Tìm kiếm

Trong bài này

Generative AI và trí tuệ nhân tạo AI truyền thống [Part 3]

27/12/2023

Generative AI và AI

Generative AI (Trí tuệ nhân tạo tạo sinh) tập trung vào việc tạo nội dung mới và nguyên bản, phản hồi trò chuyện, thiết kế, dữ liệu tổng hợp hoặc thậm chí là Deepfake. AI tạo sinh đặc biệt có giá trị trong các lĩnh vực sáng tạo và giải quyết vấn đề mới, vì nó có thể tự động tạo ra nhiều loại kết quả đầu ra mới.

Generative AI, như đã nói ở trên, dựa vào các kỹ thuật mạng nơ ron như transformers, GANs và VAEs. Ngược lại, các trí tuệ nhân tạo AI khác sử dụng các kỹ thuật bao gồm mạng nơ-ron tích chập (convolutional neural networks), mạng nơ-ron hồi quy (recurrent neural networks) và học tăng cường (reinforcement learning).

Generative AI thường bắt đầu bằng với một gợi ý, cho phép người dùng hoặc nguồn dữ liệu gửi truy vấn hoặc bộ dữ liệu khởi đầu để hướng dẫn quá trình tạo nội dung. Đây có thể là một quá trình lặp đi lặp lại để khám phá các biến thể nội dung. Mặt khác, các thuật toán trí tuệ nhân tạo AI truyền thống thường tuân theo một bộ quy tắc được xác định trước để xử lý dữ liệu và tạo ra kết quả.

Cả hai cách tiếp cận đều có điểm mạnh và điểm yếu tùy thuộc vào vấn đề cần giải quyết, trong đó Generative AI rất phù hợp cho các nhiệm vụ liên quan đến NLP (Lập trình ngôn ngữ tư duy) và yêu cầu sáng tạo nội dung mới. Trong khi, các thuật toán AI truyền thống hiệu quả hơn cho các nhiệm vụ liên quan đến xử lý dựa trên quy tắc và kết quả được xác định trước.

Generative AI so với predictive AI và conversational AI

Predictive AI sử dụng các mẫu trong dữ liệu lịch sử để dự đoán kết quả, phân loại các sự kiện và hiểu biết có thể hành động. Các tổ chức sử dụng Predictive AI để nâng cao khả năng ra quyết định và phát triển các chiến lược dựa trên dữ liệu.
Conversational AI giúp các hệ thống trí tuệ nhân tạo như trợ lý ảo, chatbot và ứng dụng dịch vụ khách hàng và tương tác với con người một cách tự nhiên. Nó sử dụng các kỹ thuật từ NLP (xử lý ngôn ngữ tự nhiên) và học máy để hiểu ngôn ngữ và cung cấp phản hồi bằng văn bản hoặc giọng nói giống con người.

Lịch sử của Generative AI

Chatbot Eliza do Joseph Weizenbaum tạo ra vào những năm 1960 là một trong những ví dụ sớm nhất về AI tạo sinh. Những triển khai ban đầu này sử dụng phương pháp dựa trên quy tắc, nhưng dễ gặp sự cố do vốn từ vựng hạn chế, thiếu ngữ cảnh và phụ thuộc quá nhiều vào các mẫu, cùng với những hạn chế khác. Các Chatbot ban đầu cũng khó tùy chỉnh và mở rộng.

Lĩnh vực này lại trỗi dậy sau những tiến bộ trong neural networks (mạng lưới nơron) và deep learning (học sâu) vào năm 2010, khi cho phép công nghệ này tự động học cách phân tích văn bản, phân loại các thành phần hình ảnh và chuyển đổi âm thanh.

Ian Goodfellow đã giới thiệu GANs vào năm 2014. Kỹ thuật deep learning này cung cấp một cách tiếp cận mới để tổ chức các mạng lưới nơron cạnh tranh nhằm tạo ra và sau đó xếp hạng các biến thể nội dung. Chúng có thể tạo ra hình ảnh con người, giọng nói, âm nhạc và văn bản thực tế. Điều này truyền cảm hứng cho sự quan tâm nhưng cũng lo sợ về cách AI có thể được sử dụng để tạo ra các deepfake thực tế mạo danh giọng nói và con người trong video.

Kể từ đó, sự tiến bộ trong các kỹ thuật và kiến trúc mạng nơron khác đã giúp mở rộng khả năng tổng hợp AI. Các kỹ thuật bao gồm VAE, trí nhớ ngắn-dài hạn, transformers, mô hình diffusion và trường bức xạ thần kinh (NeRF).

Các phương pháp hay nhất để sử dụng Generative AI

Các phương pháp hay nhất để sử dụng Generative AI sẽ khác nhau tùy thuộc vào phương thức, quy trình làm việc và mục tiêu mong muốn. Điều đó nói lên rằng, điều quan trọng là phải xem xét các yếu tố thiết yếu như độ chính xác, tính minh bạch và tính dễ sử dụng khi làm việc với AI tổng hợp. Các thực hành sau đây giúp đạt được các yếu tố này:

Dán nhãn rõ ràng cho tất cả nội dung Generative AI cho người dùng và người tiêu dùng.
Kiểm tra tính chính xác của nội dung được tạo bằng cách sử dụng các nguồn chính thống nếu có.
Hãy xem xét sự thiên lệch có thể ảnh hưởng như thế nào đến kết quả AI được tạo ra.
Kiểm tra kỹ chất lượng code và nội dung do AI tạo bằng các công cụ khác.
Tìm hiểu điểm mạnh và hạn chế của từng công cụ AI tạo sinh.
Hãy tự làm quen với các dạng lỗi thường gặp trong kết quả và giải quyết các dạng này.

Tương lai của Generative AI

Sự sâu sắc và dễ dàng sử dụng của ChatGPT đã thúc đẩy việc áp dụng rộng rãi AI tạo sinh. Chắc chắn, việc áp dụng nhanh chóng các Generative AI cũng đã cho thấy một số khó khăn trong việc triển khai công nghệ này an toàn và có trách nhiệm. Nhưng những vấn đề triển khai ban đầu này đã truyền cảm hứng cho nghiên cứu về các công cụ tốt hơn để phát hiện văn bản, hình ảnh và video được tạo ra bởi trí tuệ nhân tạo.

Thật vậy, sự phổ biến của các công cụ Generative AI như ChatGPT, Midjourney, Stable Diffusion và Bard cũng đã thúc đẩy vô số các khóa đào tạo ở mọi cấp độ chuyên môn. Nhiều khóa học nhằm mục đích giúp các nhà phát triển tạo ra các ứng dụng AI.

Các khóa học khác tập trung nhiều hơn vào khách hàng muốn áp dụng công nghệ mới trên toàn doanh nghiệp của mình.

Tại một thời điểm nào đó, ngành công nghiệp và xã hội cũng sẽ xây dựng các công cụ tốt hơn để theo dõi nguồn gốc thông tin nhằm tạo ra trí tuệ nhân tạo đáng tin cậy hơn.

Generative AI sẽ tiếp tục phát triển, đạt được những tiến bộ trong dịch thuật, khám phá thuốc mới, phát hiện sự bất thường và tạo ra nội dung mới, từ văn bản và video đến thiết kế thời trang và âm nhạc.

Tác động đáng kể nhất của AI tạo sinh trong tương lai sẽ đến từ việc tích hợp trực tiếp những khả năng này vào các công cụ mà chúng ta đã sử dụng.

Ví dụ: Bộ công cụ kiểm tra ngữ pháp sẽ trở nên tốt hơn. Các công cụ thiết kế sẽ tích hợp một cách mượt mà các đề xuất hữu ích hơn vào quy trình làm việc. Các công cụ đào tạo sẽ có thể tự động xác định các phương pháp hay nhất trong một bộ phận của tổ chức để giúp đào tạo các nhân viên khác hiệu quả hơn. Đây chỉ là một phần nhỏ trong số những cách mà AI tạo sinh sẽ thay đổi những gì chúng ta làm trong tương lai gần.

Thật khó để nói trước tác động của Generative AI thế hệ mới trong tương lai. Nhưng khi chúng ta tiếp tục khai thác những công cụ này để tự động hóa và tăng cường các nhiệm vụ của con người, chúng ta chắc chắn sẽ thấy mình phải đánh giá lại bản chất và giá trị chuyên môn của con người.

Câu hỏi thường gặp về Generative AI

Dưới đây là một số câu hỏi thường gặp của mọi người về AI.

Ai đã tạo ra Generative AI?

Joseph Weizenbaum đã tạo ra AI tạo sinh thế hệ đầu tiên vào những năm 1960 như một phần của Chatbot Eliza.

Ian Goodfellow đã chứng minh mạng đối nghịch tạo sinh (GAN) để tạo ra những con người có vẻ ngoài và âm thanh thực tế vào năm 2014.

Nghiên cứu sau đó về mô hình ngôn ngữ lớn (LLM) từ Open AI và Google đã khơi dậy sự hứng thú gần đây, đã phát triển thành các công cụ như ChatGPT, Google Bard và Dall-E.

Generative AI có thể thay thế việc làm như thế nào?

Generative AI có tiềm năng thay thế nhiều công việc khác nhau, bao gồm:

Viết mô tả sản phẩm.
Tạo quảng cáo tiếp thị
Tạo nội dung website cơ bản.
Bắt đầu tiếp cận bán hàng tương tác.
Giải đáp thắc mắc của khách hàng.
Làm đồ họa cho trang web.

Một số công ty sẽ tìm kiếm cơ hội thay thế con người nếu có thể, trong khi những công ty khác sẽ sử dụng trí tuệ nhân tạo để tăng cường và nâng cao lực lượng lao động hiện có.

Cách để xây dựng một mô hình Generative AI?

Mô hình AI tạo sinh bắt đầu bằng cách mã hóa cách thể hiện về những gì bạn muốn tạo.

Ví dụ: Một mô hình Generative AI cho văn bản có thể bắt đầu bằng cách tìm cách biểu diễn các từ ngữ dưới dạng vectơ mô tả sự giống nhau giữa các từ, thường được sử dụng trong cùng một câu hoặc có nghĩa tương đương.

Những tiến bộ gần đây trong nghiên cứu LLM đã giúp ngành thực hiện quy trình tương tự để thể hiện các mẫu có trong hình ảnh, âm thanh, protein, DNA, thuốc và thiết kế 3D. Mô hình AI tạo sinh này cung cấp một cách hiệu quả để thể hiện loại nội dung mong muốn và lặp lại hiệu quả các biến thể hữu ích.

Làm thế nào để huấn luyện một mô hình AI tạo sinh?

Mô hình Generative AI cần được đào tạo cho một trường hợp sử dụng cụ thể. Tiến triển gần đây trong LLM cung cấp điểm khởi đầu lý tưởng để tùy chỉnh ứng dụng cho các trường hợp sử dụng khác nhau.

Ví dụ: mô hình GPT phổ biến do OpenAI phát triển đã được sử dụng để viết văn bản, tạo Code và tạo hình ảnh dựa trên mô tả bằng văn bản.

Quá trình huấn luyện bao gồm việc điều chỉnh các tham số của mô hình cho các trường hợp sử dụng khác nhau và sau đó tinh chỉnh kết quả trên một tập dữ liệu huấn luyện cụ thể.

Ví dụ: Một trung tâm cuộc gọi có thể đào tạo một Chatbot dựa trên các loại câu hỏi mà nhân viên dịch vụ nhận được từ nhiều nhu cầu khách hàng khác nhau và phản hồi mà nhân viên dịch vụ đưa ra. Một ứng dụng tạo hình ảnh, khác với văn bản, có thể bắt đầu bằng các nhãn mô tả nội dung và kiểu hình ảnh để huấn luyện mô hình tạo ra hình ảnh mới.

Generative AI đang thay đổi công việc sáng tạo như thế nào?

Generative AI hứa hẹn sẽ giúp những người làm công việc sáng tạo khám phá các biến thể của ý tưởng. Các nghệ sĩ có thể bắt đầu với một ý tưởng thiết kế cơ bản và sau đó khám phá các biến thể. Các nhà thiết kế công nghiệp có thể khám phá các biến thể của sản phẩm. Các kiến trúc sư có thể khám phá các cách bố trí tòa nhà khác nhau và hình dung chúng như một điểm khởi đầu để hoàn thiện.

Nó cũng có thể giúp phổ cập một số khía cạnh của công việc sáng tạo.

Ví dụ: Người dùng doanh nghiệp có thể khám phá hình ảnh tiếp thị sản phẩm bằng cách sử dụng mô tả văn bản. Họ có thể tinh chỉnh thêm những kết quả này bằng cách sử dụng các lệnh hoặc gợi ý đơn giản.

Điều gì tiếp theo cho AI tạo sinh?

Khả năng tạo văn bản giống con người của ChatGPT đã dấy lên sự tò mò về tiềm năng của trí tuệ nhân tạo tạo sinh. Đồng thời, nó cũng làm sáng tỏ nhiều vấn đề và thách thức phía trước.

Trong tương lai ngắn hạn, công việc sẽ tập trung vào việc cải thiện trải nghiệm người dùng và quy trình làm việc bằng cách sử dụng các công cụ Generative AI. Việc xây dựng niềm tin vào các kết quả AI tạo sinh cũng là điều cần thiết.

Nhiều công ty cũng sẽ tùy chỉnh AI tạo sinh trên dữ liệu của riêng họ để giúp cải thiện thương hiệu và truyền thông. Các nhóm lập trình sẽ sử dụng Generative AI để thực thi các phương pháp hay nhất dành riêng cho công ty nhằm viết và định dạng Code dễ đọc và nhất quán hơn.

Các nhà cung cấp sẽ tích hợp khả năng Generative AI vào các công cụ bổ sung của họ để hợp lý hóa quy trình tạo nội dung. Điều này sẽ thúc đẩy sự đổi mới về cách những khả năng mới này có thể tăng năng suất.

Generative AI cũng đóng một vai trò trong các khía cạnh khác nhau của xử lý dữ liệu, chuyển đổi, ghi nhãn và kiểm tra dữ liệu như một phần của quy trình phân tích tăng cường (augmented analytics). Các ứng dụng Semantic web có thể sử dụng AI tạo sinh để tự động ánh xạ các phân loại nội bộ mô tả các kỹ năng công việc với các phân loại khác nhau trên các trang web tuyển dụng và đào tạo kỹ năng. Tương tự, các nhóm kinh doanh sẽ sử dụng các mô hình này để chuyển đổi và gắn nhãn dữ liệu của bên thứ ba để có khả năng đánh giá rủi ro và phân tích cơ hội phức tạp hơn.

Trong tương lai, các mô hình Generative AI sẽ được mở rộng để hỗ trợ mô hình 3D, thiết kế sản phẩm, phát triển thuốc, bản sao kỹ thuật số, chuỗi cung ứng và quy trình kinh doanh. Điều này sẽ giúp việc tạo ra các ý tưởng sản phẩm mới, thử nghiệm các mô hình tổ chức khác nhau và khám phá các ý tưởng kinh doanh khác nhau trở nên dễ dàng hơn.

Một số mô hình tổng quát để xử lý ngôn ngữ tự nhiên là gì?

Một số mô hình tổng quát để xử lý ngôn ngữ tự nhiên bao gồm:

XLNet của Đại học Carnegie Mellon
GPT của OpenAI (Generative Pre-trained Transformer)
ALBERT của Google ("A Lite" BERT)
Google BERT
Google LaMDA

Trí tuệ nhân tạo AI có đạt được ý thức không?

Một số người ủng hộ Trí tuệ nhân tạo tin rằng Generative AI là một bước thiết yếu hướng tới AI có mục đích chung (general-purpose AI) và thậm chí cả ý thức. Một người thử nghiệm Chatbot LaMDA đầu tiên của Google thậm chí còn gây xôn xao khi công khai tuyên bố nó có cảm xúc. Sau đó anh bị đuổi khỏi công ty.

Năm 1993, nhà văn khoa học viễn tưởng và nhà khoa học máy tính người Mỹ Vernor Vinge khẳng định rằng trong 30 năm nữa, chúng ta sẽ có khả năng để tạo ra "trí tuệ siêu phàm" - một trí tuệ nhân tạo thông minh hơn con người - sau đó kỷ nguyên loài người sẽ kết thúc. Nhà tiên phong về AI Ray Kurzweil đã dự đoán một "điểm kỳ dị" như vậy vào năm 2045.

Nhiều chuyên gia AI khác cho rằng nó có thể tiến xa hơn nhiều. Nhà tiên phong về robot Rodney Brooks dự đoán rằng AI sẽ không có được khả năng tri giác như một đứa trẻ 6 tuổi trong đời nhưng có thể thông minh, chăm chú như một chú chó vào năm 2048.

Nguồn: Techtarget

CMC Cloud - Giải pháp Điện toán đám mây Toàn diện & Linh hoạt nhất. Cho phép tùy biến sử dụng và quản trị 25+ dịch vụ