Cứ nghe AI (dịch sang tiếng Việt là trí thuệ nhân tạo) và biết được ứng dụng của AI vào nhiều hoạt động trong cuộc sống, nhưng để hiểu được sâu hơn về nó thì không chỉ có biết cách sử dụng, cần phải biết nó hoạt động như thế nào. Các bài viết gom được dưới đây có thể làm nguồn cơ sở để đọc tham khảo.
(Chép từ nội dung bài viết Facebook Nguyen Leanh, có bỏ qua những đoạn viết cá nhân)

AI?

AI là một phần mềm, tức nó gồm các lệnh máy tính.
Lệnh máy thì gồm 3 loại. Loại thứ nhất thực hiện một thao tác nhất định nào đó khi được gọi. Loại thứ hai là lệnh sinh ra điều kiện để thực hiện một thao tác nào đó. Loại thứ ba là lặp đi lặp lại nhiều lần một tập hợp các lệnh nào đó. AI là biện pháp sử dụng dữ liệu để thay cho việc phải viết ra các lệnh điều kiện.
Như vây AI là loại trình có nhiều lệnh điều kiện nhưng được thay bằng một tập hợp dữ liệu.
Chúng ta ký hiệu D là tập các dữ liệu. Ký hiệu P là cơ chế biến dữ liệu D thành các lệnh điều kiện.
Khi ấy AI = P + D.
Vậy phần lõi của AI là P. Đặt giả sử đã có P chúng ta cần tìm D. P na ná như việc chúng ta có tế bào chưa có nhân và phải tìm cách tạo ra DNA sao cho phù hợp với chức năng của tế bào. Trong ví dụ này thì DNA là D.
Tất nhiên là thuật toán để xác định D phụ thuộc vào chức năng mà tế bào phải có. Như vậy chúng ta phải mô tả hệ thống chức năng Q của AI trước khi nó có tri thức, tức có D. Đặt giả thiết chúng ta đã có thuật toán biến chức năng Q thành D, khi đó chúng ta cần phải biết Q. Trên thực tế Q là chưa có, vậy chúng ta phải cung cấp Q cho AI. Chúng ta cũng có thể cung cấp cho AI quá trình Q1 (nhỏ hơn) Q2 (nhỏ hơn) Q3, ... Và AI sẽ tự hoàn thiện D. Quá trình này được gọi là tự học. Như thế bài toán của chúng ta là sửa sai kiến thức D như thế nào, cái gì cần phải quên đi, và cái gì thì cần phải ghi nhớ. Nếu không khéo AI sẽ quên đi những kiến thức đúng để nhớ kiến thức sai. Như vậy kiến thức phải được phân tầng kiểu như kiến thức và tri thức. Hệ thống kiến thức của AI cũng mô phỏng theo hệ thống kiến thức, tri thức, niềm tin, ...của chúng ta. Mỗi tầng có hệ thống AI của tầng đó. Tầng càng cao D của tầng càng ít thay đổi.
Lấy ví dụ như nhận dạng tiếng nói thì tầng dưới cùng là các formants. Tầng tiếp theo là các chữ cái. Tầng trên nữa là cấu trúc câu. Tầng trên nữa là nhân vật và các hành vi. Tầng trên nữa là nội dung...
Hình dung tổng thể như vậy để các bạn nắm bắt được bản chất của cấu trúc AI.

Trí tuệ nhân tạo.

Vậy các bạn, các bạn đã từng nhìn thấy cái mà thằng Tây nó ký hiệu là AI bao giờ chưa? Nó là cái gì vậy?
Sự việc không hề đơn giản các bạn ạ.
Nhà thần kinh học người Tây Ban Nha Santiago Ramón y Cajal vào năm 1899 đã có các bản vẽ các tế bào thần kinh trong tiểu não chim bồ câu. Người ta cho rằng cơ thể hoạt động theo mệnh lệnh là các tín hiệu điện xuất từ các tế bào thần kinh.
Mỗi tế bào thần kinh gồm có các tín hiệu đưa vào và tín hiệu đi ra. Dựa vào các tín hiệu đưa vào, ví dụ như (x,y,z), tế bào nơ ron dựa vào các tham số của mình (ví dụ như a,b,c) để tính ra tống S=a.x+b.y+c.z. Nếu như S>0 thì tín hiệu đầu ra là 1, nếu S≤0 thì tín hiệu đầu ra là 0. Các tín hiệu đi ra từ nơ ron này có thể là tín hiệu đi vào một nơ ron khác. Cứ như thế mà tạo thành mạng các nơ ron.
Do kết nối như vậy nên mạng nơ ron được coi là một ánh xạ, nó chuyển dòng các thông tin đầu vào thành bộ các tín hiệu 1 hay 0 ở đầu ra. Lấy ví dụ như chúng ta cho mạng nơ ron học để nhận dạng một cái ảnh để nhận dạng ra "chó, mèo, bò, gà, cá, ôtô, máy bay, tên lửa" chúng ta cần phải đánh số, ví dụ như:
chó............000
mèo...........001
bò..............010
gà...............011
cá...............100
ôtô.............101
máy bay...110
tên lửa......111

Chúng ta có thể mô phỏng quá trình nhận dạng của người, ví dụ như sau "Nếu bơi dưới nước thì là 100, nếu 2 chân thì là 011..." Đối với một chương trình, viết bằng Python chẳng hạn, thì người ta dùng câu lệnh điều kiện If.... Else.... Mạng nơ ron thì không sử dụng các lệnh If.... Else... mà thay đổi các tham số của của mình. Như trong ví dụ trên là các tham số (a,b,c). Như thế nếu quá trình nhận dạng mà không đúng thì người ta không phải thay đổi chương trình mà chỉ cần thay đổi các tham số của các nơ ron.
Do chúng ta có thể có rất nhiều tham số đầu vào và có thể có rất nhiều nơ ron cũng như có rất nhiều các liên kết giữa chúng với nhau mà chúng ta có thể có một hệ thống nhận dạng tương đương với một đống gồm nhiều tỷ tỷ tỷ các lệnh điều kiện If.... Else... Điều khác biệt giữa lập trình với mạng nơ ron là ở chỗ, nếu chúng ta lập trình If.... Else... để nhận dạng thì chúng ta cần biết được đầu ra phải thế nào theo đầu vào và phải gõ bàn phím mà nhập lệnh If.... Else...., và nếu chẳng may đầu ra không thật sự như ý muốn thì chúng ta phải lập trình lại từ đầu. Đối với mạng nơ ron thì các lệnh If.... Else... chỉ là những bộ tham số của các nơ ron, nếu chúng ta cần thay đổi điều kiện cho If.... Else..., thậm chí thêm hoặc bớt vài lệnh If.... Else... vào một chỗ nào đó thì cũng chỉ cần thay đổi giá trị tham số của các nơ ron trong mạng mà thôi. Quá trình thay đổi này được tự động hóa ở dạng tìm điểm cực tiểu sao cho sai số là ít nhất có thể. Nó cũng an ná như việc các bạn học sinh phổ thông đi tìm gần đúng điểm cực tiểu của hàm số, ví dụ như f(x)=x^2+x+1.
Như vậy mạng nơ ron là một phương án thay cho đống lệnh lập trình If.... Else... lằng nhằng, bằng một cơ chế phụ thuộc vào một số tham số. Tất cả các trình nhận dạng được viết ra từ If.... Else... đều được quy về một cơ chế duy nhất mà chỉ khác nhau các tham số. Các tham số này có thể tự thay đổi sao cho nơ ron nhận dạng được tốt nhất có thể. Do tất cả các nơ ron đều chạy song song nên chúng có thể được cấy thành bo mạch chạy thời gian thực. Nó chính là mô phỏng tư duy và ghi nhớ dữ liệu của bộ não. Tuy nhiên mạng nơ ron thì hoạt động trên phạm vi toàn cầu, truy cập vào mọi cơ sở dữ liệu, và nhận tư vấn của rất nhiều chuyên gia, cho nên nó có sức mạnh hơn từng bộ não đơn lẻ.
Học sâu là thuật toán tìm tối ưu toàn cục và cho phép mạng nơ ron chỉnh sửa trực tiếp vào một chỗ có lệnh If.... Else... mà không làm thay đổi các khu vực khác.