Ngay cả những hệ thống AI nhận dạng hình ảnh mạnh mẽ nhất cũng phải "chào thua" trước loài chuột

[Linh Pham]

Các nhà nghiên cứu từ Trường Nghiên cứu Cao cấp Quốc tế Scuola Internazionale Superiore di Studi Avanzati (SISSA) ở Ý đã yêu cầu một mô hình nhận dạng hình ảnh cố gắng bắt chước khả năng nhận diện vật thể của chuột khi chúng bị xoay, thay đổi kích thước và bị che khuất một phần và nhận được kết quả đáng kinh ngạc.

Các mô hình trí tuệ nhân tạo tiên tiến có thể tạo ra mã máy tính và giúp khám phá dược phẩm mới, nhưng khi nói đến việc nhận diện các vật thể đơn giản, chúng vẫn còn nhiều điều phải học hỏi từ loài chuột. Việc nhận diện các vật thể trong vị trí ban đầu là dễ dàng đối với cả AI và chuột, nhưng khi các vật thể bị thay đổi theo nhiều cách khác nhau, các nhà nghiên cứu đã phải nâng cao hiệu suất của mô hình AI để có thể sánh ngang với khả năng xử lý của chuột. Các nhà nghiên cứu cho rằng phát hiện này cho thấy thị giác của chuột, được tinh chỉnh qua hàng triệu năm tiến hóa, vẫn hiệu quả hơn so với các hệ thống nhận dạng hình ảnh mạnh mẽ nhất.

Thị giác của chuột ‘hiệu quả và thích ứng’ một cách đặc biệt​

• Mắt chuột nằm ở hai bên đầu, giúp chúng có trường nhìn rộng hơn tạo lợi thế khi phát hiện và tránh kẻ săn mồi trong tự nhiên.
• Các nghiên cứu trước đây đã chỉ ra rằng mắt của chuột có thể di chuyển theo hai hướng ngược nhau tùy theo cách chúng nghiêng đầu. Điều này khiến chúng trông có vẻ “mắt lé” khi cúi đầu xuống.

AI cần nhiều tài nguyên hơn để bắt kịp chuột​

Để so sánh với thị giác chuột, các nhà nghiên cứu SISSA đã tạo ra một mạng nơ-ron tích chập (CNN)—một loại mô hình học sâu tiên tiến, được các kỹ sư coi là một trong những hệ thống AI tốt nhất cho nhận diện hình ảnh. CNN được lấy cảm hứng từ vỏ não thị giác của động vật có vú.

CNN sử dụng một hệ thống phân lớp để nhận diện vật thể. Lớp cơ bản nhất có thể xử lý và nhận diện các đặc điểm đơn giản như đường nét và độ tương phản. Các lớp mới được thêm vào để nhận diện các hình ảnh phức tạp hơn. Mỗi lớp bổ sung đòi hỏi nhiều tài nguyên và sức mạnh tính toán hơn.
Mô hình CNN sau đó được yêu cầu bắt chước khả năng nhận diện vật thể của chuột trong các điều kiện khác nhau. Ở cấp độ cơ bản nhất, nhận diện một vật thể không bị che khuất và ở vị trí bình thường, cả chuột và AI đều làm tốt.

Nhưng khi nhiệm vụ trở nên khó hơn, vật thể bị xoay hoặc thay đổi kích thước, mô hình CNN phải bổ sung thêm nhiều lớp và sử dụng nhiều tài nguyên hơn. Trong khi đó, chuột vẫn nhận diện vật thể một cách ổn định ngay cả khi chúng bị biến đổi, và thậm chí còn phát hiện được vật thể khi chúng bị che khuất một phần, điều khiến AI "bó tay".

AI vẫn còn nhiều điều phải học trước khi thực sự trở thành ‘siêu trí tuệ’​

Nghiên cứu về thị giác chuột nên được coi là một lời nhắc nhở hữu ích rằng các mô hình AI mạnh mẽ thực sự ấn tượng ở một số nhiệm vụ cụ thể, nhưng chúng không phải là không có sai sót. AI vẫn không thể đưa ra chẩn đoán y khoa chính thức mà không có bác sĩ, và một số luật sư đã bị phạt và đình chỉ vì sử dụng các bản luận cứ pháp lý do AI tạo ra có chứa thông tin sai lệch. Cùng lúc đó, các hệ thống AI tiên tiến được triển khai trong robot hai chân vẫn thường gặp khó khăn trong việc giữ thăng bằng. Và như nghiên cứu của SISSA cho thấy, AI dường như vẫn chưa thể sánh kịp thị giác của chuột.

Nói cách khác, AI vẫn còn rất nhiều điều phải học hỏi từ cả con người và động vật.

Nguồn: Popular science ​