Tổng quan về Trí tuệ Nhân tạo – Artificial Intelligence

Trí tuệ nhân tạo

AI đang mở ra một kỷ nguyên mới của sự đổi mới toàn cầu. Từ việc thúc đẩy sự nhanh nhạy của con người để chống lại sự lây lan của các bệnh truyền nhiễm, đến việc xây dựng các thành phố thông minh và cách mạng hóa hoạt động phân tích cho tất cả các ngành, AI cung cấp sức mạnh vượt qua khả năng của con người để thực hiện rất nhiều nhiệm vụ trong cuộc sống.

Trí tuệ nhân tạo là gì?

Ở góc độ cơ bản nhất, AI là khả năng của một chương trình máy tính hoặc một cỗ máy “biết” suy nghĩ, học hỏi và thực hiện các hành động mà không được lập trình sẵn rõ ràng với các mã lệnh. AI có thể được coi là sự phát triển của các hệ thống máy tính có thể thực hiện các tác vụ một cách tự động, thu nhận và phân tích khối lượng dữ liệu khổng lồ, sau đó nhận dạng các mẫu hình trong dữ liệu đó. Lĩnh vực nghiên cứu AI rộng lớn và đang phát triển luôn được định hướng xung quanh việc phát triển các hệ thống có thể thực hiện các nhiệm vụ mà vượt quá năng lực suy nghĩ của con người để hoàn thành, dù là bất kỳ cá nhân hoặc nhóm nào. Vì lý do này, AI thường được coi là vừa mang tính đột phá vừa có tính chuyển đổi cao.

Lợi ích chính của các hệ thống AI là khả năng học hỏi từ kinh nghiệm hoặc tìm hiểu các mẫu từ dữ liệu, tự điều chỉnh khi đầu vào và dữ liệu mới được đưa vào các hệ thống này. Khả năng tự học này cho phép các hệ thống AI hoàn thành nhiều nhiệm vụ tuyệt vời, bao gồm nhận dạng hình ảnh; nhận dạng giọng nói ngôn ngữ tự nhiên; dịch ngôn ngữ; dự đoán năng suất cây trồng; chẩn đoán y tế; dẫn đường; phân tích rủi ro khoản vay; nhiệm vụ con người sơ suất dễ bị lỗi và hàng trăm trường hợp sử dụng khác.

Tăng trưởng AI được hỗ trợ bởi những tiến bộ của GPU

Mặc dù lý thuyết và thực hành ban đầu của AI đã có từ 3/4 thế kỷ trước, nhưng phải đến thế kỷ 21, các ứng dụng kinh doanh thực tế của AI mới nở rộ. Đây là kết quả của sự kết hợp giữa những tiến bộ to lớn về sức mạnh tính toán và lượng dữ liệu khổng lồ có sẵn. Các hệ thống AI kết hợp lượng dữ liệu khổng lồ với phần cứng xử lý lặp lại cực nhanh và các thuật toán rất thông minh cho phép máy tính ‘học’ từ các mẫu dữ liệu hoặc tính năng dữ liệu.

Phần cứng lý tưởng cho công việc nặng của hệ thống AI là các đơn vị xử lý đồ họa hoặc GPU. Những bộ xử lý siêu nhanh, chuyên biệt này giúp xử lý song song rất nhanh và mạnh mẽ. Và lượng dữ liệu khổng lồ về cơ bản là nhiên liệu cho động cơ AI đến từ nhiều nguồn khác nhau, chẳng hạn như Internet of Things (IoT); truyền thông xã hội; cơ sở dữ liệu lịch sử; nguồn dữ liệu hoạt động; các nguồn công cộng và chính phủ khác nhau; cộng đồng khoa học và học thuật toàn cầu; thậm chí cả nguồn gen. Kết hợp GPU với kho lưu trữ dữ liệu khổng lồ và khả năng lưu trữ gần như vô hạn, AI được định vị để tạo ra tác động to lớn đến thế giới kinh doanh.

Trong số nhiều công nghệ đang phát triển thúc đẩy AI được sử dụng rộng rãi là các giao diện lập trình ứng dụng hoặc API. Về cơ bản, đây là các gói mã có tính di động cao cho phép các nhà phát triển và nhà khoa học dữ liệu tích hợp chức năng AI vào các sản phẩm và dịch vụ hiện tại, mở rộng giá trị của các khoản đầu tư hiện có. Ví dụ: API có thể thêm các khả năng Hỏi & Đáp mô tả dữ liệu hoặc đưa ra những thông tin chi tiết và mẫu thú vị.

Thử thách về trí tuệ nhân tạo

Không phải nói quá khi nói rằng trí tuệ nhân tạo, hay AI mang đến khả năng biến đổi tiềm năng năng suất của toàn bộ nền kinh tế toàn cầu. Một nghiên cứu của PwC cho thấy đóng góp của AI cho nền kinh tế toàn cầu sẽ đạt tổng cộng gần 17 nghìn tỷ USD trong vòng 10 năm. Để tham gia vào nền kinh tế lấy cảm hứng từ AI này, các tổ chức cần phải vượt qua các thách thức về AI.

Có được sức mạnh tính toán

Sức mạnh xử lý cần thiết để xây dựng các hệ thống AI và tận dụng các kỹ thuật như học máy và xử lý hình ảnh hoặc hiểu ngôn ngữ là rất lớn. NVIDIA là sự lựa chọn của các nhóm phát triển AI trên khắp thế giới đang tìm cách đưa AI vào các sản phẩm và dịch vụ hiện có khi họ xây dựng các dịch vụ ‘AI gốc’ mới và thú vị cho GPU lẫn AI SDK.

Xử lý sai lệch dữ liệu

Như với bất kỳ hệ thống máy tính nào khác, hệ thống AI chỉ hoạt động tốt khi dữ liệu được cung cấp vào chúng. Dữ liệu xấu có thể đến từ doanh nghiệp, chính phủ hoặc các nguồn khác và chứa các định kiến ​​về chủng tộc, giới tính hoặc các thành kiến ​​khác. Các nhà phát triển và nhà khoa học dữ liệu phải thực hiện các biện pháp phòng ngừa để ngăn chặn sự sai lệch trong dữ liệu AI hoặc gây rủi ro cho niềm tin của mọi người đối với những gì hệ thống AI thực sự học được.

Các trường hợp sử dụng AI

Chăm sóc sức khỏe

Các tổ chức hàng đầu thế giới đang trang bị AI cho các bác sĩ và nhà khoa học của họ, giúp họ thay đổi cuộc sống và tương lai về nghiên cứu. Với AI, họ có thể xử lý dữ liệu có thể tương tác, đáp ứng nhu cầu ngày càng tăng về y học cá nhân hóa và phòng khám thế hệ kế tiếp, phát triển các ứng dụng thông minh dành riêng cho quy trình công việc của họ và tăng tốc các lĩnh vực như phân tích hình ảnh, nghiên cứu khoa học đời sống. Các trường hợp sử dụng bao gồm:

• Chẩn đoán bệnh. Mỗi năm, các bệnh viện lớn thực hiện hàng triệu lần quét y tế và sinh thiết mô, thường được quét để tạo bộ dữ liệu bệnh lý kỹ thuật số. Ngày nay, các bác sĩ và nhà nghiên cứu sử dụng AI để phân tích toàn diện và hiệu quả các bộ dữ liệu này nhằm phân loại vô số bệnh, giảm sai sót khi các nhà nghiên cứu bệnh học khác nhau bất mãn với chẩn đoán.
• Chăm sóc bệnh nhân. Thách thức ngày nay, như mọi khi đối với các bác sĩ lâm sàng là đưa ra phương pháp điều trị phù hợp cho bệnh nhân nhanh chóng và hiệu quả nhất có thể. Đây là một nhu cầu cấp thiết hơn trong các đơn vị chăm sóc đặc biệt. Ở đó, các bác sĩ sử dụng các công cụ AI có thể tận dụng các phép đo dấu hiệu sinh tồn hàng giờ để dự đoán trước 8 giờ liệu bệnh nhân có cần điều trị để giúp họ hô hấp, truyền máu hay can thiệp để tăng cường chức năng tim hay không.

Bán lẻ

Một báo cáo của Accenture ước tính rằng AI có tiềm năng tạo ra giá trị 2,2 nghìn tỷ USD cho các nhà bán lẻ vào năm 2035 bằng cách thúc đẩy tăng trưởng và lợi nhuận. Khi trải qua quá trình chuyển đổi kỹ thuật số quy mô lớn, ngành này có thể tăng giá trị kinh doanh bằng cách sử dụng trí tuệ nhân tạo để cải thiện khả năng bảo vệ tài sản, cung cấp số liệu phân tích tại cửa hàng và hợp lý hóa các hoạt động.

• Dự đoán nhu cầu. Với hơn 100.000 sản phẩm khác nhau trong 4.700 cửa hàng ở Hoa Kỳ, nhóm khoa học dữ liệu của Walmart Labs phải dự đoán nhu cầu đối với 500 triệu kết hợp mặt hàng theo từng cửa hàng mỗi tuần. Bằng cách thực hiện dự báo với bộ thư viện máy học và khoa học dữ liệu mã nguồn mở NVIDIA RAPIDS được xây dựng trên NVIDIA CUDA-X AI và NVIDIA GPU, nhóm Walmart có thể thiết kế các tính năng máy học nhanh hơn 100 lần và đào tạo thuật toán nhanh hơn 20 lần.
• AiFi hiện đang thử nghiệm NanoStore, cửa hàng tự động 24/7, miễn phí thanh toán của họ, với các nhà bán lẻ lớn và trường đại học. NanoStores có hơn 500 sản phẩm khác nhau và sử dụng tính năng nhận dạng hình ảnh, được hỗ trợ bởi GPU NVIDIA T4 Tensor Core, để nắm bắt các lựa chọn hàng hóa và thêm chúng vào tab của khách hàng.

Viễn thông

AI đang mở ra làn sóng giao tiếp mới trong ngành viễn thông. Bằng cách khai thác sức mạnh của GPU và mạng 5G, các dịch vụ thông minh có thể được đưa lên hàng đầu, đơn giản hóa việc triển khai và cho phép chúng phát huy hết tiềm năng.

• 2Hz, Inc., đang mang lại sự rõ ràng cho các cuộc gọi trực tiếp bằng công nghệ khử tiếng ồn được hỗ trợ bởi NVIDIA GPU T4 và V100. Các thuật toán học sâu của 2Hz mở rộng hơn tới 20 lần so với CPU và bằng cách chạy NVIDIA TensorRT trên GPU, 2Hz đáp ứng yêu cầu độ trễ 12 mili giây (ms) cho giao tiếp thời gian thực
• 5G sẽ cung cấp nhiều khả năng tính toán, bao gồm cả tốc độ gigabit với độ trễ dưới 20 mili giây. Điều này đã khiến nhóm Verizon Envrmnt triển khai các NVIDIA GPU mạnh mẽ để tăng cường các hoạt động điện toán hiệu năng cao của Verizon và tạo ra một trung tâm dữ liệu phân tán. 5G cũng sẽ cho phép các thiết bị trở nên mỏng hơn, nhẹ hơn và tiết kiệm pin hơn, mở ra cơ hội cho quá trình xử lý song song sử dụng nhiều bộ nhớ có thể hỗ trợ kết xuất, học sâu và thị giác máy tính.

Các dịch vụ tài chính

Các giải pháp AI đã tìm thấy một ngôi nhà thân thiện trong thế giới năng động của các dịch vụ tài chính, với rất nhiều nhà cung cấp lâu đời và mới thành lập đang đổ xô đưa các giải pháp này ra thị trường. Các ứng dụng phổ biến nhất cho đến nay bao gồm:

• Quản lý danh mục đầu tư và tối ưu hóa. Trước đây, việc tính toán rủi ro danh mục đầu tư chủ yếu là một quá trình thủ công và do đó cực kỳ tốn thời gian. Sử dụng AI, các ngân hàng có thể thực hiện các truy vấn cực kỳ phức tạp trong vài giây mà không cần phải di chuyển dữ liệu nhạy cảm.
• Quản lý rủi ro. Giống như quản lý danh mục đầu tư, các tính toán quản lý rủi ro thường được thực hiện hàng loạt trong một đêm, dẫn đến mất cơ hội xảy ra 24/7. Các công cụ AI có thể tính toán rủi ro bằng cách sử dụng dữ liệu có sẵn hầu như trong thời gian thực, giúp tăng hiệu suất danh mục đầu tư và cải thiện trải nghiệm của khách hàng.
• Phát hiện gian lận. Với khả năng nhập khối lượng dữ liệu tăng/giảm và tìm kiếm ngay lập tức các điểm bất thường, các giải pháp AI sau đó có thể đánh dấu các mẫu đáng ngờ và kích hoạt các hành động cụ thể.

Công nghiệp

Một trong những trường hợp sử dụng AI phổ biến nhất là xử lý các luồng dữ liệu khổng lồ từ các thiết bị IoT khác nhau để bảo trì dự đoán. Điều này có thể liên quan đến việc giám sát tình trạng của một thiết bị đơn lẻ, chẳng hạn như máy phát điện hoặc toàn bộ cơ sở sản xuất như sàn nhà máy. Các hệ thống AI khai thác dữ liệu không chỉ được thu thập và truyền từ các thiết bị mà còn từ nhiều nguồn bên ngoài khác nhau, chẳng hạn như nhật ký thời tiết. Các tuyến đường sắt lớn sử dụng AI để dự đoán sự cố, áp dụng các bản sửa lỗi trước khi sự cố xảy ra do đó giữ cho các đoàn tàu chạy đúng giờ. Bảo trì dự đoán AI trên sàn nhà máy đã được chứng minh là giúp giảm đáng kể thời gian ngừng hoạt động của dây chuyền sản xuất.

AI như một công cụ

Các nhà khoa học dữ liệu nghĩ về AI như một công cụ và như một quy trình dựa trên các quy trình hoặc phương pháp khác được sử dụng để phân tích chuyên sâu dữ liệu. Ngoài các ngôn ngữ như R và Python, các nhà khoa học dữ liệu làm việc với dữ liệu từ cơ sở dữ liệu thông thường, trích xuất dữ liệu bằng truy vấn SQL. Sử dụng một số công cụ AI nhất định, họ có thể nhanh chóng thực hiện các nhiệm vụ để phân loại và thực hiện dự đoán trên các nguồn dữ liệu thông thường hơn.

Tại sao AI lại quan trọng với…

Nhà nghiên cứu máy học (ML)

Hầu hết các nhà nghiên cứu đang làm về AI, vì nó có thể được áp dụng cho hầu hết mọi vấn đề, sự sẵn có của các bộ dữ liệu lớn và sức mạnh tính toán khổng lồ đã giúp các nhà nghiên cứu ML tạo ra nghiên cứu đột phá trong nhiều lĩnh vực khác nhau và cách mạng hóa các ngành như xe tự lái, tài chính, nông nghiệp, v.v.

Nhà phát triển phần mềm

AI vẫn chưa phát triển đến mức có thể tự viết phần mềm, mặc dù những người đam mê nói rằng ngày đó không còn xa. Tuy nhiên, nhiều tổ chức đã sử dụng AI để giúp phát triển và sau đó thử nghiệm các giải pháp phần mềm, đặc biệt là phần mềm tùy chỉnh. Trong hai năm qua, các nhà cung cấp phần mềm đã đưa ra thị trường số lượng ngày càng tăng và nhiều công cụ phát triển phần mềm hỗ trợ AI. Một số công ty khởi nghiệp hấp dẫn nhất và được tài trợ tốt nhất là những công cụ phát triển AI tiên phong đó.

Trong một ứng dụng đặc biệt thú vị của các công cụ phát triển AI, AI đã tăng cường quản lý dự án bằng cách nhập lượng dữ liệu khổng lồ từ các dự án phát triển trước đó. Sau đó, các công cụ dự đoán chính xác các nhiệm vụ, tài nguyên và lịch trình khác nhau cần thiết để quản lý các dự án mới. Điều này không có nghĩa là AI có thể viết phần mềm hoặc thay thế các nhà phát triển, nhưng nó giúp thời gian mà các nhà phát triển có giá trị này dành để tạo ra phần mềm tùy chỉnh hiệu quả hơn nhiều.

Tại sao AI tốt hơn trên nền tảng điện toán tăng tốc

Các mô hình AI có thể rất lớn, đặc biệt là Mạng lưới thần kinh sâu (DNN) và yêu cầu sức mạnh tính toán lớn. Việc đào tạo các mô hình AI này đòi hỏi các tác vụ có tính song song cao vì các tính toán độc lập với nhau. Điều này làm cho nó trở thành một trường hợp sử dụng tốt để xử lý phân tán trên GPU. Với những tiến bộ gần đây trong GPU, một số mô hình AI về Tầm nhìn và Ngôn ngữ giờ đây có thể được đào tạo chỉ trong vòng một phút .

NVIDIA đang tăng cường điện toán AI: Một thế hệ dài về trí tuệ nhân tạo

NVIDIA đã phát minh ra GPU vào năm 1999. Sau đó, với việc tạo ra mô hình lập trình NVIDIA CUDA và nền tảng GPU Tesla, NVIDIA đã đưa khả năng xử lý song song vào máy tính đa năng. Với sự hội tụ của cải tiến AI và điện toán hiệu năng cao, NVIDIA GPU cung cấp năng lượng cho các giải pháp AI cho phép các ngành công nghiệp lớn nhất thế giới khai thác điện toán tăng tốc và đưa AI lên hàng đầu.

Đột phá lớn với mạng thần kinh do NVIDIA cung cấp

Việc xây dựng các ứng dụng AI có thể thay đổi cuộc chơi bắt đầu bằng việc đào tạo mạng lưới thần kinh. NVIDIA DGX-2 là công cụ mạnh mẽ nhất để đào tạo AI, sử dụng 16 GPU để mang lại hiệu suất đào tạo 2 petaflop cho các nhóm dữ liệu. Thêm hiệu suất IO cực cao của NVIDIA Mellanox InfiniBand networking, các hệ thống DGX-2 nhanh chóng mở rộng quy mô lên các NVIDIA SuperPOD siêu cấp máy tính . DGX-2 đã lập kỷ lục thế giới về MLPerf, một bộ tiêu chuẩn ngành mới được thiết kế để kiểm tra khả năng học sâu. NVIDIA DGX A100 là hệ thống mạnh mẽ nhất dành cho mọi khối lượng công việc AI, mang đến mật độ điện toán, hiệu suất và tính linh hoạt cao trong hệ thống AI 5 petaFLOPS đầu tiên trên thế giới. Thêm hiệu suất IO cực cao của Mellanox InfiniBand networking, các hệ thống DGX-A100 có thể nhanh chóng mở rộng quy mô lên NVIDIA POD cấp siêu máy tính .

Tăng cường AI trong đám mây

Các ứng dụng AI đã qua đào tạo được triển khai trong các trung tâm dữ liệu đám mây có quy mô lớn và độ phức tạp cao, phục vụ các dịch vụ thoại, video, hình ảnh và các dịch vụ khác cho hàng tỷ người dùng. Với sự gia tăng của conversational AI, nhu cầu ngày càng tăng đối với các hệ thống này hoạt động cực nhanh để làm cho các dịch vụ này thực sự hữu ích. Phần mềm NVIDIA TensorRT và GPU T4 kết hợp để tối ưu hóa, xác thực và tăng tốc các mạng đòi hỏi khắt khe này.

Trong khi đó, khi AI tràn ra khỏi đám mây và tiến vào vùng biên nơi hàng núi dữ liệu thô được tạo ra bởi các ngành trên toàn thế giới, nền tảng NVIDIA EGX đặt hiệu suất AI gần với dữ liệu hơn để đưa ra các quyết định theo thời gian thực khi nào và ở đâu chúng cần.

• Máy chủ tăng tốc cho AI thúc đẩy tăng trưởng chi tiêu cho trung tâm dữ liệu
• Tôi có cần CPU kép không?
• Xây dựng hệ thống dữ liệu hiệu suất cao cho AI với VAST Data Platform
• Hướng dẫn lựa chọn GPU phù hợp cho AI, Machine Learning
• So sánh các GPU Tensor Core của NVIDIA: B200, B100, H200, H100, A100
• LLM: Lịch sử và tương lai của các mô hình ngôn ngữ lớn