Patrick M. Pilarski, Tiến sĩ – Chủ tịch CIFAR AI của Canada (Amii) – Loạt phỏng vấn

Tiến sĩ Patrick M. Pilarski là Chủ tịch CIFAR AI của Canada, cựu Chủ tịch Nghiên cứu Canada về Trí tuệ Máy móc cho Phục hồi, và là Giáo sư Phó tại Bộ phận Y học Vật lý và Phục hồi, Khoa Y, Đại học Alberta.

Vào năm 2017, Tiến sĩ Pilarski đã đồng sáng lập văn phòng nghiên cứu quốc tế đầu tiên của DeepMind, nằm ở Edmonton, Alberta, nơi ông từng là đồng lãnh đạo văn phòng và Nhà khoa học Nghiên cứu Cấp cao cho đến năm 2023. Ông là thành viên Hội đồng quản trị và thành viên Hội đồng quản trị của Viện Trí tuệ Máy móc Alberta (Amii), đồng lãnh đạo Phòng thí nghiệm BLINC và là nhà điều tra chính tại Phòng thí nghiệm Học tăng cường và Trí tuệ Nhân tạo (RLAI) và Mạng công nghệ Phục hồi Thích ứng với Cơ quan cảm giác và vận động (SMART) tại Đại học Alberta.

Tiến sĩ Pilarski là tác giả hoặc đồng tác giả của hơn 120 bài báo được đánh giá ngang hàng, là Thành viên Cấp cao của IEEE và đã được hỗ trợ bởi các khoản trợ cấp nghiên cứu cấp tỉnh, quốc gia và quốc tế.

Chúng tôi đã có một cuộc phỏng vấn tại hội nghị Upper Bound năm 2023 về AI được tổ chức tại Edmonton, AB và do Amii (Viện Trí tuệ Máy móc Alberta) tổ chức.

Làm thế nào bạn lại tìm thấy mình trong lĩnh vực AI? Điều gì thu hút bạn đến với ngành này?

Đó là hai câu hỏi riêng biệt. Về những gì thu hút tôi đến với AI, có một điều gì đó đẹp đẽ về cách phức tạp có thể xuất hiện và cách cấu trúc có thể xuất hiện từ sự phức tạp. Trí tuệ chỉ là một trong những ví dụ tuyệt vời về điều đó, cho dù nó đến từ sinh học hay cách chúng ta nhìn thấy hành vi tinh vi xuất hiện trong máy móc, tôi nghĩ có một điều gì đó đẹp về điều đó. Đó luôn là điều thu hút tôi trong một thời gian dài, và con đường dài và quanh co của tôi để làm việc trong lĩnh vực AI mà tôi đang làm việc bây giờ, đó là máy móc học thông qua thử nghiệm và sai lầm, hệ thống tăng cường tương tác với con người trong khi cả hai đều được ngâm trong dòng chảy của kinh nghiệm, đã đi qua nhiều giai đoạn khác nhau.

Tôi đã nghiên cứu cách máy móc và con người có thể tương tác trong lĩnh vực thiết bị sinh học và công nghệ sinh học, những thứ như chi giả và prosthesis.

Tôi đã xem xét cách AI có thể được sử dụng để hỗ trợ chẩn đoán y tế, cách chúng ta có thể sử dụng trí tuệ máy móc để bắt đầu hiểu các mẫu dẫn đến bệnh hoặc cách các bệnh khác nhau có thể xuất hiện trong các bản ghi trên máy. Nhưng tất cả những điều đó đều là một phần của con đường dài để thực sự bắt đầu đánh giá cao cách chúng ta có thể nhận được hành vi phức tạp từ các nền tảng đơn giản. Và đó là điều tôi thực sự yêu thích, đặc biệt là về học tăng cường, đó là ý tưởng rằng máy móc có thể nhúng mình vào dòng chảy của thời gian và học hỏi từ kinh nghiệm của chính nó để thể hiện hành vi phức tạp và nắm bắt cả hiện tượng phức tạp trong thế giới xung quanh.

Cơ học của nó, tôi thực sự đã làm rất nhiều việc đào tạo y học thể thao và những thứ như vậy từ thời trung học. Tôi đã nghiên cứu y học thể thao và bây giờ tôi đang làm việc trong một môi trường nơi tôi xem xét cách trí tuệ máy móc và công nghệ phục hồi kết hợp lại để hỗ trợ con người trong cuộc sống hàng ngày. Đó là một hành trình rất thú vị, giống như sự quan tâm bên lề với các hệ thống phức tạp và sự phức tạp, và sau đó là sự thực dụng của cách chúng ta bắt đầu suy nghĩ về cách con người có thể được hỗ trợ tốt hơn, sống cuộc sống họ muốn sống.

Làm thế nào thể thao ban đầu lại dẫn bạn đến lĩnh vực prosthesis?

Điều thực sự thú vị về các lĩnh vực như y học thể thao là việc xem xét cơ thể con người và cách nhu cầu độc đáo của ai đó, cho dù đó là thể thao hay khác, có thể thực sự được hỗ trợ bởi những người khác, bởi các thủ tục và quy trình. Các chi giả và công nghệ prosthesis là về việc xây dựng các thiết bị, xây dựng hệ thống, xây dựng công nghệ giúp con người sống cuộc sống họ muốn sống. Hai điều này thực sự紧密 kết nối. Thực sự thú vị khi có thể quay lại và có một số sở thích ban đầu trở thành hiện thực trong, một lần nữa, đồng lãnh đạo một phòng thí nghiệm nơi chúng tôi xem xét… Và đặc biệt là các hệ thống học máy hoạt động trong một cách紧密 kết hợp, người mà họ được thiết kế để hỗ trợ.

Bạn đã từng thảo luận về cách một prosthesis thích nghi với con người thay vì con người thích nghi với prosthesis. Bạn có thể nói về học máy đằng sau điều này không?

Tuyệt đối. Về cơ bản, trong lịch sử sử dụng công cụ, con người đã thích nghi với các công cụ của mình và sau đó chúng ta đã thích nghi các công cụ của mình với nhu cầu mà chúng ta có. Và vì vậy, có một quá trình lặp đi lặp lại của việc chúng ta thích nghi với các công cụ của mình. Chúng ta hiện đang ở một điểm chuyển đổi quan trọng, nơi lần đầu tiên, bạn có thể đã nghe tôi nói điều này trước đây trong các bài nói nếu bạn đã xem một số bài nói của tôi. Nhưng thực sự, chúng ta đang ở một điểm quan trọng trong lịch sử nơi chúng ta có thể tưởng tượng xây dựng các công cụ mang lại một số đặc điểm của trí tuệ con người. Các công cụ sẽ thực sự thích nghi và cải thiện trong khi chúng được sử dụng bởi một người. Các công nghệ cơ bản hỗ trợ việc học liên tục. Các hệ thống có thể học liên tục từ một dòng kinh nghiệm liên tục. Trong trường hợp này, học tăng cường và các cơ chế dướipin nó, những thứ như học tạm thời, thực sự quan trọng để xây dựng các hệ thống có thể liên tục thích nghi trong khi tương tác với một người và trong khi được sử dụng bởi một người để hỗ trợ họ trong cuộc sống hàng ngày.

Bạn có thể định nghĩa học tạm thời không?

Tuyệt đối, điều tôi thực sự thích về điều này là chúng ta có thể suy nghĩ về các công nghệ cốt lõi, học tạm thời và các thuật toán học dự đoán cơ bản dướipin nhiều điều chúng ta làm việc trong phòng thí nghiệm. Bạn có một hệ thống, giống như chúng ta, đang làm một dự đoán về cách tương lai sẽ trông như thế nào với respecto đến một tín hiệu, với respecto đến một thứ như phần thưởng tương lai là những gì chúng ta thường thấy. Nhưng bất kỳ tín hiệu nào khác bạn có thể tưởng tượng, như, tôi đang thực hiện bao nhiêu lực ngay bây giờ? Sẽ nóng như thế nào? Tôi sẽ có bao nhiêu bánh donut vào ngày mai? Những điều này là những điều có thể tưởng tượng được. Và vì vậy, thuật toán cốt lõi thực sự đang xem xét sự khác biệt giữa dự đoán của tôi về những gì sẽ xảy ra ngay bây giờ và dự đoán của tôi về những gì sẽ xảy ra trong tương lai cùng với bất kỳ tín hiệu nào tôi đang nhận được.

Bao nhiêu lực tôi đang thực hiện khi một cánh tay robot đang nâng lên một cốc cà phê hoặc một cốc nước? Điều này có thể đang xem xét sự khác biệt giữa dự đoán về lượng lực sẽ được thực hiện ngay bây giờ hoặc lượng lực sẽ được thực hiện trong một khoảng thời gian trong tương lai. Và sau đó so sánh điều đó với dự đoán của tôi về tương lai và lực thực sự đang được thực hiện. Đặt tất cả những điều đó lại với nhau, và bạn sẽ nhận được lỗi này, lỗi tạm thời. Đó là một sự tích lũy tuyệt vời của dự đoán mở rộng theo thời gian và sự khác biệt giữa chúng, mà bạn có thể sử dụng để cập nhật cấu trúc của máy học chính nó.

Và vì vậy, một lần nữa, đối với học tăng cường truyền thống dựa trên phần thưởng, điều này có thể đang xem xét việc cập nhật cách máy móc hoạt động dựa trên phần thưởng tương lai được nhận thức. Đối với nhiều điều chúng ta làm, đó là việc xem xét các tín hiệu khác, sử dụng các hàm giá trị tổng quát, đó là sự thích nghi của quá trình học tăng cường của tín hiệu phần thưởng để bất kỳ tín hiệu nào có thể áp dụng được cho hoạt động của máy móc.

Bạn thường nói về một prosthesis gọi là Cairo Toe trong các bài nói của bạn. Điều gì có thể học được từ nó?

Cairo Toe University of Basel, LHTT. Hình ảnh: Matjaž Kačičnik

Tôi thích sử dụng ví dụ về Cairo Toe, một prosthesis 3000 năm tuổi. Tôi làm việc trong lĩnh vực neuro prosthesis, chúng ta hiện thấy các hệ thống robot tiên tiến có thể có mức độ kiểm soát tương tự như các bộ phận sinh học. Và yet, tôi quay lại một chiếc ngón chân gỗ được cách điệu từ 3000 năm trước. Tôi nghĩ điều gì đó hay là nó là một ví dụ về con người mở rộng mình với công nghệ. Đó là điều chúng ta đang thấy ngay bây giờ trong lĩnh vực tương tác giữa con người và máy móc là không gì mới mẻ, kỳ lạ. Chúng ta đã luôn là những người sử dụng công cụ, động vật không phải người cũng sử dụng công cụ. Có nhiều cuốn sách tuyệt vời về điều này, đặc biệt là của Frans de Waal, “Are We Smart Enough to Know How Smart Animals Are?”.

Điều mở rộng này của chúng ta, sự tăng cường và cải thiện của chúng ta thông qua việc sử dụng công cụ, không phải là điều gì mới mẻ, mà là điều gì đó cổ xưa. Đó là điều gì đó đã xảy ra từ thời cổ đại, trên mảnh đất mà chúng ta đang đứng ngay bây giờ, bởi những người đã sống ở đây. Điều thú vị khác về Cairo Toe là bằng chứng, ít nhất từ các báo cáo học thuật về nó, cho thấy nó đã được thích nghi nhiều lần trong quá trình tương tác với người dùng. Họ thực sự đã đi vào và tùy chỉnh nó và thay đổi nó, sửa đổi nó trong quá trình sử dụng.

Theo hiểu biết của tôi, nó không chỉ là một công cụ cố định được gắn vào một người trong suốt cuộc đời của họ, mà là một công cụ cố định được gắn nhưng cũng được sửa đổi. Đó là một ví dụ về cách, một lần nữa, ý tưởng rằng các công cụ được thích nghi trong quá trình sử dụng của chúng là điều gì đó cũng cổ xưa. Đó không phải là điều gì mới mẻ, và có nhiều bài học chúng ta có thể học được từ sự thích nghi cùng nhau của con người và công cụ trong nhiều năm.

Bạn đã từng đề cập đến con đường phản hồi giữa prosthesis và con người, bạn có thể giải thích thêm về con đường phản hồi không?

Chúng ta cũng đang ở một thời điểm đặc biệt về cách chúng ta đang xem xét mối quan hệ giữa một người và máy móc nhằm hỗ trợ họ trong cuộc sống hàng ngày. Khi một người đang sử dụng một chi giả, chẳng hạn như một người có sự khác biệt về chi hoặc một người bị cụt chi, họ thường sử dụng nó rất nhiều như một công cụ, như một phần mở rộng của cơ thể, nhưng chúng ta sẽ thấy họ phụ thuộc rất nhiều vào con đường kiểm soát. Một số ý định hoặc ý chí của họ được truyền xuống thiết bị, mà sau đó được giao nhiệm vụ để tìm hiểu những gì nó là, và sau đó thực hiện theo đó, cho dù đó là mở và đóng một tay hoặc uốn cong một khuỷu tay hoặc tạo ra một nắm tay để cầm một chìa khóa. Chúng ta thường không thấy người ta nghiên cứu hoặc xem xét con đường phản hồi.

Vì vậy, một số lượng lớn các chi giả mà bạn có thể thấy được triển khai thương mại, con đường thông tin chảy từ thiết bị trở lại người có thể là sự kết nối cơ học, cách họ thực sự cảm nhận lực của chi và hành động dựa trên đó. Nó có thể là họ nghe thấy tiếng ồn của động cơ hoặc họ nhìn thấy khi họ nhặt một chiếc cuff và di chuyển nó trên một bàn hoặc họ cầm nó từ một phần khác của không gian làm việc của họ. Và vì vậy, những con đường đó là cách truyền thống để làm điều đó. Có những điều tuyệt vời đang xảy ra trên toàn cầu để xem xét cách thông tin có thể được truyền tải tốt hơn từ một chi giả đến người sử dụng nó. Đặc biệt là ngay tại Edmonton, có rất nhiều công việc thực sự cool đang sử dụng việc tái tạo dây thần kinh và các điều khác để hỗ trợ con đường đó. Nhưng nó vẫn là một lĩnh vực nghiên cứu mới nổi để suy nghĩ về cách học máy hỗ trợ sự tương tác với respecto đến con đường phản hồi.

Làm thế nào học máy có thể hỗ trợ một hệ thống có thể nhận thức và dự đoán nhiều về thế giới của nó thực sự truyền tải thông tin đó một cách rõ ràng và hiệu quả trở lại người sử dụng nó. Làm thế nào học máy có thể hỗ trợ điều đó? Tôi nghĩ đây là một chủ đề tuyệt vời, vì nếu bạn có cả con đường phản hồi và con đường kiểm soát, cả hai hệ thống đều đang thích nghi và cả thiết bị được sử dụng bởi người và người đó đều đang xây dựng các mô hình của nhau. Bạn có thể làm điều gì đó gần như kỳ diệu. Bạn có thể truyền tải thông tin gần như miễn phí. Nếu bạn có cả hai hệ thống đó thực sự được điều chỉnh để phù hợp với nhau, họ đã xây dựng một mô hình rất mạnh mẽ của nhau và họ có sự thích nghi cả về con đường kiểm soát và con đường phản hồi, bạn có thể hình thành các mối quan hệ紧密 giữa con người và máy móc mà có thể truyền tải một lượng lớn thông tin với rất ít nỗ lực và rất ít băng thông.

Và điều đó mở ra những lĩnh vực mới của sự phối hợp giữa con người và máy móc, đặc biệt là trong lĩnh vực neuro prosthesis. Tôi thực sự nghĩ rằng đây là một thời điểm kỳ diệu để chúng ta bắt đầu nghiên cứu lĩnh vực này.

Bạn có nghĩ rằng những điều này sẽ được in 3D trong tương lai hay bạn nghĩ rằng việc sản xuất sẽ tiến hành như thế nào?

Tôi không cảm thấy như mình là người phù hợp để suy đoán về cách nó có thể xảy ra. Tôi có thể nói rằng, chúng ta đang thấy một sự tăng lên lớn trong các nhà cung cấp thương mại của các thiết bị neuro prosthesis sử dụng sản xuất phụ gia, in 3D, và các hình thức sản xuất phụ gia khác để tạo ra các thiết bị của họ. Điều này cũng thực sự thú vị khi thấy, đó là không chỉ là một nguyên mẫu sử dụng sản xuất phụ gia hoặc in 3D, mà là in 3D trở thành một phần quan trọng của cách chúng ta cung cấp thiết bị cho các cá nhân và cách chúng ta tối ưu hóa các thiết bị đó cho những người cụ thể đang sử dụng chúng.

Sản xuất phụ gia hoặc sản xuất tùy chỉnh, việc lắp đặt prosthesis được thực hiện trong các bệnh viện tất cả thời gian. Điều này là một phần tự nhiên của việc cung cấp dịch vụ cho những người có sự khác biệt về chi hoặc những người cần công nghệ hỗ trợ hoặc các loại công nghệ phục hồi khác. Tôi nghĩ chúng ta đang bắt đầu thấy rằng nhiều việc tùy chỉnh đó đang bắt đầu hòa nhập vào việc sản xuất các thiết bị. Và không chỉ để lại cho các nhà cung cấp dịch vụ tại điểm chăm sóc. Và điều đó cũng thực sự thú vị. Tôi nghĩ có một cơ hội tuyệt vời cho các thiết bị không chỉ trông giống như tay hoặc được sử dụng như tay, mà là các thiết bị rất chính xác đáp ứng nhu cầu của người sử dụng chúng, cho phép họ thể hiện mình theo cách họ muốn thể hiện mình, và để họ sống cuộc sống họ muốn sống theo cách họ muốn sống nó, không chỉ theo cách chúng ta nghĩ một tay nên được sử dụng trong cuộc sống hàng ngày.

Bạn đã viết hơn 120 bài báo. Có một bài báo nào nổi bật với bạn mà chúng ta nên biết?

Có một bài báo gần đây được xuất bản trên tạp chí Neural Computing Applications, nhưng nó đại diện cho phần nổi của một suy nghĩ mà chúng tôi đã đưa ra trong hơn một thập kỷ nay, về các khuôn khổ cho cách con người và máy móc tương tác, đặc biệt là cách con người và thiết bị prosthesis tương tác. Đó là ý tưởng về vốn giao tiếp. Và vì vậy, đây là bài báo mà chúng tôi gần đây đã xuất bản.

Và bài báo này đưa ra quan điểm của chúng tôi về cách các dự đoán được học và duy trì trong thời gian thực bởi một thiết bị prosthesis tương tác với người, người đó có thể hình thành vốn, có thể hình thành một nguồn lực mà cả hai bên có thể dựa vào. Nhớ lại, trước đó tôi đã nói, chúng ta có thể làm điều gì đó thực sự tuyệt vời khi chúng ta có một con người và một máy móc đang xây dựng các mô hình của nhau, thích nghi trong thời gian thực dựa trên kinh nghiệm, và bắt đầu truyền tải thông tin trong một kênh hai chiều. Như một phần phụ, vì chúng ta sống trong một thế giới kỳ diệu nơi có các bản ghi và bạn có thể cắt những thứ ra khỏi nó.

Nó giống như một điều kỳ diệu.

Đúng vậy. Nó nghe giống như một điều kỳ diệu. Nếu chúng ta quay lại những người nghĩ như Ashby, W. Ross Ashby, vào những năm 1960 và cuốn sách “Introduction of Cybernetics” đã nói về cách chúng ta có thể khuếch đại trí tuệ con người. Và ông thực sự đã nói rằng nó đến từ việc khuếch đại khả năng của một người để chọn giữa nhiều lựa chọn. Và điều này được thực hiện có thể bằng các hệ thống mà một người đang tương tác với, chẳng hạn như một máy móc, nơi có một kênh giao tiếp mở giữa chúng. Vì vậy, nếu chúng ta có kênh giao tiếp đó, nếu nó là hai chiều, và nếu cả hai hệ thống đều đang xây dựng vốn trong hình thức của các dự đoán và những thứ khác, thì bạn có thể bắt đầu thấy chúng thực sự phù hợp với nhau và trở thành hơn tổng của các phần. Bạn có thể nhận được nhiều hơn so với những gì họ đang đưa vào.

Và tôi nghĩ rằng đây là lý do tại sao tôi coi đây là một trong những bài báo thú vị nhất của chúng tôi, vì nó thực sự đại diện cho một sự thay đổi trong suy nghĩ. Nó đại diện cho một sự thay đổi trong cách suy nghĩ về các thiết bị prosthesis như các hệ thống có khả năng, các hệ thống mà chúng ta không chỉ mô tả khả năng, mà còn dựa vào để có thể thích nghi với chúng. Các vốn giao tiếp mà cho phép chúng ta nhân lên khả năng tương tác với thế giới, và với ít gánh nặng nhận thức, đặc biệt là trong phần của đơn vị.

Điều gì là một số ứng dụng bạn sẽ thấy cho các giao diện máy móc não với những gì bạn vừa thảo luận?

Một trong những điều tôi yêu thích là một công nghệ gọi là chuyển đổi thích nghi. Chuyển đổi thích nghi dựa trên kiến thức rằng nhiều hệ thống chúng ta tương tác hàng ngày phụ thuộc vào chúng ta chuyển đổi giữa nhiều chế độ hoặc chức năng. Cho dù tôi đang chuyển đổi giữa các ứng dụng trên điện thoại của mình hoặc tôi đang cố gắng tìm ra cài đặt đúng trên máy khoan của mình hoặc tôi đang điều chỉnh các công cụ khác trong cuộc sống của mình, chúng ta chuyển đổi giữa nhiều chế độ hoặc chức năng tất cả thời gian, suy nghĩ lại về Ashby, khả năng của chúng ta để chọn giữa nhiều lựa chọn. Vì vậy, trong chuyển đổi thích nghi, chúng tôi sử dụng học tạm thời để cho phép một chi giả học chức năng động cơ mà một người có thể muốn sử dụng và khi họ muốn sử dụng nó. Thực sự khá đơn giản, ý tưởng là, chỉ việc tôi với tay đến một cốc và đóng tay.

Thực sự, một hệ thống nên có thể xây dựng dự đoán thông qua kinh nghiệm rằng trong tình huống này, tôi có thể sẽ sử dụng chức năng mở và đóng tay. Và sau đó, trong tương lai, trong các tình huống tương tự, để có thể dự đoán điều đó. Và khi tôi đang điều hướng trong đám mây các chế độ và chức năng, hãy đưa cho tôi nhiều hơn hoặc ít hơn những gì tôi muốn mà không cần phải tìm kiếm tất cả những lựa chọn đó. Và đây là một ví dụ đơn giản về việc xây dựng vốn giao tiếp. Bạn có một hệ thống thực sự đang xây dựng dự đoán thông qua tương tác, những dự đoán về người đó, máy móc, mối quan hệ của họ trong tình huống đó tại thời điểm đó. Và nguồn lực chung đó cho phép hệ thống tái cấu hình giao diện kiểm soát của nó trên máy bay, để người đó nhận được những gì họ muốn và khi họ muốn. Và thực sự, trong một tình huống mà hệ thống rất chắc chắn về chức năng động cơ mà một người có thể muốn, nó có thể thực sự chọn chức năng đó cho họ khi họ đang đi vào.

Và điều thú vị là, người đó luôn có khả năng nói, “À, đây là những gì tôi thực sự muốn,” và chuyển sang một chức năng động cơ khác. Trong một cánh tay robot, điều đó có thể là các loại nắm tay khác nhau, cho dù đó là tạo hình để cầm một tay nắm cửa hoặc nhặt một chiếc chìa khóa hoặc để bắt tay với ai đó. Những điều đó là các chế độ chức năng khác nhau, các mẫu nắm tay khác nhau. Thực sự thú vị khi hệ thống có thể bắt đầu xây dựng sự đánh giá về những gì phù hợp trong tình huống nào. Các đơn vị vốn mà cả hai bên có thể dựa vào để di chuyển nhanh hơn qua thế giới, và với ít gánh nặng nhận thức, đặc biệt là trong phần của đơn vị.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập các nguồn sau:

• Tiến sĩ Patrick M. Pilarski Trang web của Đại học Alberta.
• Hội nghị Upper Bound về AI.
• Amii (Viện Trí tuệ Máy móc Alberta)