Mùa xuân A.I.

13/01/2016 11:06

Hầu như mọi công ty công nghệ, dù lớn hoặc nhỏ, đều quan tâm đến việc phát triển trí tuệ nhân tạo (Artificial Intelligence - AI). Sau thời gian "ngủ đông", lĩnh vực AI đang nở rộ những ý tưởng mới. Mùa xuân AI đã đến.

Cuối tháng 12/2015, Google cho biết sẽ giới thiệu trình nhắn tin mới dùng AI. Dường như được gợi ý từ trình nhắn tin Telegram, HipChat hoặc Slack, trình nhắn tin mới của Google sẽ cho phép người dùng tương tác với nhiều người dùng ảo được điều khiển bởi AI. Google đang nỗ lực tạo lập nền tảng để mọi nhà cung cấp dịch vụ có thể phát triển giải pháp AI của riêng mình, có thể tạo ra nhân viên ảo giao tiếp với khách hàng qua trình nhắn tin. Sẽ có những chuyên gia ảo trong nhiều lĩnh vực chuyên môn để người dùng hỏi chuyện khi cần thiết.

Trước đó, đầu tháng 7/2015, IBM giới thiệu dịch vụ API Harmony, sẵn sàng cung cấp khả năng suy luận, phân tích và tổng hợp dữ liệu cho việc phát triển ứng dụng AI trong mọi lĩnh vực. Dịch vụ API Harmony dựa vào khối lượng dữ liệu kiến thức khổng lồ và hệ thống máy chủ Watson mạnh mẽ của IBM.

Khả năng thông hiểu ngôn ngữ tự nhiên chỉ là một phần của lĩnh vực AI. Phần lõi của AI là khả năng suy luận, phân tích và tổng hợp dữ liệu thu được để tạo ra thông tin mới, kiến thức mới. Dữ liệu ở đầu vào càng nhiều, càng chính xác, giá trị của kết quả ở đầu ra càng cao. Thám tử Sherlock Holmes từng nhấn mạnh: "Dữ liệu! Dữ liệu! Dữ liệu! Tôi không thể nung gạch nếu không có đất sét".



Năm 1977, tiến sĩ Edward Feigenbaum lần đầu tiên mô tả hệ suy luận (reasoning system) - loại phần mềm ứng dụng trên máy tính có khả năng suy luận giống như con người, có thể tự phân tích và tổng hợp dữ liệu để đi đến kết luận. Loại ứng dụng như vậy không cần người lập trình sắp đặt chi tiết như ứng dụng thông thường, không có liên quan gì với thủ thuật tạo ra những lời đáp hóm hỉnh của trợ lý Siri trên iPhone hiện nay. Có thể xem sự xuất hiện của hệ suy luận theo mô tả của Feigenbaum là điểm khởi đầu của AI.

Từ ý tưởng của Feigenbaum, trong thập niên 1980, các trường đại học bắt đầu giảng dạy về hệ chuyên gia (expert system). Các hệ chuyên gia đầu tiên tập trung vào lĩnh vực y học, hướng đến việc chẩn đoán bệnh tự động. Tuy nhiên, đó là thời mà năng lực bộ xử lý và khả năng lưu trữ dữ liệu của máy tính chưa cao nên các hệ chuyên gia còn thô sơ, chỉ có tính minh họa cho ý tưởng mới. Thập niên 1980 cũng là thời máy tính cá nhân đang thu hút mạnh mẽ sự chú ý của giới công nghệ. Máy tính cá nhân lúc ấy rất yếu, không thể là công cụ xây dựng hệ chuyên gia. Động lực nghiên cứu hệ chuyên gia trở nên mờ nhạt. Kinh phí nghiên cứu dành cho lĩnh vực AI giảm dần. Giới nghiên cứu gọi đó là "mùa đông AI" (AI winter).

Lĩnh vực AI hầu như không có thành tựu nào đáng kể trong thập niên 1990. Có bao nhiêu điều khác cần làm trên máy tính cá nhân, đặc biệt khi Internet trở thành mạng toàn cầu.

Kết nối Internet băng rộng và thiết bị di động tạo ra sự phát triển có tính bùng nổ của dịch vụ mạng. Những trung tâm dữ liệu quy mô lớn hình thành khắp thế giới. Khả năng lưu trữ dữ liệu, khả năng xử lý của hệ thống máy chủ hiện tại cho phép những ý tưởng về hệ chuyên gia nở rộ. Không chỉ thiết bị di động, mọi loại thiết bị đều có thể được trang bị đủ loại bộ cảm biến (sensor) và được nối mạng. Mọi loại thiết bị đều có nhu cầu trở nên thông minh: tự động đoán nhận tình trạng, đưa ra kết luận, chọn lựa giải pháp và hành động trong chớp mắt. Nhu cầu phát triển hệ chuyên gia nóng lên trong mọi lĩnh vực.

Ngày nay không còn khó hình dung về chiếc tủ lạnh nối mạng thông minh có khả năng tự đặt mua thực phẩm một cách hợp lý nhờ theo dõi tập quán tiêu thụ thực phẩm của chủ nhân. Dựa trên kiến thức đã được xác lập rằng chỉ nên dùng sữa tươi trong thời hạn bẩy ngày, tủ lạnh có thể cảnh báo điều ấy ngay từ khi chủ nhân đặt sữa tươi vào tủ lạnh và tiếp tục nhắc nhở vài ngày sau đó. Không chỉ dựa vào kiến thức đã được xác lập, chiếc tủ lạnh có thể tiếp nhận thêm từ mạng kiến thức đoán nhận (probable knowledge) - loại kiến thức thu được nhờ sự tích lũy và xử lý dữ liệu quy mô lớn, có tính toàn cầu. Chiếc tủ lạnh trở thành hệ chuyên gia, có thể đưa ra những lời khuyên bổ ích cho chủ nhân về việc tiêu dùng thực phẩm.

Chiếc đồng hồ đeo tay cũng có thể là hệ chuyên gia về sức khỏe. Đồng hồ giúp theo dõi nhịp tim, liều lượng vận động và diễn biến giấc ngủ để cho lời khuyên phòng bệnh. Nhờ kết nối với bộ cảm biến gắn với lọ thuốc, đồng hồ có thể phát hiện lọ thuốc chưa được đụng đến vào giờ uống thuốc và nhắc nhở chủ nhân. Nhờ kết nối với tủ lạnh, đồng hồ có thể nhắc nhở khi biết chủ nhân chưa ăn đúng giờ (chưa mở tủ lạnh), có thể biết chủ nhân định ăn những thứ không phù hợp với cơ địa của mình hoặc không phù hợp với tình trạng bệnh lý hiện tại. Nếu chủ nhân bị ngã, đồng hồ tự động gọi cấp cứu, báo động cho người thân qua điện thoại và thông báo tình trạng sức khỏe của chủ nhân. Loại đồng hồ như vậy rất cần cho người già. Đã có những sản phẩm bắt đầu được phát triển để trở thành hệ chuyên gia về sức khỏe, chẳng hạn, đồng hồ Lively có thể xem là bước khởi đầu.



Cũng như ngày trước, hệ chuyên gia đang được ưu tiên phát triển là hệ chẩn đoán. So sánh bác sĩ với hệ chẩn đoán tựa như so sánh người đánh cờ với máy đánh cờ. Thông thường, bác sĩ chẩn đoán dựa trên kiến thức y học đã được xác lập về "người trung bình" và kinh nghiệm điều trị. Hệ chẩn đoán suy nghĩ với phạm vi rộng lớn hơn nhiều: dựa trên dữ liệu kiến thức y học hiện có, dựa trên dữ liệu từ thiết bị xét nghiệm, thiết bị phân tích hệ gien và có thể dựa trên dòng dữ liệu liên tục từ những bộ cảm biến theo dõi sức khỏe, theo dõi lối sống trong các thiết bị cá nhân. Bộ cảm biến có thể là một miếng dán vào da gửi thông tin đến điện thoại, truyền đến hệ chẩn đoán. Dữ liệu được tích lũy giúp hệ chẩn đoán nhận biết một người nào đó thuộc về một nhóm người có cơ địa tương tự. Nếu nhóm như vậy từng đáp ứng tốt với biện pháp điều trị nhất định, hệ chẩn đoán sẽ xác định được biện pháp điều trị tốt nhất cho người đang xét.

Từ kinh nghiệm bản thân, nhà bình luận Jason Kolb nhấn mạnh tầm quan trọng của nền y học mới trong đó việc chẩn đoán và điều trị không dựa trên kiến thức về người trung bình: "Mỗi người đáp ứng rất khác với các biện pháp điều trị so với người trung bình trong y học. Bạn có thể đáp ứng giống người trung bình ở mặt này nhưng có thể không giống ở mặt khác. Do vậy, việc điều trị phải thích nghi với từng người một. Nền y học hiện tại hoàn toàn chưa chuẩn bị cho lề lối như vậy. Người ta điều trị cho mọi người đến bệnh viện theo cùng một cách".

Hệ chẩn đoán đưa ra kết luận dựa trên đặc điểm của từng người và dựa trên kiến thức được đoán nhận từ dữ liệu đã tích lũy. Hoạt động thực tế càng nhiều, càng có nhiều dữ liệu, hệ chẩn đoán càng tinh tế, tránh được việc chẩn đoán sai dựa trên kiến thức đã được xác lập nhưng bắt đầu xơ cứng, lạc hậu. Tất cả chỉ mới vừa bắt đầu, ví dụ tiêu biểu là việc triển khai dịch vụ trợ giúp chẩn đoán và điều trị IBM Watson Health cho ngành y tế Mỹ. Do thỏa thuận hợp tác giữa IBM và Apple, bác sĩ và bệnh nhân có thể tương tác với IBM Watson Health trên iPhone/iPad. Trong hiện tại, máy tính Watson có khả năng chẩn đoán đúng bệnh ung thư phổi đến 80% trường hợp, cao hơn hẳn so với tỉ lệ chẩn đoán đúng 50% của bác sĩ.

Đủ loại bộ cảm biến thu thập dữ liệu đang xuất hiện khắp nơi. Số lượng bộ cảm biến trong mỗi gia đình đang tăng dần. Dòng thác dữ liệu đang tạo ra "mùa xuân AI" dài lâu.

NGỌC GIAO

Bài liên quan:
Ý kiến bạn đọc (0)
Tên   Email

Lên đầu trang