Israel lọt vào danh sách top 10 về trí tuệ nhân tạo

Hai trong số 10 nhà khoa học lọt vào danh sách ‘AI’s 10 to Watch‘ danh tiếng do tạp chí khoa học IEEE Intelligent Systems bình chọn đến từ đại học tổng hợp Hebrew, Israel.

Dr. Aviv Zohar. Photo: Courtesy The Hebrew University of Jerusalem

Tiến sỹ Aviv Zohar và Tiến sỹ Ariel Procaccia — tốt nghiệp Tiến sỹ ngành Khoa học máy tính tại Đại học tổng hợp Hebrew, Jerusalem – đã lọt vào danh sách top 10 nhân vật trong lĩnh vực khoa học trí tuệ nhân tạo ‘AI’s 10 to Watch‘ do tạp chí khoa học IEEE Intelligent Systems bình chọn. Được ấn định hai năm một lần, danh sách này vinh danh 10 nhà nghiên cứu nổi bật trong lĩnh vực trí tuệ nhân tạo (AI).

Zohar hiện là giảng viên cao cấp tại Trường đại học Khoa học máy tính và kĩ sư Selim Benin thuộc Đại học tổng hợp Hebrew, còn Procaccia hiện là Phó giáo sư tại Đại học Carnegie Mellon University.

Những nhà nghiên cứu khác đến từ các trường đại học danh tiếng như Brown, Harvard, MIT, Đại học New York, Đại học Toronto, Tsinghua và Stanford. Đại học Hebrew là trường đại học Israel duy nhất với các nhà nghiên cứu có tên trong danh sách này.

“Mặc dù tuổi nghề còn trẻ, cả hai nhà nghiên cứu Israel đều đã có những cống hiến ấn tượng và có tầm ảnh hưởng lớn trong ngành khoa học này – và trong một số trường hợp, cả ở tính áp dụng thực tiễn” trích lời Daniel Zeng, Tổng biên tập tạp chí IEEE Intelligent Systems.

IEEE Intelligent Systems là một tạp chí khoa học do tổ chức IEEE Computer Society xuất bản hai tháng 1 số. Đây là tổ chức hàng đầu thế giới trong lĩnh vực khoa học máy tính và là nguồn đáng tin cậy cũng như có ảnh hưởng tới việc phát triển sự nghiệp cho một lực lượng những nhà lãnh đạo công nghệ hàng đầu.

“10 nhà nghiên cứu có mặt trong danh sách năm nay đều rất giỏi,” theo Zeng. “Họ đều được sự nhất trí cao trong hội đồng giám khảo để lọt vào danh sách này.”

Giáo sư Jeffrey Rosenschein đến từ Đại học Rachel and Selim Benin thuộc đại học TH Hebrew là người đã hướng dẫn nhiều đề tài nghiên cứu tiến sỹ của cả hai nhà nghiên cứu. Theo giáo sư Rosenschein, “những thành tựu nổi bật của họ đã chứng minh cho trình độ sánh ngang với thế giới của trường đại học Hebrew trong lĩnh vực trí tuệ nhân tạo, cũng như cam kết mạnh mẽ của chúng tôi trong việc thu hút những nhân tài giỏi nhất và thúc đẩy sự phát triển của ngành khoa học này tiến lên phía trước. Tôi rất tự hào đã có vinh dự được tư vấn chuyên môn cho cả hai nhà khoa học này trong quá trình nghiên cứu của họ, và chúng tôi may mắn có được những sinh viên, nghiên cứu sinh có trình độ cao như họ, người đã mang lại vinh dự cho tất cả chúng tôi.”

Thách thức của ngành Trí tuệ nhân tạo

Những vấn đề chưa được giải quyết trong Trí tuệ nhân tạo

Những thành tựu nghiên cứu và ứng dụng các kỹ thuật Trí tuệ nhân tạo đã khẳng định tính thực tiễn của các dự án xây dựng máy tính có khả năng suy nghĩ. Tuy vậy trong một số phạm vi, máy tính còn thua xa so với hoạt động của hệ thần kinh con người:

Sự khác nhau trong hoạt động giữa máy tính và bộ não con người, điều này thể hiện ưu thế của máy tính so với bộ não người vì khả năng tính toán rất lớn (nhất là trong các chương trình xử lý dữ liệu lớn).

Xử lý song song:mặc dù công nghệ điện tử hiện đại cho phép xây dựng các bộ đa xử lý, song máy tính không thể hoạt động song song như bộ não con người được.

Khả năng diễn giải:con người có thể xem xét cùng một vấn đề theo những phương pháp khác nhau, từ đó diễn giải theo cách dễ hiểu nhất. Ngược lại, sự linh hoạt này không thể mô phỏng được trong các hệ thống Trí tuệ nhân tạo.

Lôgic rời rạc và tính liên tục:một thách đố lớn với các hệ thống Trí tuệ nhân tạo là khả năng kết hợp các phương pháp xử lý thông tin trong môi trường liên tục với các thao tác xử lý thông tin rời rạc.

Khả năng học:mặc dù hiện nay máy tính có nhiều tính năng cao nhưng cũng không thể mô phỏng được hoàn toàn khả năng học giống bộ não con người.

Khả năng tự tổ chức:cho tới nay, người ta chưa thể tạo lập được các hệ thống Trí tuệ nhân tạo có khả năng tự tổ chức, tự điều khiển hoạt động của nó để thích nghi với môi trường.

Những vấn đề đặt ra trong tương lai của Trí tuệ nhân tạo.

Trong tương lai, những nghiên cứu và ứng dụng của Trí tuệ nhân tạo tập trung vào các vấn đề lớn sau:

Nghiên cứuNhững vấn đề chưa được giải quyết trong Trí tuệ nhân tạo

Những thành tựu nghiên cứu và ứng dụng các kỹ thuật Trí tuệ nhân tạo đã khẳng định tính thực tiễn của các dự án xây dựng máy tính có khả năng suy nghĩ. Tuy vậy trong một số phạm vi, máy tính còn thua xa so với hoạt động của hệ thần kinh con người:

Sự khác nhau trong hoạt động giữa máy tính và bộ não con người, điều này thể hiện ưu thế của máy tính so với bộ não người vì khả năng tính toán rất lớn (nhất là trong các chương trình xử lý dữ liệu lớn).

Xử lý song song:mặc dù công nghệ điện tử hiện đại cho phép xây dựng các bộ đa xử lý, song máy tính không thể hoạt động song song như bộ não con người được.

Khả năng diễn giải:con người có thể xem xét cùng một vấn đề theo những phương pháp khác nhau, từ đó diễn giải theo cách dễ hiểu nhất. Ngược lại, sự linh hoạt này không thể mô phỏng được trong các hệ thống Trí tuệ nhân tạo.

Lôgic rời rạc và tính liên tục:một thách đố lớn với các hệ thống Trí tuệ nhân tạo là khả năng kết hợp các phương pháp xử lý thông tin trong môi trường liên tục với các thao tác xử lý thông tin rời rạc.

Khả năng học:mặc dù hiện nay máy tính có nhiều tính năng cao nhưng cũng không thể mô phỏng được hoàn toàn khả năng học giống bộ não con người.

Khả năng tự tổ chức:cho tới nay, người ta chưa thể tạo lập được các hệ thống Trí tuệ nhân tạo có khả năng tự tổ chức, tự điều khiển hoạt động của nó để thích nghi với môi trường.

Những vấn đề đặt ra trong tương lai của Trí tuệ nhân tạo.

Trong tương lai, những nghiên cứu và ứng dụng của Trí tuệ nhân tạo tập trung vào các vấn đề lớn sau:

Nghiên cứu và thử nghiệm các mạng Neuron, các hệ thống Trí tuệ nhân tạo mô phỏng chức năng hoạt động của bộ não với các khả năng học, tự tổ chức, tự thích nghi, tổng quát hoá, xử lý song song, có khả năng diễn giải, xử lý thông tin liên tục và rời rạc.

Nghiên cứu và tạo lập các hệ thống có giao tiếp thân thiện giữa người và máy trên cơ sở nghiên cứu nhận thức máy, thu thập và xử lý tri thức, xử lý thông tin hình ảnh, tiếng nói.

Nghiên cứu các phương pháp biểu diễn tri thức và các phương pháp suy diễn thông minh, các phương pháp giải quyết vấn đề đối với những bài toán phụ thuộc không gian, thời gian.

Học sâu kiểu Lê Viết Quốc

 Google Brain và Deep Learning cũng là cơ duyên đưa cái tên Lê Viết Quốc vào danh sách 35 nhà sáng tạo trẻ dưới 35 tuổi có cống hiến xuất sắc nhất thế giới do Viện Công nghệ Massachusetts (MIT) bình chọn năm nay.

Lê Viết Quốc 

"Trí tuệ nhân tạo nếu không có khả năng tự học, thì chưa thể gọi là thông minh".

Bên trong trung tâm thí nghiệm ở tổng hành dinh của Google tại California (Mỹ), các nhà khoa học đang tìm cách “dạy” cho máy tính thông minh hơn.

Từng được biết đến với những thành quả tưởng chừng là khó tin như xe hơi tự lái hay mắt kính thông minh, trung tâm thí nghiệm này còn đang đeo đuổi một dự án “viễn tưởng” hơn nhiều khi kỳ vọng sẽ xây dựng được chương trình máy tính có trí thông minh giống như con người. Đó chính là Google Brain, tên thường gọi của dự án nghiên cứu trí tuệ nhân tạo dựa trên khả năng tự học của máy tính (Deep Learning, hay Học Sâu). Google Brain và Deep Learning cũng là cơ duyên đưa cái tên Lê Viết Quốc vào danh sách 35 nhà sáng tạo trẻ dưới 35 tuổi có cống hiến xuất sắc nhất thế giới do Viện Công nghệ Massachusetts (MIT) bình chọn năm nay.

Sinh năm 1982 tại một ngôi làng nhỏ ở Hương Thủy (Huế), Lê Viết Quốc từ nhỏ đã ham mê đọc sách. Một lần, anh tình cờ đọc được cuốn sách về những bước tiến của lịch sử nhân loại và nhìn thấy bức ảnh của người đầu tiên đặt chân lên mặt trăng. “Trải nghiệm đó là bước ngoặt thay đổi cuộc đời của tôi. Con người không phải là loài khỏe mạnh nhất, chạy nhanh nhất hay bay cao nhất. Nhưng nhờ có trí thông minh và khả năng học hỏi mà chúng ta đã đạt được rất nhiều thành tựu phát triển. Nếu có thể tái tạo được trí thông minh và khả năng học hỏi của con người, chắc chắn đó sẽ là phát kiến vĩ đại nhất”, Quốc nhớ lại.

Quyết tâm đeo đuổi con đường đã chọn, sau khi tốt nghiệp trường chuyên Quốc học Huế, Lê Viết Quốc tiếp tục theo học tại Đại học Quốc gia Úc (ANU) và thực hiện nghiên cứu sinh Tiến sĩ tại Đại học Stanford (Mỹ) về trí tuệ nhân tạo. Tuy nhiên, trong quá trình theo học, anh thấy những phần mềm trí tuệ nhân tạo mà mình được tiếp cận thường phải có sự can thiệp của con người, ví dụ như nhập dữ liệu và lập trình từ trước thì mới có thể xử lý như ý muốn.

“Cốt lõi trong trí thông minh của con người chính là khả năng học hỏi. Chúng ta sinh ra như một tờ giấy trắng, nhưng qua bao năm tháng học hành và lớn khôn thì lại có thể làm được nhiều điều mà không cần ai hướng dẫn. Trí tuệ nhân tạo nếu không có khả năng tự học hỏi để thực hiện được những công việc mới mà vẫn cần con người lập trình thì cũng chưa thể gọi là thông minh”, anh nhận xét.

Nghĩ là làm, Lê Viết Quốc bắt đầu nghiên cứu làm sao cho trí tuệ nhân tạo có thể tự học, cụ thể là Deep Learning.

Thực tế, Deep Learning được xem như là nhánh chi tiết hơn của Machine Learning, thuật ngữ dùng để chỉ một phân ngành của trí tuệ nhân tạo chuyên nghiên cứu và xây dựng các hệ thống có khả năng học hỏi từ dữ liệu thay vì chỉ thực thi theo những dòng lệnh được lập trình sẵn. Trong bối cảnh lượng dữ liệu thu thập được ngày càng nhiều, công nghệ học hỏi của máy tính càng phải “sâu” để có thể đưa ra được những kết quả hữu ích. Thế nhưng, nguồn lực mà Lê Viết Quốc tiếp cận được ở Đại học Stanford là khá hạn chế nên phần nào giới hạn khả năng nghiên cứu của anh.

“Khi còn nghiên cứu về trí tuệ nhân tạo ở Đại học Stanford, tôi tin rằng thay vì tìm cách xây dựng những thuật toán phức tạp hơn để máy tính tự học sâu hơn, chúng ta có thể tăng tốc quá trình này bằng cách kết nối nhiều máy tính lại với nhau và dùng lượng tài nguyên đó để mô phỏng số lượng lớn các liên kết thần kinh trong não bộ người. Khi tiếp cận với Google bằng ý tưởng này, họ đã quyết định mời tôi tham gia Google Brain”, Quốc chia sẻ.

Gần hai năm làm việc tại Google tuy chưa phải là khoảng thời gian quá dài, nhưng những thành tựu mà nhà khoa học trẻ người Việt này cùng nhóm nghiên cứu ở Google Brain đóng góp cho Deep Learning và trí tuệ nhân tạo là rất đáng chú ý.

Với sự hướng dẫn của Giáo sư Andrew Ng, trưởng nhóm nghiên cứu Google Brain, Quốc cùng đồng nghiệp đã xây dựng được một hệ thống trí tuệ nhân tạo khổng lồ gồm 16.000 máy tính, mô phỏng khoảng 1 tỉ kết nối nơ-ron thần kinh trong não bộ con người. Đặc biệt hơn, hệ thống này không cần lập trình nhưng đã tự học được cách nhận diện loài mèo, con người và hơn 3.000 sự vật khác chỉ bằng cách nạp 10 triệu hình ảnh ngẫu nhiên từ các đoạn video trên YouTube vào bộ nhớ.

“Bước tiến này, so với cả quá trình nghiên cứu trí tuệ nhân tạo từ xưa đến nay, là rất đáng chú ý. Khi còn ở Đại học Stanford, hệ thống của chúng tôi chỉ mô phỏng được khoảng 10 triệu kết nối nơ-ron thần kinh. Ở thời điểm hiện tại, Google Brain đã mô phỏng được hơn 1 tỉ kết nối. Tuy nhiên, não bộ con người ít nhất phải có đến 10.000 tỉ kết nối nơ-ron thần kinh. Chặng đường phía trước vì thế vẫn còn rất xa”, Quốc nhìn nhận.

Dù vẫn còn nhiều việc cần phải làm, nhưng trước mắt Google Brain đã bắt đầu được ứng dụng vào khá nhiều chức năng mà người dùng internet thường sử dụng. Ví dụ, Google Brain đã được Google áp dụng cho tính năng nhận diện giọng nói trên các thiết bị Android; hay việc tự động phân chia hình ảnh đường phố Street View theo từng nhóm khác nhau. Với khả năng tự học không cần lập trình, Google Brain có thể giúp xác định địa chỉ và những thông tin khác có liên quan chỉ bằng cách phân tích các bức ảnh chụp đường phố. Ngoài ra, người dùng bây giờ đã có thể tìm kiếm trên Google bằng giọng nói và hình ảnh mà không cần phải gõ từ khóa như trước.

“Đúng là những công nghệ phức tạp như Deep Learning đang được các tập đoàn lớn như Google, Facebook hay Baidu tập trung đầu tư. Dù vậy, những kết quả nghiên cứu này hoàn toàn có thể được tái hiện bởi các công ty nhỏ hơn. Tại Việt Nam đã có những nhóm nghiên cứu chỉ gồm 2-3 người nhưng đã thành công khi dùng một số máy tính kết nối lại để thực hiện nhận diện vật thể, hình ảnh… Những kiến thức cơ bản về Deep Learning cũng được tôi chia sẻ rộng rãi trên YouTube cho những ai mong muốn tìm hiểu. Tuy nhiên, muốn đầu tư trí tuệ nhân tạo thành công thì phải có cách tư duy khác biệt”, Quốc nhận định.

Theo Quốc, các công ty công nghệ ở Việt Nam nên học hỏi cách tư duy của giới công nghệ ở Israel. “Tôi có một số bạn người Do Thái. Họ nói rằng ở Israel, nếu làm điều gì không có chiều sâu, không có đóng góp cho xã hội hoặc không có gì đột phá thì người Israel sẽ không làm. Hiện tôi đang làm việc ở Google, nhưng nếu có một dự án nghiên cứu hay ứng dụng trí tuệ nhân tạo ở Việt Nam thực sự mang tính đột phá, tôi sẽ nghĩ đến việc tham gia hoặc hỗ trợ trong khả năng. Ngoài ra, tôi hy vọng làm việc cùng những người luôn đặt mục tiêu cao cho bản thân và không ngừng học hỏi”, Quốc nói.

(Theo Nhịp cầu Đầu tư)

 

Trí tuệ nhân tạo và những vị chúa tể mới

Năm 1950, Alan Turing, cha đẻ ngành khoa học máy tính, đặt ra một câu hỏi đồng nghĩa với thách thức cho nhân loại: “Làm thế nào để biết được một chiếc máy tính có suy nghĩ hay không?”. Năm 1997, khi siêu máy tính Deep Blue hạ gục huyền thoại cờ vua Gary Kasparov trong trận đấu được coi là kỳ vĩ nhất của lịch sử cờ vua, cựu quán quân thế giới thừa nhận: “Tôi cảm thấy sự hiện hữu của trí thông minh ở phía bên kia bàn cờ!”. Ngày 16/2 năm nay, thêm hai bộ óc siêu việt khác của loài người đối mặt – và thua cuộc – một “bộ óc” mới trong ngành máy tính mang tên Watson. Với thành tựu mới nhất này, liệu chúng ta có thể nói gì về tư duy của máy, và hy vọng gì ở ngành trí tuệ nhân tạo trong tương lai?

1. Sự lên ngôi của vị chúa tể mới

Hỏi: Rõ là “Thời buổi gian khó”! Một cơn động đất lớn tấn công New Madrid, Missouri, vào ngày 7 tháng 2 năm 1812, cùng ngày mà tác giả này tấn công Anh Quốc. (“Hard times,” indeed! A giant quake struck New Madrid, Missouri, on Feb. 7, 1812, the day this author struck England.)

Đáp: Ai là Charles Dickens? (Who is Charles Dickens?)

Đây là một ví dụ điển hình của trò chơi truyền hình nổi tiếng tại Mỹ mang tên Jeopardy!. Khác với các loại trò chơi đố vui có thưởng theo kiểu “Ai muốn làm triệu phú”, Jeopardy! đòi hỏi kiến thức sâu rộng của người chơi vì các câu hỏi chứa đầy cạm bẫy (chơi chữ, đảo ngữ nghĩa, gợi ý mang tính lừa phỉnh, vân vân) đòi hỏi phải xử lý thông tin cực kỳ phức tạp trong một thời gian cực ngắn.

Một điểm đặc biệt nữa là câu hỏi và câu trả lời của Jeopardy! đảo vị trí cho nhau: câu hỏi là câu trả lời mang tính xác định về một đối tượng nào đó, còn câu trả lời là một câu hỏi về đối tượng này. Trong ví dụ kể trên, cụm từ “Thời buổi gian khó” (hard times) nhắc đến một tác phẩm nổi tiếng của Charles Dickens. “Thời buổi gian khó” cũng được dùng với ngụ ý về sự gian khó gây ra bởi cơn động đất. Từ “tấn công” (struck) được dùng với hai nghĩa, nghĩa đen nói về tác động của trận động đất, còn nghĩa bóng nói về ngày chào đời của Charles Dickens (ngày động đất là ngày sinh của Dickens). Các nhà vô địch Jeopardy! vì thế thường được xem là đại diện cho trí thông minh và sự uyên bác.

Luật chơi của Jeopardy! đại khái như sau. Mỗi trận đấu gồm ba vòng, với ba đấu thủ. Hai vòng đầu mỗi vòng có 30 câu hỏi, chia làm 6 phạm trù, mỗi phạm trù 5 câu hỏi. Mỗi câu hỏi ở 2 vòng đầu có giá trị tiền nhất định. Sau khi nghe đọc câu hỏi các đấu thủ bấm nút tranh quyền trả lời. Trả lời đúng thì thắng số tiền của câu hỏi đó, trả lời sai thì bị mất số tiền này và còn bị trừ vào khoản tiền đã thắng.

Mỗi đấu thủ thường chỉ có khoảng 1, 2 giây để bấm nút nếu không muốn bị giành mất quyền trả lời. Vòng thi cuối cùng chỉ có một câu hỏi duy nhất, thí sinh dùng tiền đã thắng để “đặt cược” ngay cả trước khi biết được câu hỏi. Thắng thì thắng thêm số tiền cược đó, còn thua thì bị trừ đi. Phạm vi đề tài thi rất “bao la”: lịch sử, sự kiện đương đại, văn học, nghệ thuật, khoa học, ngôn ngữ, chơi chữ, vân vân.

Hai huyền thoại hiện nay của trò chơi này là Ken Jennings (người thắng kỷ lục 74 trận liên tục trong năm 2004 với tổng số tiền thắng cuộc hơn 3 triệu đô la) và Brad Rutter (người thắng “cúp C1″ – cúp các nhà vô địch Jeopardy! – với tổng số tiền thắng nhiều nhất trong lịch sửJeopardy!: hơn 3 triệu rưỡi đô la). Từ 14 đến 16 tháng 2/2011 vừa qua, cả hai bộ óc siêu phàm này đã trải qua ba trận “đại chiến” lịch sử với một đối thủ mới tò te tên là Watson – một hệ thống máy tính của hãng IBM, được đặt tên để tưởng nhớ chủ tịch đầu tiên của hãng này là Thomas Watson.

Watson “nghiền nát” Ken và Brad – như Deep Blue đã từng hạ gục Kasparov gần 14 năm trước.

Ở câu hỏi cuối cùng của vòng thi đấu cuối cùng, bên cạnh câu trả lời (đúng) của mình, Ken Jennings tuyên bố nửa đùa nửa thật (trước khi biết rằng Watson cũng trả lời đúng câu hỏi này): “Cá nhân tôi hoan nghênh các vị chúa tể mới“.

2. Trí tuệ nhân tạo, từ logic cổ điển đến thống kê tính toán

Trước khi phủi tay xuề xòa về sự không cân sức của trận đấu David tí hon chọi Goliath khổng lồ này, ta phải cẩn thận xem lại xem … ai là David và ai là Goliath. Không thể chối cãi được rằng, dù là lính mới, Watson là một đối thủ khổng lồ, kích thước tương đương … 10 cái tủ lạnh, chứa khoảng 200 triệu trang tài liệu (bằng khoảng 1 triệu quyển sách), 16 Terabytes (16 nghìn tỉ bytes) bộ nhớ, và có khả năng xử lý 80 Teraflops một giây.

Tuy nhiên, kích thước và số lượng không nhất thiết tỉ lệ thuận với sự thông minh. Một triệu con khỉ không gõ được vở kịch Hamlet. Vả lại, dù có tính về số lượng thì sự mất cân xứng cũng không rõ ràng lắm là ngả về phía nào. Ken và Brad mỗi người có khoảng 100 tỉ neurons thần kinh, và có hơn 30 năm tuổi đời để học số kiến thức mà họ có, cộng với cả chục năm “kinh nghiệm chiến trường”: xử lý sự lắt léo của Jeopardy!. Watson ra đời khoảng 2004, có tổng cộng 2880 bộ vi xử lý POWER7 mới của IBM. Mỗi bộ vi xử lý gồm bốn lõi song song với tổng cộng khoảng 1,2 tỉ transitors, vị chi là gần 3 nghìn rưỡi tỉ transitors, gấp 35 lần số neuron thần kinh một người có. Thế nhưng, mỗi neuron thần kinh lại có sức mạnh tính toán mạnh gấp nhiều lần một transitor, vì mỗi neuron thần kinh là một bộ vi xử lý sinh học, cho dù thuộc loại sơ khai.

Những thành tựu khoa học và công nghệ nào đã mang lại thành công của Watson? Chiến thắng của Watson là thành tựu tổng hợp của nhiều phân ngành khoa học máy tính: thuật toán, các bộ vi xử lý, hệ xử lý song song, mạng máy tính, trí tuệ nhân tạo, cơ sở dữ liệu, vân vân. Trong khuôn khổ bài này chúng ta sẽ chỉ đề cập đến mảng trí tuệ nhân tạo (TTNT).

Ngay từ thời kỳ đầu của TTNT, người ta đã biết rằng một trong những yếu tố cần thiết làm nên một máy tính thông minh là khả năng biểu diễn và xử lý tri thức. Tri thức phải được mã hóa bằng một thứ ngôn ngữ mà máy tính có thể hiểu được. Logic đã là sự lựa chọn hiển nhiên, vì đó cũng là ngôn ngữ của bộ vi xử lý. Với một kho tri thức bằng ngôn ngữ logic, các vấn đề suy diễn biến thành các bài toán suy luận logic thuần túy, một địa hạt mà máy tính sẽ dễ dàng thống trị.

Cho đến tận những năm 80 của thế kỷ trước, người ta tập trung phần lớn sức lực vào vấn đề tự động hóa và cải thiện hiệu quả của suy diễn logic. Làm thế nào để tìm kiếm ra câu trả lời thật nhanh từ những quy luật định sẵn. Deep Blue chính là một ví dụ điển hình của sự thành công ngoạn mục trong công nghệ tìm kiếm trong một môi trường có quy luật chặt chẽ. Máy tính có thể chơi rất tốt các trò chơi loại này, khi mà các quy luật của cuộc chơi và mọi thông tin đã được cho trước rõ ràng.

Nhưng làm thế nào để thiết lập được kho tri thức định sẵn cho máy tính? Làm thế nào để kho tri thức ấy không ngừng được thu lượm, cập nhật và chắt lọc từ sự tiếp xúc của máy tính với thế giới bên ngoài? Máy tính có thể chơi cờ rất giỏi, nhưng khả năng thu lượm thông tin và thích ứng với bên ngoài còn thua xa một con chuột bạch. Và, dạng giao tiếp đặc biệt quan trọng chính là giao tiếp với con người. Làm thế nào để máy tính có thể giao tiếp được với con người, qua đó hấp thụ được kho tri thức của loài người thành của chúng, giả sử rằng chúng cũng được lập trình để có một nguyện vọng như vậy?

Trong thập niên đầu thế kỷ 21, sự phổ dụng của các công nghệ và kết quả khoa học ngành Học Máy (machine learning) đánh dấu một bước ngoặt thay đổi nền tảng quan trọng trong quá trình phát triển của ngành TTNT. Các công nghệ TTNT đã len lỏi vào tất cả các ngóc ngách của cuộc sống con người. Chúng ta dùng các công cụ tìm kiếm như Google hàng ngày, các bộ lọc thư rác từng phút (200 tỉ thư rác mỗi ngày). Các điện thoại cầm tay tí hon đời mới có thể nhận dạng tiếng nói tốt, và có cả phần mềm dịch nhanh giữa các thứ tiếng khác nhau. Chưa hoàn hảo nhưng hoàn toàn hữu dụng. Đã có xe tự lái được trong thành phố và rô-bô thám hiểm Hỏa Tinh. Các thuật toán TTNT theo dõi tình trạng nhiễm trùng của trẻ sơ sinh, nhận diện nhân dạng và hình ảnh tế bào, nhận dạng chữ viết tay và vân tay. Các thuật toán Học Máy còn dùng để khám phá xâm nhập mạng và bảo vệ tấn công cơ sở dữ liệu từ bên trong. Các giao dịch tài chính từ chứng khoán đến thẻ tín dụng đều được các thuật toán học máy “theo dõi” gắt gao ở tốc độ nano-giây.

Những thành tựu này đạt được là do các nhà nghiên cứu TTNT nhận ra rằng “học” quan trọng hơn “biết”, khả năng đối chọi với tính bất định của thế giới thực quan trọng hơn khả năng tư duy theo một hệ thống logic làm sẵn. Nền tảng của TTNT hiện đại từ đó đã được chuyển từ logic cổ điển, chặt chẽ nhưng cứng nhắc, sang tính toán thống kê, lỏng lẻo hơn về mặt logic nhưng mềm dẻo, có tính ứng biến cao. Vấn đề học tập, cập nhật và chắt lọc tri thức từ dữ liệu thô, gọi vắn tắt là vấn đề Học Máy, đang trở thành lĩnh vực trung tâm của TTNT. Ngành học máy được phát triển trên nền tảng của xác suất thống kê và khoa học máy tính, với mục tiêu là tạo ra các thuật toán tự học giúp cho máy tính định hình được khái niệm, liên hệ các ý nghĩa, tìm kiếm ra các quy luật trên cơ sở các nguồn dữ liệu thô và nhiễu.

Một trong những nguồn dữ liệu quan trọng bậc nhất cho máy tính, đồng thời cũng là dạng dữ liệu phức tạp và nhiều nhiễu bậc nhất, chính là ngôn ngữ tự nhiên của loài người. Khác với ngôn ngữ logic của máy, ngôn ngữ của người rất linh hoạt và giàu có, thường không tuân theo các quy luật logic cứng nhắc. Các từ vựng trong ngôn ngữ của chúng ta thường là đa nghĩa. Các từ được kếp hợp với nhau qua các cấu trúc câu đa dạng, làm tăng nên khả năng biểu cảm gấp bội. Các câu lại được kết hợp với nhau tạo ra các ngữ cảnh có thể làm tăng sự mơ hồ hoặc thay đổi hẳn nội dung.

Trong Jeopardy!, giải mã cho được cách chơi chữ trúc trắc và các gợi ý đầy cạm bẫy để “hiểu” được câu hỏi mới chỉ là trở ngại đầu tiên cho Watson. Để tìm ra câu trả lời, các kỹ sư của IBM còn phải tìm cách giúp Watson tìm kiếm và đánh giá sự tin cậy của các câu trả lời có thể, từ kho dữ liệu khổng lồ được nạp sẵn gồm có các loại từ điển, thư viện Wikipedia, và các tác phẩm văn học. Watson phải tận dụng tất cả khả năng tính toán của mình để tìm ra câu trả lời nhanh và chính xác, vượt qua kinh nghiệm dày dặn và kho tri thức sâu rộng của hai địch thủ sừng sỏ bằng da thịt.

Các kỹ sư của IBM đã phải sử dụng hơn 100 phương pháp trong lĩnh vực học máy và xử lý ngôn ngữ để phân tích câu hỏi, tìm tòi nguồn ý của câu hỏi, tìm kiếm và đánh giá độ tin cậy các câu trả lời trong qua các kỹ thuật thống kê và học máy hiện đại.

3. Tương lai TTNT: Từ phép thử Turing đến quan điểm Dijkstra

Năm 1965, Herbert Simon dự đoán “trong vòng 20 năm nữa máy sẽ làm được bất kỳ việc gì người làm được”; năm 1967, Marvin Minsky cho rằng “trong vòng một thế hệ nữa, bài toán xây dựng ‘trí tuệ nhân tạo’ sẽ được xem như là giải quyết xong”. Ở thời điểm 2011 này, chúng ta biết các vị tiền bối ngành máy tính đã quá lạc quan. Vậy thì, từ những bài học gặt hái được qua chiến thắng lịch sử của Watson năm nay, chúng ta có thể nói gì về tương lai của ngành TTNT? Để thảo luận câu hỏi này, ta quay lại một chút với một câu hỏi cơ bản mà Alan Turing đặt ra năm 1950: làm thế nào để biết máy có “nghĩ” không?

Nguồn ảnh: http://xkcd.com/329/

Tư duy là một khái niệm khó nắm bắt, là thách thức quan trọng không chỉ đối với ngành khoa học máy tính mà còn thần kinh học và các ngành khoa học xã hội. Vì thế, để trả lời câu hỏi về tư duy của máy, Turing đã đề cử một phép thử mà ngày nay được gọi là phép thử Turing: cho một ban giám khảo ngồi trong một không gian tách biệt, nói chuyện với máy đồng thời với số người thật. Nếu ban giám khảo không phân biệt được ai là máy ai là người thật thì kết luận là máy có “tư duy”. Ta phải tưởng tượng mình sống ở năm 1950 để cảm nhận sự khó khăn của việc xây dựng một cái “máy” vượt qua được phép thử Turing này.

Vậy mà đến năm 1965, chương trình máy tính Eliza của Joseph Weizenbaum trường MIT đã có khả năng thuyết phục rất nhiều người là nó là người thật, dùng một cái mẹo đơn giản của các nhà tâm lý học trong hội thoại với bệnh nhân: khi nào không hiểu thì lấy một từ khóa trong câu của bệnh nhân và bảo họ giải thích thêm. Ví dụ, bệnh nhân nói “hôm nay tớ buồn quá”, máy tính trả lời: “bạn nói thêm cho tớ về nỗi buồn của bạn đi!”. Chỉ đơn giản như thế, nhưng rất nhiều người đã không tin rằng Eliza là chương trình máy tính.

Nhiều người thậm chí đã “nói chuyện” nhiều giờ liền với Eliza, và khi xong thì báo cáo kết quả là “nhà điều trị tâm lý” Eliza đã có tác động tích cực đến tâm lý của họ. Hiện nay hàng năm vẫn có các kỳ thi dạng phép thử Turing cho các chương trình máy tính (Giải thưởng Loebner là một ví dụ), và nhiều chương trình đã rất cận kề với điểm vượt qua phép thử Turing. Thậm chí, gần đây có cả chương trình tự động “kết bạn” trên các mạng xã hội, hội thoại với con người kiểu Eliza. Các nhà nghiên cứu đã thử cho bọn “bot” này thâm nhập vào trung tâm của một nhóm lớn các bạn bè trong một mạng xã hội kiểu Twitter bằng cách này. Cho nên ai kết bạn linh tinh trên Facebook hay Twitter thì nên cẩn thận xem lại bạn mình có phải là … người không.

Vậy giờ đây, liệu đã có thể kết luận từ sự kiện Watson, con người đã có thể tạo ra những bộ máy thực sự có trí tuệ hay không? Noam Chomsky, một nhà ngôn ngữ học nổi tiếng, thẳng thừng tuyên bố: “Với tôi, Watson chẳng hiểu gì cả. Nó chỉ là một cái máy ủi rất to thôi”. Marvin Minsky, một trong những người sáng lập nên ngành trí tuệ nhân tạo sau Turing, cũng có thái độ tương tự: “Nếu như Watson chỉ là một dạng máy tính tìm kiếm và so trùng mẫu (pattern matching) … thì chẳng có gì ấn tượng cả. Với tôi, vẫn chưa máy tính nào có thể có cách cư xử theo lẽ thường tình như một đứa trẻ con 4, 5 tuổi”.

Thoạt nghe, những nhận xét như của Chomsky hay Minsky không phải không có cơ sở. Quả là ở chừng mực nào đó, cũng giống như Deep Blue, Watson vẫn chỉ là một máy tính làm rất tốt một việc: đó là việc tìm kiếm câu trả lời, một dạng câu trả lời chỉ thích hợp cho một cuộc chơi, cho dù là một cuộc chơi lắt léo như Jeopardy!. Watson vẫn phải dựa vào kho tri thức khổng lồ đã được tải xuống và sắp xếp vào hệ thống bộ nhớ rất “máy ủi” của mình bởi các kỹ sư bằng da bằng thịt của IBM.

Nếu cái kho tri thức ấy được Watson tự thu lượm và học hỏi được thì có thể sự đánh giá của chúng ta với trí thông minh của nó sẽ khác đi chăng? Nhưng nhìn nhận công bằng hơn, Watson thực sự là bước tiến vượt bậc so với Deep Blue. Trước khi có Watson, chúng ta đã không biết chắc có thể tạo ra được máy tính có khả năng xử lý ngôn ngữ tự nhiên của con người và thắng được con người trong một cuộc chơi nhưJeopardy!.

Có ai đó từng nói: hễ cứ khi máy tính đã làm được cái gì thì cái đó không được coi là thông minh nữa. Định kiến này sẽ luôn luôn đi kèm theo bất kỳ thành tựu công nghệ nào của loài người, cho dù chúng có kỳ vĩ đến đâu. Các tác giả bài này chọn cách nhìn cùng hướng với cố giáo sư Edsger Dijkstra, người thắng giải Turing năm 1972. Dijkstra từng nói: “hỏi máy tính có biết nghĩ hay không thì cũng chẳng hay ho gì hơn hỏi tàu ngầm có biết bơi không”. Quan điểm của Dijkstra cũng chính là xu hướng phát triển của khoa học và công nghệ TTNT hiện nay mà đại diện mới nhất là Watson: hướng chức năng. Khi công nghệ Q&A (hỏi đáp) của Watson có thể dùng để giúp bệnh nhân và bác sĩ chẩn đoán bệnh bằng cách tìm và trả lời các câu hỏi lâm sàng hóc búa, khi công nghệ Q&A phát triển đến mức các trung tâm giải đáp thắc mắc kỹ thuậtchỉ còn toàn máy, khi công nghệ Q&A phát triển đến mức ta có thể đặt câu hỏi trực tiếp cho Google mà không cần nghĩ xem từ khóa đúng là gì … thì việc Watson có biết “nghĩ” thật hay không có lẽ không còn là câu hỏi cần thiết nữa.

Khoa học gia ngành Tâm Lý Daniel Gilbert từng nói rằng, mỗi nhà tâm lý học sẽ phải một lần trong đời viết cái câu sau:

“Con người là loài duy nhất có khả năng _________”

Cho đến gần cuối thế kỷ 20, điền “chơi cờ vua” vào khoảng trống hẳn là đa số nhân loại đồng ý. Đến nay điền “làm Toán” vào được không? Không! Hệ thống phần mềm WolframAlpha có khả năng làm Toán tốt hơn tuyệt đại đa số nhân loại: nó có thể tính tích phân bất định và xác định, tính tổng các chuỗi hình thức, và mật độ dân số Việt Nam, trong vòng tích tắc, với câu hỏi là ngôn ngữ tự nhiên.

Watson vừa mới loại bỏ thêm một việc nữa mà chỉ con người mới có thể làm được. Xu hướng chức năng theo quan điểm của Dijkstra sẽ là xu hướng thượng phong cho tương lai ngành TTNT.

Có thể đến một lúc nào đó chúng ta sẽ phải quay lại với vấn đề mà Turing đã lẩn tránh khi ông đưa ra phép thử Turing.

Trí thông minh là gì?

Cụ thể hơn: thế nào là trí thông minh của máy?

Tương tự, thế nào là tình cảm của máy?

Thế nào là lẽ thường?

Còn, nếu bạn không đồng ý với quan điểm Dijkstra và muốn “hạ gục” Watson thì chỉ cần hỏi: “Này, Watson, tại sao vợ tớ giận tớ?”

MIT phát triển chip điện năng thấp hứa hẹn đem trí thông minh nhân tạo lên thiết bị di động

Một trong những lý do khiến công nghệ mạng thần kinh vẫn chưa thể xuất hiện trên thiết bị di động hiện tại đó là năng lượng. Phần lớn các hệ thống trí thông minh nhân tạo ( AI) hoạt động dựa trên các vi xử lý nhiều lõi cỡ lớn, do đó không phù hợp cho một thiết bị cầm tay hay đeo tay cỡ nhỏ. Thế nhưng cơ hội đang được nhen nhóm khi các nhà khoa học tại MIT đã vừa phát minh một con chip hứa hẹn sẽ đưa công nghệ AI lên các thiết bị dùng điện năng thấp. Con chip này có tên Eyeriss, nó có 168 lõi xử lý và tiêu thụ lượng điện năng ít hơn 10 lần so với các vi xử lý đồ họa trên điện thoại, do đó bạn không phải lo có thêm con chip này sẽ gây tốn pin.

Điểm độc đáo của Eyeriss là nó rất ít trao đổi dữ liệu. Mỗi lõi đóng vai trò như một nơ-ron thần kinh sẽ có bộ nhớ riêng và dữ liệu sẽ được nén mỗi khi nó rời khỏi lõi. Ngoài ra, các lõi cũng hạn chế hoạt động đến mức tối thiểu. Các lõi gần nhau có thể giao tiếp trực tiếp với nhau, do đó chúng không cần trao đổi dữ liệu với một nguồn trung tâm, chẳng hạn như bộ nhớ chính nếu dữ liệu cần thiết nằm gần chúng. Ở trên cùng là một mạch ủy thác đặc biệt cho phép các lõi hoạt động độc lập mà không cần thu thập dữ liệu.

Chưa rõ khi nào công nghệ Eyeriss sẽ xuất hiện trên sản phẩm thương mại nhưng có thể thấy tác động của công nghệ máy học ( machine learning) hiện đang rất lớn. Bạn sẽ có thể sở hữu một chiếc điện thoại hay các thiết bị dùng điện năng thấp với khả năng xử lý nội dung AI nội trú mà không cần phải tìm kiếm thông tin từ máy chủ Internet, nhờ đó giảm thiểu thời gian trì hoãn và các vấn đề bảo mật. Từ đó, nhiều thiết bị bạn đang có sẽ có thể tương thích tốt hơn với các tình huống mới hoặc có thể học hỏi từ môi trường xung quanh. Điều đáng chú ý nữa là một trong những nhà nghiên cứu phần cứng hàng đầu của Nvidia hiện đang tham gia phát triển con chip này, nhờ đó công nghệ sẽ có cơ hội hiện thực hóa nhiều hơn.

Theo: Engadget​

AI điều khiển xe tự lái có thể được xem như người lái xe hợp pháp tại Mỹ

Bộ giao thông Hoa Kỳ tuyên bố rằng hệ thống trí thông minh nhân tạo điều khiển xe tự lái có thể được xem như người lái xe theo quy định của luật liên bang. Mặc dù tuyên bố này không đồng nghĩa với việc xe tự lái sẽ được hợp pháp lưu hành rộng rãi trong thời điểm này, nhưng đây là một bước tiến lớn mở đường cho sự phát triển trong tương lai. Vậy là bây giờ, khái niệm "driver" không chỉ dành cho con người mà còn cả trí thông minh nhân tạo.

Quy định này được ban hành bởi Cơ quan quản lý an toàn lưu thông đường bộ Quốc gia (NHTSA) trực thuộc Bộ giao thông Hoa Kỳ nhằm đáp lại đơn thỉnh cầu của Chris Urmson, giám đốc dự án xe tự lái của Google. Đây được xem như một bước tiến lớn đối với dự án xe tự lái của Google vốn đặt mục tiêu sẽ chính thức thương mại hóa vào năm 2020.

Theo Paul A. Hemmersbaugh, cố vấn trưởng của NHTSA thì cách định nghĩa này không đồng nghĩa với việc hợp pháp hóa xe tự lái trong cộng đồng. Câu hỏi tiếp theo được đặt ra là liệu xe hệ thống lái xe của Google có đáp ứng được các tiêu chuẩn hiện hành đối với người lái xe hay không. Chưa hết, tuyên bố này vừa là một thuận lợi, vừa đặt ra thêm một thách thức cho Google bởi NHTSA sẽ kiểm tra và xác minh cẩn thận xem AI của Google có thỏa điều kiện của một người lái xe hay không. 

Hiện tại, mặc dù những nguyên mẫu xe tự lái của Google có thể hoạt động hoàn toàn tự động nhưng theo quy định thì nó vẫn cần phải có một người ngồi trong xe . Đồng thời, trong xe vẫn phải có một số trang bị như vô lăng, các bàn đạp ga, phanh,... để con người có thể lấy quyền điều khiển khi cần thiết. Tuy nhiên theo Google thì họ quan ngại rằng "việc cung cấp cho con người những cơ chế điều khiển có thể đe dọa sự an toàn vì sự can thiệp của con người có thể ghi đè lên quyết định tự động của hệ thống. Trong khi AI có thể đưa ra các quyết định thông minh và nhanh nhất cho các tình huống trên đường, thậm chí là an toàn hơn con người."

Còn bây giờ, với cách định nghĩa mới của NHTSA thì có vẻ như Google sẽ thiết kế lại nguyên mẫu của xe, một mặt cải thiện khả năng điều khiển của AI, đồng thời loại bỏ luôn những cơ chế điều khiển như vô lăng, bàn đạp ga, phanh,... Mặt khác, một số quy định hiện hành cũng phải được chỉnh sửa lại, thí dụ như hồi trước áp suất lốp phải được hiển thị trên bảng điều khiển của xe thì bây giờ cảnh báo có thể được đưa trực tiếp vào phần mềm lái xe. 

Tham khảo Fortune​

Google có thể biết tấm hình được chụp ở đâu kể cả khi tắt GPS/Geotag

1. 

   Nó giống như việc bạn nhìn thấy hình chợ Bến Thành thì biết đó là ở Sài Gòn, nhìn thấy tượng Nữ Thần Tự Do thì chắc chắn đó là ở Mỹ. Google đang phát triển một hệ thống AI mới ( trí thông minh nhân tạo) tên là PlaNet, có khả năng phân tích một bức ảnh và cho biết bức ảnh đó được chụp ở đâu. Người ta đang huấn luyện PlaNet bằng cách dạy cho nó học và nhớ khoảng 90 triệu bức ảnh khác nhau trên thế giới, PlaNet sẽ học bằng cách phân tích từng điểm ảnh một chứ không phải chỉ nhớ bằng hình ảnh như con người.
   
   Hệ thống PlaNet được dạy và cung cấp khoảng 90 triệu bức ảnh có ghi thông tin địa điểm đầy đủ, nó sẽ phân tích mỗi bức ảnh một bằng cách chia ra thành từng pixel, xác định màu sắc và kiểu hình ảnh (pattern) của bức ảnh đó để xác định đặc điểm của từng địa danh. Nhờ đó khi được cho xem một bức ảnh mới, PlaNet sẽ tự đánh giá được bức hình đó được chụp ở đâu nhờ vào những gì mà nó đã được học và nhìn qua.
   
   Người ta đã cho chạy thử PlaNet và thấy nó có thể biết bức ảnh đó được chụp ở quốc gia nào với độ chính xác lên tới 28,4%, và biết được chụp ở lục địa nào với độ chính xác 48%. Mặc dù bạn sẽ thấy con số % này không cao nhưng nó cao hơn xác xuất phán đoán hình ảnh của một người trung bình bất kỳ. Tức là hiện nay PlaNet "nhớ" giỏi hơn con người vì nó được xem và được học về hình ảnh nhiều hơn bất kỳ người nào trên thế giới.
   
   Về lâu dài, một hệ thống như PlaNet có thể giúp ích cho con người rất nhiều trong việc xác định nguồn gốc của một bức ảnh. Nhưng chắc chắn những tên tội phạm sẽ không bao giờ muốn bị dính vào một bức ảnh vô tình nào đâu.
   
   

   Theo Gizmodo​

Smartphone sẽ biến mất trong năm năm tới

Mọi người ai cũng cắm đầu vào chiếc smartphone của riêng mình là hình ảnh rất thường thấy trong đời sống hiện nay. Tuy nhiên, tình trạng này sẽ sớm chấm dứt trong vòng năm năm tới.

Theo báo cáo của các chuyên gia viễn thông Ericsson tại Thụy Điển, smartphone sẽ sớm biến mất trong vòng năm năm tới, trái ngược với những gì chúng ta vẫn thường thấy hằng ngày.

Theo đó, cuộc khảo sát đã được tiến hành trên 100.000 người ở Thụy Điển và 39 quốc gia khác, kết quả cho thấy nhiều người tin rằng thời kỳ của smartphone đã qua và nó sẽ sớm được thay thế bởi AI (Artificially Intelligent - trí thông minh nhân tạo), bởi người dùng có thể giao tiếp, tìm kiếm… mà không cần nhìn màn hình. Bên cạnh đó, nhiều chuyên gia công nghệ cũng tin rằng Apple Watch cũng sẽ từ từ thay thế smartphone.

“Việc cầm smartphone trong tay để làm việc, liên lạc với bạn bè không thực sự hữu dụng cho lắm, đặc biệt là khi bạn đang lái xe hay nấu ăn. Bởi việc tập trung vào màn hình smartphone sẽ làm cho chúng ta xao nhãng công việc hiện tại và gây ra nhiều hậu quả đáng tiếc” - Rebecka Cedering Ångström, chuyên gia nghiên cứu hành vi người dùng của Ericsson, cho biết.

 Theo Metro

Facebook lập bản đồ ghi dấu mọi người trên thế giới

Có vẻ những bản đồ dân số hiện đại nhất thế giới hiện đại vẫn chưa đủ chi tiết nên Facebook đang xây dựng một bản đồ dựa trên ảnh chụp vệ tinh chất lượng cao, "đánh dấu" sự hiện diện của con người ở cặn kẽ đến từng ngôi nhà.

Người đứng đầu bộ phận kỹ thuật và cơ sở hạ tầng toàn cầu của Facebook là Jay Parikh và Giám đốc phòng thí nghiệm kết nối Yael Maguire đã tổ chức một cuộc họp báo nói về lý do và quá trình tạo thành bản đồ này.

Họ cho biết mục tiêu của Facebook là tìm ra cách phát triển kỹ thuật và hiểu được cách kết nối mỗi con người trên thế giới. Hiện tại, bản đồ dân số tốt nhất nằm ở Trường ĐH Columbia nhưng nó không đủ chi tiết vì chỉ có độ phân giải 1 km.

Để bắt đầu, Facebook đã xem hình ảnh của 20 nước, có diện tích khoảng 21,6 triệu km vuông và nhóm trí thông minh nhân tạo của Facebook đã dùng đến 14,6 triệu ảnh. Để phát hiện dấu hiệu của con người sống trong ảnh, nhóm này dùng kỹ thuật học hỏi tiêu chuẩn. Họ "dạy" các thuật toán để tìm ra hình ảnh nào chứa dấu hiệu của con người và sau đó tự cho máy móc làm việc. Và quá trình này sử dụng hàng ngàn thiết bị máy móc trong trung tâm dữ liệu của Facebook.

Kết quả, họ đã có bản đồ về con người chi tiết nhất ừ trước đến nay tại những quốc gia ấy. Facebook hiện tại đang hợp tác với Trường ĐH Columbia để tìm ra cách đưa nguồn dữ liệu này đến với mọi người. Và dù Facebook hiện tại chỉ đang quan tâm đến sự kết nối, tuy nhiên sẽ có rất nhiều cách sử dụng dữ liệu này.

Nga chế tạo thành công robot có trí thông minh nhân tạo

Tham vọng chế tạo phần mềm có trí thông minh nhân tạo độc lập ngang tầm với Skynet trong phim Kẻ hủy diệt không còn xa vời nữa, bởi  hãng công nghệ của Nga đã thử nghiệm thành công phần mềm có khả năng đưa ra quyết định và tiến hành mà không cần con người can thiệp.

heo RT, hãng chế tạo máy móc United Instrument manufacturing Corporation (OPK) cho biết họ đã phát triển gói phần mềm Unicum (trong tiếng Latinh gọi là “duy nhất”). Phần mềm này giúp robot phục vụ trong lĩnh vực quân sự và dân dụng có được trí thông minh nhân tạo và tự thực hiện hầu hết nhiệm vụ mà không cần sự điều khiển của con người.

Được vận hành bằng tổng cộng 10 trung tâm phức hợp robot, trí tuệ nhân tạo Unicum có khả năng tương tác và thực hiện nhiều chức năng khác nhau để điều khiển robot. Chúng được ví như một “viên chỉ huy nhân tạo” ra lệnh cho các robot hoặc máy móc thực hiện các nhiệm vụ tấn công.

Robot có trí thông minh nhân tạo Unicum của Nga (ảnh: RT) 

Unicum có thể định vị và tấn công các mục tiêu, chọn địa điểm tác chiến thích hợp trên chiến trường mà không cần có người giám sát và chỉ định chỗ tìm diệt. Ngoài ra, “skynet” này có thể tự động thay thế cho những thiết bị đã bị vô hiệu hóa.

Phó Giám đóc OPK Sergey Skokov nói: “Công nghệ này hiện đã sắp được đưa vào lắp đặt cho hệ thống robot ngoài đời thực, cả trong lĩnh vực phòng thủ và dân sự”.

Đại diện OPK tiết lộ Unicum AI còn được triển khai trên mặt đất và ngoài biển khơi. Nó có thể tự thân hoạt động hoặc kết nối với thiết bị Unicum khác.

“Đây sẽ là bước tiến mới trong việc sáng tạo toàn diện thiết bị thông minh nhân tạo, cho phép máy móc có khả năng thực hiện các chức năng của con người” - Skokov nói thêm.

Não nhân tạo lớn gần bằng não người, giúp điều trị 'bá bệnh'

Các nhà khoa học tại Đại học bang Ohio (Mỹ) công bố đã tìm ra cách phát triển bộ não nhân tạo có kích thước gần bằng não người hoàn chỉnh. 

Harvard gọi đây là một thành tựu vĩ đại, một bước nhảy vọt trong nỗ lực điều trị bệnh ung thư, tự kỷ, Parkinson và Alzheimer.

CNN đưa tin, về kỹ thuật những bộ não nhân tạo này không được gọi là “não” mà được gọi là “cơ quan tế bào não”. Đó là những mô từ tế bào da được nuôi cấy trong phòng thí nghiệm. 

Các nhà khoa học có thể sử dụng những mô dài 2-3mm này để thử nghiệm thuốc và các phương pháp điều trị khác có thể ngăn ngừa, chữa trị những căn bệnh nguy hiểm nhất hiện nay.

Ngoài bệnh Parkinson, tự kỷ, Alzheimer, bộ não nhân tạo là chìa khoá giải mã bí ẩn của bệnh tâm thần, động kinh, tổn thương não và rối loạn sau tổn thương.

Bộ não nhân tạo được nuôi cấy trong phòng thí nghiệm có hầu như đầy đủ các đặc điểm của não người

Tiến sỹ Sanjay Gupta - phụ trách chuyên mục Y tế của CNN - phát biểu “Ý tưởng đưa tế bào da trở về giai đoạn phát triển ban đầu rồi “dạy” chúng cách biến đổi thành tế bào não là điều con người đã mơ đến từ lâu. 

Nay giấc mơ đó sắp trở thành hiện thực. Những bộ não nhân tạo này sẽ giúp bác sỹ tìm ra phương pháp điều trị tốt nhất cho bệnh nhân”.

Theo tạp chí khoa học Nature, các nhà khoa học đã phát triển các “cơ quan tế bào não” trong phòng thí nghiệm trong chưa tới 10 năm. Nhật Bản là nước đầu tiên lấy tế bào từ chuột và người để tạo ra mô hình nhân tạo của vỏ não.

Năm 2011, Madeline Lancaster - nhà khoa học thuộc viện Công nghệ sinh học tế bào Vienna - đã phát triển được bộ não đầu tiên.

CNN dẫn lời Rene Anand - chuyên gia nghiên cứu y sinh thuộc Đại học bang Ohio rằng thành tựu của nhóm nghiên cứu của ông tạo nên sự khác biệt bởi các “cơ qua tế bào não” này chứa đến 98% thành phần của não người trong giai đoạn bào thai được 5 tuần tuổi.

Ông còn cho biết ưu tiên hàng đầu của nhóm nghiên cứu là sử dụng thành tựu này để nghiên cứu chuyên sâu về bệnh Alzheimer.

Tuy nhiên, ông Anand cũng nhanh chóng nhận ra rằng đây mới chỉ là gai đoạn đầu tiên của quá trình nghiên cứu. “Mô hình càng sớm được nhân rộng sẽ giúp các nhà khoa học tìm ra phương pháp điều trị dạng tự kỷ sớm trong 10 năm. Ngay lúc này, chúng ta mới chỉ ở Trại I trên đỉnh Everest. Bạn phải nhanh chóng lấy bình oxy để đi tiếp bởi quãng đường còn rất xa”.

Các “cơ quan tế bào” não này cũng đặt ra cho cáo nhà khoa học nhiều câu hỏi. Thứ nhất, thành tựu này có thể chứng minh các nhà khoa học có thể phát triển mô hình não người thu nhỏ không? Theo ông Anand, các nhà khoa học sử dụng cáo tế bào da để phát triển “cơ quan tế bào não” ở giai đoạn bào thai nhưng chưa thể phát triển chúng đến kích thước của não người hoàn chỉnh. Một bộ não hoàn chỉnh cần hệ thống mạch máu và các thành phần khác. Các nhà khoa học hiện chưa có khả năng làm được điều này và cũng không có ý định tiến xa như thế. Thứ hai, các “cơ quan tế bào não” có thể đóng góp như thế nào trong việc tìm ra các phương pháp điều trị mới? Tiến sỹ Rudolph Tanzi - Chuyên gia nghiên cứu tiên phong về bệnh Alzheimer tại Đại học Harvard - cho biết các nhà khoa học có thể sử dụng các “cơ qua tế bào não” để mô phỏng những tổn thương não do bệnh Alzheimer và Parkinson, qua đó tìm ra phản ứng của não bộ trước những phương pháp điều trị hay những loại thuốc mới.  Tuy nhiên, các “cơ quan tế bào não” này phải có cấu trúc như não bộ của bệnh nhân thuộc độ tuổi có thể mắc bệnh Alzheimer hoặc Parkinson. Thứ ba, các “cơ quan tế bào não” này có “khả năng nhận thức” không? Theo tiến sỹ Tanzi, điều này sẽ không xảy ra bởi các “cơ quan tế bào não” này không thu nhận được phản hồi từ các giác quan như não bộ thực sự. Não bộ thực sự tiếp nhận, giải mã, hợp nhất thing tin từ các giác qua. Thứ tư, về lý thuyết, các “cơ quan tế bào não” này có thể giúp tạo ra những cỗ máy có trí thông minh nhân tạo với bộ não như con người không? CNN dẫn lời Tiến sỹ Tanzi rằng “Nếu trong tương lai chúng ta tìm ra cách đưa bộ não vào một cỗ máy có trí thông minh nhân tạo có khả năng thu nhận thông tin từ các giác quan thì đó sẽ là một vật lai có trí thông minh thông tạo với não bộ thực sự. Đây là chuyện chỉ có trong các bộ phim viễn tưởng. Nếu muốn thực hiện hoá câu chuyện này thì chúng ta còn phải đi một quãng đường rất xa”. Thứ năm, mất bao lâu để ccc “cơ quan tế bào não” tạo bước đột phá? Tiến sỹ Tanzi phát biểu “Có thể là 10 năm bởi chúng tôi phải thử nghiệm các “cơ quan tế bào não” này ở nhiều phòng thí nghiệm với nhiều căn bệnh. Nếu thử nghiệm tại đúng phòng thí nghiệm thì thời gian có thể giảm xuống 5 năm”.

 (Theo CNN)

Trí thông minh nhân tạo một số dấu mốc

Trí thông minh nhân tạo luôn mang trong mình một vẻ đẹp mà con người chưa bao giờ có thể hiểu được hoàn toàn. Liệu chúng ta đã có đủ trí tuệ, năng lực và tài chính để tạo nên một bản sao hoàn hảo của loài người, nhưng nằm dưới lớp vỏ kim loại?

Hẳn tất cả những fan hâm mộ điện ảnh nói chung và người hùng của “thế giới Marvel” nói riêng đều đang rất phấn khích về bộ film về đề tài siêu anh hùng mới ra mắt đang “xâm chiếm” tất cả các rạp chiếu phim trên khắp thế giới. Các bạn đã biết tôi nói về bộ film nào rồi chứ, đó chính là The Avengers: Age Of Ultron. Tất nhiên tôi sẽ không dành phần còn lại của bài viết để… “spoil” (thuật ngữ để mô tả việc… mách nước trước diễn biến của một bộ phim) bộ phim tuyệt vời này. Thay vào đó, chúng ta hãy cùng xem thử, với những tiến vộ về khoa học và kỹ thuật mà loài người đã đạt được, liệu nhân loại đã đủ sức tạo ra một con robot “bất-khả-chiến-bại”?

“Trí thông minh nhân tạo (AI) được mô tả như sự thông minh ‘ảo’ được thể hiện thông qua máy móc hoặc con người. Đây được xem là một lĩnh vực nghiên cứu về cách tạo ra trí tuệ (hay khả năng phản xạ) dành cho các máy tính hoặc phần mềm” –Wikipedia.

Liệu chúng ta đã có thể tạo ra một “con quái vật AI” hoàn hảo? (Ảnh nhân vật Ultron trong bộ film The Avengers)

Những bước tiến lớn về trí thông minh nhân tạo.

Vào năm 2000, cả thế giới lần đầu tiên thấy được hình ảnh một con robot có khả năng tương tác bên ngoài đời thực. Nếu như trước đây hầu hết những “cỗ máy biết nói” này chỉ xuất hiện trên phim ảnh, hay ít nhất chỉ có những người đang trong những dự án nghiên cứu về nó mới thấy được, thì lần này, Honda đã mang công nghệ đột phá này trình diễn trước cả thế giới. Đó là người máy ASIMO. Chắc chắn những bạn trẻ thế hệ 9x trở về trước đều “rùng mình” khi nghe lại cái tên này, ngay cả tôi cũng cảm thấy may mắn khi đã được xem buổi ra mắt của ASIMO (dù chỉ là trên tivi).

ASIMO là một trong những bước đi đầu tiên của con người về người máy biết “suy nghĩ”.

ASIMO là tên viết tắt của cụm từ AdvancedStep inInnovativeMobility (buớc đột phá tiếp theo của ngành công nghiệp di động). ASIMO là mẫu robot được thiết kế bởi Honda nhằm trợ giúp những người khiếm khuyết về khả năng vận động. Chiều cao của nó khoảng 130 cm, nặng 48kg, khá tương đồng với người thật, ngoài ra nó còn có khả năng đi bộ hoặc chạy những bước nhỏ với tốc độ 6km/h. Rất thú vị phải không? Những gì thuộc về “trí tuệ ảo” mà ASIMO có thể thực hiện lúc này bao gồm:

• Nhận diện vật thể di chuyển.
• Làm dáng.
• Tạo các cử chỉ ra hiệu.
• Nhận diện môi trường xung quanh.
• Phát ra âm thanh và biểu càm khuôn mặt.

Dù những hoạt động trên có vẻ khá là… đơn giản và chưa thể nào “gây hại” đến thế giới loài người, nhưng Honda đã chứng minh cho thế giới thấy trí tuệ nhân tạo có thể có ích đến thế nào, nếu được tập trung nghiên cứu và phát triển. Hiện tại Honda vẫn liên tục cập nhật và “update” cho chú robot này, nên trong tương lai chúng ta có thể thấy một Baymax thật sự ngoài đời thực.

Robot chơi bóng bàn TOPIO

Bạn đã đủ khả năng “qua mặt” bậc thầy về bóng bàn này chưa?

Lần này có vẻ như chúng ta đã tiến xa hơn một chút về khả năng “hoạt động ngoài trời” của robot. Thay vì cho chúng những công việc khá nhẹ nhàng như đi bộ, đi bộ nhanh và đi bộ… nhanh hơn nữa, những chú robot thế hệ mới này có thể chơi bóng bàn và tự động nâng cấp những kĩ năng của nó sau những trận đấu.

TOPIO – viết tắt của TOSYPing Pong Playing Robot, robot có khả năng chơi bóng bàn, đúng như tên gọi của nó, được tạo ra để trở thành đối thủ xứng tầm với những tay chơi bóng bàn… nghiệp dư. Được phát triển vào năm 2005, nhưng đến năm 2007, chúng ta mới được tận mắt chúng kiến những màn trình diễn của chú robot này tại cuộc triễn lãm robot quốc tế tại Tokio (IREX). Với phiên bản TOPIO 3.0, chiều cao và cân nặng của chú robot đã đạt đến co số lý tưởng: 1.88m và nặng 120kg.

Đây có thể xem là “tiềm năng” rất lớn về viễn cảnh robot sẽ thống trị con người, ít nhất là trong đấu trường Bóng bán chuyên nghiệp trong tương lai.

Những gì chúng ta có ở thời điểm này:

Nhận diện vật thể di chuyển.

Trí thông minh nhân tạo (đừng đùa với chú robot này nếu bạn không biết chơi bóng bàn).

• Hệ thống cơ khí với quán tính thấp.
• Cơ chế điều khiển nhanh và chính xác.
• Khả năng cân bằng trên 2 chân hoàn hảo.

Thử nghiệm về thiết bị cơ khí vào cơ thể

Trong tiếng Anh, chúng ta gọi nó là Humanoid Robot, còn dân dã thì đó là bộ phận cơ thể bằng máy. Nếu đã xem qua bộ phim về siêu anh hùng Iron Man, chúng ta sẽ dễ dàng nhận thấy sự tương quan giữa Tony Stark và những cánh tay cơ khí này. Đây là tên gọi chung cho những bộ phận cơ thể được thay thế bằng những con robot độc lập. Mục đích chính của việc này nhằm giúp những người khiếm khuyết một số phần của cơ thể có thể dễ dàng bổ sung những phần “còn thiếu” và nhanh chóng quay lại cuộc sống thường ngày của họ. Tất nhiên là những bộ phận được bỏ sung này vẫn không thể “bá đạo” bằng bộ giáp được thiết kế đặc biết của Người Sắt, nhưng ít ra nó cũng trông… khá ngầu, và lợi ích của chúng không hề nhỏ một chút nào.

Những thành phần chúng ta đã có thể “thêm” vào cơ thể bao gồm:

• Thân mình
• Một số cơ quan trên đầu như mắt, miệng
• Cánh tay, chân
• Và một số thứ “linh tinh” khác trên cơ thể của bạn

Cánh tay robot cũng có thể trở thành… một phần trên cơ thể người khuyết tật?

Trí thông minh được tạo ra để… hủy diệt loài người

ENIAC, cái tên mà bạn vừa nghe được xem là một trong những nỗ lực đầu tiên của loài người nhằm… triệt hạ lẫn nhau. Viết tắt của từ Electronic Numerical IntegratorAnd Computer, máy phân tích số liệu điện tử, đây là máy vi tính được tạo ra vì “mục đích quân sự”. Được lập trình để giải quyết một lượng khổng lồ những phép toán số học mà sức người gần như không thể thực hiện, công việc của nó là tính toán những số liệu trên bản đồ sau đó cung cấp cho các khẩu pháo của Phòng thí nghiệm về đạn đạo của quân độ Mỹ. Ngoài ra, nó cũng từng được lập trình cho mục đích nghiên cứu về tính khả thi của… bom hydrogen.

“Bom Hydrogenlà một vũ khí nguyên tử được tạo ra bởi các phản ứng phân hạch hạt nhân bên trong thân của quả bom. Hệ quả của chuỗi phản ứng trên là lượng năng lượng được tạo ra khổng lồ, mà sức công phá có thể lên đến 25-100 Megaton thuốc nổ TNT, đủ để san bằng một khu vực rộng lớn tầm cỡ quốc gia” – Wikipedia.

Bộ não “ảo” đầy nguy hiểm của quân đội Mỹ.

Khi được giới thiệu vào năm 1946, nó đã được gọi là “Bộ não khổng lồ” – Giant Brain, một lời khen ngợi cho khả năng tính toán với tốc độ nhanh hơn hàng ngàn lần so với các cỗ máy thời đó. Thật may mắn là những dự án về nghiên cứu bom hydrogen đã nhanh chóng bị tạm hoãn (hay ít nhất chúng ta vẫn không thấy việc áp dụng nó vào các cuộc chiến tranh sau này), nếu không thì chúng ta đã không có quãng thời gian tuyệt vời để đọc bài viết này rồi.

Chúng ta đã được chứng kiến những bước đầu tiên của trí tuệ nhân tạo cho mục đích quân sự. Hầu hết những phát minh này được nghiên cứu và chế tạo trong thời kì chiến tranh lạnh, mà nhắc đến chiến tranh lạnh, chúng ta không thể không nhắc đến những nghiên cứu của Liên Xô (cũ) về “trí tuệ nhân tạo cho mục đích quân sự”.

Dead Hand – khi khoảnh khắc giữa thời kì đồ đá và thế giới hiện đại chỉ cách nhau trong gang tất…

Dead Hand – Bàn tay tử thần, là hệ thống kiểm soát sự khai hỏa đầu đạn vũ khí hạt nhân được phát triển bởi Liên Xô, trong thời kì Chiến Tranh Lạnh. Hiện nay vẫn còn khá nhiều nguồn tin cho biết Nga vẫn còn tiếp tục sử dụng chương trình này, nhưng chúng ta hay gác chuyện đó sang một bên, và tiếp tục tìm hiểu xem loài người đã từng xây dựng một trí thông minh “giết chóc” như thế nào.

Chương trình này được viết ra để có thể ngay lập tức khai hỏa hệ thống tên lửa đạn đạo xuyên lục địa, khi được kích hoạt. Tất nhiên nếu chỉ kích hoạt bằng “công tắc đèn” như ở nhà bạn thì nó đã không xuất hiện trong bài viết này rồi, điều khiến Dead Hand thật sự nguy hiểm, chính là nó có khả năng nhận diện những dư chấn, ánh sáng, phóng xạ và áp suất không khí, để có thể tự động đưa ra quyết định đưa Trái Đất về thời kì đồ đá.

Dead Hand có thể kích hoạt thủ công, nhưng chính việc giao cho nó “quyền tự quyết” đã dấy lên mối lo ngại về một thời kì trí thông minh nhân tạo sẽ thực sự thống trị loài người.

…Cho đến những trợ lí ảo và khả năng giao tiếp trong tương lai với con người.

Chúng ta đã xem qua những phát minh lẫn những chương trình được tạo ra với nhiều mục đích khác nhau. Nhưng điểm chung của chúng là phạm vị đối tượng được tiếp cận quá ít ỏi (chả ai trong chúng ta có thể tới gần “nhấn nút” của Dead Hand hay sờ thử xem ASIMO nó chạy như thế nào). Nhưng bằng việc mang những trợ lí cá nhân lên di động, các nhà sản xuất smartphone đã có một bước tiến lớn để mang công nghệ về trí thông minh nhân tạo tới gần hơn với đời sống thực.

Trợ lí ảo trên di động ngày càng “thể hiện” sự hữu ích của mình.

Bất cứ ai đang sở hữu cho mình một chiếc smartphone cũng đều có thể “nói chuyện” với những “cô nàng ảo” này: nhận lời khuyên, giải đáp thắc mắc, dự đoán thời tiết, hay nhắc nhở về… bữa ăn trưa của bạn. Mọi thứ đều có thể thực hiện thông qua những trợ lí này, đơn giản và thiết thực hơn ngày xưa rất nhiều.

Trí thông minh nhân tạo vốn là một chủ đề rộng lớn và bao la, thậm chí loài người còn chưa hiểu rõ cả bản thân mình, chứ đừng nói đến việc bắt những chiếc máy có thể “hiểu” được chính nó. Bởi vì quá rộng lớn, nên một bài viết như thế này không thể nào bao quát hết được, nhưng hy vọng các bạn có những cái nhìn (lẫn khái niệm) đầu tiên về trí tuệ nhân tạo. Phải còn rất, rất lâu nữa trí tuệ ảo mới thật sự thăng hoa và thay thế con người trong tất cả mọi việc, nhưng từ giờ cho đến lúc đó, bạn vẫn phải tắt bài báo này bằng tay mà thôi.