Nguyễn Trung Dân, New York
New York, 10/10/2024
Nguyễn Xuân Xanh trình bày
26/10/2024
Nó (machine learning/AI) có thể so sánh được với cuộc Cách mạng Công nghiệp. Thay vì vượt qua con người về sức mạnh thể chất, nó sẽ vượt qua con người về khả năng trí tuệ. Chúng ta chưa hề có kinh nghiệm với những thứ thông minh hơn chúng ta sẽ như thế nào.
—Geoffrey Hinton
Có hàng tỷ tế bào thần kinh (nơ-rôn) trong não của chúng ta, nhưng tế bào thần kinh là gì? Chỉ là tế bào. Bộ não có kiến thức khi các kết nối được tạo ra giữa nơ-rôn. Tất cả những gì chúng ta biết, tất cả những gì chúng ta là, đều đến từ cách các tế bào thần kinh của chúng ta được kết nối.
—Tim Berners-Lee
John Hopfield (1933-), 91 tuổi. Ảnh do Mary Waltham, vợ của Hopfield chụp trong phòng ăn của căn nhà nông thôn của họ tại làng Selborne, Hampshire, Anh.
Lời nói đầu
Chúng ta đã nghe về Geoffrey Hinton, bố già của trí tuệ nhận tạo. Bây giờ chúng ta sẽ nghe về John Hopfield, nhà vật lý tài ba đã đi vào lãnh vực sinh học và sáng tạo ra “mạng Hopfield”, nền tảng cho sự phát triển hệ nơ-rôn và AI mạnh mẻ như ngày nay.
Hai ông được trao Giải Nobel Vật lý 2024 “cho những khám phá và phát minh nền tảng tạo điều kiện cho máy học hoạt động với các mạng nơ-ron nhân tạo.” Những câu chuyện kể trong bài viết của Nguyễn Trung Dân là rất thú vị, cho chúng ta một cái nhìn tổng quát của sự phát triển từ vật lý đến sinh học, mạng nơ-rôn, rồi máy Boltzmann với những ứng dụng bức phá. Nghe giống những chuyện thần thoại.
Điểm “kỳ dị” (singularity) mà nhà khoa học máy tính và tương lai học Ray Kurzweil chờ đợi từ lâu, khi máy trở nên thông minh hơn con người, có lẽ đã gần đến, chỉ còn “vài phút nữa” thôi . Ông uống mỗi ngày trên 80 viên thuốc để sống đến giây phút đó.
Một trong nhiều tiếng nói critical về sự xuất hiện “trí thông minh siêu phàm” và hệ quả của nó:
Trong vòng ba mươi năm, chúng ta sẽ có phương tiện công nghệ để tạo ra trí thông minh siêu phàm. Ngay sau đó, kỷ nguyên của con người sẽ bị kết thúc. Liệu sự tiến bộ như vậy có thể tránh được không? Nếu không thể tránh được, liệu các sự kiện có thể được hướng dẫn để chúng ta có thể sống sót không? (Vernor Vinge, tác giả, giáo sư, nhà khoa học máy tính)
Stephen Hawking cũng bày tỏ quan ngại: “nguy cơ là có thật rằng chúng có thể phát triển trí thông minh và chiếm lấy thế giới”.
Isaac Newton có viết trong tác phẩm Opticks rằng
Trong khi đó, Nhiệm vụ chính của Triết học tự nhiên là lập luận từ Hiện tượng mà không giả vờ đưa ra Giả thuyết, và suy ra Nguyên cớ từ Kết quả, cho đến khi chúng ta đến được Nguyên cớ đầu tiên, chắc chắn không phải là cơ học.
—Opticks, BOOK THREE. PART I, Query 28
Cùm từ cuối rất đáng để ý. Phải chăng loài người đang trên đường đi đến Nguyên cớ đầu tiên, nó không còn là cơ học nữa như những câu chuyện máy học, mạng nơ-rôn nhân tạo cho thấy?
Bộ óc con người vĩ đại, “rộng hơn trời, và sâu hơn đại dương” như một nữ thi sĩ Mỹ thế kỷ XIX có nhiều ảnh hưởng diễn tả trong bài thơ sau đây:
The Brain — is wider than the Sky —
For — put them side by side —
The one the other will contain
With ease — and You — beside —
The Brain is deeper than the sea —
For — hold them — Blue to Blue —
The one the other will absorb —
As Sponges — Buckets — do —
The Brain is just the weight of God —
For — Heft them — Pound for Pound —
And they will differ — if they do —
As Syllable from Sound —
—Emily Dickinson
Con người đang trên đường tạo ra bộ óc thứ hai, một ‘bản sao” của nó, có thể mạnh hơn nó, với những hệ quả chưa lường hết được. A second creation? Cuộc cách mạng công nghiệp lần thứ nhất của thế kỷ XVIII cũng từng đã tạo ra những hệ quả toàn cầu ghê gớm. Một trong những hệ quả đó là nó kéo toàn nhân loại vào văn minh, như Karl Marx nói. Nền văn minh sắp tới là nền văn minh gì, nếu con người không bị hủy diệt bởi chính sản phẩm của mình?
Bài này đã được đăng lần đầu tiên trên báo Tuổi Trẻ Cuối Tuần ngày 22/10/2024, với tiêu đề “Từ bộ não người đến trí tuệ nhân tạo”. Chúng tôi xin chân thành cảm ơn tác giả đã cho phép đăng lại trên mạng rosetta.
Nguyễn Xuân Xanh
Một buổi sáng thu Sài gòn nắng ấm đem lại nhiều niềm vui tự nhiên
Hai nhà khoa học John J. Hopfield và Geoffrey E. Hinton đã được trao Giải Nobel Vật lý năm 2024 vì những khám phá giúp cho máy tính có thể học được theo cách mà bộ não con người thực hiện (thuật ngữ khoa học gọi là ‘machine learning’) tạo nên nền tảng phát triển của lĩnh vực trí tuệ nhân tạo (artificial intelligence – AI).
Ủy ban Nobel cho biết những đột phá về lĩnh vực ‘machine learning’ (hiểu đơn giản nhất theo sát nghĩa khoa học là ‘huấn luyện máy tính học’) của Tiến sĩ Hopfield và Tiến sĩ Hinton “đã cho thấy một cách hoàn toàn mới trong việc sử dụng máy tính để hỗ trợ và hướng dẫn chúng ta giải quyết nhiều thách thức mà xã hội đang phải đối mặt”.
Mạng nơ-ron (neural networks) nhân tạo – hệ thống máy tính có thể học các kỹ năng bằng cách phân tích dữ liệu và được đặt tên theo mạng nơ-ron trong não người – là một phần của các dịch vụ internet ngày nay, bao gồm các công cụ tìm kiếm như Google, các kỹ thuật trợ giúp điều khiển bằng tiếng người như Siri của Apple và các chatbot như ChatGPT của OpenAI. Những kỹ thuật này bắt nguồn từ toán học và khoa học máy tính, không phải vật lý. Nhưng các nghiên cứu vật lý của Tiến sĩ Hopfield và Tiến sĩ Hinton vào cuối những năm 1970 và đầu những năm 1980 đã giúp tác động đến sự phát triển của mạng nơ-ron nhân tạo sau này đã trở thành một bộ phận cấu thành của hệ thống Internet hiện đại.
Thông cáo báo chí hôm ngày 08/20/2024 của Ủy ban Nobel nhấn mạnh hai nhà khoa học đoạt giải Nobel vật lý năm nay đã sử dụng các công cụ vật lý để phát triển các phương pháp làm nền tảng cho lĩnh vực vô cùng quan trọng là machine learning …
John J. Hopfield hiện là giáo sư danh dự tại Princeton nổi tiếng với những khám phá quan trọng về khoa học máy tính, sinh học và vật lý. Ông năm nay 91 tuổi và là người lớn tuổi thứ ba đoạt giải Nobel vật lý.
TỪ VẬT LÝ ĐẾN MANG NƠ-RÔN
Ông bắt đầu sự nghiệp của mình tại Bell Labs vào năm 1958 với tư cách là một nhà vật lý nghiên cứu chất rắn. Đây chính là thời kỳ vật lý chất rắn phát triển mạnh mẽ với các phát minh ra bóng bán dẫn (transistor) năm 1947 và pin mặt trời bằng chất bán dẫn silicon1954 ngay tại Bell Labs. Mặc dù vậy, Hopfield vẫn cảm thấy gò bó trong nghiên cứu, ông chuyển đến Đại học California, Berkeley vào năm 1961 rồi sau đó đến khoa vật lý của Đại học Princeton vào năm 1964. Năm 1980 ông chuyển đến làm giáo sư hóa học và sinh học ở Viện Công nghệ California, và trở lại Princeton năm 1997với tư cách là giáo sư ở khoa Sinh học Phân tử.
Vào những năm 1980, ông tập trung nghiên cứu các quá trình não lưu giữ và tái tạo các mẫu thông tin. Ông giải thích trong một cuộc phỏng vấn rằng công việc của ông xuất phát từ sự tò mò về mối liên hệ giữa vật lý và sinh học. Ông nói:
-Hệ sinh học cũng chỉ là một hệ vật lý nhưng là một hệ thống rất phức tạp.
Trước đó, Hopfield đã sử dụng kiến thức vật lý của mình để khám phá các vấn đề lý thuyết trong sinh học phân tử. Khi được mời đến một số cuộc họp về khoa học thần kinh, ông đã được tiếp cận với các nghiên cứu về cấu trúc của bộ não. Ông bị cuốn hút bởi những gì mình học được và bắt đầu suy nghĩ về hoạt động của mạng nơ-ron thần kinh đơn giản.
Mạng nơ-ron con người
Năm 1982, Hopfield đã phát triển một mô hình mạng bao gồm các nút có vai trò như các nơ-ron của bộ não để mô tả cách bộ não nhớ lại các ký ức khi được cung cấp một phần thông tin (còn gọi là mạng Hopfield). Đó là một quá trình tương tự như việc mà bộ não của bạn sử dụng để ghi nhớ một từ phát ra trên đầu lưỡi. Khả năng này được gọi là ‘nhớ liên kết (associate memory)’. Các nghiên cứu của Hopfield cho thấy rằng hành vi của mạng nơ-ron có thể được giải thích giống như một hệ vật lý gồm các nam châm nhỏ xíu cỡ nguyên tử (thuật ngữ khoa học là các spin) tác động và ảnh hưởng lẫn nhau. Hơn thế nữa, mạng các spin này có thể được đào tạo và huấn luyện bằng cách tìm giá trị các kết nối giữa các nút tương ứng với mức năng lượng cực tiểu khi một hình ảnh được nạp vào và lưu giữ.
Huấn luyện máy tính học các kỹ năng (machine learning) khác với công nghệ phần mềm truyền thống dùng để điều khiển máy tính hoạt động theo cách: nhập dữ liệu, xử lý theo các công thức được mô tả rõ ràng và cho ra kết quả tính toán, giống như khi ai đó chuẩn bị các nguyên liệu và chế biến theo công thức để làm ra một chiếc bánh. Trong khi đó, với machine learning máy tính học từ các ví dụ được đào tạo rồi từ đó cho phép nó giải quyết các vấn đề mơ hồ và phức tạp vốn không thể hướng dẫn từng bước hay bằng công thức rõ ràng.
Hãy tưởng tượng rằng bạn đang cố nhớ một từ mà bạn hiếm khi sử dụng, chẳng hạn như từ chỉ cái vật để vặn vào cái máy bị lỏng lẻo. Bạn tìm kiếm trong trí nhớ của mình. Nó giống như cái đinh, … có lẽ là cái đinh, … nhưng nó không nhọn, lại có các rãnh để vặn? hay là đinh vặn ? Nghe không ổn. OK, cái đinh vít, thế thôi!
Quá trình tìm kiếm ra từ phù hợp bằng liên kết với các từ tương tự để gợi ra sự nhớ liên kết mà John Hopfield đã phát hiện ra vào năm 1982. Mạng Hopfield không chỉ lưu trữ các mẫu thông tin (như hình ảnh) mà còn có phương pháp tái tạo lại dữ liệu ngay cả khi thông tin có chứa nhiễu hoặc đã bị xóa một phần. Holfield không hề lường trước được rằng công việc của ông về mạng nơ-ron sẽ hữu ích trong lĩnh vực ‘machine learning’ sau này.
Trên: Nơ-ron con người. Dưới: Nơ-rôn nhân tạo
TỪ MẠNG NƠ-RÔN ĐẾN MÁY BOLTZMANN
Geoffrey E. Hinton, sinh ra ngay ngoại ô London, sống và làm việc chủ yếu ở Hoa Kỳ và Canada kể từ cuối những năm 1970. Ông là giáo sư khoa học máy tính tại Đại học Toronto. Khi Hopfield công bố bài báo về ‘nhớ liên kết’, Geoffrey Hinton đang là giáo sư khoa học máy tính tại Đại học Carnegie Mellon ở Pittsburgh, Hoa Kỳ. Nhưng sau đó đã rời trường đại học này để đến đại học Toronto, Canada vì ông nói rằng ông không muốn nhận tài trợ của Lầu Năm Góc. Vào thời điểm đó, hầu hết nghiên cứu AI. ở Hoa Kỳ được tài trợ bởi Bộ Quốc phòng. “Tôi nhớ mình đã tham dự một hội nghị ở Rochester (tiểu bang New York), có John Hopfield báo cáo và lần đầu tiên tôi biết đến mạng nơ-ron thần kinh nhân tạo. Trước đó, ông cũng đã từng nghiên cứu trí tuệ nhân tạo ở Anh và Scotland và tự hỏi liệu máy móc có thể học cách xử lý các mẫu thông tin theo cách tương tự như con người hay không. Cùng với đồng nghiệp của mình, Terence Sejnowski vốn là một nghiên cứu sinh làm luận án tiến sỹ dưới sự hướng dẫn của Hopfiled, Hinton bắt đầu từ xây dựng một cái hệ thống mở rộng hơn của mạng Hopfield có sử dụng các ý tưởng từ vật lý thống kê. Mạng của Hinton đã sử dụng phương trình do nhà vật lý thống kê Ludwig Boltzmann tìm ra từ thế kỷ 19, và hệ thống này có tên là máy Boltzmann và công bố năm 1985.
Một cỗ máy Boltzmann đã được huấn luyện có thể nhận ra những đặc điểm quen thuộc trong thông tin mà nó chưa từng thấy trước đây. Hãy tưởng tượng bạn gặp anh chị em của một người quen và bạn có thể thấy ngay rằng họ chắc chắn có quan hệ họ hàng với nhau. Theo cách tương tự, máy Boltzmann có thể nhận ra một ví dụ hoàn toàn mới nếu nó thuộc một danh mục có trong tài liệu đào tạo và phân biệt nó với tài liệu khác.
Trong những năm 1990, sau hàng chục năm với quá nhiều kỳ vọng và thất vọng về công nghệ AI, nhiều nhà đầu tư và nghiên cứu không còn hứng thú với mạng nơ-ron thần kinh nhân tạo. Đó cũng còn được gọi là thời kỳ ‘AI Winter (Mùa đông AI)’ để nói lên sự nguội lạnh với công nghệ AI. Nhưng Hinton là một trong những người tiếp tục làm việc trong lĩnh vực này và đã giúp cho sự bùng nổ mới của công nghệ AI. Năm 2006, ông và các đồng nghiệp đã phát triển một phương pháp huấn luyện một loạt máy Boltzmann theo từng lớp, lớp này chồng lên lớp kia. Quá trình đào tạo này đã giúp tối ưu hóa việc đào tạo máy tính nhận dạng trong ảnh.
Biểu diễn đồ họa của một ví dụ về máy Boltzmann. Mỗi cạnh không định hướng biểu diễn sự phụ thuộc. Trong ví dụ này có 3 đơn vị ẩn và 4 đơn vị hiển thị. Đây không phải là máy Boltzmann bị hạn chế. (Wikipedia)
BỨC PHÁ
Vào năm 2012, Hinton và hai sinh viên của ông ở Toronto, Ilya Sutskever và Alex Krishevsky, đã xây dựng một mạng nơ-ron nhân tạo có thể phân tích hàng nghìn bức ảnh và tự dạy nó cách xác định các vật thể thông thường, chẳng hạn như hoa, chó và ô tô. Google đã chi 44 triệu USD để mua lại một công ty của họ. Và hệ thống đó đã dẫn đến tạo ra các công nghệ AI ngày càng lớn mạnh, bao gồm các chatbot mới như ChatGPT và Google Board. Ông Sutskever trở thành Khoa học gia trưởng tại OpenAI. Năm 2018, Hinton và hai cộng tác viên lâu năm khác đã nhận được Giải thưởng Turing, thường được gọi là “Giải Nobel về Khoa học Máy tính” cho các công trình nghiên cứu về mạng mạng nơ-ron thần kinh nhân tạo và ông còn được mệnh danh là “cha đỡ đầu của AI.” Trong cuộc phỏng vấn sau khi được nhận tin về giải Nobel Vật lý năm 2024, ông đã nói đùa rằng “Nếu có giải thưởng Nobel về khoa học máy tính thì có lẽ các nghiên cứu của chúng tôi phù hợp với giải thưởng đó hơn. Nhưng không có một giải như thế.”
Năm ngoái, ông đã gây chú ý trên khắp thế giới khi rời bỏ công việc tại Google sau hơn 10 năm làm việc cho Google và cảnh báo rằng công nghệ AI. mà ông góp phần tạo ra một ngày nào đó có thể hủy diệt loài người. Trong cuộc phỏng vấn qua điện thoại trong buổi công bố giải Nobel ở Stockholm, Hinton bày tỏ lo lắng về ‘machine learning’ và cho biết nó sẽ có ảnh hưởng đặc biệt đến xã hội. Ông nói “Nó có thể so sánh được với cuộc Cách mạng Công nghiệp. Thay vì vượt qua con người về sức mạnh thể chất, nó sẽ vượt qua con người về khả năng trí tuệ. Chúng ta chưa hề có kinh nghiệm với những thứ thông minh hơn chúng ta sẽ như thế nào.” Trong khi Hinton bày tỏ mối quan ngại của mình, ông cũng cho rằng công nghệ tiên tiến này sẽ mang lại dịch vụ chăm sóc sức khỏe tốt hơn nhiều cũng như sẽ có những cải thiện lớn về năng suất.
Cũng trong một cuộc họp báo hôm thứ Ba ngày 08/10/2024, Tiến sĩ Hopfield đã so sánh những tiến bộ trong AI với các nghiên cứu năng lượng nguyên tử dẫn đến cả những quả bom chết người và nguồn năng lượng dồi dào.
Mặc dù máy tính không thể suy nghĩ nhưng giờ đây máy móc có thể bắt chước các chức năng như nhớ và học các kỹ năng mới. Những người đoạt giải vật lý năm nay đã giúp biến điều này thành hiện thực bằng sử dụng các khái niệm và phương pháp cơ bản của vật lý để phát triển các công nghệ sử dụng mạng nơ-ron nhân tạo để xử lý thông tin.
New York, 10/10/2024
Nguyễn Trung Dân
Xem thêm các bài liên quan:
(I) Geoffrey Hinton, Cha đỡ đầu của trí tuệ nhân tạo và Con đường đến giải Nobel
(II) Geoffrey Hinton và Lời cảnh báo
https://rosetta.vn/nguyenxuanxanh/ai-binh-minh-cua-mot-cuoc-cach-mang-khcn-moi-nguyen-trung-dan/
Không có nhận xét nào