Hiện nay, các thuật ngữ liên quan đến sự phát triển của siêu công nghệ tương lai, Trí tuệ nhân tạo, đã đi vào vốn từ vựng của chúng ta một cách mạnh mẽ, làm dấy lên những cuộc tranh luận sôi nổi giữa các chuyên gia, chính trị gia, hiệp hội người tiêu dùng và các ngành công nghệ cao. Người công dân mất phương hướng và muốn hiểu thêm về cuộc cách mạng có thể sớm làm đảo lộn cuộc sống thực của anh ta: Tốt hơn hay tệ hơn, điều đó phụ thuộc vào quan điểm của bạn.
bởi Massimiliano D'Elia
Châu Âu là nơi đầu tiên cố gắng điều chỉnh bằngĐạo luật IA việc sử dụng các thuật toán thông minh. Một quy định được các chính trị gia và chuyên gia hoan nghênh nhưng vẫn để lại những nghi ngờ và yêu cầu cung cấp thêm thông tin từ các hiệp hội người tiêu dùng và các tổ chức khác xa động lực chính trị và xã hội. kinh doanh.
Thỏa thuận sơ bộ giữa Hội đồng và Nghị viện Châu Âu, được thành lập vào đầu tháng 12, đã phác thảo cấu trúc của luật, nhưng cuộc đàm phán giữa các tổ chức và công ty Châu Âu lãnh đạo trong lĩnh vực AI vẫn còn dang dở.
Dự kiến, Đạo luật AI sẽ được phê duyệt dứt khoát trong khoảng thời gian từ tháng 2025 đến tháng XNUMX tới. Tuy nhiên, tác động của nó sẽ chỉ được nhìn thấy từ năm XNUMX, khi luật này có hiệu lực với mục đích thúc đẩy đổi mới công nghệ và bảo vệ các quyền cơ bản của công dân.
Hiện tại, khung pháp lý của Châu Âu về trí tuệ nhân tạo dựa trên cách tiếp cận "dựa trên rủi ro” với các quy tắc tiến bộ ngày càng nghiêm ngặt đối với các hệ thống có rủi ro cao, các nhà phát triển có nghĩa vụ đăng ký và cần phải tạo ra dữ liệu được sử dụng trong đào tạo của các thuật toán. Mặc dù một số nước châu Âu ban đầu đã cố gắng bảo vệ các mô hình trí tuệ nhân tạo tiên tiến khỏi các quy tắc và kiểm soát nghiêm ngặt, nhưng thỏa thuận cuối cùng đưa ra một số nhượng bộ hạn chế, chẳng hạn như đối với an ninh quốc gia và do đó đối với tất cả các hoạt động liên quan đến nghiên cứu và đổi mới hệ thống quân sự và lực lượng cảnh sát.
Nhận dạng sinh trắc học và giám sát hàng loạt bị hạn chế bởi sự cho phép của các cơ quan có thẩm quyền của quốc gia. Phạm vi pháp lý để sử dụng công nghệ dự đoán sẽ chỉ được đảm bảo cho lực lượng thực thi pháp luật và an ninh. Do đó, luật pháp Châu Âu áp đặt các nghĩa vụ minh bạch đối với các hệ thống trí tuệ nhân tạo có mục đích chung trước khi chúng được tung ra thị trường và quản lý dữ liệu nhạy cảm cẩn thận hơn.
Sau khi Đạo luật AI có hiệu lực, sau đó sẽ có thời hạn hai năm để các quốc gia thành viên thực hiện quy định và thêm sáu tháng nữa để thiết lập các mục đích sử dụng bị cấm. Hơn nữa, một Hiệp ước AI, tức là một hệ thống tuân thủ tự nguyện dự đoán trước các quy định của Châu Âu.
Mức phạt vi phạm Đạo luật AI sẽ dao động từ tối thiểu 7,5 triệu hoặc 1,5% doanh thu đến tối đa 35 triệu hoặc 17% doanh thu. Do có nhiều biến số giải thích, lợi ích của các công ty và hiệp hội người tiêu dùng, quy định của EU vẫn chưa được xác định rõ ràng và có thể trải qua những thay đổi đáng kể, do đó làm thay đổi tinh thần hợp tác đã thúc đẩy quá trình soạn thảo tài liệu ban đầu được phê duyệt vào đầu tháng 2023 năm XNUMX.
Trí tuệ nhân tạo và tác động của nó tới thiên nhiên, vàng xanh
Mức tiêu thụ nước trong máy chủ trí tuệ nhân tạo (AI) là một khía cạnh rất quan trọng khi đánh giá tác động môi trường tổng thể của hệ thống AI hoặc trung tâm dữ liệu. Tuy nhiên, điều quan trọng cần lưu ý là tiêu thụ nước thường là khía cạnh gián tiếp liên quan đến nhiều yếu tố khác nhau chứ không phải là lĩnh vực sử dụng trực tiếp như trong trường hợp năng lượng. Dưới đây là một số yếu tố có thể góp phần tiêu thụ nước trong máy chủ AI:
Làm mát trung tâm dữ liệu: Các trung tâm dữ liệu, nơi lưu trữ các máy chủ để xử lý khối lượng công việc AI, yêu cầu hệ thống làm mát để giữ nhiệt độ ở mức chấp nhận được. Các hệ thống này có thể sử dụng nước để tản nhiệt do máy chủ tạo ra.
Sản xuất phần cứng: Sản xuất phần cứng AI chuyên dụng, chẳng hạn như bộ xử lý đồ họa (GPU) hoặc bộ xử lý chuyên dụng, thường cần lượng nước đáng kể cho quá trình sản xuất và làm mát.
Sản xuất năng lượng: Nếu năng lượng được sử dụng để cung cấp năng lượng cho máy chủ AI đến từ các nguồn cần lượng nước lớn (chẳng hạn như nhà máy điện đốt than hoặc điện hạt nhân), thì toàn bộ vòng đời của hệ thống có thể ảnh hưởng đến mức tiêu thụ nước tổng thể.
Tài nguyên sản xuất phần cứng: Việc khai thác tài nguyên thiên nhiên cần thiết để sản xuất phần cứng có thể ảnh hưởng đến nước, đặc biệt nếu nó liên quan đến các vật liệu như silicon.
Vị trí địa lý: Nguồn nước sẵn có và việc quản lý có thể khác nhau rất nhiều tùy thuộc vào vị trí địa lý của các trung tâm dữ liệu. Ở những vùng có nguồn nước khan hiếm, việc tiêu thụ nước có thể là một vấn đề nghiêm trọng.
Một số công ty đang áp dụng các chiến lược để giảm tác động tổng thể đến môi trường của hệ thống AI của họ, bao gồm cả lượng nước tiêu thụ. Điều này có thể bao gồm việc áp dụng các công nghệ tiết kiệm năng lượng hơn, sử dụng các hệ thống làm mát cải tiến cần ít nước hơn và chuyển đổi sang các nguồn năng lượng tái tạo. Điều quan trọng cần lưu ý là các cân nhắc về môi trường liên quan đến AI, bao gồm cả việc tiêu thụ nước, ngày càng trở nên phù hợp và nhiều tổ chức đang tìm cách thực hiện các biện pháp bền vững trong thiết kế và quản lý hệ thống AI của họ.
THẬP KỲ
Dưới đây là phần giải thích về một số thuật ngữ đã đi vào vốn từ vựng của chúng ta một cách mạnh mẽ và có thể phá vỡ cuộc sống thực của chúng ta nhanh hơn các quy định pháp lý mới nổi.
Siêu trí tuệ nhân tạo
“Siêu trí tuệ nhân tạo” đề cập đến trình độ trí tuệ nhân tạo (AI) tiên tiến vượt xa đáng kể khả năng nhận thức của con người trong một số lĩnh vực. Thuật ngữ này thường gắn liền với AI vượt trội trong các nhiệm vụ trí tuệ đa dạng, học máy và giải quyết các vấn đề phức tạp. Siêu trí tuệ nhân tạo là một tầm nhìn tương lai gợi ý việc tạo ra các hệ thống thông minh không chỉ vượt qua khả năng học tập và hiểu biết của con người mà còn có thể phát triển sự hiểu biết tự chủ về thế giới, suy luận, học hỏi và giải quyết vấn đề theo những cách ngoài tầm với của con người. trí thông minh của con người.
Ngày nay chúng ta chưa đạt đến trình độ siêu trí tuệ nhân tạo, nghiên cứu và phát triển ngày nay tập trung vào các hệ thống trí tuệ nhân tạo có thể thực hiện các hoạt động hoặc nhiệm vụ cụ thể hiệu quả hoặc chính xác hơn con người. Siêu trí tuệ nhân tạo là một triển vọng tương lai đáng được suy ngẫm sâu sắc hơn về mặt đạo đức về khả năng tạo ra các thực thể có trí thông minh có khả năng vượt qua con người.
Trí tuệ nhân tạo sáng tạo
“Trí tuệ nhân tạo sáng tạo” đề cập đến một trường con của trí tuệ nhân tạo (AI) liên quan đến việc tạo ra các hệ thống có thể tự động tạo ra dữ liệu, nội dung hoặc thông tin mới. Các hệ thống này sử dụng các phương pháp học máy, đặc biệt là mạng thần kinh tổng quát, để tạo ra dữ liệu thường bắt chước hoặc không thể phân biệt được với dữ liệu do con người tạo ra.
Một ví dụ về trí tuệ nhân tạo tổng hợp là khái niệm “Mạng đối thủ sáng tạo” (GAN), trong đó hai mạng thần kinh, một bộ tạo và một bộ phân biệt đối xử, được đào tạo đồng thời thông qua quá trình cạnh tranh. Trình tạo cố gắng tạo ra dữ liệu ngày càng thực tế hơn, trong khi trình phân biệt cố gắng phân biệt giữa dữ liệu thực và dữ liệu được tạo. Sự cạnh tranh này dẫn đến việc người tạo không ngừng cải thiện khả năng tạo ra dữ liệu ngày càng thuyết phục.
Các ứng dụng của trí tuệ nhân tạo tổng hợp rất đa dạng và bao gồm việc tạo ra hình ảnh, văn bản, âm nhạc, v.v. Ví dụ: GAN có thể được sử dụng để tạo khuôn mặt người nhân tạo trông chân thực hoặc để tạo ra hình ảnh phong cảnh trông giống thật. Tuy nhiên, điều quan trọng cần lưu ý là việc sử dụng các công nghệ như vậy cũng đặt ra các câu hỏi về đạo đức, chẳng hạn như khả năng thao túng nội dung hoặc tạo ra thông tin sai lệch bởi các tác nhân quốc tế như những kẻ khủng bố có nguồn gốc khác nhau.
Trí tuệ nhân tạo tổng hợp
Trí tuệ tổng hợp nhân tạo (AIG) đại diện cho một cấp độ trí tuệ nhân tạo nhằm mục đích hiểu, học hỏi và thực hiện bất kỳ hoạt động nhận thức nào của con người theo cách tương tự hoặc thậm chí vượt trội so với chính con người. Trái ngược với AI thông thường, được thiết kế để giải quyết các nhiệm vụ cụ thể hoặc hạn chế, IAG mong muốn một dạng AI rộng hơn và linh hoạt hơn, có khả năng thích ứng và học hỏi trên nhiều lĩnh vực.
Các đặc điểm chính của Trí tuệ nhân tạo tổng hợp bao gồm
Học tập chung: Khả năng học hỏi từ nhiều loại dữ liệu và áp dụng kiến thức này trong các bối cảnh khác nhau. Kiểu học tập này vượt xa việc học cụ thể các nhiệm vụ đơn giản.
Lý luận tương tự: Khả năng giải quyết các vấn đề phức tạp và tạo ra các kết nối thông qua lý luận loại suy, tương tự như cách con người tiếp cận các tình huống mới dựa trên kinh nghiệm trong quá khứ.
Hiểu bối cảnh: Khả năng hiểu bối cảnh mà một người tìm thấy chính mình, xem xét các yếu tố môi trường, xã hội và văn hóa. Kỹ năng này rất cần thiết để thích ứng với những tình huống mới và bất ngờ.
Tự nhận thức: Nhận thức về sự tồn tại và khả năng của một người, bao gồm cả việc nhận ra những hạn chế và khả năng học hỏi từ những sai lầm.
Khả năng thích ứng: Khả năng thích ứng với các nhiệm vụ hoặc môi trường mới mà không cần lập trình lại đáng kể.
Hiện tại, IAG là một trong những mục tiêu đầy tham vọng và phức tạp nhất trong lĩnh vực trí tuệ nhân tạo. Hầu hết các công nghệ AI hiện tại đều chuyên về các nhiệm vụ cụ thể và không có tính linh hoạt cũng như phạm vi nhận thức đặc trưng của trí tuệ nhân tạo nói chung. Việc đạt được trí tuệ nhân tạo nói chung đặt ra những thách thức đáng kể về kỹ thuật, đạo đức và an ninh và vẫn là mục tiêu dài hạn trong nghiên cứu AI.
Tế bào thần kinh cảm giác trong AI
Trong lĩnh vực trí tuệ nhân tạo, “tế bào thần kinh cảm giác” có thể được liên kết với các thành phần của mạng lưới thần kinh nhân tạo được thiết kế để xử lý dữ liệu từ các cảm biến, tương tự như cách hệ thần kinh của con người sử dụng các tế bào thần kinh cảm giác để nhận biết các kích thích bên ngoài.
Trong mạng lưới thần kinh nhân tạo, thuật ngữ “tế bào thần kinh” dùng để chỉ một đơn vị tính toán nhận đầu vào, xử lý chúng thông qua chức năng kích hoạt và tạo ra đầu ra. Trong các lớp đầu tiên của mạng nơ-ron, thường được gọi là “lớp đầu vào” hoặc “lớp cảm giác”, các nơ-ron chịu trách nhiệm nhận và chuyển đổi thông tin ban đầu từ cảm biến hoặc dữ liệu đầu vào.
Ví dụ: trong ứng dụng thị giác máy tính, tế bào thần kinh cảm giác có thể biểu thị đầu vào thô từ các pixel trong hình ảnh. Mỗi nơ-ron trong lớp ban đầu này có thể được liên kết với một pixel cụ thể và có thể được huấn luyện để phản ứng với các mẫu hoặc đặc điểm nhất định trong hình ảnh. Nói cách khác, những tế bào thần kinh cảm giác này học cách nhận biết các khía cạnh nhất định của hình ảnh, chẳng hạn như đường nét, màu sắc hoặc hình dạng.
Tế bào thần kinh cảm giác chỉ là một phần của mô hình AI lớn hơn và đầu ra của chúng sau đó được xử lý thông qua các lớp liên tiếp của mạng lưới thần kinh. Mục tiêu cuối cùng là để mạng tìm hiểu các cách biểu diễn ngày càng phức tạp và có ý nghĩa của thông tin có trong dữ liệu đầu vào, khai thác cấu trúc và kiến trúc của mạng thần kinh để tìm hiểu các mô hình và mối quan hệ.
Tóm lại, tế bào thần kinh cảm giác trong trí tuệ nhân tạo đóng vai trò chính trong việc xử lý thông tin ban đầu từ cảm biến hoặc dữ liệu đầu vào, cho phép mạng lưới thần kinh học và giải thích thông tin phức tạp ở các lớp tiếp theo.
chatbot
Chatbot, xuất phát từ sự kết hợp của hai từ “chat” (hội thoại) và “robot”, tượng trưng cho một ứng dụng máy tính được thiết kế để mô phỏng các tương tác của con người thông qua một cuộc trò chuyện. Bằng cách khai thác trí tuệ nhân tạo, chatbot có thể diễn giải và phản hồi nhất quán các tin nhắn của người dùng, mang lại trải nghiệm tương tác. Những trợ lý ảo này có thể được tích hợp trên nhiều nền tảng khác nhau, bao gồm trang web, ứng dụng nhắn tin, mạng xã hội và giao diện giọng nói. Ứng dụng của họ rất đa dạng và bao gồm hỗ trợ khách hàng tự động, cung cấp thông tin, quản lý đặt chỗ và hơn thế nữa.
Chủ yếu có hai loại chatbot:
Dựa trên quy tắc: Các chatbot này tuân theo một bộ quy tắc lập trình được xác định trước và phản hồi theo các mẫu được xác định trước. Sự tương tác của họ bị giới hạn ở logic được thiết lập trong quá trình lập trình.
Với trí tuệ nhân tạo (AI): Các chatbot này sử dụng thuật toán học máy và xử lý ngôn ngữ tự nhiên (NLP) để hiểu tin nhắn của người dùng. Họ có thể học hỏi từ kinh nghiệm trong quá khứ, cải thiện theo thời gian và xử lý thích ứng hơn với các tương tác phức tạp.
Chatbots ngày càng trở nên phổ biến, đóng vai trò quan trọng trong các lĩnh vực như dịch vụ khách hàng, ứng dụng kinh doanh và nền tảng trực tuyến. Sự hiện diện của họ nhằm mục đích đơn giản hóa các tương tác giữa người dùng và máy, cải thiện khả năng truy cập và mang lại trải nghiệm trực quan hơn.
Theo dõi bản tin của chúng tôi!