Đầu tư cho trí tuệ nhân tạo: hãy thận trọng

Trong một nghiên cứu được công bố trên tạp chí Nature Machine Intelligence, các nhà nghiên cứu của UW đã phát hiện ra rằng, trái với trí tuệ con người, không có bất cứ phương pháp chính xác nào có thể đánh giá và quyết định liệu một vấn đề có thể được giải quyết thành công bằng các công cụ máy học hay không.

"Chúng ta phải bắt đầu một cách thận trọng", Shai Ben-David, tác giả chính của nghiên cứu và là giáo sư tại Trường Khoa học Máy tính thuộc UW nói. "Sự thành công của các công cụ trí tuệ nhân tạo đã biến nó trở thành một xu hướng lớn, nhưng không ai hiểu tại sao chúng lại thành công và không ai có thể đảm bảo rằng chúng sẽ tiếp tục thành công. Trong các tình huống chỉ cần 2 đáp án có hoặc không, chúng ta có thể biết chính xác những gì có thể hoặc không thể thực hiện được bằng thuật toán máy học. Tuy nhiên, khi gặp phải các tình huống chung chung, chúng ta không thể phân biệt được câu hỏi nào máy học có thể học và không thể học."

Trong nghiên cứu, Ben-David và các đồng nghiệp của ông đã xem xét một mô hình học có tên gọi ước tính mức tối đa (EMX). Đây là mô hình học tập chứa đựng nhiều câu hỏi máy học chung chung, ví dụ như câu "Xác định nơi tốt nhất để đặt các thiết bị phân phối giúp tối ưu hóa khả năng tiếp cận người tiêu dùng tiềm năng trong tương lai". Kết quả cho thấy, không có phương pháp toán học nào có thể đưa ra một kết quả chính xác đối với loại câu hỏi chung chung này. Vậy, liệu một công cụ dựa trên trí tuệ nhân tạo có thể xử lý câu hỏi đó hay không.

"Phát hiện này gây ngạc nhiên cho cộng đồng nghiên cứu, vì từ lâu người ta vẫn tin rằng, một khi cung cấp đầy đủ và chính xác những mô tả về một nhiệm vụ, thì có thể xác định liệu các thuật toán học máy có thể học và thực hiện nhiệm vụ đó hay không", Ben-David cho biết.