Có phải trí tuệ nhân tạo đang phát triển và dần thay thế chúng ta làm việc?

Stephen Hawking đã từng dự báo rằng với sự ra đời của trí tuệ nhân tạo nói chúng và các chương trình thông minh tự thiết kế, những AI mới và thông minh hơn sẽ xuất hiện, nhanh chóng tạo ra những cỗ máy ngày càng thông minh hơn, cuối cùng sẽ vượt qua chúng ta.

AI, một ngành khoa học bắt nguồn từ khoa học máy tính, toán học, tâm lý học và khoa học thần kinh, nhằm mục đích tạo ra những cỗ máy bắt chước các chức năng nhận thức của con người như học tập và giải quyết vấn đề.

Kể từ những năm 1950, nó đã xuất hiện nhiều trong trí tưởng tượng của công chúng. Tuy nhiên, về mặt lịch sử, những thành công của AI thường đi kèm với những thất vọng – phần lớn là do những dự đoán thổi phồng của những người có tầm nhìn công nghệ.

Vào những năm 1960, một trong những người sáng lập lĩnh vực AI, Herbert Simon, đã dự đoán rằng “máy móc sẽ có khả năng làm bất kỳ công việc nào mà con người có thể làm được trong vòng 20 năm”.

Marvin Minsky, một nhà tiên phong về mạng nơ-ron, cũng cho rằng: “trong vòng một thế hệ… vấn đề tạo ra ‘trí tuệ nhân tạo’ về cơ bản sẽ được giải quyết“.

Nhưng hóa ra Niels Bohr, nhà vật lý Đan Mạch đầu thế kỷ 20 có lẽ mới là người đưa ra được nhân xét đúng nhất: “Dự đoán là rất khó, đặc biệt là về tương lai“.

Ngày nay, các khả năng của AI bao gồm nhận dạng giọng nói, hiệu suất vượt trội trong các trò chơi chiến lược như cờ vua và cờ vây, ô tô tự lái và tiết lộ các mẫu được nhúng trong dữ liệu phức tạp.

Tuy nhiên ở thời điểm hiện tại, những khả năng này này hầu như không khiến con người trở nên vô dụng.

Nhưng AI đang tiến bộ. Sự tiến bộ đây nhất của AI đã được khơi bắt đầu và định hướng vào năm 2009 nhờ việc học và mô phỏng các mạng thần kinh của con người.

Trí tuệ nhân tạo bao gồm một bộ sưu tập lớn các đơn vị tính toán được kết nối được gọi là tế bào thần kinh nhân tạo, tương tự như các tế bào thần kinh trong não của chúng ta. Để huấn luyện mạng lưới này “suy nghĩ”, các nhà khoa học đã cung cấp cho nó nhiều ví dụ đã giải về một vấn đề nhất định.

Giả sử chúng ta có một bộ sưu tập các hình ảnh mô y tế, mỗi hình ảnh được kết hợp với chẩn đoán ung thư hoặc không ung thư. Sau đó sẽ chuyển từng hình ảnh qua mạng, yêu cầu các “tế bào thần kinh” được kết nối tính toán xác suất ung thư.

Sau đó, các nhà khoa học so sánh các phản hồi của mạng với các câu trả lời chính xác, điều chỉnh kết nối giữa các “nơ-ron” với mỗi kết quả khớp không thành công. Quá trình này sẽ được lặp đi lặp lại, tinh chỉnh cho đến khi hầu hết các câu trả lời khớp với câu trả lời đúng.

Cuối cùng, mạng lưới thần kinh này sẽ sẵn sàng làm những gì mà một nhà nghiên cứu bệnh học thường làm: kiểm tra hình ảnh của mô để dự đoán ung thư.

Các mạng có nhiều lớp “nơ-ron” (có tên là mạng nơ-ron “sâu”) chỉ trở nên thực tế khi các nhà nghiên cứu bắt đầu sử dụng nhiều bộ xử lý song song trên chip đồ họa để đào tạo.

Một điều kiện khác cho sự thành công của học sâu là một số lượng lớn các ví dụ đã giải. Khai thác internet, mạng xã hội và Wikipedia, các nhà nghiên cứu đã tạo ra các bộ sưu tập lớn hình ảnh và văn bản, cho phép máy móc phân loại hình ảnh, nhận dạng giọng nói và dịch ngôn ngữ. Hiện tại, các mạng nơ-ron sâu đang thực hiện những nhiệm vụ này gần giống như con người.

Nhưng trên thực tế hiệu suất tốt của AI mới chỉ giới hạn trong một số nhiệm vụ nhất định.

Các nhà khoa học cho tới nay vẫn chưa thể tìm ra cách cải thiện nào trong hiểu biết của AI về ý nghĩa thực sự của hình ảnh và văn bản. Nếu chúng ta chiếu phim hoạt hình Snoopy cho một mạng sâu đã được huấn luyện, nó có thể nhận ra các hình dạng và đồ vật – một con chó ở đây, một cậu bé ở đó – nhưng sẽ không giải mã được ý nghĩa của nó.

Các công cụ AI hiện nay có thể đề xuất các cải thiện hình thức, chính tả và ngữ pháp một cách hợp lý, nhưng cấu trúc logic, lập luận và luồng ý tưởng thì nó vẫn chưa thể bằng con người. Những mẫu AI hiện tại thậm chí còn không hiểu được những sáng tác đơn giản của học sinh 11 tuổi.

Hiệu suất của AI cũng bị hạn chế bởi lượng dữ liệu có sẵn. Ví dụ: trong nghiên cứu AI khi áp dụng mạng nơ-ron sâu vào chẩn đoán y tế, AI đôi khi có thể đưa ra những chẩn đoán tốt hơn một chút so với trước đây, nhưng không có gì ấn tượng.

Một phần là do những dữ liệu mà các bệnh viện thu thập hiện nay không thể nắm bắt được các tương tác tâm sinh lý phức tạp gây ra các bệnh như bệnh tim mạch vành, chứng đau nửa đầu hoặc ung thư. Vì vậy, ở thời điểm hiện tại, việc AI có thể cướp đi công việc của con người là điều chưa thể.

Tuy nhiên, với tốc độ phát triển của khoa học hiện đại, mạng nơ-ron sâu chắc chắn sẽ có thể tự động hóa nhiều công việc. AI sẽ lấy đi công việc của chúng ta trong tương lai, gây nguy hiểm cho sự tồn tại của những người lao động chân tay, các nhà chẩn đoán y tế và có lẽ một ngày nào đó, các giáo sư khoa học máy tính cũng sẽ bị mất việc bởi AI.

Robot đã và đang chinh phục Phố Wall. Nghiên cứu cho thấy “các tác nhân trí tuệ nhân tạo” có thể khiến khoảng 230.000 công việc tài chính biến mất vào năm 2025.

Lifehub tổng hợp