niệm: QML là một lĩnh vực mới nổi kết hợp tính toán lượng tử và học máy. Nó tận dụng các nguyên tắc của cơ học lượng tử như chồng chập và vướng víu để xử lý thông tin theo những cách hoàn toàn mới.
• Tiềm năng: Máy tính lượng tử sử dụng “qubit” (có thể là 0, 1 hoặc cả hai cùng một lúc) để xử lý dữ liệu phức tạp mà máy tính cổ điển không thể xử lý được. QML có khả năng cung cấp tốc độ tăng theo cấp số nhân cho một số nhiệm vụ ML nhất định, cách mạng hóa các lĩnh vực như khám phá thuốc, khoa học vật liệu và các bài toán tối ưu hóa phức tạp.
• Tình trạng hiện tại: Lĩnh vực này vẫn còn sơ khai, chủ yếu sử dụng các thiết bị lượng tử nhiễu, gần hạn. Trọng tâm là phát triển các mô hình lai lượng tử-cổ điển trong đó các bộ xử lý lượng tử hoạt động cùng với các bộ đồng xử lý cổ điển. Các khung mã nguồn mở như TensorFlow Quantum và PennyLane đang làm cho nghiên cứu này dễ tiếp cận hơn.

11.3. Sự hội tụ công nghệ: AI, IoT và Blockchain

• Sự hiệp lực: Ba công nghệ này có thể được kết hợp để tạo ra các hệ thống mới, mạnh mẽ.
• IoT (Internet vạn vật): Cung cấp các luồng dữ liệu thời gian thực khổng lồ từ các cảm biến trong thế giới vật chất.
• AI: Phân tích dữ liệu này để tìm ra các mẫu, đưa ra dự đoán và tối ưu hóa các quyết định.
• Blockchain: Thêm một lớp bảo mật, tin cậy và minh bạch cho dữ liệu và các giao dịch thông qua một sổ cái phi tập trung, bất biến.
• Ứng dụng: Sự hội tụ này đang được khám phá trong các thành phố thông minh (để quản lý giao thông, lưới điện thông minh), quản lý chuỗi cung ứng (để theo dõi và bảo mật) và y tế (để bảo mật hồ sơ sức khỏe điện tử).

11.4. AI và Tương lai của Việc làm

• Tác động chuyển đổi: AI có tiềm năng biến đổi như động cơ hơi nước, với McKinsey ước tính cơ hội năng suất trị giá 4,4 nghìn tỷ đô la. Nó sẽ không chỉ tự động hóa các nhiệm vụ mà còn tăng cường khả năng của con người, hạ thấp các rào cản kỹ năng và cho phép giải quyết vấn đề hiệu quả hơn.
• Sự thay đổi thị trường lao động: Đến năm 2030, có tới 30% số giờ làm việc hiện tại có thể được tự động hóa. Điều này sẽ dẫn đến sự sụt giảm nhu cầu đối với các vai trò như hỗ trợ văn phòng và công nhân sản xuất, và sự gia tăng nhu cầu đối với các ngành STEM, y tế và các ngành nghề kỹ năng cao khác. Điều này sẽ đòi hỏi sự chuyển đổi nghề nghiệp lớn—lên tới 12 triệu ở cả châu Âu và Mỹ.
• Nhu cầu đào tạo lại: Thách thức chính sẽ là quản lý những chuyển đổi này. Hầu hết người lao động sẽ thấy mình làm việc cùng với máy móc, đòi hỏi các kỹ năng mới. Các tổ chức và chính phủ sẽ cần đầu tư mạnh vào các chương trình đào tạo lại và nâng cao kỹ năng để đảm bảo lực lượng lao động có thể thích ứng với các yêu cầu mới. Tương lai của công việc sẽ phụ thuộc vào một cuộc chạy đua để triển khai AI đồng thời nâng cao kỹ năng của lực lượng lao động con người.

Kết luận

Trí tuệ nhân tạo đã phát triển từ những khái niệm triết học và toán học ban đầu thành một lực lượng công nghệ biến đổi, định hình lại các ngành công nghiệp và xã hội. Hành trình của nó, được đánh dấu bằng các chu kỳ đổi mới và trì trệ, đã đạt đến một kỷ nguyên hiện đại được thúc đẩy bởi dữ liệu lớn, sức mạnh tính toán và các kiến trúc học sâu tinh vi. Các mô hình nền tảng như Mạng nơ-ron tích chập (CNN), Mạng nơ-ron hồi quy (RNN) với các đơn vị LSTM và kiến trúc Transformer đã cung cấp các công cụ để giải mã dữ liệu thị giác, tuần tự và ngôn ngữ với độ chính xác ngày càng tăng.

Việc áp dụng các công nghệ này trên các lĩnh vực—từ chẩn đoán y tế và phát hiện gian lận tài chính đến xe tự hành và các công cụ đề xuất được cá nhân hóa—cho thấy khả năng của AI trong việc thúc đẩy hiệu quả, đổi mới và tăng trưởng kinh tế. Tuy nhiên, việc triển khai AI cũng bộc lộ những thách thức đáng kể. Thiên vị thuật toán, được kế thừa từ dữ liệu huấn luyện không hoàn hảo, có nguy cơ duy trì và khuếch đại sự bất bình đẳng xã hội trong các lĩnh vực quan trọng như tuyển dụng và tư pháp hình sự. Vấn đề “hộp đen” của các mô hình phức tạp đặt ra những trở ngại cho sự tin tưởng và trách nhiệm giải trình, đòi hỏi sự phát triển của AI có thể diễn giải (XAI) để làm sáng tỏ các quy trình ra quyết định. Hơn nữa, sự trỗi dậy của các mối đe dọa an ninh mới, chẳng hạn như các cuộc tấn công đối kháng và deepfake, tạo ra một bề mặt tấn công mới nhắm vào tính toàn vẹn của chính các mô hình AI.

Nhìn về tương lai, lĩnh vực này đang ở một bước ngoặt. Cuộc tìm kiếm Trí tuệ nhân tạo Tổng quát (AGI) tiếp tục thúc đẩy các giới hạn của những gì máy móc có thể đạt được, trong khi các lĩnh vực mới nổi như Học máy Lượng tử (QML) hứa hẹn những khả năng tính toán chưa từng có. Đồng thời, tác động của AI đối với lực lượng lao động đòi hỏi một sự chuyển đổi xã hội sâu sắc, nhấn mạnh nhu cầu cấp thiết về các chiến lược đào tạo lại và nâng cao kỹ năng để điều hướng sự thay đổi nghề nghiệp sắp tới.

Cuối cùng, việc hiện thực hóa toàn bộ tiềm năng của AI không chỉ phụ thuộc vào sự tiến bộ kỹ thuật mà còn phụ thuộc vào việc xây dựng các khuôn khổ quản trị và đạo đức mạnh mẽ. Việc cân bằng giữa đổi mới và trách nhiệm, đảm bảo rằng các hệ thống AI được phát triển và triển khai một cách công bằng, minh bạch và an toàn, sẽ là nhiệm vụ xác định trong việc định hình một tương lai nơi trí tuệ nhân tạo thực sự phục vụ và nâng cao năng lực của con người.

Tuấn Nguyễn – Theo https://hoichieusangvietnam.org.vn/tri-tue-nhan-tao-tu-kien-truc-nen-tang-den-chuyen-doi-xa-hoi/