AI có thể học được gì từ tự nhiên

 Giáo sư Arend Hintze thuộc Đại học Bang Michigan, viết: Các khái niệm sinh học cung cấp một khuôn khổ hữu ích để suy nghĩ về một số vấn đề tính toán phức tạp nhất của thời đại chúng ta.

AI có thể học được gì từ tự nhiên

[Hình ảnh nguồn: Ideas_Studio / iStock]

HƠN NHƯ THẾ NÀY

Cách các nhà sư thời Trung cổ giúp hình thành văn phòng thời hiện đại

Tại sao cựu giám đốc điều hành BMW này lại đặt cược lớn vào việc chung sống

Nhà thiết kế này đã sửa chữa 6 trong số những sản phẩm đáng sợ nhất của Ikea

BỞI AREND HINTZE3 PHÚT ĐỌC

Nghiên cứu trí tuệ nhân tạo có rất nhiều điều để học hỏi từ tự nhiên. Công việc của tôi liên kết sinh học với tính toán mỗi ngày, nhưng gần đây phần còn lại của thế giới đã được nhắc nhở về mối liên hệ: Giải Nobel Hóa học năm 2018 đã thuộc về Frances Arnold cùng với George Smith và Gregory Winter vì đã phát triển những đột phá lớn được gọi chung là “ sự tiến hóa có định hướng . ” Một trong những công dụng của nó là cải thiện các chức năng của protein, biến chúng thành chất xúc tác tốt hơn trong sản xuất nhiên liệu sinh học. Một cách sử dụng khác là hoàn toàn bên ngoài hóa học - bên ngoài ngay cả khoa học đời sống truyền thống.

Điều đó nghe có vẻ đáng ngạc nhiên, nhưng nhiều kết quả nghiên cứu có ý nghĩa rất rộng. Đó là một phần lý do tại sao mọi nhà khoa học đều thắc mắc và hy vọng không chỉ rằng có thể họ sẽ được chọn cho giải Nobel, mà còn nhiều khả năng hơn, người chiến thắng có thể là người mà họ biết hoặc đã làm việc cùng. Trong thế giới học thuật cộng tác , điều này không quá hiếm : Năm 2002, tôi đang học dưới sự điều hành của một học giả, người đã học theo một trong ba người đồng đoạt giải Nobel Sinh lý học hoặc Y học năm đó . Năm nay, điều đó lại xảy ra - một trong những người chiến thắng đã viết một vài bài báo với một học giả mà tôi đã cộng tác .

[Hình ảnh nguồn: Ideas_Studio / iStock]

Ngoài việc thỏa mãn sự phù phiếm của bản thân, giải thưởng nhắc nhở tôi rằng các khái niệm sinh học hữu ích như thế nào đối với các vấn đề kỹ thuật. Ví dụ nổi tiếng nhất có lẽ là phát minh về dây buộc móc và vòng Velcro, lấy cảm hứng từ những đường gờ mắc vào quần của một người đàn ông khi anh ta đi bộ ngoài trời. Trong công trình của những người đoạt giải Nobel, nguyên tắc tự nhiên trong công việc là sự tiến hóa - đó cũng là cách tôi sử dụng để phát triển trí tuệ nhân tạo . Nghiên cứu của tôi dựa trên ý tưởng rằng quá trình tiến hóa dẫn đến trí thông minh chung trong các dạng sống sinh học, do đó quá trình tương tự cũng có thể được sử dụng để phát triển các hệ thống thông minh được máy tính hóa.

[Hình ảnh nguồn: Ideas_Studio / iStock]

Ví dụ: khi thiết kế hệ thống AI điều khiển ô tô ảo, bạn có thể muốn những chiếc ô tô an toàn hơn biết cách tránh nhiều chướng ngại vật - ô tô khác, cây cối, người đi xe đạp và lan can. Cách tiếp cận của tôi sẽ là đánh giá hiệu suất an toàn của một số hệ thống AI. Những cái lái xe an toàn nhất được phép sao chép – bằng cách sao chép vào một thế hệ mới.

Tuy nhiên, cũng giống như tự nhiên không tạo ra các bản sao giống hệt nhau của bố mẹ, các thuật toán di truyền trong quá trình tiến hóa tính toán cho phép các đột biến và tái tổ hợp tạo ra các biến thể ở con cái. Lựa chọn và tái tạo các trình điều khiển an toàn nhất trong mỗi thế hệ mới để tìm và nhân giống các đột biến giúp cải thiện hiệu suất. Qua nhiều thế hệ, các hệ thống AI trở nên tốt hơn thông qua cùng một phương pháp mà bản chất nó tự cải thiện – và giống như cách mà những người đoạt giải Nobel tạo ra protein tốt hơn.

[Hình ảnh nguồn: Ideas_Studio / iStock]

Trong nỗ lực tìm hiểu trí thông minh của con người, nhiều nhà nghiên cứu đang nghiên cứu để thiết kế ngược bộ não, tìm ra cách hoạt động của nó ở mọi cấp độ. Các mạng lưới gen phức tạp kiểm soát các tế bào thần kinh hình thành các lớp của tân vỏ não nằm trên đường cao tốc kết nối . Những kết nối này hỗ trợ giao tiếp giữa các vùng vỏ não khác nhau tạo nên hầu hết các chức năng nhận thức của chúng ta. Tất cả những điều này được tích hợp vào hiện tượng ý thức .

Học sâu và mạng thần kinh là những phương pháp tiếp cận dựa trên máy tính nhằm cố gắng tái tạo lại cách thức hoạt động của não - nhưng thậm chí chúng chỉ có thể đạt được hoạt động tương đương của một cụm tế bào não nhỏ hơn một khối đường . Vẫn còn rất nhiều điều để tìm hiểu về não bộ – và đó là trước khi cố gắng viết phần mềm cực kỳ phức tạp có thể mô phỏng tất cả các tương tác sinh học đó.

Tận dụng quá trình tiến hóa có thể làm cho các hệ thống trông giống như thật và vốn có kết thúc mở và sáng tạo như quá trình tiến hóa tự nhiên. Nó cũng là phương pháp luận quan trọng được sử dụng trong các thuật toán di truyền và lập trình di truyền . Sự công nhận của ủy ban giải thưởng Nobel nêu bật một công nghệ có sự tiến hóa ở cốt lõi của nó. Điều đó gián tiếp biện minh cho cách tiếp cận nghiên cứu của riêng tôi và ý tưởng rằng sự tiến hóa trong hành động là một chủ đề nghiên cứu quan trọng có tiềm năng rộng lớn.