Lịch sử ngành trí tuệ nhân tạo – Wikipedia tiếng Việt

Bởi

Đây là bài con của Trí tuệ nhân tạo, nội dung chú trọng vào sự phát triển và lịch sử ngành trí tuệ nhân tạo.

Sự tăng trưởng của triết lý Trí tuệ tự tạo[sửa|sửa mã nguồn]

Đa số trọng tâm của các nghiên cứu trí tuệ nhân tạo ban đầu được lấy từ cách tiếp cận bằng thực nghiệm của tâm lý học, và xem trọng cái gọi là “trí tuệ ngôn ngữ” – việc hiểu biết ngôn ngữ con người (xem Thử nghiệm Turing, Turing test).

Các hướng nghiên cứu về trí thông minh nhân tạo không liên quan đến ngôn ngữ bao gồm ngành robotic và ngành thông minh tập thể (colective intelligence). Hai hướng tiếp cận này tập trung vào việc chủ động tác động lên môi trường hoặc việc đưa ra quyết định bằng đồng thuận về một vấn đề nào đó. Các hướng nghiên cứu này có nguồn gốc từ các mô hình thông minh xuất phát từ sinh học và chính trị học.

Lý thuyết trí tuệ nhân tạo còn được rút ra từ các nghiên cứu về động vật, đặc biệt là côn trùng, do có thể dễ dàng được mô phỏng con trùng bằng robot (xem thêm sự sống nhân tạo (artificial life)) cũng như các động vật với nhận thức phức tạp hơn, ví dụ như loài khỉ, chúng có thể bắt chước con người trong nhiều trường hợp nhưng lại hạn chế về sự phát triển trong việc lập kế hoạch và nhận thức. Các nhà nghiên cứu về trí tuệ nhân tạo đưa ra kết luận rằng những loài động vật, có nhận thức đơn giản hơn con người, đáng ra có thể dễ dàng mô phỏng được. Tuy nhiên, đến giờ vẫn chưa có mô hình tính toán đủ tốt mô phỏng trí thông minh của động vật.

Có những bài báo đưa ra khái niệm trí thông minh của máy (machine intelligence) như bài A Logical Calculus of the Ideas Immanent in Nervous Activity (Tính toán logic của các ý tưởng nội tại trong hoạt động thần kinh) (1943), do Warren McCulloch và Walter Pitts viết; On Computing Machinery and Intelligence (Về bộ máy tính toán và trí thông minh) (1950), được viết bởi Alan Turing; và Man-Computer Symbiosis viết bởi J.C.R. Licklider. Xem thêm phần điều khiển học (cybernetics) và Thử thách Turing.

Trước đó cũng đã có các bài báo phủ nhận khả năng tồn tại trí thông minh của máy dựa vào các lý do logic hay triết học như Minds, Machines and Gödel (1961) của John Lucas [1].

Với sự phát triển của các kỹ thuật thực hành dựa trên các nghiên cứu về trí tuệ nhân tạo, những người ủng hộ ngành trí tuệ nhân tạo đã cho rằng phe chống đối ngành này đã liên tục thay đổi lập trường của họ trong các vấn đề như máy tính chơi cờ hay nhận dạng tiếng nói, mà trước đây chúng đã từng được coi là thông minh, để phủ nhận các thành tựu của ngành trí tuệ nhân tạo. Bởi vậy, Douglas Hofstadter, trong cuốn Gödel, Escher, Bach, đã chỉ ra rằng chính sự chuyển dịch đó đã định nghĩa trí thông minh là bất cứ việc gì mà con người làm được còn máy móc thì không.

John von Neumann ( trích dẫn trong E.T. Jaynes ) đã thấy trước được điều này vào năm 1948 khi vấn đáp một lời phản hồi tại một buổi diễn thuyết cho rằng may móc không hề tâm lý : ” Bạn nhất quyết rằng có một điều gì đó mà máy móc không hề làm được. Nếu bạn nói cho tôi một cách đúng chuẩn đó là điều gì, thì tôi sẽ luôn luôn làm được một cái máy mà sẽ chỉ triển khai được điều đó ! “. Von Neumann được cho là đã có ý nói đến luận đề Church-Turing khi khẳng định chắc chắn rằng bất kể một thủ tục có hiệu lực thực thi hiện hành nào cũng hoàn toàn có thể được mô phỏng bởi một máy tính ( tổng quát ) nào đó .

Vào năm 1969 McCarthy và Hayes đã bắt đầu thảo luận về bài toán khung (frame problem) với bài luận của họ, Some Philosophical Problems from the Standpoint of Artificial Intelligence (Một số vấn đề triết học từ điểm khởi đầu của trí tuệ nhân tạo).

Nghiên cứu trí tuệ tự tạo thực nghiệm[sửa|sửa mã nguồn]

Trí tuệ tự tạo đã được khởi đầu điều tra và nghiên cứu từ thập niên 1950 bởi những nhà tiên phong như Allen Newell và Herbert Simon, người sáng lập phòng thí nghiệm trí tuệ tự tạo tiên phong ở Đại học Carnegie Mellon, và John McCarthy và Marvin Minsky, người sáng lập phòng thí nghiệm trí tuệ tự tạo tại MIT, MIT AI Lab, năm 1959. Họ đã cùng dự hội thảo chiến lược về trí tuệ tự tạo tại Đại học Dartmouth vào mùa hè năm 1956, do McCarthy, Minsky, Nathan Rochester của IBM và Claude Shannon tổ chức triển khai .

Vào thời điểm đó, nghiên cứu trí tuệ nhân tạo gồm hai trường phái chính “ngăn nắp” và “bê bối”. Trường phái trí tuệ nhân tạo “ngăn nắp” cổ điển hay biểu tượng thường sử dụng các biểu tượng và khái niệm phức tạp. Song song với nó là trường phái “bê bối” (scruffy hay connectionist). Ví dụ điển hình nhất của cách tiếp cận này là mạng thần kinh nhân tạo. Nó “tiến hóa” sự thông minh qua việc xây dựng và hoàn thiện hệ thống bằng một quá trình tự động thay cho việc thiết kế cách thi hành nhiệm vụ một cách có hệ thống. Cả hai cách tiếp cận này đều xuất hiện sớm trong lịch sử trí tuệ nhân tạo. Trong thập niên 1960 và 1970, trường phái “bê bối” suy tàn, nhưng sau này đã được khôi phục vào thập niên 1980 khi những hạn chế của trường phái “ngăn nắp” bắt đầu xuất hiện. Dù vậy, những phương pháp hiện nay dùng cả hai cách tiếp cận này đều có những hạn chế nghiêm trọng.

Nghiên cứu trí tuệ nhân tạo rất được chú trọng về kinh phí vào thập niên 1980 bởi Cơ quan các dự án nghiên cứu phòng vệ tiên tiến (Defense Advanced Research Projects Agency) của Mỹ và dự án máy tính thế hệ thứ năm ở Nhật. Các nghiên cứu được cấp kinh phí thời đó đã không thể cho ra kết quả tức thời. Do đó, bất chấp những dự tính quy mô của những nhà tiên phong, ngân sách chính phủ dành cho nghiên cứu đã bị cắt giảm mạnh vào cuối thập niên 1980, dẫn đến sự ngưng trệ trong nghiên cứu và tạo ra “mùa đông của trí tuệ nhân tạo”. Trong thập niên tiếp theo, nhiều nhà nghiên cứu trí tuệ nhân tạo đã chuyển sang nghiên cứu những lĩnh vực tương tự như học máy, robot học (robotics) và computer vision, nghiên cứu về trí tuệ nhân tạo thuần túy chỉ còn ở mức độ thấp.

AI tân tiến[sửa|sửa mã nguồn]

Việc điều tra và nghiên cứu TTNT tân tiến chú trọng vào những trách nhiệm thiên về kỹ thuật trong thực tiễn ( Những người ủng hộ khunh hướng Trí tuệ tự tạo mạnh có lẽ rằng sẽ gọi nó là ” Trí tuệ tự tạo yếu “. )

Có một vài lĩnh vực của AI, một trong số đó là ngôn ngữ tự nhiên. Rất nhiều lĩnh vực thuộc “Trí tuệ nhân tạo yếu” có phần mềm hoặc những ngôn ngữ lập trình chuyên dụng được tạo riêng cho chúng. Ví dụ, một trong những chatterbot (ngôn ngữ tự nhiên gần ngôn ngữ con người nhất) là A.L.I.C.E., nó sử dụng một ngôn ngữ lập trình với tên gọi AIML để đặc tả các chương trình, và có một bản khác với tên gọi Alicebot. Tuy nhiên, A.L.I.C.E thực tế là vẫn dựa trên kỹ thuật đối sánh mẫu và chưa có bất cứ sự suy luận nào. Kỹ thuật này tương tự như kỹ thuật Eliza, một chatterbot đầu tiên, được sử dụng vào cuối năm 1966. Jabberwacky có một chút gần gũi với “Trí tuệ nhân tạo mạnh”, khi nó học cách làm thế nào để cải thiện dần từ cơ bản lên mà chỉ dựa trên tương tác của người dùng. Mặc dù thế, kết quả có được thực tế là vẫn rất hạn chế, và có thể hợp lý mà nói rằng thực sự không có một trí tuệ nhân tạo nào mà có thể dùng cho đa mục đích được.

Khi được xem xét với một độ không tin vừa phải, TTNT hoàn toàn có thể xem là ” một tập những bài toán trong khoa học máy tính mà không có giải thuật tốt vào thời gian này “. Khi mà một ngành con của TTNT ứng dụng tốt cho một việc làm nào đó, nó sẽ thoát ra khỏi TTNT và có tên riêng. Một vài ví dụ là nhận dạng mẫu, giải quyết và xử lý ảnh, mạng neuron, giải quyết và xử lý ngôn từ tự nhiên, robot học và kim chỉ nan game show. Trong khi cội rễ của những ngành này đều được thiết lập vững chãi từ TTNT, chúng giờ đây lại được xem là một cái gì đó tách biệt .Trong khi những nỗ lực để hướng tới một tiềm năng ở đầu cuối là có trí mưu trí như con người càng trở nên chững lại, thì nhiều ngành con mới sinh ra lại tăng trưởng. Một vài ví dụ điển hình bao gồm những ngôn từ lập trình LISP và Prolog, được sinh ra Giao hàng cho việc điều tra và nghiên cứu TTNT nhưng giờ đây lại dành cho những việc làm không thuộc TTNT. Nền văn hóa truyền thống của hacker khởi đầu cũng xuất phát từ những phòng thí nghiệm TTNT, đặc biệt quan trọng ở MIT AI Lab, ngôi nhà của nhiều ngôi sao 5 cánh sáng như McCarthy, Minsky, Seymour Papert ( người đã tăng trưởng Logo ở đó ), Terry Winograd ( người đã từ bỏ TTNT sau khi tăng trưởng SHRDLU ) .Nhiều mạng lưới hệ thống hữu dụng khác cũng đã được kiến thiết xây dựng dùng những kĩ thuật mà tối thiểu một lần từng được dùng cho nghiên cứu và điều tra TTNT. Một vài ví dụ gồm có :
Viễn cảnh của TTNT thay thế sửa chữa sự tác động ảnh hưởng của con người đã có nhu yếu từ rất lâu trước đây, và thời nay trong 1 số ít nghành chuyên biệt nơi mà những ” hệ chuyên viên ” được sử dụng hằng ngày để làm tăng thêm hay thay thế sửa chữa những quyết định hành động của con người trong một số ít nghành nghề dịch vụ kĩ thuật và y khoa. Một ví dụ về hệ chuyên viên là Clippy, cái kẹp giấy trong Microsoft Office. Nó nỗ lực Dự kiến những lời khuyên mà người dùng mong ước .

Trí tuệ tự tạo quốc tế nhỏ[sửa|sửa mã nguồn]

Thế giới thực đầy rẫy những chi tiết cụ thể khó hiểu và làm mất tập trung chuyên sâu : thường thì, khoa học tăng trưởng bằng cách tập trung chuyên sâu vào những mô hình nhân tạo đơn thuần về trong thực tiễn ( ví dụ, trong vật lý, những mặt phẳng không có ma sát và những vật thể trọn vẹn cố định và thắt chặt ). Năm 1970, Marvin Minsky và Seymour Papert, phòng thí nghiệm trí tuệ tự tạo tại MIT, đề xuất rằng điều tra và nghiên cứu trí tuệ tự tạo cần tập trung chuyên sâu vào việc tăng trưởng những chương trình có năng lực biểu lộ những hành vi mưu trí trong những trường hợp tự tạo đơn thuần được gọi là những quốc tế nhỏ. Nhiều nghiên cứu và điều tra đã tập trung chuyên sâu vào cái gọi là quốc tế khối, gồm có những khối có sắc tố và những hình dạng size khác nhau đặt trên một mặt phẳng. Micro-World AI

Ngôn ngữ, Phong cách lập trình và Văn hoá ứng dụng[sửa|sửa mã nguồn]

Nghiên cứu trí tuệ tự tạo cổ xưa thường được triển khai bằng những ngôn từ Lisp hoặc Prolog. Tính toán Bayes thường sử dụng Matlab hoặc ngôn từ lập trình Lush ( một biến thể của Lisp ). Các ngôn từ này kèm theo nhiều thư viện Xác Suất chuyên được dùng. Các mạng lưới hệ thống thực, đặc biệt quan trọng những mạng lưới hệ thống thời hạn thực, thường sử dụng C + + .

Các lập trình viên trí tuệ nhân tạo thường là các nhà nghiên cứu và thường chú trọng vào việc phát triển nhanh (rapid development) và tạo nguyên mẫu (prototyping) hơn là các nguyên tắc kỹ nghệ phần mềm. Do đó, các ngôn ngữ thông dịch được sử dụng để có thể cho phép nhanh chóng thực hiện thực nghiệm và test dòng lệnh. Trong lịch sử, văn hóa trí tuệ nhân tạo gắn bó chặt chẽ với văn hóa Unix và văn hóa hacker, do chúng cùng chia sẻ nơi chôn rau cắt rốn tại MIT.

Chương trình trí tuệ tự tạo cơ bản nhất là một lệnh Nếu-Thì đơn, ví dụ điển hình ” Nếu A, thì B “. Nếu bạn gõ một chữ ‘ A ‘, máy tính sẽ in cho bạn một chữ ‘ B ‘. Về cơ bản, bạn đang dạy máy tính làm một trách nhiệm. Bạn cho tài liệu vào là một thứ, máy tính sẽ đáp lại bằng một cái gì đó bạn bảo nó làm hoặc nói. Mọi chương trình đều có những điều kiện kèm theo Nếu-Thì. Một ví dụ phức tạp hơn là : nếu bạn gõ từ ” Xin chào “, máy tính đáp lại ” Bạn có khỏe không ? ” Phản ứng này không phải ý nghĩ của máy tính mà chẳng qua chỉ là một dòng lệnh bạn đã viết từ trước trong chương trình. Mỗi khi bạn gõ ” Xin chào “, máy tính sẽ luôn luôn vấn đáp ” Bạn có khỏe không ? “. Nhìn qua thì có vẻ như máy tính đang sống và tâm lý, nhưng thực ra đó chỉ là một phản hồi tự động hóa. Trí tuệ tự tạo thường là một chuỗi dài những lệnh Nếu-Thì .Có thể dùng thêm một chút ít ngẫu nhiên để tạo hai hoặc nhiều hướng vấn đáp. Ví dụ, nếu bạn gõ từ ” Xin chào “, máy tính hoàn toàn có thể đáp ” Bạn có khỏe không ? ” hoặc ” Hôm nay trời đẹp nhỉ ? ” hay ” Công việc của bạn dạo này tốt chứ ? “. Bây giờ hoàn toàn có thể có ba phản ứng ( hay ba kiểu ‘ thì ‘ ) thay vì chỉ có một. Một chương trình trí tuệ tự tạo hoàn toàn có thể có 1000 cách vấn đáp cùng một tài liệu vào. Điều đó làm cho nó đỡ đoán trước được và gần với kiểu vấn đáp của một người thông thường hơn, vì một người thông thường sẽ vấn đáp một cách không đoán trước được .

Nhiều trò chơi, chẳng hạn cờ và các trò chơi chiến lược, sử dụng các phản ứng bằng hành động, do đó, người có thể chơi với máy tính. Các robot với các bộ não trí tuệ nhân tạo cũng sẽ sử dụng các lệnh Nếu-Thì và các lựa chọn ngẫu nhiên để đưa ra các quyết định và nói. Tuy nhiên, dữ liệu vào có thể là các đối tượng trước mặt robot thay vì một dòng chữ “Xin chào”, và phản ứng có thể là nhặt đối tượng lên thay vì in một dòng chữ ra màn hình.

AI trong thương mại[sửa|sửa mã nguồn]

Theo Haag, Cummings ( 2004 ) có bốn kỹ thuật TTNT đã được sử dụng trong kinh doanh thương mại :

  • Hệ chuyên gia áp dụng khả năng suy luận để đạt tới một kết luận. Một hệ chuyên gia có thể xử lý một lượng lớn thông tin đã biết và cung cấp các kết luận dựa trên các thông tin đó.
  • Mạng nơ-ron là TTNT có khả năng tìm kiếm và phân biệt các mẫu. Các Phòng Cảnh sát sử dụng mạng nơ-ron để nhận dạng tham nhũng.
  • Các Giải thuật di truyền được thiết kế để áp dụng quá trình đấu tranh sinh tồn để tạo các lời giải ngày càng tốt hơn cho bài toán. Các chuyên gia đầu tư sử dụng Giải thuật di truyền để tạo tổ hợp tốt nhất của các cơ hội đầu tư cho các khách hàng của họ.
  • Một Agent thông minh là phần mềm hỗ trợ ta hoặc thay mặt ta thực hiện các công việc có liên quan tới máy tính. Ví dụ, chúng được sử dụng dưới dạng các chương trình khai phá dữ liệu và các agent kiểm soát và theo dõi.

Lập trình Logic đã từng được coi là một ngành của TTNT, nhưng hiện giờ thì không .

Liên kết ngoài[sửa|sửa mã nguồn]

Các bài viết liên quan

Viết một bình luận