Thoại Viết Hoàng
Writer
AI dường như xuất hiện ở mọi ngóc ngách của cuộc sống hiện đại, từ âm nhạc và truyền thông đến kinh doanh và năng suất, thậm chí cả hẹn hò. Có quá nhiều thứ khó có thể theo kịp — vì vậy hãy đọc tiếp để tìm hiểu mọi thứ từ những bước phát triển lớn mới nhất cho đến các điều khoản và công ty bạn cần biết để luôn cập nhật trong lĩnh vực đang phát triển nhanh chóng này.
Trí tuệ nhân tạo, còn được gọi là học máy, là một loại hệ thống phần mềm dựa trên mạng lưới thần kinh, một kỹ thuật thực sự đã được tiên phong cách đây nhiều thập kỷ nhưng mới nở rộ gần đây nhờ các tài nguyên máy tính mới mạnh mẽ. AI đã cho phép nhận dạng giọng nói và hình ảnh hiệu quả, cũng như khả năng tạo hình ảnh và lời nói tổng hợp. Và các nhà nghiên cứu đang nỗ lực làm việc để AI có thể duyệt web, đặt vé, điều chỉnh công thức nấu ăn, v.v.
Ồ, nhưng nếu bạn lo lắng về sự gia tăng kiểu Ma trận của máy móc - thì đừng lo lắng. Chúng ta sẽ nói về điều đó sau!
Hướng dẫn về AI của chúng tôi có ba phần chính, mỗi phần chúng tôi cập nhật thường xuyên và có thể đọc theo bất kỳ thứ tự nào:
Đầu tiên, những khái niệm cơ bản nhất bạn cần biết cũng như những khái niệm quan trọng gần đây hơn.
Tiếp theo, tổng quan về những người chơi chính trong AI và tại sao họ lại quan trọng.
Và cuối cùng, một danh sách tuyển chọn các tiêu đề và sự phát triển gần đây mà bạn nên biết.
Đến cuối bài viết này, bạn sẽ được cập nhật những thông tin mới nhất mà bất kỳ ai cũng có thể hy vọng có được trong thời đại ngày nay. Chúng tôi cũng sẽ cập nhật và mở rộng nó khi chúng tôi tiến sâu hơn vào thời đại AI.
AI101
Một trong những điều kỳ lạ về AI là mặc dù các khái niệm cốt lõi đã có từ hơn 50 năm trước, nhưng rất ít trong số chúng quen thuộc với ngay cả những người am hiểu công nghệ trước đây. Vì vậy, nếu bạn cảm thấy lạc lõng, đừng lo lắng - mọi người đều như vậy.
Và một điều chúng tôi muốn làm rõ ngay từ đầu: mặc dù nó được gọi là “trí tuệ nhân tạo”, nhưng thuật ngữ đó hơi gây hiểu nhầm. Không có định nghĩa nào về trí thông minh ngoài kia, nhưng những gì các hệ thống này làm chắc chắn gần với máy tính hơn là bộ não. Đầu vào và đầu ra của máy tính này linh hoạt hơn rất nhiều. Bạn có thể nghĩ trí tuệ nhân tạo giống như dừa nhân tạo - đó là trí thông minh bắt chước.
Như đã nói, đây là các thuật ngữ cơ bản bạn sẽ tìm thấy trong bất kỳ cuộc thảo luận nào về AI.
Mạng lưới thần kinh
Bộ não của chúng ta chủ yếu được tạo thành từ các tế bào được kết nối với nhau gọi là tế bào thần kinh, kết nối với nhau để tạo thành các mạng phức tạp thực hiện các nhiệm vụ và lưu trữ thông tin. Việc tái tạo hệ thống tuyệt vời này trong phần mềm đã được thử từ những năm 60, nhưng sức mạnh xử lý cần thiết không được phổ biến rộng rãi cho đến 15-20 năm trước, khi GPU cho phép các mạng thần kinh được xác định bằng kỹ thuật số phát triển. Về bản chất, chúng chỉ là rất nhiều chấm và đường: các chấm là dữ liệu và các đường là mối quan hệ thống kê giữa các giá trị đó. Giống như trong não bộ, điều này có thể tạo ra một hệ thống linh hoạt, nhanh chóng nhận đầu vào, chuyển nó qua mạng và tạo ra đầu ra. Hệ thống này được gọi là một mô hình.
Người mẫu
Mô hình là bộ sưu tập mã thực tế chấp nhận đầu vào và trả về đầu ra. Sự giống nhau về thuật ngữ đối với một mô hình thống kê hoặc một hệ thống mô hình hóa mô phỏng một quá trình tự nhiên phức tạp không phải là ngẫu nhiên. Trong AI, mô hình có thể đề cập đến một hệ thống hoàn chỉnh như ChatGPT hoặc gần như bất kỳ cấu trúc AI hoặc máy học nào, bất kể nó làm hoặc tạo ra. Các mô hình có nhiều kích cỡ khác nhau, nghĩa là chúng chiếm bao nhiêu dung lượng lưu trữ và bao nhiêu sức mạnh tính toán mà chúng cần để chạy. Và những điều này phụ thuộc vào cách người mẫu được đào tạo.
Đào tạo
Để tạo một mô hình AI, các mạng thần kinh tạo nên cơ sở của hệ thống được tiếp xúc với một loạt thông tin trong cái được gọi là tập dữ liệu hoặc kho văn bản. Khi làm như vậy, các mạng khổng lồ này tạo ra một biểu diễn thống kê cho dữ liệu đó. Quá trình đào tạo này là phần sử dụng nhiều tính toán nhất, có nghĩa là phải mất hàng tuần hoặc hàng tháng (bạn có thể kéo dài bao lâu tùy thích) trên hàng loạt máy tính mạnh mẽ. Lý do cho điều này là không chỉ các mạng phức tạp mà các bộ dữ liệu có thể cực kỳ lớn: hàng tỷ từ hoặc hình ảnh phải được phân tích và đưa ra biểu diễn trong mô hình thống kê khổng lồ. Mặt khác, sau khi nấu xong mô hình, nó có thể nhỏ hơn nhiều và ít đòi hỏi hơn khi được sử dụng, một quá trình được gọi là suy luận.
Bài gốc
