Tại sao trí tuệ nhân tạo không cần đối sánh với trí thông minh của con người

Với những tiến bộ không ngừng trong lĩnh vực khoa học, việc so sánh trí tuệ nhân tạo (AI) với trí óc con người ngày càng ít có ý nghĩa.

Khả năng nói và ngôn ngữ là trung tâm của quá trình thông minh, giao tiếp và nhận thức của con người. Hiểu ngôn ngữ tự nhiên thường được coi là thách thức lớn nhất của AI — một thách thức mà nếu giải quyết được, có thể đưa máy móc đến gần hơn với trí thông minh của con người.

Vào năm 2019, Microsoft và Alibaba thông báo rằng họ đã xây dựng các cải tiến cho công nghệ của Google đánh bại con người trong nhiệm vụ xử lý ngôn ngữ tự nhiên (NLP) được gọi là đọc hiểu. Tin tức này hơi mơ hồ, nhưng tôi coi đây là một bước đột phá lớn vì tôi nhớ lại những gì đã xảy ra bốn năm trước đó.

Trí tuệ nhân tạo (Artificial Intelligence - AI) là gì?

Ảnh minh họa (Nguồn internet)

Vào năm 2015, các nhà nghiên cứu của Microsoft và Google đã phát triển các hệ thống dựa trên phát minh của Geoff Hinton và Yann Lecun, đánh bại con người trong khả năng nhận dạng hình ảnh . Vào thời điểm đó, tôi đã dự đoán rằng các ứng dụng thị giác máy tính sẽ nở rộ và công ty của tôi đã đầu tư vào khoảng một chục công ty xây dựng các sản phẩm hoặc ứng dụng thị giác máy tính. Ngày nay, những sản phẩm này đang được triển khai trong lĩnh vực bán lẻ, sản xuất, hậu cần, chăm sóc sức khỏe và vận chuyển. Các khoản đầu tư đó hiện trị giá hơn 20 tỷ đô la.

Vì vậy, vào năm 2019, khi tôi chứng kiến sự thay đổi tương tự về khả năng của con người trong NLP, tôi đã dự đoán rằng các thuật toán NLP sẽ làm tăng khả năng nhận dạng giọng nói và dịch máy cực kỳ chính xác, một ngày nào đó sẽ cung cấp năng lượng cho một “máy phiên dịch toàn cầu” như được mô tả trong Star Trek . NLP cũng sẽ kích hoạt các ứng dụng hoàn toàn mới, chẳng hạn như công cụ tìm kiếm trả lời câu hỏi chính xác (tầm nhìn lớn của Larry Page đối với Google) và tổng hợp nội dung được nhắm mục tiêu (làm cho trò chơi quảng cáo được nhắm mục tiêu ngày nay của trẻ em). Chúng có thể được sử dụng trong các ứng dụng tài chính, chăm sóc sức khỏe, tiếp thị và tiêu dùng. Kể từ đó, chúng tôi bận rộn đầu tư vào các công ty NLP. Tôi tin rằng chúng ta có thể thấy tác động từ NLP hơn là tầm nhìn máy tính.

Bản chất của đột phá NLP này là gì? Đó là một công nghệ được gọi là học tự giám sát. Các thuật toán NLP trước đây yêu cầu thu thập dữ liệu và điều chỉnh tỉ mỉ cho từng miền (như Amazon Alexa hoặc một chatbot dịch vụ khách hàng cho một ngân hàng), điều này rất tốn kém và dễ xảy ra lỗi. Nhưng quá trình đào tạo tự giám sát hoạt động dựa trên cơ bản tất cả dữ liệu trên thế giới, tạo ra một mô hình khổng lồ có thể có tới vài nghìn tỷ thông số.

Mô hình khổng lồ này được đào tạo mà không có sự giám sát của con người — AI “tự đào tạo” bằng cách tự mình tìm ra cấu trúc của ngôn ngữ. Sau đó, khi bạn có một số dữ liệu cho một miền cụ thể, bạn có thể tinh chỉnh mô hình khổng lồ cho miền đó và sử dụng nó cho những việc như dịch máy, trả lời câu hỏi và hộp thoại tự nhiên. Việc tinh chỉnh sẽ lấy các bộ phận của mô hình khổng lồ một cách có chọn lọc và nó yêu cầu rất ít điều chỉnh. Điều này hơi giống với cách con người học một ngôn ngữ đầu tiên và sau đó, trên cơ sở đó, học những kiến thức hoặc khóa học cụ thể.

Kể từ bước đột phá năm 2019, chúng ta đã thấy các mô hình NLP khổng lồ tăng nhanh về kích thước (khoảng 10 lần mỗi năm), với các cải tiến hiệu suất tương ứng. Chúng tôi cũng đã chứng kiến những minh chứng đáng kinh ngạc — chẳng hạn như GPT-3 , có thể viết theo phong cách của bất kỳ ai (chẳng hạn như phong cách của Tiến sĩ Seuss) hoặc Google Lambda, trò chuyện tự nhiên bằng giọng nói của con người hoặc một công ty khởi nghiệp Trung Quốc có tên Langboat tạo ra tài liệu tiếp thị khác nhau đối với mỗi người.

Chúng ta sắp giải quyết vấn đề ngôn ngữ tự nhiên? Những người hoài nghi cho rằng các thuật toán này chỉ đơn thuần là ghi nhớ dữ liệu của toàn thế giới và đang nhớ lại các tập hợp con một cách thông minh, nhưng không hiểu gì và không thực sự thông minh. Trung tâm của trí thông minh con người là khả năng suy luận, lập kế hoạch và sáng tạo.

Một lời phê bình về các hệ thống dựa trên học tập sâu là như thế này: “Chúng sẽ không bao giờ có khiếu hài hước. Họ sẽ không bao giờ có thể đánh giá cao nghệ thuật, vẻ đẹp, hoặc tình yêu. Họ sẽ không bao giờ cảm thấy cô đơn. Họ sẽ không bao giờ có sự đồng cảm với người khác, động vật hoặc môi trường. Họ sẽ không bao giờ thưởng thức âm nhạc hoặc say mê, hoặc khóc khi chiếc mũ bị rơi ”. Có lý, phải không? Hóa ra, phần trích dẫn trên được viết bởi GPT-3. Khả năng của công nghệ để đưa ra một lời phê bình chính xác như vậy có mâu thuẫn với chính bài phê bình đó không?

Nhiều người tin rằng trí thông minh thực sự sẽ đòi hỏi sự hiểu biết nhiều hơn về quá trình nhận thức của con người. Những người khác ủng hộ “tính toán thần kinh cơ”, tức là xây dựng mạch điện gần giống với não người hơn, cùng với một cách lập trình mới. Vẫn còn những người khác yêu cầu các yếu tố của AI “cổ điển” (nghĩa là hệ thống chuyên gia dựa trên quy tắc) kết hợp với học sâu trong các hệ thống lai.

Tôi tin rằng không thể chối cãi rằng máy tính chỉ đơn giản là "nghĩ" khác với bộ não của chúng ta. Cách tốt nhất để tăng trí thông minh của máy tính là phát triển các phương pháp tính toán chung (như học sâu và học tự giám sát) có quy mô với nhiều sức mạnh xử lý hơn và nhiều dữ liệu hơn. Khi chúng tôi bổ sung thêm 10 lần dữ liệu mỗi năm để đào tạo AI này, chắc chắn rằng nó sẽ có thể làm được nhiều điều mà con người chúng ta không thể làm được.

Liệu học sâu cuối cùng có trở thành “trí thông minh nhân tạo” (AGI) , phù hợp với trí thông minh của con người theo mọi cách? Tôi không tin điều đó sẽ xảy ra trong 20 năm tới. Có rất nhiều thách thức mà chúng ta chưa đạt được nhiều tiến bộ — hoặc thậm chí chưa hiểu rõ — chẳng hạn như cách lập mô hình sáng tạo, tư duy chiến lược, lý luận, tư duy phản thực tế, cảm xúc và ý thức.

Tôi đề nghị chúng ta ngừng sử dụng AGI như một thử nghiệm cuối cùng của AI. Học sâu và các phần mở rộng của nó sẽ sớm đánh bại con người trên số lượng nhiệm vụ lớn hơn bao giờ hết, nhưng vẫn sẽ có nhiều tác vụ mà con người có thể xử lý tốt hơn nhiều so với học sâu. Tôi coi nỗi ám ảnh về AGI là một xu hướng tự ái của con người, coi bản thân là tiêu chuẩn vàng.

Bài viết trên thể hiện quan điểm của Kai-Fu Lee - Giám đốc điều hành của Sinovation Ventures và là tác giả của Siêu năng lực AI . Lee trước đây là chủ tịch của Google Trung Quốc và là giám đốc điều hành cấp cao của Microsoft, SGI và Apple. Đồng chủ tịch Hội đồng Trí tuệ Nhân tạo tại Diễn đàn Kinh tế Thế giới, ông có bằng cử nhân từ Columbia và bằng tiến sĩ của Carnegie Mellon.

Nguồn:Theo WIRED Sao chép liên kết