Deep learning đang chạm đến giới hạn
(nautil.us)-
Những giới hạn được bài viết nêu ra gồm: GPT-3 không thực sự hiểu câu văn mà chỉ tập trung vào việc nối tiếp chúng một cách tự nhiên. Mô hình lái xe tự động của Tesla không phân biệt được một người cầm biển báo STOP. Nó phân loại một chiếc xe buýt bị chôn trong tuyết là xe dọn tuyết. Nguyên nhân là vì deep learning không suy nghĩ mà ghi nhớ rồi sau đó phân loại.
-
Vì thế, trong những lĩnh vực không mang tính sống còn và đã được quyết định sẵn, nơi có thể dự đoán kết quả tiếp theo, deep learning cho thấy hiệu quả vượt trội. Nhưng ở những lĩnh vực không như vậy thì có rất nhiều vấn đề. Tác giả lấy NetHack làm ví dụ. Người ta đã thử nghiệm hai loại AI để chơi và phá đảo trò chơi này: AI cổ điển và AI deep learning. Kết quả là AI cổ điển cho thấy hiệu năng vượt trội hơn.
-
AI cổ điển, tức symbolic AI, có thể hiểu ý nghĩa và tiến hành dựa trên đó. Vì vậy, ngay cả khi xuất hiện mẫu mới, nó cũng phản ứng nhanh. Trong khi đó, deep learning hữu ích khi phân loại những khoảng trống trong những gì đã có sẵn, nhưng lại không xử lý tốt các hầm ngục được tạo tự động. Bởi vì nó không thể biết những thứ đó mang ý nghĩa gì.
-
Giải pháp thay thế mà tác giả đề xuất là hybrid AI. ( Tham khảo: Nhìn tương lai của AI qua quá khứ của AI - MIT Technology Review ) Đó là vượt qua giới hạn của AI deep learning bằng phân tích biểu tượng và các quy tắc có thể định nghĩa của AI cổ điển. Làm như vậy có thể giúp kiểm soát nguyên nhân của cơ chế vận hành bên trong, đồng thời xử lý chính xác hơn các mối quan hệ cục bộ và tổng thể.
-
Kiểu AI này không chỉ tồn tại trong lập luận của tác giả; AlphaGo và AlphaFold2 cũng là hybrid AI. Các doanh nghiệp khác cũng đang đi theo hướng đó.
2 bình luận
Tôi đang băn khoăn không biết nên tóm tắt thế nào để đăng lên, nên định chỉ viết phần giới thiệu tác giả như bên dưới.. cảm ơn nhé haha
Đây là bài viết của Gary Marcus, CEO của Robust AI và là tác giả cuốn sách Rebooting AI.
Bài viết này đề cập đến rất nhiều khía cạnh và cũng có rất nhiều chỗ thú vị nên không dễ để tóm lược. Vì vậy, tôi chỉ tóm tắt ngắn gọn mạch suy nghĩ của tác giả về lý do vì sao cần AI lai.
Trong bài còn nói về mối quan hệ và cuộc giằng co (...) giữa AI deep learning và AI truyền thống, cùng nhiều câu chuyện thú vị khác, nên nếu ai chưa đọc bài gốc thì tôi rất mong mọi người cũng thử đọc. (__ )/