Mr. Macho
Writer
Mặc dù trí tuệ nhân tạo (AI) đã phát triển gần đây và dường như là một hiện tượng mới trong xã hội hiện đại, nhưng nó lâu đời hơn nhiều so với những gì bạn tưởng tượng. Tích cực tham gia vào cộng đồng AI toàn cầu, tôi nhận thấy rằng nhiều người vẫn liên tưởng AI với các bộ phim khoa học viễn tưởng của Hollywood thể hiện tương lai xa được hỗ trợ bởi robot và máy móc thông minh. Tuy nhiên, nhận thức này đang nhạt dần khi AI trở nên phổ biến hơn trong cuộc sống hàng ngày của chúng ta.
Những trường hợp ban đầu của máy móc thông minh được tìm thấy trong thần thoại Hy Lạp cổ đại với quan niệm về người máy cơ khí được tạo ra để giúp đỡ vị thần Hy Lạp Hephaestus. Sau đây là một số cột mốc quan trọng trong lịch sử của AI, bắt đầu như một lĩnh vực nghiên cứu vào cuối những năm 1950 với sự phát triển của các thuật toán đầu tiên để giải quyết các vấn đề toán học phức tạp. Thuật ngữ này được John McCarthy nghĩ ra vào năm 1955. Sau đó, bài kiểm tra Turing nổi tiếng, được gọi là "trò chơi bắt chước" để đánh giá mức độ thông minh của mạng lưới thần kinh nhân tạo - lần đầu tiên được thông qua vào năm 2014 bởi Eugene, một chương trình máy tính mô phỏng một cậu bé 13 tuổi. Lĩnh vực này tiếp tục đạt được tiến bộ, trải qua một bước đột phá thực sự trong những thập kỷ đầu tiên của thế kỷ 21 khi các công ty lớn nhất như IBM có những bước tiến nhanh chóng để tích hợp AI.
Một số thuật toán AI mà chúng ta hiện đang sử dụng có thể bắt nguồn từ đầu những năm 1700. Vào thời điểm đó, việc thu thập và quản lý lượng dữ liệu lớn như vậy theo cách thủ công là một thách thức. Tuy nhiên, với tốc độ phát triển công nghệ nhanh chóng, khả năng kỹ thuật xử lý dữ liệu cũng đã được cải thiện và cho phép thu thập và lưu trữ dữ liệu nhanh hơn ở một nơi. Trong thời đại kỹ thuật số ngày nay, việc thu thập dữ liệu đã được tự động hóa để xác định các mẫu ẩn và thú vị nhất mà AI có thể trích xuất và sử dụng.
Một mô hình AI được đào tạo trên một lượng lớn dữ liệu và thuật toán, học hỏi từ trải nghiệm như một đứa trẻ và phát triển thành trí thông minh. Chúng tôi cung cấp và nuôi dưỡng nó bằng nhiều dữ liệu để nó có thể tìm thấy các mối quan hệ, phát triển sự hiểu biết và đưa ra quyết định từ dữ liệu đào tạo mà nó được cung cấp. Trong hầu hết các trường hợp, tập dữ liệu được sử dụng để dạy một mô hình AI thường bao gồm văn bản, hình ảnh, âm thanh và video được chú thích và nó cần được gắn nhãn để đảm bảo hiệu suất chính xác hơn. Dữ liệu lớn giống như thư viện của AI: Càng có nhiều dữ liệu, nó càng trở nên thông minh hơn.
Với bộ dữ liệu khổng lồ như vậy và khả năng học và thực hiện các phép tính mà hầu hết con người không thể làm được, có vẻ như AI không còn xa nữa để đạt được trí thông minh ở cấp độ con người. Thật vậy, AI thường có thể vượt qua hiệu suất của con người trong nhiều nhiệm vụ, nhưng không giống như những trải nghiệm mà con người trải qua trong suốt cuộc đời, AI chỉ học hỏi từ một trải nghiệm duy nhất. Thông thường, AI được đào tạo để chỉ giải quyết một vấn đề cụ thể tại một thời điểm mà không có khả năng tự hoàn thành nhiệm vụ.
Cho đến nay, AI đã cho thấy một số kết quả ấn tượng chỉ trong các lĩnh vực ứng dụng hẹp, chẳng hạn như máy tính chơi cờ vua đánh bại các nhà vô địch cờ vua thế giới và siêu máy tính đánh bại các nhà vô địch Jeopardy của con người Tuy nhiên, đây là những máy tính được lập trình để giải quyết một vấn đề cụ thể và không thể diễn giải những thách thức phức tạp và nhiều lớp hơn ngoài nhiệm vụ đã cho. Đây chính xác là những gì nghịch lý của Moravec nêu rõ; mặc dù có thể dễ dàng khiến máy tính đánh bại các nhà vô địch cờ vua là con người, nhưng có thể khó cung cấp cho chúng những kỹ năng của một đứa trẻ mới biết đi khi nói đến nhận thức và khả năng di chuyển.
Mặc dù AI chưa đạt đến hiệu suất của con người, nhưng nó mang lại các giải pháp có giá trị cho nhiều vấn đề trong thế giới thực một cách nhanh chóng và hiệu quả. Từ chăm sóc sức khỏe nâng cao, đổi mới trong ngân hàng và cải thiện bảo vệ môi trường cho đến phương tiện tự lái, giao thông tự động, nhà thông minh và chatbot, AI có thể cung cấp những cách thức đơn giản và thông minh hơn để hoàn thành nhiều công việc hàng ngày của chúng ta.
Nhưng AI có thể đi bao xa? Liệu nó có thể hoạt động độc lập và bắt chước các hành động nhận thức của con người không? Chúng ta không thể hình dung AI sẽ phát triển như thế nào trong tương lai xa, nhưng tại thời điểm này, con người vẫn thông minh hơn bất kỳ loại AI nào. Như đã lưu ý trong một bài báo năm 2017 của Mother Jones, các hệ thống AI có thể có "khoảng 1/10 sức mạnh của bộ não con người" vào năm 2035 và "sẽ có khả năng thực hiện bất kỳ nhiệm vụ nào hiện do con người thực hiện" vào khoảng năm 2060. Mặc dù vậy, tôi nghĩ AI vẫn còn lâu mới đạt đến mức có thể thích ứng với các điều kiện thay đổi và áp dụng các thuật toán chính xác cho nhiệm vụ nhất định mà không cần con người lập trình để làm như vậy.
Mối quan tâm thực sự về AI không phải là việc mọi người sẽ mất kiểm soát với nó - bởi vì xét cho cùng, các hệ thống AI dựa trên các tiêu chí mà con người áp dụng cho sự phát triển của chúng và dữ liệu lịch sử mà họ đang sử dụng. Rủi ro thực sự sẽ đến từ việc dữ liệu bị sai lệch hoặc cái gọi là nút thắt cổ chai thu thập kiến thức có thể dẫn đến những hậu quả không lường trước được khi sử dụng công nghệ này. Ví dụ: nếu một chuyên gia AI phân tích dữ liệu y tế và dữ liệu này được cung cấp cho bệnh nhân mà không có sự xem xét của bác sĩ, thì điều này có thể gặp rủi ro. Để tránh và giải quyết những vấn đề này, chúng tôi không chỉ cần dữ liệu chất lượng được cấu trúc bởi các chuyên gia AI mà còn cả đánh giá cuối cùng của các chuyên gia trong lĩnh vực; chỉ bằng cách này, chúng ta mới có thể nạp đủ kiến thức cho AI trước khi nó có thể bắt đầu học.
Hiện tại, AI không thể tự hoạt động hiệu quả trong tất cả các lĩnh vực vì nó cần ngữ cảnh và phản hồi từ con người. AI không chỉ đòi hỏi dữ liệu và thuật toán mà còn cả kiến thức và kinh nghiệm mà bộ não của chúng ta học được trong suốt cuộc đời. Đây là cái gọi là AI hẹp mà chúng ta đã gặp cho đến nay. Ở đây, các mô hình AI có khả năng học hỏi và tối ưu hóa một cách độc lập, nhưng chúng bị giới hạn trong một phạm vi cực kỳ hẹp và khả năng của chúng không nằm ngoài nhiệm vụ cụ thể được xác định trước.
Các nhà khoa học đã không thành công trong việc phát triển một AI mạnh thực sự và cái mà chúng ta có hiện nay được tạo thành từ nhiều tổ hợp AI hẹp và không thể được coi là một AI mạnh thực sự . Bất kể AI sẽ trở nên thông minh và thông minh như thế nào trong tương lai xa - và liệu AI có khả năng tự nhận thức có thể đạt được hay không - thì điều quan trọng là phải đảm bảo rằng những phát triển này phục vụ nhu cầu của nhân loại và không gây hại cho nhân loại.
Một số thuật toán AI mà chúng ta hiện đang sử dụng có thể bắt nguồn từ đầu những năm 1700. Vào thời điểm đó, việc thu thập và quản lý lượng dữ liệu lớn như vậy theo cách thủ công là một thách thức. Tuy nhiên, với tốc độ phát triển công nghệ nhanh chóng, khả năng kỹ thuật xử lý dữ liệu cũng đã được cải thiện và cho phép thu thập và lưu trữ dữ liệu nhanh hơn ở một nơi. Trong thời đại kỹ thuật số ngày nay, việc thu thập dữ liệu đã được tự động hóa để xác định các mẫu ẩn và thú vị nhất mà AI có thể trích xuất và sử dụng.
Một mô hình AI được đào tạo trên một lượng lớn dữ liệu và thuật toán, học hỏi từ trải nghiệm như một đứa trẻ và phát triển thành trí thông minh. Chúng tôi cung cấp và nuôi dưỡng nó bằng nhiều dữ liệu để nó có thể tìm thấy các mối quan hệ, phát triển sự hiểu biết và đưa ra quyết định từ dữ liệu đào tạo mà nó được cung cấp. Trong hầu hết các trường hợp, tập dữ liệu được sử dụng để dạy một mô hình AI thường bao gồm văn bản, hình ảnh, âm thanh và video được chú thích và nó cần được gắn nhãn để đảm bảo hiệu suất chính xác hơn. Dữ liệu lớn giống như thư viện của AI: Càng có nhiều dữ liệu, nó càng trở nên thông minh hơn.
Với bộ dữ liệu khổng lồ như vậy và khả năng học và thực hiện các phép tính mà hầu hết con người không thể làm được, có vẻ như AI không còn xa nữa để đạt được trí thông minh ở cấp độ con người. Thật vậy, AI thường có thể vượt qua hiệu suất của con người trong nhiều nhiệm vụ, nhưng không giống như những trải nghiệm mà con người trải qua trong suốt cuộc đời, AI chỉ học hỏi từ một trải nghiệm duy nhất. Thông thường, AI được đào tạo để chỉ giải quyết một vấn đề cụ thể tại một thời điểm mà không có khả năng tự hoàn thành nhiệm vụ.
Cho đến nay, AI đã cho thấy một số kết quả ấn tượng chỉ trong các lĩnh vực ứng dụng hẹp, chẳng hạn như máy tính chơi cờ vua đánh bại các nhà vô địch cờ vua thế giới và siêu máy tính đánh bại các nhà vô địch Jeopardy của con người Tuy nhiên, đây là những máy tính được lập trình để giải quyết một vấn đề cụ thể và không thể diễn giải những thách thức phức tạp và nhiều lớp hơn ngoài nhiệm vụ đã cho. Đây chính xác là những gì nghịch lý của Moravec nêu rõ; mặc dù có thể dễ dàng khiến máy tính đánh bại các nhà vô địch cờ vua là con người, nhưng có thể khó cung cấp cho chúng những kỹ năng của một đứa trẻ mới biết đi khi nói đến nhận thức và khả năng di chuyển.
Mặc dù AI chưa đạt đến hiệu suất của con người, nhưng nó mang lại các giải pháp có giá trị cho nhiều vấn đề trong thế giới thực một cách nhanh chóng và hiệu quả. Từ chăm sóc sức khỏe nâng cao, đổi mới trong ngân hàng và cải thiện bảo vệ môi trường cho đến phương tiện tự lái, giao thông tự động, nhà thông minh và chatbot, AI có thể cung cấp những cách thức đơn giản và thông minh hơn để hoàn thành nhiều công việc hàng ngày của chúng ta.
Nhưng AI có thể đi bao xa? Liệu nó có thể hoạt động độc lập và bắt chước các hành động nhận thức của con người không? Chúng ta không thể hình dung AI sẽ phát triển như thế nào trong tương lai xa, nhưng tại thời điểm này, con người vẫn thông minh hơn bất kỳ loại AI nào. Như đã lưu ý trong một bài báo năm 2017 của Mother Jones, các hệ thống AI có thể có "khoảng 1/10 sức mạnh của bộ não con người" vào năm 2035 và "sẽ có khả năng thực hiện bất kỳ nhiệm vụ nào hiện do con người thực hiện" vào khoảng năm 2060. Mặc dù vậy, tôi nghĩ AI vẫn còn lâu mới đạt đến mức có thể thích ứng với các điều kiện thay đổi và áp dụng các thuật toán chính xác cho nhiệm vụ nhất định mà không cần con người lập trình để làm như vậy.
Mối quan tâm thực sự về AI không phải là việc mọi người sẽ mất kiểm soát với nó - bởi vì xét cho cùng, các hệ thống AI dựa trên các tiêu chí mà con người áp dụng cho sự phát triển của chúng và dữ liệu lịch sử mà họ đang sử dụng. Rủi ro thực sự sẽ đến từ việc dữ liệu bị sai lệch hoặc cái gọi là nút thắt cổ chai thu thập kiến thức có thể dẫn đến những hậu quả không lường trước được khi sử dụng công nghệ này. Ví dụ: nếu một chuyên gia AI phân tích dữ liệu y tế và dữ liệu này được cung cấp cho bệnh nhân mà không có sự xem xét của bác sĩ, thì điều này có thể gặp rủi ro. Để tránh và giải quyết những vấn đề này, chúng tôi không chỉ cần dữ liệu chất lượng được cấu trúc bởi các chuyên gia AI mà còn cả đánh giá cuối cùng của các chuyên gia trong lĩnh vực; chỉ bằng cách này, chúng ta mới có thể nạp đủ kiến thức cho AI trước khi nó có thể bắt đầu học.
Hiện tại, AI không thể tự hoạt động hiệu quả trong tất cả các lĩnh vực vì nó cần ngữ cảnh và phản hồi từ con người. AI không chỉ đòi hỏi dữ liệu và thuật toán mà còn cả kiến thức và kinh nghiệm mà bộ não của chúng ta học được trong suốt cuộc đời. Đây là cái gọi là AI hẹp mà chúng ta đã gặp cho đến nay. Ở đây, các mô hình AI có khả năng học hỏi và tối ưu hóa một cách độc lập, nhưng chúng bị giới hạn trong một phạm vi cực kỳ hẹp và khả năng của chúng không nằm ngoài nhiệm vụ cụ thể được xác định trước.
Các nhà khoa học đã không thành công trong việc phát triển một AI mạnh thực sự và cái mà chúng ta có hiện nay được tạo thành từ nhiều tổ hợp AI hẹp và không thể được coi là một AI mạnh thực sự . Bất kể AI sẽ trở nên thông minh và thông minh như thế nào trong tương lai xa - và liệu AI có khả năng tự nhận thức có thể đạt được hay không - thì điều quan trọng là phải đảm bảo rằng những phát triển này phục vụ nhu cầu của nhân loại và không gây hại cho nhân loại.
