AI có thể mô phỏng các giác quan con người như nghe, nhìn, nói và ứng dụng đa lĩnh vực: kinh doanh, khoa học kỹ thuật, quản lý xã hội...
AI có thể mô phỏng các giác quan con người như nghe, nhìn, nói và ứng dụng đa lĩnh vực: kinh doanh, khoa học kỹ thuật, quản lý xã hội...
Diễn ra chiều ngày 9/1 tại TP HCM, Tech Talk là hội thảo công nghệ đầu tiên trong khuôn khổ chương trình bình chọn Sản phẩm Công nghệ Xuất sắc Tech Awards do báo VnExpress tổ chức. Hội thảo có chủ đề "Smart Tech for Smart Living - Công nghệ thông minh cho cuộc sống thông minh", gồm 6 bài phát biểu từ các chuyên gia nổi bật thuộc nhiều lĩnh vực.
Trong câu chuyện về trí tuệ nhân tạo, với kinh nghiệm gần 10 năm nghiên cứu và phát triển AI, Tiến sĩ Đặng Hoàng Vũ, Giám đốc khoa học tập đoàn FPT, cho rằng 2019 sẽ là năm "bình dân hóa AI" bởi nó đã bùng nổ trên thế giới và dần phổ biến trong mọi lĩnh vực.
Ông nhấn mạnh, AI thay đổi thế giới chứ không phải sẽ thay đổi thế giới, vì quá trình ấy đang diễn ra rồi. Ông đặt câu hỏi: "Đã có ai nghe về thuật ngữ machine learning (học máy) và deep learning (học sâu)?". Khoảng 10% khán giả giơ tay, ông nhận định đó là tỷ lệ rất lạc quan và cho biết, những thuật ngữ này dùng để chỉ các công nghệ nằm bên dưới ứng dụng AI hiện tại. AI nói nôm na là giúp máy học từ những dữ liệu quan sát được trong cuộc sống thật.
 |
| Tiến sĩ Đặng Hoàng Vũ, Giám đốc khoa học tập đoàn FPT. Ảnh: Hữu Khoa. |
Ứng dụng của AI trong đời sống thực tế được chia làm hai loại: mô phỏng chức năng giác quan con người và ứng dụng trong kinh doanh, khoa học kỹ thuật, quản lý xã hội...
Ở loại thứ nhất, các chức năng chính là phân tích hình ảnh, xử lý video thay mắt người, nghe, nhận dạng, tổng hợp tiếng nói, hiểu ngôn ngữ thông qua văn bản hoặc lời thoại. Nhóm thứ hai có những chức năng chính như phân tích dự đoán, ví dụ trang nghe nhạc online thường đề xuất người dùng nghe các bài tiếp theo, tức đang đoán bạn thích loại nhạc gì. Hay như trong nhà máy điện, AI đoán lúc nào có sự cố, khi nào nhu cầu dùng điện tăng cao để điều chỉnh máy móc...
Chức năng tối ưu hóa giúp giảm chi phí, tăng hiệu năng, vấn đề trước đây được giải quyết bằng toán học, nay kết hợp thêm với máy tính. Tự động hóa có nhiều ví dụ điển hình như xe tự lái hoặc đơn giản hơn là camera quét nhận diện khuôn mặt, biết bạn là ai, không cần tốn 10 giây ghi sổ chấm công. Hay khi ra cửa hàng muốn đăng ký thông tin, bạn không cần kê khai rõ họ tên, quê quán... mà chỉ cần đưa chứng minh thư nhân dân ra, máy sẽ quét thông tin đưa thẳng lên kho dữ liệu trung tâm, giúp nhân viên tiết kiệm giờ làm việc, khách hàng dễ chịu hơn.
Quản lý rủi ro giúp các đơn vị, đặc biệt ngân hàng đánh giá dữ liệu đầu vào, thay vì dùng xác suất, toán học cũ thì dùng AI. Bản chất của AI cũng là toán học nhưng nó được nâng cấp lên vì có sự chung sức của máy tính, có khả năng học từ dữ liệu đầu vào nên có tính chính xác cao.
Theo ông, cấp độ cao nhất ở trong mô hình các chức năng của AI là ra quyết định, 2 nhóm chức năng trên đều nhằm một mục đích là ra quyết định nhanh, hiệu quả, chính xác hơn so với con người. Đó là bài toán khó nhất và cao nhất, tuy nhiên hiện nay AI chỉ mới hỗ trợ ra quyết định thôi, ví dụ như đề xuất cho vay bao nhiêu tiền, bán cái gì, cho ai... giúp loại bỏ bớt yếu tố cảm tính của con người, giúp giảm rủi ro, thúc đẩy tăng trưởng doanh nghiệp. "Tôi nghĩ trong tương lai, khi AI phát triển và chính xác hơn, nó sẽ loại luôn con người ra khỏi vòng quyết định đó. Lúc đó quy mô, tốc độ kinh doanh của doanh nghiệp sẽ tăng lên rất nhiều", ông Vũ dự đoán.
 |
| Tiến sĩ Đặng Hoàng Vũ chia sẻ về 5 bước trong quy trình ứng dụng AI. Ảnh: Hữu Khoa. |
"AI có rất nhiều công nghệ khác nhau, nằm trên những con đường khác nhau. Nếu có những ý kiến trái chiều về con đường phát triển của AI thì chỉ mô tả một phần trong đó", ông nhìn nhận.
Quy trình ứng dụng cơ bản của AI trong doanh nghiệp được ông mô tả chi tiết, thứ nhất là lấy dữ liệu đưa vào AI từ sổ sách, video quay lại cửa hàng, người dùng, dữ liệu sử dụng điện... Bước thứ hai là xử lý, loại bỏ dữ liệu kém, chuẩn bị kỹ thuật cần thiết. Tiếp theo, chọn mô hình hay nói cách khác là thuật toán, phương pháp luận để huấn luyện AI. Kế đến là thử nghiệm. Sau khi có kết quả thử nghiệm thì đưa vào ứng dụng, nâng cấp lên. Trong 5 bước này, ông Vũ cho biết khâu tốn kém nhất là bước thứ hai: xử lý lượng dữ liệu khổng lồ đó như thế nào để AI học được.
"Ví dụ ở một công ty, khi mong muốn phục vụ khách tốt hơn, tăng doanh số, họ dùng mô hình AI để tối ưu chỉ số hài lòng của khách hàng. Sau khi ứng dụng AI thì chỉ số này tăng rõ rệt nhưng không hiệu quả. Tuy nhiên, chỉ số hài lòng tăng nhưng thời gian dùng sản phẩm không tăng. Nghĩa là con số này liên quan rất ít đến mục tiêu kinh doanh. Điều đó nói lên khâu một và hai rất quan trọng: bạn định nghĩa dữ liệu, thu thập kiểu gì, sàng lọc ra sao... Mô hình AI chỉ làm việc dựa theo dữ liệu bạn đưa vào, bạn chọn mục tiêu chỉ số hài lòng thì nó sẽ làm chỉ số này tăng. AI không biết được là thời gian sử dụng dịch vụ mới quyết định hiệu quả kinh doanh", đại diện FPT phân tích.
Theo cơ quan nghiên cứu của Bộ Quốc phòng Mỹ, từ năm 1950 đến nay có ba làn sóng AI. Hiện thế giới ở làn sóng thứ hai là học dựa trên thống kê - tức là thu thập dữ liệu, dùng mô hình thống kê tự động để xử lý và học quy luật từ số .
Làn sóng số một gọi là hệ chuyên gia, theo quy trình khác hẳn. Khi cần giải quyết vấn đề mà cần máy tính tự động, phải thuê một chuyên gia về, học hỏi kiến thức từ chuyên gia đó, tạo thành quy luật rồi tổng hợp thành chương trình tự động để máy chạy. Ưu điểm của nó là chính xác nhưng hạn chế là khó mở rộng. Ví dụ, một công ty làm máy photocopy ở thập niên 80 của thế kỷ trước sử dụng mô hình hệ chuyên gia để trả lời các câu hỏi nội bộ giúp tiết kiệm 40 triệu USD. Nhưng sau đó, hệ chuyên gia này lại trở thành gánh nặng vì kiến thức thay đổi, nhu cầu kinh doanh thay đổi thì họ không đủ khả năng cập nhật, thay đổi mô hình vì phải thuê thêm chuyên gia khác, chuyển kiến thức thành chương trình tự động, rất tốn kém.
Quay trở lại làn sóng AI, ông cho biết:"Các chuyên gia đầu ngành nhận định AI hiện rất thông minh, muốn nó thông minh hơn thì đẩy nó đến một thế hệ sau, có khả năng đáp ứng với từng hoàn cảnh khác nhau, suy luận tốt hơn".
Giám đốc khoa học FPT đi sâu hơn về machine learning và deep learning - hai thuật ngữ phổ biến hiện nay. Thực chất deep learning là một phần của machine learning, là thế hệ tối tân hơn. Khác nhau cơ bản nhất, machine learning truyền thống cần con người chuyển hóa thông tin đầu vào thành một dạng máy hiểu được rồi mới dạy cho máy. Còn deep learning thì máy có khả năng tự học ra quy luật từ dữ liệu thô đầu vào.
"Như đã nói ở trên, bước xử lý dữ liệu chiếm 80% quy trình của AI nên nếu giảm một nửa công sức, chi phí công sức bước ấy thì đã có thể tăng hiệu quả rồi. Đó chính là lý do hiện nay deep learning lên ngôi", vị Tiến sĩ nhấn mạnh. Deep learning hiện được ứng dụng rộng rãi trong các công nghệ thị giác, xử lý ngôn ngữ, phát hiện bất thường giao thông...
Tuy nhiên dù thành công đến đâu, kỹ thuật học máy thống kê dựa vào số đông vẫn có hạn chế: dựa vào số đông nên bị ảnh hưởng bởi số đông, chưa có khả năng phân biệt được sự bất thường, nó chỉ tin vào số đông và dữ liệu mà nó nhìn thấy. Từ đó dẫn đến trường hợp robot từng là niềm tự hào của hãng công nghệ Microsoft, có tài khoảng mạng xã hội riêng, được trò chuyện thoải mái với mọi người trên toàn cầu, bị chính các nhà sản xuất phải cho ngừng hoạt động. Lý do là người huấn luyện đã dạy cho nó những câu nói bậy, khiến robot này mang chính ngôn ngữ đó để trò chuyện mà tự bản thân nó không phân biệt được đó là đúng hay sai.
Thứ hai, AI là một kỹ thuật máy tính và không thể tránh khỏi khả năng bị tấn công. Vì vậy, rất cần một thế hệ sau của kỹ thuật AI, hy vọng sẽ đến trong 5 năm tới. Một hạn chế mà chuyên gia nhắc thêm là trong tự nhiên luôn có yếu tố ngẫu nhiên, ví dụ dựa vào hình ảnh có thể biết được giới tính, tuổi tác, cân nặng, chiều cao... "Tuy nhiên có những vấn đề không thể phán đoán được, như dù tôi có cung cấp được thông tin trạng thái tất cả nguyên tử trên thế giới vào thời gian Brasil đá với Đức thì cũng không có AI nào đoán được tỷ số trận đấu là bao nhiêu, vì thể thao có yếu tố ngẫu nhiên", anh nói.
Nói về chủ đề quá trình bình dân hóa AI, ông cho biết trước đây để viết chương trình AI dự báo doanh số ngày mai, nhận dạng người đi vào cửa hàng là nam hay nữ... cần các giáo sư trường đại học nhưng hiện chỉ cần sử dụng công cụ có sẵn của các hãng trên thế giới.
"Tuy vậy việc ứng dụng AI đó có phù hợp với mục tiêu kinh doanh, xã hội hay không? Thật may mắn cho chúng ta là câu hỏi ấy AI vẫn chưa trả lời được mà vẫn cần đến sự can thiệp của con người", ông Vũ tổng kết.
https://vnexpress.net/so-hoa/giam-doc-khoa-hoc-fpt-ai-dang-thay-doi-the-gioi-3866199.html
