
Giải mã AI, ML và DL: Chìa khóa nắm bắt xu hướng chuyển đổi số
Last updated: June 19, 2024 Xem trên toàn màn hình



- 04 Mar 2020
Kinh nghiệm lập dự toán chi phí dự án phần mềm theo phương pháp Man-Month 2142
- 01 Jul 2023
Phương pháp Shuhari - Làm sao học ít hiểu nhiều? 587
- 01 Aug 2022
"Sponsored Content" là gì? Khác nhau giữa Sponsored Content và Native Advertising? 521
- 01 Feb 2022
Thách thức với doanh nghiệp chuyển đổi số trong thời đại VUCA 495
- 23 Dec 2021
Quy trình tự động hóa RPA là gì? RPA khác với AI như thế nào? 359
- 15 Apr 2020
Phần mềm BPM là gì? So sánh với ERP và các phần mềm Workflows 329
- 03 Feb 2020
Sản phẩm OEM và ODM là gì? 320
- 19 Aug 2024
Kiểm toán công nghệ thông tin (IT Audit) - Nghề mới mẻ ở Việt Nam 273
- 12 May 2021
Các yêu cầu thay đổi (Change Requests) - nỗi ám ảnh của team dự án phần mềm 267
- 14 Aug 2022
Khác biệt giữa tiêu chí hoàn thành DOD (Definition of Done) với tiêu chí nghiệm thu (Acceptance Criteria) 267
- 01 Mar 2024
Google thử nghiệm Search AI (Search Generative Experience - SGE) 255
- 01 Sep 2023
"Data steward" là gì? 242
- 05 Aug 2024
Giải mã 10 sai lầm về quản lý thay đổi 235
- 04 Jan 2023
Đánh giá nhân sự theo chuẩn người Nhật 220
- 17 Aug 2020
Mục tiêu dự án là gì? Làm thế nào để xác định mục tiêu? 180
- 08 Mar 2022
Mô hình nguồn mở hoạt động ra sao? 151
- 14 May 2024
Chiến lược răng lược là gì? Làm thế nào để tận dụng chiến lược răng lược trong kinh doanh? 147
- 08 Apr 2024
Hiệu ứng Matthew: Tác động và Ứng dụng trong Chuyển đổi Số và Công nghệ tại Việt Nam 144
- 08 Mar 2020
Vì sao doanh nghiệp cần phải tạo Web bán hàng? 143
- 01 May 2023
[Tư vấn CNTT] Quản lý ngân sách CNTT cho doanh nghiệp 132
- 01 Apr 2022
Chi phí nhà thầu phụ chiếm bao nhiêu phần trăm gói thầu? 130
- 01 Sep 2020
Co-founder là gì? Vai trò của các Co-Founder khi lập nghiệp. 129
- 19 Aug 2020
Lift & Shift - Phương pháp tối ưu dịch chuyển hệ thống phần mềm qua đám mây 129
- 23 Aug 2024
Nghịch lý toán học chứng minh giới hạn của AI 129
- 17 Feb 2018
Hệ luỵ khi sử dụng Web Hosting từ nhà cung cấp kém chất lượng 118
- 18 Mar 2018
Dịch vụ Hosting cho Website là gì? Các lời khuyên chọn Hosting tốt nhất 110
- 03 May 2024
AI Đàm Thoại (Conversational AI) – Cuộc Cách Mạng Công Nghệ Đầy Hứa Hẹn 106
- 09 Feb 2021
Tầm nhìn là gì? Tí dụ minh họa cụ thể về tầm nhìn 103
- 01 Mar 2023
12 rào cản của chuyển đổi số doanh nghiệp nhỏ và vừa 100
- 03 Oct 2021
Khác biệt giữa thiết kế phần mềm và thiết kế công trình xây dựng 98
- 25 Apr 2018
Bảo hộ bản quyền phần mềm dưới khía cạnh sở hữu trí tuệ như thế nào? 86
- 27 Nov 2024
Ứng dụng AI theo dõi thu chi gây sốt vì 'mắng' người tiêu tiền 80
- 08 Aug 2019
10 lý do tại sao việc sử dụng và vận hành phần mềm điều hành doanh nghiệp không được hiệu quả 63
- 23 Apr 2025
Multimodal Agent AI – Cuộc cách mạng trong tương tác người – máy 47
Artificial Intelligence (AI – trí tuệ nhân tạo), Machine Learning (ML – máy học) và Deep Learning (DL – học sâu) là 3 thuật ngữ phổ biến trong ngành công nghệ hiện đại. Tuy nhiên, ranh giới giữa chúng vẫn còn rất mong manh khiến việc hiểu và ứng dụng chúng vào kinh doanh sẽ khó đạt được hiệu quả như mong muốn.
Phân biệt AI, ML và DL bằng ví dụ cụ thể
Trước hết, cần khẳng định rằng đây là 3 khái niệm khác nhau và không thể thay thế nhau. Tuy nhiên nhưng lại khó tách rời vì chúng có mối tương quan chặt chẽ. Thế nên, nếu định nghĩa riêng lẻ từng khái niệm sẽ khiến chúng ta không thể quan sát chúng trên một bức tranh tổng thể. Vì vậy, hãy cùng nhau điểm qua khái niệm của AI, ML và DL khi đặt chúng trong mối liên hệ với nhau. Cụ thể, cùng xem xét AI, ML và DL trong một ví dụ cụ thể về máy phân loại trái cây sau đây.
AI tập trung vào việc tạo ra máy tính hoặc hệ thống có thể thực hiện các nhiệm vụ thông minh mà trước đây chỉ con người mới có thể thực hiện được.
Máy phân loại trái cây là một AI có thể phân biệt hỗn hợp các loại trái cây nhờ vào nhận diện nhãn dán có chứa mã vạch dành riêng cho từng loại trái cây.
ML được xem như một phương pháp giúp AI bắt chước hoạt động học tập của con người. ML ra đời đã giải quyết được những hạn chế của AI truyền thống bằng cách tận dụng hoạt động học tập dựa trên dữ liệu. Nếu xem AI là bộ não thì ML là việc học. Nhờ có việc học mà não bộ trở nên tinh anh hơn.
Khi bổ sung ML, máy phân loại trái cây có thể phân biệt các loại trái cây mà không cần đến nhãn dán chứa quy định phân loại.
Để làm nhiệm vụ phân loại, ML này cần nhận được các thông tin liên quan đến đặc điểm đặc trưng của từng loại trái cây như hình dạng, kích thước, màu sắc,…Tiếp theo, ML cần được nhìn thấy lần lượt hình dạng thực tế của các loại trái cây nhiều lần. Từ thông tin có được và hình ảnh thực tế, máy phân loại lúc này biết cách phân biệt các loại trái cây mà không cần dựa vào mã vạch (một dạng lập trình)
DL là một nhánh của ML, được mô phỏng hoạt động tư duy của bộ não người nhằm nâng cấp ML có thể tự động học và phát hiện đặc trưng của những trường dữ liệu phức tạp. Nếu xem AI là bộ não, thì có thể xem DL là hệ thống nơ-ron thần kinh. Một bộ não có hệ thống nơ-ron thần kinh học nhanh hơn và nhạy bén hơn.
Sau khi bổ sung DL, máy phân loại trái cây có thể phân biệt các loại trái cây mà không cần phải tiếp nhận trước các thông tin về đặc điểm. Có thể huấn luyện DL bằng cách cung cấp cho DL nhiều hình ảnh về hỗn hợp trái cây, nó sẽ tự động rút ra điểm chung của từng loại trái cây và xây dựng thành mô hình. Mô hình này giống như một hình mẫu để máy phân loại so sánh trong quá trình phân loại sau này.
Theo tiến trình, AI xuất hiện đầu tiên, sau đó là ML và hiện nay là thời đại của DL. Có thể xem DL là bước tiến đột phá đối với ngành công nghệ, và nâng cấp AI chạm tới nhiều khả năng hơn trong nhiều lĩnh vực.
Ứng dụng tiêu biểu của AI, ML và DL trong hoạt động doanh nghiệp
Khi đề cập đến các ứng dụng của AI, ML và DL, người ta thường gọi chung là ứng dụng của AI. Thậm chí các thuật ngữ này còn bị sử dụng thay thế cho nhau do bị nhầm lẫn về ý nghĩa và các ứng dụng thực sự của chúng. Tại hội thảo MBA Talk #80 – “How Generative AI is Changing Our Modern Business?”, ông Đào Trung Thành đã cho biết sự nhầm lẫn này có thể dẫn đến lựa chọn sai nền tảng gây lãng phí tài nguyên và cơ hội.
Trong đời sống và các hoạt động kinh doanh, AI, ML và DL vẫn có thể dễ dàng nhận biết được qua một số ứng dụng thực tế.
AI trong trợ lý ảo và công nghệ VR/AR
- Trợ lý ảo: những trợ lý ảo hỗ trợ người dùng thông qua giọng nói phổ biến hiện nay như Siri, Google Assistant, Samsung Bixby,…đều là sản phẩm của AI. Trong kinh doanh, trợ lý ảo đang được áp dụng trong các hoạt động vận hành doanh nghiệp và nâng cao trải nghiệm khách hàng.
- Thực tế ảo (VR – Virtual Reality) và Thực tế ảo tăng cường (AR – Augmented Reality): là công nghệ giúp mô phỏng thế giới thực trong không gian 3D. Công nghệ VR/AR hiện nay đang được ứng dụng rất nhiều trong các ngành kinh doanh có hoạt động thiết kế như nội thất ô tô, thiết kế nội thất, bất động sản,…Thành công của IKEA là case-study tiêu biểu của việc áp dụng AR. IKEA cho phép người dùng sắp xếp nội thất nhằm kiểm tra được kích thước, màu sắc,…của vật dụng có phù hợp với căn nhà hay không. Nhờ đó doanh số của thương hiệu nội thất này tăng lên trong khi các chi phí liên quan đến cửa hàng vật lý lại giảm.
ML được sử dụng nhiều trong các hoạt động dự báo
Kỹ thuật ML nổi bật với khả năng dự báo. Bằng cách phân tích các dữ liệu lịch sử, ML có thể dự báo xu hướng tương lai. Vì thế, ML được ứng dụng trong các hoạt động dự báo trong môi trường kinh doanh như dự báo thị trường, dự báo nhu cầu khách hàng, dự báo doanh số bán hàng. Khả năng dự báo này của Ml cũng được ứng dụng trong một số ngành đặc trưng như ngân hàng, bán lẻ trực tuyến,…
Ngành ngân hàng sử dụng ML để hỗ trợ chấm điểm tín dụng. ML sẽ đánh giá người vay dựa trên các dữ liệu lịch sử và cho bên cho vay biết mức độ tin cậy về tín dụng. Điều này cho phép người cho vay có thêm dữ liệu để đánh giá về rủi ro tín dụng và cân nhắc trước khi phê duyệt khoản vay.
Công cụ đề xuất là ứng dụng ML dễ thấy trong ngành bán lẻ trực tuyến. ML sẽ tìm hiểu sở thích và hành vi người tiêu dùng dựa trên các dữ liệu tìm kiếm trong lịch sử và đề xuất các sản phẩm mang tính cá nhân hóa cho khách hàng.
Khi bổ sung ML, AI thực sự trở nên thông minh hơn. Tuy nhiên, ML dần cho thấy nó dần suy giảm tính chính xác khi làm việc trên tập dữ liệu lớn và phức tạp. Đây là lý do vì sao có sự ra đời của DL.
DL được dùng trong phân tích dữ liệu phức tạp
Hệ thống xe tự lái: nhờ vào khả năng phân tích các dữ liệu phức tạp, DL giúp phương tiện có thể phân biệt được làn đường, người đi bộ,…Từ đó cho phép phương tiện nhận biết và phản ứng với các chuyển động khi tham gia giao thông.
Nhận diện khuôn mặt: Nhận dạng gương mặt liên quan đến phân tích các dữ liệu phi số học. DL tự động phân tích – trích xuất – lưu trữ đặc trưng gương mặt vào bộ nhớ hệ thống. Khi nhận diện một khuôn mặt, DL sẽ so sánh đặc trưng gương mặt nhận được và các đặc trưng gương mặt đã có trong hệ thống để xác định. Công nghệ này được ứng dụng rộng rãi như mở khóa thiết bị bằng gương mặt, theo dõi hiện diện của nhân viên, hỗ trợ truy quét tội phạm, tìm người mất tích,…
Sức mạnh từ trí tuệ thông minh sẽ thay đổi doanh nghiệp như thế nào?
Thay đổi cấu trúc nhân sự
Xu hướng áp dụng công nghệ trong các hoạt động mang tính lặp đi lặp lại phản hồi khách hàng, sắp xếp lịch làm việc,…đã giúp nhân viên tháo bỏ đi những nhiệm vụ nhàm chán và tập trung vào các công việc chuyên môn, chiến lược và sáng tạo. Do đó, sẽ xuất hiện quá trình tái cấu trúc doanh nghiệp. Sẽ xuất hiện vị trí không cần thiết và những vị trí tăng cường. Điều này tạo ra thách thức cho nhiều ngành nghề nhưng cũng là cơ hội cho một số vị trí mà trước đây không có nhu cầu quá cao.
Xu hướng tự động hóa cũng ảnh hưởng đến thay đổi năng lực nhân sự. Nhân sự cần được trang bị các kỹ năng liên quan đến sử dụng công nghệ trong công việc. Bản chất của công nghệ không phải là thay thế con người mà là đòi hỏi con người phải nâng cao năng lực để tồn tại trong môi trường lao động chuyển đổi số.
Hỗ trợ ra quyết định sáng suốt
Nhờ vào khả năng phân tích – tính toán nhanh và chính xác, trí tuệ thông minh giúp các nhà hoạch định nhìn thấy được những thông tin ảnh hưởng trực tiếp đến quyết định. Các thông tin liên quan đến xu hướng, biến động, rủi ro,…sẽ được trí tuệ thông minh rút ra nhanh chóng với tốc độ con người khó làm được. Vì thế, trí tuệ thông minh đã hỗ trợ con người rất nhiều trong việc đưa ra quyết định cuối cùng.
Tuy nhiên, một quyết định đưa ra cần dựa vào nhiều yếu tố ngoài tầm kiểm soát của công nghệ như cảm xúc, kinh nghiệm, bối cảnh thị trường,…Thế nên, trí tuệ thông minh chỉ là công cụ hỗ trợ, đối tượng ra quyết định vẫn phải là con người.
Cuộc đua nâng cao trải nghiệm khách hàng
Khách hàng là đối tượng hưởng được nhiều lợi ích trong hoạt động chuyển đổi số của doanh nghiệp. Công nghệ đã mở rộng nhu cầu của khách hàng trong quá trình trải nghiệm dịch vụ, mà những nhu cầu này thậm chí không tồn tại từ trước đó. Các giá trị gia tăng trong hoạt động bán hàng như cá nhân hóa, trải nghiệm thực tế,…có thể được xem là lợi thế cạnh tranh của doanh nghiệp trong mắt khách hàng.
Thực tế này đòi hỏi doanh nghiệp bắt buộc hoặc phải đầu tư vào doanh nghiệp, hoặc phải tìm ra lợi thế cạnh tranh mạnh mẽ hơn để bắt kịp thị trường.
Kết luận
Hiện nay, không ít doanh nghiệp vẫn còn rụt rè trước thời đại chuyển đổi số. Tuy nhiên, trí tuệ thông minh hiện đang dần định hướng lại thị trường kinh doanh và tác động trực tiếp đến mô hình doanh nghiệp. Vì thế, nhà lãnh đạo cần nắm rõ những lợi ích từ các công nghệ trí tuệ tiên tiến để tận dụng và tạo ra lợi thế cho tổ chức trên thị trường.
Xem thêm Chương trình học Thạc sĩ Kinh doanh PSO MBA để không bỏ qua những nội dung chuyên sâu liên quan đến Kiến thức quản lý, Kỹ năng lãnh đạo, Tư duy chiến lược & Ứng dụng công nghệ!
