Trí tuệ nhân tạo
Đã giới thiệu| English | Ý nghĩa |
|---|---|
| artificial intelligence/ˌɑːtɪˈfɪʃl ɪnˈtelɪdʒəns/ | trí tuệ nhân tạo |
| machine learning/məˈʃiːn ˈlɜːnɪŋ/ | học máy |
| training data/ˈtreɪnɪŋ ˈdeɪtə/ | dữ liệu huấn luyện |
| deep learning/diːp ˈlɜːnɪŋ/ | học sâu |
| neural networks/ˈnjuːrəl ˈnetwɜːks/ | mạng nơ-ron |
| speech recognition/spiːtʃ ˌrekəɡˈnɪʃn/ | nhận diện giọng nói |
| image recognition/ˈɪmɪdʒ ˌrekəɡˈnɪʃn/ | nhận diện hình ảnh |
| machine translation/məˈʃiːn trænˈsleɪʃn/ | dịch máy |
| recommendation systems/ˌrekəmenˈdeɪʃn ˈsɪstəmz/ | hệ thống đề xuất |
| autonomous vehicles/ɔːˈtɒnəməs ˈvɪəklz/ | xe tự lái |
| optical character recognition/ˈɒptɪkl ˈkærɪktə ˌrekəɡˈnɪʃn/ | nhận diện ký tự quang học |
| text-to-speech/tekst tə spiːtʃ/ | chuyển đổi văn bản thành giọng nói |
| bias/ˈbaɪəs/ | thiên kiến |
| accountability/əˌkaʊntəˈbɪlɪti/ | tính trách nhiệm giải trình |
Bước đi mà không ai trong số con người sẽ nghĩ ra
- Vào tháng 3 năm 2016, một chương trình có tên AlphaGo đã đánh bại Lee Sedol, một trong những tay cờ Go mạnh nhất còn sống, với tỷ số 4-1. Trong trận đấu thứ hai, nó đã thực hiện một nước đi mà các bình luận viên gọi là sai lầm; hóa ra đó lại là ý tưởng chiến thắng.
- Không ai đã lập trình nước đi đó. Hệ thống đã học Cờ Go bằng cách nghiên cứu hàng triệu vị trí và chơi chính nó, tìm ra các mẫu hình mà các nhà tạo ra không thể nào viết xuống được.
- Hai năm sau, Amazon loại bỏ một công cụ tuyển dụng AI sau khi phát hiện ra rằng nó đã học từ mười năm hồ sơ xin việc để giảm điểm bất kỳ hồ sơ nào đề cập đến "nữ giới".
- Cả hai đều là trí tuệ nhân tạo. Bài học này giải thích cách nó học, nó được sử dụng cho mục đích gì, và tác động xã hội, kinh tế và môi trường của nó.
Trí tuệ nhân tạo là gì và cách AI hiện đại học tập
- Trí tuệ nhân tạo (AI) có nghĩa là các hệ thống máy tính thực hiện các tác vụ vốn dĩ cần trí tuệ con người: nhận diện giọng nói và hình ảnh, dịch thuật, chơi game, lái xe.
- Hầu hết AI hiện đại sử dụng học máy: thay vì được lập trình từng bước, hệ thống cải thiện khả năng thực hiện một tác vụ bằng cách học các mẫu từ lượng lớn dữ liệu huấn luyện.
- Học sâu sử dụng mạng nơ-ron với nhiều lớp các nút kết nối, và là phương pháp tiên tiến nhất hiện nay. Dữ liệu tốt hơn và lớn hơn mang lại mô hình tốt hơn; dữ liệu kém dẫn đến kết quả tệ hại.
Một mô hình được huấn luyện dựa trên các ví dụ, chứ không phải được viết thành các quy tắc
Học máy khác với lập trình truyền thống vì nó:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Thuật toán ML cải thiện việc thực hiện một nhiệm vụ bằng cách học từ lượng lớn dữ liệu, thay vì tuân theo các quy tắc được viết tay.
Ghép mỗi thuật ngữ AI với ý nghĩa của nó.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
ML học từ dữ liệu; học sâu sử dụng nhiều lớp; độ thiên lệch và sự khó hiểu (hộp đen) là những mối lo ngại đạo đức then chốt.
Ứng dụng
- Hiểu đầu vào: nhận diện giọng nói biến lời nói thành văn bản; nhận diện hình ảnh tìm thấy các vật thể, khuôn mặt hoặc văn bản trong hình ảnh.
- Tạo đầu ra hoặc quyết định: dịch máy giữa các ngôn ngữ; hệ thống gợi ý đề xuất video, sản phẩm hoặc âm nhạc; xe tự lái và robot; chẩn đoán y khoa và phát hiện gian lận.
- Đề thi thường đưa ra một tình huống và yêu cầu xác định loại AI nào được sử dụng, hoặc giải thích cơ chế hoạt động của nó.
Phòng thí nghiệm khái niệm tin học
Phân loại các ví dụ cụ thể theo ý tưởng tin học mà chúng minh họa.
Ứng dụng AI nào là ứng dụng hàng ngày?
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Hệ thống gợi ý (và nhận diện giọng nói/hình ảnh, dịch thuật, lái xe tự động) là các ứng dụng AI phổ biến.
Ví dụ minh họa: đọc to nhãn ngoại ngữ
- Một ứng dụng điện thoại chụp ảnh nhãn sản phẩm, dịch nó và đọc to lên. Giải thích cách AI được sử dụng. [4]
- Nhận diện ký tự quang học phân tích các pixel của bức ảnh để xác định vị trí các ký tự, và các mẫu pixel được chuyển đổi thành từng ký tự và từ riêng lẻ.
- Dịch máy chuyển các từ đó sang ngôn ngữ của người dùng.
- Chuyển văn bản thành giọng nói tạo ra đầu ra dạng âm thanh. Mỗi giai đoạn là một điểm, theo thứ tự dây chuyền.
Nhận diện, dịch thuật, phát âm
Sắp xếp các giai đoạn của ứng dụng đọc nhãn theo thứ tự.
Difficulty 3/5 · 200 coins + a small bonus on first completion today
Nhận diện, đọc, dịch, phát âm. Mỗi giai đoạn là một điểm trong câu trả lời bốn điểm.
Lợi ích
- Khả năng tiếp cận: AI giọng nói và hình ảnh hỗ trợ người dùng có khuyết tật; dịch thuật giúp những người không nói được ngôn ngữ đó.
- Sú hiệu suất: các tác vụ lặp đi lặp lại được tự động hóa, giải phóng con người để làm việc sáng tạo.
- Hỗ trợ ra quyết định: AI tìm ra các mẫu trong bộ dữ liệu quá lớn so với sức người, trong hình quét y tế hoặc giao dịch.
- Nó có sẵn mọi lúc và có thể cá nhân hóa cho từng người dùng.
Một lợi ích của AI là:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
AI xuất sắc trong việc tìm kiếm các mẫu trong dữ liệu lớn (hỗ trợ ra quyết định). Sự công bằng và khả năng giải thích là những mối lo ngại, không phải sự đảm bảo.
Tác động xã hội
- Lợi ích: thiết bị đọc nhãn giúp người khiếm thị, những người không đọc được ngôn ngữ, và những người gặp khó khăn trong việc đọc; nhận diện khuôn mặt tại sân bay tăng tốc kiểm tra danh tính và ngăn chặn người bị truy nã nhập cảnh.
- Hại: nhận diện khuôn mặt nhầm lẫn một số người và theo dõi tất cả mọi người mà không có sự đồng ý, dẫn đến mất quyền riêng tư; những người phụ thuộc vào AI có thể đánh mất kỹ năng; hệ thống gợi ý có thể nhốt người dùng trong quan điểm hẹp hòi.
- Câu trả lời về tác động xã hội cần nêu rõ nhóm bị ảnh hưởng và những thay đổi xảy ra với họ.
Tác động kinh tế
- Một mô-đun chẩn đoán lỗi bằng AI trong xưởng sửa xe giúp phát hiện lỗi nhanh hơn và chính xác hơn, từ đó nhiều phương tiện được sửa chữa mỗi ngày và chi phí giảm xuống.
- Nhưng có thể cần ít thợ máy lành nghề hơn, dẫn đến việc mất việc làm, và mô-đun này phải được mua, đào tạo và bảo trì.
- Nhìn chung hơn, AI nâng cao năng suất và tạo ra việc làm mới trong một số lĩnh vực nhưng loại bỏ các công việc lặp đi lặp lại ở những lĩnh vực khác.
Tác động môi trường
- Việc huấn luyện và vận hành các mô hình lớn tiêu tốn rất nhiều điện, và các trung tâm dữ liệu sử dụng nước để làm mát; phần cứng chạy trên đó trở thành rác thải điện tử.
- Ngược lại, AI cắt giảm tiêu thụ năng lượng trong các tòa nhà, tối ưu hóa tuyến đường vận chuyển và giám sát môi trường.
- Cả hai hướng đều nhận điểm, và đề thi mong muốn bạn biết rằng chúng tồn tại.
Phần cứng phía sau AI có tuổi thọ, và cả một cuộc đời sau
Ghép mỗi ví dụ vào tiêu đề tương ứng.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Công việc và chi phí thuộc về kinh tế; con người và quyền riêng tư thuộc về xã hội; năng lượng và chất thải thuộc về môi trường.
Huấn luyện và chạy các mô hình AI lớn không có tác động môi trường đáng kể.
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Các mô hình lớn tiêu thụ rất nhiều điện và nước làm mát, và phần cứng của chúng trở thành rác điện tử. AI cũng giúp giảm tiêu thụ năng lượng ở nơi khác, nên cả hai chiều hướng này đều thuộc về một câu trả lời.
Ví dụ minh họa: trả lời câu hỏi về "tác động"
- Giải thích tác động kinh tế của việc một xưởng sửa xe lắp đặt hệ thống chẩn đoán lỗi bằng AI. [4]
- Đưa ra tác động và hậu quả của nó, và đưa ra cả hai hướng.
- Lỗi được chẩn đoán nhanh hơn và chính xác hơn, nên nhiều phương tiện hơn được sửa chữa mỗi ngày và doanh thu tăng lên. Ít giờ làm việc của thợ máy hơn cho mỗi chiếc xe, nên chi phí giảm.
- Thợ máy lành nghề có thể mất việc làm, nên dẫn đến tình trạng thất nghiệp và mất đi kỹ năng; và hệ thống phải được mua và bảo trì, nên có chi phí ban đầu và liên tục.
Một điểm tác động đạt điểm tối đa nêu rõ tác động và ____ của nó, thường được nối bằng "nên".
Difficulty 1/5 · 100 coins + a small bonus on first completion today
"Cần ít thợ cơ khí hơn, nên người lao động lành nghề mất việc" là một điểm; chỉ "ít thợ cơ khí" thì không.
Những lo ngại
- Thiên kiến: các mô hình không công bằng trong dữ liệu huấn luyện trở thành các quyết định không công bằng, như trong công cụ tuyển dụng của Amazon. Thay thế việc làm: các vị trí lặp đi lặp lại biến mất.
- Quyền riêng tư: việc huấn luyện sử dụng số lượng lớn dữ liệu cá nhân. Tính minh bạch: các mô hình lớn là những "hộp đen" mà các quyết định của chúng khó giải thích.
- Trách nhiệm: khi AI sai lầm, ai là người chịu trách nhiệm? Nhà phát triển, người vận hành hay người dùng? Sử dụng sai mục đích: deepfake, thông tin giả, giám sát.
- Các chuyên gia phải hiểu rõ giới hạn của những gì họ xây dựng, thông báo cho người dùng và giảm thiểu tác hại.
Thiên kiến đi vào cùng với dữ liệu và đi ra dưới dạng các quyết định
Độ "thiên lệch" của AI thường phát sinh vì:
Difficulty 1/5 · 100 coins + a small bonus on first completion today
Nếu dữ liệu huấn luyện phản ánh các mẫu không công bằng, mô hình sẽ học và lặp lại chúng — ví dụ: trong tuyển dụng hoặc cho vay.
Chọn tất cả những mối lo ngại thực sự về AI.
Difficulty 2/5 · 140 coins + a small bonus on first completion today
Độ thiên lệch, sự khó hiểu và lỗi sử dụng là những mối lo ngại thực tế. AI chắc chắn có thể sai — trách nhiệm giải trình cho điều đó chính là một mối lo ngại.
Điểm số dễ mất
- AI không phải là "một robot" hay "một máy tính biết suy nghĩ". Hãy định nghĩa nó là các hệ thống thực hiện các nhiệm vụ vốn đòi hỏi trí tuệ con người.
- Một tác động mà không có hậu quả chỉ được nửa điểm. "Việc làm bị mất" cần đi kèm "nên người lao động lành nghề bị thất nghiệp".
- Xã hội, kinh tế và môi trường là ba tiêu đề. Trả lời dưới tiêu đề mà câu hỏi nêu ra.
- Thiên kiến đến từ dữ liệu mà mô hình đã học, chứ không phải từ việc máy tính có quan điểm.
Bạn đã nắm vững
- AI thực hiện các nhiệm vụ vốn đòi hỏi trí tuệ con người; học máy học các mẫu từ dữ liệu huấn luyện thay vì tuân theo các quy tắc viết sẵn; học sâu sử dụng các mạng nơ-ron nhiều lớp
- ứng dụng: nhận diện giọng nói và hình ảnh hiểu đầu vào; dịch thuật, đề xuất và xe tự lái tạo ra đầu ra; OCR → dịch thuật → đọc văn bản thành giọng nói đọc to một nhãn
- tác động dưới ba tiêu đề, mỗi tiêu đề có một hậu quả và cả hai hướng: xã hội, kinh tế, môi trường
- những lo ngại: thiên kiến từ dữ liệu, thay thế việc làm, quyền riêng tư, tính minh bạch, trách nhiệm, sử dụng sai mục đích