đồ án môn tin học đại cương trí tuệ nhân tạo sự hình thành và phát triển

Kể từ ít nhất là năm 2015 — khi KlausSchwab phổ biến thuật ngữ "Cách mạng công nghiệp lần thứ tư" tại Diễn đàn kinhtế thế giới năm đó — các thuật ngữ như 4IR, Trí tuệ nhân tạo AI, Intern

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NÔNG LÂM TP HCM

TRUNG TÂM TIN HỌC

ĐỒ ÁN MÔN TIN HỌC ĐẠI CƯƠNGTRÍ TUỆ NHÂN TẠO - SỰ HÌNH THÀNH VÀ PHÁT TRIỂN

Sinh viên thực hiện: MAI VŨ THÀNH HIỂN

MSSV: 23130099

Khóa: 2023

Ngành/Chuyên ngành: CÔNG NGHỆ THÔNG TIN

Tp HCM, tháng 10 năm 2023

LỜI NÓI ĐẦU

Trong những năm gần đây, trí tuệ nhân tạo đã phát triển rất mạnh mẽ, là mộtchủ đề nghiên cứu được bàn tán sôi nổi Kể từ ít nhất là năm 2015 — khi KlausSchwab phổ biến thuật ngữ "Cách mạng công nghiệp lần thứ tư" tại Diễn đàn kinh

tế thế giới năm đó — các thuật ngữ như 4IR, Trí tuệ nhân tạo (AI), Internet vạn vật,Tương lai của việc làm, đã đi vào từ vựng của các chính trị gia, quan chức, chuyêngia tư vấn, cũng như các nhà phân tích chính sách

Nhưng cho đến năm 2022, với sự ra mắt của ChatGPT vào cuối năm ngoái, nhữngthay đổi sắp xảy ra trong bản chất của công việc, sự sáng tạo và nền kinh tế nóichung đã chuyển từ chủ đề của thuật ngữ tương lai thành một thách thức trước mắt.Những biến đổi mà công nghệ mới chắc chắn mang lại phải được đáp ứng bằngnhững điều chỉnh nhanh chóng trong cấu trúc chính sách, và luật pháp quốc gia vàquốc tế rộng lớn hơn

Cuối năm 2022, OpenAI đã phát hành ChatGPT, một công cụ AI mới có thể kểchuyện và viết mã Nó có khả năng đảm nhận một số vai trò mà con người thườngnắm giữ, chẳng hạn như viết quảng cáo, trả lời các câu hỏi về dịch vụ khách hàng,viết báo cáo tin tức và tạo các tài liệu pháp lý

Khi AI tiếp tục được cải thiện, ngày càng nhiều công việc hiện tại sẽ bị đe dọa bởi

tự động hóa Có rất nhiều công việc có thể hưởng lợi từ loại trí tuệ nhân tạo này,chẳng hạn như dịch vụ khách hàng, tất cả các loại lập trình, bộ phận quảng cáo vàcông việc thư ký, công việc yêu cầu giao tiếp với khách hàng,…

Hình 1: S bùng n c a công ngh AI ự ổ ủ ệ

LỜI CẢM ƠN

Em xin chân thành cảm ơn nhà trường và Trung tâm tin học đã tạo điều kiện cho

em có cơ hội làm đồ án để tích luỹ thêm kinh nghiệm Em cũng xin cám ơn thầy

Võ Tấn Linh đã hướng dẫn cho em trong quá trình làm đồ án Trong quá trình làm

đồ án nếu còn sai sót em mong thầy cô sẽ thông cảm

Em xin chân thành cảm ơn!

NHẬN XÉT

………

………

………

………

………

Ngày 19 tháng 11 năm 2023 (Ký tên)

MỤC LỤC

L I NÓI ĐẦẦU Ờ ii

L I C M N Ờ Ả Ơ iii

NH N XÉT Ậ iv

M C L C Ụ Ụ v

CH NG 1: NH NG ĐIỀẦU C B N CẦẦN BIỀẾT VỀẦ TRÍ TU NHẦN T O ƯƠ Ữ Ơ Ả Ệ Ạ 1

1.1: T NG QUÁT VỀẦ TRÍ TU NHẦN T O: Ổ Ệ Ạ 1

1.1.1: KHÁI NI M VỀẦ TRÍ TU NHẦN T O: Ệ Ệ Ạ 1

1.1.2: CÁCH TH C HO T Đ NG C B N C A TRÍ TU NHẦN T O: Ứ Ạ Ộ Ơ Ả Ủ Ệ Ạ 2

1.2: NH NG KĨ THU T PH BIỀẾN TRONG PHÁT TRI N A.I Ữ Ậ Ổ Ể 3

1.1.1: Heuristics 3

1.1.2: Support Vector Machines 3

1.1.3: Artificial Neural Networks 4

1.1.4: Markov Decision Process (MPD) 4

1.1.5: Natural Language Processing 4

CH ƯƠ NG 2: T NG QUAN VỀẦ S HÌNH THÀNH, L CH S VÀ S PHÁT TRI N C A AI Ổ Ự Ị Ử Ự Ể Ủ 5

2.1: S HÌNH THÀNH C A AI: Ự Ủ 5

2.2: NH NG C T MỐẾC QUAN TR NG TRONG S HÌNH THÀNH VÀ PHÁT TRI N C A AI: Ữ Ộ Ọ Ự Ể Ủ 6

CH ƯƠ NG 3: HI U QU C A TRÍ TU NHẦN T O TRONG CÁC LĨNH V C NGÀY NAY, CŨNG NH Ệ Ả Ủ Ệ Ạ Ự Ư TÁC H I VÀ T Ạ ƯƠ NG LAI C A TRÍ TU NHẦN T O Ủ Ệ Ạ 14

3.1:M T VÀI LĨNH V C LĨNH V C ĐANG Đ Ộ Ự Ự ƯỢ Ử Ụ C S D NG TRÍ TU NHẦN T O NGÀY NAY: Ệ Ạ 15 3.1.1: Lĩnh vực sản sinh ngôn ngữ tự nhiên (Nature Language Generation, NLG) 15

3.1.2: Lĩnh vực sức khỏe: 15

3.1.3: Ngành giáo dục 16

3.1.4: Nh n di n gi ng nói: ậ ệ ọ 17

3.1.5: Ngành giao thông v n t i: ậ ả 17

3.2: Nh ng tác h i mà trí tu nhân t o đã mang đếến: ữ ạ ệ ạ 18

3.3 Bàn vếề t ươ ng lai c a Trí tu nhân t o… ủ ệ ạ 19

TÀI LI U THAM KH O Ệ Ả 21

DANH MỤC CÁC BẢNG BIỂU, HÌNH

Hình 1: S bùng n c a công ngh AI ự ổ ủ ệ ii

Hình 2: Trí tu nhân t o ệ ạ 1

Hình 3: Heuristics 3

Hình 4:Support Vector Machines 4

Hình 5:Artificial Neural Networks 4

Hình 6: Natural Language Processing 5

Hình 7: Donald O.Hebb 7

Hình 8: Logic Theorist 8

Hình 9: T ng quát vếề ngôn ng PROLOG ổ ữ 9

Hình 10: Ván c gi a nhà vô đ ch Gary Kasparov và A.I Deep Blue ờ ữ ị 12

Hình 11: Google Brain Deep Learning Project 13

Hình 12: AlphaGo A.I 13

Hình 13: ChatGPT 14

Hình 14:Lĩnh v c s n sinh ngôn ng t nhiến (Nature Language Generation, NLG) ự ả ữ ự 15

Hình 15: Lĩnh v c s c kh e ự ứ ỏ 16

Hình 16: Ngành giáo d c ụ 17

Hình 17: Nh n di n gi ng nói ậ ệ ọ 17

Hình 18: Ngành giao thông vân t i ả 18

Hình 19: T ươ ng lai c a trí tu nhân t o seẽ râết sáng l ng ủ ệ ạ ạ 20

CHƯƠNG 1: NHỮNG ĐIỀU CƠ BẢN CẦN BIẾT VỀ TRÍ TUỆ NHÂN

TẠO 1.1: TỔNG QUÁT VỀ TRÍ TUỆ NHÂN TẠO:

1.1.1: KHÁI NIỆM VỀ TRÍ TUỆ NHÂN TẠO:

Trí tuệ nhân tạo (Artificial Intelligence – AI) là một bộ phận của ngành khoa họcmáy tính liên quan đến việc tự động hóa các hành vi của máy móc Thông thường,cụm từ “trí tuệ nhân tạo” được sử dụng để mô tả các máy móc có khả năng bắtchước nhận thức của con người như học tập hoặc giải quyết vấn đề AI sẽ sử dụng

và phân tích các dữ liệu đó nhằm đưa ra sự dự đoán rồi đi đến những quyết địnhphát triển phần mềm, ứng dụng vào các mục đích khác nhau trong cuộc sống.Công nghệ AI có khả năng tự nhận thức và hành xử như con người, không chỉ vậy,trí tuệ nhân tạo còn có thể bộc lộ cảm xúc cũng như hiểu được cảm xúc của conngười Đây được coi như là bước tiến quan trọng nhất trong ngành Trí tuệ nhân tạo.Nói nôm na cho dễ hiểu: đó là trí tuệ của máy móc được tạo ra bởi con người.Trí tuệ này có thể tư duy, suy nghĩ, học hỏi,… như trí tuệ con người

Xử lý dữ liệu ở mức rộng lớn hơn, quy mô hơn, hệ thống, khoa học và nhanh hơn

so với con người

Hình 2: Trí tu nhân t o ệ ạ

Rất nhiều hãng công nghệ nổi tiếng có tham vọng tạo ra được những AI (trí tuệnhân tạo) vì giá trị của chúng là vô cùng lớn, giải quyết được rất nhiều vấn đề củacon người mà loài người đang chưa giải quyết được.

Chúng ta có thể tạo ra A.I từ hầu hết các ngôn ngữ dung để lập trình, từ C,C++,Java,… Nhưng phù hợp nhất phải kể đến Python, là một ngôn ngữ lập trình đa năngcấp cao với cú pháp đơn giản, được sử dụng rộng rãi Python có khả năng xử lý cácquy trình phức tạp cho tất cả các loại tác vụ và nền tảng khác nhau nên rất thíchhợp để phát triển AI

1.1.2: CÁCH THỨC HOẠT ĐỘNG CƠ BẢN CỦA TRÍ TUỆ NHÂN TẠO:Trước hết, AI có thể thực hiện các nhiệm vụ của mình và tiếp nhận các kỹ năng mớinhờ học máy sâu (deep machine learning) Có thể định nghĩa học máy sâu bằng giảithích sau đây: Khác với các phương pháp truyền thống, thì khi tất cả các thông tincần thiết đã được tải vào hệ thống, hệ thống sẽ phát triển độc lập bằng việc học cácthông tin có sẵn nhờ các thuật toán học máy Trong một số trờng hợp, hệ thốngcũng có thể tìm kiếm thông tin một cách độc lập

Ví dụ, để tạo một chương trình phát hiện gian lận, thuật toán học máy hoạt độngphân loại danh sách các giao dịch ngân hàng và kết quả cuối cùng sẽ chỉ ra các giaodịch đó là hợp pháp hoặc bất hợp pháp Mô hình học máy nghiên cứu các ví dụ vàphát triển mối quan hệ thống kê giữa các giao dịch hợp pháp và gian lận Sau đó,khi thuật toán học máy được cung cấp dữ liệu mới về giao dịch ngân hàng, nó sẽphân loại giao dịch dựa trên tiêu chí mà nó đã suy ra nhờ các ví dụ trước

Về nguyên tắc, càng được cung cấp nhiều dữ liệu thì thuật toán học máy càng thựchiện được chính xác công việc của nó Học máy đặc biệt hữu ích trong việc giảiquyết các bài toán mà trong đó các quy tắc không được xác định trước và không thểđược biểu diễn trong hệ thống nhị phân Đối với các hoạt động ngân hàng, có thể

có một hệ thống tính toán nhị phân với đầu ra là: 0 - hoạt động hợp pháp và 1 - bấthợp pháp Nhưng để đi đến kết luận này, hệ thống cần phân tích rất nhiều thông số

mà nếu chỉ nhập bằng tay thì sẽ mất không dưới một năm Dù sao, việc dự đoán tất

cả các trường hợp cũng không thể thực hiện được Và một hệ thống hoạt động trên

cơ sở học máy sâu sẽ có thể tìm ra được một quy luật nào đó, ngay cả khi chưa gặptrường hợp như vậy trước đây

1.2: NHỮNG KĨ THUẬT PHỔ BIẾN TRONG PHÁT TRIỂN A.I

1.1.1: Heuristics

Là một kỹ thuật có khả năng giải quyết các vấn đề nhanh hơn các phương pháp cổđiển hoặc tìm ra các giải pháp mà các phương pháp cổ điển không làm được.Heuristics được ứng dụng vào AI để giúp giải quyết các vấn đề khó khăn

Hình 3: Heuristics

1.1.2: Support Vector Machines

Là m t thu t toán có kh n ng giám sát, ộ ậ ả ă đượ ử ục s d ng cho các thách th c h iứ ôquy ho c các bài toán phân lo i K thu t này ặ ạ y ậ đượ ử ục s d ng r ng rãi cho các hộ ệthô ng nh n d ng khuôn m t, nh n d ng v n b n và hình nh cho AI.ậ ạ ặ ậ ạ ă ả ả

1.1.3: Artificial Neural Networks.

Là k thu t mô ph ng các m ng n -ron nhân t o ty ậ ỏ ạ ơ ạ ương t não ngự ười Các m ngạnày giúp xác nh các m u t d li u và sau ó h c h i t chúng K thu t nàyđị â ừ ữ ệ đ ọ ỏ ừ y ậđượ ử ục s d ng trong Machine Learning, Deep Learning và nhận dạng mâu

Hình 5:Artificial Neural Networks.

1.1.4: Markov Decision Process (MPD)

Là m t khuôn khộ ổ để ậ l p mô hình ra quy t nh M c tiêu c b n c a MDP làế đị ụ ơ ả ủ

đế xu t cách gi i quy t nh m h tr cho ngâ ả ế ă ô ợ ười ra quy t ế định thông qua việc chỉ

ra hành động c th nên ụ ể được th c hi n tr ng thái nào.ự ệ ở ạ

1.1.5: Natural Language Processing

Là m t k thu t ộ y ậ đượ ử ục s d ng b i máy tính ở để ể hi u, di n gi i và v n d ngế ả ậ ụngôn ng c a con ngữ ủ ười K thu t này r t h u ích cho vi c nh n d ng gi ng nóiy ậ â ữ ệ ậ ạ ọ

và t ng h p gi ng nói c a AI.ổ ợ ọ ủ

Hình 6: Natural Language Processing.

CHƯƠNG 2: TỔNG QUAN VỀ SỰ HÌNH THÀNH, LỊCH SỬ VÀ SỰ

PHÁT TRIỂN CỦA AI 2.1: SỰ HÌNH THÀNH CỦA AI:

Chưa đầy một thập kỷ sau khi phá vỡ cỗ máy mã hóa Enigma của Đức Quốc xã vàgiúp lực lượng Đồng minh giành chiến thắng trong Thế chiến II,nhà toán học AlanTurning đã thay đổi lịch sử lần thứ 2 với một câu hỏi đơn giản: “Máy móc có thểsuy nghĩ không”

Về cơ bản,AI là nhánh của khoa học máy tính nhằm mục đích trả lời câu hỏi củaTurning trong câu khẳng định Đó là nỗ lực tái tạo hoặc mô phỏng trí thông minhcủa con người trong máy móc

Mục tiêu mở rộng của trí tuệ nhân tạo đã làm nảy sinh nhiều câu hỏi và tranh luận.Nhiều đến mức không có định nghĩa duy nhất được chấp nhận rộng rãi

Bằng sáng chế đầu tiên cho việc phát minh ra điện thoại xảy ra vào năm

1876, và sau đó, khái niệm AI đã được xuất hiện

Nói đúng ra, lĩnh vực nghiên cứu AI được bắt nguồn từ một hội thảo được

tổ chức trong khuôn viên trường Đại học Dartmouth vào mùa hè năm 1956.Vào thời điểm đó, người ta dự đoán rằng một cỗ máy thông minh như conngười sẽ có thể tồn tại và họ đã được cấp hàng triệu đô la để biến ý tưởngnày thành hiện thực

Việc đầu tư vào AI đã tăng nhanh chóng trong những thập kỷ đầu tiên củathế kỷ 21 Từ thời điểm đó, học máy (Machine Learning) đã được ứng dụngthành công vào nhiều vấn đề liên quan đến học thuật và công nghiệp, nhờvào sự bùng nổ và phát triển mạnh mẽ của máy tính

2.2: NHỮNG CỘT MỐC QUAN TRỌNG TRONG SỰ HÌNH THÀNH VÀ PHÁT TRIỂN CỦA AI:

Sau đây là cái nhìn nhanh về một số sự kiện quan trọng nhất trong AI

1943 :

Warren McCullough và Walter Pitts xuất bản “Phép tính logic về ý tưởng nội tạitrong hoạt động thần kinh” Bài báo đã đề xuất mô hình toán học đầu tiên để xâydựng mang nơ-ron

1949:

Trong cuốn sách Tổ chức hành vi: Lý thuyết tâm lý thần kinh của mình, Donald

Hebb đề xuất lý thuyết rằng các đường dẫn thần kinh được tạo ra từ trải nghiệm vàcác kết nối giữa các tế bào thần kinh trở nên mạnh mẽ hơn khi chúng được sử dụngthường xuyên hơn

- Alan Turning xuất bản cuốn “Máy tính và trí thông minh,đề xuất cái mà ngày nay

được gọi là Phép thử Turning,một phương pháp để xác định xem máy móc có thôngminh hay không

- Các sinh viên đại học Harvard Marvin Minsky và Dean Edmonds đã xây dựngSNARC,máy tính mạng nơ-ron đầu tiên

- Claude Shannon xuất bản bài báo “Lập trình máy tính để chơi cờ vua”

- Issac Asimov xuất bản cuốn “Bà định luật của người máy”

- Cụm từ trí tuệ nhân tạo được đặt ra tại "Dự án nghiên cứu mùa hè Dartmouth vềtrí tuệ nhân tạo." Được dẫn dắt bởi John McCarthy, hội nghị xác định phạm vi vàmục tiêu của AI, được nhiều người coi là sự ra đời của trí tuệ nhân tạo như chúng tabiết ngày nay

- Allen Newell và Herbert Simon chứng minh Logic Theorist (LT), chương trình lýluận đầu tiên

Hình 8: Logic Theorist

1958:

John McCarthy phát triển ngôn ngữ lập trình AI Lisp và xuất bản bài báo "Chươngtrình với Nhận thức chung" Bài báo đã đề xuất giả thuyết Tư vấn Taker, một hệthống AI hoàn chỉnh với khả năng học hỏi kinh nghiệm hiệu quả như con người

1959:

- Allen Newell, Herbert Simon và JC Shaw phát triển Máy giải quyết vấn đề chung(GPS), một chương trình được thiết kế để bắt chước cách giải quyết vấn đề của conngười

- Herbert Gelernter phát triển chương trình Geometry Theorem Prover

- Arthur Samuel sử dụng thuật ngữ máy học khi còn làm việc tại IBM

- John McCarthy và Marvin Minsky thành lập Dự án trí tuệ nhân tạo MIT.

1963 :

John McCarthy bắt đầu Phòng thí nghiệm AI tại Stanford

Năm 1966 :

Báo cáo của Ủy ban Cố vấn Xử lý Ngôn ngữ Tự động (ALPAC) của chính phủ Hoa

Kỳ nêu chi tiết về sự thiếu tiến bộ trong nghiên cứu bản dịch bằng máy, một sángkiến lớn trong Chiến tranh Lạnh với hứa hẹn dịch tiếng Nga tự động và tứcthời Báo cáo ALPAC dẫn đến việc hủy bỏ tất cả các dự án MT do chính phủ tàitrợ

1969 :

Các hệ thống chuyên gia thành công đầu tiên được phát triển trong DENDRAL,một chương trình XX và MYCIN, được thiết kế để chẩn đoán nhiễm trùng máu,được tạo ra tại Stanford

Năm 1972 :

Ngôn ngữ lập trình logic PROLOG được tạo ra

Hình 9: T ng quát vềề ngôn ng PROLOG ổ ữ

Năm 1973:

"Báo cáo Lighthill," mô tả chi tiết những thất vọng trong nghiên cứu AI, đượcchính phủ Anh công bố và dẫn đến việc cắt giảm nghiêm trọng nguồn tài trợ chocác dự án trí tuệ nhân tạo

1974-1980:

Sự thất vọng với tiến độ phát triển AI dẫn đến sự cắt giảm lớn của DARPA trongcác khoản tài trợ học tập Kết hợp với báo cáo ALPAC trước đó và "Báo cáoLighthill" của năm trước, nguồn tài trợ trí tuệ nhân tạo cạn kiệt và các gian hàngnghiên cứu Giai đoạn này được gọi là "Mùa đông AI đầu tiên."

1980:

Các tập đoàn thiết bị kỹ thuật số phát triển R1 (còn được gọi là XCON), hệ thốngchuyên gia thương mại thành công đầu tiên Được thiết kế để định cấu hình các đơnđặt hàng cho các hệ thống máy tính mới, R1 khởi động một đợt bùng nổ đầu tư vàocác hệ thống chuyên gia sẽ kéo dài trong phần lớn thập kỷ, kết thúc hiệu quả "Mùađông AI" đầu tiên

1982:

Bộ Thương mại Quốc tế và Công nghiệp Nhật Bản khởi động dự án Hệ thống Máytính Thế hệ Thứ năm đầy tham vọng Mục tiêu của FGCS là phát triển hiệu suấtgiống như siêu máy tính và là nền tảng để phát triển AI

1983:

Để đáp lại FGCS của Nhật Bản, chính phủ Hoa Kỳ khởi động Sáng kiến Điện toánChiến lược nhằm cung cấp các nghiên cứu do DARPA tài trợ trong lĩnh vực máytính tiên tiến và trí tuệ nhân tạo

1985:

Các công ty đang chi hơn một tỷ đô la mỗi năm cho các hệ thống chuyên gia vàtoàn bộ ngành công nghiệp được gọi là thị trường máy Lisp đang phát triển để hỗ

trợ họ Các công ty như Symbolics và Lisp Machines Inc xây dựng các máy tínhchuyên dụng để chạy trên ngôn ngữ lập trình AI Lisp

1987-1993:

- Khi công nghệ máy tính được cải thiện, các lựa chọn thay thế rẻ hơn xuất hiện vàthị trường máy Lisp sụp đổ vào năm 1987, mở ra "Mùa đông AI thứ hai" Trongthời kỳ này, các hệ thống chuyên gia tỏ ra quá đắt để duy trì và cập nhật, cuối cùngkhông còn được ưa chuộng

- Nhật Bản chấm dứt dự án FGCS vào năm 1992, với lý do thất bại trong việc đápứng các mục tiêu đầy tham vọng đã vạch ra trước đó một thập kỷ

- DARPA kết thúc Sáng kiến Điện toán Chiến lược vào năm 1993 sau khi chi gần 1

tỷ đô la và không đạt được kỳ vọng