Bạn có thể chuyển sang phiên bản mobile rút gọn của Tri thức trực tuyến nếu mạng chậm. Đóng

LONGFORM

Loài người hãy tiến lên sau trận thua AlphaGo

Chiến thắng của AlphaGo không phải là thất bại của loài người - đó là cơ hội.

Trận thua AlphaGo là cơ hội tiến hoá cho nhân loại

Zing.vn giới thiệu quan điểm của Sam Byford, cây viết của The Verge sau trận thắng lịch sử của AlphaGo trước kỳ thủ cờ vây số một thế giới Ke Jie.

tran thua AlphaGo anh 1

N

ếu bạn đã nghe về sự kiện mới nhất của AIphaGo vào tuần trước - nghiền nát tuyển thủ cờ vây xuất sắc nhất thế giới và được thừa nhận rằng trí tuệ nhân tạo đã trở nên tinh thông nghệ thuật chơi cờ cổ đại của Trung Quốc - ắt hẳn bạn chỉ đang nghe về sự kiện này theo một cách phóng đại quá mức.

Sự thất bại của thần đồng cờ vây 19 tuổi người Trung Quốc Ke Jie trước AlphaGo là không thể chối cãi, làm rung động toàn thể cộng đồng cờ vây toàn thế giới nói riêng và nhân loại nói chung. Hình ảnh Ke Jie gục đầu chán chường bên bàn cờ vây, vò đầu bứt tóc một cách bất lực in sâu vào tiềm thức một cách ám ảnh của người xem lúc ấy.

Tuy nhiên, chúng ta chỉ tập trung vào sự việc ấy mà đã bỏ qua nhiều vấn đề. DeepMind, một công ty sở hữu bởi Google phát triển AlphaGo không nhằm mục đích đè bẹp loài người, dù sao thì, đó là một công ty vận hành bởi chính con người. AIphaGo đại diện cho những thành tựu nổi bật của nhân loại, AI không nhằm vượt qua hay chống đối loài người, mà giúp chúng ta phát triển hơn.

Tôi đã có một vài cuộc đối thoại với DeepMind và những lập trình viên của Google tại hội nghị cấp cao Tương lai của cờ vây ở Ô Trấn, tỉnh Chiết Giang, Trung Quốc vào tuần trước, những gì họ đề cập tới là về trận thắng báo thù của Lee Se-dol chứ không phải 4 trận bại trước AlphaGo vào năm ngoái.

tran thua AlphaGo anh 2

“Lee Se-dol khai thác triệt để điểm yếu của AIphaGo trong ván thứ tư, đó chính là lỗ hổng về kiến thức, khuyết điểm lớn nhất của AIphaGo. Chúng tôi đã làm việc cật lực để sữa chữa khuyết điểm ấy và lấp đi lỗ trống kiến thức bằng cách dạy hoặc để AIphaGo tự học hỏi những nước đi mới. Tuy nhiên, chúng tôi vẫn chưa thể thử nghiệm liệu AIphaGo có thể tốt lên hay không, cho tới khi nó đánh bại một cao thủ như Ke Jie”, đồng sáng lập DeepMind kiêm CEO Demis Hassabis chia sẻ.

Mọi chuyện xảy ra thật bất ngờ, AIphaGo áp đảo Ke với tỷ số 3-0 đồng nghĩa với việc lỗ hổng kiến thức đã được lấp đầy. Nhờ thất bại của AIphaGo với Lee, DeepMind học hỏi từ sai sót ấy và không ngừng cải tiến, nếu không thì Ke có lẽ đã chiến thắng, bởi vì tuyển thủ mạnh hơn Lee gấp nhiều lần. Hơn nữa, AIphaGo không có khả năng tự mãn.

tran thua AlphaGo anh 3

Phiên bản AIphaGo đã thi đấu với Ke vốn được lập trình lại - Deepmind đặt tên nó là AIphaGo Master. Nó thông minh hơn phiên bản AlphaGo năm ngoái từng đấu với Lee Se-dol. 

“Cải tiến quan trọng nhất của AIphaGo chính là khả năng tự dạy bản thân. AIphaGo giờ đây tự nó tìm kiếm những thông tin cần thiết và học chúng để nâng cấp mạng lưới neuron, chúng tôi cho rằng kiến thức của AIphaGo hiện nay là rất toàn diện. Một trong những điều chúng tôi mong mỏi hiện nay là không những AIphaGo sẽ chơi cờ vây tốt hơn, mà nó sẽ trở thành đầu tàu công nghệ chính ở nhiều lĩnh vực đầy thách thức khác,” Dave Silver, nhà nghiên cứu chính của DeepMind nhận xét.

AIphaGo gồm có hai mạng lưới: Một định hình thông tin giúp lựa chọn nước đi tiếp theo, một truy xuất giá trị dùng để phân tích những khả năng dẫn đến chiến thắng. Mạng lưới thông tin này được lập trình dựa trên hàng triệu nước cờ vây của những tuyển thủ chuyên nghiệp. Nhưng, AIphaGo Master lại tiến xa hơn bằng cách tìm kiếm những khả năng có thể xảy ra khi một nước đi được thực hiện, gia tăng hiểu biết của chính nó về những nước đi sai lầm tiềm tàng.

tran thua AlphaGo anh 4

“Chương trình AIphaGo gốc tự chơi với chính nó hàng triệu lần, nhưng lại không có khả năng tự tìm kiếm nước đi. Còn AIphaGo Master sử dụng chính sức mạnh của mình để dự đoán nước đi tiếp theo. Trong khi phiên bản tiền nhiệm chỉ có thể xử lý thông tin hữu hiệu, thì bản nâng cấp tự mình sử dụng mạng lưới thông tin để cải thiện từng chút một”, Hassabis trả lời The Verge.

Tôi hỏi Hassabis rằng liệu anh ấy có nghĩ rằng AIphaGo có khả năng vận hành mà không cần những dữ liệu trong lịch sử chơi cờ vây của nó.

“Chúng tôi đã thực hiện những  thí nghiệm về vấn đề trên và cho kết quả khá là khả quan. Ý tưởng về việc cải tiến AIphaGo sau này là làm cho nó bớt phụ thuộc vào việc vận hành bởi con người”.

Để có thể đánh bại Ke Jie, DeepMind cần phải sửa chữa những khuyết điểm của AIphaGo ban đầu mà Lee đã tận dụng. Mặc dù AIphaGo trở nên mạnh hơn chỉ bằng việc tự chơi với chính nó, DeepMind không thể chỉ dựa vào mỗi phương pháp ấy để cải thiện AIphaGo. “Đây không phải là một phần mềm mà bạn chỉ đơn giản sửa một lỗi bug là xong”, Hassabis người cho rằng lỗ hổng kiến thức là vấn đề luôn gặp phải của mọi loại hệ thống có khả năng học hỏi khác trong tương lai.

“Bạn phải, đại loại như dỗ ngọt để chương trình có thể tiếp thu kiến thức mới một cách tự nhiên hoặc để nó tự tìm hiểu một thêm những kiến thức trong một lĩnh vực nào đó mà chương trình chưa chạm tới, và có rất nhiều chiến thuật để đạt mục đích. Chúng ta có thể sử dụng nhiều phiên bản của AIphaGo để chúng đấu với nhau và từ đó phiên bản AIphaGo tốt nhất sẽ tiếp thu thêm nhiều chiến thuật mới”.

“Hơn nữa, chúng tôi xem xét lại những trận đấu tự chơi của AIphaGo, những thuật toán mà AIphaGo đã sử dụng lúc này và viết lại một thuật toán khác để quan sát toàn bộ ván đấu đó nhằm xác định vấn đề AIphaGo đang mắc phải. Chúng tôi có cả một thư viện để lưu trữ toàn bộ những vấn đề trên, sau đó không những chúng tôi cho AIphaGo tự đấu với chính nó, mà còn cho nó thi đấu với cơ sở dữ liệu đã được lưu trữ”.

Thực ra, AlphaGo Master tiêu tốn ít năng lượng hơn phiên bản trước dùng để đánh bại Lee Se-dol. Nó hoạt động nhờ một cỗ máy vận hành cơ năng thế hệ thứ hai qua Google Cloud, trong khi phiên bản tiền nhiệm dùng tới 50 TPU cùng một lúc. “Nó hoàn toàn không giống như loại năng lượng vận hành trên hệ thống máy tính ngày nay, nó còn hơn cả sự tưởng tượng của người thường”, Silver nói.

tran thua AlphaGo anh 5

AIphaGo học hỏi từ chính con người, và sau này, có thể sẽ không cần nữa. Ngược lại, loài người cũng học hỏi từ AIphaGo. Một ví dụ dễ thấy nhất đó là trận đầu tiên của Ke Jie với AI khi anh ấy sử dụng chiến thuật 3-3 để mở màn trận đấu. Đó là một nước cờ đã không còn được sử dụng trong vài thập kỷ, nhưng bỗng dưng đã nổi lên trong cộng đồng cờ vây sau khi AlphaGo bẽ gãy nó. Ke đã đẩy AIphaGo tới giới hạn trong ván hai, nó đã dự đoán 50 nước cờ đầu tiên của Ke đều “tuyệt hảo”, và 100 nước cờ của anh ấy tốt hơn nhiều những người đã từng đánh với phiên bản Master.

Cộng đồng cờ vây toàn thế giới không thể giải thích được tại sao những nước cờ của AIphaGo lại công hiệu đến vậy. AIphaGo đã tiếp cận ván cờ bằng một cách khác. Cờ vây là một loại cờ có tuổi thọ cả ngàn năm, và AlphaGo đã thay đổi cách suy nghĩ của mọi người về cách mà trò chơi được học và vận hành.

Nhưng, người phương Tây thì thường không chơi cờ vây, vậy AIphaGo giúp loài người như thế nào?

tran thua AlphaGo anh 6

Thử tưởng tượng bạn là một kĩ sư công nghệ làm việc tại Google, công việc của bạn là sắp xếp mọi thứ vận hành trơn tru và có hiệu quả. Tuy nhiên, để vận hành mọi thứ có hiệu quả đòi hỏi bạn phải biết sắp xếp dữ liệu và cho phép nhiều hệ thống hoạt động cùng lúc hết công suất.

tran thua AlphaGo anh 7

“Một biến thể của AIphaGo tên là Dr.Data, cho phép nhiều đơn vị cùng xử lý một lúc và vận hành với cấp độ thấp nhất. Dr Data đang được sử dụng trong một trung tâm lưu trữ thông tin của Google, tiết kiệm cho công ty 40% lượng điện cho việc giảm nhiệt và làm giảm 15 % lượng điện tiêu tốn.

DeepMind tin rằng công nghệ chế tạo AIphaGo sẽ được áp dụng trong nhiều ngành khoa học và chăm sóc sức khỏe, với công nghệ học hỏi sâu giúp cải thiện tính chính xác và hiệu quả trên mọi lĩnh vực từ việc tạo hình cấu trúc protein đến việc chụp X quang.

“Bạn có thể hình dung việc quản lý và chăm sóc bệnh nhân sẽ trở nên tiện lợi như thế nào nếu có sự can thiệp của công nghệ này trong tất cả các bệnh viện. Hệ thống AI còn có khả năng tiếp thu thêm kiến thức y khoa từ bác sĩ và y tá cũng như họ có thể học hỏi từ AI và chia sẻ những kiến thức đó với nhiều nơi khác một cách dễ dàng”, Hassabis nói.

tran thua AlphaGo anh 8

Tuy nhiên, lĩnh vực này hiện vẫn còn đang gặp rất nhiều khó khăn và trở ngại và đó là điều đương nhiên nếu mọi người hồ nghi về tính ứng dụng của công nghệ trí thông minh nhân tạo.

Tôi đã trải nghiệm một vài chuyện như vậy vào tuần trước. Khách sạn tôi đã ở nằm gần hội nghị Tương lai của cờ vây, nên có rất nhiều cổng ra vào có gắn công nghệ nhận diện gương mặt của Baidu. Chúng hoạt động rất trơn tru mọi lúc, tới nỗi tôi còn chẳng biết họ giấu camera nhận diện ở chỗ nào. Hệ thống chưa từng thất bại trong việc nhận diện hàng ngàn gương mặt khác nhau tham dự sự kiện nhờ vào mỗi một bức hình họ chụp cho mỗi người bằng iPad lúc check-in.

Tôi có biết rằng Facebook và Google cũng như hàng đống công ty khác biết tôi trông như thế nào. Nhưng, cái cảm giác kỳ lạ cứ dấy lên tong tôi mỗi khi thấy khuôn mặt mình được nhận dạng chính xác nhiều lần như vậy trong ngày cho thấy các công ty chủ quản nên thấu hiểu hơn trong việc vận hành công nghệ AI. Theo một khía cạnh nào đó, nó giải thích cho việc tại sao mọi người cảm thấy không yên tâm lắm về chiến thắng của AlphaGo. Có lẽ họ sợ chăng?

Nói đi thì cũng phải nói lại, chiến thắng ấy suy cho cùng là thành tựu của chính con người. AlphaGo là một minh chứng cho thấy rằng không những trí tuệ AI có thể học từ loài người, mà ngay cả chúng ta cũng có thể học từ nó. Ở giai đoạn này trở đi, đây là một góc nhìn khả quan và đầy tiềm năng đối với lĩnh vực còn nhiều chông gai này.    

Máy tính đang dần trở nên vô hình

Công nghệ hiện nay luôn luôn hiện hữu dưới những hình dạng mà con người có thể tương tác vật lý. Tuy nhiên, trong tương lai gần, chúng sẽ trở nên gần như vô hình.

Anh Thi - Duy Tín

Đồ hoạ: Lê Nhân

Bạn có thể quan tâm