Adrian Zidaritz, Tác giả của AIbluedot.com – Loạt bài phỏng vấn

Adrian Zidaritz là tác giả của AIbluedot.com, một blog cung cấp thông tin tổng quan về AI, với sự kết hợp giữa toán học, đạo đức, chính trị và “mọi thứ” ở giữa. Mặc dù các bài báo chứa một lượng tối thiểu tài liệu kỹ thuật, nhưng chúng không nhắm đến các chuyên gia, mà hướng đến công chúng. AI bị hiểu lầm bởi những người không phải là chuyên gia và nó được thổi phồng hoặc nói xấu trên các phương tiện truyền thông; nó vẫn là công nghệ có kết quả nhất trong thời điểm hiện tại của chúng ta.

Điều gì ban đầu thu hút bạn đến với AI?

Phát triển AI đòi hỏi nhiều chuyên môn, không giống như bất kỳ công nghệ hiện đại nào khác. Nó dựa trên nghiên cứu từ thống kê, khoa học thần kinh, toán học ứng dụng, khoa học máy tính, phát triển phần mềm, tâm lý học, v.v… Thách thức đó là điều thu hút tôi, kết hợp với thực tế là tôi đã may mắn được học hỏi nhiều lĩnh vực này trong sự nghiệp trước đây của mình: toán học, khoa học tính toán, phát triển mềm, thống kê.

Bạn đã có một sự nghiệp rộng lớn khi làm việc trong lĩnh vực AI. Bạn có thể thảo luận về một số trong những điểm nổi bật?

Đây có thể coi là phần tiếp theo của câu hỏi 1. Hầu hết mọi người trung niên làm việc trong lĩnh vực AI hiện đều đến từ nơi khác. Cho đến khoảng năm 2005 vẫn chưa có AI (nhân tiện, sự thành công của AI chủ yếu nhờ vào mạng lưới thần kinh = học sâu, tất cả các kỹ thuật khác đều mờ nhạt khi so sánh; vì vậy, đối với tất cả các mục đích thực tế khi chúng ta nói AI, chúng ta muốn nói đến học sâu). Do đó, nhiều người trong chúng ta làm việc trong lĩnh vực AI mang đến những góc nhìn độc đáo cho lĩnh vực này. Tôi xuất thân từ nền tảng toán học cùng với các dự án AI thực tế hàng đầu, trong đó kỹ thuật BigData đóng một vai trò rất lớn (đôi khi hơn 80% tổng thời gian của dự án). Nền tảng của tôi kẹp AI giữa việc đặt câu hỏi về nền tảng toán học của nó (rất lý thuyết) và các khía cạnh rất thực tế của các nhóm hàng đầu gồm các nhà khoa học dữ liệu và kỹ sư máy học. Có những nhà nghiên cứu khác biết nhiều hơn về công nghệ AI ở giữa chiếc bánh sandwich.

Bạn đã tuyên bố rằng AI đã được thổi phồng hoặc giảm bớt trên các phương tiện truyền thông. Tại sao bạn tin rằng có sự mất kết nối như vậy giữa các phương tiện truyền thông báo cáo chính xác trạng thái của AI so với thực tế của công nghệ?

Bởi vì AI bị hiểu lầm ngay cả với một số người làm việc trong lĩnh vực AI, chứ chưa nói đến báo chí. Đó là một ngành rất trẻ, với những công nhân rất trẻ. Các ý kiến ​​khác nhau của những người lao động trẻ tuổi này được đưa lên các phương tiện truyền thông, dẫn đến sự sai lệch về mục tiêu. Đủ để đề cập đến bộ phim tài liệu Social Dilemma trên Netflix, trong đó những quan điểm mâu thuẫn về AI này, từ góc độ của Thung lũng Silicon, được ghi lại đầy đủ.

Hiện tại, phần lớn tiến bộ mà chúng ta đã thấy trong AI là từ học sâu. Quan điểm của bạn về vấn đề hộp đen của deep learning là gì?

Đó là một vấn đề lớn. Về cơ bản, chúng ta không có hiểu biết lý thuyết (= toán học) về quá trình học tập. Chúng tôi không biết các thuật toán học sâu thực sự học như thế nào. Chúng tôi chỉ thấy rằng họ làm. Tất nhiên đã có những nỗ lực để phát triển một lý thuyết, nhưng không có lý thuyết nào được chấp nhận rộng rãi. Vì vậy, trong trường hợp không có sự hiểu biết cơ bản đó, tất cả những gì chúng ta có thể làm là nói "thấy chưa, nó hoạt động". Nhưng đưa ra lời giải thích về hộp trắng là không thể vào lúc này. Các thuật toán khác (không học sâu) được hiểu rõ hơn và đối với chúng, có thể đưa ra lời giải thích về kết quả. Không dành cho học sâu.

Quan điểm của bạn về sự thiên vị của AI và làm cách nào để ngăn chặn điều đó?

Hiện tại, AI là tất cả về dữ liệu, không phải về thuật toán. Các thuật toán không biết sai lệch, sai lệch nằm trong dữ liệu. Dữ liệu phản ánh thành phần xã hội và cả sự phân tầng xã hội, vì việc thu thập dữ liệu cũng có sự thiên vị trong đó. Nhân tiện, đây là những điều xảy ra một cách tự nhiên, điều phải xảy ra là dần dần đưa những người thuộc mọi thành phần xuất thân vào quy trình thu thập dữ liệu, để dữ liệu phản ánh đúng biểu hiện của dân số.

Loại máy học nào bạn thấy thú vị nhất?

Như tôi đã nói trước đó, học máy hiện đang nhường chỗ cho nhánh bên trong thành công nhất của nó, học sâu. Mạng lưới thần kinh, thông qua tính linh hoạt của chúng, đang chiếm ưu thế.

Bạn đã tuyên bố rằng Thu nhập cơ bản chung (UBI) sẽ thực sự cần thiết để giải quyết tình trạng mất việc làm do AI gây ra. Xin ông nói rõ hơn về những quan điểm này?

Xã hội sẽ phải chịu những tác động lớn từ tự động hóa (AI ứng dụng). Chúng ta đã chứng kiến ​​những thay đổi quan trọng ngay cả trong biến động chính trị kể từ năm 2016. Đơn giản là sẽ không có cách nào để quay lại. Nhiều công việc đơn giản sẽ biến mất. Ngày nay, thật vô nghĩa khi đào tạo thành một bác sĩ X quang. AI có thể đọc tia X và MRI và tất cả các loại bản in khác tốt hơn nhiều so với con người. Điều gì sẽ xảy ra với mọi người khi không chỉ đơn giản là có một công việc mà họ có thể làm? UBI đảm bảo rằng con người sẽ không phải chịu đựng một cách vô ích khi tự động hóa trở nên phổ biến. Và không cần thiết, bởi vì AI sẽ cung cấp công việc cần thiết để xã hội vẫn hoạt động.

Bạn có tin rằng chúng ta có thể đạt được Trí tuệ tổng hợp nhân tạo (AGI) không?

Vâng, nhiều người lập luận rằng phần mềm của DeepMind đã gần với AGI. Tôi không tán thành ý tưởng đó, nhưng ngay cả đối với tôi, câu trả lời là có. AGI không có nghĩa là cảm xúc hay ý thức, cái tôi trong AGI chỉ đơn giản là trí tuệ nhận thức. Và đối với mức độ thông minh đó, câu trả lời dường như là có.

Bạn có tin rằng có khả năng chúng ta đang sống trong một mô phỏng không?

Một khả năng? Vâng, nghĩa là xác suất chúng ta sống trong một mô phỏng không phải là 0. Nó cũng hấp dẫn về mặt trí tuệ. Nhưng nó có khả năng? Không, với tôi thì không có khả năng, tức là xác suất, mặc dù không bằng 0, nhưng rất rất nhỏ.

Cảm ơn bạn về cuộc phỏng vấn, những độc giả muốn tìm hiểu thêm về quan điểm của Adrian về các khía cạnh khác nhau của AI nên truy cập AIbluedot.com.