Trí tuệ nhân tạo: Cách thuật toán làm cho hệ thống thông minh hơn

Thuật ngữ “thuật toán” là một từ mà chúng ta nghe thường xuyên hơn nhiều so với trước đây. Một trong những lý do là các nhà khoa học đã khám phá được rằng máy tính có thể tự học nếu chúng được đưa cho những hướng dẫn đơn giản thông qua những thuật toán, thuật toán chính là những hướng dẫn thuộc về toán học. Wikipedia tuyên bố rằng một thuật toán là “một quy trình từng bước từng bước để tính toán”.

Các thuật toán được sử dụng để tính toán, xử lý dữ liệu và tự động suy luận. Cho dù bạn có biết hay không, thuật toán đang trở thành một phần phổ biến trong cuộc sống của chúng ta. Một số học giả đã thấy mối nguy hại trong xu hướng này. Ví dụ, Leo Hickman (@LeoHickman) viết: “Các tiết lộ của NSA nêu bật vai trò của các thuật toán tinh vi, phức tạp trong việc sàng lọc hàng loạt dữ liệu. Nhưng đáng ngạc nhiên hơn là việc sử dụng rộng rãi của chúng trong cuộc sống hàng ngày của chúng ta. Vậy chúng ta có nên cảnh giác hơn với sức mạnh của thuật toán không? [Làm thế nào thuật toán thống trị thế giới, theo The Guardian, 01/072013]. Có thể nói rằng thuật toán thống trị thế giới thì hơi quá, nhưng tôi đồng ý rằng việc con người sử dụng chúng ngày càng trở nên phổ biến bởi vì máy tính đang đóng vai trò ngày càng quan trọng trong rất nhiều khía cạnh của cuộc sống. Tôi thích cách giải thích của HowStuffWorks:

“Để máy tính có thể làm bất cứ điều gì bạn muốn, bạn phải viết một chương trình cho máy tính. Để viết một chương trình cho máy tính, bạn phải nói với máy tính, từng bước một, chính xác những gì bạn muốn nó làm. Sau đó, máy tính sẽ “thực thi” chương trình đó, theo từng bước một cách máy móc, để hoàn thành mục tiêu cuối cùng. Khi bạn nói cho máy tính biết phải làm gì, bạn cũng có thể chọn cách mà nó sẽ làm như thế nào. Đó là nơi mà thuật toán máy tính xuất hiện. Thuật toán là kỹ thuật cơ bản được sử dụng để hoàn thành công việc.”

Điểm duy nhất khiến lời giải thích bị sai là bạn phải nói với máy tính chính xác những gì bạn muốn nó thực hiện từng bước. Thay vì chỉ làm theo các hướng dẫn được lập trình rõ ràng, một số thuật toán máy tính được thiết kế để cho phép máy tính tự học (nghĩa là tạo điều kiện cho việc học máy). Sử dụng cho học máy bao gồm khai thác dữ liệu (data mining) và nhận dạng mẫu (pattern recognition). Klint Finley nói rằng “Ngày nay, Internet đang được thống trị bởi các thuật toán. Những sáng tạo toán học xác định những gì bạn sẽ thấy trên Facebook, những bộ phim mà Netflix giới thiệu cho bạn và những quảng cáo bạn thấy trong Gmail. [Bạn muốn xây dựng Google của riêng mình? Truy cập App Store cho các thuật toán, Wired, 11/08/2014].

Thuật toán đơn thuần là những công thức, phương trình toán học, chúng không tốt cũng không xấu. Tuy nhiên, hiển nhiên con người sử dụng thuật toán cho cả mục đích tốt và xấu. Tiến sĩ Panos Parpas, giảng viên khoa Computing tại Đại học Hoàng gia Luân Đôn, nói với Hickman: “Thuật toán hiện được tích hợp vào cuộc sống của chúng ta ngày càng nhiều. Một mặt, chúng tốt bởi vì chúng giải phóng thời gian của chúng ta và thực hiện các quy trình nhàm chán thay cho con người. Các câu hỏi đang được đặt ra về thuật toán tại thời điểm này không phải là về thuật toán, mà là về cách xã hội liên quan đến việc sử dụng dữ liệu và quyền riêng tư dữ liệu. Nó cũng nói về cách các mô hình đang được sử dụng để dự đoán tương lai. Luôn có một mối quan hệ ràng buộc giữa dữ liệu và thuật toán. Khi công nghệ phát triển, sẽ có những sai lầm, nhưng chúng ta cần nhớ rằng chúng chỉ là một công cụ. Chúng ta không nên đổ lỗi cho các công cụ của mình.”

Thuật toán không có gì mới. Như bàn ở trên, chúng chỉ đơn giản là các hướng dẫn toán học. Việc sử dụng chúng trong máy tính có thể được truy nguyên từ một trong những người khổng lồ trong lý thuyết tính toán Alan Turing. Trở lại năm 1952, Turing đã xuất bản một bộ các phương trình cố gắng giải thích các mô hình mà chúng ta thấy trong tự nhiên, từ các sọc lốm đốm trang trí trên lưng của một con ngựa vằn cho đến những chiếc lá bị uốn cong trên thân cây, hoặc thậm chí là sự uốn cong và gấp khúc phức tạp các tế bào thành một sinh vật. [Các phương trình mạnh mẽ giải thích các mô hình mà chúng ta thấy trong tự nhiên, bởi Kat Arney (@harpistkat), Gizmodo,13/08/2014] Turing trở nên nổi tiếng trong Thế chiến thứ hai vì ông đã giúp phá vỡ mã Enigma. Đáng buồn thay, Turing đã tự kết liễu đời mình hai năm sau khi xuất bản cuốn sách của mình. May mắn thay, tác động của Turing với thế giới không kết thúc như việc tự tử của ông. Arney báo cáo rằng các nhà khoa học vẫn đang sử dụng thuật toán của mình để khám phá các mẫu trong tự nhiên. Arney kết luận:

“Vào những năm cuối đời Alan Turing, ông đã thấy giấc mơ toán học của mình – một máy tính điện tử có thể lập trình – xuất hiện từ một bộ sưu tập dây và ống (wires and tubes). Trước đó, nó chỉ có khả năng tạo ra một vài con số với tốc độ ốc sên. Ngày nay, điện thoại thông minh trong túi của bạn được tích hợp công nghệ điện toán có thể sẽ khiến ông ấy vô cùng ngạc nhiên. Tốn mất một đời người để mang tầm nhìn của mình vào khoa học, đi vào thực tế, nhưng hoá ra nó chỉ hơn là một lời giải thích và những phương trình toán học lạ mắt.”

Mặc dù các thuật toán Turing rất hữu ích trong việc xác định các pattern xuất hiện trong tự nhiên, nhưng những mối  tương quan khác mà được tạo ra bởi thuật toán đang ngày càng có nhiều sự nghi ngờ. Deborah Gage (@deborahidor) nhắc nhở chúng tôi: “Mối tương quan .. khác hoàn toàn mối quan hệ nhân quả”. [Dữ liệu lớn đã khám phá ra một số mối tương quan kỳ lạ, theo The Wall Street Journal, 23/03/2014] Cô nói thêm: “Nhờ vào dữ liệu hiện có mà việc tìm kiếm các mối tương quan chưa bao giờ dễ đến vậy”. Gage cũng nói rằng một công ty phát hiện ra các giao dịch đều đóng khi mặt trăng mới tới, lớn hơn 43% các giao dịch khi mặt trăng tròn. Những mối tương quan kỳ lạ khác đã được phát hiện bao gồm: Mọi người trả lời điện thoại thường xuyên hơn khi tuyết rơi, lạnh hoặc rất ẩm; Khi trời nắng hoặc ít ẩm hơn, họ trả lời email nhiều hơn. Một phân tích sơ bộ cho thấy họ cũng mua nhiều hơn khi trời nắng, mặc dù một số người nhất định mua nhiều hơn khi trời tối. ZestFinance Inc., công ty cho vay trực tuyến phát hiện ra rằng những người điền vào đơn xin vay tiền của họ sử dụng tất cả các chữ in hoa thường xuyên hơn những người sử dụng tất cả các chữ cái viết thường và vẫn thường xuyên hơn những người sử dụng cả  chữ hoa và chữ thường. Gage tiếp tục:

“Các giao dịch bán hàng có bị ảnh hưởng bởi chu kỳ của mặt trăng không? Có thể xác định rủi ro tín dụng theo cách một người nhập thông tin? Phần mềm xử lý dữ liệu mới nhanh chóng kết hợp với một loạt dữ liệu công cộng và riêng tư đang cho phép các công ty kiểm tra những lý thuyết này và những lý thuyết có vẻ xa vời khác, đặt ra những câu hỏi mà trước đây ít người nghĩ đến. Bằng cách kết hợp trí tuệ con người và trí tuệ nhân tạo, chúng ta khám phá những insight một cách khôn khéo và đưa ra dự đoán có thể mang lại lợi ích cho doanh nghiệp trong một thị trường cạnh tranh ngày càng khốc liệt.”

Giám đốc điều hành ZestFinance Douglas Merrill nói với Gage, các nhà khoa học dữ liệu cần xác minh xem liệu những phát hiện của họ có hợp lý hay không. Học máy (Machine Learning) không thể thay thế con người. Một phần của vấn đề là hầu hết các hệ thống máy học đều không kết hợp lý luận với tính toán (reasoning with calculations). Họ chỉ đơn giản là nói ra mối tương quan cho dù chúng có ý nghĩa hay không. Báo cáo của Gage, ZestFinance đã loại bỏ một phát hiện khác từ phần mềm của mình rằng những người cao hơn sẽ trả nợ tốt hơn, một giả thuyết mà ông Merrill gọi là ngớ ngẩn. Bằng cách thêm lý luận vào hệ thống học máy ML, các mối tương quan và insights sẽ trở nên hữu ích hơn. Catherine Havasi (@havasi), Giám đốc điều hành và đồng sáng lập của Luminoso nói một phần của vấn đề đó là khi con người chúng ta giao tiếp, chúng ta dựa vào một nền tảng rộng lớn của những giả định không được nói ra. Chúng tôi giả định tất cả mọi người chúng tôi gặp đều chia sẻ kiến ​​thức này. Nó sẽ dần hình thành cách chúng ta tương tác như thế nào và cho phép chúng ta giao tiếp nhanh chóng, hiệu quả và có ý nghĩa sâu sắc. [Những người đang làm lý luận thông thường và lý do tại sao lại gặp vấn đề, TechCrunch, 09/08/2014] Cô nói thêm, Thời đại như công nghệ ngày nay, thiếu sót chính của nó khi nó trở thành một phần lớn trong cuộc sống hàng ngày trong xã hội là nó không chia sẻ những giả định này.

Havasi tiếp tục:

“Lý luận thông thường (Common-sense reasoning) là một lĩnh vực của trí tuệ nhân tạo nhằm mục đích giúp máy tính hiểu và tương tác với mọi người một cách tự nhiên hơn bằng việc tìm cách thu thập các giả định này và dạy cho máy tính. Common Sense Reasoning đã thành công nhất trong lĩnh vực xử lý ngôn ngữ tự nhiên (Natural Language Processing). Khu vực học máy này, với cái tên lạ lùng, đang bắt đầu âm thầm thâm nhập vào các ứng dụng khác nhau, từ hiểu văn bản đến xử lý và hiểu những thứ có trong một bức ảnh. Nếu không common sense, sẽ rất khó để xây dựng các hệ thống NLP dễ thích ứng và không bị giám sát trong một thế giới kỹ thuật số và di động như ngày nay. Xử lý ngôn ngữ tự nhiên là nơi mà common sense reasoning trở nên nổi trội, và công nghệ bắt đầu tìm đường vào các sản phẩm thương mại. Mặc dù vẫn còn một chặng đường dài, common sense reasoning sẽ tiếp tục phát triển nhanh chóng trong những năm tới và công nghệ đủ ổn định để có thể áp dụng trong kinh doanh ngày nay vì nó có lợi thế đáng kể so với các hệ thống mà có quy tắc từ trước đó, hoặc các hệ thống chỉ đơn giản dựa trên học máy.”

Các thuật toán có thể làm cho các hệ thống thông minh hơn, nhưng nếu mà không thêm một chút “common sense” thông thường vào phương trình, chúng vẫn có thể tạo ra một số kết quả rất kỳ quái. Thuật toán đóng vai trò then chốt cho những Deep Learning models. Để giúp người dùng giải quyết bài toán học máy một cách đơn giản và mượt mà hơn, iRender chúng tôi mang tới cho khách hàng dịch vụ GPU Cloud for AI/DL – dịch vụ cung cấp hiệu suất máy tính với hàng ngàn CPUs và GPUs mạnh mẽ. iRender hỗ trợ hầu hết các Deep Learning Framework phổ biến nhất hiện này như TensorFlow, Keras, Caffe, PyTorch,… Chúng tôi có những dòng cấu hình máy chuyên nghiệp phục vụ cho AI Inference, AI Training, Deep Learning, VR/AR…Với kiến trúc Turing: 6/12 x RTX 2080Ti, 11GB vRAM, kiến trúc Pascal: 6/12 x NVIDIA TITAN Xp, 12GB vRam. Hoặc bất kỳ cấu hình nào bạn yêu cầu, vui lòng liên hệ trực tiếp để được phục vụ.

Hãy đăng ký tại đây để sử dụng dịch vụ của chúng tôi.

Nguồn: www.wired.com