Các Nhà Sáng Tạo DIY Tận Dụng Sức Mạnh của Trí Tuệ Nhân Tạo

Vào cuối mùa đông năm 1975, một mảnh giấy bắt đầu xuất hiện trên các bảng thông báo xung quanh bán đảo San Francisco. “Bạn đang xây dựng máy tính của riêng bạn?” nó hỏi. “Hoặc một hộp đen kỹ thuật số khác? Nếu có, bạn có thể muốn đến dự một buổi gặp mặt.”

Lời mời thu hút 32 người đến một căn garage ở Menlo Park, California, để tham gia cuộc họp đầu tiên của Hội Homebrew Computer Club, một cộng đồng những người nghiện nghề hứng thú với tiềm năng của một thành phần mới có giá phải chăng được gọi là bộ vi xử lý nhỏ. Một trong số họ là một kỹ sư trẻ tên là Steve Wozniak, người sau đó đã đưa một người bạn tên là Steve Jobs vào câu lạc bộ. “Đó là một sự chứng minh rằng cá nhân có thể tiến bộ về công nghệ và rằng không phải tất cả đều phải diễn ra tại các công ty lớn và trường đại học,” Len Shustek, một doanh nhân đã nghỉ hưu cũng có mặt trong garage vào đêm đầu tiên, nói. “Bây giờ điều tương tự đang xảy ra với trí tuệ nhân tạo.”

Kể từ năm 2012, máy tính đã trở nên đáng kinh ngạc hơn trong việc hiểu biết tiếng nói và hình ảnh, nhờ vào một công nghệ trước đây khá không được chú ý gọi là mạng nơ-ron nhân tạo. Sự thành thục thực sự của kỹ thuật trí tuệ nhân tạo này đòi hỏi máy tính mạnh mẽ, nhiều năm kinh nghiệm nghiên cứu và kiến thức sâu rộng về toán học. Nếu bạn có tất cả những thứ đó, chúc mừng: Có khả năng bạn đã là một nhân viên được trả lương cao của Amazon, Facebook, Google hoặc một số tên tuổi lớn khác cạnh tranh để hình thành thế giới với chiến lược trí tuệ nhân tạo phức tạp của họ.

Tuy nhiên, cuộc chiến về sự ưu thế của trí tuệ nhân tạo cũng đã gieo rắc rác rối trên mặt đất với những công cụ và linh kiện dư thừa mà bất kỳ ai cũng có thể sử dụng. Để thu hút các nhà khoa học hàng đầu và nhà phát triển ứng dụng, các gigants công nghệ đã phát hành một số công cụ xây dựng trí tuệ nhân tạo trong nhà miễn phí, cùng với một số nghiên cứu của họ. Các hacker và người đam mê công nghệ hiện đang thử nghiệm gần như cùng công nghệ mà đang thúc đẩy những giấc mơ hoang dại của Thung lũng Silicon. 'Học sinh trung học bây giờ có thể làm những điều mà những nhà nghiên cứu hàng đầu trên thế giới không thể làm được vài năm trước,' nói Andrew Ng, một nhà nghiên cứu và doanh nhân trí tuệ nhân tạo đã dẫn dắt các dự án lớn tại Google và Baidu của Trung Quốc.

Những người như Ng có những hi vọng lớn cho sự bùng nổ trí tuệ nhân tạo của người tự làm: Họ muốn nó lan rộng tiềm năng công nghệ xa xa khỏi Thung lũng Silicon, về mặt vật lý và văn hóa, để xem điều gì sẽ xảy ra khi những người ngoại đạo công nghệ 'huấn luyện' các mạng thần kinh theo ưu tiên và cách nhìn thế giới của riêng họ. Ng thích tưởng tượng rằng một ngày nào đó, một người ở Ấn Độ có thể sử dụng những gì họ học được từ video trực tuyến về trí tuệ nhân tạo để làm cho nước uống cục bộ của họ an toàn hơn.

Tất nhiên, không phải mọi mạng thần kinh tự làm sẽ hoàn toàn trong sáng như vậy. Cuối năm ngoái, một tài khoản Reddit đã đăng một video khiêu dâm có vẻ như có sự tham gia của Gal Gadot trong Wonder Woman. Đoạn clip lan truyền trong các khu vực tối tăm của Reddit và vượt ra ngoài các trang web video người lớn. Nhưng người xem chú ý đã nhận thấy rằng khuôn mặt của Gadot đôi khi nhấp nhô hoặc trượt trên đầu như một chiếc mặt nạ lỏng lẻo. Người đăng giải thích rằng đoạn clip là giả, được tạo ra bằng cách huấn luyện một mạng thần kinh để tạo ra hình ảnh của mặt của Gadot phù hợp với biểu cảm của ngôi sao ban đầu của video. Sau đó, họ đã phát hành mã và phương pháp trực tuyến để bất kỳ ai cũng có thể tạo ra các đoạn clip 'deepfake' tương tự.

Vậy nên thời đại của trí tuệ nhân tạo tự làm có thể không chỉ toàn là những điều ngọt ngào và sáng sủa. Cũng không chỉ là bóng tối và khiêu dâm. Hầu hết, những biểu hiện của nó sẽ tuyệt vời với sự cụ thể của chúng. Hãy gặp gỡ một số người tiên phong cho thấy điều gì xảy ra khi đám đông có thể dạy máy tính những mánh khóe mới.

Tôi để Mạng thần kinh này hoàn thành các lời bài hát của tôi

Khi Robbie Barrat còn ở trường trung học ở vùng nông thôn West Virginia, anh bắt đầu lùng sục các máy tính cũ từ một trung tâm tái chế địa phương, tháo chúng ra và lắp lại. Sau đó, anh tự học lập trình tại nông trại gia đình. Anh bắt đầu nghiên cứu Trí tuệ nhân tạo ở trường trung học sau khi tranh luận với bạn bè về việc máy tính có thể sáng tạo không. Phản ứng của Barrat là dạy một mạng thần kinh rap bằng cách huấn luyện nó trên lời bài hát của Kanye West. (Một đoạn mẫu: “Tôi cần một giải pháp, cô gái bạn đang ăn mừng / Xe Benz màu sốt mayone, tôi làm máy chạy.”) Ở trường, bạn bè của Barrat rất thích điều này, nhưng một số người lớn shock. “Giáo viên có chút bực bội vì mạng thần kinh cực kỳ tục tĩu,” anh nói.

Hệ thống Trí tuệ nhân tạo có khẩu lưỡi này đã chứng minh là vé ra khỏi nông trại của Barrat. Điểm số của anh không đủ tốt để vào các trường mà anh hi vọng học toán hoặc khoa học máy tính. Nhưng dự án này đã giúp anh có được một chương trình thực tập với dự án ô tô tự lái tại trung tâm của Thung lũng Silicon. Từ đó, anh chuyển đến Đại học Stanford, nơi anh hiện đang làm việc trong một phòng thí nghiệm y sinh học, cố gắng phát triển các mạng thần kinh có thể nhận diện các phân tử có tiềm năng y học. Nhưng việc huấn luyện mạng thần kinh để tạo nghệ thuật vẫn là niềm đam mê của anh.

Ngày nay, trong thời gian rảnh rỗi, Barrat sử dụng đoạn video và hình ảnh từ các show thời trang để tạo ra hình ảnh AI của các người mẫu mặc trang phục mới. Kết quả là các hình ảnh với vết lem, lỗi glitch và kỳ lạ - bạn có bao giờ nghĩ bạn sẽ thích quần dài với một túi được bọc quanh chân dưới, hoặc một chiếc áo len với một túi lớn treo ở một bên? - nhưng Barrat đang hợp tác với một nhà thiết kế để biến chúng thành quần áo thực sự. Anh không thể chờ đợi để thử chúng.

Chuẩn đoán Các Bệnh Cây Trồng? Có Ứng Dụng Cho Điều Đó

Những cây hồng trong sân trước nhà của Shaza Mehdi rất đẹp nhưng dễ mắc bệnh. Một ngày năm ngoái, Mehdi, một fan của Star Trek, tự hỏi tại sao điện thoại của mình không thể hoạt động như một tricorder để chuẩn đoán các bệnh của cây. “Máy tính làm sao có thể biết được?” cô nàng học sinh cuối cấp ở Lawrenceville, Georgia, tự hỏi. Sớm thôi, cô, cùng với một người bạn tên Nile Ravenell, đã thử nghiệm với các mạng thần kinh giữa lúc đi học, làm móng và đi chơi tại Waffle House gần trường.

Mehdi không biết làm thế nào để lập trình và người lớn trong cuộc sống của cô chỉ có thể cổ vũ nhưng không có chuyên môn; trường của cô không cung cấp các lớp học cơ bản về khoa học máy tính. Nằm trên giường vào buổi tối cùng với con chó cưng của gia đình, Teddy, và chiếc laptop Dell không mạnh mẽ của mình, Mehdi tự học ngôn ngữ lập trình Python và các kiến ​​thức cơ bản về mạng thần kinh từ các video trên YouTube và các hướng dẫn trực tuyến. Khi gặp phải lỗi, cô nhờ đến người lạ trong diễn đàn thảo luận. “Tôi thực sự làm phiền họ về điều đó,” cô nhớ lại một cách vui vẻ.

Mehdi đặc biệt cảm hứng từ một video trên YouTube của một nhà nghiên cứu tại Stanford đã xây dựng một mạng thần kinh có khả năng cạnh tranh với các bác sĩ da liễu được cấp chứng chỉ trong việc nhận diện ung thư da. Một hướng dẫn trực tuyến đã cho cô biết cách thực hiện công cụ của nhà nghiên cứu đó. Bước một là tải phần mềm đã được huấn luyện để nhận diện các đối tượng hàng ngày như bồn cầu và ấm đun nước. Bước hai là điều chỉnh cảm nhận hình ảnh của nó bằng cách cung cấp khoảng 10.000 hình ảnh đã được đánh dấu của các cây bị bệnh mà Mehdi đã chăm chỉ thu thập từ web, được xác định bởi bệnh tật.

Cuối năm 2017, cô cuối cùng đã đưa ứng dụng của mình, mà cô đã đặt tên là plantMD, vào thử nghiệm. Mehdi nhìn trên tập tành một cây nho nhìn ốm yếu với các vùng màu xanh nhạt và các đốm nâu trên lá. Một chiếc lá có nhiều vết lõm bắt đầu xuất hiện trên màn hình điện thoại. Một vài nhịp tim căng thẳng sau đó, cụm từ “sự nhiễm nấm anthracnose của nho” hiện lên trên đó. Một cuộc tìm kiếm web nhanh xác nhận chẩn đoán: một trường hợp rõ ràng của nhiễm nấm cũng được biết đến với tên gọi là mục rục mắt chim. “Tôi cảm thấy vô cùng nhẹ nhõm,” Mehdi nhớ lại. Tricorder đã hoạt động.

Máy Ảnh Sẵn Sàng Kiểm Tra Quần Áo Của Bạn

Việc giặt là là một ngành kinh doanh khó khăn ở những thành phố nhỏ già cỗi của Nhật Bản. Gia đình của Daisuke Tahara sở hữu tám cửa tiệm làm khô tại Tagawa, một thị trấn thuộc tỉnh phía nam có khoảng 50.000 dân, nơi mà việc tìm kiếm nhân viên giỏi có thể khó khăn. Vì vậy, Tahara bắt đầu nghĩ đến việc máy tính hỗ trợ lực lượng lao động của mình.

Đầu tiên, Tahara, 38 tuổi, cố gắng hiện đại hóa doanh nghiệp của mình với một hệ thống máy tính tốt hơn để đăng ký và theo dõi các đơn hàng. Nhưng hầu hết nhân viên của ông ít kinh nghiệm với công nghệ và họ gặp khó khăn trong việc thích nghi. “Họ dễ quên,” Tahara nói. Vì vậy, người tự học lập trình bắt đầu nghiên cứu về cách phần mềm có thể tự động kiểm tra quần áo của khách hàng chỉ bằng cách nhìn vào chúng. Trực tuyến, ông đọc về học máy, đẩy tới giới hạn tiếng Anh và kỹ năng lập trình của mình. Ở cửa hàng, ông chụp 40.000 hình ảnh của áo sơ mi, áo, váy và các loại quần áo khác, và sử dụng chúng để huấn luyện mã code của mình.

Vào tháng Bảy, Tahara bắt đầu thử nghiệm hệ thống của mình trong một trong các cửa hàng của ông. Khách hàng đặt quần áo của họ lên một cái bàn với một chiếc camera gắn trên đầu. Phần mềm của ông cho họ một cái nhìn, sau đó hiển thị quyết định của nó (hai chiếc áo sơ mi, một chiếc áo khoác) để xác nhận trên một máy tính bảng. Nhân viên thường phải giúp khách hàng lần đầu tiên. Sau đó, họ có thể sử dụng nó một mình.

Tahara cho biết nhân viên của ông ban đầu nghi ngờ về sáng tạo của ông nhưng đã thay đổi sau khi nhận thấy nó làm cho công việc của họ dễ dàng hơn. Ông không có kế hoạch sử dụng dự án như một lý do để loại bỏ việc làm, nhưng ông hy vọng nó sẽ giúp ông mở rộng kinh doanh. “Tôi muốn mở một cửa hàng chỉ có hệ thống và không có nhân viên,” ông nói.

Waymo thu nhỏ

Trong một kho hàng tại Oakland, California, một nhóm nhỏ nhỏ bé, mắt mũi nhìn Will Roscoe chạm vào một chiếc điện thoại bằng ngón cái của mình. Ở chân anh, một chiếc xe RC với bề mặt nhựa bị rách ra khỏi bắt đầu di chuyển xung quanh một đường đua được đánh dấu bằng băng dính màu vàng và trắng trên sàn nhựa bê tông bị trầy xước—mà không cần thêm thông tin từ Roscoe. Chiếc xe Frankenviệt, có một chiếc camera và một đống thiết bị điện tử được buộc bằng dây cột lên đầu, được gọi là Donkey Car. Roscoe không phải là chuyên gia trí tuệ nhân tạo, nhưng sáng tạo của anh sử dụng phần mềm mạng thần kinh tương tự như những chiếc xe minivan tự lái pháp luật đường phố của Waymo để nhận biết thế giới.

Với bằng cấp kỹ sư dân dụng, Roscoe được truyền cảm hứng để tạo ra Donkey Car sau một trận thất bại chính trị. Trong năm 2016, anh chạy cho một ghế trên hội đồng quản trị hệ thống tàu điện ngầm vùng vịnh, BART. Roscoe đã cam kết mở rộng khả năng bằng cách thay thế các tàu hỏa bằng xe buýt điện tự lái, nhưng anh đã hoàn thành ở vị trí thứ ba. Xây dựng một phương tiện tự hành nhỏ gọn của riêng mình dường như là cách tốt để cho cử tri thấy rằng công nghệ không chỉ là mơ mộng. “Tôi muốn chứng minh nó có thể hoạt động ở quy mô nhỏ,” anh nói.

Nhưng ngẫu nhiên, thời điểm của anh hoàn hảo—một nhóm người yêu thích robot hóa các chiếc xe RC sắp tổ chức cuộc họp đầu tiên tại Berkeley gần đó. Ở đó, anh gặp gỡ một người bạn đồng sáng chế, Adam Conway, người đã đề xuất xây dựng chiếc xe. Roscoe, một coder tự học, đã tạo ra hệ thống tự lái của nó bằng TensorFlow, phần mềm được Google tạo ra và sau đó phát hành mã nguồn mở. Anh cũng mượn một số mã mạng thần kinh từ một người tham dự cuộc gặp gỡ xe RC. Thiết kế cuối cùng của Roscoe học lái bằng cách quan sát con người lái xe trong các buổi diễn thuyết. Anh đặt tên cho sáng tạo của mình là Donkey Car dựa trên điều anh coi là linh vật tinh thần của nó—an toàn cho trẻ em, không thanh lịch theo kiểu truyền thống, và dễ bị nổi loạn.

Roscoe và Conway đưa tất cả các thiết kế phần mềm và phần cứng của họ lên mạng để người khác sử dụng. Hiện nay, Donkey Car đua xe ở Hong Kong, Paris và Melbourne, Australia. Tại kho hàng Oakland vào tháng Một, chín phương tiện tự xây đã cạnh tranh để hoàn thành vòng nhanh nhất quanh đường đua; trong số những người cạnh tranh là một chiếc Donkey Car được xây dựng bởi ba học sinh trung học hồi hộp. Các phương tiện cũng bắt đầu mạo hiểm ra ngoài đường đua. Hai người yêu thích gần Los Angeles đã sửa đổi xe của họ để nhận diện và nhặt rác trên bãi biển. Ở Oakland, chiếc xe của Roscoe có lá cây kẹt trong hệ thống treo. “Tôi đã cố gắng chở nó đi trên vỉa hè,” anh nói. “Tôi thậm chí còn có một dây xích.”

Tom Simonite (@tsimonite) đang báo cáo về máy thông minh cho MYTOUR.

Bài viết này xuất hiện trong số tháng Mười Hai. Đăng ký ngay.

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

Các Bài viết Tuyệt vời khác từ MYTOUR

• Làm thế nào để dạy trí tuệ nhân tạo hiểu biết chung
• Danh sách Mong muốn 2018: 48 ý tưởng quà tặng thông minh cho ngày lễ
• Làm thế nào California cần thích nghi để tồn tại trong các đám cháy tương lai
• ‘Baby Boom’ đánh dấu sự trở lại của bay siêu thanh
• Chào mừng bạn đến với thời đại của video YouTube dài một giờ
• Đang tìm kiếm thêm? Đăng ký nhận bản tin hàng ngày của chúng tôi và không bao giờ bỏ lỡ những câu chuyện mới và tuyệt vời nhất của chúng tôi