Perceptron - chiếc máy tính được trang bị loại mạch điện mới, to bằng cả căn phòng, được giới thiệu với thế giới vào năm 1958 trong một bản tin ngắn được đăng trên tờ The New York Times.

Câu chuyện trích dẫn lời Hải quân Mỹ nói rằng Perceptron sẽ là tiền đề cho những cỗ máy "có thể đi lại, nói chuyện, nhìn, viết, tự tái tạo và có ý thức về sự tồn tại".

Hơn sáu thập kỷ sau, những tuyên bố tương tự đang được đưa ra về trí tuệ nhân tạo ngày nay. Vậy đã có thay đổi gì kể từ Perceptron đến nay? Có lẽ là ở một khía cạnh nào đó nhưng không nhiều.

Lĩnh vực trí tuệ nhân tạo đã trải qua một chu kỳ bùng nổ và tan vỡ kể từ những ngày khởi đầu. Giờ đây, khi lĩnh vực này đang trong một thời kỳ bùng nổ khác, nhiều người ủng hộ công nghệ dường như đã quên đi những thất bại trong quá khứ và nguyên nhân dẫn đến điều đó. Mặc dù lạc quan là cơ sở thúc đẩy sự tiến bộ nhưng có lẽ chúng ta vẫn phải lật lại những trang sách lịch sử.

Perceptron, được phát minh bởi Frank Rosenblatt, được đánh giá là đã đặt nền móng cho AI. Chiếc máy tính được thiết kế như một loại máy học mang tính cách mạng này chứa đầy dây kết nối các thành phần khác với nhau.

Các mạng thần kinh nhân tạo hiện đại làm nền tảng cho AI quen thuộc như ChatGPT và DALL-E có thể mô tả như phiên bản phần mềm của Perceptron, ngoại trừ việc có nhiều lớp, điểm giao và kết nối hơn.

Giống như học máy hiện đại, nếu Perceptron trả về câu trả lời sai, nó sẽ thay đổi các kết nối để có thể đưa ra câu trả lời tốt hơn vào lần sau.

Các hệ thống AI hiện đại cũng hoạt động theo cách tương tự. Bằng cách sử dụng định dạng dựa trên dự đoán, mô hình ngôn ngữ lớn (LLM) có thể tạo ra phản hồi dựa trên văn bản dạng dài đầy ấn tượng và liên kết hình ảnh với văn bản để tạo ra hình ảnh mới dựa trên câu lệnh. Các hệ thống này ngày càng tốt hơn khi chúng tương tác nhiều hơn với người dùng.

AI bùng nổ và tan vỡ

Trong khoảng một thập kỷ sau khi Rosenblatt công bố Mark I Perceptron, các chuyên gia như Marvin Minsky tuyên bố rằng thế giới sẽ "có một cỗ máy có trí thông minh không khác gì người bình thường" vào giữa đến cuối những năm 1970. Nhưng bất chấp một số thành công, trí thông minh giống con người vẫn chưa được tìm thấy ở đâu.

Điều rõ ràng là hệ thống AI không hiểu rõ về những thứ xung quanh chúng. Nếu không có kiến thức nền tảng và ngữ cảnh thích hợp, gần như AI không thể lý giải chính xác sự mơ hồ trong ngôn ngữ hàng ngày - một nhiệm vụ mà con người thực hiện dễ dàng. Mùa đông AI đầu tiên, hay thời kỳ vỡ mộng, xảy ra vào năm 1974 sau sự thất bại của Perceptron.

Tuy nhiên, đến năm 1980, AI đã hoạt động trở lại và đợt ra mắt AI chính thức đầu tiên đã có hiệu ứng mạnh mẽ. Có những hệ thống AI chuyên môn được thiết kế để giải quyết các vấn đề trong các lĩnh vực cụ thể, như xác định đối tượng và chẩn đoán vấn đề từ dữ liệu quan sát được. Có những chương trình đưa ra những suy luận phức tạp từ những câu chuyện đơn giản, chiếc ô tô không người lái đầu tiên sẵn sàng lăn bánh và những robot có thể đọc và chơi nhạc cho khán giả trực tiếp.

Nhưng không lâu sau, những vấn đề tương tự lại một lần nữa bóp nghẹt sự phấn khích. Năm 1987, mùa đông AI thứ hai ập đến. Các hệ thống chuyên môn thất bại vì chúng không thể xử lý được những thông tin mới.

Năm 1990 đã thay đổi cách tiếp cận các vấn đề về AI. Mặc dù sự tan băng cuối cùng của mùa đông thứ hai không dẫn đến sự bùng nổ mới nhưng AI đã trải qua những thay đổi đáng kể. Các nhà nghiên cứu đang giải quyết vấn đề thu thập kiến thức bằng các phương pháp tiếp cận dựa trên dữ liệu.

Lần này cũng đánh dấu sự trở lại của perceptron kiểu mạng thần kinh, nhưng phiên bản này phức tạp hơn, linh hoạt hơn và quan trọng nhất là yếu tố kỹ thuật số. Sự quay trở lại mạng nơron, cùng với việc phát minh ra trình duyệt web và sự gia tăng sức mạnh tính toán, đã giúp quá trình thu thập hình ảnh, khai thác dữ liệu và phân phối bộ dữ liệu cho các tác vụ học máy trở nên dễ dàng hơn.

Điệp khúc có lặp lại?

Trở về ngày hôm nay, niềm tin vào sự tiến bộ của AI một lần nữa lặp lại những lời hứa đã đưa ra gần 60 năm trước.

Thuật ngữ "trí tuệ nhân tạo tổng quát" được sử dụng để mô tả các hoạt động của mô hình ngôn ngữ lớn giống như các chatbot AI như ChatGPT. Trí tuệ nhân tạo tổng quát mô tả một cỗ máy có trí thông minh ngang bằng với con người, nghĩa là cỗ máy sẽ tự nhận thức, có thể giải quyết vấn đề, học hỏi, lập kế hoạch cho tương lai và có thể có ý thức.

Giống như Rosenblatt nghĩ Perceptron của ông là nền tảng cho một cỗ máy có ý thức, giống con người, một số nhà lý thuyết AI đương đại về mạng lưới thần kinh nhân tạo ngày nay cũng nghĩ như vậy. Vào năm 2023, Microsoft đã xuất bản một bài báo nói rằng "Hiệu suất của GPT-4 rất gần với hiệu suất ở cấp độ con người".

Nhưng trước khi tuyên bố rằng LLM đang thể hiện trí thông minh ở cấp độ con người, hãy nghĩ về điều này giúp phản ánh tính chất chu kỳ của sự phát triển AI. Nhiều vấn đề tương tự từng ám ảnh các phiên bản AI trước đây vẫn còn tồn tại cho đến ngày nay. Sự khác biệt là cách những vấn đề đó biểu hiện.

Ví dụ, vấn đề kiến thức vẫn tồn tại cho đến ngày nay. ChatGPT liên tục gặp khó khăn trong việc đáp ứng các thành ngữ, ẩn dụ, câu hỏi tu từ và châm biếm - những dạng ngôn ngữ độc đáo vượt ra ngoài các kết nối ngữ pháp và thay vào đó yêu cầu suy ra nghĩa của các từ dựa trên ngữ cảnh.

Mạng lưới thần kinh nhân tạo có thể chọn ra các vật thể trong những cảnh phức tạp với độ chính xác ấn tượng. Nhưng nếu đưa cho AI một bức ảnh về một chiếc xe buýt trường học đang nằm nghiêng thì AI sẽ rất tự tin nói rằng đó là máy xúc tuyết trong 97% trường hợp.

Trên thực tế, AI khá dễ bị đánh lừa theo những cách đơn giản. AI ngày nay trông khá khác so với AI trước đây, nhưng những vấn đề trong quá khứ vẫn còn đó. Như người ta thường nói: Lịch sử có thể không lặp lại nhưng nhịp điệu có thể không thay đổi.

Theo: Mạnh Kiên (Đời sống & Pháp luật)

https://doisongphapluat.nguoiduatin.vn/chat-gpt-bi-thoi-phong-va-tat-ca-chung-ta-eu-bi-lua-ve-cai-goi-la-tri-tue-nhan-tao-a407136.html