Nhà nghiên cứu Geoffrey Hinton thường được gọi là "Bố già AI". Ảnh: Đại học Toronto
Nhà khoa học người Anh - Canada Geoffrey Hinton và nhà vật lý người Mỹ John Hopfield trở thành học giả đoạt 🔜giải Nobel Vật lý 2024 nhờ "phát hiện và phát minh cho phép học máy với mạng nơ-ron nhân tạo.
Mark van der Wilk, chuyên gia về học máy ở Đại học Oxford, cho biết mạng nơ-ron nhân tạo là một cấu trúc toán lấy cảm hứng từ não người. Não người có mạng lưới tế bào gọi là nơ-ron, phản ứng trước những kích thích bên ngoài nh🍰ư thứ mắt nhìn thấy hay tai nghe được thông qua truyền tín hiệu cho nhau. Khi chúng ta học hỏi, một số kết nối giữ🥃a các nơ-ron trở nên mạnh hơn trong khi số khác yếu đi.
Khác với máy tính thông thường hoạt động giống như đọc một công thức hơn, mạng nơ-ron nhân tạo mô phỏng quá trình này. Nơ-ron sinh học được thay thế bằng tính toá🦩n đơn giải gọi là "nút" và kích thích mà chúng học hỏi được🤪 thay thế bằng dữ liệu huấn luyện. Giới nghiên cứu cho rằng điều đó cho phép mạng lưới học hỏi theo thời gian, dẫn tới sự ra đời của thuật ngữ học máy.
Trước khi máy móc có thể học hỏi, chúng cần một đặc điểm khác của con người là trí nhớ. Hopfield phát triển mạn♉g Hopfield hay còn gọi là bộ nhớ liên kết vào đầu thập niên 1980. Ý tưởng phía sau mạng Hopfield là khi một mạng nơ-ron nhân tạo nhận thông tin sai lệch đôi chút, nó có thể rà soát qua mô hình đã lưu trữ trước đó để tìm dữ🥂 liệu phù hợp nhất. Đây là một bước tiến quan trọng dẫn tới sự ra đời của AI.
Năm 1985, Hinton công bố cỗ máy Boltzmann, đóng góp riêng của ông cho lĩnh vực học máy. Đặt theo tên nhà vật lý thế kỷ 19 là Ludwig Boltzmann, thiết kế này sử dụng yếu tố ngẫu nhiên. Tính ngẫu nhiên này chính là lý do công cụ tạo ảnh AI ngày nay có thể sản sinh vô số biến thể từ cùng một gợi ý. Hinton cũng chứng minh mạng nơ-ron càng có nhiều lớp, hành vi của n🎀ó càng phức tạp và việc học hỏi hiệu quả một hành vi mong muốn sẽ dễ dàng hơn.
Bất chấp những ý tưởng đột phá trên, nhiều nhà khoa học mất hứng thú với học máy vào thập niên 1990. Học máy đòi hỏi những máy tính cực mạnh có thể xử lý lượng thông tin khổng lồ. Nó cũng cần hàng triệu ảnh chụp cho để thuật toán có thể phân biệt giữa chó và mèo. Mãi tới thập niên 2010, một làn sóng đột phá cách mạng hóa mọi thứ liên quan tới xử lý hình ảnh và ngôn ngữ tự nhiên diễn ra. Từ đọc ảnh scan y tế tới điều khiển xe tự lái, từ dự báo thời tiế꧟t tới tạo ra sản phẩm deepfake, những ứng dụng của AI hiện nay quá nhiều để có thể kể hết.
Hin🌺ton từng đoạt giải Turing, giải thưởng được ví như Nobel về khoa học máy tính. Nhưng một số chuyên gia cho rằng ông xứng đáng giành giải Nobel trong lĩnh vực Vật lý do nghiên cứu khoa học mở đường cho AI. Nhà nghiên cứu người Pháp Damien Querlioz chỉ ra những thuật toán này ban đầu lấy cảm hứng từ vật lý, thông qua đặt khái niệm năng lượng vào lĩnh vực𓂃 máy tính.
An Khang (Theo AFP)