08 tháng 09, 2023
Trong suốt lịch sử phát triển, rất nhiều thuật ngữ AI (Artificial Intelligence) đã ra đời và sử dụng rộng rãi. Hãy cùng tìm hiểu những thuật ngữ, khái niệm thường gặp trong ngành trí tuệ nhân tạo.
Công nghệ trí tuệ nhân tạo đã và đang ngày một tham gia nhiều hơn vào mọi ngành nghề, lĩnh vực trong đời sống. Để khám phá được trí tuệ nhân tạo (AI - Artificial Intelligence) một cách chuyên sâu và chính xác hơn, trước tiên cần hiểu được những thuật ngữ quan trọng.
Danh sách 30 Thuật ngữ AI cần biết
Trong nội dung bài viết này, Elcom cung cấp những thuật ngữ AI nhằm mục đích giúp những người mới làm quen với trí tuệ nhân tạo có thêm kiến thức nền tảng về công nghệ này.
1. Trí tuệ nhân tạo là gì?
Trí tuệ nhân tạo - Artificial Intelligence là sự kết hợp của “Artificial” (do con người tạo ra) và “Intelligence” (trí tuệ, sức mạnh tư duy).
Do đó, trí tuệ nhân tạo có thể được hiểu là “sản phẩm, thường là cỗ máy thông minh do con người sáng tạo, có khả năng suy nghĩ, lập luận để giải quyết vấn đề, biết giao tiếp do hiểu ngôn ngữ, tiếng nói, biết học tập và tự thích nghi,…”
2. Tác nhân (Agent)
Trong trí tuệ nhân tạo, tác nhân là một chương trình hoặc hệ thống máy tính được thiết kế để nhận biết môi trường của nó, đưa ra quyết định và thực hiện hành động nhằm đạt được một hoặc nhiều mục tiêu cụ thể.
Tác nhân hoạt động tự chủ, nghĩa là nó không được điều khiển trực tiếp bởi con người.
3. Thuật toán (Algorithm)
Thuật toán là quy trình từng bước hoặc tập hợp các hướng dẫn mà máy tính tuân theo. Trong bối cảnh trí tuệ nhân tạo, một thuật toán có thể được hệ thống máy học (machine learning) sử dụng để nhập dữ liệu và đưa ra dự đoán dựa trên dữ liệu đó.
4. Thuyết nhân hóa (Anthropomorphism)
Thuyết nhân hóa là xu hướng gán những phẩm chất của con người cho sự vật không phải con người.
Ví dụ: Chúng ta có thể gọi chatbot là "anh ấy" hoặc "cô ấy", đó là hành động nhân cách hóa AI. Điều này thường xảy ra trong các cuộc trò chuyện về trí tuệ nhân tạo vì nó thường được thiết kế để giao tiếp, hoạt động giống con người.
5. Trí tuệ nhân tạo tổng hợp (AGI - Artificial general intelligence)
Trí tuệ nhân tạo tổng hợp còn được gọi là AI mạnh hoặc AI sâu, là cỗ máy có khả năng thực hiện bất kỳ nhiệm vụ trí tuệ nào mà con người làm được. Hiện tại, không có hệ thống AI nào được coi là AGI, mặc dù một số người cho rằng các công nghệ gần đây, chẳng hạn như GPT-4, đã tiến gần đến mức độ đó.
6. Khuynh hướng (Bias)
Bias trong trí tuệ nhân tạo được hiểu là khuynh hướng, xu hướng hoặc thành kiến đối với một sự vật, sự việc nào đó. AI được tạo nên bởi con người, chính vì vậy, hệ thống cũng có thể bị ảnh hưởng tính thiên vị, phán xét từ những người phát triển.
7. Hộp đen AI (Black box AI)
Hộp đen AI là thuật ngữ mô tả tính chất của các hệ thống trí tuệ nhân tạo mà quá trình hoạt động và quyết định bên trong chúng không được hiểu rõ hoặc giải thích chi tiết.
Người dùng cung cấp đầu vào và máy cung cấp đầu ra. Tuy nhiên, những bước chính xác mà máy thực hiện để đi đến phản hồi lại không được giải thích rõ ràng. Điều này cũng gây ra sự thiếu minh bạch và khiến nhiều người lo ngại về trách nhiệm, công bằng khi sử dụng AI.
8. Chatbot
Chatbot là một công cụ hỗ trợ AI, được thiết kế để giao tiếp với mọi người theo hình thức trò chuyện. ChatGPT là một ví dụ điển hình về chatbot. Chatbot AI đôi khi được sử dụng thay thế cho công cụ tìm kiếm nhằm mục đích truy xuất thông tin.
Chatbot là công cụ ứng dụng nhiều trong kinh doanh hiện nay - Ảnh: Internet
9. ChatGPT
ChatGPT là một cụm từ được nhắc đến phổ biến hiện nay. Chatbot này của OpenAI đã thu hút làn sóng chú ý mạnh mẽ từ công chúng, hướng tới mô hình ngôn ngữ lớn và AI có tính sáng tạo. Nó sử dụng các thuật toán để tạo ra phản hồi văn bản cho người dùng nhập bằng ngôn ngữ tự nhiên.
Xem thêm bài viết:
10. Xác nhận dữ liệu (Data validation)
Xác thực dữ liệu là quá trình kiểm tra chất lượng dữ liệu trước khi sử dụng để phát triển và đào tạo mô hình AI.
11. Ngữ liệu văn bản (Corpus)
Kho ngữ liệu là một tập dữ liệu lớn gồm từ viết hoặc nói được sử dụng để huấn luyện các mô hình ngôn ngữ.
12. Khai thác dữ liệu (Data mining)
Khai thác dữ liệu là quá trình tìm kiếm dữ liệu và mẫu trong một tập dữ liệu lớn để trích xuất thông tin hữu ích.
13. Học sâu (Deep learning)
Học sâu là quá trình máy tính “học” từ dữ liệu và cải thiện chính nó thông qua các thuật toán. Deep learning được xây dựng dựa trên nhiều thuật toán phức tạp, chủ yếu hoạt động với cùng hệ thống mạng thần kinh nhân tạo phức tạp nhằm bắt chước khả năng suy nghĩ, tư duy của bộ não con người.
14. Deepfake
Deepfake được xem là một trong những mối đe dọa lớn nhất đến an ninh mạng và đời sống riêng tư của mỗi cá nhân. Đây là kỹ thuật kết hợp giữa thuật toán học sâu và máy học nhằm tạo ra hình ảnh, video, âm thanh giả mạo một cách chân thực nhất (Deep learning - học sâu và Fake - Giả mạo).
15. Mạng thần kinh nhân tạo (Neural network)
Mạng thần kinh nhân tạo là một loại công nghệ học sâu được tạo thành từ các nơ-ron nhân tạo liên kết với nhau. Những tế bào thần kinh là nút xử lý và truyền tải thông tin.
16. Tác nhân hiện thân (Embodied agents)
Tác nhân hiện thân thường được sử dụng để ám chỉ hệ thống hoặc máy móc có khả năng tương tác với môi trường xung quanh bằng cách sử dụng cơ thể hoặc bộ phận vật lý.
Ví dụ về embodied agents có thể là robot, máy bay không người lái hoặc chương trình máy tính mô phỏng có khả năng tương tác với môi trường thông qua cảm biến và hành động vật lý.
Việc kết hợp cơ thể vật lý và khả năng xử lý thông tin là một phần quan trọng trong nghiên cứu về trí tuệ nhân tạo và robot - Ảnh: Internet
17. Sự xuất hiện (Emergence)
Emergence (tạm dịch: sự xuất hiện) mô tả hiện tượng mà các tính năng phức tạp hoặc hành vi mới có thể xuất hiện trong một hệ thống tự nhiên hoặc trong một mô hình máy tính, khi những thành phần đơn giản tương tác với nhau.
Ví dụ, trong AI, emergence có thể xảy ra khi hệ thống máy tính đơn giản được lập trình để tuân theo một số quy tắc cơ bản, nhưng khi nó tương tác với môi trường hoặc với nhau, nó có thể thể hiện các hành vi phức tạp mà không cần có sự chỉ đạo cụ thể.
18. Đạo luật AI của EU (EU AI Act)
Đạo luật AI của EU là một khung pháp lý để triển khai AI có trách nhiệm theo cách không xung đột với quyền riêng tư dữ liệu.
19. Hệ thống chuyên gia (Expert system)
Hệ chuyên gia trong lĩnh vực trí tuệ nhân tạo là một loại phần mềm hoặc hệ thống máy tính được thiết kế để mô phỏng khả năng ra quyết định và giải quyết vấn đề giống như chuyên gia trong một lĩnh vực nào đó.
20. Khoảng cách khởi động Fréchet (Fréchet inception distance - FID)
FID là phép đo sự tương đồng giữa hai bộ dữ liệu hình ảnh trong lĩnh vực trí tuệ nhân tạo. Nó được sử dụng để đánh giá mức độ giống nhau giữa hình ảnh được tạo ra bởi mô hình và hình ảnh thực tế từ tập dữ liệu huấn luyện.
Khoảng cách Fréchet giữa hai phân phối này càng nhỏ, thì mô hình sinh ảnh càng tốt, tức là hình ảnh tạo ra càng giống với hình ảnh thực tế từ tập dữ liệu huấn luyện.
21. Rác vào, rác ra (Garbage in, garbage out - GIGO)
GIGO là khái niệm ám chỉ chất lượng đầu ra được quyết định bởi chất lượng đầu vào. Nghĩa là nếu mô hình toán học đúng nhưng giá trị nhập vào sai thì kết quả sẽ không thể chính xác hoàn toàn.
22. Mạng đối nghịch tạo sinh (Generative adversarial network - GAN)
GAN là một loại kiến trúc mạng trong lĩnh vực trí tuệ nhân tạo và học máy, bao gồm 2 phần chính: Máy tạo ảnh (Generator) và Máy phân biệt (Discriminator).
Quá trình đào tạo GAN hoạt động như trò chơi "đối địch" giữa máy tạo ảnh và máy phân biệt. Generator cố gắng tạo ra ảnh sao cho chúng gần giống với ảnh thực tế, trong khi Discriminator cố gắng phân biệt ảnh thật và ảnh tạo ra. Quá trình này tiếp diễn cho đến khi máy tạo ảnh tạo ra ảnh chất lượng cực tốt và rất khó phân biệt với ảnh thực tế.
23. AI tạo sinh (Generative AI)
AI tạo sinh là một loại trí tuệ nhân tạo có khả năng sáng tạo nên nội dung/dữ liệu mới dựa trên dữ liệu đã có.
24. Bộ xử lý đồ họa (Graphics processing unit - GPU)
GPU là bộ xử lý những tác vụ liên quan đến đồ họa cho vi xử lý trung tâm CPU. GPU được sử dụng trong các hệ thống nhúng, máy tính cá nhân, máy tính chơi game,...
25. Ảo giác trí tuệ nhân tạo (Hallucination)
Ảo giác AI đề cập đến hiện tượng hệ thống AI đưa ra câu trả lời, trình bày một cách tự tin, mặc dù điều đó không được chứng minh trong dữ liệu đào tạo của nó. Cụ thể hơn, ảo giác AI có thể được hiểu là lỗi, sự không chính xác trong phản hồi của hệ thống trí tuệ nhân tạo, mang lại kết quả sai lệch.
26. Mô hình ngôn ngữ lớn (Large language model - LLM)
LLM là dạng mô hình ngôn ngữ được đào tạo thông qua sử dụng kỹ thuật học sâu dựa trên tập dữ liệu văn bản khổng lồ. Mô hình này có khả năng tạo ra văn bản tương tự như con người, đồng thời thực hiện nhiều tác vụ xử lý ngôn ngữ tự nhiên khác nhau.
27. Máy học (Machine learning - ML)
Học máy là một loại thuật toán AI cho phép máy tính tận dụng nguồn dữ liệu có sẵn để học. Nhờ đó, máy tính được đào tạo để thực hiện những nhiệm vụ như phân loại, dự đoán hoặc khám phá, hỗ trợ ra quyết định và hành động.
28. Mô hình (Model)
Khái niệm mô hình trong trí tuệ nhân tạo thường đề cập đến một biểu đồ toán học hoặc một hệ thống tính toán được sử dụng để biểu diễn khía cạnh cụ thể nào đó của thế giới thực.
Mô hình AI có khả năng học hỏi và đưa ra dự đoán, phân loại hoặc thực hiện những nhiệm vụ khác dựa trên dữ liệu và kiến thức.
29. Xử lý ngôn ngữ tự nhiên (Natural language processing - NLP)
Xử lý ngôn ngữ tự nhiên là khả năng chương trình máy tính hiểu được ngôn ngữ của con người ở nhiều định dạng khác nhau bao gồm ký tự, chữ viết, âm thanh,...
30. Học tăng cường (Reinforcement learning)
Học tăng cường là một phương pháp đào tạo học máy thông qua việc khen thưởng những hành vi mong muốn và trừng phạt những hành vi không mong muốn. Thông qua học tăng cường, tác nhân học máy nhận thức được môi trường của nó, thực hiện hành động, học hỏi thông qua phương pháp thử và sai.
Trên đây là một số thuật ngữ thường gặp liên quan đến trí tuệ nhân tạo. Hy vọng nội dung này sẽ mang lại thông tin ích cho bạn đọc đang tìm hiểu về AI - công nghệ của tương lai.
