AI Crazy
New member
Trong một cuộc phỏng vấn năm 1991, Ray Kurzweil lập luận rằng mỗi khi ta chinh phục một lĩnh vực của AI, người ta lại không còn gọi đó là AI nữa. Ông cũng nhấn mạnh yếu tố kinh tế — chi phí và hiệu năng — hơn là những đột phá thuần túy.
Ray Kurzweil từng phản đối quan điểm cho rằng AI thất bại so với kỳ vọng. Ông lưu ý rằng khi một kỹ thuật trở nên quen thuộc và hữu dụng, nó thường bị xếp ngoài phạm trù "AI" và được xem như công nghệ bình thường — ví dụ như nhận dạng hình ảnh đã trở thành một ngành trị giá hàng trăm triệu đô la vào đầu thập niên 1990.
Ông lập luận rằng kỳ vọng của công chúng bị lệch bởi sự quen thuộc, vì nhiều người chỉ nghĩ tới "expert systems" khi nhắc tới AI trong thời điểm đó. Kurzweil dự đoán rằng phần lớn phần mềm sẽ trở nên thông minh vào cuối thập niên 1990, dù không nhất thiết được gọi là AI.
Kurzweil cũng nhấn mạnh khả năng số hóa gần như mọi dạng thông tin — âm thanh, lời nói, âm nhạc, hình ảnh và thậm chí cả mã di truyền — và rằng chính cuộc cách mạng về giá cả và hiệu năng của điện tử số sẽ làm cho các ứng dụng này trở nên thực tế và kinh tế.
Khi được hỏi định nghĩa về trí tuệ nhân tạo, ông mô tả AI là nghệ thuật tạo ra máy móc thực hiện các chức năng mà ta gán cho trí tuệ con người: khả năng dùng nguồn lực hạn chế một cách hiệu quả, suy luận trừu tượng, nhận dạng mẫu và giải quyết vấn đề trong thời gian giới hạn. Ông còn cho rằng có tới 80–90% bộ não chúng ta dành cho nhận dạng mẫu và học kỹ năng — một quan sát phù hợp với cách mà học máy hiện đại chủ yếu vận hành.
Nhiều hệ thống học máy ngày nay thực sự xuất sắc trong nhận dạng mẫu trên khối lượng dữ liệu lớn, chứ không suy luận theo cách mà con người thường tưởng tượng. Đó là lý do nhãn "AI" chuyển từ những ứng dụng như nhận dạng ảnh, chuyển lời nói thành văn bản hay hệ thống gợi ý sang các mô hình ngôn ngữ lớn như ChatGPT hay Google Gemini.
Kurzweil cũng thận trọng khi nhắc tới giới hạn của AI: hầu hết hệ thống chỉ làm tốt trong phạm vi hẹp và trở nên kém hiệu quả khi ra ngoài chuyên môn đó. Ông dự đoán rằng để mở rộng phạm vi, người ta sẽ cần kết hợp nhiều hệ thống — nhận dạng lời nói, hiểu ngôn ngữ tự nhiên và khả năng ra quyết định chuyên môn — để máy móc có thể mô phỏng những chức năng thiết yếu của con người.
Nhìn lại hơn ba thập kỷ, nhiều nhận định của Kurzweil tỏ ra phù hợp: tiến bộ thực tế xảy ra nhanh hơn cách chúng ta định nghĩa trí tuệ và mục đích của nó. Ngày nay, yếu tố kinh tế — quy mô, khả năng tính toán và đường cong chi phí — đóng vai trò quyết định trong việc biến các mô hình học máy thành công cụ hữu dụng rộng rãi, đồng thời đặt ra câu hỏi mới về mục tiêu và hậu quả khi máy móc kết hợp khả năng mô phỏng trí tuệ con người với bộ nhớ và tốc độ vượt trội.
Nguồn: Techradar
Ray Kurzweil từng phản đối quan điểm cho rằng AI thất bại so với kỳ vọng. Ông lưu ý rằng khi một kỹ thuật trở nên quen thuộc và hữu dụng, nó thường bị xếp ngoài phạm trù "AI" và được xem như công nghệ bình thường — ví dụ như nhận dạng hình ảnh đã trở thành một ngành trị giá hàng trăm triệu đô la vào đầu thập niên 1990.
Ông lập luận rằng kỳ vọng của công chúng bị lệch bởi sự quen thuộc, vì nhiều người chỉ nghĩ tới "expert systems" khi nhắc tới AI trong thời điểm đó. Kurzweil dự đoán rằng phần lớn phần mềm sẽ trở nên thông minh vào cuối thập niên 1990, dù không nhất thiết được gọi là AI.
Kurzweil cũng nhấn mạnh khả năng số hóa gần như mọi dạng thông tin — âm thanh, lời nói, âm nhạc, hình ảnh và thậm chí cả mã di truyền — và rằng chính cuộc cách mạng về giá cả và hiệu năng của điện tử số sẽ làm cho các ứng dụng này trở nên thực tế và kinh tế.
Khi được hỏi định nghĩa về trí tuệ nhân tạo, ông mô tả AI là nghệ thuật tạo ra máy móc thực hiện các chức năng mà ta gán cho trí tuệ con người: khả năng dùng nguồn lực hạn chế một cách hiệu quả, suy luận trừu tượng, nhận dạng mẫu và giải quyết vấn đề trong thời gian giới hạn. Ông còn cho rằng có tới 80–90% bộ não chúng ta dành cho nhận dạng mẫu và học kỹ năng — một quan sát phù hợp với cách mà học máy hiện đại chủ yếu vận hành.
Nhiều hệ thống học máy ngày nay thực sự xuất sắc trong nhận dạng mẫu trên khối lượng dữ liệu lớn, chứ không suy luận theo cách mà con người thường tưởng tượng. Đó là lý do nhãn "AI" chuyển từ những ứng dụng như nhận dạng ảnh, chuyển lời nói thành văn bản hay hệ thống gợi ý sang các mô hình ngôn ngữ lớn như ChatGPT hay Google Gemini.
Kurzweil cũng thận trọng khi nhắc tới giới hạn của AI: hầu hết hệ thống chỉ làm tốt trong phạm vi hẹp và trở nên kém hiệu quả khi ra ngoài chuyên môn đó. Ông dự đoán rằng để mở rộng phạm vi, người ta sẽ cần kết hợp nhiều hệ thống — nhận dạng lời nói, hiểu ngôn ngữ tự nhiên và khả năng ra quyết định chuyên môn — để máy móc có thể mô phỏng những chức năng thiết yếu của con người.
Nhìn lại hơn ba thập kỷ, nhiều nhận định của Kurzweil tỏ ra phù hợp: tiến bộ thực tế xảy ra nhanh hơn cách chúng ta định nghĩa trí tuệ và mục đích của nó. Ngày nay, yếu tố kinh tế — quy mô, khả năng tính toán và đường cong chi phí — đóng vai trò quyết định trong việc biến các mô hình học máy thành công cụ hữu dụng rộng rãi, đồng thời đặt ra câu hỏi mới về mục tiêu và hậu quả khi máy móc kết hợp khả năng mô phỏng trí tuệ con người với bộ nhớ và tốc độ vượt trội.
Nguồn: Techradar
Bài viết liên quan