Episode 2200 - July 1 - Phần 3 của 3 - Chương 1 - Trí tuệ Nhân tạo và Y học - AI và X-quang - Vina Technology at AI time - Lê Quang Văn | Podcast - Nhac.vn

Chương 1 - Trí tuệ Nhân tạo và Y học - Bức tranh toàn cảnh – Phần 3 của 3

Lê Quang Văn dịch, giải thích và thực hiện phần kỹ thuật số.

Nguyên bản Anh ngữ: AI for Radiology (AI cho X quang), thuộc nhóm AI for Everything (AI cho mọi đề tài)

Tác giả: Oge Marques, PhD.

Nhà xuất bản: CRC Press 2024

1.2.4 Lời hứa, Dự đoán và Mùa Đông AI

Lịch sử của AI có thể được truy ngược về một sự kiện quan trọng vào mùa hè năm 1956 tại Đại học Dartmouth. Trong hội thảo mùa hè này, những người nổi bật như John McCarthy, Marvin Minsky, Nathaniel Rochester, Claude Shannon và các đồng nghiệp đã đặt nền móng cho AI như một lĩnh vực học thuật và khám phá tiềm năng của các hệ thống tính toán để thể hiện hành vi thông minh.

Trong 50 năm tiếp theo, lĩnh vực AI đã trải qua hai chu kỳ hoàn chỉnh được đặc trưng bởi các giai đoạn nhiệt huyết, lạc quan và tuyên bố đầy tham vọng, tiếp theo là sự thất vọng và kỳ vọng không được đáp ứng. Những giai đoạn suy thoái trong các chu kỳ này thường được gọi là "mùa đông AI". Sự quan tâm chung đối với AI, bao gồm các ấn phẩm, mức độ tài trợ, và nhiều hơn nữa, đã giảm đáng kể trong những khoảng thời gian này. Để minh họa mức độ suy giảm, chỉ cần đề cập đến các thuật ngữ như AI hoặc mạng nơ-ron có thể bị xem là không được ủng hộ trong bối cảnh một bài báo khoa học.

Mùa đông AI đầu tiên xảy ra từ giữa những năm 1970 đến đầu những năm 1980. Giai đoạn này được đánh dấu bởi sự không kết nối giữa các yêu cầu tính toán của một số giải pháp AI lý thuyết nhất định và những hạn chế của phần cứng, phần mềm và cơ sở hạ tầng mạng hiện có cần thiết cho việc triển khai chúng. Mùa đông AI thứ hai, diễn ra từ cuối những năm 1980 đến đầu những năm 1990, được đặc trưng bởi chi phí tăng, hiệu suất chậm chạp và khó khăn trong việc cập nhật các hệ thống chuyên gia so với các máy tính để bàn tiên tiến hơn của thời kỳ đó. Kết quả là, tài trợ và nguồn lực đã được chuyển hướng đến các dự án hứa hẹn hơn.

1.2.5 AI Ngày Nay

Kể từ đầu những năm 2010, AI đã trải qua một sự hồi sinh đáng kể, chủ yếu do một số yếu tố quan trọng sau.

Một trong những động lực chính là những tiến bộ trong phần cứng máy tính. Sự phát triển của các kiến trúc mạnh mẽ được thiết kế đặc biệt để xử lý dữ liệu đa chiều đã có vai trò quan trọng. Các đơn vị xử lý đồ họa (GPU), các đơn vị xử lý tensor (TPU) và các đơn vị xử lý dữ liệu (DPU) đã tăng tốc đáng kể các tính toán AI, cho phép các quá trình huấn luyện và suy luận hiệu quả hơn.

Một yếu tố quan trọng khác là sự sẵn có của khối lượng dữ liệu khổng lồ. Internet đã cung cấp một nguồn thông tin phong phú thông qua các trang công cộng và mạng xã hội, và việc áp dụng ngày càng nhiều hồ sơ điện tử trong các doanh nghiệp khác nhau, bao gồm cả chăm sóc sức khỏe, đã đóng góp thêm vào nguồn dữ liệu này. Khối lượng dữ liệu này đã cung cấp đầu vào cần thiết cho các hệ thống AI học hỏi và cải thiện.

Lĩnh vực này cũng đã hưởng lợi từ các tiến bộ liên tục trong các thuật toán. Sự phát triển của các kiến trúc mạng nơ-ron mới và tối ưu hóa các thuật toán hiện có được sử dụng để huấn luyện các mạng lưới này đã có vai trò quan trọng trong việc nâng cao hiệu suất và khả năng của các hệ thống AI.

Sự chú ý công khai do việc giải quyết các vấn đề thách thức và nổi bật bằng cách tiếp cận học máy cũng đã đóng góp vào sự hồi sinh của AI. Các ví dụ đáng chú ý bao gồm AlphaGo và người kế nhiệm của nó, AlphaZero, đã thể hiện hiệu suất xuất sắc trong các trò chơi cờ vây, cờ vua và shogi. Những thành tựu này đã nhấn mạnh tiềm năng của các kỹ thuật học máy trong việc giải quyết các vấn đề phức tạp.

Cuối cùng, sự phát triển của các cảm biến tốt hơn, nhỏ hơn, rẻ hơn và được phân phối rộng rãi, thường được gọi là Internet of Things (IoT), đã có vai trò quan trọng. Các cảm biến này, từ đồng hồ thông minh đến camera, tạo ra lượng lớn dữ liệu và cho phép thu thập thông tin thời gian thực. Điều này đã tạo điều kiện thuận lợi cho nhiều ứng dụng AI trong chăm sóc sức khỏe, giao thông và giám sát môi trường.

1.2.5.1 So sánh Các Giải pháp AI