Trí tuệ nhân tạo (AI) không phải là mới, nhưng nó đã tồn tại lâu hơn chúng ta tưởng. Con người đã bận rộn xây dựng các máy móc giúp tự động hóa công việc, làm mọi thứ nhanh hơn và tốt hơn, ít tốn công sức hơn, trong hàng nghìn năm.
Trong khi ví dụ cổ nhất được biết đến về tính toán tương tự có từ thế kỷ thứ 2 trước Công nguyên với cơ chế Antikythera, một cơ chế quay tay được sử dụng để mô phỏng hệ mặt trời, thì Alan Turing là người đầu tiên được ghi nhận với việc nghiên cứu trong lĩnh vực này. Ông gọi nó là “Trí tuệ Máy.”
Tuy nhiên, AI như một môn học thuật được thành lập sau đó. Vào năm 1956, trong một hội thảo mùa hè tại Đại học Dartmouth, John McCarthy, Marvin Minsky, Nathaniel Rochester, và Claude Shannon – những người sáng lập của AI – đã đặt ra thuật ngữ này.
Mục tiêu của AI là xây dựng một bản sao tương tự của con người: một hệ thống có thể suy nghĩ, hành động và hành xử không thể phân biệt với chúng ta – tóm lại, là thể hiện trí tuệ? Dù sao, “hành xử một cách thông minh” có nghĩa là gì?
Hành xử thông minh bao gồm khả năng thu thập thông tin mới và kết hợp nó với kiến thức hiện có để đưa ra một hướng hành động nhằm đạt được mục tiêu cụ thể. Điều này có thể bao gồm việc trả lời (hoặc không) một câu hỏi, an ủi một người nào đó, hoặc quyết định đọc cuốn sách nào tiếp theo.
Xin lưu ý việc sử dụng có chủ đích các từ “thông tin” và “kiến thức” trong câu trên, vì nó quan trọng ở chỗ tôi không sử dụng từ “dữ liệu,” cũng không phải là “sự khôn ngoan.” Tất cả những từ đó rất khác nhau, mặc dù chúng thường được sử dụng thay thế cho nhau bởi công chúng. Tuy nhiên, chúng ta sẽ để điều đó cho một bài viết khác.
Hành vi thông minh, do đó, đòi hỏi sự trừu tượng, lập luận logic, hiểu biết, tự nhận thức, học hỏi, kiến thức cảm xúc, suy luận, lập kế hoạch, sáng tạo, tư duy phản biện và giải quyết vấn đề.
Chúng ta cũng sẽ không đi sâu vào điều này ngay bây giờ, nhưng nếu bạn đồng ý với những điều đã nêu, cuối cùng bạn cũng sẽ đồng ý rằng Trí tuệ Nhân tạo Tạo sinh (GenAI) thực sự không thông minh như người ta đồn đại. Còn lâu mới như vậy. Ít nhất là chưa, và chắc chắn không phải ở hình thức và trạng thái hiện tại, và chắc chắn không dựa trên nền tảng công nghệ hiện nay. Chúng tôi sẽ nói thêm về điều này trong một bài viết tiếp theo.
Vì trí tuệ xây dựng trên rất nhiều khả năng và kỹ năng nhận thức, cảm xúc, nên AI, ít nhất ở hình thức cuối cùng của nó, nhất thiết là một lĩnh vực liên ngành. Nó bao gồm không chỉ Khoa học Máy tính mà còn Toán học, Tâm lý học, Triết học, Khoa học Thần kinh, Kỹ thuật, Kinh tế học và Ngôn ngữ học.
Kéo theo đó, chủ yếu vì lý do thực tiễn, lĩnh vực AI đã được chia thành AI Tổng quát và AI Hẹp. AI Tổng quát nhằm mục đích đạt được và cuối cùng vượt qua các khả năng nhận thức của con người. Như đã thảo luận ở trên, đây là lý do tồn tại cuối cùng của AI. Tuy nhiên, đạt được mục tiêu này – tức là thể hiện hành vi thông minh – là cực kỳ khó khăn. Và AI sẽ không chiếm lĩnh thế giới, ít nhất là không theo cách cố ý.
Vì tiến bộ gia tăng vẫn mang lại giá trị to lớn, các ứng dụng hiện có rơi hoàn toàn vào AI Hẹp. Phân loại con AI này có phạm vi hạn chế hơn rất nhiều. Nó nhắm đến việc vượt trội trong các nhiệm vụ đơn giản và hẹp hơn, chẳng hạn như đọc võng mạc của bạn, chơi cờ vua, AlphaGo chẳng hạn, hoặc điều khiển vô lăng của một chiếc xe tự hành vào thời điểm thích hợp. ChatGPT và các mô hình ngôn ngữ lớn (LLMs) cũng là ví dụ của AI Hẹp.
Nền tảng đã được thiết lập. Hãy đi sâu vào cách Khoa học Máy tính tiếp cận AI.
Trước hết: trái ngược với quan niệm chung, AI không chỉ là Học Máy (Machine Learning) hay GenAI. Và chắc chắn các thuật ngữ “Học Máy,” “GenAI” và “AI” không nên được sử dụng thay thế cho nhau. Điều này tương đương với việc nói rằng trái phiếu, cổ phiếu và công cụ tài chính là một và giống nhau. Chúc may mắn với điều đó.
Giống như bất kỳ ngành khoa học nào khác, các nhà Khoa học Máy tính đã chia không gian này thành nhiều lĩnh vực bổ trợ nhau. Chúng bao gồm Đại diện Kiến thức (Knowledge Representation), Lập luận Tự động (Automated Reasoning), Xử lý Ngôn ngữ Tự nhiên (NLP), Nhận thức (Perception), Robot học và cuối cùng nhưng chắc chắn không kém, Học Máy và GenAI.
Một số trong đó, như Học Máy hoặc GenAI, bắt nguồn từ lĩnh vực Thống kê, một nhánh của Toán học. Trong khi đó, những lĩnh vực khác như Đại diện Kiến thức và Lập luận Tự động dựa trên Logic—một trong những nhánh cổ nhất và nền tảng nhất của toán học, và triết học nữa.
Chúng ta bây giờ có thể vẽ ra một phép so sánh rất đơn giản nhưng mạnh mẽ. Hãy đối chiếu từng lĩnh vực AI này với các bộ phận của cơ thể chúng ta, mà cuối cùng giúp chúng ta hành xử một cách thông minh.
Nhận thức – mắt, mũi, da, tai, lưỡi – các giác quan của chúng ta nói chung, giúp chúng ta thu thập thông tin mới. Não của chúng ta giúp xử lý các kích thích đó, kết hợp với kiến thức hiện có (Đại diện Kiến thức), giúp chúng ta suy ra các sự kiện mới (Lập luận) và cuối cùng là một hành động để đạt được mục tiêu mong muốn. Nếu điều đó đòi hỏi sự tương tác với thế giới vật lý, hệ xương và cơ bắp của chúng ta, tương ứng với Robot học, sẽ thực hiện hành động đó. Nếu mục tiêu đòi hỏi sự tương tác bằng lời nói, GenAI sẽ giúp chúng ta tạo ra ngôn ngữ ngữ pháp chính xác cần thiết, và NLP sẽ vào cuộc để tạo ra giọng nói văn bản phù hợp.
Trí tuệ nhân tạo tượng trưng (SymAI) thường được gọi là AI Cổ điển hoặc AI Truyền thống (GOFAI). Mặt trái của nó được biết đến trong các diễn đàn học thuật là AI Phi biểu tượng (Non-Symbolic AI).
Ngoài những khác biệt về nền tảng toán học, điểm khác biệt nổi bật nhất là cách SymAI và GenAI thể hiện các vấn đề. SymAI sử dụng các ký hiệu rõ ràng (tức là có thể đọc được bằng mắt người), chẳng hạn như các phương pháp chính thức và ngôn ngữ lập trình. Ngược lại, AI Phi biểu tượng dựa trên mạng nơ-ron. Cuối cùng, SymAI không gặp vấn đề về khả năng giải thích và chính xác hơn, nhưng kém mở rộng hơn vì khó bảo trì hơn.
SymAI và GenAI đều xuất sắc ở một số lĩnh vực và thiếu hụt ở những lĩnh vực khác. Đó là lý do tại sao có sự quan tâm ngày càng tăng trong cả giới nghiên cứu và thương mại, chủ yếu ở châu Âu, để kết hợp cả hai phương pháp. Ngành học mới ra đời được tạm gọi là AI Tượng trưng-Nơron, và được hứa hẹn sẽ, nếu không đạt được AI Tổng quát, thì ít nhất cũng đưa chúng ta đến rất gần với nó. Tất nhiên, đó là khi chúng ta hiểu được ý thức là gì và giải quyết được vấn đề tự nhận thức.
Nguồn tham khảo: Sinuhe.ai