Trích ra từ video của Gs. John Vu (25:57-38:05) tại
https://drive.google.com/file/d/1AhVDvTKGMaYKLSQe6LMVdPYyqTz0uavB/view?usp=sharing
Có lẽ nhiều người trong các bạn đã từng nghe nói rằng trí tuệ nhân tạo đã được dùng trong trò chơi cờ bàn. Không lâu trước đây IBM Big Blue đánh bại người chơi cờ vua giỏi nhất thế giới. Cờ vua là trò chơi cờ bàn khá đơn giản khi so với trò chơi cờ bàn khác có tên là cờ vây (Go). Và năm 2016, Google DeepMind AlphaGo đã thắng bậc thầy con người trong cờ vây, trò chơi cờ bàn rất phức tạp, với nhiều nước đi. Từ đó bạn có thể thấy rằng có nhiều nhiều khả năng rằng bạn có thể dùng trí tuệ nhân tạo trong nhiều loại trò chơi cờ bàn. Và bằng việc làm điều đó, phần mềm này có thể dự đoán và phân tích mọi nước đi và tìm cách thắng lần nữa.
Cái nhìn cuối vào việc thực hiện khác về trí tuệ nhân tạo, đặc biệt trong lĩnh vực tôi rất quen thuộc: Trí tuệ nhân tạo trong hàng không-không gian. Hàng không-không gian là ngành công nghiệp dùng cực nhiều dữ liệu mà không mấy người biết về điều đó. Khi chúng ta nói về dùng cực nhiều dữ liệu, các bạn nghĩ ngay tới Google, nghĩ tới Facebook, vài người nghĩ về chăm sóc sức khoẻ. Nhưng một khu vực rất ít người biết tới là hàng không-không gian. Và hàng không-không gian về căn bản là ngành công nghiệp dùng cực nhiều dữ liệu.
Chúng ta hãy nhìn vào dữ liệu trong ngành công nghiệp hàng không-không gian. Facebook tích luỹ 800 Terabytes mỗi ngày. Nhưng chúng ta hãy nhìn vào máy bay Boeing 787, nó có hàng nghìn cảm biến, cái có thể phát sinh ra quãng 1 terabytes dữ liệu mỗi giờ. Cho nên một phi đội một trăm máy bay 787 bay quãng 16 giờ một ngày, có thể tạo ra quãng 1600 Terabytes mỗi ngày. Và có quãng ba tới bốn trăm máy bay 787 đang vận hành ngày nay, có thêm nghìn chiếc nữa đang đặt hàng. Cho nên trong vòng vài năm, bạn có số lượng dữ liệu khổng lồ trong một mình một máy bay, một mình một kiểu máy bay. Và đây là những điều nói rằng chúng ta có số lượng dữ liệu đông đảo mà công ti có thể thu thập.
Dữ liệu không phải là mới trong ngành công nghiệp hàng không-không gian. Mọi máy bay đều có các cảm biến, chúng ngụ ý chúng ta có thể thu thập dữ liệu theo phương tiện bay hay theo độ cao hay tốc hay sự ổn định trong chuyến bay suốt thời gian dài. Công nghiệp hàng không-không gian đã từng thu thập dữ liệu, cho nên chúng ta có thể cải tiến hiệu năng của phương tiện bay, nâng chuẩn an toàn trong nhiều năm. Và một phi đội đa kiểu máy bay từ 737, 747,767 và 787 có thể làm phát sinh exabytes và zettabytes vào mọi lúc.
Với những số lượng dữ liệu khổng lồ này, đó là cơ hội cực kì quí giá để dùng trí tuệ nhân tạo áp dụng vào ngành công nghiệp này. Bằng việc thu thập dữ liệu hiệu năng của máy bay trên phương tiện bay, mọi công ti hàng không-không gian có thể dùng trí tuệ nhân tạo để cải tiến, điều chỉnh cách máy bay được bay, để giải quyết với những vấn đề bảo trì tiềm năng trước khi chúng cuối cùng là máy bay đậu trên mặt đất để sửa chữa. Máy bay đi vào sửa chữa theo định kì. Nhưng tất nhiên mọi hỏng góc thường là bất ngờ. Cho nên bằng việc dùng phiếu bảo trì, thu thập dữ liệu, dùng trí tuệ nhân tạo chúng ta có thể dự đoán những phần nào đó của máy bay có thể cần được thay thế trước khi nó hỏng. Do đó chúng ta có thể ngăn ngừa việc đỗ trên đất của máy bay.
Hãng hàng không làm ra tiền khi máy bay bay. Họ không làm ra tiền khi máy bay không thể bay được. Do đó, điều đó sẽ là cực kì tiết kiệm và cực kì tiết kiệm chi phí cho các hãng hàng không và cho các công ti hàng không-không gian. Bằng việc dùng các máy trí tuệ nhân tạo chúng ta cũng có thể thu thập dữ liệu trong các cơ xưởng. Trong dữ liệu bảo hành chúng ta có thể dự đoán những phần nào đó phải được thay thế và chúng ta có thể đặt tương quan những phần đó với bảo trì máy bay. Cho nên khi tới thời gian bảo hành thường kì, chúng ta có thể dự đoán những phần nào đó có thể có khả năng bị hỏng trong một số giờ nào đó. Cho nên từ đó chúng ta có thể dự đoán chúng và thay thế chúng trong việc bảo trì hàng năm bình thường hay bảo trì phải có cho máy bay, để ngăn ngừa các bộ phận hỏng bất ngờ. Về căn bản có các bộ phận đúng vào chỗ đúng vào thời gian đúng và tiết kiệm số tiền lớn vô cùng.
Ngày nay mọi động cơ máy bay đều có nhiều cảm biến, cái thu thập dữ liệu về hiệu năng của động cơ. Chúng ta có thể dùng phần mềm trí tuệ nhân tạo để vi chỉnh lực đẩy và việc tiêu thụ nhiên liệu của máy bay để giảm tiếng ồn và phát thải khí và cũng để cải thiện hiệu năng nhiên liệu. Điều đó đã được chứng minh ở một số hãng hàng không và tôi nghĩ rằng điều đó sẽ là có thể dùng cho mọi hãng hàng không đang duy trì bay ngày nay về căn bản cải thiện tiêu thụ năng lượng của những động cơ nào đó.
Về căn bản các công ti hàng không-không gian có thể dùng trí tuệ nhân tạo để làm tăng sự chính xác, chất lượng và lợi nhuận của việc chế tạo bằng việc hợp lí hoá luồng công việc. Chúng ta có thể thu thập dữ liệu khi máy bay đi vào dây chuyền lắp ráp, chúng ta có thể thấy vấn đề ở chỗ nào, những vấn đề thường xảy ra ở đâu. Chúng ta biết chỗ thắt cổ chai ở đâu và chúng ta có thể sửa điều đó. Về căn bản chúng ta có thể làm cho dây chuyền lắp ráp chạy trơn tru hơn nếu chúng ta có mọi dữ liệu được thu thập và được phân tích.
Bằng việc đo mọi dữ liệu này chúng ta cũng có thể giúp việc dõi vết của những cảm biến nào đó để cho sự thấy được về vận hành hàng này của phi đội. và cũng bằng việc dùng phần mềm trí tuệ nhân tạo nào đó chúng ta có thể cải tiến chất lượng của sản xuất từ máy bay xuống tới mức máy móc và đặt tương quan điều đó với hiệu năng tài chính của công ti. Cho nên khối lượng dữ liệu khổng lồ đã tồn tại rồi, điều đó chúng ta có thể dùng được. Và nếu chúng ta biết cách phân tích và làm điều đó đúng đắn thì đó là tiềm năng khổng lồ để cải tiến hiệu năng tài chính của công ti.
Và cũng bằng việc có mọi điều đó, học máy và thu thập dữ liệu, chúng ta có thể dự đoán những điều nào đó bên trong vận hành máy bay và làm tăng chất lượng của máy bay, dự đoán hiệu năng tốt hơn qua thời gian. Cho nên đó là tiềm năng khổng lồ trong việc dùng trí tuệ nhân tạo trong ngành công nghiệp này.
Cũng theo quan điểm của ngành công nghiệp hàng không, AI cũng có thể được dùng để giảm thời gian chết của phương tiện bay. Điều đó có nghĩa là máy bay có thể liên tục bay làm dịch vụ cho hành khách và làm ra nhiều thu nhập hơn cho hãng hàng không. Chúng ta cũng có thể dùng AI để cải tiến dữ liệu vận hành, làm chính xác tốt hơn về dự đoán thời gian tới và đi, dựa trên các hoàn cảnh thời tiết, dựa trên hiệu năng nào đó của máy bay nào đó, và thế rồi chúng ta có thể tối ưu hoá việc quản lí phi đội và việc bổ nhiệm phi hành đoàn cho các hãng hàng không nào đó.
Ngày nay nhiều trong những hoạt động này vẫn dùng những phương tiện cổ như trang tính và kinh nghiệm nào đó của những người lên lịch điều đó. Tôi nghĩ rằng điều đó có thể được cải tiến lớn bằng việc dùng những hoạt động AI và học máy mạnh, các phần mềm. Chúng ta cũng có thể dùng AI để nhận diện và dự đoán những hình mẫu hành khách bay nào đó, điểm đến, đặt và huỷ vé để cải tiến sự thoả mãn của khách hàng và làm tăng sự trung thành với công ti. Cho nên đó là tiềm năng khổng lồ mà chúng ta có thể dùng AI trong công nghiệp hàng không.
AI cũng được dùng khá nhiều trong công nghệ sinh học và chăm sóc sức khoẻ trong vài năm qua. Các công cụ AI đã được dùng cho phân tích hệ gen và trình tự gen trong nhiều bệnh viện và viện nghiên cứi với độ chính xác cực kì. Để đối sánh bất kì người nào về căn bản với nhiều thuốc được cá nhân hoá, chúng ta có thể dùng dữ liệu để nhận diện và đối sánh những bệnh nhân nào đó với cách điều trị nào đó. Trong quá khứ những cách điều trị nào đó đã được chuẩn hoá. Mọi người có loại bệnh này tuân theo thủ tục này. Nhưng với AI và cũng với trình tự hệ gen chúng ta có thể nhận diện khối lượng bệnh nhân nào đó những người có thể thành công với cách điều trị như vậy hơn những người khác. Tuy những điều đó đang được dùng ngày nay nhưng phần lớn vẫn trong pha nghiên cứu trong bệnh viện nhưng tôi nghĩ trong vài năm tới nó chắc sẽ bùng nổ, dùng trình tự gen kết hợp với thuốc cả đời người.
Chúng ta cũng có thể dùng phần mềm AI cho việc huấn luyện di động để cải tiến năng lực cho các bác sĩ tư vấn cho bệnh nhân và dùng dữ liệu thời gian thực và nói về các thuốc là rất phổ biến ngày nay, đặc biệt cho các nước thế giới thứ ba. Nhưng đó vẫn là trực tiếp giữa bác sĩ và bệnh nhân. Nhưng với sự giúp đỡ của AI chúng ta có thể làm tăng đáng kể hiệu năng và kết quả tốt hơn nhiều nếu chúng ta dùng những công cụ mà có thể dự đoán việc trị liệu nào đó cho bệnh nhân đặc thù. AI cũng có thể được dùng để tiến hành việc khám phá thuốc rất tốn kém và tốn thời gian. Thay vì thiết lập bằng việc dùng các con vật trong phòng thí nghiệm, chúng ta có thể mô phỏng các phản ứng của những hình mẫu tế bào như vậy với điều trị thuốc như vậy và nhận diện con đường tốt nhất cho thuốc tương tác với thân thể dùng thuật giải AI nào đó.
Có nhiều việc dùng AI bạn có lẽ đã nghe nói về một việc dùng mới được đưa ra vài tuần trước về Talk to Book của Google. Nhiều người trong các bạn thích đọc sách. Có nhiều sách nhưng đôi khi bạn đọc được cái gì đó và bạn quên mất về nó. Bây giờ bạn có thể đề nghị Google tìm ra trích dẫn như vậy, điều nào đó từ sách nào đó chỉ bằng nói với Talk to Book. Về căn bản đây là một số câu truy vấn bạn có thể hỏi “Tôi đã đọc cuốn sách nọ và tôi đang tìm những cụm từ như vậy, câu như vậy, trích dẫn như vậy.” Google có thể có khả năng tìm ra nó cho bạn. Cho nên đây là những công cụ mới mà sẵn có, nó cũng là công cụ AI.
— English version—
Artificial Intelligence Engineering – Applications of AI
Extract from John Vu’s video (25:57-38:05) at
https://drive.google.com/file/d/1AhVDvTKGMaYKLSQe6LMVdPYyqTz0uavB/view?usp=sharing
Probably many of you have been heard that artificial intelligence has been used in the board game. Not long ago the IBM Big Blue beating the best chess player in the world. Chess is rather simple board game as compaire with another board game called Go. And in 2016, the Google DeepMind AlphaGo won over a human grandmaster in Go, which is very complex board game, with a lot of moves. Since then you can see that there are many many possibilities that you can use artificial intelligence in several kind of board games. And by doing that, this software can predict and analyse al the moves and find the way to win again.
Last look at other implementation of artificial intelligence, especialy in an area that I am very familiar with: Artificial intelligence in aerospace. Aerospace is a data intensive industry that not many people know about it. When we are talking about data intensive, you think about Google, think about facebook, some people think about healthcare. But one area that very few people know is aerospace. And aerospace is basically a data intensive industry.
Let’s look at the data in aerospace industry. Facebook accumulates 800 Terabytes per day. But let’s look at the Boeing 787, that has thousands sensors, that can generate about 1 terabytes of data per hour. So a fleet of one hundred 787 flying about 16 hours a day, can create about 1600 Terabytes per day. And there are about thee to four hundred 787 in operation today, the thoudand more are on order. So within a few years, you have a huge number of data in one airplane alone, one type of airplane alone. And these are things that we have massive number of data that the company can collect.
Data is not new in the aerospace industry. Every airplane has sensors, they mean we can collect data on aircrafts or altitudes or speeds or stability during the flight all for a long time. The aerospace industry has been collecting data, so we can improve aircraft’s performance, raising safety standards for years. And a fleet of multiple airplane types from 737, 747,767 and 787 can generate exabytes and zettabytes in all time.
With these amount of huge data, it is a tremendous opportunity to use artificial intelligence to apply in this industry. By collecting the airplane’s performance data on the aircraft, every aerospace company can use artificial intelligence to improve, to adjust a way the airplane are flown, to deal with potential maintenance issues before they end up grounding airplanes for repairs. Airplanes go into repairs periodicly. But of course things broke down unexpectedly. So by using the maintenance records, collecting the data, using artificial intellegence we can predict certain parts of the airplane may need to be replaced before it breaks down. Therefore we can prevent the grounding of the airplane.
Airlines make money when airplanes fly. They don’t make money when airplanes cannot fly. Therefore it is the tremendous savings and tremendous cost savings for the airlines and for the aerospace companies. By using artificial intelligence machines, we can also collecting data in the factories. In the maintenance data we can predict certain parts should be replaced and we can correlate those parts with airplane maintenance. So when the time for periodic maintenance, we can predict certain parts that is possibility maybe broken down within certain number of hours. So therefore we can predict them and replacing them during the normal annual maintenance or must-be maintenance of the airplanes, to prevent the parts break down unexpectly. Basically having the right parts at the right place at the right time and save tremendous amount of money.
Today every airplanes engines have a lot of sensors, that collect the data on the engine’s performance. We can use artificial inteligence software to the fine tune thrusts and the fuel consumption of the airplanes to reducing noise and emissions and also improve fuel efficiency. It has been demonstrated in some airlines and I think that it will be possible to use in all of airplanes fly today to bacically improve fuel consumtion of certain engines.
Basically aerospace companies can using artificial intelligence to increase the accuracy, the quality and yield of manufacturing by streamline the workflow. We can collect the data when the airplane go to assembly line, we can see where are the issues, where are the problems that frequently occurs. We know where the bottle-neck is and we can fix that. Basically we can make assembly lines rolling out much more smoother if we have all the data collected and analysed.
By measure all these data we can also help traceability of certain sensors to giving visibility of the daily operation of the fleet. And also by using certain artificial intelligence software we can improve the quality of the production from the airplane down to machine level and correlate that with the financial performance of the company. So that a huge amount of data that already exists, that we can use. And if we know how to analyse and do that correctly that is a huge potential to improve financial performance of a company.
And also by having all of those, machine learning and data collecting, we can predict certain things within the airplane operation and increase the quality of airplanes, predicting better performance over time. So that is a huge potential to use artificial intelligence in this industry.
Also for the airlines industry’s point of view, AI can also be used to reduce the down time of the aircrafs. That means the airplane can continue to fly as a service to the passengers and making more revenues to the airlines. We can also use AI to improve operation data, make better accuracy on predicting the arival and departure time, based on the weather conditions, based on certain performance of certain ariplanes, and then we can optimize the fleet management and crew assignments for certain airlines.
Today many of these activities are still used a very archaic like spreedsheet and some experiences of the people who schedule that. I think that it can be improved significantly by using AI activities and a strong machine learning, software. We can also using AI to identify and predict certain passenger-flight patterns, destinations, booking and cancellation to improve customers’ satisfactions and increase loyalty to the company. So that is a huge potential that we can use AI in the airlines industry.
AI and also be used in the biotech and healthcare significantly in the past few years. AI tools have been used for genomics analysis and gen sequencing in many hospitals and research institutions with extremely accuracy. To match any personal to a basically a lot of personalized medicines that we can use a lot about the data to identify and matching certain patients with certain treatments. In the past certain treatments were standadized. Everybody has this kind of disease follows this procedure. But with AI and with also genomic sequences we can identify certain amount of patients who can be more successful with such treatment than the others. So those things are being used today mostly still in research phase in hospital but I think in the next few years it would be exploded, using gen sequence associated with person life medicine.
We can also use AI software for mobile coaching to improve the ability for the doctors to advise patients and using real-time data and tell medicines is very popular today, especially in third world countries. But it is still direct between a doctor and a patient. But with the help of AI we can significantly increase the performance and much better outcome if we’re using such tools that can predict certain treatment for a particular patient. AI can also be used to expedite the very expensive and time consuming of drug discovery. Instead set up using animal in the lab, we can simulate reactions of such cell-pattern with such drug treatment and identify the best pathway for the drug interact with the body using certain AI algorithm.
There are a lot of usage of AI you probably heard about the new one that coming out some week ago about Google’s Talk to Book. Many of you like to read books. There are a lot of books but sometime you read something and you forget about it. Now you can ask Google to find such quote, certain thing from certain book by just Talk to Book. Basically these are number of queries you can have by asking “I was reading that Book and I am looking for such phases such sentence such quotation.” Google can be able to find it for you. So these are the new tools that is available, it is also AI tools.
