Người đặt nền móng phát triển AI đã có mặt tại Trung Quốc để chứng kiến sự kiện vĩ đại trong lịch sử: con người gục ngã trước AI trong môn cờ vây

    Dink,  

    Đây sẽ là 3 ván cờ cuối cùng của kì thủ Ke Jie với AI, vì anh tin rằng tỉ lệ chiến thắng của con người sẽ gần bằng con số không trong tương lai.

    Mới đầu tuần này thôi, AlphaGo của Google DeepMind vừa đả bại kì thủ Ke Jie, người chơi cờ vây xuất sắc nhất thế giới và đây đã là lần thứ hai, anh Ke Jie bại trận dưới sức mạnh của một bộ máy.

    Martin Müller, nhà khoa học máy tính tại Đại học Alberta và bản thân cũng là một cao thủ cờ vây, đã có mặt tại thị trấn Ô Trấn, Trung Quốc để tận mắt chứng kiến cảnh tượng lịch sử này: con người lại một lần nữa gục ngã trước trí tuệ nhân tạo. Hồi đầu những năm 2000, Müller đã giúp tạo nên nền móng xây dựng cho cỗ máy AI kia để ngày hôm nay, nó đánh bại được một cá nhân trong lĩnh vực mà họ giỏi nhất.

    Đất nước Canada cũng đóng góp rất nhiều vào những nghiên cứu liên quan tới công nghệ deep learning, và ta phải kể tới những nhà khoa học như Geoff Hinton và Yoshua Bengio để phát triển nên những thành phần mấu chốt và cơ bản của trí tuệ nhân tạo. Trong thành công của AlphaGo lần này, Canada có những cống hiến trực tiếp.

    Hai tác giả chính của chương trình này, David Silver và Aja Huang đều từng theo học tại Đại học Alberta, đều nghiên cứu dưới sự giám sát của giáo sư Müller.

    “Trước khi AlphaGo ra đời, rất nhiều nghiên cứu cơ bản và nghiên cứu về machine learning đã được thực hiện tại đây”, giáo sư Müller nói trong một email. “Nếu như bạn đọc qua danh sách tham khảo trên bản báo cáo khoa học về AlphaGo được đăng tải trên Nature, bạn sẽ thấy 40% nguồn tài liệu tới từ các tác giả tại Đại học Alberta. Và rồi, Deepmind đã vượt qua mọi nỗ lực trước đó để tạo ra những ý tưởng mới hơn”.

    Giáo sư Müller đã nghiên cứu trong ngành này đủ lâu để tận mắt chứng kiến từng bước tiến rõ rệt, từng bước tạo nên dáng hình của trí tuệ nhân tạo như ngày hôm nay. Ông tiết lộ thứ công thức đặc biệt nằm sau AlphaGo: đó chính là phương pháp Monte Carlo và các thuật toán khám phá (heuristic algorithm).

    Việc khám phá của các cỗ máy cũng chẳng khác xa con người là mấy. Ta thường sử dụng một ý tưởng chưa hoàn thiện hoặc những giả thuyết tự đặt ra để định hướng cho những nghiên cứu tương lai, những nghiên cứu có thể lấp đầy những lỗ hổng trong các thuyết đã được nêu.

    Thuật toán khám phá giúp trí tuệ nhân tạo có thể đánh giá hành động nào sẽ là hiệu quả nhất để có thể tìm ra được phương pháp giải quyết toàn vẹn nhất. Mỗi nước đi, mỗi hành động đưa ra đều được AI tính toán để có được kết quả như mong muốn, trong trường hợp này thì mục tiêu là “thắng một ván cờ vây”.

    AlphaGo sử dụng thuật toán khám phá Cây Nghiên cứu Monte Carlo (Monte Carlo Tree Search heuristic algorithm), nhanh chóng tìm các nhánh nhỏ của một “cây đưa ra quyết định chính” lớn, những nhánh cây ấy sẽ quyết định bước đi tiếp theo của trí tuệ nhân tạo này.

    Điểm đột phá nhất của AlphaGo so với các chương trình AI khác là nó sử dụng nhiều thông tin hơn trong những đợt tìm kiếm nhánh của mình”, giáo sư Müller nói. “Những kiến thức này được AlphaGo học trước khi vào ván đấu cờ vây và được ghi mã vào mạng lưới thần kinh sâu deep neural của nó. Sau đó chúng sẽ được sử dụng để đưa ra những bước đi tiếp theo, tính toán tình hình đang diễn ra trên bàn, ví dụ như việc nước đi tiếp theo của người chơi sẽ có lợi như thế nào với họ”.

    Ông Müller coi chiến thắng này của trí tuệ nhân tạo trước kì thủ Ke Jie là một dấu mốc cực kì lớn với trí tuệ nhân tạo và machine learning. Nhưng những trò chơi trí tuệ này không phải là những ứng dụng duy nhất được áp dụng sức mạnh machine learning của AlphaGo.

    Ke Jie đã nói: đây sẽ là ba ván đấu cuối cùng của tôi với trí tuệ nhân tạo. Trong tương lai, tỉ lệ chiến thắng sẽ là gần với con số 0.
    Ke Jie đã nói: đây sẽ là ba ván đấu cuối cùng của tôi với trí tuệ nhân tạo. Trong tương lai, tỉ lệ chiến thắng sẽ là gần với con số 0.

    Kĩ thuật phân tích này đã tạo nên nền tảng cho thấy AlphaGo và những nghiên cứu AI khác sẽ có thể làm được nhiều tác vụ khác nhau và đầy tiềm năng để đưa vào vô vàn các lĩnh vực khác”, người phát ngôn của DeepMind bày tỏ. “Chúng tôi tin rằng trong một vài năm tới, các nhà khoa học và các nhà nghiên cứu sẽ sử dụng những phương pháp tương tự để nghiên cứu sâu hơn về nhiều ngành hơn nữa, từ thiết kế vật chất siêu dẫn cho tới tìm ra những phương thuốc mới”.

    Tôi không nghĩ chúng ta không có cơ hội nào, dù rằng trong tập luyện và thử nghiệm thì thấy rằng tỉ lệ là rất rất gần con số không”, ông viết. Tuy nhiên, “điểm quan trọng là ta phải nhớ ra AlphaGo là một chương trình khám phá. Khi mà nó chơi ở một mức độ cực kì vững chắc, sẽ chẳng có bảo đảm chắc chắn nào rằng ta sẽ thắng”.

    Tin cùng chuyên mục
    Xem theo ngày

    NỔI BẬT TRANG CHỦ