Xây dựng AI là phức tạp, nhưng sự hiểu biết nó không phải là. Hầu hết các trí thông minh nhân tạo hiện tại chỉ là những máy đoán thực sự tốt (như bộ não của chúng ta). Bạn nạp dữ liệu vào một nhóm dữ liệu (chẳng hạn như các số 1-10) và yêu cầu tạo mô hình (x + 1, bắt đầu từ 0) và đưa ra dự đoán. (Con số tiếp theo sẽ là mười một.) Không có ma thuật, ngoài những gì con người làm mỗi ngày: sử dụng những gì chúng ta biết để đoán về những điều chúng ta không biết.

Điều gì đặt AI ngoài các chương trình máy tính khác là chúng tôi không phải lập trình cụ thể cho mọi tình huống. Chúng ta có thể dạy cho nó những thứ (học máy), và nó cũng có thể tự dạy (học sâu). Mặc dù có nhiều loại của mỗi loại, chúng có thể được định nghĩa rộng rãi như sau:

  • Trí tuệ nhân tạo (AI): một cỗ máy có thể bắt chước hành vi của con người
  • Học máy: một tập hợp con AI, nơi mọi người đào tạo máy móc để nhận biết các mẫu dữ liệu và dự đoán
  • Học tập sâu: một tập hợp con của máy học mà máy có thể tự đào tạo

Trí tuệ nhân tạo

Định nghĩa lớn nhất có thể về AI đơn giản là nó là một cỗ máy nghĩ giống như con người. Nó có thể đơn giản như sau một sơ đồ hợp lý, hoặc nó có thể là một máy tính gần như con người có thể học từ nhiều đầu vào cảm giác và áp dụng kiến ​​thức đó vào các tình huống mới. Phần cuối cùng là chìa khóa - AI mạnh mẽ mà mọi người tưởng tượng là một AI có thể kết nối tất cả các loại điểm dữ liệu đã học để cho nó khả năng xử lý hầu hết mọi tình huống.

Ngay bây giờ AI vẫn còn trên một ca khúc khá hẹp - Alexa là một quản gia tuyệt vời, nhưng cô ấy không thể vượt qua bài kiểm tra Turing. Hiện tại chúng ta có một dạng AI giới hạn, nhưng tốt nhất nên nhớ rằng định nghĩa quá rộng đến mức cuối cùng nó có thể bao gồm các chương trình làm cho DeepMind trông giống như một máy tính.

Học máy

Nếu không có máy học, AI hiện tại sẽ bị hạn chế chạy qua danh sách dài “nếu x là đúng, làm y, khác, làm z.” Sự đổi mới này, tuy nhiên, mang lại cho máy tính sức mạnh để tìm ra mọi thứ mà không được lập trình rõ ràng. Như một ví dụ về một loại máy học, giả sử bạn muốn một chương trình có thể xác định được mèo trong ảnh:

  1. Cung cấp cho AI của bạn một tập hợp các đặc điểm của mèo để tìm kiếm - các đường riêng lẻ, hình dạng lớn hơn, mẫu màu, v.v.
  2. Chạy một số hình ảnh thông qua AI - một số hoặc tất cả có thể được dán nhãn "mèo" để máy có thể chọn hiệu quả hơn các tính năng mèo có liên quan.
  3. Sau khi chương trình đã nhìn thấy đủ mèo, nó nên biết cách tìm một con mèo trong một bức tranh - “Nếu hình ảnh có tính năng X, Y, và / hoặc Z, thì 95% có khả năng có một con mèo.”

Như phức tạp như âm thanh máy học, nó có thể được đun sôi xuống dưới đây: “Con người nói với máy tính những gì cần tìm, và máy tính tinh chỉnh những tiêu chí đó cho đến khi chúng có một mô hình.” Nó khá đơn giản, cực kỳ hữu ích và lọc spam của bạn, giới thiệu các chương trình Netflix tiếp theo của bạn và điều chỉnh nguồn cấp dữ liệu Facebook của bạn. Hãy dùng thử Máy dạy học của Google để có một cuộc biểu tình thực hành nhanh chóng!

Học kĩ càng

Tính đến năm 2018, đây là điểm cắt của AI. Hãy suy nghĩ về nó như là máy học tập với "mạng thần kinh" sâu mà xử lý dữ liệu theo cách tương tự như một bộ não con người. Sự khác biệt chính từ người tiền nhiệm của nó là con người không phải dạy một chương trình học sâu mà mèo trông như thế nào. Chỉ cần cung cấp cho nó đủ hình ảnh của mèo, và nó sẽ tự mình tìm ra:

  1. Nhập rất nhiều ảnh mèo.
  2. Thuật toán sẽ kiểm tra các bức ảnh để xem những tính năng nào chúng có chung (gợi ý: đó là mèo).
  3. Mỗi bức ảnh sẽ được giải mã thành nhiều cấp độ chi tiết, từ các hình dạng lớn, chung đến các đường nhỏ, nhỏ. Nếu một hình dạng hoặc đường lặp lại chính nó rất nhiều, thuật toán sẽ gắn nhãn nó như là một đặc tính quan trọng.
  4. Sau khi phân tích đủ hình ảnh, thuật toán giờ đây biết được các mẫu nào cung cấp bằng chứng mạnh nhất về mèo và tất cả những gì con người phải làm là cung cấp dữ liệu thô.

Tóm lại: học sâu là máy học nơi máy tự đào tạo, mặc dù nó vượt xa chỉ là mèo - mạng thần kinh giờ đây có khả năng mô tả chính xác mọi thứ trong một bức ảnh.

Học tập sâu đòi hỏi rất nhiều dữ liệu ban đầu và sức mạnh tính toán hơn là học máy, nhưng nó bắt đầu được triển khai bởi các công ty từ Facebook đến Amazon. Tuy nhiên, biểu hiện khét tiếng nhất về học máy là AlphaGo, một máy tính chơi trò chơi của Go chống lại chính nó cho đến khi nó có thể dự đoán chính xác những bước di chuyển tốt nhất đủ để đánh bại nhiều nhà vô địch thế giới.

Kết luận: AI = Apocalyptic Intelligence?

Hollywood chịu trách nhiệm về rất nhiều khoa học xấu, nhưng khi nói đến AI, sự thật và viễn tưởng có khả năng không xa lắm. Nó không phải là không thể nghĩ rằng một robot có thể đi qua một trạm không gian (2001: A Space Odyssey), làm cho bạn rơi vào tình yêu (cô), hoặc cư xử chính xác như một con người (Blade Runner, Ex Machina).

Điều đó không làm cho nó một cược xấu, mặc dù. AI có thể đẩy nhanh tiến độ của con người nhanh hơn hầu hết mọi thứ trước đó. Và, mặc dù nó có vẻ hoài nghi, nhưng thực tế là nếu các nhà khoa học chịu trách nhiệm tránh xa AI vì nó có khả năng sai, nó có thể sẽ được phát triển bởi những người có ít quan tâm về an toàn hơn. Chúng tôi đã mang máy tính từ cờ đến Go và một số bước tiếp theo có thể đưa nhân loại đến một số địa điểm thú vị.