Sẽ đến lúc AI tự học mà không cần có sự giám sát của con người
Để thiết kế nên chế độ tự học sâu này, các nhà nghiên cứu đã dựa trên trí tuệ con người và cả động vật.
Ngày nay thì ai ai cũng nói nhiều về trí thông minh nhân tạo (AI) vì chúng ngày càng tinh vi và phổ biến. Tuy nhiên, dù sao đi nữa thì chúng cũng vẫn là những cỗ máy, về căn bản không thể sánh được với con người, nên thỉnh thoảng chúng vẫn mắc lỗi là chuyện bình thường. Vì vậy, việc hoàn thiện cho AI luôn là vấn đề cấp thiết trong giới khoa học.
Mới đây, vào cuối tháng 6.2018, tại Đại hội Khoa học RFIAP (Reconnaissance de Formes, Image, Apprentissage et Perception - Nhận dạng, Hình ảnh, Học tập và Nhận thức) được kết hợp tổ chức cùng hai cuộc hội thảo khác tại Marne-la-Vallée gần Paris, Yann LeCun, giám đốc nghiên cứu AI của Facebook, đã tiết lộ với báo giới về kế hoạch tương lai cho AI.
Yann LeCun - giám đốc nghiên cứu AI của Facebook.
Yann LeCun là một trong những người tiên phong nghiên cứu về Deep Learning (học kỹ, học sâu) từ những năm 1980. Ông cho biết, để phát triển AI đạt đến kỹ thuật hoàn thiện, chúng ta cần phải đáp ứng với một thách thức mới, đó là kỹ thuật tự học mà không cần phải có sự giám sát.
Theo ông, Deep Learning là một kỹ thuật mà 15 năm trước đây không được mọi người tin tưởng, thậm chí nhiều tạp chí cũng từ chối xuất bản các tác phẩm về đề tài này. Trong một thời gian dài, Yann LeCun đã phải rất khó khăn để thuyết phục mọi người tin vào Deep Learning. Và có thể nói, kỹ thuật này không khác gì một "giảng đường" trọn vẹn đã được đóng gói sẵn.
Ngoài ra, do đã đạt được các điều kiện thuận tiện thích hợp, chỉ vài năm nữa thôi, Deep Learning sẽ tạo nên những bước tiến phi thường. Lấy ví dụ, tỷ lệ lỗi của thuật toán nhận dạng hình ảnh trên cơ sở dữ liệu ImageNet đã giảm từ khoảng 28 % năm 2010 xuống dưới 3 % trong năm 2016.
Việc Facebook đã nhân bản được các lớp thần kinh nhân tạo chính là một kỳ tích, và cũng chính thành quả này đã tạo nên bước tiến Deep Learning. Yann LeCun cũng cho biết, đối với Facebook, việc thiết đặt 100 lớp thần kinh nhân tạo chỉ là điều bình thường. Chính vì thế mới có thể đáp ứng được việc mỗi ngày có đến 2 tỷ bức ảnh được người dùng đưa lên mạng, mỗi bức ảnh được đi qua 10 mạng thần kinh nhân tạo và hiển thị lên mạng trong thời gian chưa tới 3 giây.
Nhờ vậy, chúng ta có thể nhận ra bạn bè của mình trong ảnh hoặc cung cấp nội dung được cá nhân hóa lên mạng, khuynh hướng này còn hơn cả một mạng xã hội. Ông cho biết thêm: "Chẳng bao lâu nữa chúng ta sẽ thấy một mạch điện tử dành riêng cho Deep Learning trên mỗi thiết bị, từ điện thoại di động, đến máy ảnh và các thiết bị kết nối khác", mạch điện tử này sẽ tự tính toán trong thời gian thực mà không cần phải đi qua các đám mây.
Tuy nhiên, cho dẫu đã đạt đến một số thành công thì AI vẫn phải tái phát minh chính mình để khắc phục những điểm yếu nhất định. Cũng giống vấn đề của các chiếc xe tự lái đang được quan tâm vì chúng vẫn gây ra tai nạn và đưa đến tử vong. Đừng quên rằng trong cuộc sống thực, bất kỳ sai lầm nào cũng có thể gây ra tai nạn.
Để việc tự học không cần có sự giám sát được hiệu quả, chúng ta phải kết hợp việc học tập với lý luận sâu sắc.
Một AI được khen ngợi khi nhận dạng đúng thì không thể bằng khi tự nó nhận dạng được những gì trong môi trường xung quanh, giống như kiểu mà AlphaGo được huấn luyện để tiếp cận tốt trò chơi.
Để thiết kế nên chế độ tự học sâu này, các nhà nghiên cứu đã dựa trên trí tuệ con người và động vật. Cụ thể như con người, khi đưa ra hàng ngàn hình ảnh về động vật có vú, liền biết ngay đâu là con chó hay đâu là con mèo, là nhờ vào việc tự học mà không có sự giám sát. Bên cạnh đó còn là sự mô phỏng thế giới con người để trang bị cho các máy móc mô hình của thế giới, chỉ có điều là cần một khoảng thời gian dài hơn.
Nếu một con người học lái xe trong vòng 20 tiếng đồng hồ, thì một AI phải cần đến nhiều ngàn tiếng đồng hồ. Để việc tự học không cần có sự giám sát được hiệu quả, chúng ta phải kết hợp việc học tập với lý luận sâu sắc. Đây hiện cũng chính là chủ đề nghiên cứu của cả Facebook và DeepMind của Google.