Từ khi chiếc máy tính cơ-điện tử có khả năng lập trình đầu tiên ra đời năm 1936, con người ta tin rằng cho đến ngày nay chúng ta đã giải quyết được các bài toán về trí tuệ, nhận thức và có một thế hệ người máy thông minh. Nhưng cho đến nay những gì mà trí thông minh nhân tạo (Artificial Intelligence - AI) làm được là đánh bại con người ở một số trò chơi (game). Mục tiêu thực sự của AI là thực hiện những thứ con người có thể thực hiện: nghe, nói, nhìn và mục tiêu sau cùng là nhận thức.

Nhưng... hãy coi đó là lịch sử. Điều chúng ta quan tâm nhất hiện nay chính là chúng ta ở đâu trong cuộc cách mạng trí tuệ nhân tạo? Chúng ta có đang ở điểm đột biến (edge of change or critical point)?

Chúng ta đang ở điểm đột phá trong cuộc cách mạng trí tuệ nhân tạo.
Chúng ta đang ở điểm đột phá trong cuộc cách mạng trí tuệ nhân tạo.

(Tham khảo: http://waitbutwhy.com/2015/01/artificial-intelligence-revolution-1.html)

Điều thú vị là chúng ta vẫn "chưa" thể nhìn sang bên phải của mình trên trục thời gian. Lý do đơn giản là vì chúng ta vẫn chưa có time machine. Nên những gì chúng ta đang nói về tương lai đều chỉ là dự đoán (prediction). Nhưng chúng ta vẫn có những dấu hiệu rõ ràng để tin rằng chúng ta đang ở điểm đột phá.

Machine learning (ML) được xem là phương tiện để con người đạt được những thành tựu trong cuộc cách mạng trí tuệ nhân tạo. Điều ấy đồng nghĩa là nếu chúng ta đang ở điểm đột phá trong cuộc cách mạng AI thì chúng ta đã có đột phá trong ML. Vậy bước đột phá ấy là gì? Đó chính là "deep learning" (DL) hay học sâu. Mô hình lý thuyết cũng như công nghệ "deep learning" đang được xem là niềm hi vọng để đưa con người tới những thành tựu mới trong lịch sử. Những điều thú vị về (DL) tác giả xin được chia sẻ ở một bài viết sau. Ở bài viết này, tôi mong muốn chia sẻ một số thành tựu mà chúng ta đã làm được nhờ có DL.

Không phải là thành tựu nhưng một ví dụ thú vị là chú chim flappy bird của chúng ta có thể dễ dàng vượt qua những cái cột nhờ có thuật toán DL với bài toán reinforcement learning. 

Deep Learning là gì?
Deep learning và flappy bird.

(Tham khảo: https://github.com/yenchenlin1994/DeepLearningFlappyBird)

Khóa học nhập môn Machine Learning cho lập trình viên. Học qua dự án nhỏ demo, ngôn ngữ lập trình Python, framework Scikit-Learn và TensorFlow

Ví dụ trên tuy thú vị nhưng quả là chưa mang tính thuyết phục. Hãy cùng xem xét những mục tiêu mà AI hướng tới đã trình bày ở phần đầu: "Làm được những điều mà con người có thể làm được và mục tiêu sau cùng là nhận thức". Chúng ta bắt đầu bằng những khả năng con người có thể làm (liên quan tới suy nghĩ và ý thức).

Con người có thể thể nói chuyện (listen and speak) và bây giờ AI có thể làm được.

Con người có thể quan sát, phân biệt được vật thể và bây giờ AI có thể làm được.

Vậy còn nhận thức? Liệu AI mới chỉ đơn giản thực hiện được các chứng năng nghe - nói - nhìn với một số chương trình lập trình phức tạp. Một tin vui là AI đã bắt đầu có nhận thức. Một công nghệ mang tên recurrent learning có thể giúp AI "tự tạo" ra chữ viết hay âm thanh. AI cũng không chỉ đơn giản biết phân biệt các vật thể qua hình ảnh mà còn có thể "tự hình dung" ra hình ảnh của một vật thể sau khi được quan sát nhiều những hình ảnh cùng nói về một vật thể.

Machine Learning là gì?
Hình ảnh khuôn mặt một chú mèo trong hình dung của một AI do google tạo ra

Điều thú vị nhất chính là hình ảnh chú mèo và từ "con mèo" có thể được mã hóa vào trong một không gian trừu tượng (tạm xem là không gian nhận thức của AI) nhờ có công nghệ DL. Vì thế, giống như con người, AI có thể hiểu hình ảnh con mèo và từ "con mèo" đều nói tới một thực thể duy nhất.

Vậy trong tương tai AI sẽ đi tới đâu? Đó chính là ASI (Artificial Superintelligence). Tác giả chưa muốn đi xa hơn với khái niệm này nên chỉ xin đưa ra một hình ảnh minh họa để bạn đọc có thể hình dung được:

Học về Machine Learning tốt nhất
Tương lai của AI chúng ta có thể tưởng tượng ra.

Cuối cùng, trong đầu tác giả vẫn còn một câu hỏi bỏ ngỏ. Công nghệ đột phá nào trong ML sẽ thay thế cho công nghệ DL hiện nay? Lý do mà tác giả còn băn khoăn là vì công nghệ DL mới chỉ bắt chước cách mà các neuron trong não bộ của con người hoạt động. "Nhưng khám phá ra lý thuyết về phép cộng mới chính là yếu tố đã tạo ra đột phá về tốc độ tính toán của máy tính."