Tại sao cần trang bị kiến thức, kỹ năng về khoa học dữ liệu và trí tuệ nhân tạo?

Bài chi tiết: Lịch sử ngành trí tuệ nhân tạo

Tư tưởng có khả năng sinh vật nhân tạo xuất hiện như các thiết bị kể chuyện thời cổ đại,[22] và đã được phổ biến trong tiểu thuyết, như trong Frankenstein của Mary Shelley hay RUR (máy toàn năng Rossum) của Karel Capek.[23] Những nhân vật này và số phận của họ nêu ra nhiều vấn đề tương tự hiện đang được thảo luận trong đạo đức của trí tuệ nhân tạo.[19]

Nghiên cứu về lý trí cơ học hoặc "chính thức" bắt đầu với các nhà triết học và toán học thời cổ đại. Nghiên cứu về logic toán học đã dẫn trực tiếp đến lý thuyết tính toán của Alan Turing, người cho rằng một cỗ máy, bằng cách xáo trộn các ký hiệu đơn giản như "0" và "1", có thể mô phỏng bất kỳ hành động suy luận toán học nào có thể hiểu được. Tầm nhìn sâu sắc này, cho thấy máy tính kỹ thuật số có thể mô phỏng bất kỳ quá trình suy luận hình thức nào, đã được gọi là luận án Church-Turing.[24] Cùng với những khám phá đồng thời về sinh học thần kinh, lý thuyết thông tin và điều khiển học, điều này khiến các nhà nghiên cứu cân nhắc khả năng xây dựng bộ não điện tử. Turing đã đề xuất rằng "nếu một con người không thể phân biệt giữa các phản hồi từ một máy và một con người, máy tính có thể được coi là 'thông minh'.[25] Công việc đầu tiên mà bây giờ được công nhận là trí tuệ nhân tạo là thiết kế hình thức "tế bào thần kinh nhân tạo" do McCullouch và Pitts đưa ra năm 1943.[1]

Lĩnh vực nghiên cứu AI được ra đời tại một hội thảo tại Đại học Dartmouth năm 1956.[26] Những người tham dự Allen Newell (CMU), Herbert Simon (CMU), John McCarthy (MIT), Marvin Minsky (MIT) và Arthur Samuel (IBM) đã trở thành những người sáng lập và lãnh đạo nghiên cứu AI.[27] Họ và các sinh viên của họ đã tạo ra các chương trình mà báo chí mô tả là "đáng kinh ngạc":[28] máy tính đang học chiến lược kiểm tra (c. 1954)[29] (và đến năm 1959 được cho là chơi tốt hơn người bình thường),[30] giải từ các vấn đề về đại số, chứng minh các định lý logic (Lý thuyết logic, lần chạy đầu tiên vào năm 1956) và nói tiếng Anh.[31] Đến giữa thập niên 1960, nghiên cứu ở Mỹ được Bộ Quốc phòng tài trợ rất nhiều[32] và các phòng thí nghiệm đã được thành lập trên khắp thế giới.[33] Những người sáng lập AI rất lạc quan về tương lai: Herbert Simon dự đoán, "máy móc sẽ có khả năng, trong vòng hai mươi năm nữa, làm bất kỳ công việc nào mà một người có thể làm". Marvin Minsky đồng ý, viết, "trong một thế hệ  ... Vấn đề tạo ra 'trí tuệ nhân tạo' về cơ bản sẽ được giải quyết ".[8]

Họ đã không nhận ra độ khó của một số nhiệm vụ còn lại. Tiến độ chậm lại và vào năm 1974, để đáp lại sự chỉ trích của Sir James Lighthill[34] và áp lực liên tục từ Quốc hội Hoa Kỳ để tài trợ cho các dự án năng suất cao hơn, cả chính phủ Hoa Kỳ và Anh đều dừng nghiên cứu khám phá về AI. Vài năm sau đó sẽ được gọi là " mùa đông AI ",[10] giai đoạn mà việc kiếm được tài trợ cho các dự án AI là khó khăn.

Đầu những năm 1980, nghiên cứu AI đã được hồi sinh nhờ thành công thương mại của các hệ chuyên gia,[35] một dạng chương trình AI mô phỏng kiến thức và kỹ năng phân tích của các chuyên gia về con người. Đến năm 1985, thị trường cho AI đã đạt hơn một tỷ đô la. Đồng thời, dự án máy tính thế hệ thứ năm của Nhật Bản đã truyền cảm hứng cho chính phủ Hoa Kỳ và Anh khôi phục tài trợ cho nghiên cứu học thuật.[9] Tuy nhiên, bắt đầu với sự sụp đổ của thị trường Máy Lisp vào năm 1987, AI một lần nữa rơi vào tình trạng khó khăn, và một sự gián đoạn thứ hai, kéo dài hơn đã bắt đầu.[11]

Vào cuối những năm 1990 và đầu thế kỷ 21, AI bắt đầu được sử dụng cho hậu cần, khai thác dữ liệu, chẩn đoán y tế và các lĩnh vực khác.[36] Thành công là nhờ sức mạnh tính toán ngày càng tăng (xem định luật Moore), nhấn mạnh hơn vào việc giải quyết các vấn đề cụ thể, mối quan hệ mới giữa AI và các lĩnh vực khác (như thống kê, kinh tế và toán học) và cam kết của các nhà nghiên cứu về phương pháp toán học và tiêu chuẩn khoa học.[37] Deep Blue trở thành hệ thống chơi cờ trên máy tính đầu tiên đánh bại một nhà đương kim vô địch cờ vua thế giới, Garry Kasparov, vào ngày 11 tháng 5 năm 1997.[38]

Năm 2011, tại một chương trình truyền hình thi đấu trả lời câu hỏi biểu diễn Jeopardy!, hệ thống trả lời câu hỏi của IBM, Watson, đã đánh bại hai nhà vô địch Brad Rutter và Ken Jennings, với tỷ số chênh lệch đáng kể.[39] Máy tính nhanh hơn, cải tiến thuật toán và truy cập vào lượng lớn dữ liệu cho phép có được các tiến bộ trong học tập và nhận thức máy; phương pháp học sâu vốn đói dữ liệu bắt đầu thống trị các thử nghiệm liên quan đến độ chính xác vào khoảng năm 2012.[40] Kinect, cung cấp giao diện chuyển động cơ thể 3D cho Xbox 360 và Xbox One, sử dụng các thuật toán xuất hiện từ nghiên cứu AI dài[41] cũng như trợ lý cá nhân thông minh trong điện thoại thông minh.[42] Vào tháng 3 năm 2016, AlphaGo đã thắng 4 trên 5 trận đấu cờ vây trong trận đấu với nhà vô địch cờ vây Lee Sedol, trở thành hệ thống chơi cờ vây trên máy tính đầu tiên đánh bại một người chơi cờ vây chuyên nghiệp mà không cần chấp quân.[6][43] Trong Hội nghị Tương lai 2017, AlphaGo đã giành chiến thắng trong một trận đấu ba ván với Kha Khiết,[44] kỳ thủ lúc đó liên tục giữ vị trí số 1 thế giới trong hai năm.[45][46] Điều này đánh dấu sự hoàn thành một cột mốc quan trọng trong sự phát triển của trí tuệ nhân tạo vì cờ vây là một trò chơi tương đối phức tạp, hơn cả cờ vua.

Theo Jack Clark của Bloomberg, năm 2015 là một năm mang tính bước ngoặt đối với trí tuệ nhân tạo, với số lượng dự án phần mềm sử dụng AI Google đã tăng từ "sử dụng lẻ tẻ" vào năm 2012 lên hơn 2.700 dự án. Clark cũng trình bày dữ liệu thực tế cho thấy những cải tiến của AI kể từ năm 2012 được hỗ trợ bởi tỷ lệ lỗi thấp hơn trong các tác vụ xử lý hình ảnh.[47] Ông cho rằng sự gia tăng các mạng thần kinh giá cả phải chăng, do sự gia tăng cơ sở hạ tầng điện toán đám mây và sự gia tăng các công cụ nghiên cứu và bộ dữ liệu.[12] Các ví dụ được trích dẫn khác bao gồm sự phát triển hệ thống Skype của Microsoft có thể tự động dịch từ ngôn ngữ này sang ngôn ngữ khác và hệ thống của Facebook có thể mô tả hình ảnh cho người mù.[47] Trong một cuộc khảo sát năm 2017, một trong năm công ty báo cáo rằng họ đã "kết hợp AI trong một số dịch vụ hoặc quy trình".[48][49]

Khoảng năm 2016, Trung Quốc đã tăng tốc rất nhiều tài trợ của chính phủ; với nguồn cung cấp dữ liệu lớn và sản lượng nghiên cứu tăng nhanh, một số nhà quan sát tin rằng nước này có thể đang trên đà trở thành một "siêu cường AI".[50][51] Tuy nhiên, người ta đã thừa nhận rằng các báo cáo liên quan đến trí tuệ nhân tạo có xu hướng bị phóng đại.[52][53][54]

Các nhà nghiên cứu đầu tiên đã phát triển các thuật toán bắt chước theo lý luận từng bước mà con người sử dụng khi giải quyết các câu đố hoặc đưa ra các phương pháp loại trừ logic.[55] Vào cuối những năm 1980 và 1990, nghiên cứu về AI đã phát triển các phương pháp xử lý thông tin không chắc chắn hoặc không đầy đủ, sử dụng các khái niệm từ xác suất và kinh tế.[56]

Đối với những vấn đề khó, các thuật toán bắt buộc phải có phần cứng đủ mạnh để thực hiện phép tính toán khổng lồ - để trải qua "vụ nổ tổ hợp": lượng bộ nhớ và thời gian tính toán có thể trở nên vô tận nếu giải quyết một vấn đề khó. Mức độ ưu tiên cao nhất là tìm kiếm các thuật toán giải quyết vấn đề.[57]

Con người thường sử dụng các phán đoán nhanh và trực quan chứ không phải là phép khấu trừ từng bước mà các nghiên cứu AI ban đầu có thể mô phỏng.[58] AI đã tiến triển bằng cách sử dụng cách giải quyết vấn đề "biểu tượng phụ": cách tiếp cận tác nhân được thể hiện nhấn mạnh tầm quan trọng của các kỹ năng cảm biến động đến lý luận cao hơn; nghiên cứu mạng thần kinh cố gắng để mô phỏng các cấu trúc bên trong não làm phát sinh kỹ năng này. Các phương pháp tiếp cận thống kê đối với AI bắt chước khả năng của con người.

Trí tuệ nhân tạo (AI) chia thành hai trường phái tư duy: Trí tuê nhân tạo truyền thống và trí tuệ tính toán.

Trí tuê nhân tạo truyền thống hầu như bao gồm các phương pháp hiện được phân loại là các phương pháp học máy (machine learning), đặc trưng bởi hệ hình thức (formalism) và phân tích thống kê. Nó còn được biết với các tên Trí tuê nhân tạo biểu tượng, Trí tuê nhân tạo logic, Trí tuê nhân tạo ngăn nắp (neat AI) và Trí tuê nhân tạo cổ điển (Good Old Fashioned Artificial Intelligence). (Xem thêm ngữ nghĩa học.) Các phương pháp gồm có:

• Hệ chuyên gia: áp dụng các khả năng suy luận để đạt tới một kết luận. Một hệ chuyên gia có thể xử lý các lượng lớn thông tin đã biết và đưa ra các kết luận dựa trên các thông tin đó. Clippy chương trình trợ giúp có hình cái kẹp giấy của Microsoft Office là một ví dụ. Khi người dùng gõ phím, Clippy nhận ra các xu hướng nhất định và đưa ra các gợi ý.
• Lập luận theo tình huống.
• Mạng Bayes.

Trí tuệ tính toán nghiên cứu việc học hoặc phát triển lặp (ví dụ: tinh chỉnh tham số trong hệ thống, chẳng hạn hệ thống connectionist). Việc học dựa trên dữ liệu kinh nghiệm và có quan hệ với Trí tuệ nhân tạo phi ký hiệu, Trí tuê nhân tạo lộn xộn (scruffy AI) và tính toán mềm (soft computing). Các phương pháp chính gồm có:

• Mạng neural: các hệ thống mạnh về nhận dạng mẫu (pattern recognition).
• Hệ mờ (Fuzzy system): các kỹ thuật suy luận không chắc chắn, đã được sử dụng rộng rãi trong các hệ thống công nghiệp hiện đại và các hệ thống quản lý sản phẩm tiêu dùng.
• Tính toán tiến hóa (Evolutionary computation): ứng dụng các khái niệm sinh học như quần thể, biến dị và đấu tranh sinh tồn để sinh các lời giải ngày càng tốt hơn cho bài toán. Các phương pháp này thường được chia thành các thuật toán tiến hóa (ví dụ thuật toán gene) và trí tuệ bầy đàn (swarm intelligence) (chẳng hạn hệ kiến).
• Trí tuê nhân tạo dựa hành vi (Behavior based AI): một phương pháp module để xây dựng các hệ thống Trí tuê nhân tạo bằng tay.

Người ta đã nghiên cứu các hệ thống thông minh lai (hybrid intelligent system), trong đó kết hợp hai trường phái này. Các luật suy diễn của hệ chuyên gia có thể được sinh bởi mạng neural hoặc các luật dẫn xuất (production rule) từ việc học theo thống kê như trong kiến trúc ACT-R.

Các phương pháp trí tuệ nhân tạo thường được dùng trong các công trình nghiên cứu khoa học nhận thức (cognitive science), một ngành cố gắng tạo ra mô hình nhận thức của con người (việc này khác với các nghiên cứu Trí tuê nhân tạo, vì Trí tuê nhân tạo chỉ muốn tạo ra máy móc thực dụng, không phải tạo ra mô hình về hoạt động của bộ óc con người).

Bài chính Triết lý Trí tuệ nhân tạo

Trí tuệ nhân tạo mạnh hay Trí tuệ nhân tạo yếu, đó vẫn là một chủ đề tranh luận nóng hổi của các nhà triết học Trí tuệ nhân tạo. Nó liên quan tới philosophy of mind và mind-body problem. Đáng chú ý nhất là Roger Penrose trong tác phẩm The Emperor's New Mind và John Searle với thí nghiệm tư duy trong cuốn Chinese room (Căn phòng Trung Hoa) khẳng định rằng các hệ thống logic hình thức không thể đạt được nhận thức thực sự, trong khi Douglas Hofstadter trong Gödel, Escher, Bach và Daniel Dennett trong Consciousness Explained ủng hộ thuyết chức năng. Theo quan điểm của nhiều người ủng hộ Trí tuệ nhân tạo mạnh, nhận thức nhân tạo được coi là "chén thánh " của Trí tuệ nhân tạo.

Có nhiều ví dụ về các chương trình thể hiện trí thông minh ở một mức độ nào đó. Ví dụ:

• Twenty Questions - Một trò chơi 20 câu hỏi, trong đó sử dụng mạng neural
• The Start Project - một chương trình trả lời các câu hỏi bằng tiếng Anh.
• Brainboost - một hệ thống trả lời câu hỏi khác
• Cyc, một cơ sở tri thức với rất nhiều kiến thức về thế giới thực và khả năng suy luận logic.
• Jabberwacky, một chatterbot có khả năng học
• ALICE, một chatterbot
• Alan, một chatterbot khác
• Albert One, chatterbot nhiều mặt
• ELIZA, một chương trình giả làm bác sĩ tâm lý, phát triển năm 1966
• PAM (Plan Applier Mechanism) - một hệ thống hiểu được chuyện kể, phát triển bởi John Wilensky năm 1978.
• SAM (Script applier mechanism) - một hệ thống hiểu được chuyện kể, phát triển năm 1975.
• SHRDLU - một chương trình hiểu ngôn ngữ tự nhiên, phát triển năm 1968-1970.
• Creatures, một trò chơi máy tính với các hoạt động nhân giống, tiến hóa các sinh vật từ mức gien trở lên, sử dụng cấu trúc sinh hóa phức tạp và các bộ não là mạng neural.
• BBC news story on the creator of Creatures latest creation. Steve Grand's Lucy.
• AARON - chương trình vẽ tranh, phát triển bởi Harold Cohen.
• Eurisko - một ngôn ngữ giúp giải quyết các bài toán, trong đó có sử dụng các phương pháp heuristics, gồm cả heuristics cho việc sử dụng và thay đổi các phương pháp heuristics. Phát triển năm 1978 bởi Douglas Lenat.
• X-Ray Vision for Surgeons - một nhóm nghiên cứu xử lý ảnh y học tại đại học MIT.
• Các chương trình trò chơi backgammon và cờ vây sử dụng mạng neural.
• Talk to William Shakespeare - William Shakespeare chatbot
• Chesperito - Một chat/infobot về #windows95 channel trên mang DALnet IRC.
• Drivatar, một chương trình học cách lái xe đua bằng cách xem các xe đua khác, phát triển cho trò chơi điện tử Forza Motorsport
• Tiểu Độ - một Robot có trí tuệ nhân tạo thuộc hãng Baidu từng tham gia chương trình Siêu Trí Tuệ Trung Quốc (mùa 4) và đoạt giải

Trên thế giới có rất nhiều các nhà nghiên cứu trí tuệ nhân tạo làm việc tại hàng trăm viện nghiên cứu và công ty. Dưới đây là một số trong nhiều nhà nghiên cứu đã có đóng góp lớn:

• Alan Turing
• Boris Katz
• Doug Lenat
• Douglas Hofstadter
• Geoffrey Hinton
• John McCarthy
• Karl Sims
• Kevin Warwick
• Igor Aleksander
• Marvin Minsky
• Seymour Papert
• Maggie Boden
• Mike Brady
• Oliver Selfridge
• Raj Reddy
• Judea Pearl
• Rodney Brooks
• Roger Schank
• Terry Winograd
• Rolf Pfeifer

Sau khi nhà vật lý học Stephen Hawking và tỷ phú Elon Musk cảnh báo về mối đe dọa tiềm ẩn của trí tuệ nhân tạo, nhiều người vẫn cho rằng họ đã quá lo xa trong khi AI đang giúp ích rất nhiều cho cuộc sống của chúng ta. Stephen Hawking khẳng định “Trí tuệ nhân tạo có thể là dấu chấm hết cho nhân loại khi nó phát triển đến mức hoàn thiện nhất”.[cần dẫn nguồn]

Tác động đầu tiên của trí tuệ nhân tạo mà chúng ta có thể dễ dàng nhận thấy chính là tỷ lệ thất nghiệp tăng cao. Nếu AI phát triển hoàn thiện, nó có khả năng thay thế con người trong các công việc trí tuệ như chăm sóc sức khỏe, phục vụ, sản xuất theo dây chuyền tự động, công việc văn phòng....[47] Hoặc cũng có thể vấn đề thất nghiệp sẽ được AI giải quyết một cách mà chúng ta không thể hình dung được.

Theo Bill Joy, người đồng sáng lập và Giám đốc khoa học của Sun Microsystems: "Có một vấn đề rất lớn đối với xã hội loài người khi AI trở nên phổ biến, đó là chúng ta sẽ bị lệ thuộc. Khi AI trở nên hoàn thiện và thông minh hơn, chúng ta sẽ cho phép mình nghe theo những quyết định của máy móc, vì đơn giản là các cỗ máy luôn đưa ra quyết định chính xác hơn con người."[47]

Theo Andrew Maynard, nhà vật lý và là người giám đốc Trung tâm nghiên cứu rủi ro khoa học tại đại học Michigan: "Khi AI kết hợp với công nghệ nano có thể là bước tiến đột phá của khoa học, nhưng cũng có thể là mối đe dọa lớn nhất đối với con người. Trong khi Bộ quốc phòng Mỹ đang nghiên cứu dự án Autonomous Tactical Robot (EATR), trong đó các robot sẽ sử dụng công nghệ nano để hấp thụ năng lượng bằng những chất hữu cơ có thể là cơ thể con người. Đó thực sự là mối đe dọa lớn nhất, khi các robot nano tự tạo ra năng lượng bằng cách ăn các chất hữu cơ từ cây cối và động vật, có thể là cả con người. Nghe có vẻ giống như trong các bộ phim viễn tưởng, nhưng đó là điều hoàn toàn có thể xảy ra. Có lẽ chúng ta nên bắt đầu cẩn thận ngay từ bây giờ."

Dưới đây là danh sách các cuốn sách (tiếng Anh) quan trọng trong ngành. Xem danh sách đầy đủ hơn tại Các ấn phẩm Trí tuệ nhân tạo quan trọng.

• Artificial Intelligence: A Modern Approach, tác giả: Stuart J. Russell và Peter Norvig ISBN 0-13-080302-2
• Gödel, Escher, Bach: An Eternal Golden Braid, tác giả: Douglas R. Hofstadter
• Understanding Understanding: Essays on Cybernetics and Cognition, tác giả: Heinz von Foerster
• In the Image of the Brain: Breaking the Barrier Between Human Mind and Intelligent Machines, tác giả: Jim Jubak
• Today's Computers, Intelligent Machines and Our Future, tác giả: Hans Moravec, Đại học Stanford
• The Society of Mind, tác giả: Marvin Minsky, ISBN 0-671-65713-5 15-3-1998
• Perceptrons: An Introduction to Computational Geometry, tác giả: Marvin Minsky and Seymour Papert ISBN 0-262-63111-3 28-12-1987
• The Brain Makers: Genius, Ego and Greed In The Quest For Machines That Think, tác giả: HP Newquist ISBN 0-672-30412-0.

Các chủ đề có liên quan

• Danh sách máy tính hư cấu
• Danh sách người máy hư cấu

Các lĩnh vực điển hình áp dụng Trí tuệ nhân tạo

• Nhận dạng mẫu
  • Nhận dạng chữ cái quang học (Optical character recognition)
  • Nhận dạng chữ viết tay
  • Nhận dạng tiếng nói
  • Nhận dang khuôn mặt
• Xử lý ngôn ngữ tự nhiên, Dịch tự động(dịch máy) và Chatterbot
• Điều khiển phi tuyến và Robotics
• Computer vision, Thực tại ảo và Xử lý ảnh
• Lý thuyết trò chơi và Lập kế hoạch (Strategic planning)
• Trò chơi Trí tuê nhân tạo và Computer game bot

Các lĩnh vực khác cài đặt các phương pháp Trí tuệ nhân tạo

• Tự động hóa
• Bio-inspired computing
• Điều khiển học
• Hệ thống thông minh lai
• Agent thông minh
• Điều khiển thông minh
• Suy diễn tự động
• Khai phá dữ liệu
• Cognitive robotics
• Developmental robotics
• Evolutionary robotics
• Chatbot

• Programming:AI Lưu trữ 2004-05-17 tại Wayback Machine @ Wikibooks.org
• University of Berkeley AI Resources liên kết tới khoảng 869 trang web khác về Trí tuê nhân tạo
• Loebner Prize website Lưu trữ 2010-12-30 tại Wayback Machine
• Jabberwacky - một chatterbot có khả năng học
• AIWiki - một wiki Trí tuê nhân tạo.
• AI web category on Open Directory Lưu trữ 2008-05-27 tại Wayback Machine
• Mindpixel "The Planet's Largest Artificial Intelligence Effort"
• OpenMind CommonSense Lưu trữ 2006-02-08 tại Wayback Machine "Teaching computers the stuff we all know"
• Artificially Intelligent Ouija Board Lưu trữ 2005-05-19 tại Wayback Machine - các ví dụ sáng tạo về Trí tuê nhân tạo giống người
• Heuristics và Trí tuê nhân tạo trong tài chính và đầu tư
• SourceForge Open Source AI projects Lưu trữ 2008-12-19 tại Wayback Machine - 1139 dự án
• Ethical and Social Implications of AI en Computerization
• AI algorithm implementations and demonstrations
• Artificial Intelligence in a nutshell[liên kết hỏng]
• Trang nhà của Marvin Minsky
• MIT's AI Lab
• AI Lab Zurich Lưu trữ 2005-06-04 tại Wayback Machine
• Khoa Tin học tại Đại học Edinburgh
• Khoa Tin học tại Đại học Sussex
• Nhóm nghiên cứu Trí tuê nhân tạo tại Information Sciences Institute Lưu trữ 2006-02-16 tại Wayback Machine
• Why Programming is a Good Medium for Expressing Poorly Understood and Sloppily Formulated Ideas
• What is Artificial Intelligence?
• Stanford Encyclopedia of Philosophy entry on Logic and Artificial Intelligence
• Mental Matrixes, Parallel Logic
• AI là gì? Hiểu đúng về Trí tuệ nhân tạo

• American Association for Artificial Intelligence
• European Coordinating Committee for Artificial Intelligence
• The Association for Computational Linguistics Lưu trữ 2005-09-23 tại Wayback Machine
• Artificial Intelligence Student Union Lưu trữ 2005-07-28 tại Wayback Machine
• German Research Center for Artificial Intelligence, DFKI GmbH
• Association for Uncertainty in Artificial Intelligence
• Singularity Institute for Artificial Intelligence
• The Society for the Study of Artificial Intelligence and the Simulation of Behaviour (United Kingdom)
• AGIRI - Artificial General Intelligence Research Institute

1. ^ a b c Russell & Norvig 2009.Lỗi sfn: không có mục tiêu: CITEREFRussellNorvig2009 (trợ giúp)
2. ^ Kaplan, Andreas (2022). “Artificial Intelligence, Buiness and Civilization - Our Fate Made in Machines”. Routledge.
3. ^ McCorduck 2004Lỗi harv: không có mục tiêu: CITEREFMcCorduck2004 (trợ giúp)
4. ^ Maloof, Mark. “Artificial Intelligence: An Introduction, p. 37” (PDF). georgetown.edu.
5. ^ Schank, Roger C. (1991). “Where's the AI”. AI magazine. 12 (4): 38.
6. ^ a b “AlphaGo – Google DeepMind”. Lưu trữ bản gốc ngày 10 tháng 3 năm 2016.
7. ^ Kaplan Andreas; Michael Haenlein (2018) Siri, Siri in my Hand, who's the Fairest in the Land? On the Interpretations, Illustrations and Implications of Artificial Intelligence, Business Horizons, 62(1)
8. ^ a b Optimism of early AI:
9. ^ a b c Boom of the 1980s: rise of expert systems, Fifth Generation Project, Alvey, MCC, SCI:
10. ^ a b First AI Winter, Mansfield Amendment, Lighthill report
11. ^ a b Second AI winter:
12. ^ a b c AI becomes hugely successful in the early 21st century
13. ^ a b Pamela McCorduck (2004, pp. 424) writes of "the rough shattering of AI in subfields—vision, natural language, decision theory, genetic algorithms, robotics ... and these with own sub-subfield—that would hardly have anything to say to each other."
14. ^ This list of intelligent traits is based on the topics covered by the major AI textbooks, including:
15. ^ Biological intelligence vs. intelligence in general:
16. ^ Neats vs. scruffies:
17. ^ Symbolic vs. sub-symbolic AI:
18. ^ See the Dartmouth proposal, under Philosophy, below.
19. ^ a b This is a central idea of Pamela McCorduck's Machines Who Think. She writes: "I like to think of artificial intelligence as the scientific apotheosis of a venerable cultural tradition." (McCorduck 2004, p. 34) "Artificial intelligence in one form or another is an idea that has pervaded Western intellectual history, a dream in urgent need of being realized." (McCorduck 2004, p. xviii) "Our history is full of attempts—nutty, eerie, comical, earnest, legendary and real—to make artificial intelligences, to reproduce what is the essential us—bypassing the ordinary means. Back and forth between myth and reality, our imaginations supplying what our workshops couldn't, we have engaged for a long time in this odd form of self-reproduction." (McCorduck 2004, p. 3) She traces the desire back to its Hellenistic roots and calls it the urge to "forge the Gods." (McCorduck 2004, pp. 340–400)
20. ^ “Stephen Hawking believes AI could be mankind's last accomplishment”. BetaNews. ngày 21 tháng 10 năm 2016. Lưu trữ bản gốc ngày 28 tháng 8 năm 2017.
21. ^ Ford, Martin; Colvin, Geoff (ngày 6 tháng 9 năm 2015). “Will robots create more jobs than they destroy?”. The Guardian. Truy cập ngày 13 tháng 1 năm 2018.
22. ^ AI in myth:
23. ^ AI in early science fiction.
24. ^ Formal reasoning:
25. ^ “Artificial Intelligence”. Encyclopedia of Emerging Industries (bằng tiếng Anh). ngày 30 tháng 11 năm 2010. Truy cập ngày 23 tháng 7 năm 2019.Quản lý CS1: ngôn ngữ không rõ (liên kết)
26. ^ Dartmouth conference:
27. ^ Hegemony of the Dartmouth conference attendees:
28. ^ Russell & Norvig 2003.Lỗi sfn: không có mục tiêu: CITEREFRussellNorvig2003 (trợ giúp)
29. ^ Schaeffer J. (2009) Didn't Samuel Solve That Game?. In: One Jump Ahead. Springer, Boston, MA
30. ^ Samuel, A. L. (tháng 7 năm 1959). “Some Studies in Machine Learning Using the Game of Checkers”. IBM Journal of Research and Development. 3 (3): 210–229. CiteSeerX 10.1.1.368.2254. doi:10.1147/rd.33.0210.
31. ^ "Golden years" of AI (successful symbolic reasoning programs 1956–1973):
32. ^ DARPA pours money into undirected pure research into AI during the 1960s:
33. ^ AI in England:
34. ^ Lighthill 1973.Lỗi sfn: không có mục tiêu: CITEREFLighthill1973 (trợ giúp)
35. ^ Expert systems:
36. ^ AI applications widely used behind the scenes:
37. ^ Formal methods are now preferred ("Victory of the neats"):
38. ^ McCorduck 2004.Lỗi sfn: không có mục tiêu: CITEREFMcCorduck2004 (trợ giúp)
39. ^ Markoff 2011.Lỗi sfn: không có mục tiêu: CITEREFMarkoff2011 (trợ giúp)
40. ^ “Ask the AI experts: What's driving today's progress in AI?”. McKinsey & Company (bằng tiếng Anh). Truy cập ngày 13 tháng 4 năm 2018.
41. ^ Administrator. “Kinect's AI breakthrough explained”. i-programmer.info. Lưu trữ bản gốc ngày 1 tháng 2 năm 2016.
42. ^ Rowinski, Dan (ngày 15 tháng 1 năm 2013). “Virtual Personal Assistants & The Future Of Your Smartphone [Infographic]”. ReadWrite. Lưu trữ bản gốc ngày 22 tháng 12 năm 2015.
43. ^ “Artificial intelligence: Google's AlphaGo beats Go master Lee Se-dol”. BBC News. ngày 12 tháng 3 năm 2016. Lưu trữ bản gốc ngày 26 tháng 8 năm 2016. Truy cập ngày 1 tháng 10 năm 2016.
44. ^ “After Win in China, AlphaGo's Designers Explore New AI”. Wired. ngày 27 tháng 5 năm 2017. Lưu trữ bản gốc ngày 2 tháng 6 năm 2017.
45. ^ “World's Go Player Ratings”. tháng 5 năm 2017. Lưu trữ bản gốc ngày 1 tháng 4 năm 2017.
46. ^ “柯洁迎19岁生日 雄踞人类世界排名第一已两年” (bằng tiếng Trung Quốc). tháng 5 năm 2017. Lưu trữ bản gốc ngày 11 tháng 8 năm 2017.Quản lý CS1: ngôn ngữ không rõ (liên kết)
47. ^ a b c d Clark, Jack (ngày 8 tháng 12 năm 2015). “Why 2015 Was a Breakthrough Year in Artificial Intelligence”. Bloomberg News. Lưu trữ bản gốc ngày 23 tháng 11 năm 2016. Truy cập ngày 23 tháng 11 năm 2016. After a half-decade of quiet breakthroughs in artificial intelligence, 2015 has been a landmark year. Computers are smarter and learning faster than ever.
48. ^ “Reshaping Business With Artificial Intelligence”. MIT Sloan Management Review (bằng tiếng Anh). Truy cập ngày 2 tháng 5 năm 2018.
49. ^ Lorica, Ben (ngày 18 tháng 12 năm 2017). “The state of AI adoption”. O'Reilly Media (bằng tiếng Anh). Truy cập ngày 2 tháng 5 năm 2018.
50. ^ Allen, Gregory (ngày 6 tháng 2 năm 2019). “Understanding China's AI Strategy”. Center for a New American Security.
51. ^ “Review | How two AI superpowers – the U.S. and China – battle for supremacy in the field”. Washington Post (bằng tiếng Anh). ngày 2 tháng 11 năm 2018. Truy cập ngày 4 tháng 11 năm 2018.
52. ^ at 10:11, Alistair Dabbs 22 Feb 2019. “Artificial Intelligence: You know it isn't real, yeah?”. www.theregister.co.uk.
53. ^ “Stop Calling it Artificial Intelligence”.
54. ^ “AI isn't taking over the world – it doesn't exist yet”. GBG Global website.
55. ^ Problem solving, puzzle solving, game playing and deduction:
    • Russell & Norvig 2003, chpt. 3–9Lỗi harv: không có mục tiêu: CITEREFRussellNorvig2003 (trợ giúp),
    • Poole, Mackworth & Goebel 1998, chpt. 2,3,7,9Lỗi harv: không có mục tiêu: CITEREFPooleMackworthGoebel1998 (trợ giúp),
    • Luger & Stubblefield 2004, chpt. 3,4,6,8Lỗi harv: không có mục tiêu: CITEREFLugerStubblefield2004 (trợ giúp),
    • Nilsson 1998, chpt. 7–12Lỗi harv: không có mục tiêu: CITEREFNilsson1998 (trợ giúp)
56. ^ Uncertain reasoning:
    • Russell & Norvig 2003, tr. 452–644Lỗi harv: không có mục tiêu: CITEREFRussellNorvig2003 (trợ giúp),
    • Poole, Mackworth & Goebel 1998, tr. 345–395Lỗi harv: không có mục tiêu: CITEREFPooleMackworthGoebel1998 (trợ giúp),
    • Luger & Stubblefield 2004, tr. 333–381Lỗi harv: không có mục tiêu: CITEREFLugerStubblefield2004 (trợ giúp),
    • Nilsson 1998, chpt. 19Lỗi harv: không có mục tiêu: CITEREFNilsson1998 (trợ giúp)
57. ^ Intractability and efficiency and the combinatorial explosion:
    • Russell & Norvig 2003, tr. 9, 21–22Lỗi harv: không có mục tiêu: CITEREFRussellNorvig2003 (trợ giúp)
58. ^ Psychological evidence of sub-symbolic reasoning:
    • Wason & Shapiro (1966)Lỗi harv: không có mục tiêu: CITEREFWasonShapiro1966 (trợ giúp) showed that people do poorly on completely abstract problems, but if the problem is restated to allow the use of intuitive social intelligence, performance dramatically improves. (See Wason selection task)
    • Kahneman, Slovic & Tversky (1982)Lỗi harv: không có mục tiêu: CITEREFKahnemanSlovicTversky1982 (trợ giúp) have shown that people are terrible at elementary problems that involve uncertain reasoning. (See list of cognitive biases for several examples).
    • Lakoff & Núñez (2000)Lỗi harv: không có mục tiêu: CITEREFLakoffNúñez2000 (trợ giúp) have controversially argued that even our skills at mathematics depend on knowledge and skills that come from "the body", i.e. sensorimotor and perceptual skills. (See Where Mathematics Comes From)

• Artificial intelligence tại Encyclopædia Britannica (tiếng Anh)
• Trí tuệ nhân tạo tại Từ điển bách khoa Việt Nam