Yoshua Bengio, Geoffrey Hinton và Yann Lecun – đôi lúc gọi là ba “ông trùm của AI” – nhận được phần thưởng hàng năm trị giá 1 triệu USD cho công trình phát triển deep learning (học sâu – một nhánh của ngành AI). Kỹ thuật mà họ phát triển trong hai thập kỷ 1990 và 2000 giúp tạo ra các đột phá khổng lồ trong bài toán thị giác máy tính và nhận diện giọng nói. Nghiên cứu của họ là nền tảng cho sự phát triển vượt bậc của công nghệ AI hiện tại, từ xe tự lái cho đến chẩn đoán y khoa tự động.
Kỹ thuật học sâu là động lực cho nhiều ứng dụng hiện tại của AI
Bạn có thể từng tương tác với các thuật toán hậu duệ của Bengio, Hinton và LeCun, dù đó là hệ thống nhận diện khuôn mặt giúp mở khóa điện thoại, hay mô hình ngôn ngữ của AI giúp gợi ý viết email.
Cả ba nhà khoa học hiện nắm giữ các vị trí nổi bật trong hệ sinh thái nghiên cứu AI, từ học thuật cho đến ngành công nghiệp. Hinton làm việc tại Google và trường Đại học Toronto; Bengio là giáo sư của trường Đại học Montreal và bắt đầu xây dựng công ty AI tên là Element AI; trong khi LeCun là nhà nghiên cứu AI chính của Facebook và giáo sư tại trường Đại học New York.
Jeff Dean, trưởng bộ phận AI của Google, ca ngợi thành tựu của bộ ba. “Mạng liên kết nơ ron sâu chịu trách nhiệm cho vài tiến bộ vĩ đại nhất trong ngành khoa học máy tính hiện đại. Trọng tâm của sự tiến bộ này là các kỹ thuật nền tảng do những nhà nghiên cứu đạt giải Turing năm nay, Yoshua Bengio, Geoff Hinton và Yann LeCun phát triển”.
Thành tựu của ba nhà khoa học đặc biệt đáng chú ý vì họ tin vào trí tuệ nhân tạo ngay tại thời điểm viễn cảnh của công nghệ này u tối nhất.
AI là lĩnh vực nổi tiếng với các chu kỳ bùng nổ rồi lại tan vỡ, và việc quá kỳ vọng vào AI cũng có từ khi lĩnh vực này ra đời. Khi việc nghiên cứu không đạt được kỳ vọng như mong đợi, nguồn tài trợ và sự quan tâm đến lĩnh vực này lập tức ngưng lại, bắt đầu thời kỳ được biết đến dưới tên “mùa đông của AI”. Cũng chính vào cuối một chu kỳ mùa đông AI cuối những năm 1980, Bengio, Hinton và LeCun bắt đầu trao đổi ý tưởng và nghiên cứu những vấn đề liên quan, bao gồm mạng liên kết nơ ron – lập trình máy tính tạo ra từ các nơ ron điện tử liên kết với nhau, nền tảng chính cho AI hiện đại.
“Có một thời kỳ đen tối giữa những năm 1990 và đầu thập kỷ 2000, khi chúng tôi không thể đăng nghiên cứu về mạng liên kết nơ ron, vì cộng đồng khi ấy đã mất hứng thú với AI”, LeCun cho biết. “Thực sự nghiên cứu nhận được phản hồi rất tệ hại. Còn là vấn đề hơi bị né tránh.”
Bộ ba quyết định rằng họ cần khiến mọi người thích thú trở lại với AI, và đảm bảo nguồn tài trợ từ chính phủ Canada để tài trợ cho trung tâm tạm thời để nghiên cứu các vấn đề liên quan. “Chúng tôi đã tổ chức các cuộc gặp gỡ, hội thảo thường xuyên, và khóa học mùa hè cho sinh viên”, theo LeCun. “Điều này tạo ra một cộng đồng nhỏ, … mà vào khoảng năm 2012, 2013 thực sự bùng nổ”.
Trong thời kỳ này, bộ ba đã chứng minh được rằng mạng liên kết nơ ron có thể đạt được kết quả cao trong các bài toán như nhận diện đặc tính. Nhưng mãi cho đến năm 2012 họ mới được cộng đồng nghiên cứu chú ý, khi một đội do Hinton dẫn dắt vượt trội trong một cuộc thi nổi tiếng về AI gọi là ImageNet – thử thách nhận diện vật thể. Trong thử thách này, trước đó các nhà nghiên cứu tiến bộ rất chậm, nhưng thuật toán của Hinton và nhóm sinh viên đã đánh bại thuật toán tốt thứ hai, với kết quả chính xác hơn đến 40% nhờ sự hỗ trợ của mạng liên kết nơ ron.
“Sự khác biệt quá lớn đến nỗi chúng tôi có thể nghe thấy tiếng “tách” trong đầu họ”, LeCun nói. “Họ hoàn toàn bị thuyết phục”.
Các con chip xử lý đồ họa (GPU) rẻ tiền vốn thiết kế phục vụ chơi game và nguồn dữ liệu số dồi dào (trên internet nhiều như xe xả khói), cung cấp nhiên liệu cho các cỗ máy nhận thức nhỏ bé này. Và đến 2012, các kỹ thuật cơ bản mà Bengio, Hinton và LeCun tiên phong sáng tạo, bao gồm thuật toán backpropagation (lan truyền ngược) và mạng nơ ron tích chập (Convolutional Neural Networks), đã trở nên thông dụng trong AI, và mở rộng ra, trong công nghệ nói chung.
Tương lai của AI
LeCun nói rằng ông lạc quan về triển vọng của AI, nhưng cũng biết rõ cần phải nghiên cứu nhiều hơn rất nhiều để lĩnh vực này đạt được như hứa hẹn. Các hệ thống AI hiện tại cần rất nhiều dữ liệu để hiểu về thế giới, còn rất dễ bị đánh lừa, và chỉ giỏi giải bài toán cụ thể. “Chúng ta đơn giản là không có các cỗ máy biết tư duy đơn giản (common sense)”, ông nói.
Nếu lĩnh vực tiếp tục xu hướng phát triển hiện tại, sẽ cần khám phá các cách tiếp cận mới mang tính nền tảng như những khám khá của các ông trùm AI.
“Liệu chúng ta có thể dùng các phương thức mới để tạo ra trí tuệ ngang với con người hay không, muốn biết được có lẽ phải chinh phục 50 ngọn núi nữa, bao gồm cả những ngọn núi chúng ta giờ vẫn chưa nhìn thấy”, LeCun nói. “Chúng ta chỉ mới lên được ngọn núi đầu tiên hoặc có lẽ là thứ hai”.
Theo The Verge
