Trí thông minh nhân tạo giờ đã có thể lướt Google tìm thông tin, nâng cao kiến thúc

Tuấn Hưng,

Những nghiên cứu sinh tại Học viện Công nghệ Massachusetts đã thành công trong việc "dạy" những cỗ máy machine learning cách "tra Google".

Trong năm 2016, chúng ta gặp một vấn đề với dữ liệu – tuy nhiên nó khác xa với thứ mà con người từng trải qua trong nhiều thập kỷ trước. Thay vì bị thiếu thốn về mặt thông tin, rắc rối mà người dùng “chạm mặt” trong ngày nay chính là việc có quá nhiều thông tin và “nhồi nhét” chúng vào một chỗ để quản lý là điều cần thiết.

Những nhà nghiên cứu tại Học viện Công nghệ Massachusetts đặt ra mục tiêu để giải quyết thử thách này bằng một hệ thống AI mới, thứ đã đạt được giải nhất của hạng mục Phương pháp thực nghiệm Xử lý Ngôn ngữ Tự nhiện tại Hội nghị của Liên hiệp Ngôn ngữ Máy tính được tổ chức vào tháng 11 vừa qua.

Hệ thống này thay đổi hoàn toàn những kỹ thuật machine-learning bằng cách đưa ra một phương thức tiếp nhận thông tin mới – điều cho phép một trí thông minh nhân tạo biến những đoạn chữ thành dữ liệu để phân tích, thống kê và cải thiện khả năng hoạt động bằng cách “lướt” web tìm lời đáp.

Hệ thống AI sẽ được luyện tập "lướt web" để tìm ra thông tin cần thiết

“Phương pháp này tương tự với cách mà loài người chúng ta tìm kiếm thông tin,” Karthik Narasimhan, một học viên đang theo học tại khoa Kỹ thuật Điện và Khoa học máy tính tại trường MIT, chia sẻ với tờ Digital Trends. “Ví dụ, nếu tôi tìm thấy một bài viết với những dẫn chứng mà tôi không hiểu, tôi biết rằng để làm được điều đó thì mình cần phải luyện tập nhiều hơn. Bởi tôi có quyền truy cập vào các bài viết khác có cùng chủ đề, tôi thực hiện tra cứu trên mạng để lấy thêm thông tin từ nhiều nguồn khác nhau, từ đó mà nhận thức được vấn đề. Chúng tôi muốn làm điều tương tự với máy móc.”

Cơ chế hoạt động của hệ thống machine-learning thuộc MIT là đánh giá, so sánh độ giống nhau của thông tin. Nếu như nó quyết định rằng nó không “tự tin” vào một kiến thức, nó có thể tự động thực hiện tra cứu trên mạng để tìm kiếm những thông tin nhằm điền vào chỗ trống. Nếu nó đưa ra kết luận rằng một tài liệu cụ thể không có sự tương quan, nó sẽ chuyển sang tài liệu khác. Sau cùng, nó sẽ tiếp nhận tất cả những “mảnh” thông tin chính xác nhất và “chắp nối” chúng vào làm một.

Các nghiên cứu sinh tại MIT đã “huấn luyện” hệ thống này bằng cách yêu cầu nó sắp xếp, thu nhập thông tin về những vụ xả súng lớn tại Mỹ, dựa trên những nghiên cứu về ảnh hưởng của việc kiểm soát súng đạn và ngộ độc thức ăn. AI này được hướng dẫn tìm kiếm thông tin trong số 300 tài liệu, hồ sơ bằng cách trả lời một số câu hỏi và nó đã hoàn thành nhiệm vụ được giao.

“Chúng tôi sử dụng một kỹ thuật gọi là Reinforcement learning (tạm dịch là học tăng cường), đó chính là cách mà hệ thống sẽ học theo phương thức ‘khoản thưởng’,” Narasimhan nói. “Vì có rất nhiều lỗ hổng trong những dữ liệu được thu thập về – nhất là khi có các thông tin mâu thuẫn lẫn nhau – chúng tôi cho nó ‘khoản thưởng’ dựa trên sự chính xác của tài liệu. Bằng cách thực hiện điều này đối với những thông tin chúng tôi cung cấp cho nó khi luyện tập, hệ thống học cách có thể liên kết những dự đoán một cách tốt nhất, để chúng tôi có thể tìm được câu trả lời xác đáng mà mình đang tìm kiếm.”

Hơn nữa, Narasimhan nói rằng nghiên cứu này có tới rất nhiều ứng dụng khác nhau. Ví dụ, nó có thể sử dụng để duyệt hàng loạt các báo cáo tin tức và soạn ra một tài liệu chỉ gồm thông tin, dữ liệu thu được từ những nguồn khác nhau.

Nó có thể sử dụng trong ngành Y. “Đây sẽ là một công cụ tuyệt vời để tập hợp lại được tiền sử bệnh lý của bệnh nhân,” anh nói. “Trong những trường hợp nhiều bác sỹ viết về các phương pháp chữa trị khác nhau cho một bệnh nhân – mỗi người viết một cách về nó – công nghệ này có thể sử dụng để lọc các thông tin đó để đưa vào cơ sở dữ liệu. Kết quả thu được là những bác sỹ có thể đưa ra những quyết định, chẩn đoán sáng suốt hơn về bệnh nhân.”

Lại là một ngày thú vị mang nhiều đột phá trong thế giới của “machine learning”!

Theo Popularmechanics

Gặp gỡ Erica - robot với trí thông minh nhân tạo đáng sợ nhất thế giới

Theo Trí Thức TrẻCopy link

Link bài gốcLấy link

Tags: