Tương lai trí tuệ nhân tạo qua cái nhìn của IBM
Với sự phát triển mạnh mẽ của công nghệ, trí tuệ nhân tạo (AI) hiện đã được áp dụng ở rất nhiều lĩnh vực đời sống, từ y tế cho đến sản xuất. Nó góp phần thay đổi những cái nhìn cơ bản nhất về khoa học.
Dù vậy, đây mới chỉ là sơ khởi của kỷ nguyên AI. Các hệ thống AI vẫn đang bị hạn chế trên nhiều phương diện. Theo các chuyên gia hàng đầu của IBM, một trong những ông lớn tiên phong trong AI, những vấn đề sau vẫn là bài toán nan giải của công nghệ này.
Cải thiện khả năng học của AI
Một trong những điểm khác biệt của AI so với các công nghệ trước đó là khả năng học hỏi. Lúc chưa có AI, các nhà lập trình phải đưa các thông tin và thuật toán vào hệ thống dựa trên các giả định được đưa ra từ trước. Khi các điều kiện bị thay đổi, hệ thống phải được lập trình lại để tiếp tục hoạt động. Ngược lại, hệ thống AI có khả năng thay đổi, “học hỏi” để thích nghi với các sự kiện trong thế giới thực.
Điều này đồng nghĩa với việc AI không phải là một hệ thống thông minh bẩm sinh. Con người cần có những tác động, cần huấn luyện hệ thống AI làm các nhiệm vụ nhất định, giống như đào tạo một nhân viên mới. Hệ thống cần phải được rèn luyện qua hàng ngàn hoặc hàng triệu ví dụ trước khi thực sự hoàn thành một điều gì đó ở mức chấp nhận được. Đến thời điểm hiện nay, đây chính là yếu tố ảnh hưởng và giới hạn khả năng của AI.
Tiến sĩ John Smith (IBM Research) chia sẻ: “Làm thế nào để AI có thể học được nhiều thứ hơn dù dữ liệu đầu vào ít hơn. Chẳng hạn, ngành chế biến rất cần các hệ thống AI thực hiện các kiểm soát chất lượng cảm quan. Dù cho dữ liệu đầu vào chỉ khoảng 1 - 2 ví dụ cho các trường hợp, thì các công ty chế biến vẫn muốn hệ thống AI học tập dựa trên các ví dụ ít ỏi này và tự tìm ra các ví dụ khác trong tương lai”
Bên cạnh đó, ông cũng chia sẻ rằng IBM đã công bố một bản nghiên cứu về kỹ thuật mới với tên gọi few-shot (hoặc one-shot) learning. Đây là kỹ thuật giúp AI học được cách khái quát hóa thông tin từ chi tiết bên ngoài. Mặc dù vẫn là một công nghệ rất mới, thế nhưng cho đến hiện nay, các bài thử nghiệm kỹ thuật này vẫn đem lại kết quả khá khả quan.
Nắm được hoàn cảnh sử dụng
Không thể hiểu hoàn cảnh sử dụng là một trong những thiếu sót lớn nhất của AI. Chẳng hạn một hệ thống AI với nhiệm vụ tìm cún lạc sẽ không xác định được đâu là lúc phải tìm cún, đâu là lúc mà cún đang chơi trò ném đĩa với gia đình.
Về vấn đề này, IBM đã cho ra đời Project Debater - một hệ thống có khả năng phản biện với con người thực. Thay vì chỉ đáp lại các câu hỏi đơn giản, Debater có thể giải quyết các vấn đề phức tạp, nhiều mặt, đưa ra các ý kiến rõ ràng, súc tích với tính đặc trưng cao - điều mà ngay cả những người có học thức cao cũng gặp khó khăn.
Bên cạnh đó, một vấn đề nữa mà AI gặp phải là khả năng hiểu được quan hệ nguyên nhân - kết quả. Cụ thể hơn, khi đối mặt với một vấn đề, con người sẽ tự hỏi đâu là nguyên do, trong khi máy móc thường không như vậy. Theo Smith, rất nhiều nghiên cứu về AI chỉ tập trung vào quan hệ tương quan, trong khi quan hệ tương quan và quan hệ nhân quả có những điểm khác biệt rất lớn.
Chính vì vậy, IBM đã tập trung nghiên cứu cách thức giúp AI suy đoán nguyên nhân từ một lượng lớn dữ liệu. Nếu điều này trở thành hiện thực, các hệ thống AI, ngoài việc chẩn đoán các vấn đề, còn có thể xác định được nguyên nhân và cách thức tiếp cận để giải quyết vấn đề.
Tập trung vào đạo đức và sự tin tưởng
Có lẽ đạo đức là khía cạnh thử thách nhất của AI. Nói một cách dễ hiểu hơn, khi đã có máy móc hỗ trợ con người, thì chúng ta sẽ đặt ra các nghi vấn: Ai là người chịu trách nhiệm cho các quyết định này? Dựa vào những giả định nào mà lại có các quyết định này?
Vấn đề này đến từ những thiếu sót trong hệ thống máy tính của con người, chẳng hạn tính định kiến/thiên vị từ nguồn dữ liệu đầu vào, hoặc sự không minh bạch của một số hệ thống. Ngày nay, khi con người bắt đầu nghiêm túc suy nghĩ cách thức mã hóa các quyết định này vào những hệ thống thực như xe hơi không người lái, thì các vấn đề này lại trở nên khó lường hơn bao giờ hết.
Nếu muốn AI trở thành công cụ đắc lực của con người trong việc đưa ra các quyết định, thì bản thân chúng ta phải xây dựng được sự tin tưởng, minh bạch và trách nhiệm đối với các công cụ này. Vậy nên IBM đã nỗ lực tập trung vào các công cụ xây dựng AI, chẳng hạn Fairness 360. Công cụ này là nguồn tài nguyên mở, cho phép các nhà khoa học đặt ra những câu hỏi về hệ thống AI, giống như việc đặt ra câu hỏi cho các quyết định của con người.
Tương lai của AI
Hệ thống máy tính trung tâm System 360 (1964) của IBM với giá 5 tỷ đô-la (tương đương hơn 30 tỷ đô-la ngày nay) đã từng là một cú nổ lớn và thống trị ngành công nghiệp này trong nhiều thập kỷ. Sự đổ bộ của máy tính để bàn vào đầu những năm 80 của thế kỷ trước cũng đem lại hiệu ứng tương tự. Tuy nhiên ở thời đại ngày nay, điện thoại thông minh có nhiều ảnh hưởng hơn, trong khi giá cả lại dễ chịu hơn.
Sự thay đổi này khiến con người phải nhìn lại công nghệ AI. Trong những năm tới, con người đang mong đợi những cải tiến lớn về phần cứng, phần mềm, và cách thức áp dụng AI vào những vấn đề quan trọng.
Một trong những thiếu sót rõ ràng nhất là mặc dù nhiều ứng dụng AI thực hiện các nhiệm vụ trong thế giới thực đầy tính hỗn loạn, thì các thuật toán AI lại chạy trên máy tính kỹ thuật số. Điểm khác biệt này dễ dẫn đến tình trạng thất thoát thông tin. Vì vậy con người cần phát triển những công nghệ mới, chẳng hạn máy tính lượng tử, để chạy các thuật toán AI.
Smith chia sẻ một cách hào hứng: “Chúng ta chỉ mới ở đoạn đầu của hành trình. Tuy nhiên khi con người nắm được công nghệ lượng tử và những công nghệ khác được hoàn thiện, việc xây dựng được một mô hình thông minh, xử lý những dữ liệu cực kỳ phức tạp là hoàn toàn khả thi”.
Hải Vy (Theo innovationexcellence)
