Khi máy móc có thể học

Thực tế, máy móc đã và sẽ ngày càng thông minh hơn nhờ áp dụng những công nghệ như trí tuệ nhân tạo (AI) và học máy (ML). Tuy nhiên, những bộ phim có tính giải trí cao lại quá nghiêng về quan điểm tiêu cực và không nhằm mục đích cung cấp tri thức. Máy móc “học” kiểu gì?

AI là cụm từ quá quen thuộc với những người yêu thích và theo dõi sự phát triển của công nghệ. Hiểu đơn giản, AI là công nghệ mô phỏng các quá trình suy nghĩ và học tập của con người cho máy móc, đặc biệt là các hệ thống máy tính. AI hiện được áp dụng rất nhiều vào đời sống thường ngày, nó giúp bạn có được những bức ảnh “selfie” đẹp hơn, những trợ lý ảo như Siri, Alexa, thậm chí, hãng bia Carlsberg còn sử dụng AI để biến nước thành bia!

ML là một thuật ngữ đề cập các chương trình máy tính có khả năng học hỏi về cách hoàn thành các nhiệm vụ và cách cải thiện hiệu suất theo thời gian. Dù vậy, máy móc muốn học được lại phải phụ thuộc rất nhiều vào sự dạy dỗ của con người.

Quay trở lại thế kỷ XX, khi máy tính mới được phát triển, các lập trình viên phải sử dụng những dòng mã như là một cách giao tiếp trực tiếp với máy móc để chúng có thể hiểu và thực hiện chính xác những gì được giao. Còn với ML, máy móc sẽ phải tự động xử lý dữ liệu và tự tìm ra cách giải quyết mọi thứ, khiến cho công việc của con người trở nên dễ dàng hơn.

ML – bước đột phá trong phát triển AI

Thuật ngữ “học máy” nghe khá hiện đại nhưng lại là một trong những ý tưởng lâu đời nhất trong lịch sử khoa học máy tính. Vào năm 1959, Perceptron - chiếc máy tính to bằng cả một căn phòng - đã có thể tự mình phân biệt được các hình dạng như hình tam giác và hình vuông. Đây được coi là bước đột phá đầu tiên trong lịch sử phát triển AI.

Perceptron được xây dựng dựa trên cách tiếp cận học máy gọi là mạng nơ ron nhân tạo. Về cơ bản, mạng nơ-ron nhân tạo được cấu tạo bởi các phép toán để xây dựng các mô hình đơn giản dựa trên cách thức các nơ-ron hoạt động trong não.

Những trợ lý ảo như Alexa, Siri không được phát triển trong năm 1959 bởi không lâu sau khi Perceptron xuất hiện, các nhà nghiên cứu gần như bỏ qua việc phát triển mạng nơ-ron nhân tạo, một phần là do khoa học máy tính ngày đó chưa đáp ứng được nhu cầu mở rộng mạng nơ-ron nhân tạo để giải quyết các vấn đề phức tạp hơn. Cho tới tận năm 2012, một cộng đồng nhỏ vẫn nghiên cứu về phương pháp này đã tìm ra đột phá mới, giúp máy tính có thể nhận dạng giọng nói và hình ảnh. Kể từ đó, ML trở thành thứ được quan tâm nhất trong giới công nghệ.

Đánh bại game thủ nhưng vẫn nhiều giới hạn

Sự hồi sinh của mạng nơ-ron nhân tạo đã khiến ML trở thành một phần của cuộc sống hàng ngày. Tất cả các công ty công nghệ lớn đều có kế hoạch áp dụng nó trong các sản phẩm của mình, từ công nghệ dự đoán suy thận của Alphabet hay siêu thị không người bán của Amazon. Tất cả đều thực sự thú vị. Máy tính đang trở nên có khả năng tương tác và hiểu biết hơn về thế giới và con người. Thế nhưng, ML không thể làm cho máy tính tự phát triển suy nghĩ giống như chúng ta được.

Hiện đã có những AI có thể vượt mặt con người trong những trò chơi truyền thống như cờ vua hay cờ vây. Thậm chí, năm 2017, con bot được điều khiển bởi OpenAI do Elon Musk và Sam Altman phát triển đã đánh bại game thủ chuyên nghiệp trong DOTA 2 - một game chiến thuật thời gian thực đòi hỏi rất nhiều kỹ năng.

Thế nhưng, AI vẫn cần phải được lập trình một cách cẩn thận bởi con người và cách chúng học theo kiểu thống kê khiến cho tài năng của chúng khá hẹp và không được linh hoạt. Con người có thể nghĩ về thế giới bằng cách sử dụng các khái niệm trừu tượng và có thể phối lại các khái niệm đó để thích nghi với các tình huống mới. Trong khi đó, ML thì không thể.

Sự cứng nhắc đó khiến AI có đầy rẫy “sạn” và giới hạn. Đó là lý do những chiếc xe tự động lái vẫn chưa thể phát triển hết tầm khi chúng chưa biết cách xử lý các tình huống giao thông bất ngờ, điều mà nhiều khi chính con người còn mắc phải. Suy cho cùng, máy móc có thể học tập nhưng vẫn cần phải có sự dẫn dắt, chỉ bảo cẩn thận của con người.