5. Căn bản về Trí tuệ nhân tạo
Tới bài học này, bạn đã trải nghiệm với một số sản phẩm của trí tuệ nhân tạo, ví dụ: phần mềm chatbot (Gemini, ChatGPT).
Bạn đã biết cách đặt câu hỏi cho chatbot khi có thắc mắc, biết dùng chatbot để hỗ trợ việc học, hỗ trợ việc tư duy, và hỗ trợ bạn trong cuộc sống hàng ngày.
Bạn cũng biết được là chatbot như một chuyên gia trong nhiều lĩnh vực (bởi nó sở hữu và hiểu được rất nhiều tài liệu), việc chatbot giỏi đến mức độ nào hoàn toàn tùy thuộc vào “cách bạn hỏi”, phụ thuộc vào “trình độ của người hỏi”.
Bài học này, chúng ta sẽ sử dụng chính chatbot để tìm hiểu thêm về lĩnh vực mà chúng ta đang thụ hưởng thành quả, lĩnh vực trí tuệ nhân tạo.
5.1 Trí tuệ nhân tạo là gì?
Bạn hãy tự đặt các câu hỏi cho chatbot, đọc câu trả lời của chatbot và ghi lại theo cách hiểu của bạn.
Tèo hỏi: trí tuệ nhân tạo là gì? Trả lời thật dễ hiểu, ngắn gọn.
Chatbot trả lời:
- Trí tuệ nhân tạo (tiếng Anh - Artificial Intelligence, viết tắt là AI)
- Trí tuệ nhân tạo là một công nghệ, công nghệ này cho phép máy tính hoặc máy móc mô phỏng các quá trình suy nghĩ và học tập của con người
Khi nói đến máy móc, bạn sẽ hình dung là nó chỉ biết làm theo các chỉ dẫn (được lập trình sẵn) để thực hiện một công việc. Tuy nhiên, một cái máy được nhúng AI sẽ rất khác, thay vì chỉ làm theo những chỉ dẫn có sẵn một cách máy móc, AI sẽ giúp máy móc có thể:
- Học tập: Tự rút kinh nghiệm từ dữ liệu đầu vào
- Giải quyết vấn đề: Đưa ra quyết định hoặc dự đoán dựa trên thông tin có sẵn
- Hiểu ngôn ngữ: Giao tiếp và hiểu được tiếng nói, văn bản của con người
Ví dụ một số ứng dụng có nhúng AI:
- Youtube/TikTok: AI học sở thích của bạn để đề xuất video bạn muốn xem
- FaceID: AI nhận diện khuôn mặt để mở khóa điện thoại
- ChatGPT, Gemini: AI hiểu câu hỏi và trả lời như một người thật
Tèo hỏi: Tại sao gọi là trí tuệ nhân tạo, tôi hiểu nó là một loại trí tuệ do con người tạo ra có đúng không?
Chatbot trả lời:
Bạn hiểu hoàn toàn chính xác rồi đấy! Cách hiểu của bạn đi thẳng vào bản chất của vấn đề mà không cần dùng đến thuật ngữ kỹ thuật phức tạp nào.
Sở dĩ gọi là Trí tuệ nhân tạo vì nó hội đủ hai yếu tố:
- Trí tuệ: Nó có khả năng xử lý thông tin, suy luận, giải quyết vấn đề và học hỏi — những việc mà trước đây chúng ta tin rằng chỉ có bộ não sinh học (con người, động vật) mới làm được
- Nhân tạo: Nó không tự nhiên sinh ra. Đây là "trí khôn" được xây dựng bằng các dòng mã (code), thuật toán và phần cứng do con người thiết kế và lập trình nên
Một cách ví von dễ hiểu:
Nếu trí tuệ của chúng ta là "hàng tự nhiên" (chạy bằng cơm và tế bào thần kinh), thì AI là "hàng chế tạo" (chạy bằng điện và các con chip).
Dù nó rất thông minh, nhưng bạn hãy nhớ: AI không thực sự "hiểu" hay có cảm xúc như chúng ta; nó chỉ đang bắt chước các mô hình tư duy của con người một cách cực kỳ xuất sắc dựa trên dữ liệu khổng lồ mà thôi.
5.2 Người ta đã tạo ra trí tuệ nhân tạo bằng cách nào?
Như đã đề cập, trí tuệ nhân tạo do con người tạo ra, gồm:
- Các dòng mã lệnh, thuật toán và phần cứng
- Con người sẽ dùng các dòng lệnh để viết các thuật toán, cho các thuật toán chạy trên hệ thống phần cứng, xử lý trên một kho dữ liệu khổng lồ để tạo ra trí tuệ
Vậy, các dòng mã lệnh viết bằng ngôn ngữ gì: Pascal, C++ hay ngôn ngữ nào khác?
Chatbot trả lời:
- Ngôn ngữ được sử dụng nhiều là: Python, C++, C#, Java, R
Một ví dụ về cách AI đã học
Chúng ta hãy thử xem cách một con AI "học" cách chuyển đổi từ độ C sang độ F.
Thay vì chúng ta đưa cho nó công thức cố định là F = C x 1.8 + 32, chúng ta sẽ đưa cho nó một tập dữ liệu ví dụ (ví dụ: 0°C là 32°F, 100°C là 212°F...) và để nó tự mò ra công thức đó thông qua ngôn ngữ Python.
Dưới đây là đoạn mã giả lập (đã lược bỏ các phần rườm rà) để bạn hình dung:
[Mã Python]
import tensorflow as tf # Thư viện AI phổ biến nhất
# 1. Dữ liệu đầu vào (Độ C) và Kết quả mong muốn (Độ F)
celsius = [-40, -10, 0, 8, 15, 22, 38]
fahrenheit = [-40, 14, 32, 46, 59, 72, 100]
# 2. Tạo một "mạng thần kinh" đơn giản nhất
model = tf.keras.Sequential([
tf.keras.layers.Dense(units=1, input_shape=[1])
])
# 3. Ra lệnh cho AI: "Hãy học đi!"
model.fit(celsius, fahrenheit, epochs=500) # Nó sẽ thử sai và sửa lỗi 500 lần
# 4. Kiểm tra xem AI đã thông minh chưa
print(model.predict([100.0]))
# Kết quả sẽ xấp xỉ 212 - Nó đã tự tìm ra công thức!
Tại sao đoạn mã này lại tạo ra trí tuệ?
- Nó không biết công thức từ đầu: Lúc mới chạy (vòng lặp 1), nó sẽ đoán đại một con số
- Nó biết rút kinh nghiệm: Sau mỗi lần đoán, nó so sánh với kết quả thật (32 hay 212), thấy sai số bao nhiêu thì nó tự điều chỉnh các "nút vặn" bên trong thuật toán
- Nó tự đúc kết: Sau 500 lần "thử và sai", nó tự tìm ra hệ số 1.8 và 32 mà không cần bạn phải viết dòng lệnh F = C * 1.8 + 32
Điểm thú vị: Nếu bạn đưa cho nó hàng triệu tấm ảnh mèo và chó, nó cũng sẽ làm theo quy trình tương tự để "tự rút ra" đặc điểm của cái tai mèo hay cái mũi chó. Đó chính là cách AI học nhìn hình ảnh hay dịch ngôn ngữ.
Bạn có thấy cách "học" này của máy tính có điểm nào giống với cách một đứa trẻ tập nhận biết đồ vật không?
5.3 Các thuật toán được sử dụng trong AI
Tèo hỏi: Tôi là dân không chuyên về lĩnh vực công nghệ thông tin, hãy cho tôi biết một số thuật toán được dùng trong lĩnh vực trí tuệ nhân tạo?
Chatbot trả lời:
Chào bạn, là một người không chuyên, bạn có thể hình dung thuật toán AI giống như các "phương pháp tư duy" khác nhau mà con người dạy cho máy tính. Thay vì bắt máy học mọi thứ theo một cách duy nhất, chúng ta có nhiều thuật toán tùy vào mục đích.
Dưới đây là 3 nhóm thuật toán phổ biến nhất được giải thích theo cách dễ hiểu:
[Nhóm 1] Thuật toán Phân loại (Classification)
Giống như việc bạn phân loại thư rác hay trái cây chín/xanh.
- Cách hoạt động: Máy tính nhìn vào các đặc điểm (màu sắc, hình dáng, từ ngữ) và xếp đối tượng vào một cái "giỏ" phù hợp
- Ví dụ thực tế: Khi bạn quét khuôn mặt để mở khóa điện thoại, thuật toán đang trả lời câu hỏi: "Đây có phải là chủ nhân hay là người lạ?"
[Nhóm 2] Thuật toán Hồi quy (Regression)
Giống như việc bạn dự đoán giá nhà hay thời tiết.
- Cách hoạt động: Máy tính nhìn vào các con số trong quá khứ để tìm ra một đường xu hướng, từ đó dự báo một con số cụ thể trong tương lai
- Ví dụ thực tế: App Grab hay Xanh SM dự đoán giá cước dựa trên quãng đường và tình trạng kẹt xe.
[Nhóm 3] Mạng thần kinh nhân tạo (Neural Networks)
Đây là nhóm thuật toán tạo nên các AI phổ biến như ChatGPT hay xe tự lái.
- Cách hoạt động: Mô phỏng cách các tế bào não người kết nối với nhau. Nó gồm nhiều lớp tính toán xếp chồng lên nhau. Dữ liệu đi qua các lớp này sẽ được lọc và xử lý từ thô đến tinh
- Ví dụ thực tế: AI có thể nhìn một tấm hình và hiểu đó là "một con mèo đang nằm trên thảm" chứ không chỉ là các điểm ảnh vô hồn.
Xem hình minh họa của Mạng thần kinh nhân tạo.
Một sự thật thú vị: Dù có hàng nghìn thuật toán, nhưng chúng đều dựa trên Toán học (Xác suất, Thống kê và Đại số). Con người không dạy máy tính "hiểu" cái bàn là gì, mà dạy nó cách tính toán xác suất để biết rằng: "99% vật thể này là cái bàn".
5.4 Các thiết bị dùng trong lĩnh vực AI
Tèo hỏi: tôi đã hiểu sơ qua về ngôn ngữ lập trình và các thuật toán trong lĩnh vực AI, vậy còn thiết bị thì sao? Cá nhân tôi có thể tự trang bị thiết bị phần cứng để chạy các thuật toán AI không? Có giải pháp nào ít tốn kém để tôi có thể trải nghiệm với lĩnh AI không?
Chatbot trả lời:
Câu hỏi của bạn rất thực tế! Tin vui là bạn hoàn toàn có thể tự trang bị phần cứng để chạy AI tại nhà. Tuy nhiên, AI là một "kẻ tham ăn" phần cứng, nên cấu hình máy tính thông thường đôi khi sẽ gặp khó khăn.
Dưới đây là lộ trình từ "ít tốn kém nhất" đến "tự xây dựng phần cứng" dành cho bạn:
1. Giải pháp ít tốn kém (Thậm chí là 0 đồng)
Để trải nghiệm AI mà không cần bỏ ra hàng chục triệu đồng, bạn nên sử dụng Điện toán đám mây (Cloud Computing). Đây là cách bạn mượn những siêu máy tính của các tập đoàn lớn để chạy mã lệnh của mình thông qua trình duyệt web.
- Google Colab: Đây là "cứu cánh" cho dân học AI. Google cho phép bạn sử dụng miễn phí các chip xử lý đồ họa (GPU) cực mạnh. Bạn chỉ cần có tài khoản Gmail là có thể bắt đầu viết mã ngay
- Kaggle: Một nền tảng khác của Google, cung cấp môi trường làm việc tương tự Colab nhưng có sẵn rất nhiều kho dữ liệu khổng lồ để bạn thực hành
- Hugging Face: Nơi bạn có thể chạy thử hàng nghìn mô hình AI có sẵn (như tạo ảnh, dịch thuật) mà không cần cài đặt gì vào máy
2. Tự trang bị phần cứng tại nhà (PC cá nhân)
Nếu bạn muốn sở hữu một cỗ máy riêng để tìm hiểu AI, bạn cần chú trọng vào 3 bộ phận sau:
Lưu ý: CPU (như Intel i5 hay Ryzen 5) lại không quan trọng bằng GPU trong việc chạy AI. Bạn không cần mua CPU quá đắt tiền, hãy dồn ngân sách cho Card đồ họa.
3. Lời khuyên cho "dân không chuyên" như bạn
Đừng vội mua máy ngay! Lộ trình thông minh nhất sẽ là:
- Tháng đầu tiên: Dùng Google Colab (miễn phí) để chạy thử các thuật toán đơn giản như Phân loại hay Hồi quy mà tôi đã kể ở trên
- Khi đã quen: Nếu bạn thấy đam mê và muốn làm các dự án lớn hơn (như tự huấn luyện một AI nhận diện khuôn mặt người thân), lúc đó hãy cân nhắc mua một bộ PC có card đồ họa NVIDIA
5.4 Ứng dụng AI vào từng lĩnh vực
Tèo hỏi: tôi là người không chuyên trong lĩnh vực công nghệ thông tin, nhưng tôi rất muốn dùng AI để học và ứng dụng trong một lĩnh vực cụ thể. Bạn là một chuyên gia AI ứng dụng hàng đầu, hãy cho tôi lời khuyên?
Chatbot trả lời:
Chào bạn Tèo, với tư cách là một chuyên gia AI ứng dụng, tôi rất hoan nghênh tinh thần của bạn. Trong kỷ nguyên hiện nay, người hiểu chuyên môn ngành (domain expert) cộng thêm kỹ năng sử dụng AI sẽ có lợi thế khủng khiếp hơn cả một kỹ sư lập trình thuần túy.
Dưới đây là lộ trình "thực chiến" dành riêng cho người không chuyên để bạn không bị lạc lối trong biển kiến thức:
1. Đừng học "Lập trình AI", hãy học "Cách dùng AI"
Thay vì cố gắng học cách viết ra một thuật toán phức tạp như các kỹ sư, bạn hãy tập trung vào việc trở thành một "Người điều phối AI".
- Kỹ năng quan trọng nhất: Prompt Engineering (Kỹ thuật đặt câu hỏi). Bạn cần học cách giao tiếp với các AI mạnh nhất hiện nay (như ChatGPT, Claude, Gemini) để chúng giải quyết vấn đề cho bạn
- Tư duy: Hãy coi AI là một "trợ lý thông minh nhưng cần chỉ dẫn chi tiết". Bạn cung cấp bối cảnh, AI cung cấp giải pháp
2. Chọn một "Điểm chạm" cụ thể trong công việc
AI chỉ thực sự mạnh khi nó có mục tiêu rõ ràng. Hãy chọn một lĩnh vực bạn đang làm và áp dụng AI theo 3 mức độ:
- Mức 1 (Tăng năng suất): Dùng AI để tóm tắt tài liệu, viết email, lập kế hoạch công việc
- Mức 2 (Sáng tạo nội dung): Dùng AI tạo hình ảnh (Midjourney, Canva AI), làm video, hoặc thiết kế slide thuyết trình tự động
- Mức 3 (Phân tích dữ liệu): Dùng tính năng Advanced Data Analysis của các chatbot để xử lý tập tin Excel, vẽ biểu đồ và tìm ra xu hướng kinh doanh mà mắt thường không thấy
3. Tận dụng các công cụ "No-Code" (Không cần viết mã)
Bạn không cần biết Python vẫn có thể tạo ra ứng dụng AI cho riêng mình.
- Make.com hoặc Zapier: Giúp bạn kết nối AI với Gmail, Facebook, Excel để tự động hóa quy trình (Ví dụ: Tự động trả lời khách hàng bằng AI khi có tin nhắn)
- Custom GPTs: Bạn có thể tự tạo một "phiên bản ChatGPT" chuyên biệt cho lĩnh vực của bạn bằng cách tải các tài liệu chuyên môn của mình lên để nó học theo
4. Lộ trình 30 ngày "Nhập môn thực chiến"
- Tuần 1: Làm quen với việc đặt câu hỏi (Prompting). Học cách dùng công thức: Vai trò + Nhiệm vụ + Bối cảnh + Định dạng đầu ra
- Tuần 2: Khám phá các công cụ AI chuyên biệt trong ngành của bạn (Ví dụ: Ngành luật có AI rà soát hợp đồng, ngành y có AI hỗ trợ chẩn đoán)
- Tuần 3 & 4: Thực hiện một dự án nhỏ. Ví dụ: Dùng AI để xây dựng một kế hoạch kinh doanh từ A-Z hoặc tự động hóa quy trình chăm sóc khách hàng
Lời khuyên tâm huyết:
"AI không thay thế con người, nhưng người dùng AI sẽ thay thế người không dùng AI." Bạn không cần hiểu chiếc xe hơi hoạt động thế nào để trở thành một tài xế giỏi. Hãy tập trung vào việc lái AI đến nơi bạn muốn trong lĩnh vực chuyên môn của mình.
5.5 Bài tập và câu hỏi
Bài tập 5a. Bạn hãy tự mình đặt ra các câu hỏi để tìm hiểu về lĩnh vực Trí tuệ nhân tạo. Viết lại thành một tài liệu khoảng 8 trang A4.
Câu hỏi ôn tập:
Câu hỏi 5.1 Điểm khác biệt cốt lõi giúp Trí tuệ nhân tạo (AI) khác với các phần mềm máy tính truyền thống (như Excel hay Máy tính bỏ túi) là gì?
A. AI có khả năng tính toán các con số lớn nhanh hơn con người
B. AI có thể tự học hỏi và rút kinh nghiệm từ dữ liệu mà không cần con người lập trình lại từng bước một
C. AI luôn luôn đưa ra câu trả lời chính xác 100% trong mọi tình huống
D. AI được chạy trên các hệ thống máy tính có màn hình cảm ứng hiện đại
Câu hỏi 5.2 Khi xây dựng một bộ máy tính cá nhân để tự thực hành các thuật toán AI phức tạp, tại sao Card đồ họa (GPU) lại quan trọng hơn CPU?
A. Vì GPU giúp màn hình hiển thị hình ảnh AI đẹp và sắc nét hơn
B. Vì các thuật toán AI cần xử lý hàng triệu phép tính song song cùng lúc, nhiệm vụ mà cấu trúc của GPU làm tốt hơn CPU rất nhiều
C. Vì GPU tiết kiệm điện năng hơn CPU khi máy tính chạy liên tục
D. Vì CPU không có khả năng đọc được các ngôn ngữ lập trình như Python
Câu hỏi 3: Trong lộ trình ứng dụng AI vào công việc thực tế, kỹ năng "Prompt Engineering" (Kỹ thuật đặt câu hỏi) được hiểu là:
A. Việc học thuộc lòng tất cả các mã lệnh lập trình Python để điều khiển AI
B. Việc sửa chữa các lỗi phần cứng khi máy tính chạy AI bị hỏng
C. Kỹ năng giao tiếp, cung cấp bối cảnh và chỉ dẫn chi tiết để "điều phối" AI tạo ra kết quả mong muốn
D. Việc thiết kế ra các thuật toán mạng thần kinh nhân tạo mới để thay thế ChatGPT