Tên tôi là Ale Flores, và tôi là quản lý
sản phẩm tại Alexa.

Tên tôi là Tiến sĩ Chelsea Haupt. Tôi làm việc tại Viện Trí tuệ Nhân tạo Allen,

và tôi làm việc trên một công cụ tìm kiếm học thuật dựa trên AI (Trí tuệ Nhân tạo).

Xung quanh bạn, máy tính đang đưa ra
quyết định và những quyết định đó ảnh hưởng đến

cuộc sống hàng ngày của bạn. Khi bạn thực hiện tìm kiếm trên
internet hoặc duyệt newsfeed của mình,

máy tính sẽ quyết định những gì bạn thấy.

Máy tính hiện đã có thể nhận diện khuôn mặt và hiểu được giọng nói của bạn,

chẳng mấy chốc, nó sẽ lái được ô tô và phát hiện được bệnh tật, thậm chí còn tốt hơn cả con người.

Vậy làm thế nào mà những điều này có thể xảy ra?

Bạn có thể đã nghe nói về một thứ gọi là AI hay trí tuệ nhân tạo.

Trí tuệ nhân tạo thực sự còn cách đây nhiều thập kỷ.

Nhưng một loại AI hiện có ngày nay, được gọi là Máy học.

Đó là một loại AI mà có thể bạn đang tương tác hàng ngày mà không hay biết.

Nó có thể giúp chúng ta giải quyết một số thách thức lớn nhất của thế giới.

Máy học là cách máy tính nhận biết các mẫu hình và đưa ra quyết định

mà không được lập trình rõ ràng.

Điều thú vị là, đó là một cách hoàn toàn
khác để lập trình máy tính so với

những gì chúng ta từng làm trước đây.

Với máy học, thay vì lập trình máy tính từng bước,

bạn có thể lập trình việc học giống như bạn học, thông qua thử và sai, và thực hành rất nhiều.

Học tập xuất phát từ kinh nghiệm và điều đó cũng đúng với máy học.

Trong trường hợp này, "kinh nghiệm" đồng nghĩa với rất nhiều dữ liệu.

Máy học có thể lấy bất kỳ loại dữ liệu nào:

Hình ảnh, video, âm thanh hoặc văn bản và bắt đầu
nhận diện các mẫu hình trong dữ liệu đó.

Một khi nó học cách nhận diện các mẫu hình trong dữ liệu, nó cũng có thể học cách đưa ra dự đoán

dựa trên các mẫu hình đó.

Chẳng hạn như nhận thấy sự khác biệt giữa hình ảnh của một chiếc xe hơi và hình ảnh của một chiếc xe đạp.

AI và máy học đang đóng một vai trò ngày càng lớn trong xã hội,

và định hình tương lai của tất cả chúng ta.

Đó là lý do tại sao việc tìm hiểu cách thức nó hoạt động, cùng với một số kinh nghiệm thực hành là điều rất quan trọng.

Bạn sắp có cơ hội được tự mình đào tạo mô hình máy học của riêng mình.

Hãy nhớ rằng, AI giống như bất kỳ công cụ nào: đầu tiên bạn có được kiến thức, sau đó bạn có được sức mạnh!