Các loại AI và ứng dụng ra sao?

AI là khái niệm mới nhưng là nền tảng công nghệ phát triển nhanh nhất. Để giúp hiểu 1 cách tổng quát, hãy cùng đọc thông tin tổng hợp về các loại AI hiện nay

Hiện nay, trí tuệ nhân tạo (AI) thường được phân loại dựa trên hai cách chính: theo khả năng (capabilities) và theo chức năng (functionalities). Theo cách phân loại phổ biến dựa trên chức năng, có 4 loại AI chính, được đề xuất bởi các chuyên gia như Arend Hintze và được chấp nhận rộng rãi trong ngành. Phân loại này bao gồm hai loại đã tồn tại (Reactive Machines và Limited Memory) và hai loại vẫn còn lý thuyết (Theory of Mind và Self-Aware). Phân loại theo khả năng thì chia thành 3 loại: Narrow AI (hẹp, bao gồm hai loại đầu), General AI (tổng quát) và Super AI (siêu việt). Dưới đây, tôi sẽ tập trung vào phân loại 4 loại theo chức năng để dễ theo dõi.

Phân loại theo năng lực (Capability-based AI:

Loại AI	Nhà sáng lập / Tiểu sử	Thuật toán tiêu biểu	Ứng dụng thực tế	Tình trạng hiện nay
1. ANI(Artificial Narrow Intelligence)	John McCarthy(cha đẻ thuật ngữ AI, 1956), cùng nhóm Marvin Minsky, Allen Newell, Herbert Simon tại hội thảo Dartmouth.	– Machine Learning (ML) – Deep Learning (DL) – CNN, RNN, Transformers	ChatGPT, Siri, Google Maps, xe tự lái, đề xuất sản phẩm	Đang phổ biến, chiếm 100% ứng dụng hiện nay
2. AGI(Artificial General Intelligence)	Đề xuất khái niệm bởi Alan Turing (1936) & phát triển qua Ben Goertzel (OpenCog).	– Meta-learning – Neuro-symbolic AI – Self-supervised Learning	Robot tự học, hệ thống tự đưa ra quyết định như con người	Đang nghiên cứu, chưa đạt được
3. ASI(Artificial Super Intelligence)	Ý tưởng của Nick Bostrom (ĐH Oxford, 2014, sách Superintelligence).	– AI tiến hóa – Recursive Self-Improvement	AI tự cải thiện, vượt xa trí tuệ con người, quản lý vũ trụ	Giả thuyết, chưa tồn tại

Lịch sử AI tổng quát bắt đầu từ những năm 1950, với ý tưởng về máy móc thông minh được Alan Turing đề xuất qua bài báo “Computing Machinery and Intelligence” năm 1950, nơi ông giới thiệu Turing Test để kiểm tra trí thông minh của máy. Năm 1956, John McCarthy tổ chức hội nghị Dartmouth, chính thức đặt tên “Artificial Intelligence” và được coi là cha đẻ của lĩnh vực này, cùng với các nhà tiên phong như Marvin Minsky, Allen Newell và Herbert Simon. AI trải qua các giai đoạn bùng nổ (như những năm 1980) và “mùa đông AI” (giảm tài trợ vào 1987-1993), trước khi bùng nổ lại nhờ dữ liệu lớn và học sâu từ những năm 2010.

Phân loại theo chức năng (Functionality-based AI):

Loại AI	Người tiên phong	Thuật toán chính	Ví dụ ứng dụng
1. Reactive Machines(AI phản ứng)	IBM với Deep Blue (1997)	Heuristic Search, Minimax, Decision Trees	Deep Blue thắng Garry Kasparov
2. Limited Memory AI(AI có trí nhớ ngắn hạn)	Tesla, Waymo	Reinforcement Learning, Supervised Learning	Xe tự lái, chatbot thông minh
3. Theory of Mind AI(AI hiểu cảm xúc)	MIT Media Lab, Hanson Robotics	Emotion Recognition, Bayesian Networks	Robot Sophia, hệ thống chăm sóc khách hàng AI
4. Self-aware AI(AI tự nhận thức)	Hod Lipson(Columbia University Robotics Lab)	Neural-symbolic AI, Self-modeling Algorithms	Hiện chưa tồn tại, nhưng là mục tiêu xa

Phân loại theo công nghệ (Technology-based AI):

Loại AI	Người tiên phong	Thuật toán chính	Ví dụ ứng dụng
1. Reactive Machines(AI phản ứng)	IBM với Deep Blue (1997)	Heuristic Search, Minimax, Decision Trees	Deep Blue thắng Garry Kasparov
2. Limited Memory AI(AI có trí nhớ ngắn hạn)	Tesla, Waymo	Reinforcement Learning, Supervised Learning	Xe tự lái, chatbot thông minh
3. Theory of Mind AI(AI hiểu cảm xúc)	MIT Media Lab, Hanson Robotics	Emotion Recognition, Bayesian Networks	Robot Sophia, hệ thống chăm sóc khách hàng AI
4. Self-aware AI(AI tự nhận thức)	Hod Lipson(Columbia University Robotics Lab)	Neural-symbolic AI, Self-modeling Algorithms	Hiện chưa tồn tại, nhưng là mục tiêu xa

Dưới đây là chi tiết về từng loại AI, bao gồm lịch sử ngắn gọn, nhà tiên phong liên quan, thuật toán chính, ứng dụng và so sánh ở phần cuối.

1. Reactive Machines (Máy Phản Ứng)

Tiểu sử và Nhà sáng lập/Tiên phong: Loại AI này là hình thức cơ bản nhất, phát triển từ những năm 1950-1960 với các hệ thống dựa trên quy tắc. Tiên phong nổi bật là Arthur Samuel, người phát triển chương trình chơi cờ đam tự học năm 1952, và nhóm IBM với Deep Blue (1997), do Feng-hsiung Hsu dẫn dắt. Đây là loại AI đầu tiên được áp dụng thực tế, không có bộ nhớ nên chỉ phản ứng với dữ liệu hiện tại.
Thuật toán: Chủ yếu dựa trên toán học thống kê và hệ thống dựa trên quy tắc (rule-based systems), không sử dụng học máy để lưu trữ kinh nghiệm. Ví dụ: Thuật toán tìm kiếm cây (tree search) trong cờ vua.
Ứng dụng: Chơi cờ (Deep Blue đánh bại Garry Kasparov năm 1997), gợi ý phim trên Netflix (dựa trên dữ liệu hiện tại), hoặc hệ thống khuyến nghị đơn giản không cần lịch sử người dùng.

2. Limited Memory (Bộ Nhớ Hạn Chế)

Tiểu sử và Nhà sáng lập/Tiên phong: Phát triển mạnh từ những năm 1980-1990 nhờ học máy (machine learning), với Arthur Samuel đặt thuật ngữ “machine learning” năm 1959. Tiên phong bao gồm Alexey Ivakhnenko (đề xuất học sâu năm 1968) và các nhóm tại Google, IBM. Đây là loại AI phổ biến nhất hiện nay, có thể học từ dữ liệu lịch sử nhưng không lưu trữ lâu dài.
Thuật toán: Học máy giám sát (supervised learning, ví dụ: hồi quy tuyến tính), không giám sát (unsupervised, ví dụ: phân cụm K-means), tăng cường (reinforcement learning, ví dụ: AlphaGo), và học sâu với mạng nơ-ron (neural networks) như CNN cho hình ảnh hoặc RNN cho chuỗi dữ liệu.
Ứng dụng: Xe tự lái (Tesla Autopilot, sử dụng dữ liệu quá khứ để dự đoán), trợ lý ảo (Siri, Alexa), chatbot (ChatGPT, Bard), nhận diện hình ảnh (Google Photos), chẩn đoán y tế (phân tích hình ảnh X-quang), và dự báo tài chính (phát hiện gian lận).

3. Theory of Mind (Lý Thuyết Tâm Trí)

Tiểu sử và Nhà sáng lập/Tiên phong: Vẫn ở giai đoạn lý thuyết và nghiên cứu, bắt nguồn từ các ý tưởng về AI xã hội từ những năm 2000. Tiên phong bao gồm Cynthia Breazeal với robot Kismet (2000, mô phỏng cảm xúc), và các nhà nghiên cứu tại MIT như Marvin Minsky (nghiên cứu về trí tuệ cảm xúc). Chưa có hệ thống hoàn chỉnh, nhưng đang phát triển qua Emotion AI.
Thuật toán: Kết hợp NLP nâng cao (xử lý ngôn ngữ tự nhiên), mạng nơ-ron để nhận diện cảm xúc (emotion recognition), và lý thuyết trò chơi để dự đoán hành vi con người. Chưa có thuật toán chuẩn vì vẫn lý thuyết.
Ứng dụng: Tương lai, như robot chăm sóc người già hiểu cảm xúc, AI trong đội nhóm con người (dự đoán ý định), hoặc chatbot cá nhân hóa dựa trên tâm lý (ví dụ: hỗ trợ sức khỏe tâm thần).

4. Self-Aware (Tự Nhận Thức)

Tiểu sử và Nhà sáng lập/Tiên phong: Hoàn toàn lý thuyết, được thảo luận từ những năm 1950 bởi Alan Turing và John McCarthy như một phần của AI mạnh (strong AI). Chưa có tiên phong cụ thể vì chưa tồn tại, nhưng liên quan đến các cuộc tranh luận về AGI (Artificial General Intelligence) từ các nhà khoa học như Ray Kurzweil (dự đoán singularity năm 2045).
Thuật toán: Lý thuyết, có thể dựa trên kiến trúc nhận thức (cognitive architectures) như SOAR, kết hợp logic mờ (fuzzy logic) và mạng nơ-ron tự tổ chức để mô phỏng ý thức. Chưa có thuật toán thực tế.
Ứng dụng: Tương lai, như AI có ý thức riêng (cảm xúc, nhu cầu), robot siêu việt trong khám phá vũ trụ, hoặc hệ thống quản lý toàn cầu vượt trội con người.

So sánh giữa các loại AI

Tiêu chí	Reactive Machines	Limited Memory	Theory of Mind	Self-Aware
Tồn tại	Đã tồn tại (từ 1950s)	Đã tồn tại (phổ biến nhất hiện nay)	Lý thuyết (đang nghiên cứu)	Lý thuyết (tương lai xa)
Bộ nhớ/Khả năng học	Không có bộ nhớ, chỉ phản ứng hiện tại	Có bộ nhớ hạn chế, học từ dữ liệu quá khứ	Hiểu cảm xúc và ý định con người	Có ý thức bản thân, cảm xúc riêng
Thuật toán chính	Rule-based, toán thống kê	ML (supervised, unsupervised, RL), DL	NLP nâng cao, emotion AI	Cognitive architectures (lý thuyết)
Ứng dụng	Chơi cờ, khuyến nghị đơn giản	Xe tự lái, chatbot, chẩn đoán y tế	Robot xã hội, hỗ trợ tâm lý	AI siêu việt, quản lý toàn cầu
Ưu điểm	Nhanh chóng, chính xác cho nhiệm vụ cụ thể	Có thể cải thiện theo thời gian	Cá nhân hóa cao, tương tác xã hội	Vượt trội con người ở mọi khía cạnh
Nhược điểm	Không học hỏi, thiếu linh hoạt	Phụ thuộc dữ liệu, không hiểu cảm xúc	Chưa thực tế, vấn đề đạo đức	Rủi ro cao (kiểm soát, đạo đức)
Mức độ phức tạp	Thấp	Trung bình	Cao	Rất cao

Các thuật toán chính của AI

Nhóm thuật toán	Ý tưởng cốt lõi	Ứng dụng
Supervised Learning	Học từ dữ liệu gán nhãn	Dự đoán giá cổ phiếu, nhận diện hình ảnh
Unsupervised Learning	Khám phá mẫu từ dữ liệu chưa nhãn	Gợi ý sản phẩm, phân nhóm khách hàng
Reinforcement Learning	Học bằng cách thử – sai	Xe tự lái, robot, AlphaGo
Deep Learning	Mạng nơ-ron sâu mô phỏng não người	ChatGPT, Google Translate
Generative Models	Sinh dữ liệu mới	Tạo hình ảnh, nhạc, video, văn bản

Ứng dụng thực tế của AI

Lĩnh vực	Ứng dụng AI	Ví dụ
Y tế	Chẩn đoán bệnh, dự đoán ung thư	IBM Watson Health
Marketing & Sales	Phân tích hành vi khách hàng	Salesforce Einstein, HubSpot AI
Tài chính	Dự đoán rủi ro, phát hiện gian lận	JP Morgan AI, Ant Financial
Giáo dục	Cá nhân hóa học tập	Duolingo AI, Khanmigo
Sản xuất	Dự đoán bảo trì, tối ưu dây chuyền	Siemens AI, Tesla
Truyền thông	Sinh nội dung video, hình ảnh	OpenAI Sora, Runway Gen-2

So sánh một cách tổng quan

Tiêu chí	Narrow AI (ANI)	General AI (AGI)	Super AI (ASI)
Mức độ thông minh	Chỉ làm một việc	Học mọi thứ như con người	Thông minh vượt xa con người
Ví dụ	ChatGPT, Siri	Robot tự học như người	AI tự cải tiến, tự thiết kế AI mới
Thuật toán chính	ML, DL, NLP	Meta-learning, Neuro-symbolic AI	Recursive AI, Quantum AI
Trạng thái	Đang phổ biến	Đang nghiên cứu	Giả thuyết
Ứng dụng	Hầu hết hiện nay	Tương lai gần	Tầm nhìn dài hạn

Hiện nay có 3 cấp độ AI chính: ANI → AGI → ASI.
Các nhánh công nghệ trọng điểm: ML, DL, NLP, CV, Generative AI, Robotics.
Người sáng lập và tiên phong: từ Alan Turing (khởi nguồn lý thuyết), John McCarthy (đặt tên “AI”), đến Geoffrey Hinton (Deep Learning) và Ian Goodfellow (Generative AI).
Ứng dụng AI hiện tại chủ yếu thuộc ANI, nhưng xu hướng dịch chuyển mạnh sang Generative AI + Multi-Agent AI + Neuro-symbolic AI.

So sánh tổng quát: Reactive và Limited Memory thuộc Narrow AI, tập trung vào nhiệm vụ cụ thể và đã được áp dụng rộng rãi, trong khi Theory of Mind và Self-Aware thuộc General/Super AI, mang tính lý thuyết cao hơn nhưng có tiềm năng cách mạng hóa xã hội. Narrow AI hiện chiếm ưu thế nhờ tính thực tiễn, nhưng General/Super AI đặt ra thách thức về đạo đức và an toàn