Trend 6: AI (Artificial Intelligence): Trí tuệ nhân tạo

Bạn có nhớ AI, Artificial Intelligence, bộ phim khoa học viễn tưởng của đạo diễn Steven Spielberg sản xuất năm 2001 không? Bộ phim lấy bối cảnh vào cuối thế kỷ 22, kể về câu chuyện của David, một robot trẻ con được lập trình với khả năng yêu thương. Chúng ta chưa tới thế kỷ 22, nhưng không thể phủ nhận rằng máy móc đang được xây dựng khả năng giống con người, thậm chí trí tuệ nhân tạo (AI) đã được chứng minh là giỏi hơn con người ở nhiều khía cạnh. Năm 1997, Deep Blue - AI do IBM phát triển, đã đánh bại nhà vô địch cờ vua thế giới Garry Kasparov. Thuật toán chính được Deep Blue sử dụng rất đơn giản, một biến thể của cách tiếp cận của nhà toán học Claude Chanon năm 1950. Từ một vị trí nhất định, máy tính phân tích các nước đi khả thi. Với mỗi nước đi, nó sẽ phân tích tiếp các phản ứng có thể có từ đối thủ, v.v. Và nó tiếp tục thực hiện các phân tích này cho nhiều vòng tùy thuộc vào tốc độ xử lý và thời gian có. Sau đó, máy tính chỉ đơn giản là chọn nước đi với khả năng thắng cao nhất.

Động lực cho AI phát triển mạnh 

Động lực cho AI: khả năng xử lý, dữ liệu lớn, thuật toán.

AI như Deep Blue có thể cải thiện mạnh mẽ nhờ tăng gấp đôi sức mạnh xử lý và do đó thắng được Kasparov năm 1997, trong khi thua năm 1996. Sự gia tăng theo cấp số nhaan trong khả năng xử lý vượt xa khả năng xử lý tự nhiên của người chơi cờ vua. Tuy nhiên trong mọi trường hợp, chỉ có sức mạnh xử lý thì không đủ để xây dựng AI. Chúng ta cần ít nhất hai thành phần khác. Đầu tiên là cách để nắm bắt và tích lũy các yếu tố đầu vào từ thế giới mà AI tương tác. Thứ hai, cần phải tìm các thuật toán và kỹ thuật phù hợp để xử lý đầu vào này để cho ra kết quả đúng. Điểm cuối này là một việc khó khăn.

Định nghĩa 

AI is a system that is able to exhibit traits of human intelligence like reasoning, learning from experience or interacting with humans in natural language. (BCG)

AI là một hệ thống có khả năng thể hiện những đặc điểm của trí tuệ con người như lý luận, học hỏi từ kinh nghiệm hay tương tác với con người bằng ngôn ngữ tự nhiên. Nguồn: BCG

Định nghĩa này có vẻ hơi trực quan, có một chút mơ hồ, chủ yếu là vì những gì chúng ta coi là thông minh thay đổi theo thời gian. Có thông minh không nếu có thể tính căn bậc hai của số pi trong vài phần nghìn giây? Chơi cờ vua như Deep Blue có thông minh không? Nói chuyện được như Siri hay Google assistant thì có coi là thông minh không? Câu trả lời khá chủ quan và có thể hôm nay khác so với 20 năm trước.

Phân loại 

Định nghĩa AI: AI tổng hợp và AI thu hẹp

Để khách quan hơn, chúng ta có thể phân biệt hai loại AI: AI tổng hợp và AI thu hẹp. AI tổng hợp là những gì bạn thấy trong phim, một hệ thống hoàn chỉnh không khác gì con người, biết, có thể học bất cứ điều gì con người biết, có cảm xúc, thậm chí có mục đích trong cuộc sống. AI thu hẹp ít tham vọng hơn. Nó là khi một hệ thống thể hiện những đặc điểm thông minh giống như con người trên một lĩnh vực hoặc nhiệm vụ cụ thể. AlphaGo biết cách chơi game, nhưng không thể viết một công thức bánh. Watson có thể trả lời các câu hỏi kiến ​​thức chung và được đào tạo để phát hiện ung thư, nhưng không thể đưa ra bất cứ bình luận hay cảm xúc gì. Đúng hơn là chưa. Ngày nay chúng ta chưa biết cách xây dựng AI tổng hợp, nhưng đang ngày càng giỏi hơn trong phát triển AI thu hẹp. Điều này là do các phần riêng biệt của AI thu hẹp đã sẵn sàng: đủ sức mạnh xử lý, nhiều dữ liệu có sẵn, và cuối cùng nhưng không kém phần quan trọng, là các kỹ thuật và thuật toán phù hợp.
Thuật toán nào cho phép chúng ta phát triển các máy thông minh? Quy trình này không thực sự rõ ràng như vậy. Ví dụ hãy nêu các tiêu chí để phân biệt một con chim trong bức ảnh. Bạn hãy thử viết danh sách này ra? Rất khó phải không? Làm sao ta có thể viết ra một thuật toán có khả năng nhìn vào hàng ngàn bức ảnh chim và suy ra từ đó một vài cách ngầm để nhận ra một con chim. Đôi khi khó mà giải thích được, miễn sao nó nhận ra khi đưa ra bộ ảnh mới. Đây chính là cái chúng ta gọi là máy học/ học máy (machine learning). Một cách phổ biến để viết các thuật toán này lấy cảm hứng từ cách bộ não hoạt động gọi là mạng nơ ron thần kinh. Hiểu theo cách đơn giản, thuật toán sẽ lấy dữ liệu đầu vào, giả sử một tấm ảnh, đưa vào các tế bào thần kinh nhân tạo cùng nhau hoạt động để nhận ra, ví dụ, có một con chim bồ câu trong hình. Mạng nơron là một công nghệ có khả năng nhân rộng. Tạo có thể kết hợp nhiều lớp công nghệ này trong thứ gọi là thuật toán học sâu (deep learning algorithms), và để đạt được các hàm phức tạp hơn. Ví dụ: để ước tính thời gian đến cho hàng triệu lượt đi Uber dựa trên lịch sử giao thông thành phố hoặc đưa ra bản dịch chính xác bằng cách học từ tất cả các trang web có sẵn bằng nhiều ngôn ngữ.
Đây là một lĩnh vực đầy hứa hẹn. Chúng ta không biết liệu có thể đạt tới AI tổng hợp không, nhưng đã đạt đến điểm mà máy móc có thể tương tác thông qua xử lý ngôn ngữ tự nhiên, nơi họ có thể giải mã khuôn mặt người và hiểu cảm xúc của họ. hoặc một đoạn nhạc. Điều này sẽ ta nhận ra rằng khả năng của AI là rất lớn và không phải tất cả các khả năng kinh doanh ấy đã được khám phá.

Tác động kinh doanh và xã hội

Đầu tư cho AI tăng >50%/ năm

Đây là lý do hầu hết nếu không muốn nói là tất cả các ông lớn công nghệ đều đầu tư mạnh vàovào AI, như Google mua lại AI startup DeepMind năm 2014 với giá 400 triệu USD. Microsoft Ventures đầu tư vào các công ty khởi nghiệp AI, Agolo và Bonsai. Amazon thậm chí xây dựng đơn vị Amazon AI của riêng mình mang tên Amazon Echo. Đây không chỉ là trò chơi dành cho những người khổng lồ công nghệ. Đầu tư toàn cầu vào AI đã tăng từ 0,6 triệu đô la năm 2012 lên khoảng 5 tỷ năm 2016 và ước tính đạt 12,5 tỷ đô la trong năm 2017. Tức là tăng hơn 50%/ năm. Sự tăng trưởng này dự kiến ​​sẽ tiếp tục tới năm 2020 khi doanh thu sẽ gần 50 tỷ USD.
Hơn 60% các nhà điều hành trong một cuộc khảo sát chung của MIT và BCG tin rằng AI sẽ có tác động lớn đến các doanh nghiệp trong 5 năm tới đi đầu là các ngành như viễn thông và dịch vụ tài chính. Điều này có ý nghĩa gì đối với các doanh nghiệp? Nếu bạn là chủ doanh nghiệp và bạn không sử dụng AI, đã đến lúc bắt đầu thử nghiệm và hiểu được các ứng dụng tiềm năng cho mình. Làm thế nào? Chúng ta đã phân tách AI thành ba yếu tố cơ bản: khả năng xử lý, thuật toán học và dữ liệu đầu vào. Hãy nhìn từng thứ một. Khả năng xử lý: Công suất máy tính ngày càng rẻ hơn. Trừ khi bạn đang trong một ngành rất chuyên sâu, bạn sẽ không phải cạnh tranh và có thể sử dụng cloud (điện toán đám mây) theo cơ chế trả theo mức sử dụng. Thuật toán cũng là một lĩnh vực nghiên cứu sinh động và yếu tố thách thức lớn nhất ở đây là tìm ra tài năng phù hợp để theo kịp các tiến bộ này. Đó không chỉ là khoa học dữ liệu hay tài năng học máy, mà còn là việc nâng cấp toàn bộ lực lượng lao động để làm việc trong môi trường hỗ trợ AI. Cuối cùng, dữ liệu đào tạo. Đây là thứ thường tạo ra lợi thế cạnh tranh và bí kíp kinh doanh, là tài sản doanh nghiệp cần giữ. Hãy nhớ rằng không có thuật toán nào có thể bù đắp cho dữ liệu bị thiếu hoặc chất lượng thấp. Hãy nhớ quy tắc rất đơn giản về AI: rác vào, rác ra.

Trí tuệ nhân tạo và máy học

Thách thức 

Hãy lấy một ví dụ: một chiếc xe tự lái có hai sự lựa chọn hành động. Một là đâm chết 1 người đi bộ, và hai là 5 người.Theo bạn nó nên chọn phương án nào? Có thể bạn cảm thấy sẽ "đỡ tệ" hơn nếu xe chọn hi sinh 1 người để "cứu" 4 người?
Nếu giờ người chết không phải là một người đi bộ bình thường mà là chủ của chiếc xe. Bạn chọn phương án nào?
Bạn có sẵn sàng bỏ tiền mua chiếc xe này không?
Đó cũng là thách thức rất lớn với AI, đó là khi chúng ta không thể hiểu rõ các lựa chọn AI tạo ra, hay trong hầu hết các trường hợp là không chắc. Thuật toán AI tinh vi nhất giống như các hộp đen, học hỏi từ kinh nghiệm để đưa ra lựa chọn, nhưng không ai có thể xác định rõ ràng biến đầu vào nào hay trải nghiệm quá khứ nào dẫn đến lựa chọn nào. Điều này đôi khi ảnh hưởng về mặt đạo đức, lương tâm và có thể rất nghiêm trọng.
Ví dụ, năm 2015, một nghiên cứu đã chứng minh rằng các thuật toán AI có thể phát triển các thành kiến ​​phân biệt đối xử dựa trên chủng tộc hoặc giới tính. Ví dụ: nếu bạn tạo thuật toán để lọc hồ sơ ứng viên phù hợp cho vị trí công việc nhất định, lập trình viên hay y tá chẳng hạn, và dữ liệu đầu vào là các hồ sơ ứng viên cùng kết quả lựa chọn trong 3-5 năm qua, bạn có thể "lặp lại" các thành kiến về giới hay với một số nhóm thiểu số, rồi trong việc chi trả lương, thưởng, chính sách đãi ngộ, v.v. Tưởng tượng xem nếu các tòa án Việt sau nhiều năm nữa xét xử sử dụng dữ liệu đầu vào, hẳn sẽ còn nhiều vụ ấu dâm được "giảm án" từ tù 3 năm xuống "treo 18 tháng"?  Trong những tình huống đó, ta có thể xử lý bằng cách tăng cường hiểu biết hoặc kiểm soát tốt hơn thuật toán AI. Chính quyền hay đơn vị liên quan có thể cần phải thay đổi chính sách, quy định. 

Nguồn tham khảo

• Artificial Intelligence Part I và Artificial Intelligence Part II khóa học Digital Transformation trên Coursera