Trí tuệ nhân tạo có thể là công cụ hoàn hảo để khám phá vũ trụ

Công nghệ AI đang hứa hẹn những thay đổi chưa từng có trong công cuộc khám phá vũ trụ, biến đổi những gì chúng ta từng tin là "khám phá khoa học" thành một quy trình hoàn toàn mới.

> Giám đốc NASA lý giải vì sao khá phá vũ trị có ảnh hưởng trực tiếp tới cuộc sống con người?

> Vì sao thuyết vũ trụ mới khiến Stephen Hawking cũng phải nổi giận?

Trong nỗ lực tìm hiểu về Vũ trụ, chúng ta đang trở nên tham lam hơn bao giờ hết, ta quan sát được nhiều đến mức chẳng biết phải làm gì với chúng. Các vệ tinh gửi về hàng trăm terabyte thông tin mỗi năm và một kính thiên văn đang xây dựng tại Chile sẽ mang lại 15 terabyte hình ảnh không gian mỗi đêm. Con người không thể lướt qua ngần ấy dữ liệu được. Như nhà thiên văn học Carlo Enrico Petrillo nói với The Verge: "Nhìn hình ảnh của các thiên hà là phần lãng mạn nhất trong công việc của chúng tôi. Nhưng vấn đề là phải giữ tập trung". Đó cũng chính là lý do mà Petrillo huấn luyện một phần mềm AI để thực hiện việc nhìn hình ảnh đó hộ mình.

Petrillo và các đồng nghiệp đang tìm kiếm một chiếc kính thiên văn của không gian. Khi một vật thể khổng lồ (một thiên hà hoặc một hố đen) tiến vào giữa một nguồn ánh sáng xa và một người quan sát trên Trái Đất, nó bẻ cong không gian và ánh sáng xung quanh, tạo ra một thấu kính và cho các nhà thiên văn học được nhìn cận cảnh vào những phần vô cùng già cỗi và xa xôi của Vũ trụ, thứ vốn dĩ không thể nhìn thấy được. Nó được gọi là thấu kính hấp dẫn và chính là chìa khóa để tìm hiểu xem Vũ trụ được tạo thành từ gì. Nhưng cho tới nay, tìm kiếm những thấu kính như vậy là một công việc chậm chạp và buồn tẻ.

Đây là nơi mà trí thông minh nhân tạo nhập cuộc và việc tìm kiếm những thấu kính hấp dẫn mới chỉ là bắt đầu. Giáo sư Andrew Ng của Stanford từng nói khả năng của AI là có thể tự động hóa bất cứ thứ gì "một người bình thường có thể làm những công việc trí óc chỉ với chưa đầy một giây suy nghĩ". Chưa đầy một giây nghe có vẻ không nhiều nhặn gì với việc suy nghĩ, nhưng đối với việc phải lọc qua một lượng lớn dữ liệu được tạo ra bởi thiên văn học đương đại, thì nó là một phép màu.

Những nhà thiên văn học AI này không chỉ nghĩ đến khả năng sắp xếp dữ liệu của công nghệ này. Họ đang khai phá thứ có thể trở thành một phương thức hoàn toàn mới cho khám phá khoa học, nơi mà trí thông minh nhân tạo vẽ ra những phần chưa từng được nhìn thấy của Vũ trụ.

Nhưng trước tiên, hãy nói về thấu kính hấp dẫn. Thuyết tương đối rộng của Einstein đã dự đoán hiện tượng này hồi những năm 1930 nhưng mãi đến năm 1979 người ta mới tìm thấy ví dụ. Tại sao ư? Thì vì không gian rất, rất lớn và con người cần rất nhiều thời gian để quan sát, nhất là khi chưa có những kính thiên văn như ngày nay. Điều đó khiến cho việc tìm kiếm các thấu kính hấp dẫn đến nay vẫn là một mảng hỗn độn.

"Những thấu kính mà ta đang có hiện nay đã được tìm thấy bằng mọi cách", Liliya Williams, giáo sư vật lý thiên văn tại Đại học Minnesota nói với The Verge. "Một số được vô tình phát hiện ra bởi những người đang tìm kiếm một thứ khác. Cũng có một số người có chủ ý và tìm thấy chúng qua vài ba khảo sát. Nhưng phần còn lại thì đều được tìm thấy một cách ngẫu nhiên".

Tìm kiếm từ hình ảnh chính là loại công việc mà AI có đủ khả năng hứa hẹn kết quả tốt hơn. Vậy nên Petrillo và các đồng nghiệp ở Bonn, Naples và Groningen đã chuyển sang một công cụ AI được ưa chuộng tại Silicon Valley: một dạng chương trình máy tính được tạo thành từ các nơ-ron kỹ thuật số, mô phỏng theo não bộ và phát xung để phản hồi các dữ liệu đầu vào. Đưa cho chương trình này một lượng lớn dữ liệu và nó sẽ bắt đầu nhận diện các mẫu. Nó đặc biệt hiệu quả với việc xử lý thông tin thị giác và được dùng để tăng sức mạnh cho tất cả các dạng hệ thống máy thị giác - từ xe tự lái đến chức năng nhận diện khuôn mặt để gắn thẻ hình ảnh trên Facebook.

Như đã được mô tả trong một bài viết xuất bản hồi tháng trước, việc áp dụng công nghệ này vào việc tìm kiếm các thấu kính hấp dẫn đơn giản đến bất ngờ. Đầu tiên, các nhà khoa học tạo ra một bộ dữ liệu để huấn luyện Mạng nơ-ron, họ tạo ra 6 triệu hình ảnh giả để cho thấy thấu kính hấp dẫn trông giống và không giống thế nào. Sau đó, họ đưa cho Mạng nơ-ron tự xử lý dữ liệu, cho nó xác định các mẫu một cách chậm rãi. Sau một vài tinh chỉnh, họ có được một chương trình có thể nhận dạng được các thấu kính hấp dẫn chỉ trong một cái nháy mắt.

"Một người phân loại giỏi có thể phân loại hình ảnh với tốc độ khoảng 1000 ảnh một giờ", Petrillo nói. Với loại dữ liệu mà đội của ông đang sử dụng, ông ước tính rằng một người sẽ tìm thấy một thấu kính trong mỗi 30000 thiên hà. Như vậy một người phân loại sẽ phải làm việc không nghỉ trong một tuần mới mong tìm được 5 hoặc 6 thấu kính. So sánh với đó, Mạng nơ-ron có thể duyệt qua một cơ sở dữ liệu gồm 21789 hình ảnh chỉ trong 20 giây. Không những vậy, theo như Petrillo nói, thì tốc độ trên là kết quả của một vi xử lý máy tính cũ mèm. "Thời gian này còn có thể rút ngắn được nhiều nữa", ông nói.

Mạng nơ-ron không chính xác được như máy tính. Để tránh việc bỏ sót các thấu kính, các thông số của nó tương đối rộng rãi. Nó đưa ra 761 khả năng và con người đã kiểm tra và giảm xuống còn 56. Cần phải tiến hành những quan sát khác để xác định chúng là những phát hiện hợp lệ, nhưng Petrillo dự đoán rằng một phần ba trong số đó sẽ là đúng. Tốc độ của nó vào khoảng một thấu kính được phát hiện mỗi phút, so với vài trăm hoặc toàn bộ những gì mà cộng đồng khoa học đã tìm thấy trong vài thập kỷ qua. Đây là một cú tăng tốc phi thường và là một ví dụ hoàn hảo về cách mà AI có thể giúp đỡ thiên văn học.

Tìm kiếm những thấu kính này là rất cần thiết để hiểu được một trong những bí ẩn lớn nhất của thiên văn học: thật sự thì Vũ trụ được tạo ra từ gì? Những vật chất mà chúng ta đã quen thuộc (hành tinh, ngôi sao, tiểu hành tinh, ...) được cho là chỉ chiếm 5% trong số các vật thể vật lý, trong khi những thứ khác, những dạng kỳ lạ của vật chất, chiếm 95% còn lại. Nó bao gồm cả một chất giả định được gọi là vật chất tối, thứ vốn chưa từng được quan sát trực tiếp. Thay vào đó, chúng ta nghiên cứu những ảnh hưởng về hấp dẫn của nó đối với phần còn lại của Vũ trụ bằng cách sử dụng thấu kính hấp dẫn như là một trong những công cụ chính.

Vậy AI còn có thể làm gì khác? Các nhà nghiên cứu đang làm việc với một vài công cụ mới. Một số giống như AI của Petrillo, nhận lấy công việc xác định: ví dụ như phân loại các thiên hà. Một số khác hỗ trợ sàng lọc các luồng dữ liệu để tìm ra những tín hiệu đáng lưu tâm, ví dụ như một Mạng nơ-ron từ kính viễn vọng vô tuyến loại bỏ đi sự can thiệp của con người để giúp các nhà khoa học tập trung hơn vào các tín hiệu thú vị đầy tiềm năng. Nhiều hơn trong số chúng được dùng để xác định các sao xung, định vị các ngoại hành tinh bất thường hoặc làm rõ nét các hình ảnh có độ phân giải thấp từ kính viễn vọng. Nói ngắn gọn, tiềm năng ứng dụng của chúng rất phong phú.

Sự bùng nổ này một phần là do sự phát triển về phần cứng đã cho phép mở rộng lĩnh vực của AI, ví dụ như sự phong phú của các sức mạnh tính toán giá rẻ. Nhưng nó cũng nhờ vào sự biến đổi về bản chất của thiên văn học. Các nhà thiên văn không còn dành những đêm cầu nguyện cô đơn vào những đêm trời không mây, theo dõi chuyển động của từng hành tinh riêng biệt; thay vào đó, họ sử dụng các máy móc tinh xảo, gom góp những vùng trời và thu vào những dữ liệu không tưởng đối với những nhà khoa học trước đây. Những kính thiên văn tốt hơn và việc lưu trữ dữ liệu tốt hơn có nghĩa là có nhiều điều để phân tích hơn bao giờ hết, Williams nói.

Phân tích những vùng dữ liệu mới chính là điều mà AI làm tốt nhất. Chúng ta có thể dạy nó cách nhận diện các mẫu và thiết lập để nó làm việc như một trợ lý không biết mệt mỏi: không bao giờ nháy mắt và luôn luôn nhất quán.

Liệu các nhà thiên văn có lo lắng về việc đặt niềm tin vào một cỗ máy không có sự minh mẫn cần thiết của con người trong công cuộc tìm kiếm những điều thú vị? Petrillo nói rằng ông hoàn toàn không có hoài nghi gì về công nghệ này. "Nhìn chung, con người có nhiều định kiến, kém hiệu quả và thường mắc lỗi hơn là máy móc", Petrillo cũng nói: "Máy tính có thể bỏ qua một số thứ nhất định nhưng chúng sẽ bỏ qua nó một cách hệ thống". Miễn là chúng ta biết được điều mà chúng không biết, thì ta vẫn có thể triển khai hệ thống tự động mà không có quá nhiều rủi ro.

Đối với một số nhà thiên văn, tiềm năng của AI không chỉ nằm ở việc phân loại dữ liệu. Họ tin rằng trí thông minh nhân tạo có thể được dùng để tạo ra thông tin, lấp đầy những điểm mù trong việc quan sát Vũ trụ.

Nhà thiên văn học Kevin Schawinski và nhóm của ông, vốn chuyên về thiên văn học thiên hà và hố đen, sử dụng AI để làm sắc nét độ phân giải của các hình ảnh bị nhòe từ kính thiên văn. Để làm được điều này, họ triển khai một dạng Mạng nơ-ron có khả năng nổi trội về việc tạo ra các biến thể của dữ liệu mà nó được học, như một kẻ làm giả đã được đào tạo kỹ và có thể bắt chước phong cách của một họa sĩ nổi tiếng. Các mạng này được gọi là GAN (Generative Adversarial Network), nó đã từng được dùng để tạo ra những gương mặt giả dựa trên hình ảnh của những người nổi tiếng; tạo các mẩu âm thanh đối thoại bắt chước theo giọng nói của mỗi người; và nhiều dạng dữ liệu khác. Đây là một trong những mảng dồi dào nhất của nghiên cứu AI đương đại. Và với Schawinski, nó có nghĩa là đạt được những thông tin chưa từng có.

Một bài báo được xuất bản bởi Schawinski và nhóm của ông hồi đầu năm nay đã cho thấy cách thức sử dụng GAN để làm tăng chất lượng hình ảnh từ không gian. Họ làm giảm chất lượng của nhiều tấm ảnh chụp thiên hà, tăng độ nhiễu và làm mờ, rồi sử dụng một GAN đã được huấn luyện với hình ảnh từ kính thiên văn để tăng độ phân giải, rồi so sánh với hình ảnh gốc. Kết quả đạt được chính xác một cách kinh ngạc: đủ tốt để thuyết phục Schawinski rằng AI có tiềm năng để cải thiện tất cả các dạng dữ liệu về thiên văn học. Ông nói rằng ông và nhóm của mình có "rất nhiều kết quả hay ho đang được lên kế hoạch" nhưng họ vẫn chưa thể tiết lộ điều gì trước khi chúng được xuất bản.

Schawinski khá thận trọng về dự án. Vì rốt cuộc, nó nghe như có vẻ đi ngược lại nguyên tắc cơ bản của khoa học: bạn chỉ có thể học được về Vũ trụ khi bạn quan sát chúng trực tiếp. "Nó là một công cụ nguy hiểm vì chính lý do này", ông nói, và một công cụ như vậy chỉ có thể sử dụng khi công cụ này đã được huấn luyện nhiều với dữ liệu chính xác, và kết quả đưa ra phải được kiểm tra kĩ càng. Vậy nên, bạn có thể huấn luyện một GAN để tạo ra dữ liệu về các hố đen, sau đó để nó tự hoạt động với một vùng trời chưa từng được quan sát chi tiết trước đó. Sau đó, nếu nó kết luận rằng có một hố đen ở vùng trời này, các nhà thiên văn có thể xác nhận kết quả này ngay từ đầu. Schawinski nói rằng, cũng như với tất cả các công cụ khoa học, thì vẫn cần phải kiểm tra thật chính xác và kiên nhẫn để đảm bảo rằng các kết quả bạn nhận được không "dẫn bạn đi lạc đường".

Nếu những phương pháp này chứng minh được sự thành công, chúng có thể trở thành những phương pháp khám phá hoàn toàn mới, có thể được đặt ngang hàng với các mô phỏng máy tính cổ điển và phương thức quan sát tốt và cổ xưa. Đây chỉ mới là những bước đầu tiên, nhưng những gì có thể đạt được sẽ rất lớn. "Nếu bạn có công cụ này", Schawinski nói, "bạn có thể truy cập vào tất cả các dữ liệu đang được lưu trữ, và có thể sẽ cải thiện chúng thêm một chút, thu được thêm nhiều thông tin khoa học giá trị". Những giá trị mà trước đây chưa từng có. AI có thể thực hiện một dạng "Giả kim thuật" đối với khoa học, giúp chúng ta biến những kiến thức cũ thành mới. Và chúng ta sẽ có thể khám phá vũ trụ theo cách chúng ta chưa từng làm, mà không cần phải rời khỏi Trái đất.

Trung Nguyễn