Trí tuệ nhân tạo (AI) là gì? Định nghĩa và nguồn gốc

Trí tuệ nhân tạo (AI) là khả năng của hệ thống máy tính thực hiện các nhiệm vụ thường gắn với trí thông minh con người: học tập, lập luận, nhận thức và ra quyết định (Wikipedia tiếng Anh). Cụm từ này chỉ một lĩnh vực công nghệ, không phải một con người hay một bộ não đặc biệt. Với AI, câu hỏi đúng không phải “nó có hiểu không” mà là “nó học và thích nghi bằng dữ liệu nào”.

AI thuộc về hành vi, không thuộc về ý thức

Chuỗi sự kiện định nghĩa AI mở đầu năm 1950, khi Alan Turing trong bài báo Computing Machinery and Intelligence đề xuất thay câu hỏi “máy tính có thể suy nghĩ?” bằng bài kiểm tra hành vi, theo Stanford. Merriam-Webster ghi lại cụm từ artificial intelligence xuất hiện lần đầu khoảng năm 1955.

Năm 1956, đề xuất Dartmouth do McCarthy, Minsky, Rochester và Shannon soạn thảo đã tổ chức được hội thảo tại Đại học Dartmouth; Stanford Encyclopedia of Philosophy coi đây là thời điểm khai sinh của AI, gắn với Logic Theorist do Newell và Simon trình diễn — chương trình AI đầu tiên.

AI bắt chước mà chưa hiểu; trách nhiệm thuộc con người

Trí tuệ nhân tạo là khả năng của các hệ thống tính toán thực hiện các nhiệm vụ thường gắn với trí thông minh con người như học tập, lập luận, giải quyết vấn đề, nhận thức và ra quyết định. Lĩnh vực này cũng là ngành nghiên cứu trong kỹ thuật, toán học và khoa học máy tính nhằm phát triển phương pháp và phần mềm giúp máy nhận thức môi trường, hành động theo mục tiêu xác định.

Theo inf.ed.ac.uk, AI là khoa học thực nghiệm có mục tiêu tìm hiểu bản chất của tư duy và hành động thông minh; điều phân biệt AI với triết học, tâm lý học, thần kinh học là cam kết dùng mô hình hóa tính toán làm phương pháp luận để giải thích quá trình diễn giải làm nền tảng cho hành vi thông minh. Máy tính số từ đầu được xem là thiết bị tốt nhất hỗ trợ chu kỳ giả thuyết, mô hình hóa, mô phỏng và kiểm tra.

Theo inf.ed.ac.uk, trong bốn thập niên đầu, phần lớn thời gian AI được dành cho thiết kế ngôn ngữ lập trình danh sách, công cụ và kỹ thuật chuyên dụng. Cách tiếp cận symbolic thống trị, nhưng mạng nơ-ron phi biểu tượng và thuật toán di truyền cũng xuất hiện; thuật ngữ symbolic và sub-symbolic dùng để phân biệt chế độ xử lý khác nhau, không chỉ phân phe.

Quan niệm phổ biến cho rằng trí thông minh gắn với giải quyết vấn đề cấp cao; thực tế nó giống tảng băng trôi, phần lớn là tương tác với môi trường vật lý, phần nhỏ là xử lý cấp cao. Vì vậy, khi nhìn vào đầu ra văn bản của một chương trình, cần đặt câu hỏi chương trình biểu diễn tri thức bằng cách nào, chứ không chỉ xem nó có tạo được câu trôi chảy hay không.

Theo plato.stanford.edu, Turing năm 1950 đề xuất thay câu hỏi “Máy tính có thể suy nghĩ?” bằng câu hỏi “Máy tính có thể vượt qua bài kiểm tra Turing?”. Năm 1956, Logic Theorist chứng minh 38 trong 52 định lý đầu tiên của cuốn Principia Mathematica; có trường hợp tìm ra chứng minh ngắn hơn bản gốc. Năm 1997, Deep Blue của IBM đánh bại Garry Kasparov. Năm 2005, xe Stanley thắng DARPA Grand Challenge sau khi hoàn thành 132 dặm ở Mojave.

Năm 2012, AlexNet vượt trội hơn hẳn mọi mô hình tính toán trước đó trong một tác vụ phân loại ảnh chuẩn. Năm 2016, AlphaGo đánh bại Lee Sedol. Năm 2020, OpenAI phát hành GPT-3, chương trình tạo văn bản gần giống con người khi được đưa ra lời nhắc viết; năm 2022, OpenAI phát hành ChatGPT, phiên bản cải tiến thu hút sự chú ý rộng rãi của xã hội.

Theo ai.stanford.edu, trí tuệ nhân tạo là lĩnh vực khoa học/kỹ thuật đang trưởng thành; Nils Nilsson xác định phần lõi không bị tranh chấp là suy luận và tri giác mức cao, còn phần đặc thù là thu thập, biểu diễn và sử dụng tri thức mệnh đề, tức tri thức khai báo có thể diễn đạt thành câu.

Tri thức mệnh đề khác với tri thức ẩn trong thủ tục hoặc cấu trúc dữ liệu: cái trước có thể kiểm tra, suy luận, cái sau chỉ thể hiện qua hành vi. Nilsson đề xuất phần lớn tri thức cần cho chương trình AI nên biểu diễn khai báo theo dạng giống logic, xử lý bằng logic và quy tắc suy luận; hầu hết kiến trúc AI lớn là cơ sở tri thức cộng thêm cơ chế suy luận.

Ngay từ đề xuất Dartmouth tại www-formal.stanford.edu, mục tiêu gồm làm máy sử dụng ngôn ngữ, hình thành trừu tượng hóa và khái niệm, giải quyết các bài toán trước đây chỉ con người làm được, tự cải thiện; trở ngại chính là viết chương trình tận dụng năng lực máy chứ không phải năng lực máy.

Vì vậy, nếu có sự bắt chước thiếu hiểu biết, nguyên nhân nằm ở cách con người xây dựng mô hình, chọn dữ liệu và vận hành; trách nhiệm không thể gán cho “con máy” mà thuộc về nhà phát triển và đơn vị vận hành.

Tự động hóa không học; máy học là nhánh của AI

Để không nhầm AI với mọi thứ “tự động”, cần đối chiếu ba khái niệm. Theo IBM, học máy là một nhánh của trí tuệ nhân tạo sử dụng dữ liệu để dạy máy thay vì lập trình tường minh từng quy tắc. Trí tuệ nhân tạo là tập hợp rộng hơn, còn tự động hóa chỉ thực thi một kịch bản đã được ghi trước, không thay đổi khi tình huống mới xuất hiện.

Xét một dây chuyền robot lắp ráp: nó lặp đi lặp lại cùng một thao tác nên không phải AI. Ngược lại, một hệ thống lọc thư rác học từ hành vi báo spam của người dùng và tự cập nhật khi dữ liệu mới về — đó là dấu hiệu của máy học, một công cụ giúp AI trở nên “thông minh”. Ranh giới nằm ở chữ học: không học từ dữ liệu thì chưa thể gọi là AI theo nghĩa kỹ thuật.

Cách phân biệt nhanh dành cho người dùng phổ thông: hãy hỏi chương trình đó có thay đổi hành vi sau khi gặp tình huống chưa lập trình sẵn hay không. Nếu câu trả lời là không, thứ bạn đang dùng chỉ là tự động hóa. Nếu có, bạn đang đứng trước một hệ thống AI — dù nó không hề có ý thức bên trong.

AI gồm ba khối: học máy, ngôn ngữ và thị giác máy

Vì AI được đo bằng hành vi, về mặt kỹ thuật nó vận hành qua ba khối chính bổ trợ nhau. Theo IBM, xử lý ngôn ngữ tự nhiên là khả năng máy tính hiểu, diễn giải và tạo ra ngôn ngữ của con người; thị giác máy tính là lĩnh vực trích xuất thông tin từ ảnh hoặc video; học máy cung cấp cách để máy tự rút quy luật từ dữ liệu, theo Stanford.

Một trợ lý ảo hiện đại dùng cả ba: nghe câu hỏi bằng thị giác và ngôn ngữ, suy luận bằng mô hình học máy, rồi trả lời bằng văn bản. Trước đó, các phương pháp nhận diện ảnh đều thấp xa mức này. Nhờ thành công đó, mạng nơ-ron học sâu trở thành nền tảng chính cho cả ba khối của AI ngày nay.

Chạy theo quy tắc ghi cứng không phải là AI

Không phải chương trình tự động nào cũng đáng gọi là trí tuệ nhân tạo. Một hệ thống chỉ thực hiện đúng chu trình cài sẵn, không học từ dữ liệu mới và không thích nghi với tình huống chưa gặp thì không nên dùng cụm từ “AI” để mô tả.

Ví dụ kinh điển: từ robot ra đời từ vở kịch R.U.R. của Karel Čapek năm 1920 — theo The Guardian — nhưng những “người máy” trong kịch chỉ làm theo kịch bản, không có năng lực học, nên chúng thuộc về tự động hóa, không thuộc về AI.

Tương tự, một phần mềm trả lời khách hàng bằng cách dò từ khóa trong danh sách câu trả lời soạn sẵn cũng không phải AI. Nó không tạo ra câu chữ mới, không hiểu ngữ cảnh và không cải thiện theo thời gian. Chỉ khi hệ thống có khả năng học từ dữ liệu hoặc suy luận để ra quyết định trong tình huống chưa lập trình, khái niệm trí tuệ nhân tạo mới thực sự được áp dụng.

Người dùng phổ thông và kỹ sư cùng soi vào hành vi

Nhìn lại toàn bộ định nghĩa, mọi thước đo AI đều neo vào hành vi quan sát được thay vì thế giới bên trong của máy. Nhà nghiên cứu kỹ thuật đánh giá mô hình bằng dữ liệu huấn luyện, kiến trúc mạng nơ-ron và kết quả trên bộ kiểm tra chuẩn; người dùng phổ thông đánh giá bằng sản phẩm họ chạm hằng ngày như chatbot viết văn, hộp thư lọc thư rác hay xe tự lái phát hiện vật cản.

Cả hai nhóm đều đi đến cùng một kết luận: một hệ thống chỉ được gọi là AI khi nó cho ra hành vi thông minh — trả lời hợp lý, phân loại đúng, ra quyết định phù hợp. Khi hành vi đó thiếu hoặc chỉ là kịch bản lặp lại, cụm từ “trí tuệ nhân tạo” trở nên thừa.

Và khi cụm từ được dùng đúng, người đọc sẽ hiểu rằng đằng sau nó là dữ liệu, thuật toán và trách nhiệm của con người — chứ không phải một bộ não bí ẩn.

Nguồn tham khảo

Stanford Encyclopedia of Philosophy, IBM Think, ImageNet, tạp chí Mind, Merriam-Webster, OpenAI, The Guardian, Wikipedia tiếng Anh và đề xuất Dartmouth (McCarthy, Minsky, Rochester và Shannon).