Có phải Não là Mô hình Hữu ích cho Trí tuệ Nhân tạo không?

Vào mùa hè năm 2009, nhà thần kinh người Israel Henry Markram bước lên sân khấu TED tại Oxford, Anh, và đưa ra một đề xuất táo bạo: Trong vòng một thập kỷ, ông nói, ông và đồng nghiệp sẽ xây dựng một mô phỏng hoàn chỉnh về não người trong một siêu máy tính. Họ đã dành nhiều năm để ánh xạ các tế bào trong vỏ não mới, nơi được cho là trụ sở của suy nghĩ và nhận thức. “Nó giống như đi và liệt kê một phần của rừng mưa,” Markram giải thích. “Nó có bao nhiêu cây? Cây có hình dạng như thế nào?” Bây giờ đội ngũ của ông sẽ tạo ra một rừng mưa ảo trong silic và hy vọng Trí tuệ Nhân tạo sẽ tự nảy sinh từ đó. Nếu mọi thứ diễn ra suôn sẻ, ông nói, có lẽ não mô phỏng sẽ có một buổi nói chuyện TED theo sau, được truyền tải bằng hình ảnh ba chiều.

Ý tưởng của Markram—rằng chúng ta có thể hiểu rõ bản chất của trí tuệ sinh học bằng cách mô phỏng hình thức của nó—được chìm đắm trong một truyền thống lâu dài, từ công việc của nhà giải phẫu người Tây Ban Nha và người đoạt giải Nobel Santiago Ramón y Cajal. Vào cuối thế kỷ 19, Cajal tiến hành một nghiên cứu vi sinh về não, mà ông so sánh với một khu rừng dày đặc đến mức “thân cây, nhánh cây và lá cây chạm khắp mọi nơi.” Bằng cách vẽ hàng ngàn tế bào thần kinh với chi tiết tuyệt vời, Cajal có thể suy đoán một lượng đáng kể về cách chúng hoạt động. Ông nhận thấy rằng chúng thực sự là thiết bị đầu vào-đầu ra một chiều: Chúng nhận thông điệp điện hóa học trong cấu trúc cây nhỏ gọi là nhánh đa dạng và truyền chúng qua các ống mảnh gọi là dây trục, giống như “các nơi giao của bộ dẫn điện.”

Cách nhìn của Cajal về tế bào thần kinh đã trở thành ống kính thông qua đó các nhà khoa học nghiên cứu chức năng não. Nó cũng truyền cảm hứng cho những tiến bộ công nghệ lớn. Năm 1943, nhà tâm lý học Warren McCulloch và người đồng nghiệp Walter Pitts, một kỳ prodigy toán học không nhà cửa, đề xuất một khung cảnh thanh lịch về cách tế bào não mã hóa suy nghĩ phức tạp. Mỗi tế bào, theo họ giả thuyết, thực hiện một hoạt động logic cơ bản, kết hợp nhiều đầu vào thành một đầu ra nhị phân duy nhất: đúng hoặc sai. Những hoạt động này, đơn giản như chữ cái trong bảng chữ cái, có thể được kết hợp thành từ, câu, đoạn văn suy nghĩ. Mô hình của McCulloch và Pitts cuối cùng lại không mô tả não rất tốt, nhưng nó đã trở thành một phần chính của kiến trúc của máy tính đầu tiên hiện đại. Cuối cùng, nó tiến triển thành các mạng thần kinh nhân tạo ngày nay thường được sử dụng trong học sâu.

Những mạng này có thể được gọi là neural-ish. Giống như tế bào não McCulloch-Pitts, chúng là bức tranh chân dung chủ quan về những gì diễn ra trong não. Giả sử bạn bị tiếp cận bởi một chú Labrador màu vàng. Để nhận ra con chó, não của bạn phải dẫn dắt dữ liệu thô từ võng mạch mắt của bạn qua các lớp tế bào chuyên biệt trong vỏ não nề, những lớp này chọn lọc các đặc điểm hình ảnh của chó và tổ chức thành cảnh cuối cùng. Một mạng thần kinh sâu học cách phân tích thế giới tương tự. Dữ liệu thô chảy từ một mảng lớn tế bào qua một số bộ tế bào nhỏ hơn, mỗi bộ tế bào tụ hợp đầu vào từ lớp trước một cách làm tăng sự phức tạp của bức tranh tổng thể: Lớp đầu tiên tìm ra các cạnh và điểm sáng, lớp tiếp theo kết hợp chúng thành các kết cấu, lớp tiếp theo tổ chức chúng thành một cái mũi, và cứ như vậy cho đến khi xuất hiện một chú Labrador.

Mặc dù có những điểm tương đồng này, hầu hết các mạng thần kinh nhân tạo đều khá không giống não, chủ yếu là do chúng học bằng cách sử dụng mánh khóe toán học mà đối với hệ thống sinh học sẽ khó, nếu không thể, thực hiện. Tuy nhiên, não và các mô hình Trí tuệ Nhân tạo vẫn chia sẻ một điều cơ bản chung: Nghiên cứu viên vẫn không hiểu tại sao chúng hoạt động tốt như vậy.

Những gì các nhà khoa học máy tính và nhà nghiên cứu thần kinh đang theo đuổi là một lý thuyết thông thường về trí tuệ—một bộ nguyên tắc có hiệu lực cả trong mô mô và silic. Thay vào đó, họ có một vụ lộn xộn về chi tiết. Mười một năm và 1,3 tỷ đô la sau khi Markram đề xuất não mô phỏng của mình, nó đã không đóng góp vào bất kỳ hiểu biết cơ bản nào về nghiên cứu trí tuệ.

Một phần của vấn đề là điều mà nhà văn Lewis Carroll đã chú ý hơn một thế kỷ trước. Carroll tưởng tượng một quốc gia mê mải với chi tiết bản đồ đến mức nó liên tục mở rộng tỷ lệ của nó—6 yard cho một dặm, 100 yard cho một dặm và cuối cùng là một dặm cho một dặm. Một bản đồ có kích thước của cả một quốc gia là ấn tượng, tất nhiên, nhưng nó dạy bạn điều gì? Ngay cả khi các nhà nghiên cứu thần kinh có thể tái tạo trí tuệ bằng cách mô phỏng đầy đủ từng phân tử trong não, họ sẽ không tìm ra các nguyên tắc cơ bản của nhận thức. Như nhà vật lý Richard Feynman nổi tiếng khẳng định, “Điều gì tôi không thể tạo ra, tôi không hiểu.” Điều mà Markram và các nhà vẽ bản đồ đồng sự của ông có thể thêm vào: “Và điều gì tôi có thể tạo ra, tôi không nhất thiết hiểu.”

Có thể rằng các mô hình Trí tuệ Nhân tạo không cần phải giống não chút nào. Máy bay có thể bay mà không giống một chút nào với chim. Tuy nhiên, có vẻ như cách nhanh nhất để hiểu về trí tuệ là học các nguyên tắc từ sinh học. Điều này không chỉ dừng lại ở não: Thiết kế mù quáng của tiến hóa đã tìm ra những giải pháp xuất sắc trên khắp thiên nhiên. Tâm trí tốt nhất của chúng ta hiện đang nỗ lực chống lại sự hạn chế gần như thông minh của một loại virus, sự thiên tài của nó được mượn từ máy máu của tế bào của chúng ta như mặt trăng mượn ánh sáng từ mặt trời. Tuy nhiên, điều quan trọng là nhớ, khi chúng ta liệt kê chi tiết về cách trí tuệ được thực hiện trong não, chúng ta đang mô tả trang phục của hoàng đế trong sự vắng mặt của hoàng đế. Chúng ta hứa hẹn với bản thân, tuy nhiên, rằng chúng ta sẽ nhận ra ông ta khi chúng ta nhìn thấy ông ta—bất kể ông ta đang mặc gì.

KELLY CLANCY (@kellybclancy) là một nhà thần kinh học tại Đại học Công lập London và DeepMind. Cô đã viết về bệnh mất ngủ gia đình chết chóc, một loại bệnh hiếm, trong số 27.02.

Bài viết này xuất hiện trong số tháng 6. Đăng ký ngay bây giờ.

Hãy cho chúng tôi biết ý kiến của bạn về bài viết này. Gửi thư cho biên tập viên tại [email protected].

Chuỗi Đặc biệt: Tương lai của Máy Tính Tư Duy

• Tại sao Trí tuệ Nhân tạo không cứu chúng ta khỏi Covid-19?
• Khi Máy Tính Trở Nên Thông Minh Hơn, Chúng Ta Sẽ Tương Tác Ra Sao?
• Các Robot Sát thủ Do Trí Tuệ Nhân tạo Điều Khiển Là Không Thể Tránh Khỏi?
• Nó Được Gọi Là Trí Tuệ Nhân tạo—Nhưng Trí Tuệ Là Gì?