Các nhà đầu tư đang đổ tiền vào trí tuệ nhân tạo, bất chấp những thất bại rõ ràng trong lĩnh vực ô tô tự lái, mạng xã hội và thậm chí là chăm sóc sức khỏe.
Người đồng sáng lập Facebook, Mark Zuckerberg và Giám đốc điều hành Elon Musk của Tesla có điểm gì chung? Cả hai đều đang phải vật lộn với những vấn đề lớn xuất phát một phần từ việc đặt niềm tin vào các hệ thống trí tuệ nhân tạo chưa thực sự hoàn thiện. Zuckerberg đang đối phó với các thuật toán không ngăn chặn được sự lan truyền của nội dung có hại; Musk với phần mềm vẫn chưa thể lái một chiếc ô tô theo những cách mà ông đã hứa.
Có một bài học rút ra từ kinh nghiệm của họ: AI vẫn chưa sẵn sàng cho thời điểm quan trọng. Hơn nữa, thật khó để biết khi nào nó sẽ đến. Các công ty nên cân nhắc việc tập trung vào việc thu thập dữ liệu chất lượng cao và thuê người làm công việc mà AI chưa sẵn sàng làm.
AI đang bị thổi phồng quá mức
Được thiết kế để mô phỏng não người một cách lỏng lẻo, hệ thống AI học sâu có thể phát hiện khối u, lái xe ô tô và viết văn bản, cho thấy kết quả ngoạn mục trong môi trường phòng thí nghiệm. Nhưng đó chỉ là thử nghiệm. Khi sử dụng công nghệ trong thế giới thực không thể đoán trước, đôi khi AI gây thất vọng. Điều đó thật đáng lo ngại khi nó được chào mời để sử dụng trong các ứng dụng có độ khó cao như chăm sóc sức khỏe.

Độ khó cũng cao tương tự với mạng xã hội, nơi mà nội dung có thể ảnh hưởng đến các cuộc bầu cử và gây rối loạn sức khỏe tâm thần, như được tiết lộ trong một vụ rò rỉ tài liệu nội bộ gần đây. Nhưng niềm tin của Facebook vào AI vẫn được thể hiện rõ ràng trên chính trang web của mình, nơi họ thường làm nổi bật các thuật toán học máy trước khi đề cập đến đội quân người kiểm duyệt nội dung. Zuckerberg cũng nói với Quốc hội vào năm 2018 rằng các công cụ AI sẽ là “cách có thể mở rộng” để xác định nội dung có hại. Những công cụ đó làm rất tốt việc phát hiện ảnh khỏa thân và nội dung liên quan đến khủng bố, nhưng chúng vẫn chật vật trong việc ngăn chặn lan truyền thông tin sai lệch.
Vấn đề là ngôn ngữ của con người luôn thay đổi. Các nhà vận động chống vắc-xin sử dụng các thủ thuật như gõ “va ((ine”) để tránh bị phát hiện, trong khi những người bán súng tư nhân đăng hình ảnh các hộp rỗng trên Facebook Marketplace với mô tả “PM cho tôi”. Và điều tệ hơn là AI cũng thường đề xuất nội dung đó.
Không quá ngạc nhiên khi khoảng 15.000 người kiểm duyệt nội dung được thuê để hỗ trợ các thuật toán của Facebook đang làm việc quá sức. Năm ngoái, một nghiên cứu của Trường Kinh doanh Stern thuộc Đại học New York đã khuyến nghị Facebook tăng gấp đôi số nhân viên đó lên 30.000 người để giám sát các bài đăng đúng cách nếu AI không đáp ứng được nhiệm vụ. Về phần mình, Zuckerberg đã nói với các nhà lập pháp rằng rất khó để AI kiểm duyệt các bài đăng vì các sắc thái của lời nói.
Việc Musk quảng cáo quá mức về AI trên thực tế đã trở thành huyền thoại. Vào năm 2019, ông nói với các nhà đầu tư Tesla rằng mình “cảm thấy rất tự tin” sẽ có một triệu chiếc Model 3 trên đường phố dưới dạng robot điều khiển không người lái. Khung thời gian là năm 2020. Còn hiện tại, khách hàng của Tesla chỉ phải trả 10.000 đô-la cho phần mềm đặc biệt mà một ngày nào đó (mà không ai biết là ngày nào) sẽ cung cấp khả năng lái xe hoàn toàn tự động. Musk gần đây đã phải thừa nhận trong một tweet rằng công nghệ tự lái nói chung là “một vấn đề khó khăn”.

Đáng ngạc nhiên hơn: AI cũng đang gây thất vọng trong lĩnh vực chăm sóc sức khỏe, một lĩnh vực có nhiều hứa hẹn nhất đối với công nghệ. Đầu năm nay, một nghiên cứu trên tạp chí Nature đã phân tích hàng chục mô hình học máy được thiết kế để phát hiện các dấu hiệu của COVID-19 trong chụp X-quang và chụp CT. Nó phát hiện ra rằng không có loại nào có thể được sử dụng để chẩn đoán lâm sàng do nhiều sai sót khác nhau.
Một nghiên cứu khác được công bố vào tháng trước trên Tạp chí Y khoa Anh cho thấy 94% hệ thống AI quét các dấu hiệu của ung thư vú kém chính xác hơn so với phân tích của một bác sĩ X-quang duy nhất. Sian Taylor-Phillips, một giáo sư về sức khỏe dân số tại Đại học Warwick, người cũng điều hành nghiên cứu cho biết: “Đã có rất nhiều sự phóng đại về việc [quét AI trong X-quang] sắp xảy ra, nhưng khoảng cách đến thực tế của nó vẫn còn rất xa.”
Tuy nhiên, không một dấu hiệu nào trong số những dấu hiệu đỏ này ngăn chặn được dòng tiền đổ vào AI. Đầu tư mạo hiểm toàn cầu vào các công ty khởi nghiệp AI đã tăng vọt trong năm qua sau khi tăng ổn định. Theo một phân tích về bảng điểm của Bloomberg, đề cập đến “trí tuệ nhân tạo” trong các cuộc gọi thu nhập doanh nghiệp đã tăng đều đặn trong thập kỷ qua và không có dấu hiệu giảm nhiệt.
Dữ liệu mới là thứ cần đầu tư nghiêm túc
Với tất cả khoản đầu tư này, tại sao AI lại không như chúng ta hy vọng? Một phần của vấn đề là sự phóng đại quá mức của tiếp thị công nghệ. Nhưng bản thân các nhà khoa học AI cũng có thể phải chịu một phần lỗi.
Các hệ thống dựa vào hai điều: một mô hình hoạt động và dữ liệu cơ bản để đào tạo mô hình đó. Để xây dựng AI tốt, các lập trình viên cần dành phần lớn thời gian vào dữ liệu để thu thập, phân loại và làm sạch nó. Đó là công việc buồn tẻ và khó khăn. Người ta cho rằng nó cũng bị cộng đồng học máy ngày nay bỏ quên, khi các nhà khoa học đặt nhiều giá trị và uy tín hơn vào sự phức tạp của kiến trúc AI hoặc mức độ phức tạp của một mô hình.

Kết quả là: Các bộ dữ liệu phổ biến nhất được sử dụng để xây dựng hệ thống AI, chẳng hạn như thị giác máy tính và xử lý ngôn ngữ, chứa đầy lỗi, theo một nghiên cứu gần đây của các nhà khoa học tại MIT. Trên thực tế, văn hóa tập trung vào việc xây dựng mô hình phức tạp đang kìm hãm AI.
Nhưng cũng có những dấu hiệu thay đổi đáng khích lệ. Các nhà khoa học tại Google gần đây đã phàn nàn về vấn đề mô hình so với dữ liệu trong một bài báo hội nghị và đề xuất các cách tạo thêm động lực để khắc phục vấn đề này.
Các doanh nghiệp cũng đang chuyển trọng tâm của họ khỏi các nhà cung cấp “AI như một dịch vụ”, thay vào đó, họ đang chi nhiều tiền hơn cho phần mềm chuẩn bị dữ liệu, theo Brendan Burke, nhà phân tích cấp cao của PitchBook. Các công ty thuần AI như Palantir Technologies và C3.ai “đã đạt được kết quả kém nổi bật”, trong khi những công ty khoa học dữ liệu như Databricks “đang đạt được định giá cao hơn và kết quả vượt trội hơn”.
Người dùng có thể tặc lưỡi cho qua những sai sót vụn vặt của AI trong việc đề xuất phim hoặc mở khóa điện thoại thông minh bằng khuôn mặt. Nhưng trong các lĩnh vực như chăm sóc sức khỏe và nội dung truyền thông xã hội, nó vẫn cần được đào tạo nhiều hơn với nguồn dữ liệu tốt hơn. Thay vì cố gắng làm cho AI hiệu quả ngay lập tức, các doanh nghiệp cần đặt nền tảng với dữ liệu và con người để làm cho nó hoạt động hiệu quả (hy vọng) trong tương lai không xa.
Nguồn: Bloomberg
Bài viết liên quan