Từ dữ liệu đầu vào tới kết quả
Để mô tả một ứng dụng AI, cần nói rõ nó nhận dữ liệu gì, xử lí để làm gì và trả lại kết quả nào.
| Ứng dụng | Đầu vào và công việc |
|---|---|
| Nhận dạng chữ viết tay | Đọc hình ảnh chữ, chuyển thành văn bản có thể sửa và tìm kiếm |
| Nhận dạng tiếng nói | Chuyển âm thanh lời nói thành văn bản |
| Nhận dạng khuôn mặt | Phân tích hình ảnh khuôn mặt để hỗ trợ xác định danh tính |
| Dịch máy | Xử lí nội dung ở ngôn ngữ nguồn để tạo bản dịch |
| Trợ lí ảo | Xử lí yêu cầu bằng văn bản hoặc tiếng nói để trả lời hay thực hiện nhiệm vụ |
| Robot thông minh | Kết hợp nhận biết môi trường và điều khiển để làm nhiệm vụ |
Chụp ảnh trang viết chỉ tạo ảnh. Khi phần mềm nhận ra chữ trong ảnh và chuyển thành văn bản, mới có thêm chức năng nhận dạng. Kết quả nhận dạng hoặc bản dịch vẫn cần đối chiếu, nhất là khi ảnh mờ hay câu có nhiều nghĩa.
Hệ chuyên gia có cần học máy không?
**Hệ chuyên gia** là chương trình mô phỏng việc ra quyết định của chuyên gia trong một lĩnh vực. Hệ có thể sử dụng tri thức và các luật suy diễn do con người cung cấp, thường có dạng “nếu các điều kiện này thỏa mãn thì đưa ra kết luận kia”.
SGK nêu **MYCIN**, một hệ chuyên gia trong y học. Điểm cần nhớ là hệ dùng tri thức chuyên môn và suy luận để hỗ trợ đề xuất kết luận; không phải ví dụ về máy biết mọi lĩnh vực. MYCIN cũng cho thấy một hệ AI có thể dựa trên luật mà không dùng học máy. Vì vậy, không bắt buộc mọi hệ AI phải tự học từ dữ liệu.
Hai cách xử lí cùng một tờ giấy
Máy A chụp tờ giấy và lưu ảnh. Máy B còn nhận ra dòng chữ viết tay trong ảnh, trả về văn bản để chỉnh sửa. Chức năng bổ sung của máy B là **nhận dạng chữ viết tay**, thể hiện nhận thức qua hình ảnh.
Nếu máy B tiếp tục dịch văn bản sang tiếng Anh, đó là nhiệm vụ **dịch máy**, cần xử lí ngôn ngữ. Hai bước có thể nằm trong cùng ứng dụng nhưng có đầu vào và kết quả khác nhau.
Bài luyện
Ứng dụng nhận ảnh chữ viết tay tiếng Việt rồi trả về văn bản tiếng Việt có thể sửa. Chức năng trực tiếp là gì?
Đúng. Hình ảnh chữ được chuyển thành dữ liệu văn bản.
Ngôn ngữ vẫn là tiếng Việt, không có bước dịch.
Kết quả là văn bản sửa được, không chỉ là bản sao ảnh.
Đầu vào là ảnh, không phải âm thanh.
Lời giải
Đầu vào là hình ảnh chữ viết tay, đầu ra là văn bản cùng ngôn ngữ. Sự chuyển đổi này là nhận dạng chữ viết tay; không phải dịch, sao chép ảnh hay thu âm.
Bài luyện
Điều nào giải thích đúng việc MYCIN vẫn là ví dụ AI dù không dùng học máy?
Lĩnh vực sử dụng chưa đủ để xác định AI.
Tri thức chuyên gia chính là một cơ sở của hệ.
Đúng. Suy luận dựa trên tri thức là năng lực AI, không nhất thiết phải học máy.
Hệ chuyên gia có phạm vi cụ thể, không có căn cứ về mọi lĩnh vực.
Lời giải
MYCIN sử dụng tri thức chuyên môn và các luật suy diễn để hỗ trợ đưa ra kết luận. Cách làm này thể hiện suy luận của AI dù không dùng học máy; AI và học máy không phải hai tên đồng nghĩa.
Bài luyện
Trợ lí nghe câu “mở bản nhạc đã lưu”, xác định yêu cầu rồi thực hiện. Cặp năng lực nào thể hiện rõ?
Đề không nêu xử lí ảnh hoặc truyền tệp.
Đầu vào là tiếng nói; không có chữ viết tay hay đổi ngôn ngữ.
Không có dữ kiện về huấn luyện lại hoặc cảm xúc.
Đúng. Trợ lí nhận lời nói và xác định nội dung yêu cầu.
Lời giải
Để xử lí yêu cầu bằng lời nói, trợ lí cần nhận dạng tiếng nói và xác định nội dung ngôn ngữ. Việc đó chưa chứng minh tự học lại sau mỗi câu hoặc có cảm xúc.
Bài luyện
Một robot chỉ lặp lại chuỗi động tác cố định; robot khác nhận ra vật cản rồi chọn đường tránh. Nhận xét nào có căn cứ?
Có động cơ không chứng minh năng lực AI.
Đúng. Nhận ra vật cản và tìm đường tránh là căn cứ cụ thể.
Lặp chuỗi cố định chỉ cho thấy tự động hóa trong mô tả.
Có năng lực AI không bảo đảm mọi lần xử lí đều đúng.
Lời giải
Robot thứ hai nhận biết vật cản và tìm phương án di chuyển phù hợp, nên thể hiện nhận thức và giải quyết vấn đề. Robot thứ nhất mới chỉ lặp động tác đã đặt; đề không cho căn cứ về các năng lực đó.
Đang học