Hỏi: Em nghe nhiều về ứng dụng của AI trong công việc và cuộc sống. Anh có thể giải thích kỹ hơn về bản chất sâu xa của AI, nó được hình thành từ đâu ạ?
Đáp: AI thực ra có nguồn gốc từ toán học và khoa học máy tính, em ạ. Nói cụ thể hơn, nó được xây dựng dựa trên các mô hình toán học mô phỏng cách mà các nơron thần kinh trong não người hoạt động.
Ban đầu, ý tưởng cơ bản của AI xuất phát từ việc tạo ra các hệ thống có thể học hỏi và giải quyết vấn đề giống như con người. Điều này được thực hiện bằng cách sử dụng mạng nơron nhân tạo – một tập hợp các hàm toán học được kết nối với nhau. Mỗi hàm số trong mạng này mô phỏng một nơron trong não, và toàn bộ hệ thống được tổ chức thành nhiều lớp (layers), từ đơn giản đến phức tạp.
Ví dụ, nếu em nhớ lại kiến thức toán cấp 2, hàm số tuyến tính cơ bản trông như thế này:
y = x + 1.
Trong AI, các hàm như vậy được mở rộng và phức tạp hóa, ví dụ:
y = w₁x₁ + w₂x₂ + b,
trong đó:
w₁, w₂ là các trọng số (weights) – đại diện cho mức độ quan trọng của mỗi đầu vào.
b là một giá trị bù (bias).
Những hàm số này sau đó được kết hợp trong các lớp (layers) để tạo ra các mô hình học sâu (deep learning).
Điểm đặc biệt của AI là quá trình “học”. Ở đây, nó sử dụng một kỹ thuật toán học rất quan trọng mà em đã học ở cấp 3: phép đạo hàm. Cụ thể, AI sử dụng đạo hàm để tính toán mức độ sai lệch giữa kết quả dự đoán và kết quả thực tế (gọi là “hàm mất mát” – loss function). Sau đó, nó dùng một kỹ thuật gọi là lan truyền ngược (backpropagation) để điều chỉnh các trọng số (w₁, w₂, …) sao cho hệ thống ngày càng chính xác hơn.
Vậy nên, nếu em từng thấy những bài tập đạo hàm hồi cấp 3 là nhàm chán và “vô tri”, thì giờ đây chúng chính là công cụ quan trọng giúp AI tối ưu hóa, từ việc nhận diện khuôn mặt, dịch ngôn ngữ, cho đến lái xe tự động.
Thêm vào đó, AI còn được xây dựng dựa trên nhiều lĩnh vực toán học khác, đại khái như:
Đại số tuyến tính để xử lý ma trận và vector để lưu trữ và tính toán dữ liệu.
Xác suất và thống kê để đánh giá mức độ không chắc chắn và ra quyết định.
Tối ưu hóa để tìm giá trị tối ưu cho các tham số trong mô hình.
Nhờ sự kết hợp này, AI có thể học từ dữ liệu, phát hiện ra các mẫu (patterns) mà con người khó nhận thấy, và áp dụng chúng để đưa ra các quyết định hoặc dự đoán.
Vậy nên, cốt lõi của AI nằm ở việc ứng dụng những kiến thức toán học cơ bản, nhưng được tổ chức và mở rộng theo cách sáng tạo để giải quyết những vấn đề phức tạp trong thực tế. 