Chuyển đến nội dung chính

Symbolic AI là gì?

Trí tuệ nhân tạo ký hiệu (Symbolic AI) là một phân nhánh của AI tập trung vào việc xử lý và thao tác các ký hiệu hoặc khái niệm, thay vì dữ liệu số.
DataCamp Team
DataCamp Team

Tạo tài khoản miễn phí của bạn

Luyện tập và Lộ trình tiến trình của bạn.

Tiếp tục với GoogleBằng cách tiếp tục, bạn chấp nhận Điều khoản sử dụng, Chính sách quyền riêng tư và việc dữ liệu của bạn được lưu trữ tại Hoa Kỳ.

Trí tuệ nhân tạo ký hiệu (Symbolic AI) là một phân nhánh của AI tập trung vào việc xử lý và thao tác các ký hiệu hoặc khái niệm, thay vì dữ liệu số. Mục tiêu của Symbolic AI là xây dựng các hệ thống thông minh có thể suy luận và tư duy như con người bằng cách biểu diễn và xử lý tri thức, cũng như suy luận dựa trên các quy tắc logic.

Giải thích về Symbolic AI

Các thuật toán Symbolic AI hoạt động bằng cách xử lý các ký hiệu, đại diện cho các đối tượng hoặc khái niệm trong thế giới thực và mối quan hệ giữa chúng. Cách tiếp cận chủ đạo trong Symbolic AI là lập trình dựa trên logic, trong đó các quy tắc và tiên đề được dùng để suy luận và diễn dịch.

Giả sử chúng ta có một hệ thống Symbolic AI được thiết kế để chẩn đoán bệnh dựa trên các triệu chứng do bệnh nhân báo cáo. Hệ thống có một tập hợp các quy tắc và tiên đề dùng để suy luận và kết luận về tình trạng của bệnh nhân.

Ví dụ, nếu bệnh nhân báo sốt, hệ thống có thể dùng quy tắc sau:

IF patient has a fever AND patient has a cough AND patient has difficulty breathing THEN patient may have pneumonia.

Sau đó, hệ thống sẽ kiểm tra xem bệnh nhân có ho và khó thở hay không, và nếu có, hệ thống sẽ kết luận rằng bệnh nhân có thể bị viêm phổi.

Cách tiếp cận này có tính diễn giải cao, vì chúng ta có thể dễ dàng lần theo quá trình suy luận dựa trên các quy tắc logic đã được áp dụng. Nó cũng cho phép dễ dàng chỉnh sửa và cập nhật các quy tắc của hệ thống khi có thông tin mới.

Symbolic AI sử dụng các ngôn ngữ hình thức như logic để biểu diễn tri thức. Tri thức này được xử lý bởi các bộ suy luận dùng thuật toán để thao tác các ký hiệu. Điều này cho phép tạo ra các hệ thống như hệ chuyên gia và hệ hỗ trợ ra quyết định, có thể đưa ra diễn dịch và suy luận dựa trên các quy tắc và tri thức được xác định trước.

Ví dụ ứng dụng Symbolic AI trong thực tế

Symbolic AI đã được ứng dụng trong nhiều lĩnh vực, bao gồm xử lý ngôn ngữ tự nhiên, hệ chuyên gia và robot. Một số ví dụ cụ thể gồm:

  • Siri và các trợ lý số khác dùng Symbolic AI để hiểu ngôn ngữ tự nhiên và đưa ra phản hồi.
  • Các hệ thống chẩn đoán y khoa sử dụng Symbolic AI để đưa ra khuyến nghị cho bác sĩ dựa trên triệu chứng của bệnh nhân (như đã minh họa ở trên).
  • Xe tự hành dùng Symbolic AI để đưa ra quyết định dựa trên môi trường, như nhận diện biển dừng và đèn giao thông.
  • Các hệ thống thị giác máy tính dùng Symbolic AI để nhận diện đối tượng và mẫu trong hình ảnh.

Symbolic AI khác gì so với các kỹ thuật AI khác

Symbolic AI khác với các kỹ thuật AI khác như học máy và học sâu ở chỗ nó không cần lượng dữ liệu huấn luyện khổng lồ. Thay vào đó, Symbolic AI dựa trên biểu diễn tri thức và suy luận, phù hợp hơn với các lĩnh vực mà tri thức được xác định rõ ràng và có thể biểu diễn bằng các quy tắc logic.

Ngược lại, học máy cần các tập dữ liệu lớn để học mẫu và đưa ra dự đoán. Học sâu sử dụng mạng nơ-ron để học đặc trưng trực tiếp từ dữ liệu, phù hợp với các lĩnh vực có dữ liệu phức tạp và phi cấu trúc.

Thời điểm sử dụng mỗi kỹ thuật phụ thuộc vào miền bài toán và dữ liệu sẵn có. Symbolic AI phù hợp với các lĩnh vực có tri thức được cấu trúc và xác định rõ, trong khi học máy và học sâu phù hợp với các lĩnh vực có lượng dữ liệu lớn và các mẫu phức tạp.

Lợi ích của Symbolic AI là gì?

Symbolic AI có một số ưu điểm, bao gồm:

  • Dễ diễn giải: Symbolic AI mang lại tính minh bạch trong quá trình suy luận, giúp dễ hiểu cách hệ thống đi đến kết luận.
  • Biểu diễn tri thức: Symbolic AI có thể biểu diễn tri thức phức tạp theo cách hình thức và có cấu trúc, cho phép dễ dàng thao tác và suy luận.
  • Tính linh hoạt: Symbolic AI có độ linh hoạt cao và có thể thích ứng với các lĩnh vực khác nhau bằng cách chỉnh sửa tập quy tắc và kho tri thức.

Hạn chế của Symbolic AI là gì?

Symbolic AI có một số hạn chế, bao gồm:

  • Tri thức không đầy đủ: Symbolic AI cần tri thức đầy đủ và được xác định rõ để hoạt động chính xác. Trong các lĩnh vực có tri thức chưa đầy đủ, Symbolic AI có thể không hiệu quả.
  • Khả năng mở rộng: Symbolic AI có thể trở nên tốn kém về tính toán khi số lượng ký hiệu và quy tắc tăng lên, gây khó khăn khi mở rộng sang các miền lớn.
  • Khó xử lý thông tin không chắc chắn hoặc mơ hồ: Symbolic AI dựa vào biểu diễn tri thức chính xác và không mơ hồ, hạn chế khả năng suy luận hiệu quả với dữ liệu không chắc chắn hoặc mơ hồ.
  • Khả năng học và thích ứng hạn chế: Hệ thống Symbolic AI cần lập trình thủ công và có thể không cho phép học tập, thích ứng theo thời gian thực.

Bạn muốn tìm hiểu thêm về AI? Hãy xem các tài nguyên sau:

Câu hỏi thường gặp

Sự khác nhau giữa Symbolic AI và học máy là gì?

Symbolic AI dựa trên biểu diễn tri thức và suy luận, trong khi học máy học các mẫu trực tiếp từ dữ liệu.

Hệ chuyên gia là gì?

Hệ chuyên gia là một dạng hệ thống Symbolic AI sử dụng kho tri thức và tập hợp quy tắc để đưa ra khuyến nghị hoặc giải pháp cho các vấn đề.

Symbolic AI có thể kết hợp với các kỹ thuật AI khác không?

Có. Symbolic AI có thể được kết hợp với các kỹ thuật AI khác, như Học máy và Học sâu, để tạo ra các mô hình lai tận dụng thế mạnh của từng cách tiếp cận. Ví dụ, một hệ thống dùng Symbolic AI cho biểu diễn tri thức và suy luận, còn Học máy cho nhận dạng mẫu, có thể đạt hiệu suất tốt hơn so với từng cách tiếp cận riêng lẻ.

Symbolic AI phù hợp nhất để giải quyết những loại vấn đề nào?

Symbolic AI phù hợp nhất với các bài toán cần suy luận logic, ra quyết định dựa trên quy tắc và tri thức chuyên gia. Ví dụ gồm chẩn đoán và lập kế hoạch điều trị trong y khoa, lập lịch và phân bổ nguồn lực trong sản xuất, và phát hiện gian lận trong tài chính.

Một số chủ đề nghiên cứu hiện nay trong Symbolic AI là gì?

Một số chủ đề nghiên cứu hiện nay trong Symbolic AI bao gồm AI có khả năng giải thích (nhằm tạo ra các hệ thống AI có thể giải thích suy luận của mình cho con người), điện toán nhận thức (hướng đến việc tạo ra các hệ thống AI có thể mô phỏng nhận thức của con người), và suy luận thường thức (tập trung vào việc tạo ra các hệ thống AI có thể suy luận về các tình huống hằng ngày và tri thức thường thức).

Làm thế nào để bắt đầu với Symbolic AI?

Để bắt đầu với Symbolic AI, bạn có thể tìm hiểu về biểu diễn tri thức và suy luận, lập trình logic và hệ chuyên gia. Cũng có nhiều công cụ mã nguồn mở và thương mại để phát triển ứng dụng Symbolic AI, chẳng hạn như Prolog, CLIPS và Drools.

Chủ đề

Trí tuệ Nhân tạoMachine Learning

Liên quan

Xem thêm →