Trí tuệ nhân tạo (AI) đang tiến hóa, và câu này chính xác theo nghĩa đen. Các nhà nghiên cứu tạo ra được phần mềm mang trong mình cả khái niệm thuộc thuyết tiến hóa của Darwin, đơn cử như “survival of the fittest” - tức là chỉ những cá thể mạnh mẽ nhất mới vươn lên được trong quá trình chọn lọc tự nhiên gay gắt; chương trình AI này có thể cải tiến qua nhiều thế hệ mà không cần con người nạp thêm dữ liệu vào. Với khả năng “di truyền” độc đáo, nó có thể tái tạo công sức của chục năm nghiên cứu AI chỉ trong vài giờ.

Tiến sĩ Lê Viết Quốc.

Những người viết nên chương trình trí tuệ nhân tạo đột phá cho rằng một ngày, chính hệ thống này sẽ cho ta cách tiếp cận AI hoàn toàn mới.

“Trong khi đa số các nhà nghiên cứu làm từng bước nhỏ, họ [ý chỉ những nhà nghiên cứu trong dự án mới] thực hiện một đi bước lớn vào vô định. Đây là một trong những báo cáo khoa học có thể tạo ra rất nhiều khía cạnh mới để nghiên cứu”, giáo sư ngành máy tính Risto Miikkulainen, người không đóng góp vào nghiên cứu mới, nhận định.

Viết ra được thuật toán trí tuệ nhân tạo không phải chuyện một sớm một chiều. Hãy cứ nhìn vào mạng neural, mạng máy học thường thấy trong nghiên cứu dịch thuật hay xe tự lái: những mạng thần kinh nhân tạo này là một bản sao cấp thấp của cấu trúc não bộ con người, học dữ liệu bằng cách thay đổi các liên kết giữa các neuron nhân tạo. Các nhà nghiên cứu có thể tốn tới nhiều tháng trời để kết nối các neuron lại, cho phép cho hệ thống trí tuệ nhân tạo nhận dạng được vật thể.

Trong những năm gần đây, quá trình dạy cho máy học đỡ vất vả hơn khi các nhà nghiên cứu đã có thể tự động hóa một số bước. Nhưng những chương trình này vẫn dựa trên việc ghép nối các mạch điện có sẵn, tức là sản phẩm đầu ra vẫn phụ thuộc vào trí tưởng tượng của người kỹ sư máy tính và những thói quen đặc thù ngành vẫn tồn tại bấy lâu.

Vì thế, tiến sĩ Lê Viết Quốc, nhà khoa học máy tính công tác tại Google cùng nhiều cộng sự khác đã phát triển chương trình mang tên AutoML-Zero với khả năng tự phát triển chương trình AI mà hầu như không cần tới sự can thiệp của con người, tận dụng những khái niệm toán học mà học sinh cấp 3 cũng hiểu được.

“Mục tiêu cao nhất của chúng tôi là phát triển một khái niệm machine learning cao cấp mà đến các nhà nghiên cứu ngày nay vẫn chưa luận ra được”, nhà nghiên cứu Lê Viết Quốc nói.

Chương trình này tự phát hiện ra thuật toán bằng phép ước lượng xem thuật toán sẽ “tiến hóa” như thế nào trong quá trình nghiên cứu. Đầu tiên, nó tạo ra 100 thuật toán tiềm năng bằng cách kết hợp ngẫu nhiên các phép toán. Tiếp theo, AutoML-Zero thử áp dụng thuật toán vừa tạo được cho những tác vụ đơn giản, ví dụ như nhận dạng hình ảnh.

Sau mỗi vòng thử loại như thế, chương trình so sánh kết quả có được với những thuật toán có sẵn được các nhà nghiên cứu cẩn thận tạo ra. AutoML-Zero chọn ra những kết quả có chất lượng gần nhất với thuật toán mẫu để tiến hành tạo đột biến: ngẫu nhiên đặt, chỉnh sửa, hoặc xóa một vài đoạn code để tạo ra một phiên bản khác của những thuật toán tốt nhất. Những thuật toán đột biến được gộp vào danh mục những dòng code cho ra kết quả cao, chương trình loại bỏ những thuật toán cũ và vòng xoay cứ thế tiếp diễn.

Mỗi giây, hệ thống tạo ra được tới hàng chục ngàn thuật toán để tìm ra ứng cử viên xứng đáng nhất để giữ lại. Các nhà nghiên cứu cũng ứng dụng “mẹo” để tăng tốc quá trình tìm thuật toán, như chuyển thuật toán qua lại giữa các nhóm để tránh quá trình tiến hóa đi vào ngõ cụt và tự động loại bỏ những thuật toán lặp.

Trong báo cáo nghiên cứu (chưa qua kiểm duyệt) được đăng tải trên arXiv , nhóm các nhà khoa học nói về việc trong quá trình tiến hóa của thuật toán, chương trình tạo ra cả những kỹ thuật máy học cổ điển, bao gồm cả xây dựng mạng neural. Tiến sĩ Lê Viết Quốc nhận định dù rằng giải pháp này đơn giản so với các thuật toán tiên tiến khác, nhưng ông vẫn lạc quan cho rằng khi tăng quy mô hệ thống lên, chương trình sẽ cho ra những hệ thống AI phức tạp hơn nhiều nữa.

Một nhà khoa học máy tính khác, Joaquin Vanschoren công tác tại Đại học Công nghệ Eindhoven, nghĩ rằng AutoML-Zero cần thêm thời gian để hoàn thiện hóa bản thân trước khi có được tiềm năng bằng với những hệ thống trí tuệ nhân tạo mạnh nhất nhì thế giới. Một trong những cải tiến có thể có là đừng để hệ thống bắt đầu từ con số không, mà hãy thêm vào đó những kỹ thuật huấn luyện AI mà ta đã phát hiện ra.

Đó chính là dự định tương lai của tiến sĩ Lê Viết Quốc. Ông cũng nhận định thêm rằng thay vì nhìn vào toàn bộ bức tranh toàn cảnh của thuật toán, việc tập trung vào những tiểu tiết cũng ẩn chứa nhiều hứa hẹn. Đầu tháng Tư, tiến sĩ Quốc cùng cộng sự cho xuất bản một nghiên cứu mới , gợi ý chỉnh sửa thiết kế của một yếu tố vốn xuất hiện nhiều trong các mạng neural.

Tiến sĩ Lê Viết Quốc tin rằng bằng việc tăng số lượng các phép toán trong thư viện dữ liệu, tăng tài nguyên tính toán cho AutoML-Zero sẽ cho phép chương trình tìm ra những khả năng mới của trí tuệ nhân tạo.

“Chúng tôi hồ hởi vô cùng với hướng đi này, hòng khám phá ra được thứ gì đó rất căn bản nhưng con người vẫn sẽ phải mất một thời gian rất dài mới luận ra được”, tiến sĩ Lê Viết Quốc nói.

(Nguồn: ictnews.vietnamnet.vn)