Khi một phụ huynh dạy con mình cách liên hệ với thế giới, họ dạy thông qua sự liên kết và nhận dạng mẫu. Lấy chữ S làm ví dụ. Phụ huynh chỉ cho con mình đủ nhiều ví dụ về chữ cái và trước lâu, chúng sẽ có thể nhận dạng các ví dụ khác trong các ngữ cảnh mà không cần hướng dẫn; trường học, một cuốn sách, một bảng quảng cáo.

Nhiều công nghệ trí tuệ nhân tạo (AI) đang xuất hiện đã được dạy theo cách tương tự. Các nhà nghiên cứu đã cho hệ thống các ví dụ chính xác về điều gì đó họ muốn nó nhận ra, và giống như một đứa trẻ, AI bắt đầu nhận dạng mẫu và suy diễn kiến thức đó sang các ngữ cảnh nó chưa từng trải nghiệm, tạo thành mạng lưới “neural” riêng cho việc phân loại. Giống như trí tuệ con người, tuy nhiên, các chuyên gia đã mất dấu các đầu vào thông tin cho việc ra quyết định của AI.

Vấn đề “hộp đen” của AI do đó xuất hiện như một thực tế là chúng ta không hiểu đầy đủ cách thức hoặc lý do tại sao một hệ thống AI tạo ra các kết nối, cũng như các biến số đóng vai trò trong quyết định của nó. Vấn đề này đặc biệt liên quan khi tìm cách cải thiện tính tin cậy và an toàn của hệ thống và thiết lập quản lý việc áp dụng AI.

Từ một phương tiện giao thông được trang bị AI không thể phanh đúng lúc và gây thương tích cho người đi bộ, đến các thiết bị công nghệ y tế dựa trên AI hỗ trợ bác sĩ chẩn đoán bệnh nhân, và sự thiên vị được hiển thị bởi các quy trình tuyển dụng dựa trên AI, sự phức tạp đằng sau những hệ thống này đã dẫn đến sự xuất hiện của một lĩnh vực nghiên cứu mới: vật lý của AI, nhằm thiết lập AI như một công cụ cho con người để đạt được sự hiểu biết cao hơn.

Bây giờ, một nhóm nghiên cứu độc lập sẽ giải quyết những thách thức này bằng cách kết hợp các lĩnh vực vật lý, tâm lý học, triết học và khoa học thần kinh trong một cuộc khám phá liên ngành về những điều bí ẩn của AI.

NTT đề xuất AI đáng tin cậy và an toàn

Nhóm Vật Lý Trí Tuệ Nhân Tạo mới được công bố là một nhánh của Phòng thí nghiệm Vật lý và Tin học (PHI) của NTT Research, và được tiết lộ tại hội nghị Upgrade 2025 của NTT tại San Francisco, California vào tuần trước. Nó sẽ tiếp tục phát triển phương pháp tiếp cận Vật lý của Trí tuệ nhân tạo để hiểu AI, điều mà nhóm đã điều tra trong năm năm qua.

Tiến sĩ Hidenori Tanaka, người có bằng tiến sĩ về Vật lý Ứng dụng và Khoa học Máy tính từ Đại học Harvard, sẽ lãnh đạo nhóm nghiên cứu mới, xây dựng trên kinh nghiệm trước đây của mình tại Nhóm Hệ thống Thông minh của NTT và Chương trình Nghiên cứu Trí tuệ nhân tạo CBS-NTT về vật lý của trí thông minh tại Harvard.

“Là một nhà vật lý, tôi rất hào hứng về chủ đề trí thông minh vì, về mặt toán học, làm thế nào bạn có thể suy nghĩ về khái niệm sáng tạo? Làm thế nào bạn có thể suy nghĩ về sự tử tế? Những khái niệm này sẽ vẫn còn trừu tượng nếu không có AI. Dễ dàng suy đoán, nói ‘đây là định nghĩa về sự tử tế của tôi’, điều đó không có ý nghĩa về mặt toán học, nhưng bây giờ với AI, nó rất quan trọng vì nếu chúng ta muốn làm cho AI tử tế, chúng ta phải nói với nó bằng ngôn ngữ toán học về sự tử tế là gì, ví dụ,” Tiến sĩ Tanaka nói với tôi vào tuần trước tại hội nghị Upgrade.

Sớm trong nghiên cứu của họ, Phòng thí nghiệm PHI đã nhận ra tầm quan trọng của việc hiểu bản chất “hộp đen” của AI và học máy để phát triển các hệ thống mới với hiệu suất năng lượng tính toán được cải thiện. Sự tiến bộ của AI trong nửa thập kỷ qua, tuy nhiên, đã gây ra những quan ngại ngày càng quan trọng về an toàn và tin cậy, điều này đã trở nên quan trọng đối với các ứng dụng công nghiệp và quyết định quản lý về việc áp dụng AI.

Thông qua nhóm nghiên cứu mới, NTT Research sẽ giải quyết sự tương đồng giữa trí thông minh sinh học và trí tuệ nhân tạo, do đó hy vọng sẽ giải quyết sự phức tạp của các cơ chế AI và xây dựng sự hợp tác giữa con người và AI hài hòa hơn.

Mặc dù mới mẻ trong việc tích hợp AI, phương pháp này không mới. Các nhà vật lý đã tìm cách tiết lộ các chi tiết chính xác của mối quan hệ công nghệ và con người trong几个 thế kỷ, từ các nghiên cứu của Galileo Galilei về cách các vật thể di chuyển và đóng góp của ông vào cơ học, đến cách động cơ hơi nước thông báo về sự hiểu biết về nhiệt động lực học trong cuộc Cách mạng Công nghiệp. Trong thế kỷ 21, tuy nhiên, các nhà khoa học đang tìm cách hiểu làm thế nào AI hoạt động về việc được đào tạo, tích lũy kiến thức và đưa ra quyết định để trong tương lai, các công nghệ AI đồng bộ, an toàn và đáng tin cậy hơn có thể được thiết kế.

“AI là một mạng lưới thần kinh, cách nó được cấu trúc rất giống với cách bộ não con người hoạt động; các neuron được kết nối bởi các synap, tất cả đều được biểu diễn bằng số trong máy tính. Và đó là nơi chúng tôi tin rằng có thể có vật lý… Vật lý là về việc lấy bất cứ thứ gì từ vũ trụ, xây dựng các giả thuyết toán học về hoạt động nội bộ của chúng, và kiểm tra chúng,” Tiến sĩ Hanaka nói.

Nhóm nghiên cứu mới sẽ tiếp tục hợp tác với Trung tâm Khoa học Não bộ của Đại học Harvard (CBS), và dự định hợp tác với Giáo sư Associated Suya Ganguli của Đại học Stanford, với người mà Tiến sĩ Tanaka đã đồng tác giả một số bài báo.

Tuy nhiên, Tiến sĩ Tanaka nhấn mạnh rằng một phương pháp tiếp cận khoa học tự nhiên và liên ngành sẽ là cơ bản. Vào năm 2017, khi ông là một ứng viên tiến sĩ tại Harvard, nhà nghiên cứu đã nhận ra rằng ông muốn làm hơn là vật lý truyền thống, và theo đuổi các tiền thân của mình, từ Galilei đến Newton và Einstein, để mở ra các thế giới khái niệm mới trong vật lý.

“Hiện tại, AI là chủ đề mà tôi có thể nói với mọi người. Là một nhà nghiên cứu, điều đó rất tuyệt vì mọi người luôn sẵn sàng nói về AI, và tôi cũng học được từ mọi cuộc trò chuyện vì tôi nhận ra cách mọi người nhìn và sử dụng AI khác nhau, thậm chí ngoài các ngữ cảnh học thuật. Tôi xem nhiệm vụ của NTT là chất xúc tác để kích hoạt những cuộc trò chuyện này, bất kể nền tảng của mọi người, vì chúng tôi học được từ mọi tương tác,” Tiến sĩ Tanaka kết luận.