VNZ-WAD
Rìu Bạc Đôi
Theo Howtogeek, khi một công ty tuyên bố ra mắt tính năng AI mới, nghĩa là họ đang sử dụng công nghệ máy học (machine learning) để xây dựng một hệ thống mạng nơ-ron nhân tạo (neural network) phục vụ riêng cho tính năng đó. Máy học giúp thiết bị có thể “học” cách thực hiện tốt hơn các nhiệm vụ cụ thể.
Máy học rõ ràng là công nghệ tuyệt diệu với nhiều khả năng mạnh mẽ. Tuy nhiên, máy học chưa thể tạo ra trí thông minh nhân tạo đa năng, và khi nắm bắt được giới hạn của nó bạn sẽ hiểu tại sao công nghệ AI hiện tại vẫn bị hạn chế.
Máy tính không thể “suy nghĩ”
Thuật ngữ “trí tuệ nhân tạo” trong khoa học viễn tưởng mô tả một loại não bộ bằng máy tính hay robot có thể suy nghĩ và thật sự hiểu về vấn đề nào đó tương tự như con người. Và đây nên được gọi là “trí tuệ nhân tạo tổng thể” - AGI (artificial general intelligence) vì sở hữu khả năng suy nghĩ đến nhiều thứ khác nhau và áp dụng những suy nghĩ đó trong các tình huống, lĩnh vực khác nhau. Một khái niệm khác cũng liên quan là “strong AI”, một máy tính có thể trải nghiệm ý thức như con người.
Nhưng chúng ta vẫn chưa tạo ra được các loại AI như trên, và sẽ còn rất lâu để điều đó xảy ra. Do đó Siri, Alexa, hay Cortana hiện tại chưa thể thật sự hiểu và ngẫm nghĩ như con người. Những tính năng AI ta thường thấy chỉ là đã được dạy để thực tiện tác vụ cụ thể dựa vào dữ liệu con người cung cấp. Chúng chỉ học cách làm nhưng không hiểu tại sao phải làm vậy.
Máy tính không thể “hiểu”
Ví dụ với Gmail, nền tảng này cung cấp tính năng “Trả lời thông minh” giúp đưa ra cụm từ gợi ý khi chúng ta trả lời email. Tính năng xác định những từ bạn thường dùng để gợi ý cho lần soạn email tiếp theo. Khi bạn dùng “I love you” thường xuyên, nó sẽ gợi ý cụm từ này trên nhiều lần soạn email khác, ngay cả khi bạn đang gửi email công việc.
Đó là vì máy tính không hiểu rõ nghĩa của những cụm từ, nó chỉ học được rằng nhiều người sử dụng các cụm từ này khi gửi email và chẳng hề biết bạn muốn gửi “I love you” cho cấp trên hay không.
Cách máy học và nơ-ron nhân tạo được sử dụng
Với công nghệ máy học (machine learning), máy tính không được lập trình để thực hiện nhiệm vụ cụ thể, mà được cung cấp dữ liệu để “học” cách hoàn thành nhiệm vụ ở mức độ nhất định nào đó.
Ví dụ đơn giản nhất là khi sử dụng máy học để tạo ra tính năng nhận diện hình ảnh. Chúng ta sẽ “huấn luyện” một chương trình máy tính cách xác định bức hình nào có mèo xuất hiện. Để làm điều này, chúng ta có thể cung cấp cho máy tính hàng triệu bức ảnh, lẫn lộn giữa ảnh có mèo và không có. Những bức ảnh được dán nhãn để máy tính biết ảnh nào có mèo, ảnh nào không. Và chương trình tự động học để nhận diện mèo trông như thế nào dựa vào số lượng ảnh được cung cấp.
Máy học được sử dụng để “đào tạo” một hệ thống nơ-ron nhân tạo (neural network) - chương trình máy tính sở hữu nhiều lớp phân tích dữ liệu đầu vào, để có thể đưa ra quyết định cuối cùng. Nó mô phỏng cách não bộ chúng ta hoạt động, với nhiều lớp nơ-ron thần kinh tham gia suy nghĩ về một vấn đề.
Quay trở lại ví dụ, sau khi cung cấp hình ảnh cho hệ thống nơ-ron nhân tạo, chúng ta đưa ra bài kiểm tra cho hệ thống để xem xét kết quả mà nó đưa ra là đúng hay sai. Nếu hệ thống nhận định một bức ảnh không có mèo, nhưng thực tế lại có, thì người ta sử dụng một cơ chế chuyên sâu để giúp hệ thống biết nó đã sai, điều chỉnh lại hệ thống và cho nó “học” tiếp. Sau mỗi lần như vậy, máy tính trở nên giỏi hơn với việc nhận diện mèo trong ảnh.
Tất cả những quá trình này có thể diễn ra hoàn toàn tự động. Nếu sử dụng đúng phần mềm và cung cấp nhiều dạng dữ liệu có cấu trúc cho máy tính, nó sẽ tự điều chỉnh hệ thống mạng nơ-ron nhân tạo để tự xác định mèo trong ảnh. Và chúng ta đang gọi đây là “trí thông minh nhân tạo” - AI.
Quả thực chúng ta đã không tạo ra một hệ thống máy tính thông minh để hiểu như thế nào là mèo hay tại sao phải tìm mèo trong ảnh. Thay vào đó, máy tính này chỉ học cách quyết định rằng trong bức ảnh có mèo hay không, dựa trên tiêu chuẩn mà chúng ta cung cấp. Điều này khá ấn tượng, nhưng đó sẽ là tất cả những gì máy tính làm được, không hơn không kém.
Và hệ thống có thể đưa ra kết quả sai do hoàn toàn phụ thuộc vào dữ liệu bạn cung cấp. Nếu không đưa vào ảnh của chó tập dữ liệu chẳng hạn, hệ thống sẽ dễ nhầm lẫn và đánh đồng ảnh có chó và có mèo là như nhau.
Máy học rõ ràng là công nghệ tuyệt diệu với nhiều khả năng mạnh mẽ. Tuy nhiên, máy học chưa thể tạo ra trí thông minh nhân tạo đa năng, và khi nắm bắt được giới hạn của nó bạn sẽ hiểu tại sao công nghệ AI hiện tại vẫn bị hạn chế.
Máy tính không thể “suy nghĩ”
Thuật ngữ “trí tuệ nhân tạo” trong khoa học viễn tưởng mô tả một loại não bộ bằng máy tính hay robot có thể suy nghĩ và thật sự hiểu về vấn đề nào đó tương tự như con người. Và đây nên được gọi là “trí tuệ nhân tạo tổng thể” - AGI (artificial general intelligence) vì sở hữu khả năng suy nghĩ đến nhiều thứ khác nhau và áp dụng những suy nghĩ đó trong các tình huống, lĩnh vực khác nhau. Một khái niệm khác cũng liên quan là “strong AI”, một máy tính có thể trải nghiệm ý thức như con người.
Nhưng chúng ta vẫn chưa tạo ra được các loại AI như trên, và sẽ còn rất lâu để điều đó xảy ra. Do đó Siri, Alexa, hay Cortana hiện tại chưa thể thật sự hiểu và ngẫm nghĩ như con người. Những tính năng AI ta thường thấy chỉ là đã được dạy để thực tiện tác vụ cụ thể dựa vào dữ liệu con người cung cấp. Chúng chỉ học cách làm nhưng không hiểu tại sao phải làm vậy.
Máy tính không thể “hiểu”
Ví dụ với Gmail, nền tảng này cung cấp tính năng “Trả lời thông minh” giúp đưa ra cụm từ gợi ý khi chúng ta trả lời email. Tính năng xác định những từ bạn thường dùng để gợi ý cho lần soạn email tiếp theo. Khi bạn dùng “I love you” thường xuyên, nó sẽ gợi ý cụm từ này trên nhiều lần soạn email khác, ngay cả khi bạn đang gửi email công việc.
Đó là vì máy tính không hiểu rõ nghĩa của những cụm từ, nó chỉ học được rằng nhiều người sử dụng các cụm từ này khi gửi email và chẳng hề biết bạn muốn gửi “I love you” cho cấp trên hay không.
Cách máy học và nơ-ron nhân tạo được sử dụng
Với công nghệ máy học (machine learning), máy tính không được lập trình để thực hiện nhiệm vụ cụ thể, mà được cung cấp dữ liệu để “học” cách hoàn thành nhiệm vụ ở mức độ nhất định nào đó.
Ví dụ đơn giản nhất là khi sử dụng máy học để tạo ra tính năng nhận diện hình ảnh. Chúng ta sẽ “huấn luyện” một chương trình máy tính cách xác định bức hình nào có mèo xuất hiện. Để làm điều này, chúng ta có thể cung cấp cho máy tính hàng triệu bức ảnh, lẫn lộn giữa ảnh có mèo và không có. Những bức ảnh được dán nhãn để máy tính biết ảnh nào có mèo, ảnh nào không. Và chương trình tự động học để nhận diện mèo trông như thế nào dựa vào số lượng ảnh được cung cấp.
Máy học được sử dụng để “đào tạo” một hệ thống nơ-ron nhân tạo (neural network) - chương trình máy tính sở hữu nhiều lớp phân tích dữ liệu đầu vào, để có thể đưa ra quyết định cuối cùng. Nó mô phỏng cách não bộ chúng ta hoạt động, với nhiều lớp nơ-ron thần kinh tham gia suy nghĩ về một vấn đề.
Quay trở lại ví dụ, sau khi cung cấp hình ảnh cho hệ thống nơ-ron nhân tạo, chúng ta đưa ra bài kiểm tra cho hệ thống để xem xét kết quả mà nó đưa ra là đúng hay sai. Nếu hệ thống nhận định một bức ảnh không có mèo, nhưng thực tế lại có, thì người ta sử dụng một cơ chế chuyên sâu để giúp hệ thống biết nó đã sai, điều chỉnh lại hệ thống và cho nó “học” tiếp. Sau mỗi lần như vậy, máy tính trở nên giỏi hơn với việc nhận diện mèo trong ảnh.
Tất cả những quá trình này có thể diễn ra hoàn toàn tự động. Nếu sử dụng đúng phần mềm và cung cấp nhiều dạng dữ liệu có cấu trúc cho máy tính, nó sẽ tự điều chỉnh hệ thống mạng nơ-ron nhân tạo để tự xác định mèo trong ảnh. Và chúng ta đang gọi đây là “trí thông minh nhân tạo” - AI.
Quả thực chúng ta đã không tạo ra một hệ thống máy tính thông minh để hiểu như thế nào là mèo hay tại sao phải tìm mèo trong ảnh. Thay vào đó, máy tính này chỉ học cách quyết định rằng trong bức ảnh có mèo hay không, dựa trên tiêu chuẩn mà chúng ta cung cấp. Điều này khá ấn tượng, nhưng đó sẽ là tất cả những gì máy tính làm được, không hơn không kém.
Và hệ thống có thể đưa ra kết quả sai do hoàn toàn phụ thuộc vào dữ liệu bạn cung cấp. Nếu không đưa vào ảnh của chó tập dữ liệu chẳng hạn, hệ thống sẽ dễ nhầm lẫn và đánh đồng ảnh có chó và có mèo là như nhau.
Dịch Thanhnien.vn
Junior Moderator
thời gian rảnh ra chơi thể thao cho nó sướng.
