Loạt bài được chuyển ngữ từ bài viết trên The Edge của tác giả Kai-fu Lee, sáng lập viên công ty đầu tư công nghệ Sinovation Ventures được Forbes xếp hạng số 1 Trung Quốc. Lee từng trải qua các vị trí nghiên cứu tại Apple, phụ trách điều hành tại Microsoft, Google Trung Quốc. Lee cũng chính là nhà khoa học máy tính đã sáng tạo ra hệ thống nhận dạng giọng nói đầu tiên trên thế giới. Hệ thống của Lee hiện đang được ứng dụng trong Siri của Apple, các sản phẩm của Microsoft và nhiều công ty khác.
PHẦN 1: LÀN SÓNG TRÍ TUỆ NHÂN TẠO ĐẦU TIÊN VÀ THỨ HAI
Làn sóng trí tuệ nhân tạo đầu tiên
Giống như những người khác, những câu hỏi mà tôi luôn luôn tự vấn mình là tôi là ai và vì sao tôi tồn tại? Là con người, chúng ta là ai, vì sao chúng ta tồn tại? Khi còn học đại học, tôi có một cách nhìn ngây thơ hơn rất nhiều. Tôi rất say mê máy tính, trí tuệ nhân tạo, và tôi nghĩ số mệnh của mình đã được định sẵn để làm việc với các giải thuật máy tính, và cùng với các đồng nghiệp của mình, tưởng tượng ra cách mà bộ não làm việc, cách mà máy tính có thể thông minh như bộ não, thậm chí có thể thay thế bộ não, và đó là cái được gọi là trí tuệ nhân tạo.
Đó là cách nhìn đơn giản của tôi lúc đó. Tôi theo đuổi nó trong thời đại học, trong những năm học thạc sĩ. Tôi đến Carnegie Meelon và nhận bằng tiến sĩ về nhận dạng giọng nói, rồi gia nhập Apple, SGI, rồi Microsoft và Google. Trong các công ty đó, tôi tiếp tục làm về trí tuệ nhân tạo. Tôi nghĩ rằng việc theo đuổi cách thức làm việc của trí thông minh và sự sáng tỏ của chúng ta về trí tuệ nhân tạo sẽ quay lại nói với chúng ta: “À, đó là cách mà bộ não làm việc”. Chúng ta mô phỏng nó, và đó là định nghĩa về trí thông minh. Đó phải là những gì quan trọng nhất trong cuộc đời chúng ta: chỉ số thông minh, khả năng suy nghĩ, phân tích, dự báo, thấu hiểu của chúng ta – tất cả những thứ đó có thể được phát triển bằng cách mô phỏng trên máy tính.
Tôi đã có may mắn gặp gỡ Marvin Minsky, Allen Newell, Herb Simon (ba nhà khoa học được cho là những người đi tiên phong trong lĩnh vực trí tuệ nhân tạo), và cố vấn của tôi Raj Reddy (Dabbala Rajagopal “Raj” Reddy, nhà khoa học máy tính người Mỹ gốc Ấn, cũng là một người tiên phong về AI). Tất cả những người này đều để lại ảnh hưởng sâu sắc lên cách tôi suy nghĩ. Thật hòa hợp khi họ cũng đang theo đuổi hiểu biết về trí thông minh. Quan điểm vào thời đó là chúng ta sẽ thực thi trí thông minh con người như những quy tắc có cách thức hành động kiểu con người nếu chúng ta đưa ra được tiến trình thực hiện suy nghĩ của mình dưới các bước cụ thể.
Ví dụ, nếu tôi đói thì tôi muốn đi ra ngoài và ăn. Tôi đã lỡ xài nhiều tiền trong tháng này, tôi sẽ đến một địa điểm rẻ hơn. Địa điểm rẻ hơn được ngầm hiểu là McDonald’s. Tại McDonald’s, tôi tránh các đồ chiên rán, vì vậy tôi chỉ được một cái hamburger. Những cái “nếu, thì, khác” (if, then, else) đó là cách mà chúng ta tư duy (theo như chúng ta nghĩ), và đó là cách xử lý của thế hệ các hệ thống chuyên gia hay AI biểu tượng đầu tiên. Tôi nhận ra rằng nó rất hạn chế, bởi vì khi chúng ta viết ra các quy tắc thì sẽ có quá nhiều quy tắc.
Ở MCC (liên hiệp công ty máy tính vi điện tử), có một giáo sư tên là Doug Lenat, một trong những người thông minh nhất mà tôi biết. Ông ấy đã thuê hàng trăm người viết ra tất cả những quy tắc mà chúng ta có thể nghĩ tới, với suy nghĩ rằng đến một ngày chúng ta sẽ hoàn thành việc đó, và đó sẽ là bộ não. Nghiên cứu của ông được tài trợ bởi Apple và Microsoft. Tôi còn nhớ lúc mình ghé thăm ông, ông chỉ cho tôi tất cả những loại hoa đa dạng đó, chia sẻ hiểu biết của ông về từng loại hoa là gì, mỗi bông hoa có bao nhiêu cánh và có những màu nào. Hóa ra là kiến thức trên thế giới có quá nhiều để chúng ta có thể nhập vào hết, và các tương tác của chúng cũng quá phức tạp. Cơ chế đó, các hệ thống dựa trên quy tắc, chúng tôi không biết cách làm thế nào để xây dựng nó.
Đó là làn sóng đầu tiên. Mọi người bắt đầu hứng thú, nghĩ rằng chúng ta có thể viết ra các quy tắc, nhưng đó hoàn toàn là một thất bại. Kết quả của thất bại đó là, theo một cách nào đó, chỉ có một số ứng dụng hữu ích. Điều đó khiến mọi người tin rằng AI đã thất bại và không đáng theo đuổi.
Làn sóng trí tuệ nhân tạo thứ hai
Tôi lại may mắn đi cùng làn sóng thứ hai, trùng hợp với công việc nghiên cứu tiến sĩ của tôi ở Carnegie Mellon. Trong công việc đó, tôi tự hỏi liệu chúng ta có thể dùng một số loại thống kê hay học máy hay không. Chuyện gì sẽ xảy ra nếu chúng ta thu thập các mẫu trong vạn vật và đào tạo các hệ thống? Có thể là các mẫu giọng nói để đào tạo các âm thanh khác nhau trong tiếng Anh, các mẫu chó và mèo để đào tạo nhận dạng động vật v.v… Chúng đã đem lại nhiều kết quả tốt vào lúc đó. Loại công nghệ mà tôi phát triển và sử dụng trong luận văn tiến sĩ của mình được gọi là “Các mô hình Markov ẩn”, là ví dụ đầu tiên cho một hệ thống loa nhận dạng giọng nói độc lập. Hệ thống này đã và vẫn đang được sử dụng trong nhiều sản phẩm, ví dụ như Siri, hệ thống nhận dạng giọng nói của Microsoft và các công nghệ khác dùng trong giọng nói máy tính và tầm nhìn máy tính. Tôi đã thực hiện công việc đó ở Carnegie Mellon những năm 1980, hoàn thành luận văn năm 1988, và tiếp tục làm việc ở Apple từ 1990-1996, rồi Microsoft Research khoảng năm 2000.
Chúng tôi đã từng lạc quan rằng, việc tính toán cho công việc này có hiệu quả vì nhìn thấy các kết quả đang được cải thiện. Nhưng sau một thập kỷ làm việc, chúng tôi thấy các cải tiến quan trọng đã đạt tới giới hạn. Chúng không thể đi lên hơn nữa, vì vậy chúng tôi sợ hãi. Một lần nữa, nhiều người nói rằng, “Bạn có thể nhận ra 1000 từ, 100 vật thể, nhưng không thể mở rộng hơn. Con người có thể hiểu được vốn từ vô hạn, kể cả các từ mới hình thành. Điều đó không thông minh. Đó không phải là AI”. Sự sụp đổ trí tuệ nhân tạo thứ hai xảy ra, bởi vì nó không chứng minh được rằng máy móc cũng có thể làm được những gì con người có thể làm.
Linh Trần (Theo Edge)
(còn tiếp)
PHẦN 1: LÀN SÓNG TRÍ TUỆ NHÂN TẠO ĐẦU TIÊN VÀ THỨ HAI
Làn sóng trí tuệ nhân tạo đầu tiên
Giống như những người khác, những câu hỏi mà tôi luôn luôn tự vấn mình là tôi là ai và vì sao tôi tồn tại? Là con người, chúng ta là ai, vì sao chúng ta tồn tại? Khi còn học đại học, tôi có một cách nhìn ngây thơ hơn rất nhiều. Tôi rất say mê máy tính, trí tuệ nhân tạo, và tôi nghĩ số mệnh của mình đã được định sẵn để làm việc với các giải thuật máy tính, và cùng với các đồng nghiệp của mình, tưởng tượng ra cách mà bộ não làm việc, cách mà máy tính có thể thông minh như bộ não, thậm chí có thể thay thế bộ não, và đó là cái được gọi là trí tuệ nhân tạo.
Đó là cách nhìn đơn giản của tôi lúc đó. Tôi theo đuổi nó trong thời đại học, trong những năm học thạc sĩ. Tôi đến Carnegie Meelon và nhận bằng tiến sĩ về nhận dạng giọng nói, rồi gia nhập Apple, SGI, rồi Microsoft và Google. Trong các công ty đó, tôi tiếp tục làm về trí tuệ nhân tạo. Tôi nghĩ rằng việc theo đuổi cách thức làm việc của trí thông minh và sự sáng tỏ của chúng ta về trí tuệ nhân tạo sẽ quay lại nói với chúng ta: “À, đó là cách mà bộ não làm việc”. Chúng ta mô phỏng nó, và đó là định nghĩa về trí thông minh. Đó phải là những gì quan trọng nhất trong cuộc đời chúng ta: chỉ số thông minh, khả năng suy nghĩ, phân tích, dự báo, thấu hiểu của chúng ta – tất cả những thứ đó có thể được phát triển bằng cách mô phỏng trên máy tính.
Tôi đã có may mắn gặp gỡ Marvin Minsky, Allen Newell, Herb Simon (ba nhà khoa học được cho là những người đi tiên phong trong lĩnh vực trí tuệ nhân tạo), và cố vấn của tôi Raj Reddy (Dabbala Rajagopal “Raj” Reddy, nhà khoa học máy tính người Mỹ gốc Ấn, cũng là một người tiên phong về AI). Tất cả những người này đều để lại ảnh hưởng sâu sắc lên cách tôi suy nghĩ. Thật hòa hợp khi họ cũng đang theo đuổi hiểu biết về trí thông minh. Quan điểm vào thời đó là chúng ta sẽ thực thi trí thông minh con người như những quy tắc có cách thức hành động kiểu con người nếu chúng ta đưa ra được tiến trình thực hiện suy nghĩ của mình dưới các bước cụ thể.
Ví dụ, nếu tôi đói thì tôi muốn đi ra ngoài và ăn. Tôi đã lỡ xài nhiều tiền trong tháng này, tôi sẽ đến một địa điểm rẻ hơn. Địa điểm rẻ hơn được ngầm hiểu là McDonald’s. Tại McDonald’s, tôi tránh các đồ chiên rán, vì vậy tôi chỉ được một cái hamburger. Những cái “nếu, thì, khác” (if, then, else) đó là cách mà chúng ta tư duy (theo như chúng ta nghĩ), và đó là cách xử lý của thế hệ các hệ thống chuyên gia hay AI biểu tượng đầu tiên. Tôi nhận ra rằng nó rất hạn chế, bởi vì khi chúng ta viết ra các quy tắc thì sẽ có quá nhiều quy tắc.
Ở MCC (liên hiệp công ty máy tính vi điện tử), có một giáo sư tên là Doug Lenat, một trong những người thông minh nhất mà tôi biết. Ông ấy đã thuê hàng trăm người viết ra tất cả những quy tắc mà chúng ta có thể nghĩ tới, với suy nghĩ rằng đến một ngày chúng ta sẽ hoàn thành việc đó, và đó sẽ là bộ não. Nghiên cứu của ông được tài trợ bởi Apple và Microsoft. Tôi còn nhớ lúc mình ghé thăm ông, ông chỉ cho tôi tất cả những loại hoa đa dạng đó, chia sẻ hiểu biết của ông về từng loại hoa là gì, mỗi bông hoa có bao nhiêu cánh và có những màu nào. Hóa ra là kiến thức trên thế giới có quá nhiều để chúng ta có thể nhập vào hết, và các tương tác của chúng cũng quá phức tạp. Cơ chế đó, các hệ thống dựa trên quy tắc, chúng tôi không biết cách làm thế nào để xây dựng nó.
Đó là làn sóng đầu tiên. Mọi người bắt đầu hứng thú, nghĩ rằng chúng ta có thể viết ra các quy tắc, nhưng đó hoàn toàn là một thất bại. Kết quả của thất bại đó là, theo một cách nào đó, chỉ có một số ứng dụng hữu ích. Điều đó khiến mọi người tin rằng AI đã thất bại và không đáng theo đuổi.
Làn sóng trí tuệ nhân tạo thứ hai
Tôi lại may mắn đi cùng làn sóng thứ hai, trùng hợp với công việc nghiên cứu tiến sĩ của tôi ở Carnegie Mellon. Trong công việc đó, tôi tự hỏi liệu chúng ta có thể dùng một số loại thống kê hay học máy hay không. Chuyện gì sẽ xảy ra nếu chúng ta thu thập các mẫu trong vạn vật và đào tạo các hệ thống? Có thể là các mẫu giọng nói để đào tạo các âm thanh khác nhau trong tiếng Anh, các mẫu chó và mèo để đào tạo nhận dạng động vật v.v… Chúng đã đem lại nhiều kết quả tốt vào lúc đó. Loại công nghệ mà tôi phát triển và sử dụng trong luận văn tiến sĩ của mình được gọi là “Các mô hình Markov ẩn”, là ví dụ đầu tiên cho một hệ thống loa nhận dạng giọng nói độc lập. Hệ thống này đã và vẫn đang được sử dụng trong nhiều sản phẩm, ví dụ như Siri, hệ thống nhận dạng giọng nói của Microsoft và các công nghệ khác dùng trong giọng nói máy tính và tầm nhìn máy tính. Tôi đã thực hiện công việc đó ở Carnegie Mellon những năm 1980, hoàn thành luận văn năm 1988, và tiếp tục làm việc ở Apple từ 1990-1996, rồi Microsoft Research khoảng năm 2000.
Chúng tôi đã từng lạc quan rằng, việc tính toán cho công việc này có hiệu quả vì nhìn thấy các kết quả đang được cải thiện. Nhưng sau một thập kỷ làm việc, chúng tôi thấy các cải tiến quan trọng đã đạt tới giới hạn. Chúng không thể đi lên hơn nữa, vì vậy chúng tôi sợ hãi. Một lần nữa, nhiều người nói rằng, “Bạn có thể nhận ra 1000 từ, 100 vật thể, nhưng không thể mở rộng hơn. Con người có thể hiểu được vốn từ vô hạn, kể cả các từ mới hình thành. Điều đó không thông minh. Đó không phải là AI”. Sự sụp đổ trí tuệ nhân tạo thứ hai xảy ra, bởi vì nó không chứng minh được rằng máy móc cũng có thể làm được những gì con người có thể làm.
Linh Trần (Theo Edge)
(còn tiếp)