Những hạn chế của AI ở hiện tại
Mạng lưới trí tuệ nhân tạo hiện đang là phát minh thành công nhất của xã hội loài người. Chúng có khả năng đạt được những thành tích đáng kinh ngạc trong nhiều lĩnh vực, tuy nhiên trên thực tế, chúng vẫn phải đối mặt với một vài rào cản về kỹ thuật.
Một trong số đó là việc không thể cập nhật thêm những kỹ năng mới cho chúng một cách dễ dàng, lý do là bộ nhớ của chúng không phải vô hạn, chúng ta không thể đưa quá nhiều dữ liệu vào, mà sẽ phải làm thao tác thay thế. Đơn giản hơn mà nói, nếu muốn dạy cho chúng một kỹ năng mới thì bắt buộc phải 'lau sạch' bộ nhớ cũ và bắt đầu thiết lập lại từ đầu.
Sự khác biệt giữa 'nhân tạo' và 'thực tạo'
Có một sự khác biệt lớn giữa trí tuệ con người và trí tuệ nhân tạo như sau: Deep-learning Ais được thiết lập với một hệ thống dữ liệu được lập trình sẵn từ trước, và chúng xử lí mọi thứ dựa vào khối lượng dữ liệu cho này.
Trong khi đó, trí tuệ của con người lại được xây dựng bằng cách tổng hợp và đúc kết lại những kiến thức đã thu nạp được hàng ngày.
Hay nói cách khác, dữ liệu trong bộ não con người sẽ thay đổi và được bổ sung hằng ngày chứ không bị gói gọn trong một khuôn khổ nào, nó là vô tận!
Cũng chính vì thế mà tâm trí con người đặc biệt thành thạo trong việc lập luận, dựa vào logic để xây dựng mối liên hệ giữa những kinh nghiệm trong quá khứ và những tình huống ở thực tại hoặc tương lai.
Như vậy, nếu chúng ta kết hợp khả năng linh hoạt tính toán của não con người với khả năng xử lý dữ liệu khổng lồ của AI thì sao? Đó chính xác là những gì mà nhóm nghiên cứu từ DeepMind của IBM gần đây đã và đang cố gắng thực hiện.
Họ đang xây dựng một hệ thống thần kinh hoạt động tương tự như mạng lưới nơ-ron của não. DeepMind đã có thể làm việc trên một hệ thống 'ghi nhớ' các thông tin quan trọng và áp dụng kiến thức đã tích luỹ cho các truy vấn có liên quan trong tương lai.
Điều này đặc biệt hữu ích trong các tình huống mà bộ dữ liệu không phải là tĩnh - nghĩa là ở thế giới thực.
Lợi ích trước mắt và trong tương lai của AI
Về cơ bản, cơ chế mới của IBM sẽ thông báo với hệ thống điều hành những gì nó cần tập trung vào. Ví dụ khi bạn đi khám bệnh, bác sĩ có thể chạy hàng trăm bài kiểm tra để xác định vấn đề của bạn là gì, nhưng điều đó là không khả thi - cả về thời gian và tiền bạc.
Đó là những gì mà thuật toán hướng tới. Nó không chỉ tìm ra quyết định dẫn đến kết quả tốt nhất mà còn học được nơi để tìm trong dữ liệu. Bằng cách này, hệ thống sẽ đưa ra quyết định tối ưu hơn với tốc độ cao hơn, vì nó không truy cập các phần của tập dữ liệu không áp dụng cho vấn đề hiện tại.
Với những cải tiến mới này, hệ thống thần kinh của IBM đã bắt đầu tạo ra các kết nối mới và tốt hơn (neuron), trong khi một số những cái cũ, kém hữu ích hơn sẽ được 'cắt tỉa' bớt.
Nói như vậy không có nghĩa là hệ thống đang xóa đi dữ liệu cũ, mà đơn giản là không liên kết với chúng một cách mạnh mẽ nữa - giống như cách mà những kỷ niệm cũ của bạn thường có xu hướng trở nên mơ hồ qua nhiều năm nhưng sự gắn bó và ý nghĩa để lại vẫn còn sống động trong nhiều năm sau đó.
Tạm kết
Có thể nói, đây là những tiến bộ có thể mang lại lợi ích cho cộng đồng nghiên cứu về AI. Về cơ bản mô hình sẽ bao gồm quá trình hoạt động nhanh gọn, thiết thực, trong khi phần bộ nhớ sẽ cho phép hệ thống sắp xếp chức năng của nó phụ thuộc vào tình hình hiện tại.
Tuy nhiên, khả năng nhận dạng hình ảnh của nó vẫn còn có khoảng cách rất, rất xa so với con người.
-----
Vừa rồi là một số thông tin mới nhất về AI và nghiên cứu của IBM. Không biết bạn có nhận xét gì?
Hãy để lại comment bên dưới bài viết nhé!
Xem thêm: Goldman Sachs - Công nghệ AI của Trung Quốc đang bắt kịp với Mỹ
Biên tập bởi Tech Funny
