1. Sản sinh ngôn ngữ tự nhiên (Natural language generation)
Máy móc xử lý và giao tiếp theo một cách khác với bộ não con người. Tạo ngôn ngữ tự nhiên là một công nghệ phổ biến giúp chuyển đổi dữ liệu có cấu trúc thành ngôn ngữ bản địa. Máy móc được lập trình với các thuật toán để chuyển đổi dữ liệu sang định dạng mong muốn của người dùng.
Ngôn ngữ tự nhiên là một nhánh của trí tuệ nhân tạo giúp các nhà phát triển nội dung tự động hóa nội dung và phân phối ở định dạng mong muốn. Các nhà phát triển nội dung có thể sử dụng nội dung được tự động hóa để quảng cáo trên các nền tảng mạng xã hội khác nhau và các nền tảng truyền thông khác để tiếp cận đối tượng mục tiêu.
Sự can thiệp của con người sẽ giảm đáng kể vì dữ liệu sẽ được chuyển đổi thành các định dạng mong muốn. Dữ liệu có thể được hiển thị dưới dạng biểu đồ, đồ thị…
2. Nhận dạng giọng nói (Speech recognition)
Nhận dạng giọng nói là một nhánh quan trọng khác của trí tuệ nhân tạo, chuyển đổi giọng nói của con người thành một định dạng hữu ích và có thể hiểu được bằng các ứng dụng máy tính. Công nghệ này là cầu nối tương tác giữa máy tính và con người. Ứng dụng Siri của iPhone là một ví dụ điển hình về nhận dạng giọng nói.
3. Trợ lý ảo (Virtual agent)
Trợ lý ảo (virtual agent) đã trở thành công cụ rất hữu ích đối với các nhà thiết kế hướng dẫn. Trợ lý ảo là một ứng dụng máy tính tương tác với con người. Các ứng dụng web và di động cung cấp tính năng chatbot hoạt động như các trợ lý dịch vụ khách hàng để tương tác với con người và trả lời các truy vấn của họ.
Trợ lý ảo Google (Google Assistant) giúp tổ chức các cuộc họp, trong khi Alexia - trợ lý ảo của Amazon giúp việc mua sắm của bạn trở nên dễ dàng hơn. Trợ lý ảo cũng hoạt động giống như một trợ lý ngôn ngữ, tùy theo sự lựa chọn và sở thích của bạn. Trợ lý ảo Watson của IBM có thể hiểu được các truy vấn dịch vụ khách hàng điển hình được hỏi theo nhiều cách khác nhau.
Bên cạnh đó, các trợ lý ảo cũng hoạt động như một phần mềm dưới dạng dịch vụ (SaaS) - mô hình phân phối dịch vụ ứng dụng phần mềm, trong đó nhà cung cấp không bán sản phẩm phần mềm mà bán dịch vụ dựa trên phần mềm đó.
4. Quản lý quyết định (Decision management)
Các công ty hiện nay đang triển khai các hệ thống quản lý quyết định để chuyển đổi và phân tích dữ liệu thành các mô hình dự đoán. Hệ thống quản lý quyết định được sử dụng để nhận thông tin cập nhật, sau đó tiến hành phân tích dữ liệu kinh doanh nhằm hỗ trợ quá trình ra quyết định của doanh nghiệp.
Quản lý quyết định giúp đưa ra quyết định nhanh chóng, tránh được những rủi ro, và tự động hóa quy trình ra quyết định. Hệ thống quản lý quyết định được triển khai rộng rãi trong lĩnh vực tài chính, y tế, thương mại, bảo hiểm, thương mại điện tử...
5. Sinh trắc học (Biometrics)
Sinh trắc học là phép đo và phân tích thống kê các đặc điểm sinh học và hành vi độc đáo của con người. Công nghệ này chủ yếu được sử dụng để nhận dạng và kiểm soát truy cập, hoặc để xác định các cá nhân thuộc diện bị giám sát.
Xác thực sinh trắc học (biometric authentication) ngày càng trở nên phổ biến trong các hệ thống an ninh công cộng và doanh nghiệp, điện tử tiêu dùng và các ứng dụng điểm bán lẻ POS. Ngoài vấn đề bảo mật, động lực thúc đẩy xác thực sinh trắc học là sự tiện lợi vì công nghệ này không yêu cầu phải nhớ mật khẩu khẩu hay mang theo mã thông báo bảo mật (security tokens).
Xác thực sinh trắc học thực hiện thông qua các dấu hiệu nhận diện như: dấu vân tay, dái tai, võng mạc, hình dạng bàn tay, khuôn mặt hoặc chữ ký bằng văn bản. Trong đó, dấu vân tay là loại xác thực sinh trắc học được sử dụng phổ biến và lâu đời nhất.
6. Học máy (Machine learning)
Học máy là một lĩnh vực của trí tuệ nhân tạo cho phép máy móc hiểu được các tập dữ liệu mà không cần được lập trình. Kỹ thuật học máy giúp các doanh nghiệp đưa ra những quyết định sáng suốt với các phân tích dữ liệu được thực hiện bằng thuật toán và mô hình thống kê.
Học máy được ứng dụng trong nhiều lĩnh vực khác nhau. Lĩnh vực chăm sóc sức khỏe và chuyên môn y tế cần các kỹ thuật học máy để phân tích dữ liệu bệnh nhân nhằm dự đoán bệnh và điều trị hiệu quả. Ngành tài chính ngân hàng cần học máy để phân tích dữ liệu khách hàng nhằm xác định và đề xuất các lựa chọn đầu tư cho khách hàng cũng như phòng ngừa rủi ro và lừa đảo. Các nhà bán lẻ sử dụng học máy để phân tích dữ liệu khách hàng, qua đó dự đoán được những thay đổi trong sở thích và hành vi của khách hàng.
7. Tự động hóa quy trình bằng robot (Robotic process automation)
Tự động hóa quy trình bằng robot (RPA) là một ứng dụng của trí tuệ nhân tạo giúp định cấu hình robot (ứng dụng phần mềm) để diễn giải, truyền đạt và phân tích dữ liệu. Công cụ AI này giúp tự động hóa một phần hoặc toàn bộ các hoạt động thủ công lặp đi lặp lại và theo quy luật.
8. Mạng ngang hàng (Peer-to-peer network)
Mạng ngang hàng giúp kết nối các hệ thống và máy tính khác nhau để chia sẻ dữ liệu mà không cần truyền dữ liệu qua máy chủ. Mạng ngang hàng có khả năng giải quyết các vấn đề phức tạp nhất. Công nghệ này được sử dụng trong tiền điện tử. Việc triển khai mạng ngang hàng giúp tiết kiệm chi phí vì các máy trạm (máy tính có hiệu năng cao hơn và cấu hình vượt trội hơn máy tính thông thường) riêng lẻ được kết nối mà không cần cài đặt các máy chủ.
9. Các nền tảng học sâu (Deep learning platforms)
Học sâu là một nhánh khác của trí tuệ nhân tạo hoạt động dựa trên các mạng nơ-ron nhân tạo (neural network), lấy cảm hứng từ bộ não con người. Học sâu giúp giải quyết những vấn đề phức tạp như cách mà bộ não con người vẫn làm, thông qua việc sử dụng nhiều thuật toán khác nhau.
Thuật ngữ “sâu” được đặt ra bởi vì tồn tại nhiều lớp ẩn trong các mạng nơ-ron. Thông thường, một mạng nơ-ron có 2-3 lớp ẩn và có thể có tối đa 150 lớp ẩn. Học sâu được dùng để đào tạo một mô hình và một đơn vị xử lý đồ họa dựa trên lượng dữ liệu khổng lồ. Các thuật toán hoạt động theo hệ thống phân cấp để tự động hóa các phân tích dự đoán.
Học sâu được ứng dụng rộng rãi trong nhiều lĩnh vực như hàng không vũ trụ và quân sự để phát hiện các vật thể thông qua vệ tinh, cải thiện an toàn lao động cho công nhân bằng cách xác định các sự cố rủi ro khi công nhân đến gần thiết bị máy móc, giúp phát hiện tế bào ung thư…
10. Phần cứng tối ưu hóa cho AI (AI-optimised hardware)
Giới kinh doanh hiện có nhu cầu cao về phần mềm trí tuệ nhân tạo. Khi sự chú ý dành cho phần mềm tăng lên, nhu cầu về phần cứng để hỗ trợ phần mềm cũng nảy sinh. Một con chip thông thường không thể hỗ trợ các mô hình trí tuệ nhân tạo, do đó một thế hệ chip trí tuệ nhân tạo mới đang được phát triển nhằm phục vụ các mạng nơ-ron, học sâu và thị giác máy tính (computer vision).
Phần cứng cho trí tuệ nhân tạo bao gồm CPU để xử lý khối lượng công việc ngày càng tăng, silicon tích hợp cho mục đích đặc biệt dành cho mạng nơ-ron, hay chip mô phỏng hệ thần kinh người... Các công ty như Nvidia, Qualcomm và AMD đang tạo ra những con chip có thể thực hiện các phép tính AI phức tạp. Chăm sóc sức khỏe và công nghiệp ô-tô có thể là những ngành sẽ được hưởng lợi từ loại chip này.
.png)
