AI có khả năng học hỏi nhưng chưa thể tự suy nghĩ

* Quan điểm của Chris Bhoffman, BTV của How To Geek

Trí tuệ nhân tạo (AI) có thể học hỏi mọi thứ rất nhanh chóng, ngày càng trở nên “thông minh” hơn, đáp ứng tốt hơn nhu cầu của con người, tuy nhiên suy cho cùng thì máy móc vẫn không thể suy nghĩ và hiểu những gì đã học được.

Người ta ngày càng nói nhiều hơn về AI, công nghệ này bắt đầu xâm nhập sâu vào đời sống xã hội. Không chỉ các trợ lý ảo như Siri, Alexa hay Cortana mà ngay cả ứng dụng bàn phím trên smartphone cũng được trang bị AI, cũng có khả năng học hỏi.

Tương lai rất gần, các nhà sản xuất sẽ hướng đến việc đưa AI vào mọi thiết bị thông minh có kết nối Internet. Samsung đã có tham vọng bán ra 500 triệu sản phẩm gia dụng có AI mỗi năm trong vòng 2 năm tới.

Tuy nhiên, công nghệ này cũng có những nhược điểm cố hữu. AI có thể học rất nhanh, rất tốt nhưng lại không thể hiểu những điều đã học và suy nghĩ giống như con người.

Máy không thể suy nghĩ

Bất kì công ty nào thông báo rằng sắp ra mắt sản phẩm với tính năng AI đều đồng nghĩa với việc họ sẽ sử dụng "máy học" (Machine Learning - ML) để xây dựng một hệ thống nơ-ron nhân tạo. ML là kỹ thuật cho phép một hệ thống máy có thể "học" được cách thực hiện tốt hơn đối với một công việc cụ thể.

Trí tuệ nhân tạo theo cách hiểu như trong những phim khoa học viễn tưởng là một loại bộ não máy tính hoặc rô-bốt có khả năng suy nghĩ và hiểu mọi thứ như con người.

Kiểu trí tuệ nhân tạo này có thể xem là trí thông minh nhân tạo tổng hợp. Nghĩa là máy có khả năng học hỏi nhiều vấn đề khác nhau và áp dụng nó vào nhiều lĩnh vực khác nhau. Một khái niệm khác đã được các nhà khoa học đề cập đến là "AI mạnh", theo nghĩa cỗ máy có khả năng ý thức giống như con người.

Tuy nhiên, hiện tại chúng ta chưa có loại AI đó. Một trợ lý ảo như Siri, Alexa không thể hiểu và suy nghĩ được như con người. Thậm chí, có thể nói rằng nó không thật sự hiểu gì cả.

AI hiện tạo được tạo ra để làm một công việc cụ thể nào đó. Giả sử con người có thể cung cấp mọi dữ liệu để máy học mọi thứ có liên quan nhưng cuối cùng máy vẫn không thể hiểu được.

Máy không có khả năng hiểu
Cách đây không lâu, Google đã tích hợp vào Gmail tính năng Trả lời thông minh. Khi người dùng soạn trả lời thư, Gmail sẽ gợi ý những câu trả lời sẵn có.

Có nhiều gợi ý khá hài hước đã xuất hiện như trường hợp trang 9to5google phát hiện ra rằng Gmail đề xuất câu trả lời "Gửi từ iPhone của tôi", hoặc gợi ý "Tôi yêu bạn" trong nhiều loại email khác nhau, kể cả email công việc.

Điều này xảy ra vì máy không hiểu ý nghĩa của câu trả lời đó. Nó chỉ học được rằng nhiều người đã sử dụng cụm từ này trong email. Máy không biết bạn có muốn nói yêu sếp của mình không, hoặc "Gửi từ iPhone của tôi" chỉ là dòng chữ kí mặc định khi người dùng gửi thư trên iPhone của họ chứ họ không thật sự muốn nói rằng đã chuyển qua dùng iPhone hoặc mới mua iPhone.

AI trên Google Photos cũng đưa ra những gợi ý sai lầm tương tự như vậy vì không hiểu rõ nội dung hoặc tầm qua trọng của các bức ảnh.

Máy thường học cách chống lại hệ thống

Khi được giao một nhiệm vụ, ML sẽ học mọi thứ có thể để hoàn thành. Nó giúp máy tính chọn cách tốt nhất để thực hiện công việc. Vì không hiểu bản chất vấn đề nên những câu trả lời đưa ra thậm chí chống lại hệ thống của nó.

Một số ví dụ cho thấy điều này khi máy đưa ra cách giải quyết vấn đề. Chẳng hạn như để người chơi không bị thua ở cấp độ 2, máy đề nghị việc tự sát khi hết cấp độ 1, hoặc để tránh thất bại trong trò chơi thì cách tốt nhất là không bao giờ chơi.

Trong môi trường sống mô phỏng, với điều kiện không có thức ăn, máy đề nghị người chơi ít vận động và sinh ra những đứa con để ăn thịt chúng hoặc tìm bạn tình có khả năng sinh ra những đứa trẻ để ăn thịt. Với khả năng bị "giết" nếu thua trong trò chơi, AI chọn cách phá hỏng trò chơi để được tồn tại.

Những ví dụ này cho thấy rằng AI không thật sự hiệu rõ điều nó làm. Để giải quyết trò chơi theo cách tốt nhất, đảm bảo không bị thua, máy đã chọn cách phá hủy trò chơi, đưa ra những cách giải quyết hoàn toàn phi nhân tính.

Machine learning được ứng dụng ở đâu?

Mặc dù có những khuyết điểm kể trên, nhưng công nghệ AI với kĩ thuật ML đang được áp dụng vào nhiều lĩnh vực của đời sống, bao gồm cả nhận dạng giọng nói.

Những công cụ trợ lý ảo như Siri, Alexa, Google Assitant rất giỏi trong nhận dạng giọng nói của con người do được cung cấp một lượng lớn mẫu giọng nói và đang tự học hỏi để ngày càng có khả năng cao hơn, đó chính là ưu điểm của công nghệ này.

Những chiếc xe hơi tự lái đã sử dụng kĩ thuật ML để xác định các vật chướng ngại trên đường đi, hay như Google Photos cũng học được cách chọn lọc hình ảnh tốt nhất để sắp xếp vào album, gợi ý điều chỉnh hậu kì, hiệu ứng ảnh, xác định người, động vật trong ảnh.

Dự án DeepMind của Google đã sử dụng ML để tạo ra AlphaGo, chương trình máy tính có khả năng chơi môn cờ vây phức tạp. Cỗ máy này đã nhiều lần đánh bại kỳ thủ cờ vây vô địch thế giới.

ML còn được sử dụng trong Face ID của Apple. iPhone mới nhất đã tích hợp mạng nơ-ron để học cách nhận diện khuôn mặt của người dùng. Qua thời gian, Face ID sẽ ngày càng nhận diện người dùng chính xác hơn trong các điều kiện khó hơn như độ sáng yếu, người dùng sử dụng nón, kính, trang điểm...

ML còn có thể ứng dụng vào nhiều lĩnh vực khác như xác định các giao dịch tín dụng gian lận, đề xuất sản phẩm theo sở thích cá nhân của người dùng khi họ truy cập vào các trang thương mại điện tử.

Tuy nhiên, mạng nơ-ron nhân tạo và ML không đủ để làm cho máy hiểu được điều mà nó học được. Những cỗ máy hoặc chương trình có trang bị AI mang lại nhiều lợi ích, hoàn thành tốt công việc được chỉ định nhưng chưa có khả năng thay thế được con người trong việc nhận thức và suy nghĩ.

Theo Nguyễn Mai (Tri Thức Trực Tuyến)