• Chủ Nhật, 16/11/2014 05:07 (GMT+7)

    Máy móc có biết suy nghĩ?

    Bùi Lê Duy
    (PCWorldVN) Câu hỏi do chính Ada Lovelace, nữ bá tước và là nhà lập trình viên đầu tiên thế giới, người đặt nền móng cho kỷ nguyên số đặt ra. Và bà trả lời là không.

    Một trong những phòng nghiên cứu quan trọng của IBM đặt tại Yorktown Heights, New York từ lâu đã được IBM tập trung phát triển trí tuệ nhân tạo (AI) cho máy tính. Đây là cái nôi của chiếc máy lừng danh Watson, cỗ máy chinh phục được chương trình truyền hình Jeopardy! hồi năm 2011. Chiếc Watson gốc vẫn còn nằm tại đây, có kích thước bằng khoảng cái giường đôi, có 10 chiếc máy khác giống tủ lạnh đứng, xếp thành 4 bức tường. Có một hốc nhỏ bên trong để kỹ thuật viên có thể luồn dây cáp ra phía sau hệ thống.

    Còn chiếc Watson hiện tại thì hoàn toàn khác. Nó không chỉ là một bức tường với những kệ tủ máy này chồng máy kia nữa nhưng nó là một dải gồm các máy chủ chuẩn mở, tạo thành một đám mây, có thể chạy cùng lúc đến vài trăm tác vụ về AI. Giống như nhiều nền tảng điện toán đám mây khác, Watson cùng lúc phục vụ cho nhiều khách hàng trên khắp thế giới, có thể truy cập Watson bằng điện thoại, máy tính bàn hay từ chính hệ thống máy chủ của khách hàng. Loại AI này có thể tùy chỉnh quy mô (mở rộng hay thu nhỏ kiến trúc) tùy nhu cầu.

     

    Watson trong chương trình gameshow Jeopardy!

    Khách hàng có thể trực tiếp sử dụng nền tảng AI vận hành 24/7 này nhưng cũng có thể sử dụng gián tiếp qua các ứng dụng bên thứ 3 truy cập đến đám mây AI. Như nhiều phát minh sáng giá khác, IBM muốn hướng Watson đến y khoa hơn, nên một trong những ứng dụng mà họ đang phát triển là một công cụ chẩn đoán y học. Hầu hết công trình chẩn đoán bệnh trước đây do AI thực hiện đều bất thành, nhưng Watson thực sự có thể làm được việc này. Người bệnh chỉ cần liệt kê các triệu chứng của bệnh, Watson sẽ liệt kê các bệnh mà bệnh nhân có thể mắc phải, sắp xếp theo mức độ phổ biến của bệnh. Câu trả lời này chưa đến trực tiếp được với bệnh nhân. IBM cung cấp tài nguyên này cho các đối tác, giúp họ phát triển những giao diện thân thiện hơn cho bác sỹ và bệnh viện.

    Y dược, thuốc cũng vậy, mới ở giai đoạn ban sơ. Tất cả công ty làm dịch vụ điện toán đám mây lớn và nhiều doanh nghiệp khởi nghiệp khác trong ngành này đều lao nhanh vào dịch vụ nhận diện giống như Watson. Theo công ty phân tích định lượng Quid, AI thu hút hơn 17 tỷ USD đầu tư từ năm 2009. Chỉ tính riêng năm ngoái, có hơn 322 công ty, đầu tư hơn 2 tỷ USD cho các công nghệ tương tự như AI.

    Facebook và Google vừa tuyển thêm nhà nghiên cứu tham gia vào đội ngũ nghiên cứu AI của họ. Yahoo, Intel, Dropbox, LinkedIn, Pinterest và Twitter đều mua lại những công ty làm về AI hồi năm ngoái. Những đầu tư tư nhân trong mảng AI cũng tăng 62% mỗi năm trong vòng 4 năm qua, và tỷ lệ này dự kiến còn tăng cao trong vài năm tới.

    Trong xu thế này, một bức tranh về tương lai AI đang dần thành hình. AI trong tương lai giống như dịch vụ Amazon Web Services: rẻ, đáng tin cậy, chuẩn công nghiệp, chạy được mọi thứ và luôn luôn ẩn mình. AI có thể biến đổi được cả Internet, nền kinh tế toàn cầu và văn minh nhân loại. Nó sẽ chấn hưng được những đối tượng chậm chạp như mạng lưới điện có tuổi đời cả thế kỷ. Thực chất, kế hoạch kinh doanh của 10.000 công ty khởi nghiệp tiếp theo rất dễ đoán: lấy X và thêm AI vào. Đó là mô hình kinh doanh hấp dẫn, và bây giờ nó đã xuất hiện.

    Khoảng năm 2002, trước khi Google lên sàn chứng khoán, họ chỉ tập trung vào engine tìm kiếm. Lúc ấy cũng có nhiều công ty mở dịch vụ tìm kiếm khác, miễn phí và nhiều người không thấy được tiềm năng phát triển nào của Google vì chúng ta mù mờ; tưởng tượng và dự đoán điều gì sắp tới là rất khó, nhất là khi thời điểm đó, Google đưa ra chính sách quảng cáo để kiếm tiền, rất lâu sau đó YouTube mới ra đời và Google mua lại nhiều công ty khác. Nhiều người lúc ấy nghĩ rằng Google sẽ không trụ được lâu. Nhưng Larry Page, đồng sáng lập Google và đến năm 2011 làm CEO, lúc ấy đã nói một câu rằng: "Ồ, chúng tôi đang làm AI."

    Vài năm sau thời điểm đó, Google mua lại 14 công ty AI và công ty robot. Lúc đầu, bạn có thể nghĩ Google muốn tăng cường mảng AI của họ để cải thiện khả năng tìm kiếm, vì tìm kiếm chiếm đến 80% doanh thu họ đạt được. Nhưng có vẻ không phải vậy. Thay vì sử dụng AI để làm cho kết quả tìm kiếm tốt hơn, Google lại sử dụng tìm kiếm để làm cho AI tốt hơn. Nếu bạn gõ vào ô tìm kiếm từ "phở" rồi nhấn vào tấm ảnh kết quả, đó là bạn đang dạy cho AI biết thế nào là phở. Mỗi một tìm kiếm trong 12,1 tỷ tìm kiếm mỗi ngày, đó là cách người dùng đang dạy cho AI nhiều lần, nhiều thứ. Thêm 10 năm nữa cải thiện các thuật toán AI, cộng với dữ liệu thêm vào hàng ngàn lần và năng lực tính toán gấp hàng trăm lần, Google sẽ có được một nền tảng AI "vô đối". Dự đoán: năm 2024, sản phẩm chính của Google không phải là tìm kiếm, mà là AI.

    Đây là điểm mà chúng ta hoàn toàn có thể nghi ngờ. Gần ngót ngét 60 năm, các nhà nghiên cứu AI dự đoán AI đang hiện diện đâu đó vào lúc này, nhưng cách nay vài năm, có vẻ AI còn nằm đâu đó ở tương lai. Thậm chí có một từ mà cộng đồng công nghệ sử dụng để mô tả thời kỳ của những thành tựu nhỏ giọt mà lĩnh vực AI đạt được đến nay là: mùa đông AI. Có điều gì thực sự thay đổi chưa?

    Có. Ba đột phá gần đây của AI mà chúng ta chờ đợi rất lâu rồi:

    1. Điện toán song song giá rẻ

    Suy nghĩ vốn là một quy trình song song, hàng tỷ tế bào thần kinh đồng thời tạo ra những sóng tính toán đồng bộ. Để tạo được một mạng lưới thần kinh nhân tạo như vậy, kiến trúc sơ khởi của phần mềm AI (cũng đòi hỏi nhiều quy trình khác nhau diễn ra đồng thời. Mỗi một node mạng trong hệ thống bắt chước ở mức cơ bản một neuron trong não bộ) là tương tác với những hệ thống kề cận để xử lý những tín hiệu nhận được. Để nhận diện một từ thốt ra từ miệng, một chương trình phải nghe được mọi âm vị tương quan với một từ khác; để nhận diện một hình ảnh, phần mềm cần thấy được mọi điểm ảnh trong ngữ cảnh là những điểm ảnh gần với điểm ảnh ấy. Đó là hai tác vụ lớn, song song nhau. Nhưng mãi cho đến gần đây, bộ xử lý máy tính cơ bản chỉ mới làm 1 tác vụ 1 lúc mà thôi.

    Sự việc bắt đầu thay đổi cách nay 1 thập kỷ, khi mà loại chip mới xuất hiện là GPU, bộ xử lý đồ hoạ, chuyên xử lý các tác vụ liên quan đến hình ảnh cho game, đồng thời có khả năng tính toán song song, nghĩa là hàng triệu điểm ảnh có thể được tính toán lại nhiều lần trong 1 giây. Do vậy khả năng tính toán song song của GPU được bổ sung vào bo mạch chủ máy tính về sau này. Chip xử lý đồ hoạ phát triển, kéo theo ngành công nghiệp game phát triển. Năm 2005, GPU phổ biến hơn, nhiều hơn và rẻ hơn. Năm 2009, Andrew Ng và đội ngũ AI của ông tại đại học Standford, nhận ra chip GPU có thể dùng cho mạng thần kinh để xử lý tính toán song song.

    Khám phá này đã khai mở những khả năng mới về mạng thần kinh, có thể gộp lại hàng trăm triệu kết nối giữa các node. Bộ xử lý truyền thống phải mất vài tuần để tính toán ra được tổ hợp liên kết trong một mạng thần kinh với 100 triệu tham số. Andrew phát hiện một cụm GPU có thể hoàn thành tác vụ này chỉ trong 1 ngày. Các mạng thần kinh ngày nay chạy trên GPU đang những công ty có nền tảng đám mây như Facebook liên tục sử dụng để nhận diện bạn bè theo hình ảnh, hoặc trong trường hợp của Netflix là đưa ra những đề xuất rất "sát sườn" cho hơn 50 triệu người đăng ký.

    2. Dữ liệu lớn

    Cần phải có đào tạo mới có được trí tuệ. Một bộ não người nhìn chung thường có xu thế phân loại mọi vật, dù vậy não chúng ta vẫn cần "được cấp" nhiều ví dụ trước khi nó có thể phân biệt được đâu là con mèo, đâu là con chó. Điều này càng đúng hơn với trí tuệ nhân tạo. Thậm chí một máy tính được lập trình tốt nhất cũng phải chơi ít nhất hàng ngàn ván cờ trước khi nó có thể chơi tốt được. Một phần đột phá AI nằm ở dữ liệu dồi dào của thế giới chúng ta được hệ thống tiếp nhận, là thứ mà AI rất cần đến. Các cơ sở dữ liệu khổng lồ, dữ liệu theo dõi cá nhân, cookie trên web, các lịch sử lướt web, hàng tetabyte lưu trữ, vài thập kỷ tìm kiếm, Wikipedia và toàn không gian số đang trở thành thầy dạy cho AI.

    3. Thuật toán tốt hơn

    Mạng thần kinh nhân tạo được phát minh hồi những năm 1950, nhưng các nhà khoa học máy tính phải mất nhiều thập kỷ để biết cách kết hợp được hàng triệu (hoặc hàng trăm triệu) các mối liên kết neuron này. Chìa khoá để tổ chức được các mạng thần kinh nhân tạo nằm ở yếu tố chồng lớp. Ta hãy thử lấy một ví dụ đơn giản là nhận diện gương mặt. Khi một nhóm dữ liệu phát hiện ra một mẫu nào đó (ví dụ như ảnh của một con mắt), kết quả đó sẽ được đưa lên một chồng lớp khác. Chồng lớp kế tiếp có thể là khả năng nhận diện cả hai con mắt theo một đôi, và chuyển kết quả lên một lớp cao hơn nữa trong cấu trúc lớp của mạng thần kinh nhân tạo, có thể lớp cao hơn ấy liên quan đến mũi. Cấu trúc này có thể chiếm hàng triệu node như vậy (mỗi node là một thuật toán, và node này hỗ trợ cho node kia), xếp theo chồng lớp, có thể lên đến 15 chồng để nhận diện được gương mặt người.

     

    Xem tiếp : 12>
    Nguồn: Wired