Xây dựng trung tâm tri thức bằng trí tuệ nhân tạo

1012

Mùa thu hàng năm, GE Global Research đều tổ chức hội nghị khoa học Whitney Symposium để xác nhận các xu hướng công nghệ mới. Hội nghị năm ngoái đề cao các ứng dụng công nghiệp của trí tuệ nhân tạo. Chúng tôi đã thảo luận với Mark Grabb và Achalesh Pandey, hai nhà khoa học hiện đang nghiên cứu cách áp dụng trí tuệ nhân tạo cho động cơ phản lực, máy quét y tế và các loại máy khác tại GE. Dưới đây là nội dung (đã biên tập) của buổi thảo luận này.

GE Reports (GER): Trí tuệ nhân tạo đã được nghiên cứu hàng thập kỷ. Điều gì khiến nghiên cứu lần này thú vị hơn?

Achalesh Pandey (AP): Một trong những lý do là có lượng dữ liệu khổng lồ và khả năng xử lý thông tin mạnh mẽ của máy tính. Ngoài ra, đã xuất hiện sự thay đổi hoàn toàn trong lĩnh vực “deep learning” Nhìn vào Siri từ Apple, Alexa từ Amazon hay Google Now, bạn sẽ thấy được những tiến bộ của công nghệ nhận diện giọng nói. Điều tương tự đang diễn ra với công nghệ nhận diện hình ảnh và video.

Mark Grabb (MG): Chúng ta cũng bắt đầu thấy những ứng dụng mà ở đó công nghệ trí tuệ nhân tạo trở thành một “hệ thống sống” với khả năng học hỏi liên tục. Hiện đang có một kết cấu phân tích mới được sử dụng cho trí tuệ nhân tạo. Chúng ta bắt đầu thấy có sự tăng trưởng trong hiệu suất bằng cách kết hợp “deep learning”, “reinforcement learning” và con người trong vòng lặp điều chỉnh hệ thống. Khi người dùng đã có kinh nghiệm sử dụng và hệ thống được đưa vào hoạt động, người ta thậm chí sẽ không nhận ra là mình đang điều chỉnh hệ thống.

Deep learning và reinforcement learning

Theo Wikipedia, “deep learning” là thuật toán dựa trên một số ý tưởng từ não bộ tới việc tiếp thu nhiều tầng biểu đạt, cả cụ thể lẫn trừu tượng, qua đó làm rõ nghĩa của các loại dữ liệu.

Còn “reinforcement learning” là một lĩnh vực con của machine learning, nghiên cứu cách thức một trung gian hoạt động trong một môi trường nên chọn thực hiện các hành động nào để cực đại hóa một khoản thưởng nào đó về lâu dài. Các thuật toán học tăng cường cố gắng tìm một chiến lược ánh xạ các trạng thái của thế giới tới các hành động mà agent nên chọn trong các trạng thái đó.

Machine learning (một số tài liệu dịch là Học máy hoặc Máy học) là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống tự động “học” từ dữ liệu để giải quyết những vấn đề cụ thể. Ví dụ, các máy có thể “học” cách phân loại thư điện tử xem có phải thư rác (spam) hay không và tự động xếp thư vào thư mục tương ứng. Học máy rất gần với suy diễn thống kê tuy có khác nhau về thuật ngữ.

GER: Liệu các ông có thể nêu một ví dụ về sự cộng sinh giữa máy móc và con người?

MG: Ví dụ đầu tiên chính là hành động tìm kiếm trên công cụ Google. Khi nhìn vào các kết quả tìm kiếm và chọn ra kết quả phù hợp nhất với từ khóa, bạn đã trở thành phần con người trong vòng lặp “learning”.

AP: Bạn có thể “dạy” Alexa cách nhận diện mẫu giọng và ngữ điệu của mình. Alexa sẽ chuyển đổi giọng nói này thành dòng chữ và tìm kiếm trong kho dữ liệu để trả lời hoặc thực hiện yêu cầu. Amazon Echo, được tích hợp Alexa, hiện đang được dùng trong bóng đèn điều khiển bằng giọng nói của GE, điều khiển máy rửa bát, lò nướng, máy giặt và nhiều đồ gia dụng khác.

GER: Còn những máy móc lớn thì sao? Làm sao để áp dụng trí tuệ nhân tạo vào một tua-bin gas?

MG: Nguyên lý ứng dụng là tương tự. Tại GE, chúng tôi đang viết ra những phần mềm như Predix, một hệ điều hành dành cho thiết bị máy móc trên nền điện toán đám mây; phần mềm này cho phép chúng tôi kết nối chúng với Internet Công nghiệp. Nhưng chúng tôi còn có một số lượng khổng lồ các hệ chuyên gia. Cần rất nhiều lĩnh vực kiến thức để phát triển các hình mẫu phân tích và “machine learning”. Chúng tôi đã xây dựng những hệ thống trí tuệ nhân tạo giúp các nhà khoa học phát triển lĩnh vực tri thức nhanh hơn và hiệu quả hơn thông qua việc sử dụng các hình mẫu này của tất cả mọi người trong GE. Vậy nên, trí tuệ nhân tạo xuất hiện ngay trong quá trình phát triển phương thức phân tích dữ liệu.

Sản xuẩt và dịch vụ là tổ hợp ứng dụng quan trọng tiếp theo. Một hệ thống trí tuệ nhân tạo sẽ có thể cung cấp cho người công nhân đủ dữ liệu và kiến thức để đưa ra một quyết định đủ thông tin – ví dụ như việc loại bỏ hay sửa chữa một cánh quạt tua-bin. Quyền ra quyết định cuối cùng sẽ vẫn thuộc về con người dựa trên chuyên môn của họ. Dữ liệu đã thu thập sẽ được đưa vào một vòng lặp để giúp hệ thống ngày càng thông minh hơn, cung cấp những kiến thức, gợi ý ngày càng sáng suốt hơn trong những lần sau.

Cuối cùng là hệ thống trí tuệ nhân tạo “máy – trong – máy”. Điều này có thể bắt đầu với khả năng nhìn của máy tính. Ví dụ, khi máy có thể nhìn thấy, nó có thể nhặt lấy một vật và chuyển đi nơi khác. Và đó mới chỉ là bước đầu.

AP: Chúng ta cũng có thể sử dụng trí tuệ nhân tạo để thiết kế, xây dựng và hoạt động mọi thứ một cách thông minh hơn. Trí tuệ nhân tạo sẽ giúp chúng ta loại bỏ thời gian chết của các nhà máy và giúp các khách hàng như bệnh viện sử dụng máy quét y tế theo phương thức tối ưu hơn, xét nghiệm được nhiều bệnh nhân hơn.

Chúng tôi đã bắt đầu tạo ra những bản sao máy móc trên các đám mây dữ liệu. Đó có thể là bất cứ máy móc nào – một máy quét MRI, một động cơ máy bay hay một nhà máy phong điện. Chúng tôi gọi đây là bản song sinh số. Sau đó, chúng tôi có thể chạy mô phỏng để từ đó tối ưu hóa các hoạt động với những kết quả khác nhau.

GER: Nghĩa là GE đang xây dựng một nhà máy kết quả?

MG: Chính xác. Đó là một nhà máy dữ liệu. Hãy xem cách Google hoạt động và cách GE đang làm để kết nối máy móc với internet. Chúng tôi đang phát triển một loại máy phân tích để cùng tối ưu hóa tất cả đầu ra của bạn. Nó có các cổng thông tin trí tuệ nhân tạo để mọi người cung cấp các chỉ dẫn và cũng để nhận được chỉ dẫn khi các điều kiện tối ưu thay đổi. Chúng tôi cho rằng đây là hướng đi của công nghệ phân tích.

AP: Nền tảng Predix của chúng tôi sẽ trở thành công cụ trung gian kết nối tri thức. Con người sẽ có thể giao tiếp với hệ thống này và trao đổi thông tin. Sau những hành động lặp đi lặp lại, chúng ta sẽ tìm ra giải pháp chính xác nhất. Hệ thống này sẽ mở với tất cả mọi người. Có thể nói là chúng tôi đang dân chủ hóa dữ liệu khoa học và lĩnh vực kiến thức, và phát triển một hệ thống mà các bên có thể hoạt động cộng sinh ở một mức nhất định. Chúng tôi đang xây dựng một trung tâm kiến thức. Tôi nghĩ đó chính là tương lai.

GER: Ông còn thấy điều gì nữa trong tương lai?

AP: Tôi tin rằng trong 5 năm tới, trí tuệ nhân tạo sẽ bắt đầu bổ sung vào máy móc. Cuối cùng, máy móc sẽ thông minh tới mức chúng có thể tự hợp tác và tối ưu hóa mọi thứ. Đó chính là miền cực lạc.

Nguồn: GEReports.com

BÌNH LUẬN CỦA BẠN