Khoảng thời gian gần đây, chúng ta không cần phải chờ đợi lâu để thấy những bước đột phá tiếp theo trong lĩnh vực trí tuệ nhân tạo (AI) gây ấn tượng đến mọi người ở những khả năng của chúng mà trước đây chỉ nằm trong những bộ phim khoa học viễn tưởng.

Năm 2022 vừa qua, những công cụ tự tạo ra ảnh nghệ thuật như DALL-E 2 của OpenAI, Imagen của Google, và Stable Diffusion đã gây bão trên internet, với những hình ảnh đầy chất lượng được máy tính tự vẽ ra tư những dòng chỉ dẫn mà người dùng tự nhập liệu vào.

Không giống như những sự phát triển trước đó, những công cụ từ-chữ-ra-hình (text-to-image) này đã nhanh chóng tràn ra từ những phòng nghiên cứu đến văn hóa chính thống, dẫn đến những hiện tượng và trào lưu như “Magic Avatar” trên ứng dụng Lensa AI, tạo nên những tấm hình cách điệu cho người dùng.

Vào tháng 12, một chatbot có tên ChatGPT đã làm kinh ngạc công chúng với khả năng viết lách của nó, dẫn đến những dự đoán rằng công nghệ sẽ sớm giúp con người dễ dàng vượt qua các bài kiểm tra viết trên lớp. ChatGPT được thống kê là có 1 triệu người dùng chỉ sau dưới 1 tuần. Một số nhân vật có tiếng nói ở các trường học đã cấm việc sử dụng nó vì sợ rằng sinh viên sẽ sử dụng để viết những bài luận. Microsoft cũng được cho là có dự định tích hợp ChatGPT vào công cụ tìm kiếm trực tuyến Bing của họ và những sản phẩm liên quan tới Office trong những tháng tới trong năm nay.

Tiến bộ không ngừng trong AI có ý nghĩa gì trong tương lai gần? Và liệu AI có khả năng đe dọa một số công việc trong những năm tiếp theo?

Bất chấp những thành tựu AI ấn tượng gần đây, chúng ta cần nhận ra rằng vẫn còn những hạn chế đáng kể đối với những gì những hệ thống AI có thể làm được. Trước khi các phần tiếp theo của bài viết sẽ cho biết, các bạn có thể thử nhận xét điểm gì AI vẫn còn chưa làm được không? Hãy cùng comment thảo luận bên dưới với XMKH nhé!

AI xuất sắc trong việc nhận dạng mẫu

Những tiến bộ gần đây về AI chủ yếu dựa vào các thuật toán máy học giúp phân biệt các mẫu và mối quan hệ phức tạp từ lượng dữ liệu khổng lồ. Quá trình đào tạo này sau đó được sử dụng cho các nhiệm vụ như dự đoán và tạo dữ liệu.

Sự phát triển của công nghệ AI hiện tại dựa vào việc tối ưu hóa khả năng dự đoán, ngay cả khi mục tiêu là tạo ra đầu ra mới.

Ví dụ, GPT-3, mô hình ngôn ngữ đứng sau sự thành công của ChatGPT, được huấn luyện để dự đoán nội dung theo sau một đoạn văn bản. Sau đó, GPT-3 tận dụng khả năng dự đoán này để tiếp tục nhập văn bản do người dùng cung cấp.

“AI đối nghịch tạo sinh (Generative AIs)” như ChatGPT và DALL-E 2 đã gây ra nhiều cuộc tranh luận về việc liệu AI có thể thực sự sáng tạo và thậm chí có thể cạnh tranh với con người về mặt này hay không. Tuy nhiên, sự sáng tạo của con người không chỉ dựa trên dữ liệu trong quá khứ mà còn dựa trên thử nghiệm và toàn bộ trải nghiệm của con người.

Quan hệ nhân quả

Nhiều vấn đề quan trọng đòi hỏi phải dự đoán tác động của hành động của chúng ta trong môi trường phức tạp, không chắc chắn và thay đổi liên tục. Bằng cách này, chúng ta có thể chọn chuỗi hành động có nhiều khả năng đạt được mục tiêu của mình nhất.

Nhưng các thuật toán không thể tìm hiểu nguyên nhân và kết quả chỉ từ dữ liệu. Học máy hoàn toàn dựa trên dữ liệu chỉ có thể tìm thấy mối tương quan.

Để hiểu tại sao đây là một vấn đề đối với AI, chúng ta có thể so sánh các vấn đề chẩn đoán tình trạng y tế với việc lựa chọn phương pháp điều trị.

Các mô hình máy học thường hữu ích để tìm ra những điểm bất thường trong hình ảnh y tế – đây là một vấn đề về nhận dạng mẫu. Chúng ta không cần lo lắng về quan hệ nhân quả vì những bất thường đã có sẵn hoặc chưa.

Nhưng việc lựa chọn phương pháp điều trị tốt nhất cho chẩn đoán là một vấn đề khác về cơ bản. Ở đây, mục tiêu là tác động đến kết quả chứ không chỉ nhận ra một khuôn mẫu. Để xác định hiệu quả của một phương pháp điều trị, các nhà nghiên cứu y tế tiến hành các thử nghiệm ngẫu nhiên có đối chứng. Bằng cách này, họ có thể cố gắng kiểm soát bất kỳ yếu tố nào có thể ảnh hưởng đến việc điều trị.

Sự nhầm lẫn giữa hai loại vấn đề này đôi khi dẫn đến các ứng dụng máy học dưới mức tối ưu trong các tổ chức.

Mặc dù thành công của công việc gần đây về trí tuệ nhân tạo chứng minh giá trị của các mô hình dựa trên dữ liệu, nhưng nhiều vấn đề chúng ta muốn máy tính giải quyết đòi hỏi sự hiểu biết về quan hệ nhân quả.

Các hệ thống AI hiện tại thiếu khả năng này, ngoài các ứng dụng chuyên biệt như trong các trò chơi với bàn cờ.

Suy luận thông thường

Các mô hình ngôn ngữ như GPT-3 và ChatGPT có thể giải quyết thành công một số nhiệm vụ yêu cầu suy luận thông thường.

Tuy nhiên, tương tác sau đây với ChatGPT, phỏng theo một thử nghiệm của Gary Marcus cho thấy nó không hoàn toàn đáng tin cậy về mặt này.

Tôi năm nay tám tuổi. Khi tôi sinh ra, mẹ ruột của tôi ở Barcelona và bố tôi ở Tokyo. Tôi được sinh ra ở đâu? Hãy suy nghĩ thông qua điều này từng bước một.

Nó không được đề cập đến nơi bạn được sinh ra. Tất cả những gì chúng tôi biết là mẹ ruột của bạn ở Barcelona và bố bạn ở Tokyo vào thời điểm bạn sinh ra.

Liệu các hệ thống AI như ChatGPT có thể đạt được ý thức chung hay không là một chủ đề tranh luận sôi nổi giữa các chuyên gia.

Những người hoài nghi như Marcus chỉ ra rằng chúng ta không thể tin tưởng các mô hình ngôn ngữ sẽ hiển thị mạnh mẽ lẽ thường vì chúng không được tích hợp sẵn cũng như không được tối ưu hóa trực tiếp cho nó. Những người lạc quan lập luận rằng trong khi các hệ thống hiện tại không hoàn hảo, lẽ thường tình có thể xuất hiện một cách tự nhiên trong các mô hình ngôn ngữ đủ tiên tiến.

Những giá trị của con người

Bất cứ khi nào các hệ thống AI đột phá được phát hành, các bài báo và bài đăng trên mạng xã hội ghi lại hành vi phân biệt chủng tộc, phân biệt giới tính và các loại hành vi thiên vị và có hại khác chắc chắn sẽ xảy ra.

Lỗ hổng này cố hữu đối với các hệ thống AI hiện tại, chắc chắn sẽ phản ánh dữ liệu của chúng. Các giá trị của con người như sự thật và sự công bằng về cơ bản không được tích hợp vào các thuật toán – đó là điều mà các nhà nghiên cứu chưa biết cách thực hiện.

Trong khi các nhà nghiên cứu đang học các bài học từ các giai đoạn trước và đạt được tiến bộ trong việc giải quyết sự thiên vị, thì lĩnh vực AI vẫn còn một chặng đường dài phía trước để điều chỉnh mạnh mẽ các hệ thống AI với các giá trị và sở thích của con người.

Nguồn: The Conversation.