Thoại Viết Hoàng
Writer
Nếu bạn hỏi một nhóm các nhà khoa học máy tính người Anh, thì “sự khôn ngoan của tổ ong” không chỉ là một cụm từ đầy chất thơ. Trên thực tế, những nhà nghiên cứu này đã nghiên cứu bộ não của ong mật để phát triển một loại trí thông minh máy móc mới phục vụ cho việc ra quyết định.
Mặc dù bề ngoài cuộc sống của loài ong trông có vẻ đơn giản—bay trong không khí, lấy mật hoa và thụ phấn cho cây ở bất cứ nơi nào chúng hạ cánh—quá trình ra quyết định đằng sau những hành động có vẻ ngẫu nhiên đó lại phức tạp hơn nhiều so với những gì chúng ta nhìn thấy. Bên trong mạng lưới thần kinh của apian, một chế độ hoạt động cơ bản xuất hiện để xác định các mục tiêu là bông hoa lý tưởng chỉ trong vài giây với độ chính xác cao, tại thời điểm đó, con ong sẽ vo ve đến bữa tiệc mới của nó. Và tất cả những điều này diễn ra bên trong một bộ não chỉ có kích thước bằng hạt vừng, với chưa đến 1 triệu tế bào thần kinh
HaDi MaBouDi là nhà nghiên cứu cấp cao tại Opteran Technologies—một công ty khởi nghiệp về mô phỏng sinh học não do Đại học Sheffield thành lập—và là đồng tác giả của nghiên cứu mới. MaBouDi nói rằng anh ấy và các đồng nghiệp đã bị cuốn hút vào việc nghiên cứu quá trình đằng sau việc ra quyết định của loài ong vì những bài học mà các hệ thống nhân tạo có thể học được.
Ông nói: “Việc ra quyết định bằng máy tính thường không đạt được về khả năng thích ứng, tốc độ, độ chính xác và rủi ro, đặc biệt là khi nguồn lực có hạn—những phẩm chất mà loài ong sở hữu”. “Bằng cách tích hợp các nguyên tắc bắt nguồn từ các mô hình sinh học, các hệ thống AI có khả năng nâng cao hiệu quả, sức mạnh và tránh rủi ro của chúng.”
Để hiểu rõ hơn điều gì đang thực sự xoay chuyển các bánh răng trong não của ong, trước tiên, nhóm nghiên cứu đã quan sát hành vi của 20 con ong khi chúng khám phá những bông hoa được mã hóa màu trong một khu vườn nhân tạo. Những bông hoa chứa hỗn hợp xi-rô đường, nước tăng lực có vị đắng và nước cất. Sau khi quan sát sự lựa chọn của những con ong trong một số thử nghiệm, MaBouDi và các đồng nghiệp nhận thấy rằng những con ong đang đưa ra quyết định theo cách trái ngược với lẽ thường.
Ông nói: “Đáng ngạc nhiên là các quyết định của loài ong không chỉ có tính thích ứng cao và chính xác mà còn nhanh hơn khi đưa ra lựa chọn đúng so với lựa chọn sai. “Điều này mâu thuẫn với sự đánh đổi giữa tốc độ và độ chính xác điển hình được quan sát thấy ở động vật và các hệ thống nhân tạo, trong đó các quyết định chính xác có xu hướng mất nhiều thời gian hơn so với những quyết định không chính xác….Việc ra quyết định của loài ong thể hiện mức độ phức tạp tương đương với một số khía cạnh của quá trình ra quyết định được thấy ở các loài động vật bậc cao.”
Điều này có nghĩa là những quyết định trong tích tắc của loài ong về một bông hoa chính xác hơn những quyết định mà chúng mất nhiều thời gian hơn để xem xét. James Marshall, đồng tác giả bài báo cho biết, việc ra quyết định “cấp thấp” tự tin như vậy có thể mang lại lợi ích cho các hệ thống nhân tạo bằng cách giảm số lượng đào tạo và quản lý quy tắc mà chúng cần. Marshall là giáo sư sinh học lý thuyết và tính toán tại Đại học Sheffield và là người đồng sáng lập của Opteran Technologies.
Để bắt chước hành vi này, các nhà nghiên cứu đã thiết kế một mô hình với hai lộ trình quyết định song song—một để chấp nhận và một để từ chối. Giống như mạng lưới thần kinh sinh học của loài ong, những con đường này được thiết kế để có thể thích ứng và cân nhắc chất lượng của các tác nhân kích thích để giúp chúng đưa ra quyết định. Mô hình cũng duy trì bộ nhớ về thông tin kích thích trong quá khứ để giúp nó ghi nhớ kích thích nào không đáng để khám phá lần thứ hai.
MaBouDi nói: “Đặc biệt quan trọng là việc mô phỏng chiến lược không thích rủi ro của loài ong, trong đó chúng chỉ chấp nhận một bông hoa nếu chúng tin rằng nó sẽ mang lại phần thưởng, nếu không thì sẽ từ chối nó. “Chiến lược này cho phép những con ong tập trung nỗ lực vào những bông hoa có khả năng thu được mật hoa cao nhất.”
Để xem mô hình của họ xếp chồng lên một con ong hiệu quả như thế nào, nhóm đã trình bày 25 thử nghiệm ngẫu nhiên về các tác nhân kích thích có phần thưởng cao và phần thưởng thấp. Họ phát hiện ra rằng tỷ lệ phản hồi của mô hình ngang bằng với tỷ lệ của những con ong thật và thậm chí còn giống với cách bố trí vật lý của bộ não của những con ong. Điều này không nhất thiết có nghĩa là mô hình của họ bắt chước hoàn toàn chính xác bộ não của loài ong, MaBouDi nói.
Ông nói: “Với sự tương phản đáng kể về quy mô giữa bộ não sinh học và các mô hình tính toán, việc triển khai trực tiếp một mô hình như vậy trên phần cứng có kích thước tương đương với não của một con ong là rất khó xảy ra. “[Nhưng] việc tập trung vào các nguyên tắc và cơ chế chính có thể dẫn đến việc tạo ra các hệ thống thông minh và hiệu quả, thể hiện khả năng ra quyết định tương tự trong giới hạn của phần cứng hiện có.”
MaBouDi, Marshall và các đồng nghiệp rất hào hứng khám phá ý nghĩa của điều này đối với tương lai của điện toán mô phỏng thần kinh cũng như phần cứng thu nhỏ. Việc ra quyết định của rô-bốt lấy cảm hứng từ các mô hình sinh học như ong có thể đóng một vai trò quan trọng trong việc giúp rô-bốt tự động, chẳng hạn như rô-bốt được sử dụng để khai thác mỏ hoặc tìm kiếm và cứu nạn, điều hướng địa hình lạ và đưa ra các quyết định an toàn thích ứng.
Và ong chỉ là khởi đầu, Marshall nói. Opteran đang tích cực điều tra các loại não côn trùng khác để xem những giải pháp nào khác cho các vấn đề về AI, người máy và khoa học máy tính có thể ẩn giấu trong tự nhiên.
Ông nói: “Nhiệm vụ của chúng tôi bây giờ là ngày càng hiểu rõ hơn về bộ não của côn trùng và cách nó tạo ra hành vi, đặc biệt là đối với một số loài côn trùng thú vị nhất, chẳng hạn như côn trùng xã hội — ví dụ như loài kiến”. “Ví dụ, cách các loài côn trùng tương tác với nhau có thể giúp chúng tôi đưa ra các hành vi quản lý giao thông tốt hơn cho các đội rô bốt nhà kho tự trị.”
Tham khảo bài viết gốc tại đây
HaDi MaBouDi là nhà nghiên cứu cấp cao tại Opteran Technologies—một công ty khởi nghiệp về mô phỏng sinh học não do Đại học Sheffield thành lập—và là đồng tác giả của nghiên cứu mới. MaBouDi nói rằng anh ấy và các đồng nghiệp đã bị cuốn hút vào việc nghiên cứu quá trình đằng sau việc ra quyết định của loài ong vì những bài học mà các hệ thống nhân tạo có thể học được.
Ông nói: “Việc ra quyết định bằng máy tính thường không đạt được về khả năng thích ứng, tốc độ, độ chính xác và rủi ro, đặc biệt là khi nguồn lực có hạn—những phẩm chất mà loài ong sở hữu”. “Bằng cách tích hợp các nguyên tắc bắt nguồn từ các mô hình sinh học, các hệ thống AI có khả năng nâng cao hiệu quả, sức mạnh và tránh rủi ro của chúng.”
Để hiểu rõ hơn điều gì đang thực sự xoay chuyển các bánh răng trong não của ong, trước tiên, nhóm nghiên cứu đã quan sát hành vi của 20 con ong khi chúng khám phá những bông hoa được mã hóa màu trong một khu vườn nhân tạo. Những bông hoa chứa hỗn hợp xi-rô đường, nước tăng lực có vị đắng và nước cất. Sau khi quan sát sự lựa chọn của những con ong trong một số thử nghiệm, MaBouDi và các đồng nghiệp nhận thấy rằng những con ong đang đưa ra quyết định theo cách trái ngược với lẽ thường.
Ông nói: “Đáng ngạc nhiên là các quyết định của loài ong không chỉ có tính thích ứng cao và chính xác mà còn nhanh hơn khi đưa ra lựa chọn đúng so với lựa chọn sai. “Điều này mâu thuẫn với sự đánh đổi giữa tốc độ và độ chính xác điển hình được quan sát thấy ở động vật và các hệ thống nhân tạo, trong đó các quyết định chính xác có xu hướng mất nhiều thời gian hơn so với những quyết định không chính xác….Việc ra quyết định của loài ong thể hiện mức độ phức tạp tương đương với một số khía cạnh của quá trình ra quyết định được thấy ở các loài động vật bậc cao.”
Điều này có nghĩa là những quyết định trong tích tắc của loài ong về một bông hoa chính xác hơn những quyết định mà chúng mất nhiều thời gian hơn để xem xét. James Marshall, đồng tác giả bài báo cho biết, việc ra quyết định “cấp thấp” tự tin như vậy có thể mang lại lợi ích cho các hệ thống nhân tạo bằng cách giảm số lượng đào tạo và quản lý quy tắc mà chúng cần. Marshall là giáo sư sinh học lý thuyết và tính toán tại Đại học Sheffield và là người đồng sáng lập của Opteran Technologies.
Để bắt chước hành vi này, các nhà nghiên cứu đã thiết kế một mô hình với hai lộ trình quyết định song song—một để chấp nhận và một để từ chối. Giống như mạng lưới thần kinh sinh học của loài ong, những con đường này được thiết kế để có thể thích ứng và cân nhắc chất lượng của các tác nhân kích thích để giúp chúng đưa ra quyết định. Mô hình cũng duy trì bộ nhớ về thông tin kích thích trong quá khứ để giúp nó ghi nhớ kích thích nào không đáng để khám phá lần thứ hai.
MaBouDi nói: “Đặc biệt quan trọng là việc mô phỏng chiến lược không thích rủi ro của loài ong, trong đó chúng chỉ chấp nhận một bông hoa nếu chúng tin rằng nó sẽ mang lại phần thưởng, nếu không thì sẽ từ chối nó. “Chiến lược này cho phép những con ong tập trung nỗ lực vào những bông hoa có khả năng thu được mật hoa cao nhất.”
Để xem mô hình của họ xếp chồng lên một con ong hiệu quả như thế nào, nhóm đã trình bày 25 thử nghiệm ngẫu nhiên về các tác nhân kích thích có phần thưởng cao và phần thưởng thấp. Họ phát hiện ra rằng tỷ lệ phản hồi của mô hình ngang bằng với tỷ lệ của những con ong thật và thậm chí còn giống với cách bố trí vật lý của bộ não của những con ong. Điều này không nhất thiết có nghĩa là mô hình của họ bắt chước hoàn toàn chính xác bộ não của loài ong, MaBouDi nói.
Ông nói: “Với sự tương phản đáng kể về quy mô giữa bộ não sinh học và các mô hình tính toán, việc triển khai trực tiếp một mô hình như vậy trên phần cứng có kích thước tương đương với não của một con ong là rất khó xảy ra. “[Nhưng] việc tập trung vào các nguyên tắc và cơ chế chính có thể dẫn đến việc tạo ra các hệ thống thông minh và hiệu quả, thể hiện khả năng ra quyết định tương tự trong giới hạn của phần cứng hiện có.”
MaBouDi, Marshall và các đồng nghiệp rất hào hứng khám phá ý nghĩa của điều này đối với tương lai của điện toán mô phỏng thần kinh cũng như phần cứng thu nhỏ. Việc ra quyết định của rô-bốt lấy cảm hứng từ các mô hình sinh học như ong có thể đóng một vai trò quan trọng trong việc giúp rô-bốt tự động, chẳng hạn như rô-bốt được sử dụng để khai thác mỏ hoặc tìm kiếm và cứu nạn, điều hướng địa hình lạ và đưa ra các quyết định an toàn thích ứng.
Và ong chỉ là khởi đầu, Marshall nói. Opteran đang tích cực điều tra các loại não côn trùng khác để xem những giải pháp nào khác cho các vấn đề về AI, người máy và khoa học máy tính có thể ẩn giấu trong tự nhiên.
Ông nói: “Nhiệm vụ của chúng tôi bây giờ là ngày càng hiểu rõ hơn về bộ não của côn trùng và cách nó tạo ra hành vi, đặc biệt là đối với một số loài côn trùng thú vị nhất, chẳng hạn như côn trùng xã hội — ví dụ như loài kiến”. “Ví dụ, cách các loài côn trùng tương tác với nhau có thể giúp chúng tôi đưa ra các hành vi quản lý giao thông tốt hơn cho các đội rô bốt nhà kho tự trị.”
Tham khảo bài viết gốc tại đây
