GIẢI NOBEL VẬT LÝ ĐƯỢC TRAO CHO NHỮNG NHÀ KHOA HỌC TIÊN PHONG VỀ MẠNG NEURON, ĐẶT NỀN MÓNG CHO A.I.
 |
| Christine Olsson / TT / EPA |
Lấy cảm hứng từ các ý tưởng trong ngành vật lý
và sinh học, Hopfield và Hinton đã phát triển những hệ thống máy tính có khả
năng ghi nhớ và học hỏi từ các mẫu dữ liệu. Dù chưa từng trực tiếp cộng tác, họ
đã dựa vào nghiên cứu của nhau để cùng phát triển nền móng cho cú “bùng nổ” hiện
nay ở lĩnh vực học máy (machine learning) và trí tuệ nhân tạo (AI).
Mạng neuron nhân tạo là nền móng của nhiều công
nghệ AI mà chúng ta sử dụng ngày nay.
Giống như não bộ con người có các tế bào thần
kinh kết nối với nhau thông qua các khớp thần kinh, mạng neuron nhân tạo cũng
có những neuron kỹ thuật số được kết nối theo các cấu hình khác nhau. Từng
neuron riêng lẻ không có gì đặc biệt. Điều đặc biệt nằm ở mô hình và cường độ của
các kết nối giữa chúng.
Các neuron trong mạng nhân tạo được “kích hoạt” bởi các tín hiệu đầu vào. Những tín hiệu này được truyền từ neuron này sang neuron khác sao cho có thể chuyển đổi và xử lý thông tin đầu vào. Qua đó, mạng nhân tạo có thể thực hiện các nhiệm vụ mang tính tính toán như phân loại, dự đoán và ra quyết định.
 |
| Johan Jarnestad / Viện Hàn lâm Khoa học Hoàng gia Thụy Điển |
Mặc dù ý tưởng liên kết các hệ thống nút mạng
(nodes) để lưu trữ và xử lý thông tin có nguồn gốc từ sinh học, nhưng toán học
đã được ứng dụng trong việc tạo lập các liên kết, và quá trình củng cố những
liên kết ấy lại được lấy ý tưởng từ vật lý.
John Hopfield (sinh năm 1933) là một nhà vật lý
lý thuyết người Mỹ đã có những đóng góp quan trọng trong lĩnh vực vật lý sinh học.
Song, giải Nobel Vật lý năm nay lại dành cho công trình phát triển mạng Hopfield của ông từ năm 1982.
Các mạng Hopfield là một trong những mạng neuron
nhân tạo đầu tiên. Được lấy cảm hứng từ các nguyên tắc sinh học thần kinh và vật
lý phân tử, hệ thống này lần đầu chứng minh cách một máy tính có thể sử dụng “mạng
lưới” các nút để ghi nhớ, truy xuất và tái tạo thông tin.
Mạng nhân tạo do Hopfield phát triển có thể ghi
nhớ dữ liệu (chẳng hạn như một bộ sưu tập các hình ảnh đen trắng). Khi một hình
ảnh tương tự được cập nhật vào mạng, thông qua liên kết, mạng có thể “tái tạo”
những hình ảnh cũ.
Dù lúc bấy giờ còn hạn chế trong ứng dụng thực
tiễn, mạng Hopfield cho thấy hệ thống mạng neuron nhân tạo có thể lưu trữ và
truy xuất dữ liệu theo những cách hoàn toàn mới. Thành quả ấy đã đặt nền móng
cho công trình khoa học về sau của Hinton.
 |
| Johan Jarnestad / Viện Hàn lâm Khoa học Hoàng gia Thụy Điển |
Máy móc có khả năng học tập
Geoff Hinton (sinh năm 1947), là một nhà khoa học
máy tính người Anh-Canada, còn được biết đến như một trong những “cha đỡ đầu của AI". Ông đã có nhiều đóng góp quan trọng cho
lĩnh vực này. Năm 2018, cùng với Yoshua Bengio và Yann LeCun, ông đã được trao
giải thưởng Turing (giải thưởng danh giá nhất trong ngành khoa học máy tính) vì
những nỗ lực nhằm thúc đẩy lĩnh vực học máy nói chung, và đặc biệt là phân
nhánh học sâu (deep learning).
Tuy nhiên, giải Nobel Vật lý năm nay là để vinh
danh công trình phát triển máy Boltzmann vào năm 1984 do ông cùng Terrence Sejnowski và
các đồng nghiệp khác thực hiện.
Máy Boltzmann là phép mở rộng của mạng Hopfield,
minh họa cho ý tưởng về học máy – một hệ thống cho phép máy tính tự học hỏi từ
các mẫu dữ liệu ví dụ, thay vì học từ lập trình viên. Dựa trên các ý tưởng về động
lực học năng lượng trong vật lý thống kê, Hinton đã chứng minh mô hình máy tính
tạo sinh này có thể học cách lưu trữ
dữ liệu theo thời gian thông qua việc ghi nhớ từ những ví dụ đã được cung cấp.
 |
| Johan Jarnestad / Viện Hàn lâm Khoa học Hoàng gia Thụy Điển |
Thế nhưng điều quan trọng hơn là bước đột phá về
mặt khái niệm, rằng một mạng neuron nhân tạo có thể học hỏi từ dữ liệu. Hinton
đã tiếp tục phát triển ý tưởng này. Sau đó, ông đã công bố các bài báo có ảnh
hưởng về backpropagation (lan
truyền ngược, quy trình học được sử dụng trong các hệ thống học máy hiện đại)
và mạng neuron tích chập (loại mạng neuron chính ngày nay được sử dụng
cho các hệ thống AI làm việc với dữ liệu hình ảnh và video).
Nếu so sánh với những thành tựu AI ngày nay, mạng
Hopfield và máy Boltzmann trông khá kỳ quặc. Mạng Hopfield chỉ chứa 30 neuron
(Hopfield đã cố gắng tạo ra một mạng có 100 nút, nhưng mong muốn này vượt quá
tài nguyên tính toán lúc bấy giờ), trong khi các hệ thống hiện đại như ChatGPT
có thể chứa đến hàng triệu neuron. Dù vậy, giải Nobel năm nay được trao là để
nhấn mạnh tầm quan trọng của những đóng góp nền móng đối với lĩnh vực này.
Tuy những tiến bộ thần tốc gần đây của AI (mà
chúng ta đều thấy được thông qua các hệ thống AI tạo sinh như ChatGPT) có thể
được coi là sự khẳng định cho những người tiên phong về mạng neuron, nhưng
Hinton lại bày tỏ sự lo ngại. Năm 2023, sau khi từ bỏ công việc 10 năm tại chi
nhánh AI của Google, Hinton tiết lộ với The New York Times rằng ông sợ tốc độ phát triển quá nhanh này và
đã gia nhập nhiều nhóm kêu gọi xây dựng các quy định quản lý AI chủ động.
I was happy to add my name to this list of employees and alumni of AI companies. These signatories have better insight than almost anyone else into what is coming next with AI and we should heed their warnings. https://t.co/ByFOLnXvTI
— Geoffrey Hinton (@geoffreyhinton) September 10, 2024
Sau khi nhận giải Nobel, Hinton đã chia sẻ trong
bài phỏng vấn với BBC: “AI sẽ là một cuộc cách mạng công nghiệp mới,
nhưng nó không vượt qua chúng ta về khả năng vật lý, mà là khả năng trí tuệ”.
Hinton cũng nói thêm rằng ông vẫn e sợ hệ quả công việc của mình sẽ dẫn tới
“các hệ thống thông minh hơn chúng ta có thể cuối cùng sẽ chiếm luôn quyền kiểm
soát”.
Aaron J. Snoswell
Nghiên cứu viên về Trách nhiệm giải trình AI, Đại
học Công nghệ Queensland
Tuyên bố công khai
Aaron J. Snoswell nhận tài trợ từ OpenAI trong
năm 2024.
Hải Âu dịch
Nguồn:
Physics Nobel awarded to neural
network pioneers who laid foundations for AI, The
Conversation, Oct 8, 2024.
