Trong những năm gần đây, trí tuệ nhân tạo (Artificial Intelligence – AI) đã trở thành một trong những công nghệ có ảnh hưởng sâu rộng nhất đối với sự phát triển của khoa học, kỹ thuật và đời sống xã hội. AI đang từng bước thay đổi cách con người học tập, làm việc, nghiên cứu và sáng tạo. Từ các hệ thống tìm kiếm thông minh, trợ lý ảo, xe tự hành, nhận dạng khuôn mặt, chẩn đoán y khoa đến các mô hình ngôn ngữ lớn như ChatGPT, AI đã và đang mở ra một kỷ nguyên mới của nền kinh tế số và xã hội số.
Đối với sinh viên các ngành Công nghệ thông tin, Khoa học dữ liệu, Trí tuệ nhân tạo và các ngành kỹ thuật liên quan, việc hiểu đúng bản chất của AI không chỉ giúp tiếp cận những công nghệ hiện đại mà còn tạo nền tảng để nghiên cứu, phát triển và ứng dụng các hệ thống thông minh trong thực tiễn. Tuy nhiên, AI là một lĩnh vực rất rộng lớn, kết hợp nhiều ngành khoa học như toán học, xác suất thống kê, khoa học dữ liệu, lập trình và tối ưu hóa. Vì vậy, người mới học thường gặp không ít khó khăn khi tiếp cận.
Cuốn sách này được biên soạn với mục tiêu giúp sinh viên từng bước làm chủ những kiến thức cốt lõi của trí tuệ nhân tạo theo phương châm "hiểu bản chất – nắm thuật toán – biết lập trình – vận dụng thực tế". Nội dung được trình bày theo trình tự từ dễ đến khó, từ khái niệm nền tảng đến các thuật toán hiện đại, giúp người học có được một cái nhìn hệ thống và logic.
Cuốn sách gồm bốn nội dung chính:
Phần thứ nhất giới thiệu tổng quan về trí tuệ nhân tạo, lịch sử phát triển, các lĩnh vực ứng dụng, đồng thời trình bày mối quan hệ giữa AI, Học máy (Machine Learning) và Học sâu (Deep Learning), giúp người học hiểu được vai trò của hai công nghệ nền tảng tạo nên sức mạnh của AI hiện đại.
Phần thứ hai trình bày các thuật toán quan trọng của học máy như hồi quy tuyến tính, hồi quy logistic, cây quyết định, cây hồi quy, Naive Bayes, K-láng giềng gần nhất (KNN), máy vectơ hỗ trợ (SVM), rừng ngẫu nhiên (Random Forest), AdaBoost, học tăng cường cùng nhiều thuật toán phổ biến khác. Mỗi thuật toán đều được giải thích trực quan, kết hợp ví dụ minh họa để sinh viên dễ tiếp cận và hiểu rõ nguyên lý hoạt động.
Phần thứ ba giới thiệu các mô hình học sâu như mạng nơ-ron tích chập (CNN), mạng nơ-ron hồi quy (RNN), Transformer, GAN và nhiều kỹ thuật hiện đại khác. Bên cạnh việc trình bày nguyên lý hoạt động, cuốn sách còn phân tích ưu điểm, hạn chế và các lĩnh vực ứng dụng của từng mô hình trong xử lý ảnh, xử lý ngôn ngữ tự nhiên, nhận dạng tiếng nói, xe tự hành và nhiều bài toán thực tế.
Phần cuối của cuốn sách giới thiệu một số dự án AI tiêu biểu cùng với mã nguồn minh họa, giúp sinh viên thấy được quy trình xây dựng một ứng dụng AI hoàn chỉnh, từ chuẩn bị dữ liệu, huấn luyện mô hình đến triển khai và đánh giá kết quả. Qua đó, người học có thể tự nghiên cứu, mở rộng và phát triển các dự án của riêng mình.
