[A.I Tech Blog] Những thuật ngữ chuyên ngành về Trí tuệ Nhân tạo cho người mới bắt đầu

Trí tuệ nhân tạo (AI) là một lĩnh vực rộng lớn và đang phát triển nhanh chóng. Để bắt đầu tìm hiểu về AI, bạn cần nắm vững một số thuật ngữ chuyên ngành cơ bản. Trong bài viết này, chúng ta sẽ cùng tìm hiểu một số thuật ngữ AI phổ biến nhất dành cho người mới bắt đầu.

>> Thuật ngữ Trí tuệ Nhân tạo

1. Artificial Intelligence (AI)

• Tiếng Việt: Trí tuệ nhân tạo
• Giải thích: AI là một lĩnh vực của khoa học máy tính liên quan đến việc tạo ra các máy móc có thể thực hiện các nhiệm vụ mà thông thường được coi là đòi hỏi trí thông minh của con người.
• Ví dụ: Các hệ thống AI hiện đại có thể được sử dụng để chơi cờ, lái xe tự động, và chẩn đoán bệnh.

2. Machine Learning (ML)

• Tiếng Việt: Máy học
• Giải thích: ML là một nhánh của AI liên quan đến việc tạo ra các hệ thống có thể học hỏi từ dữ liệu mà không cần được lập trình rõ ràng.
• Ví dụ: Các hệ thống ML được sử dụng để nhận diện khuôn mặt, phân tích thị trường, và phát triển sản phẩm. Chẳng hạn, Hệ thống ML nhận diện khuôn mặt dựa trên dữ liệu đào tạo, tiền xử lý hình ảnh và mô hình CNN, sau đó đánh giá hiệu suất và triển khai vào ứng dụng thực tế.

3. Deep Learning (DL)

• Tiếng Việt: Học sâu
• Giải thích: DL là một nhánh của ML sử dụng mạng nơ-ron nhân tạo để học hỏi từ dữ liệu.
• Ví dụ: Các hệ thống DL được sử dụng để tạo ra hình ảnh, âm thanh, và văn bản chân thực.

Giúp bạn rõ hơn về Deep Learning nhé. Các hệ thống Deep Learning (DL) được sử dụng để tạo ra hình ảnh, âm thanh và văn bản chân thực" ám chỉ việc sử dụng mạng nơ-ron sâu (deep neural networks) để tạo ra dữ liệu đa phương tiện giống như dữ liệu thật, gần giống như được tạo bởi con người.

Hình ảnh sinh học (Image Generation): Mạng GAN (Generative Adversarial Network) là một ví dụ. Nó bao gồm hai mạng nơ-ron - một mạng tạo ra hình ảnh giả (generator) và một mạng phân biệt (discriminator) - cùng làm việc để tạo ra hình ảnh mới và chân thực.

Tạo âm thanh (Speech Generation): DL được sử dụng để tạo giọng nói chân thực thông qua mô hình như WaveGAN. Các mô hình này có thể tạo ra giọng nói từ văn bản đầu vào, có ứng dụng trong lĩnh vực như chatbot hoặc hệ thống giọng nói tổng hợp.

Tạo văn bản (Text Generation): Mạng LSTM và mạng nơ-ron tái lặp được sử dụng để tạo văn bản tự động. Ví dụ nổi tiếng là GPT (Generative Pre-trained Transformer), có khả năng tạo ra văn bản chân thực và dễ đọc.

Các ứng dụng của DL trong việc tạo ra dữ liệu đa phương tiện có thể làm cho các ứng dụng trí tuệ nhân tạo, trò chơi, và nhiều lĩnh vực khác trở nên ấn tượng hơn và thân thiện với người dùng. Tuy nhiên, việc đảm bảo rằng dữ liệu được tạo ra thực sự chân thực và đáng tin cậy vẫn là một thách thức đối với cộng đồng DL và AI.

4. Natural Language Processing (NLP)

• Tiếng Việt: Xử lý ngôn ngữ tự nhiên
• Giải thích: NLP là một lĩnh vực của AI liên quan đến việc xử lý ngôn ngữ của con người.
• Ví dụ: Các hệ thống NLP được sử dụng để dịch ngôn ngữ, tạo văn bản, và hiểu ý định của con người.

5. Computer Vision (CV)

• Tiếng Việt: Thị giác máy tính
• Giải thích: CV là một lĩnh vực của AI liên quan đến việc xử lý hình ảnh và video.
• Ví dụ: Các hệ thống CV được sử dụng để nhận dạng đối tượng, theo dõi chuyển động, và tạo ra hình ảnh 3D.

6. Robotics

• Tiếng Việt: Robot học
• Giải thích: Robot học là một lĩnh vực của khoa học máy tính liên quan đến việc thiết kế, chế tạo, và điều khiển robot.
• Ví dụ: Robot được sử dụng trong các ứng dụng công nghiệp, quân sự, và chăm sóc sức khỏe. xem thêm về robotic 

7. Artificial General Intelligence (AGI)

• Tiếng Việt: Trí tuệ tổng quát nhân tạo
• Giải thích: AGI là một loại AI có khả năng thực hiện bất kỳ nhiệm vụ nào mà con người có thể làm.
• Ví dụ: AGI vẫn đang trong giai đoạn phát triển, nhưng nó có tiềm năng cách mạng hóa nhiều lĩnh vực của cuộc sống. 
• Xem thêm: AI   Alan Turing

8. Bias

• Tiếng Việt: Thiên kiến
• Giải thích: Thiên kiến là một vấn đề tiềm ẩn trong AI, có thể dẫn đến các hệ thống AI đưa ra kết quả không chính xác hoặc phân biệt đối xử.
• Ví dụ: Các hệ thống AI có thể bị thiên kiến do dữ liệu đào tạo không đại diện cho toàn bộ dân số.

Làm rõ hơn về điều này nhé. "Các hệ thống AI có thể bị thiên kiến do dữ liệu đào tạo không đại diện cho toàn bộ dân số" đề cập đến hiện tượng thiên kiến dữ liệu. Điều này xảy ra khi tập dữ liệu sử dụng để đào tạo mô hình không phản ánh đầy đủ sự đa dạng của thế giới thực. Kết quả, hệ thống AI có thể hiển thị độ chính xác thấp hoặc có độ thiên kiến dựa trên các yếu tố sau:

Thiên kiến đa dạng dân tộc: Nếu dữ liệu đào tạo chủ yếu chứa hình ảnh hoặc thông tin từ một phần nhỏ của dân số, hệ thống có thể không nhận diện hoặc hiểu dữ liệu từ các dân tộc hoặc vùng miền khác.

Giới tính và định danh giới tính: Dữ liệu có thể thiên kiến theo giới tính, dẫn đến sự không chính xác trong việc nhận dạng hoặc giao tiếp với người khác giới hoặc giới thứ ba.

Tầng lớp xã hội và nền văn hóa: Hệ thống có thể không hiểu hoặc không phản ánh đầy đủ sự đa dạng văn hóa và xã hội, gây ra sự thiên kiến trong quyết định hoặc phân tích dữ liệu.

Sự biến đổi thời tiết và môi trường: Nếu dữ liệu đào tạo không đủ đa dạng về điều kiện thời tiết hoặc môi trường, hệ thống có thể không hoạt động tốt trong các tình huống khác nhau.

Để giải quyết vấn đề này, cần thu thập dữ liệu đa dạng và đảm bảo tính đại diện cho toàn bộ xã hội. Cần cẩn trọng trong việc lựa chọn và tiền xử lý dữ liệu để đảm bảo rằng mô hình AI có khả năng tổng quát hóa và hoạt động hiệu quả trong nhiều ngữ cảnh và cho mọi người, tránh tạo ra sự thiên kiến không cần thiết.

9. Explainable AI (XAI)

• Tiếng Việt: AI giải thích được
• Giải thích: XAI là một lĩnh vực của AI tập trung vào việc phát triển các hệ thống AI có thể được giải thích một cách dễ hiểu.
• Ví dụ: XAI có thể được sử dụng để tạo ra các hệ thống AI có thể được sử dụng trong các ứng dụng quan trọng, chẳng hạn như chẩn đoán y tế.

10. Ethical AI

• Tiếng Việt: AI có đạo đức
• Giải thích: AI có đạo đức là một lĩnh vực của AI tập trung vào việc phát triển các hệ thống AI có trách nhiệm và đạo đức.
• Ví dụ: AI có đạo đức có thể được sử dụng để phát triển các hệ thống AI không gây hại cho con người hoặc môi trường.

Kết luận

Trên đây là một số thuật ngữ chuyên ngành về  Trí tuệ nhân tạo  cho người mới bắt đầu. Để tìm hiểu thêm về AI, bạn có thể tham khảo các tài liệu và khóa học nhập môn A.I nhé. 

Xem thêm: Trí Tuệ Con Người là gì?

 Những thuật ngữ chuyên ngành về Trí tuệ Nhân tạo cho người mới bắt đầu