Buzz
Sự khác biệt đáng kể giữa bộ não con người và con chip bán dẫn trong bộ xử lý máy tính nằm ở nguồn năng lượng - bộ óc chúng ta lấy từ máu, còn con chip lấy từ nguồn điện. Tuy nhiên, không thể ngăn cản sự so sánh giữa chúng, như Alan Turing mô tả vào năm 1952: “Chúng ta không quan trọng việc bộ não con người trông như thế nào, quan trọng là khả năng tính toán.”Ngày nay, các hệ thống trí tuệ nhân tạo phức tạp nhất thường sử dụng công nghệ học máy chiều sâu, được gọi là học sâu. Các thuật toán này phân tích khối lượng dữ liệu lớn thông qua các mạng nơ-ron sâu, được biết đến là mạng nơ-ron sâu. Tương tự như tên gọi, các nhà nghiên cứu mô phỏng cách bộ não con người hoạt động để tạo ra trí tuệ nhân tạo. Hoặc ít nhất, đó là những gì những người nghiên cứu thần kinh hiểu về nơ ron từ những năm 1950, khi perceptron được phát minh. Kể từ đó, sự hiểu biết về độ phức tạp điện toán của nơ ron thần kinh đã mở rộng rất nhiều.
Trên thực tế, một tế bào thần kinh trong não người phức tạp hơn đáng kể so với một nút trong mạng neural sâu của các hệ thống học sâu. Nhưng sự phức tạp này lớn đến đâu?
Để giải đáp cho câu hỏi này, ba nhà nghiên cứu David Beniaguev, Idan Segev và Michael London từ đại học Jerusalem, Israel đã thực hiện mô phỏng và huấn luyện một hệ thống neural network sâu mô phỏng cách một tế bào thần kinh sinh học hoạt động. Kết quả cho thấy, để mô phỏng độ phức tạp của một tế bào thần kinh, máy cần phải được hình thành từ 5 đến 8 lớp 'tế bào thần kinh nhân tạo' kết nối chặt chẽ với nhau.
Timothy Lillicrap từ DeepMind, đơn vị nghiên cứu trí tuệ nhân tạo thuộc Google, cho rằng, phát hiện này có thể thay đổi cách suy nghĩ về cách một tế bào thần kinh hoạt động, trong bối cảnh nghiên cứu trí tuệ nhân tạo. Sự giản dị nhất giữa trí tuệ nhân tạo và trí tuệ con người là cách họ xử lý thông tin đầu vào. Cả hai loại tế bào này đều nhận tín hiệu đầu vào và dựa vào dữ liệu đó để xác định liệu họ có gửi tín hiệu đến tế bào khác hay không. Với trí tuệ nhân tạo, chỉ cần một phép tính để đưa ra kết luận, nhưng với tế bào sinh học, mọi thứ phức tạp nhiều hơn nhiều.
Các chuyên gia nghiên cứu về thần kinh đã áp dụng hàm đầu ra-đầu vào để xây dựng mô hình mối liên kết giữa dữ liệu đầu vào và đầu ra. Một tế bào thần kinh sinh học nhận thông tin từ những 'rễ' dài, được gọi là dendrites, và quyết định chuyển gửi tín hiệu thông tin đó đến các tế bào thần kinh khác.
Hàm tính toán này là chìa khóa cơ bản để mô phỏng mức độ phức tạp của một tế bào thần kinh đơn trong não. Các nhà nghiên cứu bắt đầu với việc mô phỏng quy mô lớn chức năng nhận và truyền dữ liệu của hai tế bào thần kinh ở đầu và cuối một chuỗi dendrite trên vỏ não của chuột. Sau đó, họ chuyển mô phỏng này vào một mạng neural sâu với tối đa 256 tế bào thần kinh nhân tạo mỗi lớp. Tiếp theo, họ tăng số lớp mạng neural sâu này cho đến khi máy tính mô phỏng chính xác 99% cách tế bào thần kinh tự nhiên tương tác, nhận và gửi tín hiệu thông tin theo từng mili giây. Họ phát hiện rằng để mô phỏng chính xác cách một tế bào thần kinh tự nhiên hoạt động, máy tính cần tạo ra từ 5 đến 8 lớp mạng neural sâu, mỗi lớp với 256 tế bào thần kinh, tương đương với ít nhất 1000 tế bào thần kinh nhân tạo để mô phỏng 1 tế bào thần kinh tự nhiên.
Đôi khi con số chỉ là biểu hiện tương đối. Theo Michael London, “Mối quan hệ giữa số lớp tế bào thần kinh nhân tạo và độ phức tạp của hệ thống vẫn chưa rõ ràng.” Không thể xác định một cách tuyệt đối rằng cần 1000 tế bào thần kinh nhân tạo để mô phỏng 1 tế bào thần kinh tự nhiên có nghĩa là bộ não con người hoạt động phức tạp hơn 1000 lần so với máy móc. Chắc chắn sẽ đến một thời điểm, một tế bào thần kinh đơn trong hệ thống trí tuệ nhân tạo có thể mô phỏng được 1 tế bào thần kinh trong bộ não con người, nhưng điều đó sẽ mất rất nhiều thời gian và dữ liệu để máy học một cách hiệu quả.Nghiên cứu này của nhóm nghiên cứu Israel đã mở ra những hiểu biết mới và nền tảng tiên tiến cho các nghiên cứu về Trí tuệ Nhân tạo trong tương lai. Có ý kiến cho rằng, nhờ vào kết quả của nghiên cứu này, các nhà khoa học thần kinh cũng nên dành sự chú ý cho sức mạnh của mỗi nơ-ron thần kinh đơn lẻ trong mô hình kim tự tháp.Theo Quanta Magazine
