Bài học rút ra chính
- Một loại phần cứng máy tính mới có thể cho phép trí tuệ nhân tạo học liên tục như não người.
- Các nhà nghiên cứu tại Đại học Purdue cho biết thiết bị của họ có thể được lập trình lại theo yêu cầu thông qua các xung điện.
- Mặc dù hệ thống AI tự học hoàn toàn vẫn chủ yếu là một khái niệm, nhưng có rất nhiều ví dụ đã xuất hiện.
Trí tuệ nhân tạo (AI) có thể sớm được tăng cường từ một loại chip máy tính mới lấy cảm hứng từ não người.
Các nhà nghiên cứu tại Đại học Purdue đã chế tạo một phần cứng mới có thể được lập trình lại theo yêu cầu thông qua các xung điện. Nhóm nghiên cứu tuyên bố rằng khả năng thích ứng này sẽ cho phép thiết bị đảm nhận tất cả các chức năng cần thiết để xây dựng một máy tính lấy cảm hứng từ não bộ. Đó là một phần trong nỗ lực không ngừng nhằm xây dựng các hệ thống AI có thể học hỏi liên tục.
"Khi các hệ thống AI liên tục học hỏi trong môi trường, chúng có thể thích ứng với một thế giới thay đổi theo thời gian", chuyên gia về AI của Viện Công nghệ Stevens, Jordan Suchow nói với Lifewire trong một cuộc phỏng vấn qua email. "Chúng tôi thấy điều này, chẳng hạn như khi hệ thống phát hiện gian lận chọn một mô hình mua hàng gian lận chưa được quan sát trước đây hoặc khi hệ thống nhận dạng khuôn mặt gặp phải một người mà nó chưa từng thấy trước đây."
Những Người Học Cả Đời
Các nhà nghiên cứu ở Purdue gần đây đã xuất bản bài báo trên tạp chí Khoa học. Nó mô tả cách các chip máy tính có thể tự động quay lại để thu nhận dữ liệu mới giống như cách bộ não làm. Phương pháp này có thể giúp AI tiếp tục học hỏi theo thời gian.
"Bộ não của sinh vật có thể liên tục học hỏi trong suốt vòng đời của chúng. Chúng tôi hiện đã tạo ra một nền tảng nhân tạo để máy móc học hỏi trong suốt vòng đời của chúng", một trong những tác giả của bài báo, Shriram Ramanathan, cho biết trong một bản tin.
Phần cứng do nhóm của Ramanathan phát minh ra là một thiết bị hình chữ nhật, nhỏ được làm bằng vật liệu gọi là perovskite niken, rất nhạy cảm với hydro. Việc áp dụng các xung điện ở các điện áp khác nhau cho phép thiết bị xáo trộn nồng độ của các ion hydro trong một phần nano giây, tạo ra các trạng thái mà các nhà nghiên cứu phát hiện có thể được lập bản đồ cho các chức năng tương ứng trong não.
Khi thiết bị có nhiều hydro hơn gần trung tâm của nó, nó có thể hoạt động như một tế bào thần kinh, một tế bào thần kinh đơn lẻ. Với ít hydro hơn tại vị trí đó, thiết bị đóng vai trò như một khớp thần kinh, một kết nối giữa các nơ-ron, là thứ mà bộ não sử dụng để lưu trữ bộ nhớ trong các mạch thần kinh phức tạp.
"Nếu chúng ta muốn chế tạo một máy tính hoặc một cỗ máy lấy cảm hứng từ bộ não, thì tương ứng, chúng ta muốn có khả năng liên tục lập trình, lập trình lại và thay đổi chip", Ramanathan nói.
Máy Tư Duy?
Nhiều hệ thống AI hiện đại thích ứng với thông tin mới khi được đào tạo lại, David Kanter, giám đốc điều hành của MLCommons, một tập đoàn kỹ thuật mở dành riêng cho việc cải thiện máy học, cho biết trong một email.
"Thế giới là một nơi năng động về bản chất, và cuối cùng là máy học và AI phải thích ứng với điều này," Kanter nói. "Ví dụ, một hệ thống nhận dạng giọng nói vào năm 2022 không 'biết' về COVID-19 hoặc coronavirus sẽ thiếu một khía cạnh quan trọng của thế giới hiện đại. Tương tự, một chiếc xe tự hành phải thích ứng với những thay đổi trên đường phố, đóng cầu, hoặc thậm chí nhiệt độ thấp làm cho đường đóng băng."
Mặc dù một hệ thống AI tự học hoàn toàn vẫn chỉ là một khái niệm, nhưng rất nhiều ví dụ đã xuất hiện, Sameer Maskey, Giám đốc điều hành của công ty AI Fusemachines, cho biết trong một cuộc phỏng vấn qua email. Một trong những hệ thống tự học này đã tạo nên tin tức khi hệ thống AI đánh bại con người trong trò chơi cờ vây.
"AlphaGo là AI đầu tiên của DeepMind đánh bại một kỳ thủ cờ vây chuyên nghiệp", Maskey nói thêm. "Đặc quyền kinh doanh trò chơi của họ đã trở thành bước đệm với mọi bổ sung mới áp dụng những tiến bộ hướng tới AI luôn học hỏi."
Hệ thống AI của tương lai sẽ tìm kiếm thông tin họ cần để đưa ra quyết định tốt và thực hiện các hành động phù hợp, Suchow dự đoán. Những máy tính tiên tiến này sẽ tránh được những sai lầm tốn kém bằng cách học hỏi từ những mô phỏng trải nghiệm của chính chúng, chẳng hạn như thông qua "tự chơi", trong đó AI tưởng tượng ra kết quả của các tương tác mà nó có với các bản sao của chính nó.
"Điều này tương tự như cách con người có thể học thông qua trí tưởng tượng, thấy trước một kết quả tồi tệ mà không cần trải nghiệm trực tiếp", Suchow nói thêm. "Các hệ thống AI sẽ tìm hiểu các chiến lược học tập hiệu quả hơn, theo cách mà một sinh viên có thể hướng thời gian và sự chú ý của họ không chỉ vào nội dung cơ bản của những gì họ đang nghiên cứu mà còn đến quá trình học tập của chính nó."
