TIẾP CẬN A.I THẾ NÀO?
Một câu hỏi tôi nghĩ có ích nhất để tư duy cho mọi người là, nên tiếp cận AI như thế nào, nhất là với học sinh. Rõ ràng không ai có câu trả lời chính xác, vì dự đoán công nghệ biến đổi nhanh như AI là bất khả chỉ sau 3-5 năm. Câu trả lời của tôi là cứ coi AI như một phần cuộc sống, và tiếp cận nó như một đối tượng nhân văn (humanity) và khoa học xã hội (social science), hay thậm chí là một “loài” mới (species). Đấy là lý do mà tôi hướng dẫn học trò tập trung nghiên cứu về suy luận máy (reasoning), kiến trúc nhận thức (cognitive architecture) trong đó tập trung về trí nhớ (memory), và AI xã hội (social AI) thông qua hệ đa tác tử (multiagent system) và lý thuyết tâm trí (theory of mind).
Cách tiếp cận như vậy đảm bảo rằng chúng ta không chạy theo công nghệ mới nhất, vì khi các bạn hiểu được thì nó đã đi xa 5 năm, và đã rất khác. Nên tìm điểm đến của công nghệ, vốn dĩ sinh ra để phục vụ con người, khiến năng lực của chúng ta trở nên siêu phàm. Chẳng hạn, máy tìm kiếm như Google đã khiến chúng ta có bộ nhớ gần như vô hạn. Các hệ thống như ChatGPT giúp chúng ta trả lời mọi câu hỏi thông thường một cách dễ dàng, mà kiểu học vẹt để nhớ mọi điều không còn cần thiết nữa.
A.I LIÊN QUAN GÌ TỚI TOÁN?
Một thầy giáo hỏi riêng tôi, là nên hiểu AI thế nào đối với một người làm Toán. AI vốn dĩ sinh ra từ nhiều nguồn, trong đó có ý tưởng của các nhà Toán học thiên về tính toán (computing) như Alan Turing hay Marvin Minsky, và các nhà Triết học, hay đa tài như John von Neumann. Vậy nên có một câu trả lời đơn giản là không thể. Tôi trả lời ngay lúc đó là có thể tiếp cận thông qua khái niệm quen thuộc là xây dựng ánh xạ. Chúng ta thường biết cặp thông tin đầu vào, và thông tin kỳ vọng đầu ra. AI hiện đại bản chất là tìm cách xây dựng ánh xạ sao cho đầu ra thật gần với kỳ vọng. Quá trình biến đổi ánh xạ dần dần để đạt mục tiêu ấy gọi là Học máy (machine learning).
A.I VỚI VẬT LÝ THÌ SAO?
Đây không phải là câu hỏi đưa ra trong hội trường, nhưng tôi đoán có các bạn học sinh chuyên Lý ở đó, nên tiện thì viết ra cách tôi nghĩ ở đây. Phần vì tôi cũng là một cựu HS chuyên Lý.
Những câu hỏi về Trí năng (intelligence, ở đây tôi không dùng Trí tuệ, vì chữ Tuệ trong ngôn ngữ Hán Việt có nhiều nghĩa hơn), hay cao hơn là Ý thức (consciouness) đã được đặt ra bởi các nhà Vật lý từ lâu, ví dụ như Schrödinger, cha đẻ của Lý thuyết Hàm sóng lượng tử, người góp phần đặt nền móng cho Vật lý Lượng tử 100 năm trước. Hay gần đây hơn như Penrose, t’Hooft hay Tegmark.
Dân Vật lý chắc đều biết Định luật Nhiệt động lực 2, phát biểu rằng Entropy, hay thước đo sự hỗn loạn, của một hệ kín sẽ luôn tăng theo thời gian. Nghĩa là chỉ có một chiều đi từ trật tự tới hỗn loạn. Trong A.I có một khái niệm tương đồng, cũng gọi Entropy, là thước đo lượng thông tin chứa được trong một hệ. Xuất phát điểm hai khái niệm Entropy này thì khác nhau. Cái thứ 2 do Shannon, nhà lý thuyết thông tin, phát minh ra từ thời lâu lắc, nhưng gần đây được sử dụng rộng rãi trong A.I.
A.I có nhiều cách hiểu, nhưng có một cách, đó là năng lực tổ chức thông tin và sử dụng nó một cách hiệu quả nhất, tức tiêu tốn … ít điện năng nhất. Vì thông tin được tổ chức, nên Entropy thông tin của hệ A.I giảm, đi ngược với nguyên lý Nhiệt động 2. Việc học chính là cách làm giảm Entropy thông tin của hệ. Ví dụ, AI tạo sinh hiện nay, bản chất là việc nén thông tin trên toàn bộ Internet chứa trong văn bản, hình ảnh, âm thanh, video vào các tham số của mô hình. Lượng tham số này rất lớn, có thể đến nhiều nghìn tỉ.
Việc suy diễn chính là việc tìm cách biến đổi sao cho năng lượng tự do (free energy) đạt được là thấp nhất. Trong hệ A.I tạo sinh, suy diễn là cách diễn đạt các thông tin, hay kết hợp giữa chúng, theo một trật tự nhất định, để thỏa mãn lời nhắc (prompt).
Việc học và suy diễn là hai trụ cột chính của A.I hiện đại.
Tất nhiên việc Entropy giảm là cục bộ đối với hệ A.I, chứ còn Entropy của cả hệ vẫn cứ tăng, vì mỗi lần tính toán để làm giảm Entropy hay Năng lượng tự do, ta lại làm tăng sự hỗn loạn của hệ tính toán ấy
