Trí tuệ nhân tạo (tiếng Anh: artificial intelligence, viết tắt: AI) là một ngành khoa học và công nghệ thuộc lĩnh vực khoa học máy tính chuyên nghiên cứu, thiết kế và phát triển các hệ thống máy tính có khả năng mô phỏng các quá trình nhận thức của con người như học tập, suy luận logic, hiểu ngôn ngữ tự nhiên, cảm nhận thị giác và tự thích nghi với môi trường thay đổi.
Lịch sử phát triển và các cột mốc quan trọng
Lịch sử của trí tuệ nhân tạo trải qua nhiều chu kỳ thăng trầm với các cột mốc mang tính bước ngoặt:
- Thập niên 1950 - Khởi nguyên: Năm 1950, Alan Turing đề xuất phép thử Turing (Turing Test) để định nghĩa khả năng trí tuệ của máy móc. Thuật ngữ "Artificial Intelligence" chính thức ra đời tại Hội nghị Dartmouth năm 1956 do John McCarthy, Marvin Minsky, Nathaniel Rochester và Claude Shannon tổ chức.
- Thập niên 1970 - 1980 - Các mùa đông AI và Hệ chuyên gia: Sau những kỳ vọng ban đầu quá lớn, AI rơi vào thời kỳ suy giảm tài trợ (mùa đông AI). Đến thập niên 1980, các hệ chuyên gia dựa trên luật (rule-based expert systems) như MYCIN hay DENDRAL phục hồi niềm tin thương mại.
- Thập niên 1990 - 2000 - Học máy thống kê: Năm 1997, siêu máy tính Deep Blue của IBM đánh bại nhà vô địch cờ vua thế giới Garry Kasparov. Kỷ nguyên học máy thống kê với SVM, Random Forest và mạng Bayes phát triển mạnh mẽ.
- Từ năm 2012 đến nay - Kỷ nguyên Học sâu và AI tạo sinh: Năm 2012, mạng AlexNet tạo nên cuộc cách mạng trong thị giác máy tính. Năm 2016, AlphaGo đánh bại Lee Sedol. Từ năm 2017, kiến trúc Transformer ra đời thúc đẩy sự bùng nổ của các mô hình ngôn ngữ lớn (LLMs) và AI tạo sinh đa phương thức.
Phân loại trí tuệ nhân tạo
AI được phân loại theo hai góc độ tiếp cận chính:
- Theo mức độ năng lực:
- Trí tuệ nhân tạo hẹp (Artificial Narrow Intelligence - ANI): Hệ thống chuyên sâu xử lý một tác vụ đơn lẻ với hiệu suất cao (như dịch thuật, nhận dạng khuôn mặt, xe tự lái cấp độ hạn chế). Toàn bộ AI hiện nay đều thuộc nhóm này.
- Trí tuệ nhân tạo tổng quát (Artificial General Intelligence - AGI): Hệ thống giả định có khả năng hiểu, học và áp dụng tri thức linh hoạt trên bất kỳ lĩnh vực nhận thức nào như con người.
- Siêu trí tuệ nhân tạo (Artificial Superintelligence - ASI): Trí tuệ vượt trội hơn hẳn toàn bộ trí tuệ kết hợp của nhân loại trên mọi phương diện sáng tạo và khoa học.
- Theo cơ chế hoạt động: Bao gồm AI biểu tượng (Symbolic AI dựa trên logic hình thức) và AI kết nối (Connectionist AI dựa trên mạng nơ-ron và dữ liệu thực nghiệm).
Các phân ngành trụ cột của AI hiện đại
Các lĩnh vực cốt lõi cấu thành hệ sinh thái trí tuệ nhân tạo bao gồm:
- Học máy (Machine Learning): Tập hợp các giải thuật cho phép máy tính tự học quy luật từ dữ liệu mà không cần lập trình tường minh, bao gồm học có giám sát (supervised learning), học không giám sát (unsupervised learning) và học tăng cường (reinforcement learning).
- Học sâu (Deep Learning): Nhánh học máy dựa trên các mạng nơ-ron nhân tạo sâu (nhiều lớp ẩn) như Mạng nơ-ron tích chập (CNN) cho xử lý ảnh, Mạng nơ-ron hồi quy (RNN/LSTM) và Transformer cho dữ liệu chuỗi thời gian.
- Xử lý ngôn ngữ tự nhiên (NLP): Nghiên cứu sự tương tác giữa máy tính và ngôn ngữ loài người, bao gồm dịch máy, tóm tắt văn bản, phân tích cảm xúc và mô hình sinh ngôn ngữ hội thoại.
- Thị giác máy tính (Computer Vision): Cho phép máy tính thu nhận, xử lý và phân tích thông tin thị giác từ hình ảnh số hoặc video kỹ thuật số để nhận diện vật thể, phân đoạn ngữ nghĩa và tái tạo không gian 3D.
- Robot học và hệ thống tự hành (Robotics & Autonomous Systems): Tích hợp cảm biến, bộ điều khiển và thuật toán lập kế hoạch chuyển động để robot tương tác vật lý an toàn với thế giới thực.
Đạo đức, an toàn và quản trị AI
Sự phát triển vũ bão của AI đặt ra những thách thức lớn về an toàn và xã hội: tính thiên vị của dữ liệu (bias), vấn đề hộp đen thiếu minh bạch (explainability), bản quyền dữ liệu đào tạo, quyền riêng tư cá nhân và nguy cơ chuyển dịch việc làm trên diện rộng. Việc thiết lập các khung quy chuẩn pháp lý và tiêu chuẩn AI có trách nhiệm (Responsible AI) đang trở thành ưu tiên hàng đầu của các tổ chức quốc tế.