Trí tuệ nhân tạo và thế giới thực
Máy tính thông minh cũng hoàn hảo như những người dạy nó.
Robert Ito
Trong ba mùa hè vừa qua, khoảng 24 người muốn trở thành nhà khoa học máy tính đã đến đại học Stanford để tìm hiểu về trí thông minh nhân tạo (AI) từ một vài bộ óc vĩ đại nhất trong ngành này. Vượt qua hàng trăm ứng viên, những người tham dự đã dành một ngày để ghé thăm những công ty công nghệ ở gần đó, tương tác với những rô-bốt có khả năng giao tiếp và máy bay không người lái. Họ cũng được tìm hiểu về ngôn ngữ học máy tính (ví dụ: máy tính sẽ làm thế nào khi một từ có nhiều nghĩa), cũng như tầm quan trọng của việc quản lý thời gian (rất quan trọng). Họ chơi Frisbee. Nhưng nếu với bạn, AI chỉ là một nhóm những người đang tìm cách tạo ra những nhân vật phản diện giảo hoạt hơn cho trò chơi điện tử yêu thích của mình, thì bạn đã nhầm. Tất cả những học viên tham gia chương trình Trại hè tiếp cận của phòng thí nghiệm trí tuệ nhân tạo Stanford (SAILORS) đều là những cô gái vừa học xong lớp chín, và chương trình học của họ tập trung vào việc tìm cách cải thiện đời sống, không phải cải thiện trò chơi: Làm thế nào để sử dụng AI nhằm ngăn máy bay phản lực đâm vào nhau? Nhằm đảm bảo bác sĩ luôn rửa tay trước khi vào phòng phẫu thuật? Theo lời Fei-Fei Li, giám đốc phòng thí nghiệm AI của Stanford, đồng thời là người sáng lập chương trình SAILORS: “Mục tiêu của chúng tôi là xem xét lại việc giáo dục về AI, nhằm thúc đẩy sự đa dạng và khuyến khích sự tham gia của học viên thuộc mọi tầng lớp". "Nếu các nhà công nghệ tương lai có xuất thân đa dạng, họ sẽ thực sự quan tâm đến việc sử dụng công nghệ cho lợi ích của nhân loại".
“Nếu các nhà công nghệ tương lai có thể đến từ nhiều tầng lớp khác nhau, họ sẽ thực sự quan tâm đến việc sử dụng công nghệ cho lợi ích của nhân loại.”
Fei-Fei Li Google và Stanford
Giáo sư Li và Olga Russakovsky, một sinh viên cũ của bà (giờ đang là giảng viên tại đại học Princeton), thành lập SAILORS năm 2015 để giúp cải thiện vấn đề bình đẳng giới trong ngành công nghệ. Đó là một mục tiêu vừa cao đẹp, vừa cấp bách. Theo một khảo sát gần đây, số phụ nữ theo học bằng khoa học máy tính đang giảm xuống; trong lĩnh vực AI, phụ nữ nắm giữ không đến 20% các vị trí điều hành. Như thế là bỏ lỡ cơ hội trong một lĩnh vực khổng lồ, vì ngày càng có nhiều người sử dụng AI để nâng cao chất lượng cuộc sống. Nhờ có AI, các ứng dụng chụp ảnh có thể nhận diện được khuôn mặt của bạn giữa những khuôn mặt khác, thậm chí còn nhận ra cả bãi biển nơi bạn chụp ảnh. Nhờ có AI, thiết bị của bạn có thể hiểu được khi bạn hỏi về thời tiết ngày mai. Còn có nhiều cách sử dụng AI ít được biết tới hơn, như chẩn đoán bệnh võng mạc tiểu đường (thường dẫn tới mù lòa), hay đưa máy bay không người lái tham gia những đợt tìm kiếm và cứu hộ đến những nơi xa xôi nhất trên thế giới.
Khi AI ngày càng trở nên phổ biến hơn, nhu cầu cân bằng giới tính trong lĩnh vực này không chỉ do đây là một việc đúng đắn phải làm, mà còn do đa dạng đóng vai trò thiết yếu đối với AI -- vốn là bản chất của công nghệ máy học. Mục tiêu của AI là thúc đẩy các cỗ máy hoàn thành các nhiệm vụ mà con người thực hiện một cách tự nhiên: nhận ra giọng nói, đưa ra quyết định, phân biệt burrito với enchilada. Để làm được như thế, chúng ta cung cấp cho máy móc một lượng lớn thông tin, thường là hàng triệu từ ngữ, cuộc nói chuyện hay hình ảnh, như cách chúng ta tiếp nhận thông tin từng ngày từng giờ, ngay từ khi sinh ra (về bản chất, máy móc cũng học như thế). Một cỗ máy nhìn thấy càng nhiều xe ô tô thì sẽ càng có nhiều kinh nghiệm trong việc xác định xe. Nhưng nếu các tập dữ liệu bị giới hạn hoặc thiên lệch (ví dụ như khi các nhà nghiên cứu không giới thiệu ảnh của xe Trabant), hoặc nếu những người nghiên cứu AI không nhìn thấy hoặc không giải thích về những giới hạn hoặc thành kiến đó (có thể do họ không hiểu rõ về ô tô của Đông Đức), máy móc và thông tin đầu ra sẽ bị lỗi. Vấn đề này đã xảy ra rồi. Đã có trường hợp, khi nhìn thấy ảnh của người châu Á, phần mềm nhận dạng hình ảnh coi đó là người đang nháy mắt.
“Ở đây không chỉ là vấn đề tính minh bạch trong dữ liệu. Chúng ta còn phải thực sự khiến các con số đi theo đúng hướng.”
Tracy Chou Project Include
Con người làm cách nào để tạo ra những phòng thí nghiệm và nơi làm việc có tính hòa nhập cao hơn? Một số dự án và cá nhân đang tìm cách giải quyết thách thức đó. Năm nay bà Li, người cũng là nhà khoa học trưởng về AI và máy học tại Google Cloud, đã cùng những người khác giúp ra mắt AI4ALL. Mục tiêu của tổ chức phi lợi nhuận cấp quốc gia này là cải thiện tính đa dạng trong lĩnh vực AI. Tổ chức này đã mời được các chuyên gia nghiên cứu hệ gen, robot học và tính bền vững cùng tham gia cố vấn. Tổ chức được xây dựng dựa trên hoạt động của SAILORS, nhưng cũng nhắm đến những người da màu và sinh viên có thu nhập thấp trên cả nước thông qua quan hệ hợp tác với Princeton, UC Berkeley, Carnegie Mellon và Stanford. "Đã có rất nhiều đồng nghiệp và các nhà lãnh đạo trong ngành gặp mặt chúng tôi và nói rằng chương trình SAILORS rất tuyệt, nhưng chỉ dừng lại ở việc Stanford phục vụ vài chục sinh viên mỗi năm, chủ yếu là từ Khu vực vịnh San Francisco" -- Giáo sư Li nói. "Vì vậy AI4ALL tập trung vào sự đa dạng và hòa nhập, chứ không chỉ là giới tính".
Các sáng kiến khác bao gồm Code Next, nỗ lực của Google tại Oakland nhằm khuyến khích những học sinh người Mỹ gốc La-tinh và gốc Phi khám phá cơ hội nghề nghiệp trong ngành công nghệ; DIY Girls, chương trình giáo dục và cố vấn STEAM (khoa học, công nghệ, kỹ thuật, nghệ thuật và toán học) dành cho các cộng đồng thiếu thốn nguồn lực ở Los Angeles; và Project Include, một dự án hỗ trợ các công ty khởi nghiệp mới thành lập hoặc đã nhận được vốn đầu tư thuê thêm phụ nữ và người da màu. Tracy Chou, từng làm việc cho Pinterest, thành lập Project Include năm ngoái cùng bảy người phụ nữ nổi bật khác trong ngành công nghệ. Năm 2013, Chou được nhiều người biết đến sau khi kêu gọi các công ty công nghệ công khai số lượng lao động phụ nữ mà họ đang thuê. Khi những con số dần lộ ra, chúng chứng minh điều mà bất cứ ai ở Thung lũng Silicon cũng biết: Người da trắng và nam giới chiếm số đông trong thế giới công nghệ, từ những tập đoàn lớn nhất đến công ty khởi nghiệp nhỏ nhất. Theo Chou, Project Include là bước đi hợp lý tiếp theo. "Một vài năm sau khi các báo cáo này xuất hiện mà vẫn không có nhiều thay đổi, cuộc tranh luận này bắt đầu chuyển dịch" – cô chia sẻ. "Bây giờ ta không chỉ nói đến tính minh bạch về dữ liệu. Chúng ta còn phải thực sự khiến các con số đi đúng hướng.
Hướng đi đúng bao gồm cả việc tạo điều kiện cho đa số người lao động dễ dàng có được công việc trong lĩnh vực AI hơn. Có tương đối ít người làm việc trong lĩnh vực AI, trong khi chúng ta đã được chứng kiến các rô-bốt chăm sóc cho con người và các trợ lý cá nhân dự đoán được nhu cầu của chúng ta. Vì con người kiểm soát dữ liệu và tiêu chuẩn, còn máy móc thì thực hiện công việc, nên nếu dữ liệu đầu vào mà con người cung cấp càng đa dạng, càng hiệu quả thì kết quả đạt được càng lớn.
Quá trình dân chủ hóa AI đã bắt đầu theo nhiều cách. Ví dụ: Ở Nhật Bản, con trai của một người nông dân đã sử dụng AI để phân loại số dưa chuột gia đình thu hoạch được theo các đặc điểm khác nhau. Những câu chuyện kiểu như vậy đã hấp dẫn Li, người từ Trung Quốc đến Mỹ năm 16 tuổi trong khi biết rất ít về đất nước này, và thậm chí còn biết ít hơn về New Jersey, nơi cô đến sinh sống. Sau khi làm nhiều công việc lặt vặt từ dọn dẹp nhà cửa cho đến dắt chó đi dạo hay thu ngân tại một nhà hàng Trung Quốc, Li theo học trường Princeton, và sau đó là trường sau đại học ở Caltech.
Li đến nơi làm việc trong tư thế của một người ngoài cuộc trên cả ba mặt: người nhập cư, phụ nữ và người da màu trong một thế giới mà đàn ông da trắng chiếm ưu thế. Những gì tất cả những người khác có thể coi là trở ngại ngược lại đã trở thành động lực cho Li. Cô dành phần lớn thời gian nghiên cứu về thị giác máy tính, một thành phần của máy học mà cô gọi là "ứng dụng tuyệt nhất của AI". Thị giác máy tính phân tích và xác định dữ liệu trực quan và một ngày nào đó có thể giúp tạo ra các cánh tay robot nhạy hơn, hoặc giải quyết các phép chứng minh toán học khó nhất. Nhưng cũng như với mọi công nghệ AI, điểm mấu chốt của công nghệ này là dạy cho máy móc cách xử lý lượng thông tin khổng lồ từ nhiều địa điểm và góc nhìn. Về cơ bản, để máy móc có thể trở thành những công dân "trực quan" – không khác gì Li.
Thúc đẩy một nhóm đa dạng các nhà sáng tạo để định hình thế giới đó là yếu tố cần thiết cho các câu chuyện và vấn đề kỹ thuật mà nhà chiến lược nội dung Diana Williams gặp phải hằng ngày tại ILMxLAB, trung tâm sáng tạo tuyệt mật của Lucasfilm, nơi các nhà phát triển sáng tạo các nội dung giải trí tương tác sống động, có thể là một cuộc đụng độ thực tế ảo với Darth Vader, lấy cảm hứng từ vũ trụ Star Wars rộng lớn. Williams tham gia sâu vào các tổ chức thúc đẩy công nghệ như Black Girls Code và vẫn còn nhớ tình trạng khan hiếm phụ nữ da màu ở trường đại học của cô vào những năm 80. "Tôi luôn là người duy nhất trong các lớp toán học, người duy nhất trong các lớp kinh doanh", cô chia sẻ. "Điều đó thật mệt mỏi, và cũng thật đáng sợ". Giải pháp của cô là hướng nhiều phụ nữ hơn đến với ngành công nghệ: "Giúp họ bắt đầu ngay từ khi còn trẻ, giúp họ củng cố sự tự tin, để dù cho họ có bước vào phòng và thấy mình là người phụ nữ duy nhất ở đó, họ cũng không quay đầu lại".
“Giúp họ bắt đầu ngay từ khi còn trẻ, giúp họ củng cố lòng tự tin, để dù họ bước vào căn phòng và thấy mình là những người duy nhất ở đó, họ cũng không quay đầu lại.”
Diana Williams Lucasfilm
Maya Gupta, một nhà nghiên cứu về công nghệ máy học tại Google, đang nỗ lực cải thiện AI, mặc dù từ một góc độ rất khác. Tại Stanford, bà đã giúp một công ty Na Uy phát hiện ra các vết nứt trong đường ống dẫn khí dưới nước. Bà nói: “Vì không thể xuống đó, chúng tôi đã phải cố gắng đoán dựa trên những thông tin không đầy đủ". Dạy máy tính cách đưa ra những dự đoán tinh tế là một việc làm rất quen thuộc với Gupta. Nếu bạn đang nghe bản nhạc "Truth" của nghệ sĩ tenor saxophone Kamasi Washington, rồi giai điệu nhẹ nhàng chuyển sang bản "Turiya and Ramakrishna” diệu kỳ của Alice Coltrane, chắc bạn cảm thấy YouTube là DJ thông minh nhất mà bạn từng biết. Hãy cảm ơn Gupta, vì nhóm của bà đã giúp máy tính điều chỉnh thông tin đề xuất. “Tất cả chỉ là dự đoán, phải không?” -- bà nói. "Bạn cố gắng phỏng đoán, dù không có đầy đủ dữ liệu".
Hiện nay, bà đang quản lý một nhóm nghiên cứu và phát triển tại Google, mà một trong những mục tiêu là tập trung cải thiện độ chính xác của công nghệ máy học. Bà lấy ví dụ: "Giả sử tôi muốn xác định giọng Boston và giọng Texas với mức độ chính xác ngang nhau, nhưng công cụ nhận dạng giọng nói mà tôi có lại nhận dạng giọng Texas tốt hơn một chút". Tôi có nên phạt những người nói giọng Texas bằng cách khiến cho công cụ nhận dạng giọng nói hoạt động kém hiệu quả với giọng Texas giống như giọng Boston hay không, cho công bằng? Mà nếu như việc nhận dạng giọng Boston vốn đã khó hơn thì sao?"
Gupta và nhóm của bà cũng đang tinh chỉnh các hệ thống để chúng trở nên minh bạch hơn rất nhiều so với những người thiết kế ra chúng. Với máy móc, chúng ta sẽ có hi vọng xóa bỏ được sự thiên vị hoặc những diễn biến trong tiềm thức tác động tiêu cực đến tư duy của con người. Hoặc ít nhất, ta cũng có thể dễ dàng nhận ra những ý tưởng thiên vị hoặc diễn biến tiêu cực đó ngay khi chúng phát sinh. Máy không bị mất tập trung khi chúng mệt mỏi, cáu kỉnh hay đói. Một nghiên cứu cho thấy so với thông thường, các thẩm phán thường ít cấp lệnh tạm tha ngay trước bữa trưa, thời điểm mà họ nghĩ về bánh mì kẹp nhiều hơn là hội án. "Thật khó để đong đếm được tâm trí con người", Gupta nói. “Chúng tôi muốn các hệ thống máy học của chúng tôi trở nên dễ hiểu. Thật lòng mà nói, nhiều hệ thống hiện đã dễ hiểu hơn cả con người.”
“Chúng tôi muốn các hệ thống máy học của chúng tôi trở nên dễ hiểu, và thật lòng mà nói, nhiều hệ thống đến giờ còn dễ hiểu hơn cả con người.”
Maya Gupta Google
Vì AI đang ngày càng trở nên có ích, chưa kể đến việc công nghệ này đang ngày càng dễ sử dụng, cần phải đưa công nghệ này đến với càng nhiều người càng tốt. Christine Robson từng là một nhà nghiên cứu của IBM trước khi đến với Google. Cô là một nhà nghiên cứu đầy nhiệt huyết, thúc đẩy việc sáng tạo những phần mềm nguồn mở như TensorFlow, một hệ thống máy học có thể dùng cho một loạt các nhiệm vụ, từ dịch ngôn ngữ, phát hiện bệnh tật đến tạo ra những tác phẩm nghệ thuật độc đáo.
Đối với Robson, tính hòa nhập trong AI có nghĩa là làm cho nhiều người hơn nữa có thể sử dụng các công cụ AI, thay vì chỉ những người tự nhận là "mọt toán" như cô. "Tôi rất mong thế giới có thể tiếp cận với công nghệ máy học", cô nói. "Chúng ta bàn rất nhiều về việc dân chủ hóa công nghệ máy học, nhưng tôi rất tin vào việc này. Việc làm cho các công cụ AI này thực sự dễ dùng và giúp mọi người áp dụng những kỹ thuật này là điều vô cùng quan trọng.
Các bộ phim và tác phẩm văn học về khoa học viễn tưởng đã trở thành những ví dụ điển hình về những hậu quả đáng sợ của AI (Năm tới, Frankenstein của Mary Shelley sẽ tròn 200 tuổi). Ngày nay, nhiều người trong ngành, bao gồm cả Li, Robson và Chou, không quan tâm nhiều về những việc AI có thể làm với con người. Thay vào đó, họ quan tâm đến việc con người có thể làm gì với AI. Ví dụ: Các lập trình viên để cho trợ lý ảo nói giọng nữ, vì cả nam và nữ đều thích nghe giọng nữ. "Tuy nhiên, việc đó duy trì ý nghĩ cho rằng trợ lý luôn là phụ nữ, vì vậy khi tương tác với những hệ thống đó, chúng ta sẽ góp phần củng cố ý nghĩ lệch lạc về mặt xã hội này", Chou cho biết. Rất nhiều tên tuổi hàng đầu trong lĩnh vực này cảm thấy khá lo lắng về những dữ liệu được cung cấp cho các hệ thống AI trong đời thực và những hệ quả có thể xảy ra. Do đó, họ cảm thấy cần phải thúc đẩy sự đa dạng trong AI. Đây là công việc không hề dễ dàng. Nhưng những người ủng hộ ý tưởng này đều là những người thông minh, hiểu biết và cống hiến hết mình cho sứ mệnh này.
“Việc làm cho các công cụ trí tuệ nhân tạo này thực sự dễ dùng và giúp mọi người áp dụng những kỹ thuật này là điều vô cùng quan trọng.”
Christine Robson Google
"Chúng ta phải đảm bảo rằng mọi người đều cảm thấy được chào đón" -- Gupta nói. Cô nhớ lại bức tường treo hàng loạt ảnh của các giáo sư kỹ thuật điện đã nghỉ hưu tại Rice, trường cũ của cô, chẳng có ai là phụ nữ cả. "Chúng ta cần thuyết phục các cô gái rằng AI không phải là phép thuật" -- Robson bổ sung. "Đó là toán học."
Tại SAILORS, học sinh đang học cách sử dụng công nghệ xử lý ngôn ngữ tự nhiên để tìm thông tin trên mạng xã hội và hỗ trợ hoạt động cứu trợ sau thảm họa. Theo lời Li: "việc đó có thể giúp những người cứu hộ tìm thấy những người cần giúp đỡ theo thời gian thực, thông qua các tin nhắn trên Twitter". Tác động của lớp học và các dự án này không chỉ dừng lại ở những mùa hè đáng nhớ đó. Một số học sinh đã thành lập các câu lạc bộ robot của riêng mình ở trường, xuất bản bài báo trên các tạp chí khoa học và tổ chức hội thảo tại các trường trung học để giới thiệu AI cho các nữ sinh nhỏ tuổi hơn. Đối với những học sinh này, vốn có xuất thân và kinh nghiệm đa dạng không kém gì những dự án mà các em đã giải quyết ở trại hè, AI không phải là một tiện ích thời thượng, mà là một nguồn sức mạnh có thể mang lại nhiều lợi ích. Trước khi diễn ra sự kiện SAILORS đầu tiên vào năm 2015, chương trình đã chia sẻ những lời nhắn nhủ của những học sinh sắp tham gia trại hè, trong đó có một mong ước đầy tham vọng: "Cháu hi vọng sẽ được bắt đầu hành trình AI của riêng mình ngay lúc này, để trong tương lai, cháu có thể tác động đến cả thế giới".
