Ảnh hưởng của việc áp dụng trí tuệ nhân tạo vào nền kinh tế chia sẻ và hướng đi mới cho nền kinh tế việt nam

Những lợi ích kinh tế tiềm năng mà con người đã và đang khai thác được từ việc phát triển tự động hóa theo định hướng trí tuệ nhân tạo ngày càng nở rộ và thống trị khắp toàn cầu chính là

TRƯỜNG ĐẠI HỌC KHOA HỌC XÃ HỘI VÀ NHÂN VĂN, ĐHQGHN

KHOA TRIẾT HỌC -

ĐINH THỊ THU

ẢNH HƯỞNG CỦA VIỆC ÁP DỤNG TRÍ TUỆ NHÂN TẠO VÀO NỀN KINH TẾ CHIA SẺ VÀ HƯỚNG ĐI MỚI CHO NỀN

KINH TẾ VIỆT NAM

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC

TRƯỜNG ĐẠI HỌC KHOA HỌC XÃ HỘI VÀ NHÂN VĂN, ĐHQGHN

KHOA TRIẾT HỌC -

ĐINH THỊ THU

ẢNH HƯỞNG CỦA VIỆC ÁP DỤNG TRÍ TUỆ NHÂN TẠO VÀO NỀN KINH TẾ CHIA SẺ VÀ HƯỚNG ĐI MỚI

CHO NỀN KINH TẾ VIỆT NAM

KHÓA LUẬN TỐT NGHIỆP ĐẠI HỌC

LỜI CAM ĐOAN

Tôi xin cam đoan Khóa luận này là công trình nghiên cứu do tôi thực hiện Những kết quả từ những tác giả trước mà tôi sử dụng đều được trích dẫn rõ ràng, cụ thể Không có bất kì sự không trung thực nào trong các kết quả nghiên cứu

Nếu có gì sai trái, tôi xin hoàn toàn chịu trách nhiệm

Hà Nội, ngày 1 tháng 06 năm 2020

Sinh viên

Đinh Thị Thu

MỤC LỤC

MỞ ĐẦU 1

1 Lý do chọn đề tài 1

2 Tổng quan tình hình nghiên cứu 2

3 Mục đích và nhiệm vụ nghiên cứu 6

4 Đối tượng và phạm vi nghiên cứu 6

5 Cơ sở lý luận và phương pháp nghiên cứu 7

6 Ý nghĩa của khóa luận 7

7 Kết cấu của khóa luận 7

Chương 1: KHÁI LUẬN CHUNG VỀ TRÍ TUỆ NHÂN TẠO VÀ NỀN KINH TẾ CHIA SẺ 8

1.1 Trí tuệ nhân tạo 8

1.1.1 Các thời kỳ phát sinh và phát triển của trí tuệ nhân tạo 8

Giai đoạn phục hồi và xâm nhập vào các ngành kinh tế quốc dân (thập kỷ 80 - 90 thế kỷ XX) 11

Giai đoạn phát triển gần đây 15

1.1.2 Định nghĩa khái niệm Trí tuệ nhân tạo 16

1.2 Kinh tế chia sẻ 18

1.2.1 Nguồn gốc của nền kinh tế chia sẻ 18

1.2.2 Đặc điểm, bản chất của nền kinh tế chia sẻ 21

1.2.3 Các mô hình kinh tế chia sẻ nổi bật 22

Chương 2: ẢNH HƯỞNG CỦA VIỆC ÁP DỤNG TRÍ TUỆ NHÂN TẠO ĐẾN NỀN KINH TẾ CHIA SẺ VÀ GỢI Ý HƯỚNG ĐI MỚI CHO NỀN KINH TẾ VIỆT NAM 25

2.1 Ảnh hưởng tích cực 25

2.1.1 Tác động kinh tế 25

2.1.2 Tác động tới xã hội 27

2.1.3 Tác động tới môi trường 30

2.2 Ảnh hưởng tiêu cực 31

2.2.1 Biến thể của nền kinh tế chia sẻ 31

2.2.2 Nguy cơ cạnh tranh không lành mạnh với các doanh nghiệp truyền thống 32

2.2.3 Giảm khả năng đo lường nền kinh tế 33

2.2.4 Nhiều cơ hội lợi dụng lòng tin ngắn hạn 34

2.3 Gợi ý hướng đi mới cho nền kinh tế chia sẻ tại Việt Nam 34

2.3.1 Thực trạng nền kinh tế chia sẻ ở Việt Nam 34

2.3.2 Gợi ý chính sách phát triển kinh tế chia sẻ cho Việt Nam 37

KẾT LUẬN 39

TÀI LIỆU THAM KHẢO 41

Trong vài năm gần đây, máy móc đã vượt qua con người về hiệu năng trong một số công việc cụ thể liên quan đến trí tuệ Các chuyên gia dự báo tốc

độ phát triển của AI sẽ tiếp tục gia tăng Mặc dù chưa có gì chắc chắn rằng máy móc có thể thể hiện trí thông minh so sánh được hay ưu việt hơn con người trong 20 năm tới, nhưng nó được kì vọng sẽ tiếp tục đạt tới ngưỡng và vượt trội hơn hiệu suất của con người trong ngày càng nhiều công việc Việc tăng cường nhiều hơn các khả năng cho AI có xu hướng tự động hóa nhiều hơn những công việc theo hình thức lặp đi lặp lại của con người mà vẫn đáp ứng được các yếu tố then chốt như tăng năng suất lao động, giảm số giờ lao động cần thiết để tạo ra một đơn vị sản phẩm, dịch vụ và đảm bảo chất lượng theo mong muốn

Những lợi ích kinh tế tiềm năng mà con người đã và đang khai thác được từ việc phát triển tự động hóa theo định hướng trí tuệ nhân tạo ngày càng nở rộ và thống trị khắp toàn cầu chính là động lực để dẫn tới những dịch chuyển của nền kinh tế thế giới, cụ thể là nền kinh tế chia sẻ Hoạt động kinh tế này dựa trên nền tảng kỹ thuật số, trong đó khách hàng có quyền truy cập vào hàng hóa và dịch vụ hữu hình hay vô hình (như kỹ năng cá nhân và thời gian rảnh rỗi) được sở hữu bởi các cá nhân khác thông qua việc kết nối trên Internet Đây là một phương

ở góc độ khác, chắc chắn rằng nó cũng đẩy con người tới những khó khăn nhất định mà chúng ta không thể lảng tránh cũng như những thách thức trong tương lai mà chúng ta có thể lường trước

Cuối cùng, vì tất cả những lý do nêu trên tôi quyết định chọn đề tài Ảnh hưởng của việc áp dụng trí tuệ nhân tạo vào nền kinh tế chia sẻ và gợi ý cho hướng đi mới cho nền kinh tế Việt Nam làm đề tài khóa luận tốt nghiệp cử nhân triết học của mình

2 Tổng quan tình hình nghiên cứu

Như chúng ta đã thấy, trong những năm gần đây, trí tuệ nhân tạo ngày càng phát triển, những ứng dụng của chúng vào trong các lĩnh vực của đời sống cũng ngày một phổ biến cùng với sự xuất hiện của mô hình kinh tế chia sẻ, điều này thôi thúc các nhà khoa học, nhà nghiên cứu và nhà hoạch định chính sách đưa ra những nghiên cứu sâu sắc về vấn đề này

Bởi kinh tế chia sẻ là một nền kinh tế non trẻ, với lịch sử phát triển ngắn, không chỉ ở Việt Nam mà trên toàn thế giới, nên trên thực tế, so sánh với những vấn đề kinh tế khác, chưa có nhiều công trình nghiên cứu về đề tài này, đặc biệt

là ở Việt Nam

Nghiên cứu phạm vi nước ngoài:

Tại các nước trên thế giới, đã có khá nhiều nghiên cứu về kinh tế chia sẻ trong ngành du lịch Ví dụ, đề án được viết ra bởi hai tác giả Kerstin Bremser và Maria del Mar Alonso-Almeida trong Hội nghị Quản trị Quốc tế năm 2017 với

tiêu đề “Kinh tế chia sẻ và du lịch: Ánh sáng và bóng tối” phân tích những ảnh

3

hưởng của kinh tế chia sẻ lên ngành du lịch, không chỉ tập trung vào những mặt tốt mà còn cả những mặt tối của mô hình kinh tế này

Bài viết “Kinh tế chia sẻ trong thị trường du lịch: Cơ hội và Thách thức”

của Teresa Skalska năm 2017, những đặc điểm của kinh tế chia sẻ trong ngành

du lịch được đưa ra Ngoài ra, Jeff Hong đã đăng bài viết “Sự trỗi dậy của nền kinh tế chia sẻ và tương lai của du lịch và ngành công nghiệp du lịch” trong tạp chí “Khách sạn và Quản trị kinh doanh” năm 2018

Nghiên cứu “Hy vọng trên nền kinh tế chia sẻ” của Judith Wallenstein and

Urvesh Shelat, 2017 Đây là bài viết đầu tiên trong ba bài viết về nền kinh tế chia sẻ của Judith Wallenstein and Urvesh Shelat Mục tiêu nghiên cứu của nghiên cứu là tìm hiểu xem việc chia sẻ các chuyến đi, căn hộ và thậm chí cả quần áo là thời trang đã qua sử dụng có phải là một xu hướng lâu dài và phù hợp cho các nhà lãnh đạo doanh nghiệp Nghiên cứu thực hiện phỏng vấn hơn 25 nhà sáng lập và CEO của các công ty khởi nghiệp kinh tế chia sẻ trên toàn cầu

và khảo sát hơn 3.500 người tiêu dùng ở Mỹ, Đức và Ấn Độ Nghiên cứu này tập trung vào tìm ra các cơ hội được tạo ra bởi nền kinh tế chia sẻ, thái độ của người tiêu dùng đối với việc chia sẻ và các ngành công nghiệp có thể bị ảnh hưởng Nghiên cứu tiếp theo của nghiên cứu này sẽ xem xét các lựa chọn chiến lược mà kinh tế chia sẻ cung cấp, trong khi nghiên cứu thứ 3 sẽ phản ánh về tương lai của việc chia sẻ trong nền kinh tế toàn cầu và các mô hình kinh doanh

cụ thể có khả năng thành công

Nghiên cứu “Nền kinh tế chia sẻ về cho thuê nhà và xe phát triển nhanh chóng so với cho thuê truyền thống” của Codagnone, 2018 Doanh nghiệp sử dụng kinh tế chia sẻ sử dụng bằng mô hình ngang hàng trên nền tảng đang tăng

tăng trưởng mạnh mẽ, thu hút người đăng ký và sử dụng với tỷ lệ theo cấp số nhân, và hình thức kinh doanh này lôi kéo từ những khách hàng truyền thống Trong khi hình thức kinh doanh cho thuê truyền thống ngành có khả năng biến mất bất cứ lúc nào sớm, bởi sự tăng trưởng của này ngày càng chậm chạp Ví

4

dụ, trong khi thị trường cho thuê xe truyền thống là dự kiến tăng trưởng với tốc

độ là 2% năm năm 2017, thì thị trường chia sẻ xe sẽ phát triển hơn nữa

Nghiên cứu phạm vị trong nước:

Nền kinh tế chia sẻ mới du nhập vào Việt Nam vài năm gần đây, những cũng đã có sự phát triển nhanh chóng Đã có khá nhiều nghiên cứu trong nước

về về chủ đề này như:

Bài báo “Dịch vụ 'chia sẻ phòng' Airbnb lấy khách của khách sạn” của

Như Bình trên báo tuổi trẻ, 2018 Hiện có khoảng 6.500 cơ sở tham gia Airbnb

ở Việt Nam tính đến tháng 6-2017 Với giá rẻ hơn, chất lượng tốt, nhiều người

đã chọn phòng qua Airbnb thay vì khách sạn Với giá trung bình mỗi phòng trên Airbnb khoảng 35 USD/đêm trở lên, dịch vụ chia sẻ phòng có vẻ đang lấn thị phần của khách sạn Khác với khách sạn, khách và chủ trong giao dịch Airbnb đều có thể đánh giá lẫn nhau sau mỗi lần thuê khoảng vài năm gần đây các căn

hộ dịch vụ cho thuê, hay cho thuê phòng qua trang mạng Airbnb ở Việt Nam ngày càng nở rộ và bắt đầu chia sẻ thị phần với thị trường lưu trú truyền thống.Vì lý do này khách du lịch đến Việt Nam tăng mạnh trong năm 2016 nhưng giá phòng của các khách sạn 4- 5 sao lại không tăng nhiều như đã từng thiết lập trong năm 2014 Airbnb đã bắt đầu ảnh hưởng đến việc kinh doanh

của các khách sạn tại Việt Nam “Airbnb là một startup với mô hình kết nối người cần thuê nhà, thuê phòng trọ với những người có phòng cho thuê trên khắp thế giới thông qua ứng dụng di động tương tự như ứng dụng chia sẻ xe Uber Tất cả việc thanh toán sẽ được thực hiện thông qua Airbn, sử dụng thẻ tín dụng và nhà trung gian này sẽ thu một khoản phí đối với cả người cần đặt phòng và chủ nhà”

Bài viết “Chưa thể thu thuế kinh doanh trên Airbnb” của Hồng Phúc, 2018,

trên báo Đầu tư Một căn nhà, một tầng lầu, hoặc thậm chí một căn phòng còn

dư, chủ nhân có thể đăng ký cho thuê trên Airbnb Sau 9 năm xuất hiện, đã có trên 10.000 cơ sở lưu trú tại Việt Nam đăng ký và kinh doanh trên công ty công nghệ trị giá 30 tỷ USD này, song chuyện thu thuế Airbnb là điều không tưởng

5

Airbnb không chỉ có mạng lưới rộng khắp, giá hợp lý, thời gian linh hoạt và những trải nghiệm như người dân địa phương, mà còn ở sự cọ xát, giao tiếp giữa người thuê và người cho thuê (host) Tính đến cuối 2016, có khoảng 10.000 cơ

sở lưu trú tại Việt Nam được đăng ký và kinh doanh trên Airbnb Nhưng đến nay, Cục thuế TP.HCM, Sở Du lịch TP.HCM chưa thể quản lý Airbnb Một số công ty du lịch còn không biết Airbnb là gì Theo đại diện Cục Thuế TP.HCM cho biết, từ tháng 5/2017, Cục đã có kế hoạch quản lý các tổ chức, cá nhân kinh doanh trong lĩnh vực thương mại điện tử mà Airbnb là ví dụ Nhưng kết quả chưa đạt kỳ vọng và hiện cũng chưa thu được thuế từ các đơn vị này Cũng theo cục Thuế TP.HCM, trên địa bàn Thành phố có 2.074 người cung cấp dịch vụ cho thuê phòng và căn hộ trên Airbnb Trong đó, nhóm cho thuê có nhiều hơn 1 đơn vị lưu trú chiếm 45% Thu được thuế sẽ là động lực để cơ quan chức năng

“quản lý” Airbnb Cũng từ đó, sự an toàn cho khách thuê và trách nhiệm người cho thuê cũng được quản lý, tạo sự ổn định cho nền kinh tế chia sẻ Tuy nhiên, rất khó quản lý và thu thuế các cá nhân Việt Nam tham gia kinh doanh trên www.airbnb.com, khi toàn bộ giao dịch được thực hiện trực tuyến thông qua mạng Internet, không cần xuất hóa đơn hay thanh toán bằng tiền mặt

Bài báo “Người tiêu dùng đông nam á sẵn sàng với mô hình kinh doanh chia sẻ” của Hà Linh, 2017, Thời báo kinh tế Khu vực Đông Nam Á đang hình thành nhiều cộng đồng kinh doanh theo hình thức chia sẻ tài sản cá nhân Đặc

biệt tại Thái Lan, Philippines và Indonesia, người tiêu dùng rất thích tăng thu nhập bằng hình thức cho thuê tài sản cá nhân này Người tiêu dùng khu vực Đông Nam Á đón nhận hình thức kinh doanh chia sẻ này khá nhanh và hiệu quả, bốn trong năm thị trường hàng đầu tại đây đã có nhiều cộng đồng sẵn sàng chia

sẻ hoặc thuê các tài sản cá nhân nhằm tiết kiệm và kiếm thêm thu nhập Chỉ 12% người tiêu dùng tại Thái Lan, 13% tại Philippines, 18% tại Việt Nam, 14% tại Indonesia và 28% tại Malaysia là từ chối chia sẻ tài sản cá nhân của mình Singapore là thị trường khó tính nhất với mô hình kinh doanh này với 32% được hỏi vẫn chưa sẵn sàng chia sẻ tài sản cá nhân của mình, ngang bằng với tỉ lệ

6

trung bình trên toàn thế giới (trong việc chưa sẵn sàng) Người tiêu dùng tại Indonesia đứng hàng thứ 2 và Philippines đứng hàng thứ 4 trên toàn thế giới về việc thuê hoặc chia sẻ các sản phẩm, dịch vụ từ mô hình kinh doanh này Tám mươi bảy phần trăm (87%) người tiêu dùng tại Indonesia cho rằng họ sẵn sàng tận dụng các sản phẩm và dịch vụ chia sẻ Tỉ lệ này chiếm 85% tại Philippines, 84% tại Thái Lan, 76% tại Việt Nam, 74% tại Malaysia, 67% tại Singapore và 66% đối với người tiêu dùng toàn cầu Nền móng cho sự xuất hiện của mô hình kinh tế chia sẻ chính là sự phát triển nhanh chóng của internet trong khu vực Sự kết nối giữa những người tiêu dùng với nhau là yếu tố chính cho mô hình kinh doanh chia sẻ này, do đó, mô hình này có thể sẽ phát triển ở mức độ cao hơn trong những năm sắp tới

3 Mục đích và nhiệm vụ nghiên cứu

Mục đích: Trên cở sở nghiên cứu có hệ thống và tổng quan về khoa học AI,

nền kinh tế chia sẻ và khoá luận tập trung vào phân tích ảnh hưởng của việc áp dụng trí tuệ nhân tạo vào nền kinh tế chia sẻ cho tới hiện nay và đưa ra những hướng đi mới cho nền kinh tế Việt Nam

Nhiệm vụ:

- Trình bày các quan niệm về AI, lịch sử hình thành, phát triển và cấu tạo của một hệ thống AI

- Trình bày nguồn gốc, bản chất và đặc điểm của nền kinh tế chia sẻ

- Đưa ra những tác động của việc áp dụng trí tuệ nhân tạo vào nền kinh tế chia sẻ cho tới ngày nay và những hướng đi mới cho nền kinh tế Việt Nam

4 Đối tượng và phạm vi nghiên cứu

Đối tượng nghiên cứu: Đối tượng của khoá luận là phân tích rõ lịch sử

hình thành và phát triển Trí tuệ nhân tạo, nguồn gốc và đặc điểm cơ bản của nền kinh tế chia sẻ và ảnh hưởng của việc áp dụng trí tuệ nhân tạo vào nền kinh tế chia sẻ

7

Phạm vi nghiên cứu: Qúa trình phát sinh và phát triển của trí tuệ nhân tạo, nền

kinh tế chia sẻ và những ảnh hưởng của việc áp dụng trí tuệ nhân tạo vào nền kinh tế chia sẻ cho tới hiện nay và hướng đi mới cho nền kinh tế Việt Nam

5 Cơ sở lý luận và phương pháp nghiên cứu

Cơ sở lý luận: Khoá luận dựa trên cơ sở lý luận là thế giới quan và phương

pháp luận của chủ nghĩa duy vật biện chứng, các công trình nghiên cứu về khoa học trí tuệ nhân tạo và bức tranh hiện thực của nền kinh tế chia sẻ trong bối cảnh hiện nay

Phương pháp nghiên cứu: Khóa luận vận dụng các phương pháp nghiên

cứu cụ thể như phương pháp phân tích và tổng hợp, so sánh, thống nhất lịch sử - lôgíc, khái quát hóa, trừu tượng hóa,…

6 Ý nghĩa của khóa luận

Ý nghĩa lý luận: Khoá luận góp phần làm rõ về khái niệm trí tuệ nhân tạo,

về sự hình thành và các giai đoạn phát triển của ngành khoa học này Làm rõ bản chất, nguồn gốc và quá trình phát sinh, phát triển của nền kinh tế chia sẻ Qua đó, chứng minh được những ảnh hưởng của trí tuệ nhân tạo đến nền kinh tế chia sẻ như thế nào, đồng thời có cái nhìn cụ thể hơn khi áp dụng vào trong bối cảnh nền kinh tế của Việt Nam ra sao

Ý nghĩa thực tiễn: Khóa luận cũng sẽ như là một tài liệu tham khảo cho

những ai ham thú tìm hiểu về ứng dụng của trí tuệ nhân tạo trong nền kinh tế chia sẻ

7 Kết cấu của khóa luận

Ngoài phần mở đầu và tài liệu tham khảo, khóa luận gồm 2 chương, 5 tiết

8

Chương 1: KHÁI LUẬN CHUNG VỀ TRÍ TUỆ NHÂN TẠO VÀ NỀN

KINH TẾ CHIA SẺ 1.1 Trí tuệ nhân tạo

1.1.1 Các thời kỳ phát sinh và phát triển của trí tuệ nhân tạo

Thuật ngữ “trí tuệ nhân tạo” ngày càng trở nên phổ biến đối với mọi công dân trong xã hội thông qua sức ảnh hưởng từ những ứng dụng thực tiễn của chúng tới chính mỗi bàn tay, khối óc của con người Dưới đây, luận văn sẽ khái quát lại quá trình hình thành, tồn tại và phát triển của trí tuệ nhân tạo cho tới ngày hôm nay Cụ thể, gồm 3 giai đoạn chính như sau:

Giai đoạn phát triển đầu tiên (thập kỷ 60 - 70 thế kỷ XX)

Một người có công lao rất to lớn đối với sự phát triển của AI là John Mc Carthy (sinh 1927) Sau khi tốt nghiệp Đại học Princeton ông đã chuyển đến Đại học Darthmouth - nơi được coi như cái nôi của khoa học AI Mc Carthy đã thuyết phục được Minsky, Shannon và Rochester giúp đỡ ông trong việc nghiên cứu tìm kiếm lí thuyết tự động, mạng thần kinh và các lĩnh vực nghiên cứu khác của AI Tại Darthmouth, họ đã tổ chức một hội thảo trong suốt 2 tháng liền vào mùa hè 1956 để thảo luận những vấn đề này Người ta vẫn lấy hội nghị mùa hè năm 1956 tại Darthmuoth ở Mỹ làm sự kiện ra đời của ngành AI Hội nghị đầu tiên này do Marvin Minsky và John Mc Carthy tổ chức với sự tham gia của vài chục nhà khoa học, trong đó có cả Allen Newell và Herbert Simon Bốn người này luôn được coi là những người sáng lập của ngành AI Chính tại Hội nghị Darthmuoth này, John McCarthy đã đề nghị tên gọi “Artificial Intelligence” Mặc dù còn nhiều tranh cãi trong một thời gian, tên này vẫn được thừa nhận và dùng cho đến ngày nay

Tiếp theo cần phải kể đến những công trình của Herbert Simon và Allen Newell Tháng Giêng năm 1956, nhà khoa học máy tính Herbert Simon đã bắt đầu một trong những bài thuyết trình của mình bằng một nhận xét quan trọng:

“Qua dịp Noel, Allen Newell và tôi đã phát minh ra một chiếc máy biết suy nghĩ

và bằng cách đó có thể giải quyết vấn đề trí tuệ con người một cách khả thi

9

hơn” Allen Newell và Herbert Simon đã lập một chương trình máy tính, họ gọi

là Nhà lý thuyết logic (Logic Theorist), có thể tìm ra những chứng minh cho các định lý toán học nhờ một quá trình suy diễn logic Các nhà lý thuyết logic đưa vào một bộ các quy tắc và chỉ dẫn - một thuật toán dùng các sự kiện toán học làm xuất phát điểm và tự động suy ra một loạt những chứng minh toán học cơ bản Sau khi ra đời, chương trình của Allen Newell và Herbert Simon đã có thể chứng minh được hầu hết những lý thuyết trong phần “Những quy tắc toán học” của Russell và Whitehead Russell đã tường thuật một cách say mê việc Herbert Simon chỉ cho ông một chương trình có thể chứng minh lý thuyết như thế nào

và việc chứng minh bằng chương trình này ngắn hơn bất kỳ việc chứng minh nào có sử dụng các quy tắc

Những thành công ban đầu của Allen Newell và Herbert Simon còn gắn với GPS (General Problem Solver - Hệ giải bài toán tổng quát) Không giống với Logic Theorist, chương trình này được thiết kế bắt nguồn từ việc bắt chước những cách thức giải quyết bài toán của con người Các thuật toán của chương trình giải bài toán tổng quát bao hàm “thuật phát hiện” - cách tiếp cận tổng quát hoá để giải các bài toán của con người Do đó, GPS có thể được xem là chương trình đầu tiên biểu hiện cách tiếp cận “suy nghĩ như con người”

Ngay từ năm 1952, Arthur Samuel đã đề ra một phương pháp mới Theo phương pháp này, ông đã không chứng minh những ý tưởng khẳng định những chiếc máy tính có thể làm được những công việc mà trước đó mọi người nói tới,

mà ông chú trọng đưa chương trình vào ứng dụng thực tế Và sau đó các nhà nghiên cứu AI đã tiếp tục nghiên cứu theo hướng này

McCarthy đã chuyển từ Darthmouth đến MIT và tại đây ông đã có 3 đóng góp lớn về lĩnh vực nghiên cứu AI được ghi vào lịch sử năm 1958 Tại phòng thí nghiệm Memo số 1 về AI tại MIT, Carthy đã đưa ra ngôn ngữ lập trình Lisp

và cho đến nay, nó vẫn là một trong những ngôn ngữ thống trị trong lĩnh vực

AI Với Lisp, Mc Carthy đã có công cụ mà ông cần cho việc biểu diễn tri thức Tuy nhiên, ông đã gặp khó khăn trong việc nhập số liệu vào máy Do đó, ông và

10

một số nhà nghiên cứu khác ở MIT đã phát minh ra lý thuyết về sự phân chia thời gian (time-sharing) Sau đó, nó trở thành một hệ thống time sharing thực nghiệm tại MIT - những người đã lập nên Tập đoàn trang thiết bị kỹ thuật số (Digital Equipment Corporation) Hiện nay tập đoàn này đã trở thành tập đoàn sản xuất máy tính lớn thứ hai thế giới nhờ hệ thống phân chia thời gian (time sharing) của những chiếc máy tính bỏ túi Cũng vào năm 1958, McCarthy đã xuất bản một tờ báo với tiêu đề “Những chương trình với cảm nhận phổ biến”, trong đó ông miêu tả khá rõ về Advice Taker (Lý thuyết người phỏng vấn), một chương trình giả thuyết mà có thể xem như là một hệ thống AI hoàn thiện đầu tiên Cũng giống như Logic Theorist và Geometry Theorem Prover, chương trình này của Mc Carthy đã phác hoạ việc sử dụng tri thức để tìm kiếm cách thức giải quyết bài toán Nhưng không giống như những lý thuyết khác, Advice Taker thường sử dụng những tri thức chung phổ biến của thế giới Ví dụ như chương trình của ông đã chỉ ra việc bằng cách nào mà chỉ với một vài tiền đề đơn giản, chương trình có thể tạo ra một kế hoạch để có thể đi được con đường ngắn nhất đến sân bay và bắt kịp chuyến bay Chương trình này cũng

đã phác hoạ được việc chấp nhận những tiền đề mới trong trường hợp khi chương trình đang vận hành gặp phải, do đó cho phép đạt được thành công trong những vùng mà trước đó còn chưa được lập trình Advice Taker có thể biểu hiện những quy tắc trung tâm của việc biểu diễn tri thức và lập luận, những quy tắc này rất có ích cho việc có một hình thức biểu diễn tri thức rõ ràng về thế giới và có thể điều khiển những phương pháp biểu diễn này cùng với quá trình suy diễn lập luận

Năm 1958, cũng là năm Marvin Minsky chuyển tới MIT Trong nhiều năm, ông đã cùng với Mc Carthy tập trung nghiên cứu lĩnh vực AI Tuy nhiên, họ chỉ thành công một phần và theo những hướng khác nhau: Mc Carthy đặc biệt chú trọng đến việc biểu diễn tri thức và lập luận trong logic hình thức; trái lại, Minsky lại tìm thấy hứng thú trong việc đưa ra các chương trình làm việc và phát triển hệ thống đối logic Năm 1963, Mc Carthy đã tới Standford và bắt đầu lập phòng thí

11

nghiệm AI tại đây Công việc nghiên cứu của ông là làm sao sử dụng logic học để xây dựng Ultimate Advice Taker - một chương trình đã được đề xuất bởi những nghiên cứu mang tính khám phá của Rôbinsơn về cách thức giải quyết bài toán (một thuật toán chứng minh định lý đầy đủ của logic vị từ) Những nghiên cứu của ông ở Standford nhấn mạnh đến những cách thức mục đích chung (general pupose) của lập luận logic

Một chuyên đề được quan tâm nữa đó là liệu máy tính có thể mô phỏng được bộ não của con người hay không? Một số người khi này đã quả quyết rằng

về mặt công nghệ hoàn toàn có thể sao chép y chang bộ óc người vào phần cứng

và phần mềm máy tính, và do vậy bộ não mô phỏng trong máy tính hầu như hoàn toàn giống bộ não thật Rất lạc quan, năm 1965 Simon tuyên bố: “Máy móc trong vòng 20 năm nữa sẽ có khả năng làm tất cả mọi việc con người làm”, hoặc năm 1967 Minsky tiên đoán: “Quãng một thế hệ nữa, việc tạo ra trí thông minh nhân tạo sẽ cơ bản được giải quyết”

Tuy nhiên, những tiên đoán này đã không thành sự thật Điều này đã dập tắt đi ngọn lửa vừa được nhen nhóm lên từ niềm tin vào việc hiện thực hóa trí tuệ nhân tạo Chính phủ Mỹ và Anh đã cắt bỏ nhiều đề tài nghiên cứu trong lĩnh vực này Tuy nhiên, nhờ những thất bại ban đầu này đã giúp các nhà nghiên cứu

có cơ hội hiểu rõ hơn những hạn chế tính toán của các hệ logic hình thức, hạn chế về những gì máy có thể chỉ ra được như đã chỉ ra bởi định lý Godle về tính không đầy đủ, phát biểu năm 1931, rằng với mọi hệ hình thức đều có những mệnh đề đúng không thể chứng minh được Con người cũng hiểu rõ hơn khả năng tính toán bằng máy phụ thuộc rất nhiều vào độ phức tạp tính toán của từng bài toán Rất nhiều bí ẩn vẫn còn ở phía trước

Giai đoạn phục hồi và xâm nhập vào các ngành kinh tế quốc dân (thập kỷ

80 - 90 thế kỷ XX)

Những năm đầu thập kỷ 80 của thế kỷ trước đã chứng kiến sự bắt đầu của một giai đoạn khoảng 15 năm của sự hồi sinh, bùng nổ và thi đua quốc tế trong ngành AI Ý tưởng cơ bản để phát triển trí tuệ nhân tạo khi này là sự thông minh

12

của máy tính không thể chỉ dựa trên việc suy diễn logic mà phải dựa vào cả tri thức của con người, và dùng khả năng suy diễn của máy để khai thác các tri thức này Thành quả và nỗ lực tiêu biểu trong giai đoạn này là sự phát triển của các

hệ chuyên gia (Expert systems) Mỗi hệ chuyên gia gồm hai thành phần cơ bản: một cở sở tri thức chứa các tri thức của chuyên gia trong một lĩnh vực và một cơ chế suy diễn logic nhằm vận dụng các hiểu biết này để giải quyết các vấn đề cụ thể, với hiệu quả như chính các chuyên gia giải quyết Các hệ chuyên gia được nghiên cứu và xây dựng khắp nơi Hai hệ tiêu biểu là DENDRAL và MYCIN DENDRAL được phát triển tại Đại học Standford vào năm 1956 bởi EdFeigenbaum (một sinh viên của Herbert Simon), Bruce Buchanan (một nhà triết học chuyển hướng sang khoa học máy tính) và Joshua Lederberg (một nhà

di truyền học đạt giải Nobel) Hệ DENDRAL nhằm giúp các nhà nghiên cứu hoá học hữu cơ xác định các phân tử hữu cơ chưa biết dựa trên phân tích phổ của chúng và các tri thức hoá học

Tầm quan trọng của DENDRAL ở chỗ nó là hệ thống cảm nhận kiến thức thành công đầu tiên Các chuyên gia của lĩnh vực này đi sâu từ số lượng lớn các quy luật có mục đích đặc biệt Các hệ thống sau này đã kết hợp chặt chẽ những chủ đề chính của cách tiếp cận Advice Taker của Mc Carthy - sự tách rời hoàn toàn giữa tri thức (trong dạng thức của những quy tắc) và lập luận

Với bài học này, Feigenbaum và một số nhà nghiên cứu khác ở Standford

đã bắt đầu lập dự án chương trình Heuristic để nghiên cứu phạm vi mà trong đó phương pháp luận mới của hệ chuyên gia có thể ứng dụng tới những vùng khác của sự chuyên môn của con người Những nỗ lực tiếp theo là ở trong lĩnh vực chuẩn đoán y học Feigenbaum, Buchanan và Edward Shortlife đã phát triển hệ chuyên gia MYCIN để chuẩn đoán những bệnh lây truyền qua đường máu MYCIN là hệ chuyên gia có cở sở tri thức chừng 600 luật về y học có tính đến yếu tố bất định, nó có thể có thể chuẩn đoán thành công như những chuyên gia trong lĩnh vực này và nhiều khi còn chuẩn đoán thành công hơn cả những bác sỹ đã có thâm niên Giữa MYCIN và DENDRAL có hai sự khác biệt cơ

13

bản Thứ nhất, không giống với DENDRAL, MYCIN không có những quy tắc, những mô hình lý thuyết chung dưới dạng có sẵn Chúng phải có câu chất vấn của chuyên gia, người có nhiệm vụ tìm chúng từ kinh nghiệm trực tiếp của hoàn cảnh Thứ 2, các quy tắc đó phải phản ánh sự kết hợp không chắc chắn những tri thức y khoa MYCIN kết hợp hệ vi phân của biến số được coi là các nhân tố phù hợp (ở mọi lúc) với phương pháp mà các bác sỹ tiếp cận với các triệu chứng trong quá trình chuẩn đoán

Những cách tiếp cận khác để chuẩn đoán bệnh sau đó cũng tiếp tục được nghiên cứu Tại trường đại học Rutger, dự án “Máy tính trong ngành sinh hoá” (Computer in Biomedicine) của Saul Amarel bắt đầu có tham vọng cố gắng chuẩn đoán bệnh tật dựa trên kiến thức được biểu đạt rõ ràng của những chiếc máy phân tích quá trình phát triển của bệnh tật Trong khi đó, một số đông các nhà nghiên cứu tại MIT và Trung tâm y khoa Vương quốc Anh đã theo đuổi một cách tiếp cận chuẩn đoán bệnh dựa trên lý thuyết xác suất có tính khả thi và thực

tế Mục đích của họ là xây dựng hệ thống y khoa tốt nhất có thể sử dụng để chuẩn đoán bệnh tật Trong y học, tiếp cận Standford thường sử dụng các quy tắc do bác sỹ cung cấp và được chứng minh rộng rãi ngay từ lần đầu tiên

Như đã biết, sự quan trọng của lĩnh vực tri thức là rất rõ ràng, hiển nhiên trong việc hiểu ngôn ngữ tự nhiên Mặc dù hệ chuyên gia SHRDLU của Winograd dùng để hiểu ngôn ngữ tự nhiên đã đem giúp giải quyết vấn đề khá tốt, nhưng nó lại phụ thuộc nhiều vào chuyện phân tích ngữ nghĩa (xảy ra trong công việc dịch thuật) Nó có thể khắc phục được tính chất mập mờ, giúp cho có thể hiểu một cách chuẩn xác ngôn ngữ bởi nó được thiết kế cho một lĩnh vực đặc biệt - blocks world Một số nhà nghiên cứu khác, bao gồm cả Eugene Charniak, một nghiên cứu sinh đã tốt nghiệp của Winograd ở MIT, đã cho rằng việc hiểu ngôn ngữ tự nhiên một cách đúng đắn đòi hỏi phải có những tri thức chung về thế giới và phương pháp chung cho việc sử dụng những tri thức đó Vào năm 1973, William Woods đã xây dựng hệ chuyên gia LUNAR Hệ thống cho phép nhà địa chất học có thể đặt những câu hỏi bằng tiếng Anh về

14

những mẩu đá được đem đến từ Apollo LUNAR là chương trình ngôn ngữ nhân tạo đầu tiên được sử dụng bởi những người khác hơn là tác giả của hệ thống, dù ông đã làm việc một cách thực sự Từ đó, rất nhiều chương trình ngôn ngữ tự nhiên đã được sử dụng Sự mở rộng và lớn mạnh của những ứng dụng đối với các vấn đề của thế giới thực có nguyên nhân từ sự tăng cùng nhau những yêu cầu của việc sắp xếp theo hệ thống sự biểu diễn tri thức Rất nhiều ngôn ngữ biểu diễn khác nhau đã được phát triển, một số trong chúng dựa trên logic Ví

dụ như ngôn ngữ PROLOG phổ biến ở châu Âu và hệ ngôn ngữ PLANNER ở

Mỹ Các ngôn ngữ khác, theo sau các ý tưởng của Minsky (1975) đã chấp nhận phương pháp tiếp cận cấu trúc, thu thập các chứng cứ về đối tượng và các loại

sự kiện

Những năm 80 được coi là thời gian thâm nhập của AI vào các ngành kinh

tế quốc dân Trong những năm này, người ta tiến hành các thực nghiệm và đạt được các nghiên cứu lý thuyết quan trọng

Vào năm 1981, người Nhật Bản đã công bố dự án “Thế hệ thứ 5” - một kế hoạch 10 năm nhằm thiết lập chiếc máy tính thông minh chạy bằng ngôn ngữ PROLOG - mà những chiếc máy tính thông thường thường chạy bằng những mật mã máy móc Với ý tưởng là từ năng lực lập luận được hàng triệu suy luận mỗi giây, những chiếc máy tính này sẽ có khả năng trở thành một bộ nhớ lưu trữ rất lớn hệ thống các quy tắc Dự án nghiên cứu này đã đề ra mục đích phải hiểu được ngôn ngữ tự nhiên một cách đầy đủ

Dự án “Thế hệ thứ 5” đã cung cấp “nguyên liệu” thú vị cho trí tuệ nhân tạo

và do lo sợ sự thống trị của Nhật Bản trong lĩnh vực này, nhiều nhà nghiên cứu

và nhiều tập đoàn công ty tại Mỹ quyết định đầu tư phát triển nó với một mức

độ tương đương Tập đoàn Công nghệ máy tính và Công nghệ vi điện tử đã tổ chức một chương trình nghiên cứu liên hợp để đối lập lại với dự án của Nhật Bản Và AI đã trở thành một bộ phận trong việc cố gắng thiết kế những con chip

và nghiên cứu bề mặt chung của trí tuệ con người

Giai đoạn phát triển gần đây

Trong những năm gần đây, chúng ta đã chứng kiến một sự thay đổi to lớn trong cả nội dung và phương pháp nghiên cứu lĩnh vực AI Hiện nay, việc tiếp tục nghiên cứu những lý thuyết hiện có phổ biến hơn là việc đề xuất những lý thuyết mới toanh, chú trọng đến việc nghiên cứu dựa trên những định lý hoặc những bằng chứng thực nghiệm hơn là khả năng trực giác; và nghiên cứu để chỉ

ra sự ứng dụng vào thực tế hơn là những ví dụ trò chơi

Các phương pháp tiếp cận dựa trên mô hình Makov ẩn (Hidden Makov models-HMMs) đã thống trị lĩnh vực này Hai khía cạnh của HMMs rất phù hợp với những thảo luận hiện nay Thứ nhất, chúng dựa trên lý thuyết toán học chính xác Điều này cho phép những nhà nghiên cứu tiếng nói tổng kết các kết quả toán học trong một vài thập kỷ đã được phát triển ở một số lĩnh vực khác Thứ hai, chúng đã được sinh ra bởi một quá trình xử lý trên tập dữ liệu tiếng nói Điều này đảm bảo được sự thành công sẽ là chắc chắn nếu có sự làm việc nghiêm túc Và sự kiểm tra nghiêm ngặt của HMMs đã dẫn đến sự thay đổi nhanh chóng những mục đích của họ

Cuốn “Lập luận xác suất trong hệ thống thông minh” của Judea Pearl (1988) đã đánh dấu sự thừa nhận cả thuyết quyết định và thuyết xác suất trong

AI Tiếp theo là bài báo “Biện hộ cho thuyết xác suất” của Peter Cheeseman Tin tưởng rằng hình thức mạng là một phát minh cho phép lập luận có hiệu quả

về những tri thức không chắc chắn Cách tiếp cận này đã giải quyết được những

16

vấn đề khó khăn trong hệ thống lập luận xác suất của những năm 40 và 70 của thế kỷ 20 và đã dẫn tới sự thống trị của việc nghiên cứu AI, các nhà nghiên cứu

đã tìm hiểu lại vấn đề “tác nhân tổng hợp” Công trình của A.Newell, John Laird

và Paul Rosen bloom ở SOAR là một ví dụ điển hình của một cấu trúc tác nhân tổng hợp trong AI Vì vậy mà nó được gọi là hành động có mục đích “trong những hoàn cảnh xác định” của các yếu tố đưa vào trong môi trường thực tế mới các đầu vào cảm biến liên tục Nhiều kết quả thú vị đã xuất hiện từ việc đưa công nghệ này vào, bao gồm cả việc nhận thức rõ ràng trước đó các lĩnh vực con của AI cần tái tạo lại cái gì đó khi mà các kết quả của họ là cùng chỗ trong thiết

1.1.2 Định nghĩa khái niệm Trí tuệ nhân tạo

Trước đây, trên thế giới có rất nhiều định nghĩa khác nhau về trí tuệ nhân tạo Cụ thể, tôi xin được nhắc đến:

Theo Wikipedia, trí tuệ nhân tạo (Artificial Intelligence – viết tắt là AI) là trí tuệ được biểu diễn bởi bất cứ một hệ thống nhân tạo nào Thuật ngữ này thường dùng để nói đến các máy tính có mục đích không nhất định và ngành khoa học nghiên cứu về các lý thuyết và ứng dụng của trí tuệ nhân tạo

Theo Bellman (1978) định nghĩa: “Trí tuệ nhân tạo là tự động hóa các hoạt động phù hợp với suy nghĩ của con người, chẳng hạn các hoạt động ra quyết định, giải bài toán.”

Rich anh Knight (1991) thì cho rằng: “Trí tuệ nhân tạo là khoa học nghiên cứu xem làm thế nào để máy tính có thể thực hiện những công việc mà hiện con người còn làm tốt hơn cả máy tính.”

17

Nhìn chung, mỗi khái niệm, định nghĩa ở mỗi giai đoạn, hoàn cảnh và dựa trên những góc nhìn khác nhau thì đều có tính đún đắn riêng Tuy nhiên, theo quan điểm của tôi, bằng việc khái quát từ các nguồn tài liệu cũng như hiểu biết thực tế, tôi muốn đưa ra nội hàm khái niệm Trí tuệ nhân tạo

Theo tôi, Trí tuệ nhân tạo là một ngành khoa học máy tính , nó xây dựng dựa trên một nền tảng lý thuyết logic vững chắc và có thể ứng dụng trong việc

tự động hóa các hành vi thông minh của máy tính, giúp máy tính có được những khả năng trí tuệ giống như của con người Một số năng lực trí tuệ điển hình là: Học từ kinh nghiệm (trích rút tri thức từ kinh nghiệm) và áp dụng tri thức; Xác định và trích chọn các đặc trưng quan trọng của các đối tượng, sự kiện, quá trình; Xử lý tình huống phức tạp; Phản ứng nhanh chóng và chính xác đối với tình huống mới; Nhận dạng và hiểu được ngữ nghĩa hình ảnh; Xử lý và thao tác ký hiệu; Sáng tạo và có trí tưởng tượng; Sử dụng heuristic(mẹo) Việc chứng minh khả năng trí tuệ của máy hoặc do con người kiểm định (kiểm thử Turing) hoặc đánh giá khách quan (sử dụng các công cụ thống kê,

lô gic vị từ và mệnh đề)

Ngoài ra, chúng ta cần nhận thức rõ ràng rằng trí tuệ nhân tạo không thể phát triển một mình, mà ngược lại những khả năng của trí tuệ nhân tạo cần phải hợp tác phát triển trong các hệ thống của công nghệ thông tin và các khoa học khác Rất nhiều lĩnh vực mới của trí tuệ nhân tạo đã ra đời và tiến triển sôi động theo sự thay đổi của môi trường tính toán và tiến bộ khoa học Chẳng hạn sự xuất hiện của những hệ dữ liệu mới với những quan hệ phức tạp như dữ liệu Web, dữ liệu sinh học thư viện điện tử,… đã là động lực ra đời các ngành khai phá dữ liệu, Web ngữ nghĩa, tìm kiếm thông tin trên Web Thêm nữa, trí tuệ nhân tạo đã thâm nhập từ các khoa học vi mô như góp phần giải các bài toán của sinh học phân tử (tin - sinh học) đến các khoa học vĩ mô như nghiên cứu vũ trụ, rồi cả khoa học xã hội và kinh tế như phát hiện các cộng đồng mạng trong xã hội hay phân tích các nhóm hành vi Điều đó chứng tỏ rằng, để hướng tới phát

1.2 Kinh tế chia sẻ

1.2.1 Nguồn gốc của nền kinh tế chia sẻ

Mặc dù vẫn còn trong giai đoạn trứng nước, nền kinh tế chia sẻ đã tăng trưởng đáng kể trong những năm gần đây Một thực tế rõ rệt là các công ty trẻ như Uber và Airbnb đang sở hữu hàng ngàn khách hàng, mở rộng hoạt động tại

hàng trăm thành phố trên toàn thế giới và được định giá hàng chục tỷ đô la

Cùng với sự ra đời và phát triển của Internet cũng như việc sử dụng dữ liệu lớn, giờ đây, khoảng cách giữa chủ sở hữu tài sản có tài sản nhàn rỗi không sử dụng, hoặc sử dụng ít và những người có nhu cầu sử dụng tài sản đó đang gần hơn bao giờ hết Số lượng ngày càng tăng của các nền tảng di động và trực tuyến đã giúp kết nối một cách hiệu quả những cá nhân, tổ chức này với nhau Thay cho những doanh nghiệp, các cá nhân giờ đây hoàn toán có thể thực hiện hoạt động quảng cáo, bán hàng hóa, dịch vụ cũng như tìm kiếm khách hàng của mình thông qua mạng lưới Internet khổng lồ

Việc trao đổi giữa các cá nhân và tổ chức có thể được thực hiện trực tiếp trên cơ sở ngang hàng, hoặc gián tiếp thông qua một bên trung gian, ví dụ như cửa hàng, trang web hay ứng dụng; trực tuyến hoặc ngoại tuyến; miễn phí hoặc mất phí, trong trường hợp này, “phí” có thể là “tiền”, “điểm” hay

“dịch vụ khác” Trong nền kinh tế chia sẻ, vai trò của người tiêu dùng tồn tại dưới dạng hai mặt, vừa đóng vai trò là bên thụ hưởng vừa đóng vai trò là bên cung cấp tài nguyên