Sự phát triển của AI củng giống như sự phát triển của năng lượng hạt nhân. Luôn có những tiềm ẩn nguy hiểm từ những công nghệ mang tính đột phá này. AI là một điều đặc biệt mà con người đã tạo ra trong thế kỷ này nhưng những lo lắng về nó không ngớt.
Geoffrey Hinton, chủ nhân giải Nobel Vật lý 2024, được mệnh danh là cha đỡ đầu của AI, lo lắng về khả năng AI thông minh vượt con người.
“Ông được coi là một trong những nhân vật quan trọng nhất lịch sử trí tuệ nhân tạo (AI) – một nhà lãnh đạo có tầm nhìn đã góp phần định hình tương lai của AI”. Đây là đánh giá tích cực mà Gemini, tên cũ là Bard – chatbot AI do Google phát triển, dành cho nhà khoa học máy tính người Anh Geoffrey Hinton. Được mệnh danh là “cha đỡ đầu” của AI, ông cùng nhà khoa học John J. Hopfield vừa trở thành chủ nhân giải Nobel Vật lý năm nay nhờ những đóng góp lớn cho công nghệ học máy.
Hinton từng gây chú ý lớn khi rời Google năm 2023, nêu lên sự lo ngại về làn sóng thông tin sai lệch, khả năng AI làm đảo lộn thị trường việc làm và rủi ro hiện hữu mà việc tạo ra trí thông minh kỹ thuật số thực sự gây ra.
Năm nay, khi được Viện Hàn lâm Khoa học Hoàng gia Thụy Điển vinh danh là chủ nhân giải Nobel Vật lý, Hinton vô cùng ngạc nhiên. Khi được hỏi về tiềm năng của công nghệ mà mình góp phần phát triển, ông nói “AI sẽ có ảnh hưởng to lớn” đến xã hội.
“Nó có thể so sánh với cuộc cách mạng công nghiệp. Nhưng thay vì vượt trội hơn con người về sức mạnh thể chất, nó sẽ vượt con người về khả năng trí tuệ. Chúng ta không có kinh nghiệm về chuyện sẽ xảy ra khi có những thứ thông minh hơn con người”, ông nói trong cuộc phỏng vấn qua điện thoại sau thông báo về giải Nobel.
Hinton chào đời tại Wimbledon, London, Anh năm 1947. Con đường mà Hinton theo đuổi có lẽ là tất yếu, vì ông xuất thân từ một gia đình giàu truyền thống khoa học. Cụ của ông, George Boole, là nhà toán học phát minh ra đại số Boolean, đặt nền móng cho máy tính hiện đại. Chị em họ của ông, Joan Hinton, là nhà vật lý hạt nhân từng làm việc trong Dự án Manhattan, dự án chế tạo vũ khí hạt nhân đầu tiên trên thế giới trong Thế chiến II. Cha ông là Geoffrey Taylor, một học giả được kính trọng, thành viên của Hội Hoàng gia (Hội Hoàng gia London về Nâng cao Kiến thức Tự nhiên) – viện hàn lâm khoa học lâu đời nhất thế giới.
Hinton từng nhớ lại lời mẹ đã nói với mình khi còn nhỏ: “Hãy trở thành học giả hoặc là kẻ thất bại”. Và dường như ông đã làm đúng theo lời khuyên này.
Hinton theo học tại Đại học Cambridge và chuyển đổi giữa các ngành sinh lý học, triết học, vật lý trước khi lấy bằng tâm lý học thực nghiệm vào năm 1970. Sau đó, ông theo học tại Đại học Edinburgh và nhận bằng tiến sĩ về AI vào năm 1978. Dù bị các giáo sư can ngăn, Hinton vẫn quyết định phát triển mạng máy tính phi truyền thống mô phỏng theo các nút thần kinh và cấu trúc của não người. Ông bắt đầu nghiên cứu những hệ thống gọi là “mạng thần kinh nhân tạo” và hoàn thành nghiên cứu sau tiến sĩ tại Đại học California, San Diego.
Năm 1982, Hinton tham gia giảng dạy tại Đại học Carnegie Mellon. Tại đây, ông làm việc với nhà tâm lý học David Rumelhart và nhà khoa học máy tính Ronald J. Williams để phát triển một thuật toán hoạt động ngược từ đầu ra đến đầu vào khi đo đạc lỗi. Quá trình này gọi là “lan truyền ngược” và được bộ ba công bố vào năm 1986 trong một bài nghiên cứu có tầm ảnh hưởng lớn, giúp đặt nền móng cho sự phát triển của mạng thần kinh nhân tạo.
Lan truyền ngược là một kỹ thuật đào tạo mạng thần kinh, được ca ngợi là “mảnh ghép toán học còn thiếu” giúp cải tiến nhanh công nghệ học máy. Nhờ kỹ thuật này, con người không cần liên tục mày mò với các mạng thần kinh để nâng cao hiệu suất mà chúng có thể tự làm điều đó. Đây là yếu tố then chốt với các chatbot mà hiện nay, hàng triệu người đang sử dụng hàng ngày. Mỗi chatbot đều dựa vào cấu trúc mạng thần kinh được đào tạo trên lượng lớn dữ liệu văn bản để diễn giải câu lệnh và tạo phản hồi.
Chính chatbot nổi tiếng ChatGPT cũng nhận thức rõ tầm quan trọng của lan truyền ngược đối với sự phát triển của mình. Nó miêu tả kỹ thuật này là một “bước đột phá then chốt giúp ChatGPT điều chỉnh các tham số để những dự đoán hay phản hồi trở nên chính xác hơn theo thời gian”.
