Bài viết sưu tầm

Năm 2024 đã chứng kiến sự tác động mạnh mẽ của trí tuệ nhân tạo (AI) đến tất cả các lĩnh vực và ngành nghề trong cuộc sống. Sự tiên tiến vượt trội của công nghệ trong thời đại mới đã góp phần làm tinh giản rất nhiều những công việc hay những xử lí nặng nề mà trước đây con người khó có thể đảm nhận được. 

Trong tương lai, AI vẫn sẽ tiếp tục phát triển và có thêm những bước tiến mới vào sự trợ giúp cho cuộc sống của nhân loại. Để sự tiếp nhận của chúng ta bớt đi phần nào bỡ ngỡ và mới mẻ, các cá nhân, tổ chức hay doanh nghiệp cần nắm bắt được những dự báo tương lai về xu hướng phát triển của AI có thể xuất hiện trong năm 2025.

1. Neural Networks và Deep Learning

Mạng thần kinh (Neural Network) là một phương thức trong lĩnh vực AI, được sử dụng để hỗ trợ máy tính xử lí dữ liệu theo cách lấy cảm hứng từ bộ não con người. Đây là một loại quy trình học sâu (Deep Learning), sử dụng các nút hoặc nơron liên kết với nhau trong một cấu trúc phân lớp tương tự như bộ não con người. Phương thức này tạo ra một hệ thống thích ứng được máy tính sử dụng để học hỏi từ sai lầm của chúng và liên tục được cải thiện. Vì vậy, Neural Network nhân tạo hướng tới giải quyết các vấn đề phức tạp, chẳng hạn như tóm tắt tài liệu hoặc nhận diện khuôn mặt với độ chính xác cao hơn. 

Neural Network nhân tạo được mô phỏng theo bộ não con người. Nó phân tích dữ liệu phức tạp, hoàn thành các phép toán, tìm kiếm các mẫu và sử dụng thông tin thu thập được để đưa ra dự đoán và phân loại. Cũng giống như bộ não con người, Neural Network nhân tạo có một đơn vị chức năng cơ bản được gọi là nơ-ron. Những nơron này còn được gọi là các nút, truyền thông tin trong mạng. 

Deep learning và Neural Networks là hai phương pháp quan trọng trong lĩnh vực trí tuệ nhân tạo. Các nghiên cứu mới sẽ tập trung vào việc nâng cao hiệu suất và độ chính xác của các mô hình deep learning và cải thiện khả năng học tập tự động của các mạng neuron. 

ChatGPT và GPT-3 là một trong những ứng dụng của Neural Network và Deep Learning.

ChatGPT và GPT-3 đang là những chủ đề được tranh luận sôi nổi. Các phần mềm trò chuyện hỗ trợ của AI này đã được công bố là có thể đạt được cuộc trò chuyện chân thật giống con người và còn nhiều hơn thế.

Trong trường hợp người dùng chưa biết những Chatbot này vượt xa những Chatbot thông thường trong các tình huống hỗ trợ khách hàng, người sử dụng có thể yêu cầu GPT viết mã (Code), vẽ tranh hoặc suy đoán về một chủ đề nhất định, sau vài giây, Chatbot này đã sử dụng một lượng lớn thông tin để đưa ra câu trả lời phù hợp nhất.

2. Al Explainability (XAI)

Al Exploitability là một lĩnh vực mới nổi trong học máy nhằm mục đích lý giải các quyết định của hệ thống AI, được viết tắt là XAI. 

XAI kiểm tra và cố gắng hiểu các bước, cũng như mô hình liên quan đến việc đưa ra quyết định. Do đó, XAI được kỳ vọng sẽ giúp trả lời các câu hỏi như: Tại sao hệ thống AI lại đưa ra dự đoán hoặc quyết định như vậy? Tại sao AI lại không làm khác? Hệ thống AI thành công và thất bại khi nào? Khi nào bạn có thể tin tưởng vào AI và làm thế nào hệ thống AI có thể sửa chữa các lỗi phát sinh?

XAI là một tập hợp các công cụ và kỹ thuật được các tổ chức sử dụng để giúp mọi người hiểu rõ hơn tại sao một mô hình đưa ra các quyết định nào đó và cách thức hoạt động của mô hình. XAI là: 

• Tập hợp các phương pháp tốt nhất: Nó tận dụng một số quy trình và quy tắc tốt nhất mà các nhà khoa học dữ liệu đã sử dụng trong nhiều năm để giúp những người khác hiểu cách đào tạo một mô hình. Biết được cách thức và dữ liệu nào hay một mô hình đã được đào tạo nào đó giúp chúng ta hiểu khi nào thì mô hình đó hoạt động và không hợp lý khi sử dụng mô hình đó. Nó cũng soi sáng những nguồn sai lệch mà mô hình có thể đã tiếp xúc.
• Tập hợp các nguyên tắc thiết kế: Các nhà nghiên cứu ngày càng tập trung vào việc đơn giản hóa việc xây dựng các hệ thống AI để làm cho chúng vốn dĩ dễ hiểu hơn.
• Một bộ công cụ: Khi các hệ thống trở nên dễ hiểu hơn, các mô hình đào tạo có thể được hoàn thiện thêm bằng cách kết hợp những kiến ​​thức đó vào đó – và bằng cách cung cấp những kiến ​​thức đó cho những người khác để đưa vào mô hình của họ.

Vấn đề đáng chú ý trong XAI là khả năng giải thích được quyết định của hệ thống Al. Trong tương lai, sự cần thiết của việc giải thích và hiểu rõ quá trình hoạt động của Al sẽ được đặt lên hàng đầu, đặc biệt đối với các lĩnh vực như y tế và tài chính nơi tính minh bạch và giảm rủi ro là quan trọng. 

3. Tái tạo và sử dụng lại dữ liệu

AI là sự kết hợp của nhiều công nghệ khai thác dữ liệu, thuật toán và khả năng tính toán. Sự phát triển của AI dựa trên hai “xương sống” là những tiến bộ vượt bậc trong năng lực tính toán cũng như khối lượng dữ liệu ngày càng tăng. Có thể nói, AI cũng là một trong các ứng dụng quan trọng nhất trong nền kinh tế dựa trên dữ liệu. Chúng ta cũng đang ở thời điểm cho phép khẳng định rằng sự tăng trưởng kinh tế và sự phát triển của xã hội sẽ ngày càng dựa vào các giá trị do dữ liệu tạo ra. Hiện nay, phần lớn các dữ liệu đang được lưu giữ và sử dụng là các dữ liệu liên quan tới người tiêu dùng. Tuy nhiên, các chuyên gia dự đoán rằng trong tương lai gần, các dữ liệu sẽ ngày càng phong phú hơn và một phần lớn sẽ đến từ các ngành công nghiệp, các doanh nghiệp cũng như trong khu vực công.

Dữ liệu là yếu tố then chốt trong Al và việc tái tạo và sử dụng lại dữ liệu đã có sẽ trở thành xu hướng quan trọng trong năm 2024. Các công ty và tổ chức sẽ lưu trữ, phân loại và tận dụng dữ liệu để tái sử dụng và tạo ra giá trị mới thông qua các mô hình và ứng dụng Al. 

4. Al trong Giao tiếp và Tương tác

Trí tuệ nhân tạo (AI) giao tiếp là công nghệ giúp phần mềm có khả năng hiểu và phản hồi các cuộc trò chuyện bằng giọng nói hoặc văn bản của con người. Theo truyền thống, tương tác giữa người với phần mềm bị giới hạn ở thông tin đầu vào được lập trình sẵn, trong đó người dùng nhập hoặc nói các lệnh được định sẵn. AI giao tiếp vượt xa điều đó. Nó có thể nhận biết mọi loại thông tin đầu vào bằng lời nói và văn bản, bắt chước tương tác của con người, hiểu và phản hồi các truy vấn bằng nhiều ngôn ngữ khác nhau. Các tổ chức sử dụng AI giao tiếp cho nhiều trường hợp sử dụng khác nhau trong hoạt động hỗ trợ khách hàng, vì vậy phần mềm phản hồi truy vấn của khách hàng theo cách thức riêng.

Sự phát triển của Al trong việc nhận dạng giọng nói, ngôn ngữ tự nhiên và tương tác con người-máy sẽ tiếp tục mở ra khả năng mới cho Al trong lĩnh vực giao tiếp và tương tác. Công nghệ thoại tự động và chatbot sẽ trở nên thông minh hơn và có thể cung cấp trải nghiệm tương tác tốt hơn cho người dùng.

Chatbot AI giao tiếp có thể cung cấp hỗ trợ 24/7 và phản hồi người dùng ngay lập tức – một dịch vụ hiện đại đượci ưa thích và mong đợi từ tất cả các hệ thống trực tuyến. Phản hồi tức thì vừa tăng sự hài lòng của khách hàng vừa tăng tần suất tương tác với thương hiệu.

Ngoài ra, người dùng còn có thể tích hợp dữ liệu tương tác trước đây của khách hàng với AI giao tiếp để tạo trải nghiệm được cá nhân hóa cho mình. Ví dụ: AI giao tiếp có thể đưa ra các đề xuất dựa trên các giao dịch mua trước đây của khách hàng hoặc đầu vào tìm kiếm.

 5. Edge Computing và Al trên thiết bị di động

Edge AI là việc triển khai các ứng dụng AI trong các thiết bị trên toàn thế giới vật lý. Nó được gọi là “Edge AI” bởi vì tính toán AI được thực hiện gần người dùng tại rìa mạng, gần nơi đặt dữ liệu, thay vì tập trung trong cơ sở điện toán đám mây hoặc trung tâm dữ liệu riêng. Các thuật toán AI được xử lý cục bộ, trực tiếp trên thiết bị hoặc trên máy chủ gần thiết bị. Các thuật toán sử dụng dữ liệu do chính thiết bị tạo ra. Các thiết bị có thể đưa ra quyết định độc lập chỉ trong vài phần nghìn giây mà không cần phải kết nối với Internet cũng như đám mây. Edge AI gần như không có giới hạn khi nói đến các trường hợp sử dụng tiềm năng. Các giải pháp và ứng dụng Edge AI khác nhau từ đồng hồ thông minh đến dây chuyền sản xuất và từ hậu cần đến các tòa nhà và thành phố thông minh.

(Nguồn: Internet)

Vì Internet có phạm vi tiếp cận toàn cầu nên ranh giới của mạng có thể bao hàm bất kỳ vị trí nào. Đó có thể là cửa hàng bán lẻ, nhà máy, bệnh viện hoặc các thiết bị xung quanh chúng ta, như đèn giao thông, máy tự động và điện thoại.

Trong khi đó, Edge Computing hay điện toán biên là một mô hình điện toán phân tán đem sức mạnh tính toán và lưu trữ đến gần hơn với nơi phát sinh dữ liệu có nhu cầu xử lý độ trễ thấp và tiết kiệm băng thông.

Nguồn gốc của Edge Computing chính là CDN – những mạng phân phối nội dung được tạo ra cuối thập niên 90 để phân phối các nội dung web và video từ các máy chủ biên gần với người dùng nhất. Các mạng này sau đó tiến hóa để lưu trữ các ứng dụng và các thành phần ứng dụng tại các máy chủ biên, tạo ra những dịch vụ điện toán biên đầu tiên như tổng hợp dữ liệu thời gian thực.

Với sự phát triển của Edge Computing – xử lý dữ liệu ngay tại thiết bị gốc, Al cũng sẽ được triển khai trên các thiết bị di động. Việc này giúp tăng cường tính mạnh mẽ và tốc độ xử lý của Al trong các ứng dụng di động và loT, và đồng thời giảm thiểu phụ thuộc vào kết nối internet và mô hình đám mây