Đầu 2018, Ray Kurzweil, Giám đốc Kỹ thuật Google, công bố dự án mới nhất của gã khổng lồ công nghệ tại TED.
Google Talk to Books, tên dự án, được miêu tả là một phương thức hoàn toàn mới giúp khám phá thế giới tri thức trong những cuốn sách. Tạp chí Quartz ca ngợi dự án này là một “công cụ hỗ trợ tìm kiếm vi diệu có thể trả lời mọi câu hỏi bằy cách đọc qua hàng ngàn cuốn sách”.
Sẽ thật kinh ngạc nếu tồn tại một công cụ với chức năng như được miêu tả. Nhưng thực tế là điều đó không tồn tại. Nếu có, thì nó thực sự sẽ trở thành một cuộc cách mạng. Lấy lĩnh vực y khoa làm ví dụ. Thử tưởng tượng một chương trình AI giúp các bác sỹ, những người đầu bù tóc rối vì công việc đến không có đủ thời gian để ngủ mỗi ngày, tổng hợp các tài liệu y học liên quan đến lĩnh vực họ quan tâm, thêm chúng vào danh sách cần làm và tự động gửi đến email thì sẽ tuyệt vời như thế nào? Mỗi ngày hàng ngàn tài liệu y khoa mới được xuất bản, với hàng ngàn khám phá mới về các loại thuốc và các phương pháp điều trị tiềm năng, nhưng rất ít chuyên gia y tế có thời gian để lướt qua chúng chứ đừng nói là nhanh chóng ứng dụng.
Nếu bạn nghĩ rằng Google Talk to Book (GTB) sẽ tạo ra một cuộc cách mạng, rất tiếc bạn đã lầm. Khi GTB được hỏi “Harry Potter gặp Hermione Granger lần đầu khi nào?”, nó chỉ trả về 6 trong 20 kết quả liên quan đến Harry Potter. Hầu hết những câu trả lời còn lại là về ai đó có cái tên Harry hoặc chả có nội dung gì liên quan đến câu hỏi. Duy nhất 1 đáp án nhắc đến Hermione.
Tương tự với câu hỏi “Ai là thẩm phán toà án tối cao cao tuổi nhất năm 1980?”, kết quả tràn trề thất vọng. Trong khi đó, bất cứ ai có trí tuệ bình thường cũng có thể tìm danh sách thẩm phán trong Wikipedia và cho ra đáp án là William Brennan. Nhưng GTB thì không. Câu trả lời không có sẵn trong bất cứ cuốn sách nào và nó không thể đưa ra suy luận ngoài những gì được hỏi trực tiếp.
Vấn đề lớn nhất là đáp án trả về sẽ rất khác biệt nếu cách đặt câu hỏi khác đi. Với câu “Ai đã phản bội thầy của mình vì 30 miếng bạc?”, 3 trong số 20 đáp án là Judas. Nhưng nếu lái câu hỏi một chút, thay vì hỏi chính xác “30 miếng bạc” mà chỉ hỏi “Ai phản bội thầy mình vì 30 đồng?”, chỉ 1 câu duy nhất có tên Judas trong 20 đáp án. Và tệ hơn nữa, nếu câu hỏi là “Ai bán đứng thầy mình vì 30 đồng?” cái tên Judas biến mất khỏi 20 đáp án đầu tiên.
Tại sao máy học lại không thể học?
Các hệ thống AI hiện tại rất giỏi trong việc học các dữ liệu tương quan, như sự tương quan trong hình ảnh, âm thanh và ký hiệu bởi chúng hoạt động dựa trên hệ thống kỹ thuật thống kê gọi là deep learning. Tuy nhiên kỹ thuật này lại không hiệu quả trong việc hiểu những đối tượng đặc thù như liên kết giữa các thành phần trong câu, như từ và cụm từ.
Lý do? Các cỗ máy học chưa được cung cấp thuật toán (hoặc chưa có thuật toán nào có thể cung cấp cho chúng) để hiểu được nguyên tắc hợp thành trong ngôn ngữ, mà chúng ta gọi nôm na là ngữ nghĩa.
Những cố máy có thể làm tốt hơn trong tương lai. Đã đến lúc cần một cách tiếp cận mới lấy cảm hứng từ tâm lý nhận thức của con người, tập trung vào lý luận và những thách thức trong việc tạo ra các phiên bản máy học có thể hiểu được các cấu trúc thông thường. Đọc không chỉ cần kỹ năng thống kê mà cả kỹ năng tổng hợp kiến thức: kết hợp những hiểu biết của người đọc với những gì người viết đang cố gắng nói. Trẻ con thực hiện những điều này mỗi ngày nhưng các cỗ máy vẫn cần cải tiến nhiều mới có thể đạt đến trình độ này.
Ngọc Diệp (Theo https://www.wired.com)
