So sánh học máy và trí thông minh nhân tạo

Trí thông minh nhân tạo (AI) thường được coi là một cụm từ mơ hồ có thể dễ dàng trao đổi với tự động hóa hoặc học máy. Nhưng học máy không giống như trí thông minh nhân tạo, mặc dù chúng có điểm tương đồng nổi bật, và cả hai đều là những công nghệ thú vị nhất đang được phát triển. Vậy sự khác biệt chính giữa hai thuật ngữ là gì?

Trong khi trí thông minh nhân tạo là một thuật ngữ bao quát có thể được sử dụng để mô tả những trường rộng hơn, thì việc học máy là một vùng tiếp tuyến hoặc thậm chí là một tập con. Thuật ngữ này được chia thành nhiều loại cụ thể hơn. Nhưng điều cần lưu ý là học máy tập trung vào khả năng cho một máy tính có thể thay đổi và điều chỉnh các thuật toán của nó bằng chính nó dựa trên dữ liệu mà nó được cho cung cấp.

Sự khác biệt giữa học máy và trí thông minh nhân tạo là gì?

Trí thông minh nhân tạo nhằm mục đích tạo ra các hệ thống có thể nghĩ như một con người, giải quyết các vấn đề bằng cách sử dụng các quy trình suy nghĩ tương tự hoặc các quá trình học tập như một con người. Các nguyên tắc của trí thông minh nhân tạo bắt nguồn từ Turing Test - một tập hợp các đặc điểm giống như biểu hiện xác định cách một hệ thống có thể thể hiện hành vi thông minh như (hoặc không thể phân biệt được) của con người.

Khái niệm này được gọi là trí thông minh nhân tạo 'tổng quát' và mặc dù khái niệm này chưa được nghiên cứu một cách cụ thể, mục tiêu được đặt ra là máy móc đạt được mức độ thông minh do Alan Turing đề xuất.

Trí thông minh nhân tạo “thu hẹp” hoặc “được áp dụng” là những lĩnh vực được phát triển gần đây. Đây là nỗ lực để tạo ra một hệ thống mà chỉ đơn giản là thực hiện một nhiệm vụ của con người.

Học máy đã xuất hiện trong khái niệm trí thông minh nhân tạo “thu hẹp” - một thuật ngữ cho thấy nguồn gốc của nó vào giữa thế kỷ hai mươi. Arthur Samuel xác định học máy là "khả năng học mà không được lập trình rõ ràng".

Sử dụng và ứng dụng

Học máy

Kỷ luật học máy đã giảm dần trong nhiều thập kỷ (giống như trí thông minh nhân tạo) nhưng với việc khai thác dữ liệu diễn ra ngay trước cuối thế kỷ trước, cần có thuật toán để tìm kiếm các mẫu trong mỗi tập dữ liệu. Học máy thực hiện điều này nhưng tiến thêm một bước và học hỏi từ quá trình này, cải thiện hiệu suất khi nó đi cùng.

Một điều học máy đã được sử dụng chính là nhận dạng hình ảnh. Các ứng dụng này ban đầu được đào tạo bởi con người để xem hình ảnh và sau đó mô tả chúng là gì. Sau hàng ngàn hoặc hàng triệu hình ảnh được sử dụng trong quá trình đào tạo, hệ thống máy học có thể xem xét các điểm ảnh và cho biết nếu đó là một bức tranh của một con chó, một ngôi nhà, bông hoa hoặc một người.

Học máy cũng được sử dụng trong các công cụ đề xuất. Các thuật toán này giúp Facebook quyết định nội dung hiển thị trong nguồn cấp tin tức hoặc xác định những sản phẩm mà Amazon quảng cáo cho người dùng.

Các doanh nghiệp hiện đang chuyển sang học máy để thúc đẩy việc phân tích dự đoán, khi việc phân tích dữ liệu lớn ngày càng trở nên phổ biến. Việc kết hợp với số liệu thống kê, khai thác dữ liệu và phân tích dự báo đã trở thành thống trị đủ cho một số người cho rằng học máy là một lĩnh vực riêng biệt từ trí thông minh nhân tạo.

Lý do cho điều này là công nghệ trí thông minh nhân tạo, chẳng hạn như xử lý ngôn ngữ tự nhiên hoặc lý luận tự động, có thể được thực hiện mà không cần khả năng học máy. Các hệ thống học máy không nhất thiết phải có các tính năng khác của trí thông minh nhân tạo.

Trí thông minh nhân tạo

Có hàng trăm trường hợp sử dụng trí thông minh nhân tạo, và ngày càng nhiều các công ty áp dụng trí thông minh nhân tạo để giải quyết các thách thức kinh doanh.

Một trong những ứng dụng trí thông minh nhân tạo phổ biến nhất hiện nay là trợ lý thoại. Microsoft Cortana, Siri, Trợ lý Google và Amazon Alexa là trung tâm của các ngôi nhà thông minh và điện thoại thông minh, nơi người dùng có thể đặt các cuộc hẹn ăn trưa thông qua chatbox hoặc kiểm soát ánh sáng tại nhà bằng cách nói chuyện với trợ lý thoại. Nhưng Alexa bây giờ là giao diện người dùng cho ngành công nghiệp chatbot, davis, cho phép quản trị viên công nghệ thông tin xác định và khắc phục các vấn đề với cơ sở hạ tầng CNTT của họ bằng cách đặt câu hỏi cho davis.

Có những lo ngại được thiết lập cho rằng trí thông minh nhân tạo sẽ thay thế vai trò công việc của con người, chẳng hạn việc nhập dữ liệu đầu vào. Đại học Oxford dự đoán khoảng 35% công việc ở Anh có nguy cơ bị tự động hóa trong hai thập kỷ tới.

Sự nhầm lẫn giữa trí thông minh nhân tạo và học máy

Ngoài khái niệm học máy và trí thông minh nhân tạo, có một loạt các thuật ngữ khác thường bị đưa chung vào hỗn hợp - để làm lẫn lộn mọi thứ hơn nữa. Mạng lưới thần kinh nhân tạo được thiết kế để xử lý thông tin tương tự như tâm trí con người.

Họ nhấn mạnh những gì được gọi là học tập sâu (deep learning), một tập hợp con của học máy, và làm việc bằng cách gộp chung một số bộ thuật toán học máy. Sau đó, họ sử dụng hàng trăm hoặc thậm chí hàng nghìn GPU để xử lý khối lượng dữ liệu cùng một lúc.

Đừng lo lắng nếu tất cả các khái niệm này có vẻ khó hiểu, các nhà khoa học trong lĩnh vực này vẫn tranh luận các định nghĩa chính xác về học máy và trí tuệ nhân tạo, và có lẽ cuộc tranh luận vẫn sẽ tiếp tục.