Từ bộ não người đến trí tuệ nhân tạo

 

Hai nhà khoa học John J. Hopfield và Geoffrey E. Hinton đã được trao giải Nobel vật lý năm 2024 vì những khám phá giúp cho máy tính học được theo cách học của bộ não con người (tức "máy học"), tạo nên nền tảng phát triển của lĩnh vực trí tuệ nhân tạo (AI).

Ủy ban Nobel cho biết những đột phá về lĩnh vực máy học của hai tiến sĩ Hopfield và Hinton "đã cho thấy cách thức hoàn toàn mới trong sử dụng máy tính để hỗ trợ và hướng dẫn chúng ta giải quyết nhiều thách thức mà xã hội đang phải đối mặt".

Mạng nơ ron nhân tạo - hệ thống máy tính có thể học các kỹ năng bằng cách phân tích dữ liệu và được đặt tên theo mạng nơ ron não người - đã trở thành một phần của các dịch vụ Internet ngày nay, bao gồm các công cụ tìm kiếm như Google, kỹ thuật trợ giúp điều khiển bằng tiếng người như Siri của Apple và chatbot như ChatGPT của OpenAI. 

Những kỹ thuật này bắt nguồn từ toán học và khoa học máy tính, không phải vật lý. Nhưng nghiên cứu vật lý của Hopfield và Hinton vào cuối những năm 1970, đầu những năm 1980 đã giúp tác động đến sự phát triển của mạng nơ ron nhân tạo sau này trở thành bộ phận cấu thành của hệ thống Internet hiện đại.

Từ mạng nơ ron đến máy học

Hopfield hiện là giáo sư danh dự tại Đại học Princeton, nổi tiếng với những khám phá quan trọng về khoa học máy tính, sinh học và vật lý. Ông năm nay 91 tuổi và là người lớn tuổi thứ ba đoạt giải Nobel vật lý.

Ông bắt đầu sự nghiệp tại Bell Labs vào năm 1958 với tư cách là nhà vật lý nghiên cứu chất rắn. Đây chính là thời kỳ vật lý chất rắn phát triển mạnh mẽ với các phát minh bóng bán dẫn năm 1947 và pin mặt trời bằng chất bán dẫn silicon1954 ở Bell Labs. 

Mặc dù vậy, Hopfield vẫn cảm thấy gò bó trong nghiên cứu, ông chuyển đến Đại học California, Berkeley năm 1961 rồi sau đó đến khoa vật lý của Đại học Princeton năm 1964. Năm 1980, ông chuyển đến làm giáo sư hóa học và sinh học ở Viện Công nghệ California, và trở lại Princeton năm 1997với tư cách giáo sư ở khoa sinh học phân tử.

Những năm 1980, ông tập trung nghiên cứu các quá trình não lưu giữ và tái tạo thông tin. Ông giải thích trong một cuộc phỏng vấn rằng công việc của ông xuất phát từ sự tò mò về mối liên hệ giữa vật lý và sinh học. Ông nói: "Hệ sinh học cũng chỉ là một hệ vật lý, nhưng là một hệ thống rất phức tạp."

Trước đó, Hopfield đã sử dụng kiến thức vật lý để khám phá các vấn đề lý thuyết trong sinh học phân tử. Khi được mời đến các cuộc họp về khoa học thần kinh, ông đã được tiếp xúc với các nghiên cứu về cấu trúc bộ não. Ông thấy thu hút bởi những điều đó và bắt đầu suy nghĩ về hoạt động của mạng nơ ron thần kinh đơn giản.

Năm 1982, Hopfield đã phát triển mô hình mạng gồm các nút có vai trò như nơ ron của bộ não để mô tả cách bộ não nhớ lại ký ức khi được cung cấp một phần thông tin (còn gọi là mạng Hopfield). Đó là quá trình tương tự như khi bộ não ghi nhớ một từ phát ra trên đầu lưỡi. Khả năng này được gọi là "nhớ liên kết". 

Nghiên cứu của Hopfield cho thấy hành vi của mạng nơ ron có thể được giải thích giống như một hệ vật lý gồm các nam châm nhỏ xíu cỡ nguyên tử (thuật ngữ khoa học là spin) tác động và ảnh hưởng lẫn nhau. 

Hơn thế nữa, mạng các spin này có thể được đào tạo và huấn luyện bằng cách tìm giá trị kết nối giữa các nút tương ứng với mức năng lượng cực tiểu khi một hình ảnh được nạp vào và lưu giữ.

Công nghệ phần mềm truyền thống dùng để điều khiển máy tính hoạt động theo cách: nhập dữ liệu, xử lý theo công thức được mô tả rõ ràng và cho ra kết quả tính toán, giống như chuẩn bị nguyên liệu và chế biến theo công thức để làm ra một chiếc bánh. 

Trong khi đó, với kỹ thuật huấn luyện máy học, máy tính sẽ học từ các ví dụ, rồi giải quyết các vấn đề mơ hồ và phức tạp vốn không thể hướng dẫn từng bước hay bằng công thức rõ ràng.

Hãy tưởng tượng bạn đang cố nhớ một từ mà bạn hiếm khi sử dụng, chẳng hạn như từ chỉ đồ vật để vặn vào cái máy bị lỏng. Bạn tìm kiếm trong trí nhớ. Nó giống như cái đinh… có lẽ là cái đinh… nhưng nó không nhọn, lại có rãnh để vặn? Hay là đinh vặn? Nghe không ổn. À, là cái đinh vít!

Quá trình tìm kiếm ra từ phù hợp bằng liên kết với các từ tương tự chính là nhớ liên kết, điều mà Hopfield phát hiện vào năm 1982. Mạng Hopfield không chỉ lưu trữ mẫu thông tin (như hình ảnh) mà còn có phương pháp tái tạo dữ liệu ngay cả khi thông tin chứa nhiễu hoặc đã bị xóa một phần. Hopfield không hề lường trước được rằng công trình của ông về mạng nơ ron sẽ hữu ích trong lĩnh vực máy học sau này.

Mở rộng mạng Hopfield

Geoffrey E. Hinton sinh ra ở ngoại ô London, sống và làm việc chủ yếu ở Hoa Kỳ và Canada từ cuối những năm 1970. Ông là giáo sư khoa học máy tính tại Đại học Toronto. Khi Hopfield công bố bài báo về nhớ liên kết, Hinton đang là giáo sư khoa học máy tính tại Đại học Carnegie Mellon ở Pittsburgh, Mỹ. 

Sau đó ông rời trường này để đến Đại học Toronto, Canada vì không muốn nhận tài trợ của Lầu Năm Góc. Vào thời điểm đó, hầu hết nghiên cứu AI ở Hoa Kỳ được tài trợ bởi Bộ Quốc phòng. "Tôi nhớ mình đã tham dự một hội nghị ở Rochester (tiểu bang New York), có John Hopfield báo cáo và lần đầu tiên tôi biết đến mạng nơ ron thần kinh nhân tạo".

Trước đó, Hinton cũng từng nghiên cứu AI ở Anh và tự hỏi liệu máy móc có thể học cách xử lý mẫu thông tin tương tự như con người không. Cùng đồng nghiệp Terence Sejnowski (cũng là nghiên cứu sinh tiến sĩ được Hopfield hướng dẫn), Hinton bắt đầu tự xây dựng hệ thống mở rộng hơn của mạng Hopfield có sử dụng các ý tưởng từ vật lý thống kê. Mạng của Hinton đã sử dụng phương trình do nhà vật lý thống kê Ludwig Boltzmann tìm ra từ thế kỷ 19, được đặt tên là máy Boltzmann, và công bố năm 1985.

Một cỗ máy Boltzmann đã được huấn luyện có thể nhận ra những đặc điểm quen thuộc trong thông tin mà nó chưa từng thấy. Hãy tưởng tượng bạn gặp anh chị em một người quen và có thể thấy ngay họ chắc chắn có quan hệ họ hàng với nhau. 

Theo cách tương tự, máy Boltzmann có thể nhận ra một ví dụ hoàn toàn mới nếu nó thuộc một danh mục có trong tài liệu đào tạo và phân biệt nó với tài liệu khác.

Những năm 1990, sau hàng chục năm với quá nhiều kỳ vọng và thất vọng về AI, nhiều nhà đầu tư và nghiên cứu không còn hứng thú với mạng nơ ron thần kinh nhân tạo. Đó là thời kỳ "mùa đông AI". 

Nhưng Hinton vẫn tiếp tục làm việc trong lĩnh vực này và đã góp phần vào quá trình bùng nổ mới đây của công nghệ AI. Năm 2006, ông và các đồng nghiệp phát triển phương pháp huấn luyện một loạt máy Boltzmann theo từng lớp chồng lên nhau. Quá trình này đã giúp tối ưu hóa đào tạo máy tính nhận dạng mặt người trong ảnh.

Năm 2012, Hinton và hai sinh viên của ông ở Toronto, Ilya Sutskever và Alex Krishevsky, xây dựng mạng nơ ron nhân tạo có thể phân tích hàng nghìn bức ảnh và tự dạy cho nó cách xác định các vật thể thông thường, chẳng hạn như hoa, chó và ô tô. 

Google đã chi 44 triệu USD để mua lại một công ty của họ. Hệ thống đó dẫn đến tạo ra các công nghệ AI ngày càng lớn mạnh, bao gồm các chatbot mới như ChatGPT và Google Bard. Ông Sutskever trở thành khoa học gia trưởng tại OpenAI.

Năm 2018, Hinton và hai cộng tác viên lâu năm khác đã nhận được giải thưởng Turing, thường được gọi là "giải Nobel về khoa học máy tính" cho công trình nghiên cứu về mạng nơ ron thần kinh nhân tạo, trở thành "cha đỡ đầu của AI". 

Trong cuộc phỏng vấn sau khi nhận tin về giải Nobel vật lý năm 2024, ông đã nói đùa rằng: "Nếu có giải thưởng Nobel về khoa học máy tính thì có lẽ các nghiên cứu của chúng tôi phù hợp với giải đó hơn".