Trí tuệ nhân tạo AI (Artificial Intelligence) là ngành của khoa học máy tính xây dựng hệ thống có thể học, suy luận và ra quyết định từ dữ liệu – những việc vốn cần trí thông minh của con người. Bài viết giải đáp trí tuệ nhân tạo AI là gì, bốn cấp độ AI, các công nghệ nền như học máy, học sâu, thị giác máy tính và cách nhà máy đưa AI xuống dây chuyền bằng máy tính biên và máy chủ GPU.
1. Trí tuệ nhân tạo AI là gì?
Trí tuệ nhân tạo AI, còn gọi là trí thông minh nhân tạo, là lĩnh vực thuộc khoa học máy tính (computer science) nghiên cứu cách để máy tính thực hiện các hành vi thông minh: suy luận và giải quyết vấn đề, hiểu ngôn ngữ và tiếng nói, nhận dạng hình ảnh, học từ kinh nghiệm và tự thích nghi với tình huống mới.
Khác với phần mềm truyền thống chạy theo quy tắc lập trình sẵn, phần lớn hệ thống AI hiện nay được huấn luyện từ dữ liệu: mô hình nhận vào hàng nghìn đến hàng triệu ví dụ, tự rút ra quy luật rồi áp dụng cho dữ liệu chưa từng thấy. Đó là lý do AI có thể nhận ra một sản phẩm lỗi trên băng tải hoặc dự đoán thời điểm máy sắp hỏng mà không cần ai viết từng điều kiện.
AI là kết quả của nhiều thập kỷ nghiên cứu và đang tác động sâu đến sản xuất, năng lượng, y tế, tài chính và vận tải. Trong nhà máy, AI là lớp phân tích đặt trên hạ tầng tự động hóa và IoT đã có.
2. Phân loại trí tuệ nhân tạo AI
Theo năng lực, AI được chia thành bốn cấp. Hai cấp đầu đã có sản phẩm thương mại; hai cấp sau vẫn là mục tiêu nghiên cứu.
Loại 1: AI phản ứng (Reactive machine)
AI phản ứng chỉ xử lý tình huống đang có trước mắt, không lưu ký ức và không dùng kinh nghiệm quá khứ. Ví dụ kinh điển là Deep Blue, chương trình chơi cờ vua của IBM thắng kỳ thủ Garry Kasparov năm 1997: nó đánh giá các nước đi khả dĩ trên bàn cờ hiện tại và chọn nước tốt nhất, nhưng không học thêm sau mỗi ván.
Loại 2: AI bộ nhớ hạn chế (Limited memory)
Hệ thống dùng dữ liệu quá khứ trong một khoảng thời gian để ra quyết định cho bước tiếp theo. Đây là cấp phổ biến nhất hiện nay: xe tự lái, drone, xe tự hành AGV và hầu hết mô hình học máy trong công nghiệp đều thuộc nhóm này.
Với xe tự lái, cảm biến quanh xe liên tục đo khoảng cách với phương tiện phía trước; mô hình AI dự đoán khả năng va chạm từ chuỗi dữ liệu vừa thu và điều chỉnh tốc độ. Trong nhà máy, mô hình bảo trì dự đoán cũng hoạt động theo cách này với dữ liệu rung, nhiệt của máy.
Loại 3: AI lý thuyết tâm trí (Theory of mind)
Cấp này hướng tới hệ thống hiểu được ý định, niềm tin và cảm xúc của con người để tương tác phù hợp. Một số trợ lý ảo và robot dịch vụ đã có thành phần ở mức sơ khai, nhưng chưa có hệ thống nào đạt đầy đủ năng lực này.
Loại 4: AI tự nhận thức (Self-aware)
Hệ thống có ý thức về chính mình, có cảm xúc và hành xử như con người. Đây là giả thuyết trong nghiên cứu, chưa có ứng dụng thực tế.
3. Lịch sử phát triển trí tuệ nhân tạo AI
Dù thường được gọi là công nghệ mới, AI đã ra đời từ giữa thế kỷ 20 và trải qua nhiều chu kỳ kỳ vọng – thất vọng (các "mùa đông AI") trước khi bùng nổ nhờ dữ liệu lớn và GPU. Bảng dưới tóm tắt các mốc chính.
| Năm | Mốc | Ý nghĩa |
|---|---|---|
| 1950 | Alan Turing công bố "Computing Machinery and Intelligence" | Đề xuất phép thử Turing để đánh giá máy có thông minh hay không |
| 1956 | Hội nghị Dartmouth do John McCarthy chủ trì | Thuật ngữ "trí tuệ nhân tạo" ra đời, xác định phạm vi ngành |
| 1959 | Arthur Samuel đặt tên "machine learning" tại IBM | Chương trình chơi cờ đam tự cải thiện qua các ván đấu |
| 1974–1980 | Mùa đông AI thứ nhất | Cắt giảm tài trợ sau các báo cáo ALPAC, Lighthill |
| 1980–1987 | Hệ chuyên gia thương mại (R1/XCON) | AI dựa trên luật vào doanh nghiệp, sau đó suy thoái vào mùa đông AI thứ hai |
| 1997 | Deep Blue thắng Garry Kasparov | Máy tính vượt con người ở cờ vua bằng sức tính toán |
| 2012 | Mạng nơ-ron sâu thắng lớn ở cuộc thi nhận dạng ảnh ImageNet | Mở đầu kỷ nguyên học sâu trên GPU |
| 2016 | AlphaGo của DeepMind thắng Lee Sedol ở cờ vây | Học tăng cường giải bài toán có không gian trạng thái cực lớn |
| 2022 đến nay | AI tạo sinh và mô hình ngôn ngữ lớn phổ biến | AI đi vào công cụ làm việc, phân tích dữ liệu và vận hành nhà máy |
Điểm chung của giai đoạn hiện nay: mô hình được huấn luyện trên máy chủ GPU, sau đó triển khai xuống thiết bị tại chỗ để suy luận theo thời gian thực. Đây là mô hình mà các nhà máy đang áp dụng.
4. Ứng dụng trí tuệ nhân tạo AI trong cuộc sống
4.1 Y tế
AI hỗ trợ đọc ảnh chẩn đoán, phân tích hồ sơ bệnh án để gợi ý phác đồ, lên lịch khám và trả lời bệnh nhân qua trợ lý ảo. Bệnh nhân có thể chụp ảnh triệu chứng qua ứng dụng và nhận đánh giá sơ bộ trước khi gặp bác sĩ.
4.2 Giáo dục
Phần mềm học tập dùng AI theo dõi tiến bộ của từng học sinh, đề xuất bài tập phù hợp và giúp giáo viên điều chỉnh cách dạy theo dữ liệu thay vì cảm tính.
4.3 Vận tải
Xe tự lái, hệ thống hỗ trợ lái và tối ưu lộ trình dựa trên AI giúp giảm chi phí vận hành và rủi ro tai nạn. Trong logistics, AI điều phối đội xe và dự báo thời gian giao hàng.
4.4 Tài chính – ngân hàng
Ngân hàng dùng AI để phát hiện giao dịch gian lận, chấm điểm tín dụng, nhận diện khuôn mặt khi xác thực và trả lời khách hàng qua chatbot.
4.5 Dịch vụ và truyền thông
AI phân tích hành vi sử dụng dịch vụ để cá nhân hóa đề xuất; trong quảng cáo, AI chọn thời điểm và kênh hiển thị theo nhân khẩu học và thói quen trực tuyến của từng nhóm khách hàng.
4.6 Sản xuất
Nhà máy của FANUC (Nhật Bản) là ví dụ thường được dẫn: robot công nghiệp lắp ráp robot, tự giám sát và kiểm tra lẫn nhau trên dây chuyền gần như không người. Ở quy mô nhỏ hơn, AI vào nhà máy qua camera kiểm tra lỗi, cảm biến bảo trì dự đoán và phần mềm lập lịch. Mục 6 dưới đây đi sâu vào nhóm ứng dụng này.
5. Các công nghệ trí tuệ nhân tạo AI nổi bật hiện nay
5.1 Học máy (Machine learning)
Học máy là nhánh AI cho phép máy tính rút quy luật từ dữ liệu mà không cần lập trình tường minh, dùng thuật toán thống kê để phân loại, hồi quy và phát hiện bất thường. Đây là nền của hầu hết ứng dụng AI trong doanh nghiệp.
5.2 Học sâu (Deep learning)
Học sâu dùng mạng nơ-ron nhân tạo nhiều lớp, lấy cảm hứng từ cấu trúc não bộ. Học sâu mạnh ở dữ liệu phi cấu trúc như ảnh, âm thanh, văn bản, nhưng cần nhiều dữ liệu gán nhãn và GPU để huấn luyện.
5.3 Thị giác máy tính (Computer vision)
Thị giác máy tính giúp máy hiểu nội dung ảnh và video: phát hiện vật thể, phân loại, đo kích thước, đọc ký tự. Trong sản xuất, đây là công nghệ AI được triển khai nhiều nhất vì gắn trực tiếp với kiểm tra chất lượng.
5.4 Xử lý ngôn ngữ tự nhiên và nhận dạng giọng nói
Xử lý ngôn ngữ tự nhiên (NLP) cho phép máy hiểu và sinh văn bản; nhận dạng giọng nói chuyển tiếng nói thành lệnh. Hai công nghệ này đứng sau trợ lý ảo như Siri và chatbot chăm sóc khách hàng.
5.5 Quản lý quyết định (Decision management)
Hệ thống chuyển dữ liệu kinh doanh thành mô hình dự đoán và luật ra quyết định, dùng trong duyệt tín dụng, định giá và lập kế hoạch sản xuất.
5.6 Tự động hóa quy trình bằng robot (RPA)
RPA dùng robot phần mềm để thực hiện các thao tác lặp lại theo luật: nhập liệu, đối chiếu chứng từ, tạo báo cáo. Kết hợp AI, RPA xử lý được cả tài liệu không có cấu trúc.
AI trong sản xuất: thị giác máy, bảo trì dự đoán và tối ưu vận hành
Trong nhà máy, AI không thay hạ tầng tự động hóa hiện có mà đặt lên trên nó: PLC, cảm biến và camera cung cấp dữ liệu; mô hình AI phân tích và trả kết quả về hệ thống điều khiển hoặc người vận hành.
| Ứng dụng | Dữ liệu đầu vào | Kết quả | Phần cứng tại chỗ |
|---|---|---|---|
| Kiểm tra ngoại quan | Ảnh từ camera công nghiệp | Phát hiện lỗi, phân loại đạt/không đạt theo thời gian thực | Máy tính AI biên có GPU, cổng PoE/GigE cho camera |
| Bảo trì dự đoán | Rung, nhiệt, dòng điện động cơ | Cảnh báo hỏng trước khi máy dừng | Máy tính nhúng không quạt, cổng COM/CAN đọc cảm biến |
| Tối ưu vận hành | Dữ liệu MES, năng lượng, đơn hàng | Lịch sản xuất, điều phối robot và AGV | Máy chủ công nghiệp tại nhà máy |
| An toàn lao động | Video khu vực nguy hiểm | Phát hiện người vào vùng cấm, không đeo bảo hộ | Máy tính AI biên, DIO ngắt máy |
Mô hình triển khai phổ biến là hai lớp. Lớp huấn luyện chạy trên máy chủ AI hoặc GPU server đặt tại phòng máy, nơi có đủ dữ liệu và sức tính toán. Lớp suy luận chạy trên máy tính biên đặt ngay tại dây chuyền theo mô hình điện toán biên (edge computing), để phản hồi trong vài mili giây, không phụ thuộc đường truyền lên đám mây và giữ dữ liệu sản xuất trong nhà máy.
Ba việc cần chuẩn bị trước khi triển khai: dữ liệu (đủ ảnh lỗi, đủ lịch sử hỏng hóc để gán nhãn), tích hợp (giao thức trao đổi với PLC, MES) và phần cứng chịu được điều kiện xưởng.
Chọn thiết bị cho ứng dụng AI trong nhà máy
Máy tính chạy AI tại dây chuyền khác máy chủ văn phòng ở ba điểm: có bộ tăng tốc AI (GPU rời hoặc mô-đun NVIDIA Jetson), đủ cổng nối camera và thiết bị (LAN/PoE, USB, COM, DIO) và chịu được rung, bụi, nhiệt độ xưởng với nguồn DC dải rộng, không quạt.
Cho kiểm tra ngoại quan với vài camera, AAEON BOXER-8120AI là máy tính không quạt dùng mô-đun NVIDIA Jetson TX2, hỗ trợ bốn camera IP, hai cổng Gigabit Ethernet, bốn cổng RS-232 và đầu vào DC dải rộng, phù hợp lắp ở vị trí khó tiếp cận nhờ công tắc nguồn từ xa. Cho bài toán nặng hơn như nhiều luồng video hoặc suy luận mô hình lớn, máy tính Neousys Rugged Edge AI kết hợp CPU Intel Core thế hệ 8/9 với card đồ họa NVIDIA 250 W, cho tới 14 TFLOPS FP32, RAM ECC tới 128 GB và khay ổ 2,5 inch thay nóng.
Lớp huấn luyện và lưu mô hình nên đặt trên dòng máy chủ công nghiệp có thể vận hành trong phòng kỹ thuật nhà máy. Nếu chưa rõ dạng máy nào hợp với vị trí lắp, dùng công cụ chọn máy theo điều kiện lắp đặt để lọc theo nhiệt độ, nguồn cấp và cổng kết nối.
Câu hỏi thường gặp về trí tuệ nhân tạo AI
Trí tuệ nhân tạo AI là gì?
Trí tuệ nhân tạo là ngành của khoa học máy tính xây dựng hệ thống có thể thực hiện những việc vốn cần trí thông minh của con người: nhận dạng hình ảnh và giọng nói, hiểu ngôn ngữ, suy luận, dự đoán và ra quyết định. Phần lớn AI hiện nay là học máy: mô hình được huấn luyện từ dữ liệu thay vì lập trình từng quy tắc.
AI, học máy và học sâu khác nhau thế nào?
AI là khái niệm rộng nhất, chỉ mọi hệ thống mô phỏng trí thông minh. Học máy là một nhánh của AI, trong đó mô hình tự rút quy luật từ dữ liệu. Học sâu là một nhánh của học máy dùng mạng nơ-ron nhiều lớp, mạnh ở xử lý hình ảnh, âm thanh và ngôn ngữ nhưng cần nhiều dữ liệu và GPU để huấn luyện.
Trí tuệ nhân tạo được phân loại như thế nào?
Theo năng lực, AI chia thành bốn cấp: AI phản ứng chỉ xử lý tình huống hiện tại; AI bộ nhớ hạn chế dùng dữ liệu quá khứ để ra quyết định, là cấp phổ biến trong thực tế; AI lý thuyết tâm trí hiểu ý định và cảm xúc của con người; AI tự nhận thức có ý thức về chính nó. Hai cấp sau vẫn ở giai đoạn nghiên cứu.
AI ứng dụng trong sản xuất vào những việc gì?
Ba ứng dụng phổ biến là kiểm tra ngoại quan bằng camera và thị giác máy tính, bảo trì dự đoán từ dữ liệu rung và nhiệt của máy, và tối ưu vận hành như lập lịch sản xuất, điều phối robot và AGV. Ngoài ra còn có kiểm soát chất lượng theo thời gian thực và giám sát an toàn lao động.
Triển khai AI trong nhà máy cần phần cứng gì?
Cần hai lớp: máy chủ GPU để huấn luyện và lưu mô hình, và máy tính AI biên đặt tại dây chuyền để chạy suy luận. Máy tính biên nên là loại không quạt, có GPU hoặc mô-đun tăng tốc AI, nhiều cổng LAN hoặc PoE cho camera, cổng DIO để điều khiển thiết bị, nguồn DC dải rộng và dải nhiệt hoạt động phù hợp với xưởng.