VNR Content
Pearl
Trí tuệ nhân tạo bắt đầu từ năm 1956. AI là một thuật ngữ được nêu ra lần đầu tiên tại Đại học Dartmouth vào năm 1956. Nhà khoa học nhận thức Marvin Minsky rất lạc quan về tương lai của công nghệ này.
Trong nửa đầu thế kỷ 20, khoa học viễn tưởng đã làm cho thế giới quen thuộc với khái niệm robot thông minh nhân tạo. Nó bắt đầu với nhân vật Tin "vô tâm" từ series Phù thủy xứ Oz và tiếp tục với người máy hình người đóng giả Maria ở Metropolis. Vào những năm 1950, chúng ta đã có một thế hệ các nhà khoa học, nhà toán học và triết học với khái niệm trí tuệ nhân tạo (hay AI) đã được đồng hóa trong tâm trí họ về mặt văn hóa. Một trong những người như vậy là Alan Turing, một nhà đa khoa trẻ tuổi người Anh, người đã khám phá ra khả năng toán học của trí tuệ nhân tạo. Turing đề xuất rằng con người sử dụng thông tin có sẵn cũng như lý do để giải quyết vấn đề và đưa ra quyết định, vậy tại sao máy móc lại không thể làm được điều tương tự? Đây nội dung bài báo năm 1950 của ông, Máy tính và trí thông minh, trong đó ông thảo luận về cách chế tạo máy thông minh và cách kiểm tra trí thông minh của chúng.
Thật không may, có những rào cản khiến Turing chưa thể tiến hành triển khai nghiên cứu của mình. Đầu tiên, máy tính cần thay đổi về cơ bản. Trước năm 1949, máy tính thiếu điều kiện tiên quyết quan trọng đối với trí thông minh: chúng không thể lưu trữ các lệnh mà chỉ thực thi chúng. Nói cách khác, máy tính có thể được cho biết phải làm gì nhưng không thể nhớ chúng đã làm gì. Thứ hai, máy tính cực kỳ đắt tiền. Vào đầu những năm 1950, chi phí thuê một chiếc máy tính lên đến 200.000 USD một tháng. Chỉ có các trường đại học danh tiếng và các công ty công nghệ lớn mới có đủ khả năng để hoạt động trong những lĩnh vực chưa được khám phá này. Cần có bằng chứng về khái niệm cũng như sự vận động từ những người có năng lực cao để thuyết phục các nguồn tài trợ rằng trí tuệ máy móc đáng để theo đuổi.
5 năm sau, bằng chứng về khái niệm (POC - ứng dụng chứng minh tính khả thi và thực tiễn của ý tưởng) được khởi tạo thông qua Nhà lý thuyết logic của Allen Newell, Cliff Shaw và Herbert Simon. Nhà lý thuyết logic là một chương trình được thiết kế để bắt chước các kỹ năng giải quyết vấn đề của con người do Công ty Cổ phần Nghiên cứu và Phát triển (RAND) tài trợ. Nó được nhiều người coi là chương trình trí tuệ nhân tạo đầu tiên và đã được trình bày tại Dự án Nghiên cứu Mùa hè Dartmouth về Trí tuệ Nhân tạo (DSRPAI) do John McCarthy và Marvin Minsky tổ chức vào năm 1956. Trong hội nghị lịch sử này, McCarthy, tưởng tượng ra một nỗ lực hợp tác tuyệt vời, đã mang lại cùng các nhà nghiên cứu hàng đầu từ nhiều lĩnh vực khác nhau cho một cuộc thảo luận kết thúc mở về trí tuệ nhân tạo, thuật ngữ mà ông đặt ra tại chính sự kiện này. Đáng buồn thay, hội nghị không đạt được kỳ vọng của McCarthy; mọi người đến và đi tùy thích, và không thống nhất được các phương pháp tiêu chuẩn cho lĩnh vực này. Mặc dù vậy, tất cả mọi người đều đồng lòng rằng AI là có thể đạt được. Ngày nay, chúng ta không thể phủ nhận tầm quan trọng của sự kiện này vì nó đã xúc tác cho hai mươi năm nghiên cứu AI tiếp theo.
Hạn chế về khả năng tính toán cản trở sự phát triển của AI
Từ năm 1957 đến năm 1974, AI phát triển mạnh mẽ. Máy tính có thể lưu trữ nhiều thông tin hơn và trở nên nhanh hơn, rẻ hơn và dễ tiếp cận hơn. Các thuật toán học máy cũng được cải thiện và mọi người biết nhiều hơn về việc nên áp dụng thuật toán nào cho vấn đề của họ. Những demo ban đầu như General Problem Solver của Newell và Simon; ELIZA của Joseph Weizenbaum cho thấy hứa hẹn hướng tới các mục tiêu giải quyết vấn đề và giải thích ngôn ngữ nói tương ứng. Những thành công này, cũng như sự ủng hộ của các nhà nghiên cứu hàng đầu (cụ thể là những người tham dự DSRPAI) đã thuyết phục các cơ quan chính phủ như Cơ quan Dự án Nghiên cứu Tiên tiến Quốc phòng (DARPA) tài trợ cho nghiên cứu AI tại một số cơ sở. Chính phủ Mỹ đặc biệt quan tâm đến một cỗ máy có thể phiên âm và dịch ngôn ngữ nói cũng như xử lý dữ liệu thông lượng cao. Sự lạc quan cao và kỳ vọng vào AI thậm chí còn cao hơn. Năm 1970, Marvin Minsky nói với Tạp chí Life, “từ ba đến tám năm nữa chúng ta sẽ có một cỗ máy với trí thông minh chung của một con người bình thường”. Tuy nhiên, mặc dù đã có bằng chứng cơ bản về nguyên tắc, nhưng vẫn còn một chặng đường dài phía trước để đạt được các mục tiêu cuối cùng của xử lý ngôn ngữ tự nhiên, tư duy trừu tượng và tự nhận thức.
Việc phá vỡ lớp sương mù ban đầu của AI đã làm lộ ra một núi các chướng ngại vật. Nguyên nhân lớn nhất là thiếu sức mạnh tính toán để làm bất cứ điều gì quan trọng: máy tính đơn giản là không thể lưu trữ đủ thông tin hoặc xử lý nó đủ nhanh. Ví dụ, để giao tiếp, người ta cần biết nghĩa của nhiều từ và hiểu chúng bằng nhiều cách kết hợp. Hans Moravec, một nghiên cứu sinh tiến sĩ thời điểm đó nói rằng "máy tính vẫn còn quá yếu để thể hiện trí thông minh hàng triệu lần". Khi sự kiên nhẫn giảm dần, nguồn tài trợ cũng giảm dần, nghiên cứu về AI đã bị chậm lại trong mười năm.
Vào những năm 1980, AI ở Mỹ đã được kích hoạt lại bởi hai nguồn: sự mở rộng của bộ công cụ thuật toán và tăng cường tài trợ từ các quỹ. John Hopfield và David Rumelhart đã phổ biến các kỹ thuật “học sâu” cho phép máy tính học bằng cách sử dụng kinh nghiệm. Mặt khác, Edward Feigenbaum đã giới thiệu các hệ thống chuyên gia bắt chước quy trình ra quyết định của một chuyên gia thật. Chương trình sẽ hỏi một chuyên gia trong một lĩnh vực về cách ứng phó trong một tình huống nhất định và khi điều này đã được học cho hầu hết mọi tình huống, những người không phải chuyên gia có thể nhận được lời khuyên từ chương trình đó. Hệ thống chuyên gia đã được sử dụng rộng rãi trong các ngành công nghiệp. Chính phủ Nhật Bản đã tài trợ rất nhiều cho các hệ thống chuyên gia và các nỗ lực liên quan đến AI khác như một phần của Dự án Máy tính Thế hệ thứ Năm (FGCP) của họ. Từ năm 1982-1990, họ đã đầu tư 400 triệu đô la với mục tiêu cách mạng hóa quá trình xử lý máy tính, thực hiện lập trình logic và cải thiện trí thông minh nhân tạo. Thật không may, hầu hết các mục tiêu đầy tham vọng đã không được đáp ứng. Tuy nhiên, có thể lập luận rằng những tác động gián tiếp của FGCP đã truyền cảm hứng cho một thế hệ kỹ sư và nhà khoa học trẻ tài năng. Mặc dù vậy, việc tài trợ của FGCP không còn nữa, và AI không còn được chú ý nữa.
Trí tuệ nhân tạo có tri giác là một mục tiêu AI hướng tới, đồng thời gây tranh cãi
Trớ trêu thay, trong trường hợp không có sự tài trợ của chính phủ và sự thổi phồng của công chúng, AI lại phát triển mạnh mẽ. Trong những năm 1990 và 2000, nhiều mục tiêu quan trọng của trí tuệ nhân tạo đã đạt được. Năm 1997, đương kim vô địch cờ vua thế giới kiêm đại sư Gary Kasparov đã bị đánh bại bởi Deep Blue, một chương trình máy tính chơi cờ của IBM. Trận đấu được công bố rộng rãi này là lần đầu tiên một nhà đương kim vô địch cờ vua thế giới để thua máy tính và đóng vai trò như một bước tiến lớn đối với một chương trình ra quyết định thông minh nhân tạo. Cùng năm đó, phần mềm nhận dạng giọng nói do Dragon Systems phát triển đã được triển khai trên Windows. Đây là một bước tiến lớn nữa nhưng theo hướng nỗ lực giải thích ngôn ngữ nói. Có vẻ như không có sự cố nào mà máy móc không thể xử lý. Ngay cả cảm xúc của con người cũng là một trò chơi công bằng bằng chứng là Kismet, một robot do Cynthia Breazeal phát triển có thể nhận biết và thể hiện cảm xúc.
Chúng ta đã không đạt được trình độ thông minh hơn về cách mã hóa trí tuệ nhân tạo. Vậy điều gì đã xảy ra? Hóa ra, giới hạn cơ bản của dung lượng lưu trữ máy tính đã kìm hãm chúng ta cách đây 30 năm không còn là vấn đề nữa. Định luật Moore, ước tính rằng bộ nhớ và tốc độ của máy tính tăng gấp đôi mỗi năm, cuối cùng đã bắt kịp và trong nhiều trường hợp, đã vượt qua nhu cầu của chúng ta. Đây chính là cách mà Deep Blue có thể đánh bại Gary Kasparov vào năm 1997 và cách Alpha Go của Google có thể đánh bại nhà vô địch cờ vây Trung Quốc, Ke Jie năm 2017, năm 2018 tiếp tục đánh bại kỳ thủ số 1 thế giới Lee Sedol. Nó giải thích một chút về sự thăng trầm của nghiên cứu AI; chúng ta bão hòa khả năng của AI với mức sức mạnh tính toán hiện tại (tốc độ xử lý và lưu trữ trên máy tính), và sau đó đợi Định luật Moore bắt kịp trở lại.
Hiện nay chúng ta đang sống trong thời đại của “dữ liệu lớn”, thời đại mà chúng ta có khả năng thu thập một lượng lớn thông tin quá cồng kềnh đến mức con người khó có thể xử lý. Việc ứng dụng trí tuệ nhân tạo trong lĩnh vực này đã khá hiệu quả trong một số ngành công nghiệp như công nghệ, ngân hàng, tiếp thị và giải trí. Chúng ta nhận thấy rằng ngay cả khi các thuật toán không cải thiện nhiều, dữ liệu lớn và máy tính khổng lồ chỉ cho phép trí tuệ nhân tạo học thông qua brute force. Có thể có bằng chứng cho thấy định luật Moore đang chậm lại một chút, nhưng sự gia tăng dữ liệu chắc chắn không làm mất đi bất kỳ động lực nào. Những đột phá trong khoa học máy tính, toán học hoặc khoa học thần kinh đều được coi là tiềm năng vượt qua mức trần của Định luật Moore.
Vậy tương lai của AI là gì? Trước mắt, ngôn ngữ AI được coi là một thứ lớn tiếp theo. Trên thực tế, nó đã được tiến hành. Có thể bạn không biết, nhưng những phản hồi từ doanh nghiệp qua chat hay điện thoại ngày nay phần lớn là từ bot (công cụ tự động). Những ngày này, máy móc thậm chí đang gọi cho bạn! Bạn có thể tưởng tượng việc tương tác với một hệ thống chuyên gia trong một cuộc trò chuyện trôi chảy hoặc có một cuộc trò chuyện bằng hai ngôn ngữ khác nhau được dịch trong thời gian thực. Chúng ta cũng có thể mong đợi thấy những chiếc ô tô không người lái trên đường trong vài chục năm tới (dù điều này còn gây tranh cãi). Về lâu dài, mục tiêu là trí thông minh chung, tức là có một cỗ máy vượt qua khả năng nhận thức của con người trong mọi nhiệm vụ. Đây là bóng dáng của robot có tri giác mà chúng ta thường thấy trong các bộ phim khoa học viễn tưởng. Chúng ta dường như không thể tưởng tượng nổi rằng điều này sẽ được thực hiện trong 50 năm tới. Ngay cả khi khả năng là có, các câu hỏi đạo đức sẽ đóng vai trò như một rào cản mạnh mẽ chống lại sự thành công của nó. Khi thời điểm đó đến (nhưng tốt hơn ngay cả trước khi thời điểm đến), chúng ta sẽ cần phải có một cuộc trò chuyện nghiêm túc về chính sách máy móc và đạo đức (trớ trêu thay, cả hai đều là đối tượng cơ bản của con người), nhưng hiện tại, chúng ta sẽ cho phép AI cải thiện đều đặn và làm những công việc có ích cho con người.
Nguồn: Trang tin KHCN thuộc Harvard
Trong nửa đầu thế kỷ 20, khoa học viễn tưởng đã làm cho thế giới quen thuộc với khái niệm robot thông minh nhân tạo. Nó bắt đầu với nhân vật Tin "vô tâm" từ series Phù thủy xứ Oz và tiếp tục với người máy hình người đóng giả Maria ở Metropolis. Vào những năm 1950, chúng ta đã có một thế hệ các nhà khoa học, nhà toán học và triết học với khái niệm trí tuệ nhân tạo (hay AI) đã được đồng hóa trong tâm trí họ về mặt văn hóa. Một trong những người như vậy là Alan Turing, một nhà đa khoa trẻ tuổi người Anh, người đã khám phá ra khả năng toán học của trí tuệ nhân tạo. Turing đề xuất rằng con người sử dụng thông tin có sẵn cũng như lý do để giải quyết vấn đề và đưa ra quyết định, vậy tại sao máy móc lại không thể làm được điều tương tự? Đây nội dung bài báo năm 1950 của ông, Máy tính và trí thông minh, trong đó ông thảo luận về cách chế tạo máy thông minh và cách kiểm tra trí thông minh của chúng.
5 năm sau, bằng chứng về khái niệm (POC - ứng dụng chứng minh tính khả thi và thực tiễn của ý tưởng) được khởi tạo thông qua Nhà lý thuyết logic của Allen Newell, Cliff Shaw và Herbert Simon. Nhà lý thuyết logic là một chương trình được thiết kế để bắt chước các kỹ năng giải quyết vấn đề của con người do Công ty Cổ phần Nghiên cứu và Phát triển (RAND) tài trợ. Nó được nhiều người coi là chương trình trí tuệ nhân tạo đầu tiên và đã được trình bày tại Dự án Nghiên cứu Mùa hè Dartmouth về Trí tuệ Nhân tạo (DSRPAI) do John McCarthy và Marvin Minsky tổ chức vào năm 1956. Trong hội nghị lịch sử này, McCarthy, tưởng tượng ra một nỗ lực hợp tác tuyệt vời, đã mang lại cùng các nhà nghiên cứu hàng đầu từ nhiều lĩnh vực khác nhau cho một cuộc thảo luận kết thúc mở về trí tuệ nhân tạo, thuật ngữ mà ông đặt ra tại chính sự kiện này. Đáng buồn thay, hội nghị không đạt được kỳ vọng của McCarthy; mọi người đến và đi tùy thích, và không thống nhất được các phương pháp tiêu chuẩn cho lĩnh vực này. Mặc dù vậy, tất cả mọi người đều đồng lòng rằng AI là có thể đạt được. Ngày nay, chúng ta không thể phủ nhận tầm quan trọng của sự kiện này vì nó đã xúc tác cho hai mươi năm nghiên cứu AI tiếp theo.
Từ năm 1957 đến năm 1974, AI phát triển mạnh mẽ. Máy tính có thể lưu trữ nhiều thông tin hơn và trở nên nhanh hơn, rẻ hơn và dễ tiếp cận hơn. Các thuật toán học máy cũng được cải thiện và mọi người biết nhiều hơn về việc nên áp dụng thuật toán nào cho vấn đề của họ. Những demo ban đầu như General Problem Solver của Newell và Simon; ELIZA của Joseph Weizenbaum cho thấy hứa hẹn hướng tới các mục tiêu giải quyết vấn đề và giải thích ngôn ngữ nói tương ứng. Những thành công này, cũng như sự ủng hộ của các nhà nghiên cứu hàng đầu (cụ thể là những người tham dự DSRPAI) đã thuyết phục các cơ quan chính phủ như Cơ quan Dự án Nghiên cứu Tiên tiến Quốc phòng (DARPA) tài trợ cho nghiên cứu AI tại một số cơ sở. Chính phủ Mỹ đặc biệt quan tâm đến một cỗ máy có thể phiên âm và dịch ngôn ngữ nói cũng như xử lý dữ liệu thông lượng cao. Sự lạc quan cao và kỳ vọng vào AI thậm chí còn cao hơn. Năm 1970, Marvin Minsky nói với Tạp chí Life, “từ ba đến tám năm nữa chúng ta sẽ có một cỗ máy với trí thông minh chung của một con người bình thường”. Tuy nhiên, mặc dù đã có bằng chứng cơ bản về nguyên tắc, nhưng vẫn còn một chặng đường dài phía trước để đạt được các mục tiêu cuối cùng của xử lý ngôn ngữ tự nhiên, tư duy trừu tượng và tự nhận thức.
Việc phá vỡ lớp sương mù ban đầu của AI đã làm lộ ra một núi các chướng ngại vật. Nguyên nhân lớn nhất là thiếu sức mạnh tính toán để làm bất cứ điều gì quan trọng: máy tính đơn giản là không thể lưu trữ đủ thông tin hoặc xử lý nó đủ nhanh. Ví dụ, để giao tiếp, người ta cần biết nghĩa của nhiều từ và hiểu chúng bằng nhiều cách kết hợp. Hans Moravec, một nghiên cứu sinh tiến sĩ thời điểm đó nói rằng "máy tính vẫn còn quá yếu để thể hiện trí thông minh hàng triệu lần". Khi sự kiên nhẫn giảm dần, nguồn tài trợ cũng giảm dần, nghiên cứu về AI đã bị chậm lại trong mười năm.
Vào những năm 1980, AI ở Mỹ đã được kích hoạt lại bởi hai nguồn: sự mở rộng của bộ công cụ thuật toán và tăng cường tài trợ từ các quỹ. John Hopfield và David Rumelhart đã phổ biến các kỹ thuật “học sâu” cho phép máy tính học bằng cách sử dụng kinh nghiệm. Mặt khác, Edward Feigenbaum đã giới thiệu các hệ thống chuyên gia bắt chước quy trình ra quyết định của một chuyên gia thật. Chương trình sẽ hỏi một chuyên gia trong một lĩnh vực về cách ứng phó trong một tình huống nhất định và khi điều này đã được học cho hầu hết mọi tình huống, những người không phải chuyên gia có thể nhận được lời khuyên từ chương trình đó. Hệ thống chuyên gia đã được sử dụng rộng rãi trong các ngành công nghiệp. Chính phủ Nhật Bản đã tài trợ rất nhiều cho các hệ thống chuyên gia và các nỗ lực liên quan đến AI khác như một phần của Dự án Máy tính Thế hệ thứ Năm (FGCP) của họ. Từ năm 1982-1990, họ đã đầu tư 400 triệu đô la với mục tiêu cách mạng hóa quá trình xử lý máy tính, thực hiện lập trình logic và cải thiện trí thông minh nhân tạo. Thật không may, hầu hết các mục tiêu đầy tham vọng đã không được đáp ứng. Tuy nhiên, có thể lập luận rằng những tác động gián tiếp của FGCP đã truyền cảm hứng cho một thế hệ kỹ sư và nhà khoa học trẻ tài năng. Mặc dù vậy, việc tài trợ của FGCP không còn nữa, và AI không còn được chú ý nữa.
Trớ trêu thay, trong trường hợp không có sự tài trợ của chính phủ và sự thổi phồng của công chúng, AI lại phát triển mạnh mẽ. Trong những năm 1990 và 2000, nhiều mục tiêu quan trọng của trí tuệ nhân tạo đã đạt được. Năm 1997, đương kim vô địch cờ vua thế giới kiêm đại sư Gary Kasparov đã bị đánh bại bởi Deep Blue, một chương trình máy tính chơi cờ của IBM. Trận đấu được công bố rộng rãi này là lần đầu tiên một nhà đương kim vô địch cờ vua thế giới để thua máy tính và đóng vai trò như một bước tiến lớn đối với một chương trình ra quyết định thông minh nhân tạo. Cùng năm đó, phần mềm nhận dạng giọng nói do Dragon Systems phát triển đã được triển khai trên Windows. Đây là một bước tiến lớn nữa nhưng theo hướng nỗ lực giải thích ngôn ngữ nói. Có vẻ như không có sự cố nào mà máy móc không thể xử lý. Ngay cả cảm xúc của con người cũng là một trò chơi công bằng bằng chứng là Kismet, một robot do Cynthia Breazeal phát triển có thể nhận biết và thể hiện cảm xúc.
Chúng ta đã không đạt được trình độ thông minh hơn về cách mã hóa trí tuệ nhân tạo. Vậy điều gì đã xảy ra? Hóa ra, giới hạn cơ bản của dung lượng lưu trữ máy tính đã kìm hãm chúng ta cách đây 30 năm không còn là vấn đề nữa. Định luật Moore, ước tính rằng bộ nhớ và tốc độ của máy tính tăng gấp đôi mỗi năm, cuối cùng đã bắt kịp và trong nhiều trường hợp, đã vượt qua nhu cầu của chúng ta. Đây chính là cách mà Deep Blue có thể đánh bại Gary Kasparov vào năm 1997 và cách Alpha Go của Google có thể đánh bại nhà vô địch cờ vây Trung Quốc, Ke Jie năm 2017, năm 2018 tiếp tục đánh bại kỳ thủ số 1 thế giới Lee Sedol. Nó giải thích một chút về sự thăng trầm của nghiên cứu AI; chúng ta bão hòa khả năng của AI với mức sức mạnh tính toán hiện tại (tốc độ xử lý và lưu trữ trên máy tính), và sau đó đợi Định luật Moore bắt kịp trở lại.
Hiện nay chúng ta đang sống trong thời đại của “dữ liệu lớn”, thời đại mà chúng ta có khả năng thu thập một lượng lớn thông tin quá cồng kềnh đến mức con người khó có thể xử lý. Việc ứng dụng trí tuệ nhân tạo trong lĩnh vực này đã khá hiệu quả trong một số ngành công nghiệp như công nghệ, ngân hàng, tiếp thị và giải trí. Chúng ta nhận thấy rằng ngay cả khi các thuật toán không cải thiện nhiều, dữ liệu lớn và máy tính khổng lồ chỉ cho phép trí tuệ nhân tạo học thông qua brute force. Có thể có bằng chứng cho thấy định luật Moore đang chậm lại một chút, nhưng sự gia tăng dữ liệu chắc chắn không làm mất đi bất kỳ động lực nào. Những đột phá trong khoa học máy tính, toán học hoặc khoa học thần kinh đều được coi là tiềm năng vượt qua mức trần của Định luật Moore.
Nguồn: Trang tin KHCN thuộc Harvard
