"Xin đừng lạm dụng cụm từ AI, trí thông minh nhân tạo không thông minh như con người đâu!"

“Mọi người đang bị nhầm lẫn về khái niệm AI khi trao đổi về những xu hướng công nghệ, nhầm ở chỗ deep learning giúp máy tính có được trí thông minh canh tranh với cả loài người, tạo ra những tiến bộ con người không thể đạt được. Chúng tôi chưa làm được đến mức ấy, nhưng mọi người cứ nói như vậy,” giáo sư Jordan thừa nhận.

Nếu có ai hiểu rõ nhất về trí thông minh nhân tạo, có lẽ đó chính là Jordan. Năm 2016, ông được chọn là nhà khoa học máy tính có sức ảnh hưởng lớn nhất, thông qua một chương trình phân tích những báo cáo nghiên cứu khoa học, và thông tin này được tạp chí Science đăng tải. Giáo sư Jordan đã giúp thay đổi ngành machine learning không có giám sát, tức là tìm được những kết cấu và kiểu mẫu trong dữ liệu mà không có dấu hiệu gợi ý, biến những thuật toán không liên quan tới nhau trở thành một kết cấu hợp lý. Khái niệm này gọi là Unsupervised Machine Learning. Nó rất quan trọng đối với những ứng dụng khoa học, nơi đôi khi chưa tồn tại những giả thuyết nền móng, từ đó không tạo ra dấu hiệu gì để gợi ý cho máy móc xem phải tìm dữ liệu ở đâu và như thế nào.



Những năm gần đây, giáo sư Jordan đi theo nhiệm vụ giúp các nhà khoa học, kỹ sư và những người khác hiểu cặn kẽ toàn cảnh ngành machine learning. Ông tin rằng ngành này đánh dấu sự ra đời của một ngành kỹ thuật mới, giống hệt như ngành kỹ thuật hóa học khởi nguồn từ đầu thế kỷ XX, dựa trên nền móng của ngành hóa học và cơ học chất lỏng. Tương tự, machine learning cũng dựa trên nền móng của hàng chục năm thành tựu của ngành khoa học máy tính, thống kê và lý thuyết kiểm soát. Không chỉ dừng ở đó, machine learning còn là ngành nghiên cứu kỹ thuật đầu tiên đi sâu vào cách con người tương tác với máy móc.

“Những cuộc đối thoại so sánh AI và những trí thông minh siêu cấp đúng kiểu viễn tưởng cũng vui, nhưng nó khiến mọi người rời xa thực tại. Mọi người chưa tập trung vào vấn đề thực sự, đó là xây dựng những hệ thống machine learning quy mô lớn thực sự hoạt động phục vụ con người, mang lại giá trị cho con người và không tạo ra sự bất bình đẳng giữa người và máy móc.”

Chặng đường nghiên cứu AI của giáo sư Jordan

Những năm 60 của thế kỷ trước, khi mới chỉ là một cậu bé, Jordan đã bị cuốn hút bởi khía cạnh triết luận cũng như xã hội của cách trí óc con người hoạt động. Rồi sau khi đọc tiểu sử nhà lý luận logic người Anh Bertrand Russell, Jordan bị thôi thúc theo học ngành tâm lý và thống kê. Trong những nghiên cứu của mình, Russell thường coi suy nghĩ con người là một quy trình toán học logic.

Giáo sư Jordan nói: “Nếu coi tư duy con người là một quy trình logic và nhận ra những cỗ máy tính cũng vận hành dựa trên phần mềm và phần cứng được phát triển nhờ logic, tôi nhận ra sự tương đồng giữa trí tuệ và khối óc của một con người. Có vẻ như triết học có thể chuyển từ những cuộc tranh luận mơ hồ về tư duy và bộ não, thành một thứ gì đó chắc chắn và logic hơn. Điều đó thu hút tôi."

Rồi giáo sư Jordan theo học ngành tâm lý học ở đại học Louisiana, nhận bằng năm 1978, và sau đó là bằng master ngành toán học ở đại học Arizona, Đến năm 1985, ông nhận bằng tiến sĩ ngành khoa học nhận thức ở đại học California. Khi mới bắt đầu đi học, ngành machine learning chưa hề tồn tại. Phải cho đến khi ông tốt nghiệp, ngành này mới manh nha xuất hiện.

“Tôi luôn bị machine learning cuốn hút. Khi ấy tôi đã cảm thấy cần nhiều nguyên tắc sâu hơn để hiểu cách học các ngành thống kê, lý thuyết thông tin và lý thuyết kiểm soát. Vì thế tôi không tự gọi mình là một người nghiên cứu machine learning. Nhưng rồi cuối cùng tôi lại chọn ngành này, vì hiện giờ có rất nhiều người cùng những thành quả nghiên cứu đáng quan tâm.”

Năm 2003, giáo sư Jordan cùng các sinh viên của mình tạo ra mô hình sinh mẫu "phân bổ Dirichlet tiềm ẩn, một khung sườn xác suất để tìm hiểu cấu trúc của tài liệu hay những cơ sở dữ liệu khác trong trường hợp nghiên cứu machine learning không giám sát. Kỹ thuật này cho phép chính những cỗ máy tự tìm kiếm mẫu và thông tin từ lượng dữ liệu khổng lồ, thay vì con người. Giờ, mô hình sinh mẫu của giáo sư Jordan góp công tạo ra là mô hình sinh mẫu phổ biến nhất để tìm ra xu hướng, mẫu thông tin và sắp xếp thông tin theo từng mục cụ thể.



Ở thời điểm hiện tại, những dự án giáo sư Jordan nghiên cứu tận dụng những ý tưởng từ kinh tế học, cũng như thời điểm ngành thống kê bắt đầu kết hợp với ngành khoa học máy tính. Ông cho rằng, mục tiêu của những hệ thống machine learning là để đưa ra quyết định, hoặc trợ giúp con người đưa ra quyết định. Theo ông, không có một người đưa ra quyết định nào lại làm việc một mình. Họ phải tư duy, rồi trao đổi với những người khác, với nhu cầu và mục tiêu khác nhau, để tìm ra quyết định phù hợp nhất.

Ông đang phát triển “một chương trình nghiên cứu, trong đó những nhân tố nghiên cứu tự tìm hiểu xu hướng của họ dựa trên thể nghiệm ngoài thế giới thực, nơi việc khám phá và khai thác song hành với việc học hỏi từ lượng dữ liệu khổng lồ, và chính cơ chế thị trường có thể cấu trúc quá trình học hỏi của AI. Người được hưởng lợi từ những nghiên cứu như vậy sẽ là những hệ thống trong thế giới thực, đem người sản xuất và người tiêu dùng đến với nhau, dựa trên những kiến thức thu được liên quan tới phúc lợi xã hội." Nghe thì phức tạp, nhưng nói ngắn gọn, mục tiêu tối cao của giáo sư Jordan là bắt máy móc phải phục vụ cho lợi ích của con người.

Làm rõ khái niệm AI

Năm 2019, giáo sư Jordan viết bài tham luận đăng trên tờ Harvard Data Science Review, với nhan đề “Trí thông minh nhân tạo - Cuộc cách mạng chưa nổ ra.” Ông giải thích rằng khái niệm AI đang bị hiểu nhầm, kể cả bởi mọi người lẫn các nhà nghiên cứu. Hồi những năm 50 của thế kỷ trước, khi khái niệm này lần đầu được đề cập, con người có ham muốn tạo ra những hệ thống tính toán sở hữu trí thông minh ở đẳng cấp của con người. Tham vọng đó đến nay vẫn còn, nhưng những gì diễn ra trong những thập kỷ sau đó mới là chuyện để nói. Máy tính không thể trở nên thông minh như người, những chúng đã có khả năng bắt chước trí tuệ của chúng ta.



Thêm vào đó, máy tính có thể giúp đỡ con người làm những tác vụ mà chúng ta dĩ nhiên vẫn có thể làm, nhưng phải đánh đổi thời gian và công sức quá lớn. Những hệ thống machine learning đã có thể tìm ra những hành vi lừa đảo trong hệ thống tài chính ở quy mô lớn, từ đó trở thành chất xúc tác giúp thương mại điện tử có được thành công như ngày hôm nay. Chúng cũng là thứ không thể thiếu khi lên kế hoạch và kiểm soát chuỗi cung ứng trong ngành sản xuất hoặc y tế. Chúng cũng giúp ích rất nhiều cho các bác sỹ, giáo viên và các nhà làm phim.

Dù những đột phá công nghệ ấy được gọi bằng cái tên “công nghệ AI”, bản chất hệ thống nền móng không hề có khả năng tư duy phản biện ở mức cao như con người. Hệ thống không thể hình thành những suy luận ngữ nghĩa mà con người làm được. Và trên hết, chúng không tạo ra và theo đuổi những mục tiêu dài hạn như con người.



“Trong tương lai gần, máy tính sẽ không thể thay thế khả năng suy luận trừu tượng về những tình huống trong thế giới thực như con người. Chúng ta vẫn sẽ cần những tương tác được cân nhắc kỹ lưỡng giữa con người và máy tính để giải quyết những vấn đề cấp bách nhất. Chúng ta cần phải hiểu rằng hành vi thông minh của những hệ thống quy mô lớn phát sinh từ chính sự tương tác giữa những tác nhân, cũng như từ trí thông minh của từng nhân tố.” Những nhân tố ấy ở đây không đâu xa, chính là giữa máy móc và con người.

Hơn nữa, giáo sư Jordan nhấn mạnh, không bao giờ được đặt hạnh phúc của con người đứng sau những đột phá về phát triển công nghệ. Ông viết: “Chúng ta có một cơ hội thực sự để tạo ra một thứ mới hoàn toàn trong lịch sử: Một ngành kỹ thuật lấy con người làm trọng tâm.”

Quan điểm của giáo sư Jordan tương đối rõ ràng: “Tôi nghĩ rằng điều quan trọng, cần phải nhắc lại, đó là trong số tất cả những điều vĩ đại mà khoa học đã tạo ra cho con người, kỹ thuật (xây dựng, điện, hóa học và những lĩnh vực khác) đem lại sự hạnh phúc cho con người một cách trực tiếp và sâu sắc nhất.”

Theo tạp chí IEEE Spectrum