Video giới thiệu Neuro-symbolic A.I.
Trong những năm gần đây, Trí tuệ nhân tạo – Artificial Intelligency - A.I là cái tên được nhắc tới nhiều nhất trong ngành công nghệ. Và Trí tuệ nhân tạo đang đạt được những bước tiến dài.
Theo ghi nhận trong Báo cáo Chỉ số Trí tuệ Nhân tạo năm 2021, vào năm ngoái, số lượng các ấn phẩm tạp chí trong lĩnh vực này đã tăng 34,5%, cao hơn nhiều so với con số 19,6% trước đó một năm. A.I. sẽ chuyển đổi mọi thứ từ y học sang giao thông vận tải và có rất ít người tranh luận ngược lại.
Vào năm 2021, con người đang tham gia vào cuộc cách mạng học sâu – deep learning, điều này đã thúc đẩy A.I. trong thế kỷ XXI. “Học sâu” là một thuật ngữ rộng mà giờ đây hầu hết mọi người đều rất quen thuộc. Vậy đâu là những bước tiến lớn trong A.I.?
Dưới đây là 4 công nghệ tương lai đến từ Trí tuệ nhân tạo theo tổng hợp từ trang DigitalTrends:
1. Transfromers - Hơn cả phim ảnh
Trên thực tế, khác xa với một loạt phim bom tấn vào thế kỷ trước – Người dịch chuyển (Transformers), Mô hình Transformers A.I. đại diện cho một trong những tiến bộ hứa hẹn nhất hiện nay của lĩnh vực này, đặc biệt là trong lĩnh vực nghiên cứu xử lý ngôn ngữ tự nhiên.
Sự hiểu biết ngôn ngữ là mối quan tâm chính trong A.I. kể từ trước khi AI được tạo ra, có từ trước khi thử nghiệm đề xuất của Alan Turing về trí thông minh máy móc. Các mô hình Transformer, được các nhà nghiên cứu của Google mô tả lần đầu tiên vào năm 2017 đã được chứng minh là vượt trội hơn rất nhiều so với các mô hình ngôn ngữ trước đó.
Vấn đề được đặt ra là các tập dữ liệu lớn rất khó hiểu nhưng chúng có thể được đào tạo. Chúng có thể được sử dụng để dịch máy, tóm tắt tài liệu, trả lời câu hỏi, hiểu nội dung của video và hơn thế nữa. Mặc dù các mô hình ngôn ngữ lớn đặt ra nhiều vấn đề, nhưng không thể phủ nhận sự thành công của chúng.
Sự ra đời của Transformers đã dẫn đến sự phát triển của GPT-3 (Generative Pre-training Transformer), tự hào có 175 tỷ thông số, được đào tạo trên 45 TB dữ liệu văn bản và có chi phí xây dựng lên tới 12 triệu USD. Vào đầu năm nay, Google đã lấy lại “vương miện” của mình bằng cách ra mắt một mô hình ngôn ngữ mới với khoảng 1,6 nghìn tỷ thông số, có kích thước gấp 9 lần GPT-3. Nhưng cuộc cách mạng Transformer chỉ mới bắt đầu.
2. Mạng đối nghịch tạo sinh (generative adversarial networks)
Xung đột thường không làm cho thế giới trở nên tốt đẹp hơn nhưng chắc chắn khiến A.I. tốt hơn.
Trong vài năm qua, đã có những tiến bộ đáng kể trong việc tạo hình ảnh: đề cập đến việc sử dụng A.I, khiến những bức tranh không thể phân biệt được với thế giới thực. Không chỉ dừng lại ở các thuyết âm mưu được mạng xã hội dùng để đánh lừa công chúng, việc tạo hình ảnh có thể được sử dụng cho mọi thứ, từ cải thiện khả năng tìm kiếm để giúp các nhà thiết kế tạo ra các biến thể trên một chủ đề, có thể tạo ra các tác phẩm nghệ thuật được bán với giá hàng triệu USD trong cuộc đấu giá.
Vậy đối nghịch bắt nguồn từ đâu? Một trong những công nghệ chính để tạo hình ảnh được gọi là mạng đối nghịch tạo sinh (GAN - Generative Adversarial Networks). Lĩnh vực học máy này sử dụng phương pháp tiếp cận hỗn hợp, giằng co để chuyển hình ảnh và phản hồi giữa thuật toán “trình tạo” và “trình phân biệt”, dẫn đến những cải tiến nâng lên cho đến khi người phân biệt không thể phân biệt đâu là thật và đâu là giả.
GAN cũng đã được sử dụng để tạo mã di truyền giả mà các nhà nghiên cứu có thể sử dụng. Từ đó, con người có thể tìm ra nhiều ứng dụng sáng tạo hơn trong tương lai gần.
3. Biểu tượng thần kinh A.I – Neuro Symbolic AI
Trong một ấn phẩm được xuất bản tháng 12/2020, các nhà nghiên cứu Artur d’Avila Garcez và Luis Lamb đã mô tả Neuro Symbolic A.I. như "làn sóng thứ ba" của trí tuệ nhân tạo.
Công nghệ này giống như việc đưa hai trong số những ngôi sao nhạc rock vĩ đại nhất thế giới, những người đã từng chiến đấu ở vị trí đầu bảng xếp hạng, cùng nhau tạo nên một siêu nhóm. Trong trường hợp này, siêu nhóm bao gồm các mạng nơ-ron tự học (self-learning) và biểu tượng A.I dựa trên quy tắc.
David Cox, giám đốc MIT-IBM Watson A.I. Phòng thí nghiệm ở Cambridge, Massachusetts đã có những chia sẻ về Xu hướng kỹ thuật số. “Mạng nơ-ron cung cấp cho bạn câu trả lời, giải quyết từ sự lộn xộn của thế giới thực đến sự đại diện mang tính biểu tượng của thế giới, tìm kiếm tất cả các mối tương quan trong hình ảnh. Một khi bạn đã có được biểu tượng đó, bạn có thể làm nên một số điều kỳ diệu về mặt lý luận. "
A.I. làm điều đó tốt hơn cũng như giải thích dễ hiểu hơn. Việc này mở ra cơ hội nghiên cứu đầy hứa hẹn của A.I. trong những năm tới.
4. Học máy và tổng hợp phân tử
Cùng với GPT-3, một bước tiến khác của A.I. được thực hiện bởi AlphaFold của DeepMind là ứng dụng học sâu – deep learning vào thách thức sinh học hàng thập kỷ về cuộn gập protein. Tương lai của ứng dụng này sẽ là khả năng chữa khỏi bệnh tật, khám phá ra các loại thuốc mới, hiểu biết nhiều hơn về sự sống ở cấp độ tế bào,và sâu hơn thế nữa.
Các kỹ thuật học máy – Machine Learning (ML) trong lĩnh vực này đang chứng tỏ sự biến đổi đối với chăm sóc sức khỏe và sinh học trong các lĩnh vực như tổng hợp phân tử, nhờ đó ML có thể giúp các nhà khoa học tìm ra các loại thuốc tiềm năng và sau đó tổng hợp chúng một cách hiệu quả nhất trong phòng thí nghiệm.
Có lẽ, không có lĩnh vực nào có thể thay đổi cuộc sống bằng A.I., sẽ được sử dụng trong thập kỷ tới và sau này.
Đăng nhận xét