Một trong những phòng nghiên cứu quan trọng của IBM đặt tại Yorktown Heights, New York từ lâu đã được IBM tập trung phát triển trí tuệ nhân tạo (AI) cho máy tính. Đây là cái nôi của chiếc máy lừng danh Watson, cỗ máy chinh phục được chương trình truyền hình Jeopardy! hồi năm 2011. Chiếc Watson gốc vẫn còn nằm tại đây, có kích thước bằng khoảng cái giường đôi, có 10 chiếc máy khác giống tủ lạnh đứng, xếp thành 4 bức tường. Có một hốc nhỏ bên trong để kĩ thuật viên có thể luồn dây cáp ra phía sau hệ thống.

Còn chiếc Watson hiện tại thì hoàn toàn khác. Nó không chỉ là một bức tường với những kệ tủ máy này chồng máy kia nữa nhưng nó là một dải gồm các máy chủ chuẩn mở, tạo thành một đám mây, có thể chạy cùng lúc đến vài trăm tác vụ về AI. Giống như nhiều nền tảng điện toán đám mây khác, Watson cùng lúc phục vụ cho nhiều khách hàng trên khắp thế giới, có thể truy cập Watson bằng điện thoại, máy tính bàn hay từ chính hệ thống máy chủ của khách hàng. Loại AI này có thể tùy chỉnh quy mô (mở rộng hay thu nhỏ kiến trúc) tùy nhu cầu.

Ảnh
Watson trong chương trình gameshow Jeopardy!

Khách hàng có thể trực tiếp sử dụng nền tảng AI vận hành 24/7 này nhưng cũng có thể sử dụng gián tiếp qua các ứng dụng bên thứ 3 truy cập đến đám mây AI. Như nhiều phát minh sáng giá khác, IBM muốn hướng Watson đến y khoa hơn, nên một trong những ứng dụng mà họ đang phát triển là một công cụ chẩn đoán y học. Hầu hết công trình chẩn đoán bệnh trước đây do AI thực hiện đều bất thành, nhưng Watson thực sự có thể làm được việc này. Người bệnh chỉ cần liệt kê các triệu chứng của bệnh, Watson sẽ liệt kê các bệnh mà bệnh nhân có thể mắc phải, sắp xếp theo mức độ phổ biến của bệnh. Câu trả lời này chưa đến trực tiếp được với bệnh nhân. IBM cung cấp tài nguyên này cho các đối tác, giúp họ phát triển những giao diện thân thiện hơn cho bác sĩ và bệnh viện.

Y dược, thuốc cũng vậy, mới ở giai đoạn ban sơ. Tất cả công ty làm dịch vụ điện toán đám mây lớn và nhiều doanh nghiệp khởi nghiệp khác trong ngành này đều lao nhanh vào dịch vụ nhận diện giống như Watson. Theo công ty phân tích định lượng Quid, AI thu hút hơn 17 tỉ USD đầu tư từ năm 2009. Chỉ tính riêng năm ngoái, có hơn 322 công ty, đầu tư hơn 2 tỉ USD cho các công nghệ tương tự như AI.

Facebook và Google vừa tuyển thêm nhà nghiên cứu tham gia vào đội ngũ nghiên cứu AI của họ. Yahoo, Intel, Dropbox, LinkedIn, Pinterest và Twitter đều mua lại những công ty làm về AI hồi năm ngoái. Những đầu tư tư nhân trong mảng AI cũng tăng 62% mỗi năm trong vòng 4 năm qua, và tỉ lệ này dự kiến còn tăng cao trong vài năm tới.

Trong xu thế này, một bức tranh về tương lai AI đang dần thành hình. AI trong tương lai giống như dịch vụAmazon Web Services: rẻ, đáng tin cậy, chuẩn công nghiệp, chạy được mọi thứ và luôn luôn ẩn mình. AI có thể biến đổi được cả Internet, nền kinh tế toàn cầu và văn minh nhân loại. Nó sẽ chấn hưng được những đối tượng chậm chạp như mạng lưới điện có tuổi đời cả thế kỉ. Thực chất, kế hoạch kinh doanh của 10.000 công ty khởi nghiệp tiếp theo rất dễ đoán: lấy X và thêm AI vào. Đó là mô hình kinh doanh hấp dẫn, và bây giờ nó đã xuất hiện.

Khoảng năm 2002, trước khi Google lên sàn chứng khoán, họ chỉ tập trung vào engine tìm kiếm. Lúc ấy cũng có nhiều công ty mở dịch vụ tìm kiếm khác, miễn phí và nhiều người không thấy được tiềm năng phát triển nào của Google vì chúng ta mù mờ; tưởng tượng và dự đoán điều gì sắp tới là rất khó, nhất là khi thời điểm đó, Google đưa ra chính sách quảng cáo để kiếm tiền, rất lâu sau đó YouTube mới ra đời và Google mua lại nhiều công ty khác. Nhiều người lúc ấy nghĩ rằng Google sẽ không trụ được lâu. Nhưng Larry Page, đồng sáng lập Google và đến năm 2011 làm CEO, lúc ấy đã nói một câu rằng: "Ồ, chúng tôi đang làm AI."

Vài năm sau thời điểm đó, Google mua lại 14 công ty AI và công ty robot. Lúc đầu, bạn có thể nghĩ Google muốn tăng cường mảng AI của họ để cải thiện khả năng tìm kiếm, vì tìm kiếm chiếm đến 80% doanh thu họ đạt được. Nhưng có vẻ không phải vậy. Thay vì sử dụng AI để làm cho kết quả tìm kiếm tốt hơn, Google lại sử dụng tìm kiếm để làm cho AI tốt hơn. Nếu bạn gõ vào ô tìm kiếm từ "phở" rồi nhấn vào tấm ảnh kết quả, đó là bạn đang dạy cho AI biết thế nào là phở. Mỗi một tìm kiếm trong 12,1 tỉ tìm kiếm mỗi ngày, đó là cách người dùng đang dạy cho AI nhiều lần, nhiều thứ. Thêm 10 năm nữa cải thiện các thuật toán AI, cộng với dữ liệu thêm vào hàng ngàn lần và năng lực tính toán gấp hàng trăm lần, Google sẽ có được một nền tảng AI "vô đối". Dự đoán: năm 2024, sản phẩm chính của Google không phải là tìm kiếm, mà là AI.

Đây là điểm mà chúng ta hoàn toàn có thể nghi ngờ. Gần ngót ngét 60 năm, các nhà nghiên cứu AI dự đoán AI đang hiện diện đâu đó vào lúc này, nhưng cách nay vài năm, có vẻ AI còn nằm đâu đó ở tương lai. Thậm chí có một từ mà cộng đồng công nghệ sử dụng để mô tả thời kì của những thành tựu nhỏ giọt mà lĩnh vực AI đạt được đến nay là: mùa đông AI. Có điều gì thực sự thay đổi chưa?

Có. Ba đột phá gần đây của AI mà chúng ta chờ đợi rất lâu rồi:

1. Điện toán song song giá rẻ

Suy nghĩ vốn là một quy trình song song, hàng tỉ tế bào thần kinh đồng thời tạo ra những sóng tính toán đồng bộ. Để tạo được một mạng lưới thần kinh nhân tạo như vậy, kiến trúc sơ khởi của phần mềm AI (cũng đòi hỏi nhiều quy trình khác nhau diễn ra đồng thời. Mỗi một node mạng trong hệ thống bắt chước ở mức cơ bản một neuron trong não bộ) là tương tác với những hệ thống kề cận để xử lí những tín hiệu nhận được. Để nhận diện một từ thốt ra từ miệng, một chương trình phải nghe được mọi âm vị tương quan với một từ khác; để nhận diện một hình ảnh, phần mềm cần thấy được mọi điểm ảnh trong ngữ cảnh là những điểm ảnh gần với điểm ảnh ấy. Đó là hai tác vụ lớn, song song nhau. Nhưng mãi cho đến gần đây, bộ xử lí máy tính cơ bản chỉ mới làm 1 tác vụ 1 lúc mà thôi.

Sự việc bắt đầu thay đổi cách nay 1 thập kỉ, khi mà loại chip mới xuất hiện là GPU, bộ xử lí đồ hoạ, chuyên xử lí các tác vụ liên quan đến hình ảnh cho game, đồng thời có khả năng tính toán song song, nghĩa là hàng triệu điểm ảnh có thể được tính toán lại nhiều lần trong 1 giây. Do vậy khả năng tính toán song song của GPU được bổ sung vào bo mạch chủ máy tính về sau này. Chip xử lí đồ hoạ phát triển, kéo theo ngành công nghiệp game phát triển. Năm 2005, GPU phổ biến hơn, nhiều hơn và rẻ hơn. Năm 2009, Andrew Ng và đội ngũ AI của ông tại đại học Standford, nhận ra chip GPU có thể dùng cho mạng thần kinh để xử lí tính toán song song.

Khám phá này đã khai mở những khả năng mới về mạng thần kinh, có thể gộp lại hàng trăm triệu kết nối giữa các node. Bộ xử lí truyền thống phải mất vài tuần để tính toán ra được tổ hợp liên kết trong một mạng thần kinh với 100 triệu tham số. Andrew phát hiện một cụm GPU có thể hoàn thành tác vụ này chỉ trong 1 ngày. Các mạng thần kinh ngày nay chạy trên GPU đang những công ty có nền tảng đám mây như Facebook liên tục sử dụng để nhận diện bạn bè theo hình ảnh, hoặc trong trường hợp của Netflix là đưa ra những đề xuất rất "sát sườn" cho hơn 50 triệu người đăng kí.

2. Dữ liệu lớn

Cần phải có đào tạo mới có được trí tuệ. Một bộ não người nhìn chung thường có xu thế phân loại mọi vật, dù vậy não chúng ta vẫn cần "được cấp" nhiều ví dụ trước khi nó có thể phân biệt được đâu là con mèo, đâu là con chó. Điều này càng đúng hơn với trí tuệ nhân tạo. Thậm chí một máy tính được lập trình tốt nhất cũng phải chơi ít nhất hàng ngàn ván cờ trước khi nó có thể chơi tốt được. Một phần đột phá AI nằm ở dữ liệu dồi dào của thế giới chúng ta được hệ thống tiếp nhận, là thứ mà AI rất cần đến. Các cơ sở dữ liệu khổng lồ, dữ liệu theo dõi cá nhân, cookie trên web, các lịch sử lướt web, hàng tetabyte lưu trữ, vài thập kỉ tìm kiếm, Wikipedia và toàn không gian số đang trở thành thầy dạy cho AI.

3. Thuật toán tốt hơn

Mạng thần kinh nhân tạo được phát minh hồi những năm 1950, nhưng các nhà khoa học máy tính phải mất nhiều thập kỉ để biết cách kết hợp được hàng triệu (hoặc hàng trăm triệu) các mối liên kết neuron này. Chìa khoá để tổ chức được các mạng thần kinh nhân tạo nằm ở yếu tố chồng lớp. Ta hãy thử lấy một ví dụ đơn giản là nhận diện gương mặt. Khi một nhóm dữ liệu phát hiện ra một mẫu nào đó (ví dụ như ảnh của một con mắt), kết quả đó sẽ được đưa lên một chồng lớp khác. Chồng lớp kế tiếp có thể là khả năng nhận diện cả hai con mắt theo một đôi, và chuyển kết quả lên một lớp cao hơn nữa trong cấu trúc lớp của mạng thần kinh nhân tạo, có thể lớp cao hơn ấy liên quan đến mũi. Cấu trúc này có thể chiếm hàng triệu node như vậy (mỗi node là một thuật toán, và node này hỗ trợ cho node kia), xếp theo chồng lớp, có thể lên đến 15 chồng để nhận diện được gương mặt người.

Deep learning

Ảnh
Một phiên thuyết trình về deep learning của AI tại Stanford hồi tháng 9 vừa qua.

Năm 2006, Geoff Hinton lúc ấy còn làm việc tại Đại học Toronto, đã có một chỉnh sửa quan trọng trong phương pháp này: ông đưa ra khái niệm "deep learning". Về mặt toán học, ông cũng có thể tối ưu hoá kết quả từ mỗi chồng lớp để để việc học của hệ thống và quá trình chuyển từ lớp thấp lên lớp cao nhanh hơn. Trong vài năm qua, các thuật toán deep learning đã rút ngắn rất nhiều thời gian khi năng lực xử lí của hệ thống được chuyển sang cho GPU. Chỉ riêng mã nguồn của deep learning là chưa đủ để tạo ra khả năng suy nghĩ logic phức tạp cho máy tính, nhưng nó chính là thành tố quan trọng trong mọi AI hiện thời, trong đó có chiếc Watson của IBM, engine tìm kiếm của Google và các thuật toán của Facebook.

Tính toán song song, dữ liệu lớn hơn và thuật toán chuyên sâu hơn đã trưởng thành, dựng nên được dấp dáng của AI mà con người ấp ủ từ 60 năm qua. Điểm hội tụ của 3 yếu tố này cho thấy miễn là công nghệ tiếp tục phát triển thì không có lí do gì AI lại không thông minh hơn. Và cứ đà này, AI nền đám mây sẽ ngày càng dính dáng nhiều hơn đến cuộc sống hàng ngày của chúng ta. Nhưng nó cũng sẽ có một cái giá đánh đổi. Điện toán đám mây cũng phải tuân theo luật "bành trướng" mà chúng ta có thể gọi là hiệu ứng mạng. Hệ thống mạng càng có giá trị nếu phạm vi mạng càng lớn. Mạng càng lớn thì càng thu hút nhiều người dùng mới hơn, đó cũng là yếu tố để mạng càng bành trướng phạm vi, càng thu hút nhiều người hơn nữa... Một đám mây dùng cho AI cũng tuân theo hiệu ứng ấy: càng nhiều người sử dụng một AI thì AI đó càng thông minh hơn. AI càng thông minh thì càng có nhiều người dùng. Càng có nhiều người dùng thì nó lại thông minh hơn nữa. Một khi công ty nào đó bước được vào vòng xoay này thì công ty ấy sẽ rất nhanh chóng bành trướng, vượt cả những công ty cạnh tranh khác. Kết quả là tương lai của AI có thể sẽ nằm trong tay hai hoặc ba đám mây AI thương mại dùng chung quy mô lớn.

Câu chuyện cờ vua

Ảnh
Deep Blue chơi cờ cùng kì thủ Kasparov năm 1997.

Năm 1997, "tiền bối" của Watson là chiếc Deep Blue do IBM chế tạo, đã thắng kì thủ Garry Kasparov trong một trận đấu người-máy nổi tiếng. Sau đó, máy tính thắng thêm vài ván cờ nữa và rồi con người không còn nhiều hứng thú trong mấy kì thi thố như vậy nữa. Có thể bạn nghĩ câu truyện ấy đến đây là kết thúc nhưng Kasparov nhận ra rằng ông có thể chơi hay hơn Deep Blue nếu ông có thể truy cập tức thì đến cơ sở dữ liệu khổng lồ về tất cả nước cờ mà Deep Blue từng đi. Nếu công cụ cơ sở dữ liệu này AI có thể dùng được thì tại sao con người không dùng được? Để theo đuổi ý tưởng đó, Kasparov đã tiên phong theo lối chơi cờ người kết hợp với máy, trong đó người chơi được AI hỗ trợ, chứ không tự mình chơi với nhau nữa.

Đến nay, cách chơi cờ như vậy gọi là đánh cờ thể loại tự do, tương tự như loại quyền cước tự do, là đấu sĩ muốn sử dụng kĩ thuật đối kháng nào cũng được. Người chơi có thể nghe AI đề xuất nước cờ, nhưng người chơi mới là người quyết định, giống như GPS đề xuất đường đi và bạn lái xe. Trong giải cờ vua Freestyle Battle năm 2014, người chơi hoàn toàn dựa trên engine AI thắng 42 ván, còn người chơi "tư vấn" AI thắng 53 ván. Đến nay, kì thủ giỏi nhất hiện nay là Intagrand, là đội gồm vài kì thủ và vài chương trình chơi cờ.

Nhưng đây mới là phần đáng nói: AI không làm giảm bản/khả năng chơi cờ của con người. Nghe có vẻ ngược ngạo. Những chương trình đánh cờ có giá rất rẻ nhưng siêu thông minh lại tạo cảm hứng cho nhiều người ngồi xuống chơi cờ hơn, có nhiều giải đấu xuất hiện và kì thủ chơi càng lúc càng giỏi. Đến nay, số lượng đại kiện tướng trên thế giới gấp đôi so với thời chiếc Deep Blue đả bại Kasparov lần đầu tiên. Kì thủ hạng nhất thế giới hiện nay là Magnus Carlsen luyện tập với AI và giống như thể một bên là anh, một bên là toàn thể người chơi cờ trên thế giới. Anh cũng đạt được điểm đánh giá cao nhất về kì thủ cờ vua trong mọi thời đại.

Nếu AI có thể giúp con người chơi cờ tốt hơn thì có cơ sở cho chúng ta tin rằng AI cũng sẽ giúp phi công, bác sĩ, thẩm phán, giáo viên tốt/giỏi hơn. Hầu hết công việc hiện nay dính dáng đến AI đều thường có mục đích cụ thể, ví dụ như phần mềm dịch thuật, biên/thông dịch ngôn ngữ nguồn sang ngôn ngữ đích, ngoài ra phần mềm ấy không làm gì khác bên lề. Lái xe, nhưng không de xe (lái lùi). Trong vòng 10 năm tới, 99% AI mà bạn tương tác sẽ trực tiếp hoặc gián tiếp trở thành chuyên gia siêu việt.

AI có biết suy nghĩ?

Thực tế, AI không phải là "trí tuệ", chí ít không như chúng ta nghĩ theo nghĩa đen của nó. AI có thể hiểu như là độ tin cậy, nhất là khi AI dùng để tự nhận diện đối tượng, sự vật. Chúng ta muốn một chiếc xe tự lái trên đường và nó không cần làm gì cả khi ở trong garage. Bác sĩ AI Watson chẩn đoán ở bệnh viện cần làm việc 24/7 và không cần biết bác sĩ ấy giỏi ngoại ngữ hay không. Khi AI phát triển, chúng ta có lẽ cần đưa ra những cách chặn bớt nhận thức của máy móc, và đẳng cấp nhận thức cao nhất của AI sẽ là vô thức.

Điều chúng ta muốn đối với AI là sự thông minh nhân tạo. Không như trí tuệ, thông minh nhân tạo ở đây mang nghĩa định lượng: là có thể tập trung vào khía cạnh nào đó, là có thể đo đếm được. Điều này hoàn toàn khác biệt với nhận thức của con người. Một ví dụ "chuẩn" cho trí thông minh nhân tạo này là một màn biểu diễn hấp dẫn tại lễ hội South bi Southwest ở Austin, Texas hồi tháng 3 đầu năm nay.

IBM đưa cho Watson một cơ sở dữ liệu về nấu ăn, gồm nhiều công thức chế biến món ăn trên mạng, các số liệu dinh dưỡng và các nghiên cứu về cách kết hợp nguyên liệu làm sao cho món ăn được ngon nhất. Từ đống dữ liệu ấy, Watson đã tạo ra nhiều món ăn mới lạ dựa trên những dữ kiện này, đưa ra công thức mới cho đầu bếp để nấu thử. Đám đông tò mò với "cái đầu" của Watson dùng thử món lạ và cảm thấy vị dùng không đến nỗi tệ.

Trí thông minh nhân tạo không phải là lỗi, mà là một tính năng. Đặc tính sáng giá của đầu bếp AI là nó nhìn món ăn ở góc độ hoàn toàn khác với con người. Một AI sẽ nghĩ về thức ăn khác với một đầu bếp. Nói về các chất liệu sản xuất, hoặc vải vóc, hoặc tiền bạc tài chính, hoặc bất kì ngành khoa học, nghệ thuật nào, AI đều có cái nhìn rất khác với cách con người chúng ta nhìn nhận. Tính lạ lẫm trong AI sẽ trở thành một đặc tính rất đáng giá cho chúng ta, bên cạnh tốc độ và sức mạnh của nó.

Và rồi, AI sẽ giúp chúng ta hiểu sâu hơn ý nghĩa của từ "trí tuệ". Trước đây, ta chỉ nói rằng AI siêu việt có thể lái xe, thắng cuộc trong game truyền hình Jeopardy! hay chơi cờ. Nhưng một khi AI riêng rẻ thực hiện được từng vấn đề riêng rẻ thì chúng ta lại xem những thành tựu ấy như là trí tuệ thực sự. Mỗi thành công trong AI lại tái định nghĩa trí tuệ thực sự là gì.

Nhưng chúng ta chưa tái định nghĩa AI hiện tại là gì, chúng ta chỉ mới xem nó như con người. Trong hơn 60 năm qua, các quy trình cơ điện đều bắt chước theo hành xử và lối nghĩ mà chúng ta cho rằng chỉ con người mới có. Chúng ta cần thay đổi nếp suy nghĩ này. Khi chúng ta phát minh nhiều loại AI hơn thì chúng ta sẽ bị ép buộc "đầu hàng" nhiều hơn về những mặt mà chúng ta cho rằng chỉ con người là độc tôn ở lĩnh vực đó. Thập kỉ tiếp theo, hoặc có thể là thế kỉ tiếp theo, có thể xảy ra cuộc khủng hoảng về khả năng nhận diện, và chúng ta có thể sẽ liên tục chất vấn bản thân rằng con người là gì. Nực cười hơn cả, tác dụng và ích lợi lớn nhất khi ứng dụng AI vào đời sống hàng ngày sẽ không cải thiện được năng suất làm việc hay phát triển kinh tế hay cải tiến khoa học, mặc dù mọi thứ như đều đang diễn ra như vậy. Mà ích lợi lớn nhất của AI là nó sẽ giúp định nghĩa lại con người là gì. Chúng ta cần trí tuệ nhân tạo nói cho chúng ta biết chúng ta là ai.

Theo PC World VN.




Bình luận

  • TTCN (0)