Trí tuệ nhân tạo hay trí thông minh nhân tạo (tiếng Anh: artificial intelligence hay machine intelligence, thường được viết tắt là AI) là trí tuệ được biểu diễn bởi bất cứ một hệ thống nhân tạo nào. Thuật ngữ này thường dùng để nói đến các máy tính có mục đích không nhất định và ngành khoa học nghiên cứu về các lý thuyết và ứng dụng của trí tuệ nhân tạo.
Tuy rằng trí thông minh nhân tạo có nghĩa rộng như là trí thông minh trong các tác phẩm khoa học viễn tưởng, nó là một trong những ngành trọng yếu của tin học. Trí thông minh nhân tạo liên quan đến cách cư xử, sự học hỏi và khả năng thích ứng thông minh của máy móc. Các ví dụ ứng dụng bao gồm các tác vụ điều khiển, lập kế hoạch và lập lịch (scheduling), khả năng trả lời các câu hỏi về chẩn đoán bệnh, trả lời khách hàng về các sản phẩm của một công ty, nhận dạng chữ viết tay, nhận dạng tiếng nói và khuôn mặt. Bởi vậy, trí thông minh nhân tạo đã trở thành một môn học, với mục đích chính là cung cấp lời giải cho các vấn đề của cuộc sống thực tế. Ngày nay, các hệ thống nhân tạo được dùng thường xuyên trong kinh tế, y dược, các ngành kỹ thuật và quân sự, cũng như trong các phần mềm máy tính thông dụng trong gia đình và trò chơi điện tử.
Các định nghĩa
Trí tuệ nhân tạo hay trí thông minh nhân tạo (tiếng Anh: Artificial intelligence hay tiếng Anh: Machine intelligence - AI) là một ngành thuộc lĩnh vực khoa học máy tính (tiếng Anh: Computer science). Là trí tuệ do con người lập trình tạo nên với mục tiêu giúp máy tính có thể tự động hóa các hành vi thông minh như con người. Trí tuệ nhân tạo khác với việc lập trình logic trong các ngôn ngữ lập trình là ở việc ứng dụng các hệ thống học máy (tiếng Anh: machine learning) để mô phỏng trí tuệ của con người trong các xử lý mà con người làm tốt hơn máy tính. Cụ thể, trí tuệ nhân tạo giúp máy tính có được những trí tuệ của con người như: biết suy nghĩ và lập luận để giải quyết vấn đề, biết giao tiếp do hiểu ngôn ngữ, tiếng nói, biết học và tự thích nghi,….
- Trí tuệ nhân tạo bao gồm các cơ sở lý thuyết và việc lập trình xây dựng của các hệ thống máy tính có thể thực hiện các nhiệm vụ thường đòi hỏi trí thông minh của con người như nhận thức thị giác, nhận dạng giọng nói, ra quyết định và dịch giữa các ngôn ngữ.
- Trí tuệ nhân tạo giúp tạo ra máy tính có khả năng suy nghĩ, máy tính có trí tuệ theo đầy đủ nghĩa của từ này (Haugeland, 1985).
- Trí tuệ nhân tạo là khoa học nghiên cứu xem thế nào để máy tính có thể thực hiện được những công việc mà con người làm tốt hơn máy tính (Rich và Knight,1991).
- Trí tuệ nhân tạo là khoa học nghiên cứu các hoạt động trí não thông qua các mô hình tính toán (Chaniaka và McDemott, 1985).
- Trí tuệ nhận tạo nghiên cứu các mô hình máy tính có thể nhận thức, lập luận và hành động (Winston, 1992)
- Trí tuệ nhân tạo nghiên cứu các hành vi thông minh mô phỏng các vật thể nhân tạo (Nilsson, 1998)
- Trí tuệ nhân tạo là khoa học nghiên cứu các hành vi thông minh nhằm giải quyết các vấn đề được đặt ra đối với các chương trình máy tính (Học viện Kỹ thuật Quân sự)
Mục tiêu
Lý luận, giải quyết vấn đề
Các nhà nghiên cứu đầu tiên đã phát triển các thuật toán bắt chước theo lý luận từng bước mà con người sử dụng khi giải quyết các câu đố hoặc đưa ra các phương pháp loại trừ logic.Vào cuối những năm 1980 và 1990, nghiên cứu về AI đã phát triển các phương pháp xử lý thông tin không chắc chắn hoặc không đầy đủ, sử dụng các khái niệm từ xác suất và kinh tế.
Đối với những vấn đề khó, các thuật toán bắt buộc phải có phần cứng đủ mạnh để thực hiện phép tính toán khổng lồ - để trải qua "vụ nổ tổ hợp": lượng bộ nhớ và thời gian tính toán có thể trở nên vô tận nếu giải quyết một vấn đề khó. Mức độ ưu tiên cao nhất là tìm kiếm các thuật toán giải quyết vấn đề.
Con người thường sử dụng các phán đoán nhanh và trực quan chứ không phải là phép khấu trừ từng bước mà các nghiên cứu AI ban đầu có thể mô phỏng. AI đã tiến triển bằng cách sử dụng cách giải quyết vấn đề "biểu tượng phụ": cách tiếp cận tác nhân được thể hiện nhấn mạnh tầm quan trọng của các kỹ năng cảm biến động đến lý luận cao hơn; nghiên cứu mạng thần kinh cố gắng để mô phỏng các cấu trúc bên trong não làm phát sinh kỹ năng này. Các phương pháp tiếp cận thống kê đối với AI bắt chước khả năng của con người.
Các trường phái trí tuệ nhân tạo
Robot ASIMO (HONDA - Nhật Bản)
Trí tuệ nhân tạo (AI) chia thành hai trường phái tư duy: TTNT truyền thống và Trí tuệ tính toán.
TTNT truyền thống hầu như bao gồm các phương pháp hiện được phân loại là các phương pháp học máy (machine learning), đặc trưng bởi hệ hình thức (formalism) và phân tích thống kê. Nó còn được biết với các tên TTNT biểu tượng, TTNT logic, TTNT ngăn nắp (neat AI) và TTNT cổ điển (Good Old Fashioned Artificial Intelligence). (Xem thêm ngữ nghĩa học.) Các phương pháp gồm có:
- Hệ chuyên gia: áp dụng các khả năng suy luận để đạt tới một kết luận. Một hệ chuyên gia có thể xử lý các lượng lớn thông tin đã biết và đưa ra các kết luận dựa trên các thông tin đó. chương trình trợ giúp có hình cái kẹp giấy của Microsoft Office là một ví dụ. Khi người dùng gõ phím, Clippy nhận ra các xu hướng nhất định và đưa ra các gợi ý.
- Lập luận theo tình huống.
- Mạng Bayes.
Trí tuệ tính toán nghiên cứu việc học hoặc phát triển lặp (ví dụ: tinh chỉnh tham số trong hệ thống, chẳng hạn hệ thống connectionist). Việc học dựa trên dữ liệu kinh nghiệm và có quan hệ với Trí tuệ nhân tạo phi ký hiệu, TTNT lộn xộn (scruffy AI) và tính toán mềm (soft computing). Các phương pháp chính gồm có:
- Mạng neural: các hệ thống mạnh về nhận dạng mẫu (pattern recognition).
- Hệ mờ (Fuzzy system): các kỹ thuật suy luận không chắc chắn, đã được sử dụng rộng rãi trong các hệ thống công nghiệp hiện đại và các hệ thống quản lý sản phẩm tiêu dùng.
- Tính toán tiến hóa (Evolutionary computation): ứng dụng các khái niệm sinh học như quần thể, biến dị và đấu tranh sinh tồn để sinh các lời giải ngày càng tốt hơn cho bài toán. Các phương pháp này thường được chia thành các thuật toán tiến hóa (ví dụ thuật toán gene) và trí tuệ bầy đàn (swarm intelligence) (chẳng hạn hệ kiến).
- TTNT dựa hành vi (Behavior based AI): một phương pháp module để xây dựng các hệ thống TTNT bằng tay.
Người ta đã nghiên cứu các hệ thống thông minh lai (hybrid intelligent system), trong đó kết hợp hai trường phái này. Các luật suy diễn của hệ chuyên gia có thể được sinh bởi mạng neural hoặc các luật dẫn xuất (production rule) từ việc học theo thống kê như trong kiến trúc ACT-R.
Các phương pháp trí tuệ nhân tạo thường được dùng trong các công trình nghiên cứu khoa học nhận thức (cognitive science), một ngành cố gắng tạo ra mô hình nhận thức của con người (việc này khác với các nghiên cứu TTNT, vì TTNT chỉ muốn tạo ra máy móc thực dụng, không phải tạo ra mô hình về hoạt động của bộ óc con người).
Lịch sử
Đầu thế kỷ 17, René Descartes đã đưa ra quan điểm rằng cơ thể của động vật chỉ là các cỗ máy tinh xảo. Năm 1642 Blaise Pascal chế tạo chiếc máy tính cơ học đầu tiên. Charles Babbage và Ada Lovelace đã nghiên cứu về các máy tính cơ học có khả năng lập trình được.
Bertrand Russell và Alfred North Whitehead đã xuất bản cuốn Principia Mathematica, trong đó logic hình thức đã được cách mạng hóa. Warren McCulloch và Walter Pittsxuất bản A Logical Calculus of the Ideas Immanent in Nervous Activity năm 1943 đặt nền móng cho mạng neural.
Thập niên 1950 là thời kỳ của nhiều hoạt động trong lĩnh vực TTNT. John McCarthy thiết lập thuật ngữ "artificial intelligence" trong hội thảo đầu tiên dành cho chủ đề này. Ông còn sáng chế ngôn ngữ lập trình Lisp. Alan Turing đưa ra "Turing test" như là một phương pháp kiểm chứng hành vi thông minh. Joseph Weizenbaum xây dựng ELIZA, một chatterbot cài đặt liệu pháp tâm lý Rogerian.
Trong các thập niên 1960 và 1970, Joel Moses biểu diễn sức mạnh của suy diễn ký hiệu trong việc tích hợp các bài toán trong chương trình Macsyma, chương trình toán học sử dụng cơ sở tri thức đầu tiên thành công. Marvin Minsky và Seymour Papert xuất bản Perceptrons, trong đó chứng minh các giới hạn của các mạng neural đơn giản, và Alain Colmerauer phát triển ngôn ngữ lập trình Prolog. Ted Shortliffe biển diễn sức mạnh của các hệ thống sử dụng luật để biểu diễn tri thức và suy diễn trong các chẩn đoán và liệu pháp y học trong một chương trình mà đối khi được gọi là hệ chuyên gia đầu tiên. Hans Moravec phát triển chiếc xe đầu tiên được máy tính điều khiển tự động vượt chướng ngại vật.
Thập niên 1980, mạng neural được sử dụng rộng rãi với thuật toán truyền ngược (backpropagation), thuật toán này đã được mô tả đầu tiên bởi Paul John Werbos vào năm 1974. Thập niên 1990 đánh dấu các thành tựu chính trong nhiều lĩnh vực của TTNT và được thể hiện trong nhiều ứng dụng đa dạng. Nổi tiếng nhất là Deep Blue, một máy tính chơi cờ vua đã thắng Garry Kasparov trong một trận đấu 6 ván nổi tiếng năm 1997. DARPA tuyên bố rằng chi phí tiết kiệm được do cài đặt các phương pháp TTNT cho việc lập lịch cho các đơn vị trong Chiến tranh vùng Vịnh lần thứ nhất đã bù lại được toàn bộ đầu tư của chính phủ Mỹ cho nghiên cứu TTNT kể từ thập niên 1950. Trong Chiến tranh vùng Vịnh lần 2, trí tuệ nhân tạo đã hỗ trợ việc mô phỏng chiến tranh trên máy tính.
Triết lý Trí tuệ nhân tạo
TTNT mạnh hay TTNT yếu, đó vẫn là một chủ đề tranh luận nóng hổi của các nhà triết học TTNT. Nó liên quan tới philosophy of mind và mind-body problem. Đáng chú ý nhất là Roger Penrose trong tác phẩm The Emperor's New Mind và John Searle với thí nghiệm tư duy trong cuốn Chinese room (Căn phòng tiếng Trung) khẳng định rằng các hệ thống logic hình thức không thể đạt được nhận thức thực sự, trong khi Douglas Hofstadter trong Gödel, Escher, Bach và Daniel Dennett trong Consciousness Explained ủng hộ thuyết chức năng. Theo quan điểm của nhiều người ủng hộ TTNT mạnh, nhận thức nhân tạo được coi là "chén thánh " của TTNT.
Máy tỏ ra có trí tuệ
Có nhiều ví dụ về các chương trình thể hiện trí thông minh ở một mức độ nào đó. Ví dụ:
- Twenty Questions - Một trò chơi 20 câu hỏi, trong đó sử dụng mạng neural
- The Start Project - một chương trình trả lời các câu hỏi bằng tiếng Anh.
- Brainboost - một hệ thống trả lời câu hỏi khác
- Cyc, một cơ sở tri thức với rất nhiều kiến thức về thế giới thực và khả năng suy luận logic.
- Jabberwacky, một chatterbot có khả năng học
- ALICE, một chatterbot
- Alan, một chatterbot khác
- Albert One, chatterbot nhiều mặt
- ELIZA, một chương trình giả làm bác sĩ tâm lý, phát triển năm 1966
- PAM (Plan Applier Mechanism) - một hệ thống hiểu được chuyện kể, phát triển bởi John Wilensky năm 1978.
- SAM (Script applier mechanism) - một hệ thống hiểu được chuyện kể, phát triển năm 1975.
- SHRDLU - một chương trình hiểu ngôn ngữ tự nhiên, phát triển năm 1968-1970.
- Creatures, một trò chơi máy tính với các hoạt động nhân giống, tiến hóa các sinh vật từ mức gien trở lên, sử dụng cấu trúc sinh hóa phức tạp và các bộ não là mạng neural.
- BBC news story on the creator of Creatures latest creation. Steve Grand's Lucy.
- AARON - chương trình vẽ tranh, phát triển bởi Harold Cohen.
- Eurisko - một ngôn ngữ giúp giải quyết các bài toán, trong đó có sử dụng các phương pháp heuristics, gồm cả heuristics cho việc sử dụng và thay đổi các phương pháp heuristics. Phát triển năm 1978 bởi Douglas Lenat.
- X-Ray Vision for Surgeons - một nhóm nghiên cứu xử lý ảnh y học tại đại học MIT.
- Các chương trình trò chơi backgammon và cờ vây sử dụng mạng neural.
- Talk to William Shakespeare - William Shakespeare chatbot
- Chesperito - Một chat/infobot về #windows95 channel trên mang DALnet IRC.
- Drivatar, một chương trình học cách lái xe đua bằng cách xem các xe đua khác, phát triển cho trò chơi điện tử Forza Motorsport
Các nhà nghiên cứu AI
Trên thế giới có rất nhiều các nhà nghiên cứu trí tuệ nhân tạo làm việc tại hàng trăm viện nghiên cứu và công ty. Dưới đây là một số trong nhiều nhà nghiên cứu đã có đóng góp lớn:
- Alan Turing
- Boris Katz
- Doug Lenat
- Douglas Hofstadter
- Geoffrey Hinton
- John McCarthy
- Karl Sims
- Kevin Warwick
- Igor Aleksander
- Marvin Minsky
- Seymour Papert
- Maggie Boden
- Mike Brady
- Oliver Selfridge
- Raj Reddy
- Judea Pearl
- Rodney Brooks
- Roger Schank
- Terry Winograd
- Rolf Pfeifer
Tác động
Sau khi nhà vật lý học Stephen Hawking và Elon Musk cảnh báo về mối đe dọa tiềm ẩn của trí tuệ nhân tạo, nhiều người cho rằng họ đã quá lo xa trong khi AI đang giúp ích rất nhiều cho cuộc sống của chúng ta. Stephen Hawking khẳng định “Trí tuệ nhân tạo có thể là dấu chấm hết cho nhân loại khi nó phát triển đến mức hoàn thiện nhất”.
Tác động đầu tiên của trí tuệ nhân tạo mà chúng ta có thể dễ dàng nhận thấy chính là lượng thất nghiệp tăng cao. Nếu AI phát triển hoàn thiện với khả năng thay thế con người trong các công việc trí tuệ như chăm sóc sức khỏe, phục vụ, sản xuất theo dây chuyền tự động, công việc văn phòng... Một chiếc máy tính sẽ có thể giải quyết công việc kế toán của tất cả nhân viên trong một công ty.
Theo Bill Joy, người đồng sáng lập và Giám đốc khoa học của Sun Microsystems: "Có một vấn đề rất lớn đối với xã hội loài người khi AI trở nên phổ biến, đó là chúng ta sẽ bị lệ thuộc. Khi AI trở nên hoàn thiện và thông minh hơn, chúng ta sẽ cho phép mình nghe theo những quyết định của máy móc, vì đơn giản là các cỗ máy luôn đưa ra quyết định chính xác hơn con người."
Theo Andrew Maynard, nhà vật lý và là người giám đốc Trung tâm nghiên cứu rủi ro khoa học tại đại học Michigan: "Khi AI kết hợp với công nghệ nano có thể là bước tiến đột phá của khoa học, những cũng có thể là mối đe dọa lớn nhất đối với con người. Trong khi Bộ quốc phòng Mỹ đang nghiên cứu dự án Autonomous Tactical Robot (EATR), trong đó các robot sẽ sử dụng công nghệ nano để hấp thụ năng lượng bằng những chất hữu cơ có thể là xác người. Đó thực sự là mối đe dọa lớn nhất, khi các robot nano tự tạo ra năng lượng bằng cách ăn các chất hữu cơ từ cây cối và động vật, có thể là cả con người. Nghe có vẻ giống như trong các bộ phim viễn tưởng, nhưng đó là điều hoàn toàn có thể xảy ra. Có lẽ chúng ta nên bắt đầu sợ ngay từ bây giờ."