Trí tuệ nhân tạo

Lịch sử AI trong một bài đọc: từ câu hỏi của Turing đến chatbot

Bảy mươi năm, hai mùa đông, một ván cờ vua và một ván cờ vây làm cả thế giới giật mình. Câu chuyện AI đầy những dự báo sai theo cả hai chiều.

Năm 1950, một nhà toán học người Anh đặt ra câu hỏi nghe như chuyện phiếm bên bàn trà: máy móc có thể suy nghĩ không? Ông biết câu hỏi ấy mơ hồ đến mức cãi nhau mãi không xong, nên đổi nó thành một trò chơi. Một người ngồi trong phòng, gõ chữ trò chuyện với hai đối tượng giấu mặt, một là người, một là máy. Nếu người hỏi không phân biệt được đâu là máy, thì có lẽ ta nên thừa nhận cỗ máy ấy đang “nghĩ” theo một nghĩa nào đó.

Nhà toán học đó là Alan Turing, và trò chơi về sau được gọi là phép thử Turing. Hơn bảy mươi năm sau, hàng triệu người Việt mỗi ngày gõ chữ trò chuyện với chatbot, nhiều lúc không chắc bên kia là người hay máy. Giữa hai thời điểm ấy là một câu chuyện có những lần hứa hẹn quá đà, những mùa đông lạnh lẽo và vài khoảnh khắc khiến cả thế giới giật mình.

Một cái tên ra đời trong mùa hè 1956

Bài báo năm 1950 của Turing mang tên “Computing Machinery and Intelligence”, đăng trên tạp chí triết học Mind. Lúc ấy, máy tính còn là những cỗ máy to bằng cả căn phòng, chạy bằng đèn điện tử, chủ yếu để tính toán quân sự và khoa học. Ý nghĩ rằng chúng có thể trò chuyện nghe như khoa học viễn tưởng.

Thuật ngữ “trí tuệ nhân tạo” (artificial intelligence) xuất hiện vài năm sau. John McCarthy, một nhà khoa học máy tính trẻ người Mỹ, cùng vài đồng nghiệp như Marvin Minsky và Claude Shannon đề xuất một hội thảo mùa hè tại Đại học Dartmouth năm 1956. Lời đề xuất của họ tự tin đến mức ngày nay đọc lại thấy buồn cười: họ tin rằng một nhóm nhà khoa học chọn lọc làm việc cùng nhau trong một mùa hè có thể tạo ra tiến bộ đáng kể trong việc khiến máy móc dùng ngôn ngữ, hình thành khái niệm và tự cải thiện.

Một mùa hè thì tất nhiên không đủ. Nhưng hội thảo Dartmouth được xem là nơi khai sinh AI như một ngành nghiên cứu, với tên gọi, cộng đồng và tham vọng riêng.

Những năm lạc quan và cú ngã đầu tiên

Hai thập niên đầu, AI gặt hái những thành công làm người ta phấn khích. Chương trình giải được bài toán đại số, chứng minh định lý hình học, chơi cờ đam ở mức khá. Năm 1958, Frank Rosenblatt giới thiệu perceptron, một mô hình phỏng theo cách tế bào thần kinh hoạt động, có thể học nhận dạng những hình đơn giản. Báo chí thời ấy đưa tin như thể máy biết suy nghĩ đã ở ngay trước mắt.

Giữa thập niên 1960, Joseph Weizenbaum ở MIT viết ELIZA, một chương trình trò chuyện đóng vai nhà trị liệu tâm lý. ELIZA thật ra rất đơn giản: nó bắt từ khoá trong câu của bạn rồi đảo lại thành câu hỏi. Bạn gõ “Tôi buồn vì mẹ tôi”, nó hỏi “Hãy kể thêm về mẹ bạn”. Vậy mà nhiều người dùng tâm sự với nó say sưa, khiến chính Weizenbaum lo ngại. Hiện tượng con người dễ gán trí tuệ và cảm xúc cho một cỗ máy biết đáp lời, về sau được gọi là “hiệu ứng ELIZA”, vẫn còn nguyên giá trị khi ta nói chuyện với chatbot ngày nay.

Rồi thực tế ập đến. Những bài toán trong phòng thí nghiệm thì giải được, nhưng thế giới thật phức tạp hơn nhiều. Dịch máy cho ra những câu ngô nghê. Máy tính thời đó quá yếu, dữ liệu quá ít. Năm 1969, Minsky và Seymour Papert xuất bản cuốn sách chỉ ra giới hạn của perceptron đơn giản, khiến hướng mạng nơ-ron bị gạt sang bên. Ở Anh, bản báo cáo Lighthill năm 1973 đánh giá AI không đạt được những gì đã hứa, kéo theo việc cắt giảm tài trợ. Giai đoạn tiền bạc và sự quan tâm cạn dần này được gọi là “mùa đông AI” đầu tiên, kéo dài qua phần lớn thập niên 1970.

Hệ chuyên gia và mùa đông thứ hai

Đầu thập niên 1980, AI ấm lên trở lại nhờ “hệ chuyên gia”. Ý tưởng là ghi lại kiến thức của chuyên gia thành hàng nghìn quy tắc dạng “nếu… thì…”. Nếu bệnh nhân sốt và có vi khuẩn loại này, thì cân nhắc thuốc kia. Các công ty lớn bỏ tiền mua hệ chuyên gia để cấu hình máy tính, chẩn đoán hỏng hóc, duyệt hồ sơ. Nhật Bản khởi động một dự án quốc gia đầy tham vọng về máy tính thế hệ thứ năm.

Nhưng hệ chuyên gia giòn như bánh đa. Gặp tình huống nằm ngoài bộ quy tắc, nó bó tay. Cập nhật quy tắc tốn kém, và các chuyên gia thường không thể diễn đạt hết những gì họ biết bằng câu chữ. Cuối thập niên 1980, thị trường máy chuyên dụng cho AI sụp đổ, nhiều công ty phá sản. Mùa đông thứ hai bắt đầu, và trong một thời gian, nhiều nhà nghiên cứu tránh dùng chữ “trí tuệ nhân tạo” khi xin tài trợ.

Trong lúc đó, ở một góc ít ai chú ý, vài nhà nghiên cứu vẫn kiên trì với mạng nơ-ron. Thuật toán lan truyền ngược (backpropagation), giúp mạng nhiều lớp học được, trở nên phổ biến từ giữa thập niên 1980. Thiếu dữ liệu và sức tính, nó chưa thể toả sáng, nhưng hạt giống đã được gieo.

Deep Blue và cái bắt tay không xảy ra

Tháng 5 năm 1997, máy tính Deep Blue của IBM thắng nhà vô địch cờ vua thế giới Garry Kasparov trong một trận đấu sáu ván. Đây là lần đầu một máy tính đánh bại đương kim vô địch thế giới trong một trận đấu theo thể thức thi đấu chính thức. Kasparov rời bàn cờ trong bực bội, và trận đấu thành tin trang nhất khắp thế giới.

Điều thú vị là Deep Blue không “hiểu” cờ theo cách Kasparov hiểu. Nó dùng phần cứng chuyên dụng để tính toán khổng lồ số nước đi mỗi giây, kết hợp với hàm đánh giá thế cờ do con người thiết kế. Đó là chiến thắng của sức tính và kỹ thuật, chứ chưa phải của máy móc biết tự học.

Khi máy tự học: từ ảnh mèo đến ván cờ vây

Bước ngoặt thật sự đến khi ba thứ hội tụ: dữ liệu khổng lồ từ internet, card đồ hoạ (GPU) vốn làm cho trò chơi điện tử nay được dùng để tính toán song song, và những cải tiến trong cách huấn luyện mạng nơ-ron nhiều lớp. Người ta gọi hướng này là học sâu (deep learning).

Năm 2012, một mạng nơ-ron do nhóm của Geoffrey Hinton ở Đại học Toronto phát triển, thường được gọi là AlexNet, thắng cuộc thi nhận dạng ảnh ImageNet với cách biệt lớn so với các phương pháp cũ. Từ đó, học sâu lan ra nhận dạng giọng nói, dịch máy, nhận diện khuôn mặt. Trợ lý ảo trên điện thoại hiểu bạn nói tốt hơn hẳn chỉ trong vài năm.

Tháng 3 năm 2016, chương trình AlphaGo của DeepMind thắng kỳ thủ cờ vây hàng đầu Hàn Quốc Lee Sedol với tỷ số 4-1 tại Seoul. Cờ vây có số thế cờ lớn đến mức không thể tính hết như Deep Blue từng làm với cờ vua, nên nhiều chuyên gia từng nghĩ máy còn cần thêm cả chục năm. AlphaGo học từ các ván cờ của con người rồi tự chơi với chính mình hàng triệu ván. Nước đi thứ 37 của nó trong ván hai lạ đến mức các bình luận viên tưởng máy chơi nhầm, về sau lại được xem là một nước cờ sáng tạo. Còn Lee Sedol thắng được ván bốn, ván duy nhất con người thắng trong trận đấu ấy.

Mô hình ngôn ngữ lớn và cơn sóng hiện tại

Năm 2017, một nhóm nhà nghiên cứu Google công bố bài báo “Attention Is All You Need”, giới thiệu kiến trúc Transformer. Cái tên nghe như phim hoạt hình, nhưng kiến trúc này cho phép huấn luyện mô hình trên lượng văn bản lớn chưa từng có một cách hiệu quả. Đây là nền móng của hầu hết các mô hình ngôn ngữ lớn hiện nay.

Những năm sau đó, các phòng thí nghiệm liên tục tăng kích thước mô hình và dữ liệu, và phát hiện rằng mô hình càng lớn càng làm được nhiều việc không ai dạy trực tiếp: viết văn, dịch, tóm tắt, lập trình. Cuối năm 2022, ChatGPT ra mắt và trong vài tháng đã có hàng chục triệu người dùng, đưa AI từ phòng thí nghiệm vào bữa cơm, lớp học, văn phòng. Các công ty công nghệ lớn đổ xô vào cuộc đua, và chữ “AI” xuất hiện trên mọi thứ từ điện thoại đến tủ lạnh.

Lịch sử AI là lịch sử của những dự báo sai, theo cả hai chiều: quá lạc quan về những gì sắp đến, và quá bi quan về những gì không thể.

Bài học từ bảy mươi năm lên xuống

Nhìn lại, có vài điều lặp đi lặp lại. Mỗi lần AI làm được một việc từng bị coi là “chỉ người mới làm được”, như chơi cờ hay nhận ra con mèo trong ảnh, người ta lại nói đó chưa phải trí tuệ thật. Mỗi đợt hưng phấn thường đi kèm những lời hứa vượt xa khả năng, rồi đến lúc vỡ mộng. Và những ý tưởng bị bỏ quên, như mạng nơ-ron, có thể quay lại thống trị khi thời cơ đến.

Liệu sẽ có mùa đông thứ ba? Không ai biết chắc. Có người cho rằng lần này khác vì AI đã thật sự nằm trong sản phẩm hàng ngày của hàng trăm triệu người. Có người lo chi phí tính toán và điện năng khổng lồ sẽ đến lúc chạm trần. Lần tới bạn hỏi chatbot một câu, thử nghĩ đến căn phòng năm 1950 của Turing: ông đã đoán đúng câu hỏi, nhưng có lẽ chính ông cũng sẽ ngạc nhiên vì nó được trả lời theo cách nào.

Bình luận (0)

Chưa có bình luận nào. Hãy là người đầu tiên!