Quan điểm phổ biến và định kỳ về những đột phá mới nhất trong nghiên cứu trí tuệ nhân tạo là các máy móc thông minh và thông minh chỉ ở trên đường chân trời. Máy hiểu các mệnh lệnh bằng lời nói, phân biệt hình ảnh, lái xe và chơi game tốt hơn chúng ta. Mất bao lâu nữa trước khi họ bước đi giữa chúng ta?
Báo cáo mới của Nhà Trắng về trí tuệ nhân tạo có quan điểm hoài nghi thích hợp về giấc mơ đó. Nó nói rằng 20 năm tới có khả năng sẽ không thấy máy móc "thể hiện trí thông minh có thể áp dụng rộng rãi tương đương hoặc vượt trội so với con người", mặc dù trong những năm tới, máy móc sẽ đạt và vượt hiệu suất của con người nhiều hơn và nhiều nhiệm vụ hơn. " Nhưng các giả định của nó về cách những khả năng đó sẽ phát triển đã bỏ lỡ một số điểm quan trọng.
Là một nhà nghiên cứu về AI, tôi sẽ thừa nhận thật tuyệt khi có lĩnh vực của riêng mình được nêu bật ở cấp cao nhất của chính phủ Mỹ, nhưng báo cáo hầu như chỉ tập trung vào thứ mà tôi gọi là "loại AI nhàm chán". Nó đã bác bỏ trong nửa câu nghiên cứu về AI của tôi, về cách thức tiến hóa có thể giúp phát triển các hệ thống AI ngày càng hoàn thiện và cách các mô hình tính toán có thể giúp chúng ta hiểu trí thông minh của con người phát triển như thế nào.
Báo cáo tập trung vào những gì có thể được gọi là công cụ AI chính thống: học máy và học sâu. Đây là những loại công nghệ đã có thể chơi "Jeopardy!" tốt, và đánh bại các bậc thầy cờ vây của con người tại trò chơi phức tạp nhất từng được phát minh. Các hệ thống thông minh hiện tại này có thể xử lý lượng dữ liệu khổng lồ và thực hiện các phép tính phức tạp rất nhanh. Nhưng họ thiếu một yếu tố sẽ là chìa khóa để xây dựng những cỗ máy tình cảm mà chúng ta hình dung trong tương lai.
Chúng ta cần phải làm nhiều hơn là dạy máy học. Chúng ta cần vượt qua các ranh giới xác định bốn loại trí tuệ nhân tạo khác nhau, các rào cản ngăn cách các máy móc với chúng ta - và chúng ta khỏi chúng.
AI loại I: Máy phản ứng
Các loại hệ thống AI cơ bản nhất hoàn toàn có khả năng phản ứng và có khả năng không hình thành ký ức cũng như không sử dụng kinh nghiệm trong quá khứ để thông báo các quyết định hiện tại. Deep Blue, siêu máy tính chơi cờ của IBM, đã đánh bại đại kiện tướng quốc tế Garry Kasparov vào cuối những năm 1990, là ví dụ hoàn hảo cho loại máy này.
Deep Blue có thể xác định các quân cờ trên bàn cờ và biết từng bước di chuyển. Nó có thể đưa ra dự đoán về những động thái có thể tiếp theo cho nó và đối thủ của nó. Và nó có thể chọn các động thái tối ưu nhất trong số các khả năng.
Nhưng nó không có bất kỳ khái niệm nào về quá khứ, cũng không có bất kỳ ký ức nào về những gì đã xảy ra trước đó. Ngoài một quy tắc dành riêng cho cờ vua hiếm khi được sử dụng chống lại việc lặp lại cùng một động tác ba lần, Deep Blue bỏ qua mọi thứ trước thời điểm hiện tại. Tất cả những gì nó làm là nhìn vào các quân cờ trên bàn cờ khi nó đứng ngay bây giờ, và chọn từ các nước đi tiếp theo có thể.
Loại trí thông minh này liên quan đến máy tính nhận thức thế giới trực tiếp và hành động theo những gì nó nhìn thấy. Nó không dựa vào một khái niệm nội bộ của thế giới. Trong một bài báo chuyên đề, nhà nghiên cứu AI Rodney Brooks lập luận rằng chúng ta chỉ nên chế tạo những cỗ máy như thế này. Lý do chính của anh là mọi người không giỏi lập trình thế giới mô phỏng chính xác cho máy tính sử dụng, cái được gọi là học bổng AI là "đại diện" của thế giới.
Các máy móc thông minh hiện tại mà chúng ta kinh ngạc hoặc không có khái niệm nào về thế giới, hoặc có một bộ máy rất hạn chế và chuyên biệt cho các nhiệm vụ cụ thể của nó. Sự đổi mới trong thiết kế của Deep Blue không phải là để mở rộng phạm vi các bộ phim có thể có mà máy tính đã xem xét. Thay vào đó, các nhà phát triển đã tìm ra cách thu hẹp tầm nhìn của mình, ngừng theo đuổi một số động thái tiềm năng trong tương lai, dựa trên cách đánh giá kết quả của họ. Nếu không có khả năng này, Deep Blue sẽ cần phải trở thành một máy tính mạnh hơn nữa để thực sự đánh bại Kasparov.
Tương tự, AlphaGo của Google, công ty đã đánh bại các chuyên gia hàng đầu về con người, cũng không thể đánh giá tất cả các bước đi tiềm năng trong tương lai. Phương pháp phân tích của nó phức tạp hơn Deep Blue, sử dụng mạng lưới thần kinh để đánh giá sự phát triển của trò chơi.
Các phương pháp này giúp cải thiện khả năng của các hệ thống AI để chơi các trò chơi cụ thể tốt hơn, nhưng chúng không thể dễ dàng thay đổi hoặc áp dụng cho các tình huống khác. Những trí tưởng tượng được vi tính hóa này không có khái niệm về thế giới rộng lớn hơn - có nghĩa là chúng không thể hoạt động ngoài các nhiệm vụ cụ thể mà chúng được giao và dễ bị lừa.
Họ không thể tương tác tham gia vào thế giới, như cách chúng ta tưởng tượng hệ thống AI một ngày nào đó có thể. Thay vào đó, những cỗ máy này sẽ hành xử giống hệt nhau mỗi khi chúng gặp phải tình huống tương tự. Điều này có thể rất tốt để đảm bảo một hệ thống AI đáng tin cậy: Bạn muốn chiếc xe tự trị của mình trở thành một người lái xe đáng tin cậy. Nhưng thật tệ nếu chúng ta muốn máy móc thực sự tham gia và phản ứng với thế giới. Những hệ thống AI đơn giản nhất này sẽ không bao giờ chán, hay quan tâm hay buồn.
AI loại II: Bộ nhớ hạn chế
Lớp Loại II này chứa các máy móc có thể nhìn vào quá khứ. Xe tự lái làm một số điều này rồi. Ví dụ, họ quan sát tốc độ và hướng của những chiếc xe khác. Điều đó không thể được thực hiện chỉ trong một khoảnh khắc, mà yêu cầu xác định các đối tượng cụ thể và theo dõi chúng theo thời gian.
Những quan sát này được thêm vào các đại diện được lập trình sẵn trên thế giới của những chiếc xe tự lái, bao gồm cả vạch kẻ đường, đèn giao thông và các yếu tố quan trọng khác, như những khúc cua trên đường. Chúng được bao gồm khi xe quyết định khi nào chuyển làn, để tránh cắt lái xe khác hoặc bị xe gần đó đâm vào.
Nhưng những mẩu thông tin đơn giản về quá khứ chỉ là nhất thời. Chúng không được lưu như một phần của thư viện kinh nghiệm của chiếc xe mà nó có thể học hỏi từ cách người lái xe tổng hợp kinh nghiệm qua nhiều năm ngồi sau tay lái.
Vậy làm thế nào chúng ta có thể xây dựng các hệ thống AI xây dựng các biểu diễn đầy đủ, ghi nhớ trải nghiệm của họ và học cách xử lý các tình huống mới? Brooks đã đúng ở chỗ rất khó để làm điều này. Nghiên cứu của riêng tôi về các phương pháp lấy cảm hứng từ quá trình tiến hóa của Darwin có thể bắt đầu bù đắp những thiếu sót của con người bằng cách để máy móc xây dựng các đại diện của riêng họ.
AI loại III: Lý thuyết của tâm trí
Chúng ta có thể dừng lại ở đây, và gọi điểm này là sự phân chia quan trọng giữa các máy chúng ta có và các máy chúng ta sẽ xây dựng trong tương lai. Tuy nhiên, tốt hơn là nên cụ thể hơn để thảo luận về các loại máy đại diện cần hình thành, và những gì chúng cần phải được về.
Các máy trong lớp tiếp theo, tiên tiến hơn, không chỉ hình thành các đại diện về thế giới, mà còn về các tác nhân hoặc thực thể khác trên thế giới. Trong tâm lý học, đây được gọi là "lý thuyết của tâm trí" - sự hiểu biết rằng con người, sinh vật và vật thể trên thế giới có thể có những suy nghĩ và cảm xúc ảnh hưởng đến hành vi của chính họ.
Điều này rất quan trọng đối với cách con người chúng ta hình thành xã hội, bởi vì họ cho phép chúng ta có những tương tác xã hội. Không hiểu động cơ và ý định của nhau, và không tính đến những gì người khác biết về tôi hoặc môi trường, làm việc cùng nhau là khó khăn nhất, tồi tệ nhất là không thể.
Nếu các hệ thống AI thực sự đã từng đi giữa chúng ta, chúng sẽ phải có khả năng hiểu rằng mỗi chúng ta đều có suy nghĩ và cảm xúc và kỳ vọng về cách chúng ta sẽ được đối xử. Và họ sẽ phải điều chỉnh hành vi của mình cho phù hợp.
AI loại IV: Tự nhận thức
Bước cuối cùng của sự phát triển AI là xây dựng các hệ thống có thể hình thành các đại diện về bản thân. Cuối cùng, các nhà nghiên cứu AI của chúng tôi sẽ không chỉ hiểu ý thức mà còn chế tạo những cỗ máy có nó.
Theo một nghĩa nào đó, đây là một phần mở rộng của "lý thuyết tâm trí" được sở hữu bởi trí tuệ nhân tạo Loại III. Ý thức còn được gọi là "tự nhận thức" vì một lý do. ("Tôi muốn món đồ đó" là một câu rất khác với "Tôi biết tôi muốn món đồ đó.") Những người có ý thức nhận thức được bản thân họ, biết về trạng thái nội tâm của họ và có thể dự đoán cảm giác của người khác. Chúng tôi cho rằng ai đó bấm còi phía sau chúng tôi khi tham gia giao thông là tức giận hoặc thiếu kiên nhẫn, bởi vì đó là cảm giác của chúng tôi khi chúng tôi bấm còi với người khác. Không có lý thuyết về tâm trí, chúng ta không thể đưa ra những suy luận như vậy.
Mặc dù chúng ta có thể còn lâu mới tạo ra những cỗ máy tự nhận thức, chúng ta nên tập trung nỗ lực để hiểu về trí nhớ, học tập và khả năng đưa ra quyết định dựa trên kinh nghiệm trong quá khứ. Đây là một bước quan trọng để tự hiểu trí thông minh của con người. Và nó rất quan trọng nếu chúng ta muốn thiết kế hoặc phát triển những cỗ máy đặc biệt hơn là phân loại những gì chúng thấy trước mặt chúng.
Arend Hintze, Trợ lý Giáo sư Sinh học Tích hợp & Khoa học và Kỹ thuật Máy tính, Đại học bang Michigan
