Trang thông tin điện tử Trung tâm Nghiên cứu và Phát triển hội nhập KH&CN quốc tế xin giới thiệu những nghiên cứu định hướng của Tổ chức phát triển kinh tế OECD về triển vọng công nghệ trong nền kinh tế số
Phần 1: Trí thông minh nhân tạo trong nền kinh tế số
Phản ánh về 30 hoặc 40 năm qua về sự đổi mới của công nghệ thông tin và truyền thông (CNTT), mỗi thập kỷ đã chứng kiến một hình thức cách mạng công nghệ mới: máy tính cá nhân vào những năm 1980, Internet vào những năm 1990, điện toán di động và điện thoại thông minh vào những năm 2000 và Internet vạn vật (IoT) trong thập kỷ hiện tại. Máy tính cơ bản và công nghệ mạng tiếp tục cải thiện theo thời gian, ví dụ, tiếp tục thu nhỏ các thiết bị, tăng sức mạnh xử lý và dung lượng lưu trữ với chi phí giảm dần và tính sẵn có của mạng cố định và không dây tốc độ cao hơn.
Tuy nhiên, lợi ích kinh tế và xã hội tiềm năng trong tương lai ngày càng phụ thuộc nhiều hơn vào các công nghệ hiện tại và lần lượt dựa vào việc dựng lên các khối cơ bản hiện nay bao gồm IoT, điện toán đám mây, phân tích dữ liệu lớn, trí tuệ nhân tạo (AI) và công nghệ chuỗi khối ( blockchain). Tập hợp các công nghệ này tạo thành một hệ sinh thái, trong đó mỗi công nghệ cả khai thác và thúc đẩy sự phát triển của những người khác. Điện toán đám mây dựa trên tình trạng luôn luôn có sẵn ở mọi nơi – kết nối Internet tốc độ cao và rất cần thiết phân tích dữ liệu lớn, dựa trên sức mạnh xử lý và dung lượng lớn và giá rẻ.
Dữ liệu lớn cũng cực kỳ phụ thuộc vào các thuật toán tinh vi, đến lượt nó, tạo thành cơ sở của trí tuệ nhân tạo AI. Để hiểu môi trường – ảo hoặc thực của chúng và đưa ra quyết định phù hợp như các robot và máy bay không người lái dựa vào AI thường sử dụng dữ liệu lớn để xác định các mẫu.Đặc điểm của từng công nghệ này tạo ra một cơ hội cụ thể và những thách thức và, như vậy, có thể được xem xét riêng. Tuy nhiên, nó ngày càng cần thiết để phân tích chúng trong bối cảnh rộng hơn của hệ sinh thái kỹ thuật số mà họ không thể phát triển mạnh, và đóng góp.
Bài viết tìm hiểu các đặc điểm, cơ hội và thách thức được nêu ra bởi hai trong số những phát triển công nghệ hiện tại hứa hẹn nhất: máy thực hiện chức năng nhận thức giống con người, còn được gọi là AI; và blockchain, một công nghệ cơ sở dữ liệu phân tán và chống giả mạo có thể được sử dụng để lưu trữ bất kỳ loại dữ liệu nào, bao gồm cả giao dịch tài chính, và có khả năng tạo niềm tin trong một môi trường không đáng tin cậy.
Nhằm cải thiện hiệu quả, phân bổ tài nguyên và do đó thúc đẩy tăng năng suất, AI cũng hứa hẹn giúp giải quyết các thách thức phức tạp trong nhiều lĩnh vực như y tế, giao thông và an ninh.
● Blockchain không cần bất kỳ cơ quan trung tâm hoặc nhà điều hành trung gian nào hoạt động, như được minh họa bởi bitcoin, một loại tiền ảo và là một trong những ứng dụng blockchain thành công đầu tiên các hoạt động độc lập với bất kỳ ngân hàng trung ương. Ngoài bitcoin, các ứng dụng blockchain cung cấp nhiều cơ hội, bao gồm cả trong lĩnh vực tài chính, khu vực công, cho giáo dục và IoT, đáng chú ý là bằng cách giảm va chạm thị trường và chi phí giao dịch, bằng cách tạo điều kiện minh bạch và trách nhiệm, và bằng cách cho phép đảm bảo thực hiện thông qua hợp đồng thông minh.
Bài viết cũng thảo luận về những thách thức chính sách có thể được khuếch đại bởi sự phổ biến về AI và blockchain cũng như những thách thức mới mà việc sử dụng các công nghệ này có thể mang đến. Các nhà hoạch định chính sách cần nhận thức được các tác động tiềm năng của AI, ví dụ, về tương lai phát triển công việc và kỹ năng, và những tác động tiềm năng cho sự minh bạch và giám sát, trách nhiệm, nghĩa vụ, cũng như an toàn và an ninh. Những thách thức được đưa ra bởi một số các ứng dụng blockchain bao gồm, ví dụ, khó khăn để tắt ứng dụng blockchain, nếu là mạng lưới xuyên quốc gia, hoặc thách thức để thực thi pháp luật trong trường hợp không có trung tâm trung gian, điều này cũng đặt ra câu hỏi quan trọng về cách thức – và đối với ai – để buộc tội trách nhiệm pháp lý đối với các hành động gây ra bởi các hệ thống dựa trên nền tảng blockchain.
Trí tuệ nhân tạo
Phần này trước tiên mô tả những đặc điểm khác biệt của AI và cách thức trong quá khứ vài năm, nó đã trở thành xu hướng, nhanh chóng thẩm thấu và chuyển đổi nền kinh tế xã hội xủa chúng ta . So với sự phát triển công nghệ khác, nhiều người ngạc nhiên về tốc độ khuếch tán AI, nhưng các khung nhìn khác nhau tùy theo cả khả năng và thời gian phát triển như trí thông minh chung nhân tạo (AGI) tính chất kỳ dị của công nghệ.
Những lợi ích và cơ hội tiềm năng do AI cung cấp được giới thiệu tiểu mục dưới đây, cùng với các ví dụ về các ứng dụng trong các lĩnh vực khác nhau. AI hứa hẹn sẽ tạo ra việc tăng năng suất, nâng cao hiệu quả của việc ra quyết định và chi phí thấp hơn, vì nó cho phép xử lý dữ liệu ở quy mô lớn và tăng tốc độ khám phá các mẫu. Bằng cách hỗ trợ các nhà khoa học phát hiện mối quan hệ nguyên nhân và kết quả phức tạp, AI dự kiến sẽ đóng góp vào việc giải quyết những thách thức toàn cầu phức tạp, như những vấn đề liên quan đến môi trường, giao thông hoặc sức khỏe. AI hoàn toàn có thể nâng cao chất lượng cuộc sống, tác động đến chăm sóc sức khỏe, giao thông vận tải, giáo dục, an ninh, tư pháp, nông nghiệp, thương mại bán lẻ, tài chính, bảo hiểm và ngân hàng, và vô số thứ khác. Thật vậy, AI có thể tìm thấy ứng dụng có giá trị ở bất cứ nơi nào mà trí thông minh được triển khai.
Tiểu mục cuối cùng giới thiệu một số câu hỏi chính sách chính mà AI đặt ra. AI
dự kiến sẽ thay thế và / hoặc gia tăng các thành phần lao động của con người trong cả kỹ năng và việc làm không có kỹ năng, đòi hỏi các chính sách để tạo điều kiện chuyển đổi chuyên nghiệp và giúp đỡ người lao động phát triển các kỹ năng để hưởng lợi từ và bổ sung cho AI. AI cũng có thể tác động đến kinh tế tập trung và phân phối thu nhập. Một vấn đề khác là đảm bảo tính minh bạch và giám sát các quyết định do AI cung cấp có tác động đến mọi người và ngăn ngừa các thuật toán thành kiến , phân biệt đối xử và lạm dụng quyền riêng tư. AI cũng tăng trách nhiệm, nghĩa vụ, bảo mật mới và đặt ra câu hỏi an toàn.
Trí tuệ nhân tạo đang đi theo xu hướng, được thúc đẩy bởi những tiến bộ trong học máy gần đây
Trí tuệ nhân tạo là về những cỗ máy thực hiện các chức năng nhận thức giống con người
Không có định nghĩa được chấp nhận phổ biến về AI. Nhà Tiên phong về AI Marvin Minsky định nghĩa AI vì khoa học chế tạo máy móc làm những việc đòi hỏi trí thông minh nếu được thực hiện bởi con người. Tập hiện tại sử dụng định nghĩa được cung cấp bởi Nils J. Nilsson (2010): Artificial Artificial thông minh là hoạt động dành cho việc làm cho máy móc trở nên thông minh, và trí thông minh là chất lượng đó cho phép một thực thể hoạt động phù hợp và có tầm nhìn xa với môi trường trong nó”. Máy hiểu lời nói của con người, cạnh tranh trong hệ thống trò chơi chiến lược, lái xe ô tô tự động hoặc giải thích dữ liệu phức tạp hiện đang được xem xét là các ứng dụng AI. Trí thông minh theo nghĩa đó giao với sự tự chủ và khả năng thích ứng thông qua khả năng AI cho sự học hỏi từ một môi trường năng động.
Điều quan trọng cần lưu ý là ranh giới của AI không phải lúc nào cũng rõ ràng và tiến hóa hơn theo thời gian. Ví dụ, trong một số trường hợp, các kỹ thuật được phát triển bởi các nhà nghiên cứu AI để phân tích khối lượng lớn các dữ liệu được định nghĩa là “dữ liệu lớn” thuật toán và hệ thống của Cameron (Nhà Trắng, 2016a).
Ví dụ, nhận dạng ký tự quang học đã trở thành một công nghệ phổ biến và không
còn được coi là AI. Mục tiêu cốt lõi của nghiên cứu và ứng dụng AI trong những năm qua đã được tự động hóa hoặc nhân rộng hành vi thông minh.
Học máy, dữ liệu lớn và điện toán đám mây đã cho ra những tiến bộ gần đây của trí tuệ nhân tạo
Mặc dù có nhiều biến động trong nhận thức cộng đồng, AI đã có những tiến bộ đáng kể kể từ khi khởi đầu vào những năm 1950. Nguyên tắc được khái niệm hóa bởi John McCarthy, Alan Newell, Arthur Samuel, Herbert Simon và Marvin Minsky trong nghiên cứu mùa hè ở Dartmouth
Dự án, hội thảo mùa hè năm 1956 mà nhiều người coi là sự khởi đầu của AI. Trong khi AI nghiên cứu đã tiến bộ đều đặn trong 60 năm qua, những lời hứa của những người quảng bá AI sớm tỏ ra lạc quan quá mức, dẫn đến cái gọi là “ mùa đông AI” bị giảm kinh phí và sự quan tâm
Nghiên cứu AI trong những năm 1970. Gần đây, sự sẵn có của dữ liệu lớn và điện toán đám mây đã tạo ra những bước đột phá trong một công nghệ AI có tên là học máy (Chen và cộng sự, 2012), tăng đáng kể sức mạnh, tính sẵn có, tăng trưởng và tác động của AI. Năm 2016, một chương trình AI đã giành chiến thắng trong trò chơi GO với một trong những người chơi giỏi nhất thế giới – một kỳ tích mà các chuyên gia nghĩ rằng sẽ mất ít nhất mười năm nữa để hoàn thành. Sự sẵn có của
khả năng siêu máy tính có thể mở rộng trên đám mây và các luồng và kho dữ liệu đang phát triển được sản xuất bởi con người và máy móc được kết nối đã cho ra các đột phá trong học máy.
Phó Thủ tướng Vũ Đức Đam phát biểu tại phiên trọng thể Ngày hội Trí tuệ nhân tạo Việt Nam 2019 (AI4VN Summit 2019) tại Trường Đại học Bách khoa Hà Nội ( ảnh minh họa- VISTIP).
Các thuật toán học máy có thể xác định các mẫu phức tạp trong các tập dữ liệu lớn
Với học máy, các thuật toán xác định các mẫu phức tạp trong các tập dữ liệu lớn. Dành cho
ví dụ: Google AI học cách dịch nội dung sang các ngôn ngữ khác nhau dựa trên
tài liệu dịch trực tuyến và Facebook học cách xác định người trong ảnh
dựa trên cơ sở dữ liệu lớn hiện có của người dùng đã biết. Đặc biệt, tiến độ sâu
học tập và học tập tăng cường, cả hai ngành học máy, đã dẫn đến kết quả ấn tượng
từ những năm 2011- 2012.
Hiệu quả của các hệ thống AI cũng phụ thuộc vào việc sử dụng các bộ vi xử lý cụ thể, thường là trong điện toán đám mây. Giai đoạn học tập của các mạng nơ-ron sâu phụ thuộc vào các đơn vị xử lý đồ họa bộ xử lý ban đầu được thiết kế cho các trò chơi video, chẳng hạn như các bộ xử lý của Nvidia. Cho giai đoạn phản hồi, các công ty AI lớn thường phát triển các bộ xử lý chuyên dụng, chẳng hạn như Google,
“Bộ vị xử lý tenor” của bộ phận cứng hay Thay từ Intel có “ cổng lập trình lĩnh vực”
Trong khi trí tuệ nhân tạo là về các chức năng nhận thức, robot thường được quan tâmvới chức năng động cơ
AI chủ yếu là vô hình trong các biểu hiện của nó. Rô Bốt, hoạt động tại ngã tư
giữa kỹ thuật cơ khí, kỹ thuật điện và khoa học máy tính, chủ yếu là thể chất trong các biểu hiện của nó. Trong một “cỗ máy tự trị”, AI có thể được mô tả như là
trí thông minh hoặc chức năng nhận thức, trong khi robot đề cập đến các chức năng vận động. Tuy nhiên, sự khác biệt giữa chức năng nhận thức và vận động là xcó nhiều lổ và phát triển kể từ khi di chuyển đòi hỏi khả năng cảm nhận và phân tích môi trường. Ví dụ: AI học máy đóng một vai trò quan trọng trong tầm nhìn máy tính. Tuy nhiên, bản chất vật lý của robot khác biệt nó từ AI và có những hậu quả công nghiệp cho các máy tự trị: phát triển phức tạp chức năng động cơ thường khó khăn hơn, tốn kém và mất thời gian hơn so với phát triển chức năng nhận thức phức tạp. Các ví dụ phổ biến về sự hội tụ giữa AI và robot là những chiếc xe tự lái và robot hình người. Điều quan trọng là làm nổi bật sự tự chủ đó máy móc kết hợp các kỹ thuật AI và robot tiên tiến vẫn phải vật lộn để tái tạo nhiều chức năng vận động không nhận thức cơ bản
Thứ trưởng Bộ KH&CN Bùi Thế Duy phát biểu về quan điểm của cơ quan quản lý nhà nước trong việc khuyến khích và hỗ trợ nhà khoa học và cộng đồng doanh nghiệp trong việc ứng dụng trí thông minh nhân tạo trong nghiên cứu và sản xuất kinh doanh (Ảnh VISTIP)
Biểu 1. Các thuật toán học máy không giám sát
Nguồn biểu 1: Văn phòng Khoa học Chính phủ Vương quốc Anh (2016), Trí thông minh nhân tạo: Cơ hội và ý nghĩa đối với tương lai của việc ra quyết định, https://www.gov.uk/g chính / publications /art Powered-intellect-an-overview-forpolicy -akers
Công nghệ máy học hỗ trợ tìm kiếm trên web, lọc nội dung trên các mạng xã hội, khuyến nghị trên các trang web thương mại điện tử và ngày càng hiện diện với người tiêu dùng các sản phẩm như máy ảnh và điện thoại thông minh. Hệ thống máy học được sử dụng để xác định đối tượng trong hình ảnh; phiên âm lời nói thành văn bản; phù hợp với các mục tin tức, bài viết hoặc sản phẩm với người dùng lợi ích của người dùng; và chọn kết quả tìm kiếm có liên quan.
Học tập không giám sát trình bày một thuật toán học tập với một bộ dữ liệu không ghi nhãn – đó là những câu trả lời “đúng” hoặc “sai”, và yêu cầu chúng tìm cấu trúc trong dữ liệu, có lẽ bằng cách phân cụm các yếu tố lại với nhau, ví dụ như kiểm tra một loạt ảnh khuôn mặt và học cách xác định có bao nhiêu người khác nhau. Dịch vụ Google News sử dụng kỹ thuật này để nhóm các câu chuyện tin tức tương tự lại với nhau, cũng như các nhà nghiên cứu trong bộ gen tìm kiếm sự khác biệt về mức độ mà một gen có thể được thể hiện trong một bộ phận dân số cố định, hoặc nhà tiếp thị phân khúc đối tượng mục tiêu.
Học tập có giám sát liên quan đến việc sử dụng một tập dữ liệu được dán nhãn để đào tạo một mô hình, sau đó có thể được sử dụng để phân loại hoặc sắp xếp một tập hợp dữ liệu mới, chưa thấy (ví dụ: học cách phát hiện một người cụ thể trong một loạt các bức ảnh). Điều này rất hữu ích để xác định các yếu tố trong dữ liệu (có thể là cụm từ chính hoặc thuộc tính vật lý), dự đoán kết quả có khả năng hoặc phát hiện dị thường và ngoại lệ. Về cơ bản phương pháp này trình bày máy tính với một bộ “câu trả lời đúng” và yêu cầu chúng tìm kiếm thêm nhiều thứ tương tự. Học sâu là một hình thức giám sát học tập.
Trí tuệ nhân tạo vượt trội hơn con người ở một số chức năng nhận thức phức tạp nhưng vẫn đòi hỏi tập dữ liệu khổng lồ
Khoa học thần kinh rất quan trọng để hiểu được tình trạng của AI ngày nay cũng như hiểu các khả năng trong tương lai của nó. Sự phục hưng của AI kể từ khoảng năm 2011 phần lớn được quy cho sự thành công của nhánh học máy có tên là những mạng lưới thần kinh nhân tạo sâu sắc, hay còn gọi là học sâu, được hỗ trợ bởi một nhánh khác của AI được gọi là “học tăng cường”. Cả hai học sâu và củng cố học tập yêu cầu lỏng lẻo mô phỏng các lớp tế bào thần kinh mà não sử dụng để xử lý thông tin và tìm hiểu thông qua nhận dạng mẫu, mặc dù máy học hiện đang hoạt động chủ yếu trong lĩnh vực số liệu thống kê.
Sự hội tụ có ý nghĩa hơn giữa AI và khoa học thần kinh được mong đợi ở tương lai khi sự hiểu biết về bộ não con người được cải thiện và các công nghệ hội tụ (OECD, sắp tới).
Các thuật toán AI có thể thực hiện các tính toán phức tạp của các bộ dữ liệu lớn song song và do đó, nhanh hơn trí thông minh sinh học của con người. Ngoài nhiệm vụ tính toán chuyên sâu, AI ngày càng vượt trội so với con người đối với một số chức năng nhận thức phức tạp như nhận dạng hình ảnh trong X quang (Wang et al., 2016; Lake et al., 2016).
Ngày nay, trí thông minh nhân tạo hẹp tập trung vào các nhiệm vụ cụ thể, trong khi giả thuyết
trí thông minh nhân tạo trong tương lai có thể thực hiện hành động thông minh chung, như con người.
Trí thông minh nhân tạo hẹp (ANI) hiện có hoặc ứng dụng AI được thiết kế để hoàn thành một nhiệm vụ giải quyết vấn đề cụ thể hoặc lý luận. Đây là hệ thống AI hiện đại nhất hiện có ngày nay, như IBM Watson hay Google ED AlphaGo, vẫn còn “hẹp”. Trong khi họ có thể khái quát hóa nhận dạng mẫu ở một mức độ nào đó, ví dụ như bằng việc chuyển kiến thức đã học trong lĩnh vực nhận dạng hình ảnh sang nhận dạng giọng nói, tâm trí con người linh hoạt hơn nhiều.
AI ứng dụng thường trái ngược với AGI (giả thuyết), trong đó các máy tự trị sẽ trở nên có khả năng hành động thông minh nói chung, giống như một con người, bao gồm khái quát hóa và trừu tượng hóa học tập qua các chức năng nhận thức khác nhau. AGI sẽ có một trí nhớ liên kết mạnh mẽ và có khả năng phán đoán và ra quyết định, nhiều mặt giải quyết vấn đề, học hỏi thông qua việc đọc hoặc trải nghiệm, tạo ra các khái niệm, nhận thức thế giới và chính nó, phát minh và sáng tạo, phản ứng với những điều bất ngờ phức tạp môi trường, và dự đoán.
Đối với một AGI tiềm năng, các quan điểm rất khác nhau và các chuyên gia cảnh báo rằng các cuộc thảo luận nên thực tế về quy mô thời gian. Dự đoán từ một số nhà khoa học máy tính tích cực trong nghiên cứu AGI về khung thời gian thực hiện phạm vi AGI từ một thập kỷ tới một thế kỷ trở lên (Goertzel và Pennachin, 2006). Một số điểm nổi bật rằng AI, như sinh học thông minh, nhất thiết bị hạn chế bởi những gì các nhà khoa học máy tính gọi là tổ hợp -số lượng lớn những điều mà một hệ thống thông minh có thể nghĩ hoặc làm (OECD, 2016).
Ngoài ra, vì AI là vật phẩm, nên các hệ thống AI được xây dựng bằng kiến trúc giới hạn AI trong kiến thức và các hành động tiềm năng có ý nghĩa đối với một ứng dụng nhất định. Các sự hội tụ của máy học và khoa học thần kinh trong những thập kỷ tới dự kiến sẽ có tác động đáng kể.
Các chuyên gia đồng ý rộng rãi rằng ANI sẽ tạo ra những cơ hội, rủi ro mới và những thách thức Họ cũng đồng ý rằng sự ra đời của AGI, có lẽ đôi khi thế kỷ 21, sẽ khuếch đại rất nhiều những hậu quả này.
Cơn sốt công nghệ đơn lẻ là một kịch bản trí tuệ nhân tạo siêu cấp trong tương lai
Thuật ngữ kỳ dị về công nghệ và đề cập đến một kịch bản dài hạn mang tính đầu cơ nhưng có hệ quả phổ biến bởi Ray Kurzweil, một nhà phát minh và nhà tương lai hiện đang là Giám đốc
Kỹ thuật tại Google. Trong kịch bản này, sự xuất hiện của một AGI sẽ dẫn đến một tình báo
vụ nổ và trong vòng vài thập kỷ trở xuống đối với một siêu trí tuệ nhân tạo (ASI). Thật là
ASI sẽ tự cải thiện theo cấp số nhân và có thể đe dọa nhân loại.
Cả hai kịch bản AGI và ASI đều bị loại khỏi cuộc thảo luận sau. Thuật ngữ Trí thông minh nhân tạo của người Viking được sử dụng để chỉ các thuật toán học máy có liên quan với các cảm biến và các chương trình máy tính khác để cảm nhận, hiểu và hành động trên thế giới; học hỏi kinh nghiệm; và thích nghi theo thời gian. Thị giác máy tính và xử lý âm thanh các thuật toán, ví dụ, chủ động nhận thức thế giới xung quanh bằng cách thu nhận và xử lý hình ảnh, âm thanh và lời nói và thường được sử dụng cho các ứng dụng như khuôn mặt và lời nói được công nhận
. Một ứng dụng điển hình của công cụ xử lý và suy luận ngôn ngữ tự nhiên là dịch ngôn ngữ. Các hệ thống AI cũng có thể thực hiện các hành động nhận thức như đưa ra quyết định, cho ví dụ để chấp nhận hoặc từ chối đơn đăng ký tín dụng hoặc thực hiện các hành động trong thực tế. ví dụ như hỗ trợ phanh trong xe hơi.
Các nền tảng trí tuệ nhân tạo thành công tận dụng lượng dữ liệu khổng lồ
Gã khổng lồ kỹ thuật số cũng như các công ty khởi nghiệp đang hoạt động trong lĩnh vực AI. Các công ty đa quốc gia đang định hướng lại mô hình kinh doanh hướng tới dữ liệu và phân tích dự đoán để cải thiện năng suất thông qua sử dụng AI, đặc biệt là ở Trung Quốc, Pháp, Israel, Nhật Bản,Hàn Quốc, Liên bang Nga, Vương quốc Anh và Hoa Kỳ.
Thị trường vì AI bị chi phối bởi hàng tá công ty đa quốc gia từ Hoa Kỳ, được gọi chung là, GAFAMI – dành cho các Google Google, Apple, Facebook, Amazon, Microsoft và IBM, và từ Trung Quốc, được gọi là BATX – dành cho các ứng dụng của Baidu, Alibaba, Tencent và Xiaomi (OECD, 2017). Thương mại hóa công nghệ AI thông qua các mô hình kinh doanh của Phần mềm trực tuyến, dường như rất phổ biến, như được thực hiện bởi Google và IBM, những người cung cấp quyền truy cập vào AI được lưu trữ tập trung trên cơ sở đăng ký.
Trong cuộc cạnh tranh toàn cầu giữa các nền tảng này, một yếu tố thành công chính là số lượng
dữ liệu mà các công ty có quyền truy cập. Các thuật toán học máy hiện đang yêu cầu số lượng lớn
dữ liệu để nhận dạng các mẫu hiệu quả. Ví dụ: nhận dạng hình ảnh đòi hỏi hàng triệu
hình ảnh của một động vật hoặc xe hơi cụ thể. Dữ liệu được tạo bởi người dùng, người tiêu dùng và doanh nghiệp giúp đào tạo các hệ thống AI. Facebook dựa vào gần 10 tỷ hình ảnh được công bố hàng ngày bởi người dùng để liên tục cải thiện các thuật toán nhận dạng hình ảnh của nó. Tương tự, Google DeepMind sử dụng các video clip YouTube do người dùng tải lên để đào tạo phần mềm AI của nó để nhận dạng hình ảnh video.
Dư địa khởi nghiệp cũng sôi động. Nghiên cứu từ CB Insights (2017) báo cáo rằng
tài trợ từ các công ty khởi nghiệp AI tăng từ 589 triệu USD năm 2012 lên hơn 5 tỷ USD
vào năm 2016. Trong năm 2016, gần 62% các giao dịch đã được chuyển đến các công ty khởi nghiệp từ Hoa Kỳ, giảm từ 79% chỉ bốn năm trước. Các công ty khởi nghiệp từ Vương quốc Anh, Israel và Ấn Độ theo sau. Đến năm 2020, thị trường AI của AI đã được dự đoán trị giá tới 70 tỷ USD.
Trí tuệ nhân tạo hứa hẹn sẽ cải thiện hiệu quả và năng suất và giúp giải quyết những thách thức phức tạp
Trí tuệ nhân tạo có thể cải thiện hiệu quả, tiết kiệm chi phí và cho phép tốt hơn phân bổ nguồn lực
AI dự kiến sẽ cải thiện đáng kể hiệu quả của việc ra quyết định, tiết kiệm chi phí và cho phép phân bổ nguồn lực tốt hơn trong cơ bản mọi lĩnh vực của nền kinh tế bằng cách cho phép việc phát hiện các mẫu trong khối lượng dữ liệu khổng lồ. Thuật toán khai thác dữ liệu trên hoạt động của các hệ thống phức tạp cho phép tối ưu hóa trong các lĩnh vực đa dạng như năng lượng, nông nghiệp, tài chính, giao thông, y tế, xây dựng, quốc phòng hoặc bán lẻ. AI cho phép công khai hoặc các tác nhân tư nhân để tối ưu hóa việc sử dụng các yếu tố sản xuất – đất đai / môi trường, lao động, vốn hoặc thông tin – và để tối ưu hóa việc tiêu thụ tài nguyên như năng lượng hoặc Nước.
Sử dụng thuật toán AI của mình, Google đã có thể giảm mức tiêu thụ năng lượng của dữ liệu tập trung vào những cách mà trực giác và kỹ thuật của con người không dự tính được (Evans và Gao, 2016). Trong một thử nghiệm kéo dài hai năm, mạng lưới thần kinh nhân tạo Google miền DeepMind đã phân tích qua 120 tham số trong một trung tâm dữ liệu và xác định một phương pháp tổng thể thích ứng và hiệu quả hơn sử dụng làm mát và cung cấp năng lượng cho phép công ty giảm mức tiêu thụ năng lượng
của các trung tâm dữ liệu đã tiết kiệm năng lượng thêm 15% (Evans và Gao, 2016). DeepMind
thấy trước các ứng dụng để cải thiện hiệu quả của việc chuyển đổi nhà máy điện hoặc để giảm lượng năng lượng và nước cần thiết cho chất bán dẫn.
AI giảm chi phí đưa ra dự đoán bằng cách đánh giá hồ sơ rủi ro, quản lý hàng tồn kho
và dự báo nhu cầu. Dự đoán hỗ trợ AI trong ngân hàng và bảo hiểm, bệnh nhân dự phòng
chăm sóc sức khỏe, bảo trì, hậu cần hoặc khí tượng ngày càng dễ tiếp cận và chính xác.
Các công ty như Ocado và Amazon sử dụng AI để tối ưu hóa mạng lưu trữ và phân phối của họ,
lập kế hoạch các tuyến hiệu quả nhất để giao hàng và tận dụng tốt nhất kho của họ.
Trong lĩnh vực chăm sóc sức khỏe, dữ liệu từ điện thoại thông minh và máy theo dõi thể dục có thể được phân tích để cải thiện việc quản lý các tình trạng mãn tính và dự đoán và ngăn ngừa các đợt cấp tính. IBM Watson đang xem xét sử dụng các công cụ phân tích giọng nói tự động trên thiết bị di động để phát hiện sự phát triển của các bệnh như Huntington, Alzheimer, hoặc Parkinson, trước đó.
Trí tuệ nhân tạo có thể giúp xác định hoạt động, con người hoặc thông tin đáng ngờ
Học máy đang được sử dụng để phát hiện hành vi tội phạm và lừa đảo và đảm bảo
tuân thủ theo những cách sáng tạo. Trên thực tế, phát hiện gian lận là một trong những ứng dụng đầu tiên của AI trong ngân hàng. Các mẫu hoạt động của tài khoản được theo dõi và sự bất thường kích hoạt đánh giá, với những tiến bộ trong học máy bây giờ bắt đầu cho phép theo dõi gần thời gian thực. Ngân hàng chú ý và năm 2016, ngân hàng Credit Suisse Group AG đã ra mắt một liên doanh AI với một công ty giám sát và bảo mật ở Thung lũng Silicon có giải pháp giúp các ngân hàng phát hiện
giao dịch trái phép (Voegeli, 2016).
Các công nghệ AI cũng đang ngày càng được sử dụng trong chống khủng bố và cảnh sát
các hoạt động. Hoạt động Dự án Nghiên cứu Tiên tiến Tình báo Hoa Kỳ đang thực hiện một số hoạt động
các chương trình xử lý khối lượng lớn cảnh quay đa chiều được chụp bởi “ truyền thông
gốc” và xác định cá nhân. Các chương trình của nó sử dụng AI để vượt ra ngoài các phương pháp phù hợp với hình ảnh hai chiều; hoặc thậm chí để xác định cá nhân và tự động định vị địa lý các video không nghi ngờ được công bố trực tuyến.
Tính xác thực của tin tức và “tin tức giả mạo” là một lĩnh vực khác mà AI có thể giúp phân tích lớn
khối lượng dữ liệu trong hàng nghìn tỷ bài đăng do người dùng cung cấp. Mạng xã hội khổng lồ Facebook là báo cáo đào tạo một hệ thống để xác định tin tức giả dựa trên các loại bài viết mà người dùng đã gắn cờ là thông tin sai lệch trong quá khứ.
Trí tuệ nhân tạo dự kiến sẽ tạo ra một làn sóng tăng năng suất mới
AI dự kiến sẽ có thể góp phần tạo ra tăng năng suất trên toàn các lĩnh vực thông qua cả tự động hóa các hoạt động được thực hiện trước đây bởi mọi người và thông qua tự chủ máy móc, theo đó các hệ thống có thể vận hành và thích nghi với sự thay đổi trường hợp giảm hoặc không có sự kiểm soát của con người (OECD, 2017). Ví dụ nổi tiếng nhất Tự chủ máy móc là xe không người lái, nhưng các ứng dụng khác bao gồm tự động giao dịch tài chính, hệ thống quản lý nội dung tự động hoặc hệ thống có thể xác định và khắc phục lỗ hổng bảo mật.
Tăng năng suất có thể diễn ra trong các lĩnh vực từ nhà máy đến trung tâm dịch vụ và các văn phòng, vì AI cho phép các nhiệm vụ vật lý và nhận thức phức tạp được tự động hóa. AI có thể tự động hóa và ưu tiên các nhiệm vụ hành chính và hoạt động thông thường bằng cách đào tạo đàm thoại
phần mềm robot (các chương trình bot bot). Phần mềm Google Trả lời thông minh đề xuất phản hồi dự thảo dựa trên phản hồi trước đó cho các tin nhắn tương tự. Tin tức ngày càng sử dụng máy học để
sản xuất báo cáo và dự thảo bài viết. Các ứng dụng này sử dụng một con người trong phê duyệt cuối cùng quá trình và do đó làm tăng năng suất của cá nhân đó.
Robot sử dụng tia laser và 3D cảm biến độ sâu và tầm nhìn máy tính tiên tiến Mạng lưới thần kinh sâu hiện có thể hoạt động an toàn cùng với công nhân kho và nhà máy. AI cũng có thể cải thiện năng suất bằng cách giảm chi phí tìm kiếm bộ dữ liệu lớn. Trong lĩnh vực pháp lý, các công ty như ROSS, Lex Machina, H5 hoặc CaseText dựa vào AI xử lý ngôn ngữ tự nhiên để tìm kiếm thông qua các tài liệu pháp lý cho
thông tin liên quan đến trường hợp, xem xét hàng ngàn tài liệu trong vài ngày thay vì vài tháng.
Một số công ty nghiên cứu thị trường gần đây đã cố gắng dự kiến tác động AI AI về kinh tế
tăng trưởng và năng suất. Purdy và Daugherty (2016) đã phân tích 12 nền kinh tế phát triển và tuyên bố rằng AI có thể tăng gấp đôi các quốc gia này. Tốc độ tăng trưởng hàng năm và tăng năng suất lao động lên tới 40% vào năm 2035. Viện toàn cầu McKinsey ước tính rằng tự động hóa thông qua cả AI và robot có thể tăng năng suất toàn cầu từ 0,8% đến 1,4% mỗi năm. Trí tuệ nhân tạo hứa hẹn sẽ giúp mọi người giải quyết những thách thức phức tạp trong các lĩnh vực như y tế, giao thông và an ninh
Trí tuệ nhân tạo giúp phát hiện sớm tình trạng sức khỏe, cung cấp dịch vụ phòng ngừa và khám phá phương pháp điều trị mới Những tiến bộ của AI trong chăm sóc sức khỏe được kỳ vọng sẽ giúp điều trị các bệnh ở người và thuốc bằng cả hai giúp phát hiện sớm các điều kiện và kết hợp với nhanh chóng tăng lưu lượng dữ liệu y tế có sẵn – bằng cách cho phép y tế chính xác và phương pháp điều trị phòng ngừa. AI giúp phát hiện sớm các tình trạng y tế đáng chú ý thông qua việc sử dụng hình ảnh công nhận trên X quang, siêu âm, chụp cắt lớp vi tính và cộng hưởng từ hình ảnh. IBM Watson và các bác sĩ từ Đại học Tokyo đã có thể chẩn đoán dạng bệnh bạch cầu hiếm gặp ở một bệnh nhân Nhật Bản mà các bác sĩ không phát hiện ra. Trong khu vực của X quang phát hiện ung thư vú, thuật toán học sâu kết hợp với đầu vào từ các nhà nghiên cứu bệnh học ở người đã hạ thấp tỷ lệ lỗi xuống 0,5%, giảm 85% lỗi so với tỷ lệ lỗi đạt được chỉ bởi các nhà nghiên cứu bệnh học ở người (3,5%) hoặc máy móc (7,5%) (Nikkei, 2015). Những tiến bộ trong học máy cũng được kỳ vọng sẽ tạo điều kiện cho các phát minh, sáng tạo thuốc và những khám phá thông qua việc khai thác dữ liệu và các ấn phẩm nghiên cứu. Cá nhân hóa dịch vụ chăm sóc sức khỏe và huấn luyện viên cuộc sống trên điện thoại thông minh đã bắt đầu hiểu và tích hợp các bộ dữ liệu sức khỏe cá nhân khác nhau. Trong lĩnh vực chăm sóc người cao tuổi, ngôn ngữ tự nhiên xử lý các ứng dụng AI và các thiết bị hỗ trợ thị giác và thính giác, chẳng hạn như exoskeletons hoặc người đi bộ thông minh, dự kiến sẽ đóng một vai trò ngày càng tăng.
Dịch và liên kết nguồn tin tại: TECHNOLOGY OUTLOOK /DIGITAL ECONOMY OUTLOOK2017 @OECD; OECD (2017), version: OECD Digital Economy Outlook 2017, OECD Publishing, Paris. http://dx.doi.org/10.1787/9789264276284-en
Thư điện tử của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *
Bình luận
Tên *
Thư điện tử *
Trang web
