History

leestott 349386faa1 🌐 Update translations via Co-op Translator		3 weeks ago
..
README.md	🌐 Update translations via Co-op Translator	3 weeks ago
assignment.md	🌐 Update translations via Co-op Translator	3 weeks ago

README.md

Lịch sử học máy

Bản vẽ của Tomomi Imura

Câu hỏi trước bài giảng

🎥 Nhấp vào hình ảnh trên để xem video ngắn về bài học này.

Trong bài học này, chúng ta sẽ cùng tìm hiểu các cột mốc quan trọng trong lịch sử học máy và trí tuệ nhân tạo.

Lịch sử của trí tuệ nhân tạo (AI) như một lĩnh vực nghiên cứu gắn liền với lịch sử học máy, vì các thuật toán và tiến bộ tính toán làm nền tảng cho học máy đã góp phần vào sự phát triển của AI. Điều quan trọng là nhớ rằng, mặc dù các lĩnh vực này bắt đầu hình thành rõ ràng vào những năm 1950, nhưng các khám phá thuật toán, thống kê, toán học, tính toán và kỹ thuật quan trọng đã xuất hiện trước và chồng chéo với thời kỳ này. Thực tế, con người đã suy nghĩ về những câu hỏi này trong hàng trăm năm: bài viết này thảo luận về nền tảng trí tuệ lịch sử của ý tưởng về một 'cỗ máy biết suy nghĩ.'

Những khám phá đáng chú ý

1763, 1812 Định lý Bayes và các tiền thân của nó. Định lý này và các ứng dụng của nó là nền tảng cho suy luận, mô tả xác suất xảy ra của một sự kiện dựa trên kiến thức trước đó.
1805 Lý thuyết Bình phương nhỏ nhất của nhà toán học người Pháp Adrien-Marie Legendre. Lý thuyết này, bạn sẽ học trong phần hồi quy, giúp trong việc khớp dữ liệu.
1913 Chuỗi Markov, được đặt tên theo nhà toán học người Nga Andrey Markov, được sử dụng để mô tả một chuỗi các sự kiện có thể xảy ra dựa trên trạng thái trước đó.
1957 Perceptron là một loại bộ phân loại tuyến tính được phát minh bởi nhà tâm lý học người Mỹ Frank Rosenblatt, làm nền tảng cho các tiến bộ trong học sâu.

1967 Hàng xóm gần nhất là một thuật toán ban đầu được thiết kế để lập bản đồ tuyến đường. Trong ngữ cảnh học máy, nó được sử dụng để phát hiện các mẫu.
1970 Lan truyền ngược được sử dụng để huấn luyện mạng nơ-ron truyền thẳng.
1982 Mạng nơ-ron hồi quy là mạng nơ-ron nhân tạo được phát triển từ mạng nơ-ron truyền thẳng, tạo ra các đồ thị thời gian.

✅ Tìm hiểu thêm. Những mốc thời gian nào khác nổi bật trong lịch sử học máy và AI?

1950: Máy móc biết suy nghĩ

Alan Turing, một người thực sự xuất chúng, được công chúng bình chọn năm 2019 là nhà khoa học vĩ đại nhất thế kỷ 20, được ghi nhận là người đặt nền móng cho khái niệm 'máy móc có thể suy nghĩ.' Ông đã đối mặt với những người phản đối và nhu cầu của chính mình về bằng chứng thực nghiệm cho khái niệm này bằng cách tạo ra Bài kiểm tra Turing, mà bạn sẽ khám phá trong các bài học NLP.

1956: Dự án nghiên cứu mùa hè tại Dartmouth

"Dự án nghiên cứu mùa hè tại Dartmouth về trí tuệ nhân tạo là một sự kiện quan trọng đối với trí tuệ nhân tạo như một lĩnh vực," và tại đây thuật ngữ 'trí tuệ nhân tạo' đã được đặt ra (nguồn).

Mọi khía cạnh của học tập hoặc bất kỳ đặc điểm nào khác của trí tuệ đều có thể được mô tả một cách chính xác đến mức một cỗ máy có thể được tạo ra để mô phỏng nó.

Nhà nghiên cứu chính, giáo sư toán học John McCarthy, hy vọng "tiến hành dựa trên giả thuyết rằng mọi khía cạnh của học tập hoặc bất kỳ đặc điểm nào khác của trí tuệ đều có thể được mô tả một cách chính xác đến mức một cỗ máy có thể được tạo ra để mô phỏng nó." Những người tham gia bao gồm một nhân vật nổi bật khác trong lĩnh vực này, Marvin Minsky.

Hội thảo này được ghi nhận là đã khởi xướng và khuyến khích nhiều cuộc thảo luận bao gồm "sự nổi lên của các phương pháp biểu tượng, các hệ thống tập trung vào các lĩnh vực hạn chế (các hệ thống chuyên gia ban đầu), và các hệ thống suy diễn so với các hệ thống quy nạp." (nguồn).

1956 - 1974: "Những năm vàng"

Từ những năm 1950 đến giữa những năm 1970, sự lạc quan cao độ về hy vọng rằng AI có thể giải quyết nhiều vấn đề. Năm 1967, Marvin Minsky tự tin tuyên bố rằng "Trong một thế hệ ... vấn đề tạo ra 'trí tuệ nhân tạo' sẽ được giải quyết đáng kể." (Minsky, Marvin (1967), Computation: Finite and Infinite Machines, Englewood Cliffs, N.J.: Prentice-Hall)

Nghiên cứu xử lý ngôn ngữ tự nhiên phát triển mạnh mẽ, tìm kiếm được tinh chỉnh và trở nên mạnh mẽ hơn, và khái niệm 'thế giới vi mô' được tạo ra, nơi các nhiệm vụ đơn giản được hoàn thành bằng cách sử dụng các hướng dẫn ngôn ngữ đơn giản.

Nghiên cứu được tài trợ tốt bởi các cơ quan chính phủ, các tiến bộ được thực hiện trong tính toán và thuật toán, và các nguyên mẫu của máy móc thông minh được xây dựng. Một số máy móc này bao gồm:

Shakey the robot, có thể di chuyển và quyết định cách thực hiện các nhiệm vụ một cách 'thông minh'.

Shakey năm 1972

Eliza, một 'chatterbot' ban đầu, có thể trò chuyện với con người và hoạt động như một 'nhà trị liệu' sơ khai. Bạn sẽ tìm hiểu thêm về Eliza trong các bài học NLP.

Một phiên bản của Eliza, chatbot

"Blocks world" là một ví dụ về thế giới vi mô nơi các khối có thể được xếp chồng và sắp xếp, và các thí nghiệm trong việc dạy máy móc đưa ra quyết định có thể được thử nghiệm. Các tiến bộ được xây dựng với các thư viện như SHRDLU đã giúp thúc đẩy xử lý ngôn ngữ.

🎥 Nhấp vào hình ảnh trên để xem video: Blocks world với SHRDLU

1974 - 1980: "Mùa đông AI"

Đến giữa những năm 1970, đã trở nên rõ ràng rằng sự phức tạp của việc tạo ra 'máy móc thông minh' đã bị đánh giá thấp và lời hứa của nó, với sức mạnh tính toán hiện có, đã bị thổi phồng. Nguồn tài trợ cạn kiệt và niềm tin vào lĩnh vực này chậm lại. Một số vấn đề ảnh hưởng đến niềm tin bao gồm:

Hạn chế. Sức mạnh tính toán quá hạn chế.
Bùng nổ tổ hợp. Số lượng tham số cần được huấn luyện tăng theo cấp số nhân khi yêu cầu nhiều hơn từ máy tính, mà không có sự tiến hóa song song của sức mạnh và khả năng tính toán.
Thiếu dữ liệu. Sự thiếu hụt dữ liệu đã cản trở quá trình thử nghiệm, phát triển và tinh chỉnh thuật toán.
Chúng ta có đang đặt đúng câu hỏi không?. Chính những câu hỏi được đặt ra bắt đầu bị nghi ngờ. Các nhà nghiên cứu bắt đầu đối mặt với sự chỉ trích về cách tiếp cận của họ:
- Các bài kiểm tra Turing bị đặt câu hỏi bởi các lý thuyết như 'phòng Trung Quốc', cho rằng, "lập trình một máy tính kỹ thuật số có thể khiến nó dường như hiểu ngôn ngữ nhưng không thể tạo ra sự hiểu biết thực sự." (nguồn)
- Đạo đức của việc giới thiệu trí tuệ nhân tạo như "nhà trị liệu" ELIZA vào xã hội bị thách thức.

Đồng thời, các trường phái AI khác nhau bắt đầu hình thành. Một sự phân đôi được thiết lập giữa các thực hành "AI lộn xộn" và "AI gọn gàng". Các phòng thí nghiệm lộn xộn chỉnh sửa chương trình trong nhiều giờ cho đến khi đạt được kết quả mong muốn. Các phòng thí nghiệm gọn gàng "tập trung vào logic và giải quyết vấn đề chính thức". ELIZA và SHRDLU là các hệ thống lộn xộn nổi tiếng. Vào những năm 1980, khi nhu cầu xuất hiện để làm cho các hệ thống học máy có thể tái tạo, cách tiếp cận gọn gàng dần dần chiếm ưu thế vì kết quả của nó dễ giải thích hơn.

Hệ thống chuyên gia trong thập niên 1980

Khi lĩnh vực này phát triển, lợi ích của nó đối với kinh doanh trở nên rõ ràng hơn, và trong thập niên 1980, các 'hệ thống chuyên gia' bắt đầu phổ biến. "Hệ thống chuyên gia là một trong những hình thức phần mềm trí tuệ nhân tạo (AI) đầu tiên thực sự thành công." (nguồn).

Loại hệ thống này thực sự là lai, bao gồm một phần là động cơ quy tắc xác định các yêu cầu kinh doanh, và một động cơ suy luận sử dụng hệ thống quy tắc để suy ra các sự kiện mới.

Thời kỳ này cũng chứng kiến sự chú ý ngày càng tăng đối với mạng nơ-ron.

1987 - 1993: "Lạnh giá AI"

Sự phổ biến của phần cứng hệ thống chuyên gia chuyên biệt đã có tác động không may là trở nên quá chuyên biệt. Sự xuất hiện của máy tính cá nhân cũng cạnh tranh với các hệ thống lớn, chuyên biệt, tập trung này. Sự dân chủ hóa tính toán đã bắt đầu, và cuối cùng nó mở đường cho sự bùng nổ hiện đại của dữ liệu lớn.

1993 - 2011

Thời kỳ này chứng kiến một kỷ nguyên mới cho học máy và AI để giải quyết một số vấn đề đã gây ra trước đó bởi sự thiếu hụt dữ liệu và sức mạnh tính toán. Lượng dữ liệu bắt đầu tăng nhanh và trở nên phổ biến hơn, cả tốt và xấu, đặc biệt với sự xuất hiện của điện thoại thông minh vào khoảng năm 2007. Sức mạnh tính toán mở rộng theo cấp số nhân, và các thuật toán phát triển song song. Lĩnh vực này bắt đầu trưởng thành khi những ngày tự do của quá khứ bắt đầu kết tinh thành một ngành thực sự.

Hiện tại

Ngày nay học máy và AI chạm đến hầu hết mọi phần trong cuộc sống của chúng ta. Thời kỳ này đòi hỏi sự hiểu biết cẩn thận về các rủi ro và tác động tiềm năng của các thuật toán này đối với cuộc sống con người. Như Brad Smith của Microsoft đã tuyên bố, "Công nghệ thông tin đặt ra các vấn đề liên quan đến các bảo vệ quyền con người cơ bản như quyền riêng tư và tự do ngôn luận. Những vấn đề này làm tăng trách nhiệm của các công ty công nghệ tạo ra các sản phẩm này. Theo quan điểm của chúng tôi, chúng cũng kêu gọi sự điều chỉnh cẩn thận của chính phủ và sự phát triển các chuẩn mực về các cách sử dụng chấp nhận được" (nguồn).

Vẫn còn phải xem tương lai sẽ ra sao, nhưng điều quan trọng là hiểu các hệ thống máy tính này và phần mềm cùng các thuật toán mà chúng chạy. Chúng tôi hy vọng rằng chương trình học này sẽ giúp bạn hiểu rõ hơn để bạn có thể tự mình quyết định.

🎥 Nhấp vào hình ảnh trên để xem video: Yann LeCun thảo luận về lịch sử học sâu trong bài giảng này

🚀Thử thách

Khám phá một trong những khoảnh khắc lịch sử này và tìm hiểu thêm về những người đứng sau chúng. Có những nhân vật thú vị, và không có khám phá khoa học nào được tạo ra trong một môi trường văn hóa cô lập. Bạn khám phá được điều gì?

Câu hỏi sau bài giảng

Ôn tập & Tự học

Dưới đây là các tài liệu để xem và nghe:

Podcast này nơi Amy Boyd thảo luận về sự phát triển của AI

Bài tập

Tạo một dòng thời gian

Tuyên bố miễn trừ trách nhiệm:
Tài liệu này đã được dịch bằng dịch vụ dịch thuật AI Co-op Translator. Mặc dù chúng tôi cố gắng đảm bảo độ chính xác, xin lưu ý rằng các bản dịch tự động có thể chứa lỗi hoặc không chính xác. Tài liệu gốc bằng ngôn ngữ bản địa nên được coi là nguồn thông tin chính thức. Đối với các thông tin quan trọng, khuyến nghị sử dụng dịch vụ dịch thuật chuyên nghiệp từ con người. Chúng tôi không chịu trách nhiệm về bất kỳ sự hiểu lầm hoặc diễn giải sai nào phát sinh từ việc sử dụng bản dịch này.