AI thần kinh tượng trưng: Một cỗ máy cuối cùng có thể xử lý cả logic và học tập

• tác giả:
• tên tác giả

  Tầm nhìn lượng tử
• 13 Tháng Tư, 2023

Học máy (ML) luôn là một công nghệ đầy hứa hẹn với những thách thức riêng, nhưng các nhà nghiên cứu đang tìm cách tạo ra một hệ thống dựa trên logic vượt xa dữ liệu lớn. Các hệ thống dựa trên logic được thiết kế để hoạt động với các biểu diễn và lập luận mang tính biểu tượng, có thể cung cấp một cách hiểu minh bạch và dễ hiểu hơn về quy trình ra quyết định của hệ thống. 

Bối cảnh AI tượng trưng thần kinh

Trí tuệ nhân tạo thần kinh (còn gọi là trí tuệ nhân tạo tổng hợp) kết hợp hai nhánh của trí tuệ nhân tạo (AI). Đầu tiên là AI biểu tượng, sử dụng các biểu tượng để hiểu các mối quan hệ và quy tắc (nghĩa là màu sắc và hình dạng của một đối tượng). Để AI tượng trưng hoạt động, cơ sở tri thức phải chính xác, chi tiết và đầy đủ. Yêu cầu này có nghĩa là nó không thể tự học và phụ thuộc vào chuyên môn của con người để liên tục cập nhật cơ sở tri thức. 

Thành phần khác của AI biểu tượng thần kinh là mạng lưới thần kinh sâu (deep nets) hoặc học sâu (DL). Công nghệ này sử dụng nhiều lớp nút mô phỏng tế bào thần kinh của não người để tự học xử lý các tập dữ liệu lớn. Ví dụ: mạng sâu có thể xem qua các hình ảnh khác nhau của mèo và chó để xác định chính xác đó là hình ảnh nào và chúng sẽ cải thiện theo thời gian. Tuy nhiên, điều mà deep nets không thể làm là xử lý các mối quan hệ phức tạp. Bằng cách kết hợp AI tượng trưng và mạng sâu, các nhà nghiên cứu sử dụng DL để chuyển một lượng lớn dữ liệu vào cơ sở tri thức, sau đó AI tượng trưng có thể suy luận hoặc xác định các quy tắc và mối quan hệ. Sự kết hợp này cho phép khám phá tri thức và ra quyết định hiệu quả và chính xác hơn.

Một lĩnh vực khác mà AI biểu tượng thần kinh giải quyết là quá trình đào tạo tốn kém của mạng sâu. Ngoài ra, mạng sâu có thể nhạy cảm với những thay đổi dữ liệu đầu vào nhỏ, dẫn đến lỗi phân loại. Họ cũng phải vật lộn với lý luận trừu tượng và trả lời các câu hỏi mà không có nhiều dữ liệu huấn luyện. Hơn nữa, hoạt động bên trong của các mạng này rất phức tạp và khó hiểu đối với con người, khiến việc giải thích lý do đằng sau dự đoán của họ trở thành một thách thức.

Tác động gián đoạn

Các nhà nghiên cứu từ Đại học Stanford đã tiến hành các nghiên cứu ban đầu về AI tổng hợp bằng cách sử dụng 100,000 hình ảnh của các hình dạng 3D cơ bản (hình vuông, hình cầu, hình trụ, v.v.). Sau đó, họ sử dụng các câu hỏi khác nhau để huấn luyện hệ thống lai xử lý dữ liệu và suy ra các mối quan hệ (ví dụ: các hình khối có màu đỏ không? ). Họ phát hiện ra rằng AI biểu tượng thần kinh có thể trả lời đúng những câu hỏi này với tỷ lệ 98.9%. Ngoài ra, kết hợp chỉ yêu cầu 10 phần trăm dữ liệu đào tạo để phát triển các giải pháp. 

Vì các biểu tượng hoặc quy tắc kiểm soát deep net, các nhà nghiên cứu có thể dễ dàng biết cách chúng “học” và nơi xảy ra sự cố. Trước đây, đây là một trong những điểm yếu của mạng sâu, không có khả năng bị theo dõi do các lớp mã và thuật toán phức tạp. AI biểu tượng thần kinh đang được thử nghiệm trên các phương tiện tự lái để nhận ra các vật thể trên đường và bất kỳ thay đổi nào trong môi trường. Sau đó, nó được đào tạo để phản ứng thích hợp với các yếu tố bên ngoài này. 

Tuy nhiên, có nhiều ý kiến ​​khác nhau về việc liệu sự kết hợp giữa AI tượng trưng và deep net có phải là con đường tốt nhất để hướng tới AI tiên tiến hơn hay không. Một số nhà nghiên cứu, chẳng hạn như những người từ Đại học Brown, tin rằng cách tiếp cận hỗn hợp này có thể không phù hợp với mức độ lý luận trừu tượng mà trí óc con người đạt được. Tâm trí con người có thể tạo ra các biểu tượng biểu tượng của các đối tượng và thực hiện nhiều loại suy luận khác nhau bằng cách sử dụng các biểu tượng này, sử dụng mạng lưới thần kinh sinh học mà không cần một thành phần biểu tượng chuyên dụng. Một số chuyên gia cho rằng các phương pháp thay thế, chẳng hạn như thêm các tính năng vào mạng sâu bắt chước khả năng của con người, có thể hiệu quả hơn trong việc tăng cường khả năng của AI.

Các ứng dụng cho AI biểu tượng thần kinh

Một số ứng dụng cho AI biểu tượng thần kinh có thể bao gồm:

• Các bot, chẳng hạn như chatbot, có thể hiểu rõ hơn các lệnh và động cơ của con người, tạo ra các phản hồi và dịch vụ chính xác hơn.
• Ứng dụng của nó trong các tình huống giải quyết vấn đề phức tạp và nhạy cảm hơn như chẩn đoán y tế, lập kế hoạch điều trị và phát triển thuốc. Công nghệ này cũng có thể được áp dụng để tăng tốc nghiên cứu khoa học và công nghệ cho các lĩnh vực như giao thông vận tải, năng lượng và sản xuất. 
• Việc tự động hóa các quy trình ra quyết định hiện đang yêu cầu sự đánh giá của con người. Do đó, các ứng dụng như vậy có thể dẫn đến mất đi sự đồng cảm và trách nhiệm giải trình trong một số lĩnh vực nhất định như dịch vụ khách hàng.
• Các thiết bị thông minh và trợ lý ảo trực quan hơn có thể xử lý các tình huống khác nhau, chẳng hạn như chủ động tiết kiệm điện và thực hiện các biện pháp an ninh.
• Các câu hỏi mới về đạo đức và pháp lý, chẳng hạn như các vấn đề liên quan đến quyền riêng tư, quyền sở hữu và trách nhiệm.
• Cải thiện việc ra quyết định trong chính phủ và các bối cảnh chính trị khác. Công nghệ này cũng có thể được sử dụng để gây ảnh hưởng đến dư luận thông qua quảng cáo được nhắm mục tiêu nhiều hơn và tạo ra các quảng cáo và phương tiện truyền thông siêu cá nhân hóa.

Các câu hỏi cần xem xét

• Còn bạn, bạn nghĩ AI tượng trưng thần kinh sẽ ảnh hưởng đến cuộc sống hàng ngày của chúng ta như thế nào?
• Làm thế nào công nghệ này có thể được sử dụng trong các ngành công nghiệp khác?