Để tiến triển, Trí tuệ Nhân tạo phải đối mặt với những hạn chế của nó

Từ hình ảnh y tế và dịch ngôn ngữ đến nhận diện khuôn mặt và ô tô tự lái, ví dụ về Trí tuệ Nhân tạo (AI) hiện diện ở mọi nơi. Và hãy đối mặt với sự thật: mặc dù không hoàn hảo, nhưng khả năng của AI khá ấn tượng.

Thậm chí một điều dường như đơn giản và hằng ngày như việc tìm kiếm trên Google cũng đại diện cho một trong những ví dụ thành công nhất của AI, có khả năng tìm kiếm thông tin rất nhanh chóng hơn nhiều so với khả năng của con người và liên tục cung cấp kết quả mà (ít nhất là hầu hết thời gian) đúng những gì bạn đang tìm kiếm.

Vấn đề của tất cả các ví dụ AI này, tuy nhiên, là trí tuệ nhân tạo trưng bày thực sự không mấy thông minh. Trong khi Trí tuệ Nhân tạo ngày nay có thể thực hiện những điều phi thường, nhưng chức năng cơ bản đằng sau những thành tựu của nó hoạt động bằng cách phân tích các bộ dữ liệu lớn và tìm kiếm các mô hình và mối tương quan mà không hiểu rõ về dữ liệu mà nó đang xử lý. Do đó, một hệ thống AI phụ thuộc vào các thuật toán AI ngày nay và yêu cầu hàng nghìn mẫu được gắn thẻ chỉ mang lại vẻ bề ngoài của trí tuệ. Nó thiếu hiểu biết thực sự, phổ quát. Nếu bạn không tin tôi, chỉ cần hỏi một trợ lý dịch vụ khách hàng một câu hỏi nằm ngoài kịch bản.

Khuyết điểm cơ bản của AI có thể được truy ngược về giả định cơ bản tại trái tim của hầu hết các phát triển AI trong suốt 50 năm qua, đó là nếu những vấn đề trí tuệ khó khăn có thể được giải quyết, những vấn đề trí tuệ đơn giản sẽ tự động giải quyết. Điều này không đúng.

Năm 1988, chuyên gia robot học Hans Moravec của Đại học Carnegie Mellon đã viết: “Việc làm cho máy tính thể hiện hiệu suất ở cấp độ người trưởng thành trong các bài kiểm tra trí tuệ hoặc khi chơi cờ, là dễ dàng hoặc khó khăn hoặc không thể khi đến với khả năng nhận thức và di động của trẻ 1 tuổi.” Nói cách khác, những vấn đề khó khăn hóa ra lại dễ giải quyết và những vấn đề dường như đơn giản có thể rất khó khăn.

Hai giả định khác mà đã đóng một vai trò quan trọng trong phát triển Trí tuệ Nhân tạo cũng đã được chứng minh là sai lầm:

– Đầu tiên, giả định rằng nếu có đủ ứng dụng Trí tuệ Nhân tạo hẹp (tức là các ứng dụng có thể giải quyết một vấn đề cụ thể bằng các kỹ thuật AI) được xây dựng, chúng sẽ phát triển thành một hình thức trí tuệ tổng quát. Tuy nhiên, các ứng dụng Trí tuệ Nhân tạo hẹp không lưu trữ thông tin dưới dạng tổng quát và không thể được sử dụng bởi các ứng dụng Trí tuệ Nhân tạo hẹp khác để mở rộng phạm vi của chúng. Vì vậy, trong khi có thể kết hợp các ứng dụng như xử lý ngôn ngữ và xử lý hình ảnh, những ứng dụng đó không thể được tích hợp theo cách mà một đứa trẻ tích hợp thị giác và thính giác.

– Thứ hai, một số nghiên cứu Trí tuệ Nhân tạo đã giả định rằng nếu có một hệ thống máy học đủ lớn với đủ công suất máy tính có thể được xây dựng, nó sẽ tự nhiên thể hiện trí tuệ tổng quát. Như các hệ thống chuyên gia đã cố gắng thu thập kiến thức của một lĩnh vực cụ thể đã thể hiện rõ, không thể tạo ra đủ trường hợp và dữ liệu minh họa để vượt qua sự thiếu hiểu biết cơ bản của hệ thống.

Nếu ngành công nghiệp Trí tuệ Nhân tạo biết rằng những giả định chính mà nó đã đưa ra trong quá trình phát triển đã chứng minh là sai, tại sao không ai đã thực hiện các bước cần thiết để vượt qua chúng một cách thúc đẩy tư duy thực sự trong Trí tuệ Nhân tạo? Câu trả lời có lẽ được tìm thấy trong đối thủ chính của Trí tuệ Nhân tạo: hãy gọi cô ấy là Sally. Cô ấy khoảng ba tuổi và đã biết nhiều điều mà không có Trí tuệ Nhân tạo nào biết và có thể giải quyết các vấn đề mà không có Trí tuệ Nhân tạo nào có thể.

Hãy nghĩ về kiến thức cần thiết để Sally xếp một nhóm khối. Ở mức cơ bản, Sally hiểu rằng khối (hoặc bất kỳ vật thể vật lý nào khác) tồn tại trong một thế giới 3D. Cô ấy biết chúng tồn tại ngay cả khi cô ấy không thể nhìn thấy chúng. Cô ấy biết bẩm sinh rằng chúng có một bộ thuộc tính vật lý như trọng lượng và hình dạng và màu sắc. Cô ấy biết cô ấy không thể xếp thêm khối lên trên một khối tròn, tròn trụ. Cô ấy hiểu về quy luật nhân quả và sự trôi qua của thời gian. Cô ấy biết cô ấy phải xây dựng một tháp khối trước khi cô ấy có thể đẩy nó đổ.

Sally liên quan gì đến ngành công nghiệp Trí tuệ Nhân tạo? Sally có những gì mà Trí tuệ Nhân tạo ngày nay thiếu. Cô ấy sở hữu nhận thức tình huống và hiểu biết bối cảnh. Não sinh học của Sally có khả năng giải thích mọi thứ mà nó gặp trong ngữ cảnh của tất cả những gì nó đã học trước đó. Quan trọng hơn, Sally ba tuổi sẽ phát triển thành bốn tuổi, năm tuổi, mười tuổi, và cứ thế. Nói chung, Sally ba tuổi bẩm sinh sở hữu những khả năng để phát triển thành một người lớn hoàn toàn thông minh.

Ngược lại hoàn toàn, Trí tuệ Nhân tạo phân tích các bộ dữ liệu lớn tìm kiếm mô hình và mối tương quan mà không hiểu về bất kỳ dữ liệu nào nó đang xử lý. Thậm chí những vi mạch "neuromorphic" gần đây cũng phụ thuộc vào những khả năng vắng bóng trong sinh học.

Để Trí tuệ Nhân tạo ngày nay vượt qua nhược điểm bẩm sinh của nó và phát triển vào giai đoạn tiếp theo - được định nghĩa là Trí tuệ Nhân tạo tổng quát (AGI) - nó phải có khả năng hiểu hoặc học bất kỳ nhiệm vụ trí tuệ nào mà con người có thể. Nó phải đạt được ý thức. Việc này sẽ giúp nó không ngừng phát triển trí tuệ và khả năng một cách nhất quán, giống như một đứa trẻ ba tuổi phát triển để có trí tuệ của một đứa trẻ bốn tuổi, và cuối cùng là 10 tuổi, 20 tuổi, và cứ thế.

Thật đáng tiếc, nghiên cứu cần thiết để làm sáng tỏ điều cuối cùng sẽ cần để sao chép sự hiểu biết ngữ cảnh của não người, giúp Trí tuệ Nhân tạo đạt được ý thức thực sự, rất khó có khả năng nhận được nguồn tài trợ. Tại sao không? Rất đơn giản, không ai - ít nhất là cho đến nay - đã sẵn lòng chi hàng triệu đô la và nhiều năm phát triển vào một ứng dụng Trí tuệ Nhân tạo có thể làm những gì mà bất kỳ đứa trẻ nào 3 tuổi cũng có thể làm.

Và điều đó không thể tránh khỏi kết luận rằng Trí tuệ Nhân tạo ngày nay thực sự không mấy thông minh. Tất nhiên, điều này sẽ không ngăn AI nhiều công ty khoác lác rằng ứng dụng Trí tuệ Nhân tạo của họ "hoạt động giống như não của bạn." Nhưng sự thật là rằng họ sẽ gần đúng hơn nếu họ thừa nhận ứng dụng của họ dựa trên một thuật toán duy nhất - backpropagation - và đại diện cho một phương pháp thống kê mạnh mẽ. Thật không may, sự thật không thú vị như "hoạt động giống như não của bạn."