Dưới đây là 10 cột mốc lớn nhất dẫn dắt chúng ta tới thành công trong lĩnh vực trí tuệ nhân tạo (AI).
1. Hiểu được “tư tưởng lớn”
Khái niệm AI không đột nhiên xuất hiện - nó là chủ đề của một cuộc tranh luận triết học sâu xa mà tới nay vẫn chưa có hồi kết:
Liệu máy móc có thể thực sự suy nghĩ như một con người hay không? Liệu một cỗ máy có thể trở thành con người hay không? Một trong những người đầu tiên suy nghĩ về vấn đề này chính là René Descartes, người đã thể hiện ý kiến của mình trong cuốn sách Diễn ngôn Phương pháp (Discourse on the Method) năm 1637.
Điều đáng ngạc nhiên là, tại thời điểm mà ngay cả một chiếc máy gửi email của Amstrad cũng là một sản phẩm của tương lai không tưởng, Descartes đã tóm tắt được những câu hỏi và thách thức quan trọng mà các nhà công nghệ phải vượt qua:
“Nếu có những cỗ máy trông giống như chúng ta và mô phỏng lại những hoạt động của chúng ta một cách giống nhất có thể, vì những mục đích hoàn toàn thực tế, chúng ta vẫn nên có hai cách nhận biết thực sự chắc chắn rằng chúng không phải con người thực sự.”
Khái niệm AI không đột nhiên xuất hiện - nó là chủ đề của một cuộc tranh luận triết học sâu xa mà tới nay vẫn chưa có hồi kết.
2. Trò chơi mô phỏng
3. Mạng nơ ron đầu tiên
Điều khá thú vị ở đây là mạng nơ ron đầu tiên thực tế đã được khai sinh từ tận năm 1951. Được gọi là “SNARC” - Máy tính tăng cường tín hiệu tương tự nơ ron ngẫu nhiên” (Stochastic Neural Analog Reinforcement Computer) - cỗ máy này được tạo ra bởi Marvin Minsky và Dean Edmonds, và nó không được lắp từ các vi mạch và bóng đèn bán dẫn, mà từ các đèn chân không, động cơ và khớp ly hợp.
4. Chiếc ôtô tự hành đầu tiênKhi nghĩ về ôtô tự lái, chúng ta nghĩ về những thứ như dự án Waymo của Google - nhưng ngay từ năm 1995, Mercedes-Benz đã làm ra được một chiếc ôtô S-Class gần như có thể tự vận hành suốt quãng đường từ Munich tới Copenhagen.
Theo AutoEvolution, hành trình 1043 dặm này đã được thực hiện bằng cách gắn thành công một siêu máy tính vào ngăn hành lý phía sau ôtô - chiếc xe chứa 60 con chip vi mạch siêu lớn, khi đó được xem là đỉnh cao của tính toán song song, tức là nó có thể xử lý nhanh rất nhiều dữ liệu lái xe - một phần cực kỳ quan trọng trong việc giúp những chiếc xe tự hành có thể phản ứng hiệu quả.
Chiếc ôtô này đã đạt được vận tốc tới 115 dặm một giờ, gần như tương tự với những chiếc xe tự hành ngày nay, cũng như có thể vượt và đọc các biển báo giao thông. Nhưng nếu chúng ta được mời đi thử trên đó thì sao? Có lẽ chúng tôi sẽ nhường các bạn đi trước
5. Chuyển sang thống kê
Mặc dù các mạng nơ ron đã tồn tại như một khái niệm trong một thời gian dài (như đã nói ở trên), nhưng phải tới cuối thập niên 80, một sự chuyển dịch lớn trong cộng đồng các nhà nghiên cứu AI từ cách tiếp cận “dựa trên các quy tắc” sang cách tiếp cận dựa trên số liệu thông kê - hay dạy học cho máy móc mới xuất hiện.
Điều này có nghĩa là thay vì cố gắng xây dựng các hệ thống mô phỏng trí tuệ bằng việc tìm cách đoán biết các quy tắc hoạt động của con người, họ sẽ chọn cách tiếp cận thử-nghiệm-và-lỗi-sai và điều chỉnh các xác suất dựa trên những phản hồi như một cách tốt hơn hẳn để dạy máy móc suy nghĩ. Đây là một sự kiện trọng đại - vì đây là quan niệm giải phóng nhiều khả năng tuyệt vời của AI hiện nay.
6. Máy tính Deep Blue đánh bại Garry Kasparov
Dù cỗ máy này có được tính là AI hay không, một điều rõ ràng là đây vẫn là một cột mốc đáng kể, thu hút rất nhiều sự chú ý không chỉ với khả năng tính toán của máy tính cũng như tới toàn bộ lĩnh vực trí tuệ nhân tạo.
8. Thử thách ImageNet
Cũng như nhận diện giọng nói, nhận diện hình ảnh là một thách thức lớn nữa mà AI đang hỗ trợ để vượt qua. Năm 2015, các nhà nghiên cứu đã lần đầu kết luận rằng máy móc - trong trường hợp này là hai hệ thống máy tính từ Google và Microsoft - xác định các đối tượng trong các bức ảnh thuộc hơn 1000 chủ đề một cách giỏi hơn so với con người.
Các hệ thống “deep learning” (học sâu) này đã thành công trong việc vượt qua thử thách ImageNet - một dạng Phép thử Turing cho nhận diện hình ảnh - và chúng sẽ đóng vai trò căn bản nếu khả năng nhận diện hình ảnh phát triển vượt xa khả năng của con người.
Đương nhiên, có rất nhiều ứng dụng nhận diện hình ảnh - nhưng một ví dụ vui mà Google hay khoe khi quảng bá nền tảng dạy học cho máy móc TensorFlow là việc phân loại dưa chuột:
Bằng cách sử dụng thị lực của máy tính, người nông dân không cần đến ý kiến của con người để quyết định các loại rau củ đã sẵn sàng cho bữa tối hay chưa - máy móc có thể tự động quyết định điều đó vì trước đó chúng đã được dạy dữ liệu này.
9. GPU giúp AI trở nên kinh tế hơn
10. AlphaGo và AlphaGoZero đánh bại tất cả
