Vào tháng 1955 năm 13, một nhóm học giả đã gửi yêu cầu tài trợ 500 đô la để tổ chức một cuộc hội thảo mùa hè tại Đại học Dartmouth, New Hampshire. Lĩnh vực họ đề xuất khám phá là trí tuệ nhân tạo (AI). Mặc dù yêu cầu tài trợ rất khiêm tốn, nhưng giả thuyết của các nhà nghiên cứu không phải là: "Về nguyên tắc, mọi khía cạnh của việc học hoặc bất kỳ đặc điểm nào khác của trí thông minh đều có thể được mô tả chính xác đến mức có thể chế tạo một cỗ máy để bắt chước nó."
Kể từ những khởi đầu khiêm tốn này, phim ảnh và phương tiện truyền thông đã lãng mạn hóa AI hoặc miêu tả nó như một nhân vật phản diện. Tuy nhiên, đối với hầu hết mọi người, AI vẫn chỉ là vấn đề tranh luận và không phải là một phần của trải nghiệm sống có ý thức.
Vào cuối tháng trước, AI ở dạng ChatGPT đã thoát ra khỏi các phòng thí nghiệm nghiên cứu và suy đoán khoa học viễn tưởng cũng như xuất hiện trên máy tính để bàn và điện thoại của công chúng. Đây là cái gọi là "AI sáng tạo" - một lời nhắc được diễn đạt thông minh đến bất ngờ có thể viết một bài luận hoặc lập công thức và danh sách mua sắm, hoặc tạo một bài thơ theo phong cách của Elvis Presley.
Tuy nhiên ChatGPT đã là người tham gia ấn tượng nhất trong một năm thành công về trí tuệ nhân tạo, các hệ thống như thế này thậm chí còn cho thấy tiềm năng lớn hơn để tạo nội dung mới và lời nhắc chuyển văn bản thành hình ảnh đang được sử dụng để tạo ra những hình ảnh sống động thậm chí đã giành chiến thắng trong các cuộc thi nghệ thuật. AI có thể chưa có ý thức sống hay lý thuyết về tâm trí phổ biến trong các bộ phim và tiểu thuyết khoa học viễn tưởng, nhưng nó đang tiến gần hơn đến ít nhất là phá vỡ những gì chúng ta nghĩ rằng hệ thống trí tuệ nhân tạo có thể làm.
Các nhà nghiên cứu làm việc chặt chẽ với các hệ thống này sẽ ngất ngây trước triển vọng của trí thông minh, như trong trường hợp Mô hình ngôn ngữ lớn LaMDA (LLM) của Google. LLM là một mô hình đã được đào tạo để xử lý và tạo ra ngôn ngữ tự nhiên.
AI sáng tạo cũng làm dấy lên mối lo ngại về đạo văn, khai thác nội dung gốc được sử dụng để xây dựng mô hình, đạo đức thao túng thông tin và lạm dụng lòng tin, và thậm chí là "kết thúc chương trình".
AI thực sự có nghĩa là gì?
Trọng tâm của tất cả những điều này là một câu hỏi có mức độ liên quan ngày càng tăng kể từ hội thảo mùa hè tại Dartmouth: Trí tuệ nhân tạo có khác với trí thông minh của con người không? Để được coi là AI, một hệ thống phải thể hiện một mức độ học hỏi và thích ứng nhất định. Vì lý do này, các hệ thống ra quyết định, tự động hóa và thống kê không phải là AI. Nói rộng ra, AI được chia thành hai loại: trí tuệ hẹp nhân tạo (AI) và trí tuệ tổng quát nhân tạo (AI). Hiện tại, SHI không tồn tại. Một thách thức chính đối với việc xây dựng AI nói chung là mô hình hóa thế giới một cách đầy đủ với toàn bộ kiến thức, theo một cách nhất quán và hữu ích. Nói một cách nhẹ nhàng, đây là một nhiệm vụ quy mô lớn.
Hầu hết những gì chúng ta gọi là AI ngày nay đều có trí thông minh hẹp – trong đó một hệ thống cụ thể giải quyết một vấn đề cụ thể. Không giống như trí thông minh của con người, trí thông minh AI hẹp như vậy chỉ hiệu quả trong lĩnh vực mà nó đã được đào tạo: chẳng hạn như phát hiện gian lận, nhận dạng khuôn mặt hoặc khuyến nghị xã hội. Và AI sẽ hoạt động giống như con người. Hiện tại, ví dụ nổi bật nhất về nỗ lực đạt được điều này là việc sử dụng mạng thần kinh và học sâu được đào tạo trên lượng dữ liệu khổng lồ.
Mạng lưới thần kinh được lấy cảm hứng từ cách thức hoạt động của bộ não con người. Không giống như hầu hết các mô hình học máy thực hiện các phép tính trên dữ liệu huấn luyện, mạng thần kinh hoạt động bằng cách cung cấp lần lượt từng điểm dữ liệu thông qua một mạng được kết nối với nhau, điều chỉnh các tham số mỗi lần. Khi ngày càng nhiều dữ liệu được cung cấp qua mạng, các tham số sẽ ổn định, dẫn đến một mạng nơ-ron được “đào tạo” để sau đó có thể tạo ra đầu ra mong muốn trên dữ liệu mới – ví dụ: nhận dạng xem một hình ảnh có chứa một con mèo hay một con chó hay không.
Một bước nhảy vọt đáng kể trong sự phát triển của trí tuệ nhân tạo ngày nay là do những cải tiến công nghệ trong phương pháp học các mạng thần kinh lớn, cho phép điều chỉnh một số lượng lớn các tham số trong mỗi lần chạy nhờ khả năng của cơ sở hạ tầng điện toán đám mây lớn. Ví dụ: GPT-3 (hệ thống AI cung cấp năng lượng cho ChatGPT) là một mạng thần kinh lớn với 175 tỷ tham số.
Điều gì là cần thiết để trí tuệ nhân tạo hoạt động?
Trí tuệ nhân tạo cần ba điều để hoạt động thành công. Đầu tiên, anh ấy cần dữ liệu chất lượng, khách quan và rất nhiều dữ liệu đó. Các nhà nghiên cứu xây dựng mạng lưới thần kinh sử dụng các mảng dữ liệu lớn xuất hiện nhờ quá trình số hóa của xã hội.
Bổ sung cho các lập trình viên con người, Co-Pilot lấy dữ liệu từ hàng tỷ dòng mã được lưu trữ trên GitHub. ChatGPT và các mô hình ngôn ngữ lớn khác sử dụng hàng tỷ trang web và tài liệu văn bản được lưu trữ trên Internet.
Các công cụ chuyển đổi văn bản thành hình ảnh như Khuếch tán ổn định, DALLE-2 và Midjourney, sử dụng các cặp hình ảnh-văn bản từ bộ dữ liệu như LAION-5B. Các mô hình AI sẽ tiếp tục phát triển khi chúng ta số hóa nhiều hơn cuộc sống của mình và cung cấp cho chúng các nguồn dữ liệu thay thế, chẳng hạn như dữ liệu mô phỏng hoặc dữ liệu từ cài đặt trò chơi như Minecraft.
AI cũng cần cơ sở hạ tầng máy tính để đào tạo hiệu quả. Khi máy tính trở nên mạnh mẽ hơn, các mô hình hiện nay đòi hỏi nỗ lực chuyên sâu và tính toán quy mô lớn có thể trong tương lai gần sẽ được xử lý cục bộ. Ví dụ: mô hình Khuếch tán ổn định đã có thể chạy trên máy tính cục bộ chứ không phải trong môi trường đám mây. Nhu cầu thứ ba đối với AI là các mô hình và thuật toán được cải thiện. Các hệ thống dựa trên dữ liệu tiếp tục đạt được những tiến bộ nhanh chóng trong các lĩnh vực từng được coi là lĩnh vực nhận thức của con người.
Tuy nhiên, vì thế giới xung quanh chúng ta không ngừng thay đổi nên các hệ thống AI cần phải được đào tạo lại liên tục bằng cách sử dụng dữ liệu mới. Nếu không có bước quan trọng này, các hệ thống AI sẽ đưa ra câu trả lời không chính xác trên thực tế hoặc không tính đến thông tin mới xuất hiện kể từ khi chúng được đào tạo.
Mạng lưới thần kinh không phải là cách tiếp cận duy nhất đối với AI. Một trại đáng chú ý khác trong nghiên cứu trí tuệ nhân tạo là AI tượng trưng – thay vì xử lý các mảng dữ liệu khổng lồ, nó dựa vào các quy tắc và kiến thức tương tự như quá trình con người hình thành các biểu tượng tượng trưng bên trong của một số hiện tượng.
Nhưng trong thập kỷ qua, cán cân quyền lực đã nghiêng nhiều về các phương pháp tiếp cận dựa trên dữ liệu và "cha đẻ" của học sâu hiện đại gần đây đã được trao giải Turing, tương đương với giải Nobel về khoa học máy tính.
Dữ liệu, tính toán và thuật toán tạo thành nền tảng của AI trong tương lai. Tất cả các chỉ số đều cho thấy sự tiến bộ nhanh chóng trong cả ba hạng mục trong tương lai gần.
Bạn có thể giúp Ukraine chiến đấu chống lại những kẻ xâm lược Nga. Cách tốt nhất để làm điều này là quyên góp quỹ cho Các lực lượng vũ trang của Ukraine thông qua Cuộc sống tiết kiệm hoặc thông qua trang chính thức NBU.