Trong thời đại công nghệ tự đông ngày một phát triển, trong thời gian gần đây con người thường hay quan tâm đến chủ đề AI đã phát triển đến đâu? Hiện google là một trong những tập đoàn công nghệ lớn của thế giới với nhiều bộ mặt nhân tài nhà nghiên cứu Google Geoff Hinton, 69 tuổi, là một ứng cử viên giỏi.
Giáo sư Đại học Toronto, người đã tạo ra một quỹ đạo mới vào tháng 10 năm 2012. Với hai sinh viên tốt nghiệp, ông Hinton đã chỉ ra rằng một công nghệ vô cùng thời thượng mà ông đã theo đuổi hàng thập kỷ nay gọi là mạng nơ ron giả tạo cho phép một bước nhảy vọt trong khả năng hiểu được hình ảnh của máy móc. Trong vòng sáu tháng, cả ba nhà nghiên cứu đều nằm trong danh sách nhà khoa học của Google. Hôm nay mạng thần kinh phiên âm bài phát biểu của chúng tôi, nhận ra vật nuôi của chúng tôi, có một bộ óc do con người tạo ra.
Nhưng bây giờ Hinton đã bỏ bê công nghệ mà ông đã giúp mang lại cho thế giới. Ông nói: “Tôi nghĩ rằng cách thức chúng ta đang thực hiện tầm nhìn về máy tính là sai. “Nó hoạt động tốt hơn bất cứ điều gì khác hiện nay nhưng điều đó không có nghĩa là nó đúng.”
Thay vào đó, Hinton đã tiết lộ một ý tưởng “cũ” khác có thể biến đổi cách mà máy tính nhìn thấy và thay đổi hình dạng AI. Điều này quan trọng bởi vì tầm nhìn của máy tính rất quan trọng đối với các ý tưởng như tự lái xe, và có phần mềm đóng vai bác sĩ.
Cuối tuần trước, Hinton phát hành hai bài báo nghiên cứu mà ông nói chứng minh một ý tưởng mà ông đang nghiên cứu gần 40 năm. Hinton nói: “Nó có nhiều ý nghĩa trực quan với tôi trong một thời gian rất dài, nó không hoạt động tốt. “Chúng tôi cuối cùng đã có cái gì đó hoạt động tốt.”
Cách tiếp cận mới của Hinton, được gọi là mạng nang, là một sự xoắn về mạng nơron nhằm làm cho máy móc có thể hiểu được thế giới thông qua hình ảnh hoặc video. Trong một trong những bài báo được đăng hồi tuần trước, mạng của Capton đã phù hợp với độ chính xác của các kỹ thuật tốt nhất trước đây về một bài kiểm tra chuẩn về việc phần mềm có thể học cách nhận dạng chữ viết tay.
Trong lần thứ hai, mạng nang gần như giảm một nửa tỷ lệ lỗi tốt nhất trước đó trong một bài kiểm tra nhằm thách thức phần mềm nhận dạng các đồ chơi như xe tải và xe ô tô từ những góc độ khác nhau. Hinton đã làm việc với kỹ thuật mới của mình với hai đồng nghiệp tại văn phòng Toronto của Google.
Các mạng lưới các nơ-ron nhằm mục đích khắc phục điểm yếu của các hệ thống máy học ngày nay làm hạn chế hiệu quả của nó. Phần mềm nhận dạng hình ảnh được Google và những người khác sử dụng ngày nay cần một số lượng lớn các bức ảnh ví dụ để tìm hiểu cách nhận diện đối tượng một cách đáng tin cậy trong mọi tình huống. Đó là bởi vì phần mềm không phải là rất tốt trong việc tổng quát hóa những gì nó học được trong các kịch bản mới, ví dụ như hiểu được một đối tượng là như nhau khi nhìn từ một quan điểm mới.
Ví dụ, để dạy một máy tính để nhận ra một con mèo ở nhiều góc độ, có thể yêu cầu hàng ngàn bức ảnh có nhiều quan điểm khác nhau. Con người không cần đào tạo rõ ràng và rộng rãi như vậy để học cách nhận ra một con vật cưng của gia đình.
Ý tưởng của Hinton để thu hẹp khoảng cách giữa các hệ thống AI tốt nhất và trẻ mới biết đi bình thường là xây dựng một ít kiến thức về thế giới vào phần mềm máy tính. Các nhóm nhỏ các nơ-ron ảo ảo – được thiết kế để theo dõi các phần khác nhau của một vật thể, chẳng hạn như mũi và tai của mèo, và vị trí tương đối của chúng trong không gian. Một mạng lưới nhiều viên nang có thể sử dụng nhận thức đó để hiểu khi nào một cảnh tượng mới thực sự là một cái nhìn khác về cái gì nó đã thấy trước đó.
Hinton đã hình thành trực giác của mình rằng các hệ thống thị giác cần một cảm giác như vậy của hình học vào năm 1979, khi ông cố gắng tìm ra con người sử dụng hình ảnh tinh thần như thế nào. Lần đầu tiên ông đặt ra thiết kế sơ bộ cho các mạng lưới nang trong năm 2011. Hình ảnh đầy đủ hơn được phát hành vào tuần trước đã được các nhà nghiên cứu trong lĩnh vực này dự đoán lâu. Kyunghyun Cho, giáo sư tại trường Đại học New York, người làm việc trong lĩnh vực nhận dạng hình ảnh, nói: “Mọi người đều đang chờ đợi nó và tìm kiếm bước nhảy vọt vĩ đại tiếp theo từ Geoff.
Còn quá sớm để nói về một bước nhảy vọt mà Hinton đã làm – và anh ta biết điều đó. Cựu chiến binh kỳ cựu này đã lặng lẽ chào mừng rằng trực giác của ông bây giờ được hỗ trợ bởi bằng chứng, để giải thích rằng các mạng nơ-ron vẫn cần được chứng minh trên các bộ sưu tập hình ảnh lớn và việc thực hiện hiện tại chậm so với phần mềm nhận dạng hình ảnh hiện có.
Hinton lạc quan rằng ông có thể giải quyết những thiếu sót đó. Những người khác trong lĩnh vực này cũng hy vọng về ý tưởng đã trưởng thành của mình.
Roland Memisevic, người đồng sáng lập công nghệ nhận dạng hình ảnh Twenty Billion Neurons, và giáo sư tại Đại học Montreal, cho biết thiết kế cơ bản của Hinton có khả năng thu nhận sự hiểu biết nhiều hơn từ một lượng dữ liệu nhất định so với các hệ thống hiện có. Nếu được chứng minh ở quy mô, điều đó có thể hữu ích trong các lĩnh vực như chăm sóc sức khoẻ, nơi mà dữ liệu hình ảnh để đào tạo hệ thống truyền dịch là rất hiếm hoi so với khối lượng lớn các dịch vụ sẵn có trên Internet.
Theo một số cách, các mạng lưới các nang tràng là một sự khởi đầu từ một xu hướng gần đây về nghiên cứu cúm gia cầm. Một giải thích về sự thành công gần đây của mạng nơron là con người nên mã hoá ít nhất là những kiến thức về phần mềm AI, và thay vào đó làm cho họ hiểu được mọi thứ từ đầu. Gary Marcus, giáo sư tâm lý tại NYU, người đã bán phần mềm AI cho Uber năm ngoái, cho biết đại diện công việc mới nhất của Hinton
(Người viết: internet việt nam)