Trí tuệ nhân tạo là gì?

Alexandra Klepper
Alexandra Klepper
GitHub Bluesky

Ngày xuất bản: Ngày 17 tháng 2 năm 2024, Lần cập nhật gần đây nhất: Ngày 22 tháng 4 năm 2025

Trí tuệ nhân tạo (AI) bao gồm nhiều công nghệ phức tạp, mới nổi. Trước đây, những công nghệ này cần có sự tham gia của con người, nhưng giờ đây có thể được thực hiện bằng máy tính. Nói chung, AI là một chương trình, mô hình hoặc máy tính không phải do con người tạo ra, có khả năng giải quyết nhiều vấn đề và sáng tạo. Máy tính có thể thực hiện các chức năng nâng cao, trước đây được dùng để nắm bắt và đề xuất thông tin. Với AI tạo sinh, máy tính thậm chí có thể tạo nội dung mới.

Chữ viết tắt AI thường được dùng thay thế cho nhau để biểu thị nhiều loại công nghệ trong lĩnh vực trí tuệ nhân tạo, nhưng các chức năng của AI có thể khác nhau rất nhiều.

Tại đây, bạn sẽ tìm thấy một số thuật ngữ và khái niệm về AI trong thực tế, trên web. Để tìm hiểu thêm về công nghệ học máy, hãy xem bảng thuật ngữ về công nghệ học máy.

AI hoạt động như thế nào?

Huấn luyện là bước đầu tiên đối với mọi mô hình, trong đó các kỹ sư học máy xây dựng một thuật toán để cung cấp cho mô hình các dữ liệu đầu vào cụ thể và minh hoạ các dữ liệu đầu ra tối ưu. Nhìn chung, nhà phát triển web không cần thực hiện bước này, mặc dù bạn có thể hưởng lợi từ việc tìm hiểu cách một mô hình nhất định được huấn luyện. Mặc dù có thể điều chỉnh một mô hình, nhưng bạn nên dành thời gian để chọn mô hình phù hợp nhất cho nhiệm vụ của mình.

Suy luận là quá trình một mô hình đưa ra kết luận dựa trên dữ liệu mới. Một mô hình càng được huấn luyện nhiều trong một lĩnh vực cụ thể, thì suy luận càng có nhiều khả năng tạo ra kết quả hữu ích và chính xác. Tuy nhiên, không có gì đảm bảo suy luận hoàn hảo, bất kể một mô hình đã được huấn luyện bao nhiêu.

Ví dụ: Green Light sử dụng một mô hình AI được huấn luyện dựa trên dữ liệu từ Google Maps để hiểu các mẫu lưu lượng truy cập. Khi nhận được nhiều dữ liệu hơn, quá trình suy luận sẽ được thực hiện để đưa ra các đề xuất nhằm tối ưu hoá đèn giao thông

AI được thực hiện ở đâu?

Quá trình huấn luyện AI sẽ hoàn tất trước khi một mô hình được phát hành. Có thể có thêm quá trình huấn luyện, dẫn đến các phiên bản mới của mô hình có nhiều khả năng hoặc độ chính xác hơn.

Nhà phát triển web nên quan tâm đến vị trí thực hiện suy luận AI. Chi phí sử dụng AI phần lớn chịu ảnh hưởng của suy luận. Phạm vi khả năng của một mô hình duy nhất cũng chịu ảnh hưởng rất lớn.

AI phía máy khách

Mặc dù hầu hết các tính năng AI trên web đều dựa vào máy chủ, nhưng AI phía máy khách chạy trong trình duyệt của người dùng và thực hiện suy luận trên thiết bị của người dùng. Điều này giúp giảm độ trễ, giảm chi phí phía máy chủ, loại bỏ các yêu cầu về khoá API, tăng quyền riêng tư của người dùng và cho phép truy cập khi không có mạng. Bạn có thể triển khai AI phía máy khách hoạt động trên nhiều trình duyệt bằng các thư viện JavaScript, bao gồm Transformers.js, TensorFlow.js và MediaPipe.

Một mô hình nhỏ, được tối ưu hoá ở phía máy khách có thể hoạt động hiệu quả hơn một mô hình lớn hơn ở phía máy chủ, đặc biệt là khi được tối ưu hoá cho hiệu suất. Đánh giá trường hợp sử dụng của bạn để xác định giải pháp phù hợp với bạn.

AI phía máy chủ

AI phía máy chủ bao gồm các dịch vụ AI dựa trên đám mây. Hãy nghĩ đến Gemini 1.5 Pro chạy trên đám mây. Các mô hình này thường lớn hơn và mạnh mẽ hơn nhiều. Điều này đặc biệt đúng với mô hình ngôn ngữ lớn.

AI kết hợp

AI kết hợp là bất kỳ giải pháp nào bao gồm cả thành phần máy khách và máy chủ. Ví dụ: bạn có thể dùng một mô hình phía máy khách để thực hiện một tác vụ và quay lại mô hình phía máy chủ khi không thể hoàn tất tác vụ trên thiết bị.

Học máy (ML)

Học máy (ML) là quá trình mà máy tính học và thực hiện các tác vụ mà không cần lập trình rõ ràng. Trong khi AI cố gắng tạo ra thông tin chi tiết, thì ML bao gồm các thuật toán để dự đoán tập dữ liệu.

Ví dụ: giả sử chúng ta muốn tạo một trang web đánh giá thời tiết vào một ngày bất kỳ. Theo truyền thống, việc này có thể được thực hiện bởi một hoặc nhiều nhà khí tượng học. Họ có thể tạo ra một bản trình bày về bầu khí quyển và bề mặt Trái Đất, tính toán và dự đoán các kiểu thời tiết, đồng thời xác định mức độ bằng cách so sánh dữ liệu hiện tại với bối cảnh trong quá khứ.

Thay vào đó, chúng ta có thể cung cấp cho một mô hình học máy một lượng lớn dữ liệu thời tiết, cho đến khi mô hình này học được mối quan hệ toán học giữa các kiểu thời tiết, dữ liệu trong quá khứ và các nguyên tắc về những yếu tố khiến thời tiết trở nên tốt hoặc xấu vào một ngày cụ thể. Trên thực tế, chúng tôi đã xây dựng tính năng này trên web.

AI tạo sinh và mô hình ngôn ngữ lớn

AI tạo sinh là một dạng học máy giúp người dùng tạo nội dung quen thuộc và mô phỏng nội dung do con người tạo ra. AI tạo sinh sử dụng các mô hình ngôn ngữ lớn để sắp xếp dữ liệu và tạo hoặc sửa đổi văn bản, hình ảnh, video và âm thanh dựa trên bối cảnh được cung cấp. AI tạo sinh không chỉ đơn thuần là so khớp mẫu và dự đoán.

Mô hình ngôn ngữ lớn (LLM) có vô số (thường là hàng tỷ) tham số mà bạn có thể dùng để thực hiện nhiều việc, chẳng hạn như tạo, phân loại hoặc tóm tắt văn bản hoặc hình ảnh.

Trò chuyện với chatbot đã trở thành một công cụ vô cùng phổ biến để mọi người sử dụng AI tạo sinh, bao gồm:

Các công cụ này có thể tạo văn bản, mẫu mã và tác phẩm nghệ thuật. Chúng có thể giúp bạn lên kế hoạch cho kỳ nghỉ, điều chỉnh giọng điệu của email cho phù hợp hoặc phân loại các tập hợp thông tin khác nhau thành các danh mục.

Có vô số trường hợp sử dụng cho cả nhà phát triển và người dùng không phải nhà phát triển.

Học sâu

Học sâu (DL) là một lớp thuật toán học máy. Một ví dụ là Mạng nơ-ron sâu (DNN) cố gắng mô hình hoá cách mà não người được cho là xử lý thông tin.

Bạn có thể huấn luyện một thuật toán học sâu để liên kết một số đặc điểm trong hình ảnh với một nhãn hoặc danh mục cụ thể. Sau khi được huấn luyện, thuật toán có thể đưa ra dự đoán để xác định cùng một danh mục trong các hình ảnh mới. Ví dụ: Google Photos có thể xác định sự khác biệt giữa mèo và chó trong một bức ảnh.

Xử lý ngôn ngữ tự nhiên (NLP)

Xử lý ngôn ngữ tự nhiên là một lớp học về học máy (ML) tập trung vào việc giúp máy tính hiểu được ngôn ngữ của con người, từ các quy tắc của bất kỳ ngôn ngữ cụ thể nào cho đến những đặc điểm, phương ngữ và tiếng lóng mà các cá nhân sử dụng.

Thách thức liên quan đến AI

Có một số thách thức khi xây dựng và sử dụng AI. Sau đây chỉ là một vài điểm nổi bật mà bạn nên cân nhắc.

Chất lượng và tính mới của dữ liệu

Các tập dữ liệu lớn được dùng để huấn luyện nhiều mô hình AI thường nhanh chóng trở nên lỗi thời ngay sau khi được sử dụng. Điều này có nghĩa là khi tìm kiếm thông tin mới nhất, bạn có thể hưởng lợi từ kỹ thuật tạo câu lệnh để nâng cao hiệu suất của mô hình AI trong các tác vụ cụ thể và tạo ra kết quả tốt hơn.

Các tập dữ liệu có thể chưa đầy đủ hoặc quá nhỏ để hỗ trợ hiệu quả một số trường hợp sử dụng. Bạn nên thử làm việc với nhiều công cụ hoặc tuỳ chỉnh mô hình cho phù hợp với nhu cầu của mình.

Lo ngại về đạo đức và sự thiên vị

Công nghệ AI rất thú vị và có nhiều tiềm năng. Tuy nhiên, cuối cùng, máy tính và thuật toán vẫn do con người xây dựng, được huấn luyện dựa trên dữ liệu có thể do con người thu thập và do đó, phải đối mặt với một số thách thức. Ví dụ: các mô hình có thể học và khuếch đại thành kiến của con người cũng như những khuôn mẫu có hại, ảnh hưởng trực tiếp đến kết quả đầu ra. Điều quan trọng là bạn phải ưu tiên giảm thiểu thành kiến khi xây dựng công nghệ AI.

Có nhiều vấn đề đạo đức cần cân nhắc về bản quyền đối với nội dung do AI tạo; ai sở hữu nội dung đầu ra, đặc biệt nếu nội dung đó chịu ảnh hưởng lớn hoặc sao chép trực tiếp từ tài liệu có bản quyền?

Trước khi tạo nội dung và ý tưởng mới, hãy cân nhắc các chính sách hiện hành về cách sử dụng tài liệu mà bạn tạo.

Bảo mật và quyền riêng tư

Nhiều nhà phát triển web cho biết quyền riêng tư và bảo mật là mối lo ngại hàng đầu của họ khi sử dụng các công cụ AI. Điều này đặc biệt đúng trong bối cảnh kinh doanh có các yêu cầu nghiêm ngặt về dữ liệu, chẳng hạn như chính phủ và các công ty chăm sóc sức khoẻ. Việc để lộ dữ liệu người dùng cho nhiều bên thứ ba hơn bằng các API đám mây là một mối lo ngại. Điều quan trọng là mọi hoạt động truyền dữ liệu đều phải an toàn và được giám sát liên tục.

AI phía máy khách có thể là chìa khoá để giải quyết những trường hợp sử dụng này. Chúng ta vẫn còn rất nhiều việc phải làm trong lĩnh vực nghiên cứu và phát triển.

Bắt đầu sử dụng AI trên web

Giờ đây, bạn đã quen thuộc với nhiều loại trí tuệ nhân tạo, bạn có thể bắt đầu cân nhắc cách sử dụng các mô hình hiện có để tăng năng suất và xây dựng các trang web cũng như ứng dụng web tốt hơn.

Bạn có thể sử dụng AI để:

Các mô hình AI được huấn luyện trước có thể là một cách tuyệt vời để cải thiện các trang web, ứng dụng web và năng suất của chúng ta mà không cần hiểu rõ cách xây dựng các mô hình toán học và thu thập các tập dữ liệu phức tạp để hỗ trợ những công cụ AI phổ biến nhất.

Bạn có thể thấy hầu hết các mô hình đều đáp ứng nhu cầu của bạn ngay lập tức mà không cần điều chỉnh thêm. Điều chỉnh là quá trình lấy một mô hình đã được huấn luyện trên một tập dữ liệu lớn và huấn luyện thêm để đáp ứng nhu cầu sử dụng cụ thể của bạn. Có một số kỹ thuật để điều chỉnh mô hình: