Ronald T. Kneusel, Tác giả của “How AI Works: From Sorcery to Science” – Loạt phỏng vấn

Chúng tôi gần đây đã nhận được một bản sao tiên tiến của cuốn sách “How AI Work: From Sorcery to Science” của Ronald T. Kneusel. Tôi đã đọc hơn 60 cuốn sách về AI, và trong khi một số trong số chúng trở nên lặp đi lặp lại, cuốn sách này đã quản lý để cung cấp một góc nhìn mới mẻ, tôi đã thích cuốn sách này đủ để thêm nó vào danh sách cá nhân của tôi về Những cuốn sách học máy và AI tốt nhất mọi thời đại.

“How AI Works: From Sorcery to Science” là một cuốn sách ngắn gọn và rõ ràng được thiết kế để phác thảo các nguyên tắc cơ bản của học máy. Dưới đây là một số câu hỏi được đặt ra cho tác giả Ronald T. Kneusel.

Đây là cuốn sách AI thứ ba của bạn, hai cuốn đầu tiên là: “Practical Deep Learning: A Python-Base Introduction,” và “Math for Deep Learning: What You Need to Know to Understand Neural Networks”. Ý định ban đầu của bạn khi bắt đầu viết cuốn sách này là gì?

Khán giả mục tiêu khác nhau. Cuốn sách trước của tôi được thiết kế như một giới thiệu cho những người quan tâm đến việc trở thành các nhà thực hành AI. Cuốn sách này dành cho độc giả chung, những người nghe nhiều về AI trên tin tức nhưng không có nền tảng về nó. Tôi muốn chỉ cho độc giả thấy rằng AI đến từ đâu, rằng nó không phải là ma thuật, và bất kỳ ai cũng có thể hiểu nó đang làm gì.

Trong khi nhiều cuốn sách AI có xu hướng tổng quát hóa, bạn đã thực hiện cách tiếp cận ngược lại bằng cách rất cụ thể trong việc giảng dạy ý nghĩa của các thuật ngữ khác nhau, và thậm chí giải thích mối quan hệ giữa AI, học máy và học sâu. Tại sao bạn tin rằng có sự nhầm lẫn xã hội lớn giữa những thuật ngữ này?

Để hiểu lịch sử của AI và tại sao nó ở khắp mọi nơi chúng ta nhìn bây giờ, chúng ta cần hiểu sự khác biệt giữa các thuật ngữ, nhưng trong sử dụng phổ biến, nó là hợp lý khi sử dụng “AI” biết rằng nó đề cập chủ yếu đến các hệ thống AI đang biến đổi thế giới rất nhanh. Các hệ thống AI hiện đại xuất hiện từ học sâu, đã xuất hiện từ học máy và cách tiếp cận kết nối đến AI.

Chương thứ hai đi sâu vào lịch sử của AI, từ thần thoại của Talos, một robot khổng lồ được thiết kế để bảo vệ một công chúa Pheonecian, đến bài báo của Alan Turing vào những năm 1950, “Computing Machinery and Intelligence”, đến sự ra đời của cuộc cách mạng học sâu vào năm 2012. Tại sao việc nắm vững lịch sử của AI và học máy lại quan trọng để hiểu đầy đủ sự tiến hóa của AI?

Mục đích của tôi là để chỉ ra rằng AI không chỉ rơi từ bầu trời. Nó có một lịch sử, một nguồn gốc và một sự tiến hóa. Trong khi khả năng nổi bật của các mô hình ngôn ngữ lớn là một điều ngạc nhiên, con đường dẫn đến chúng không phải là như vậy. Đó là một quá trình của nhiều thập kỷ suy nghĩ, nghiên cứu và thí nghiệm.

Bạn đã dành một chương riêng để hiểu các hệ thống AI di sản như máy vectơ hỗ trợ, cây quyết định và rừng ngẫu nhiên. Tại sao bạn tin rằng việc hiểu đầy đủ các mô hình AI cổ điển này lại quan trọng?

AI như mạng nơ-ron chỉ là một cách tiếp cận khác đối với cùng một loại mô hình hóa dựa trên tối ưu hóa được tìm thấy trong nhiều mô hình học máy trước đó. Đó là một cách tiếp cận khác về việc phát triển một mô hình của một số quá trình, một số hàm ánh xạ đầu vào đến đầu ra. Việc biết về các mô hình trước đó giúp xác định nơi các mô hình hiện tại đến từ đâu.

Bạn tuyên bố niềm tin rằng mô hình LLM của ChatGPT từ OpenAI là sự bắt đầu của AI thực sự. Theo bạn, điều gì là yếu tố thay đổi lớn nhất giữa phương pháp này và các phương pháp trước đó để giải quyết AI?

Gần đây, tôi đã xem một video từ cuối những năm 1980 của Richard Feynman cố gắng trả lời một câu hỏi về máy thông minh. Ông ấy nói rằng ông ấy không biết loại chương trình nào có thể hành động thông minh. Trong một ý nghĩa nào đó, ông ấy đang nói về AI biểu tượng, nơi bí ẩn của trí thông minh là tìm kiếm trình tự logic ma thuật, v.v., cho phép hành vi thông minh. Tôi từng tự hỏi, như nhiều người khác, về điều tương tự – làm thế nào bạn có thể lập trình trí thông minh?

Tôi tin rằng bạn thực sự không thể. Thay vào đó, trí thông minh xuất hiện từ các hệ thống đủ phức tạp có khả năng thực hiện những gì chúng ta gọi là trí thông minh (tức là chúng ta). Não bộ của chúng ta là mạng lưới phức tạp của các đơn vị cơ bản. Đó cũng là những gì một mạng nơ-ron là. Tôi nghĩ rằng kiến trúc transformer, như được thực hiện trong LLM, đã tình cờ tìm thấy một sự sắp xếp tương tự của các đơn vị cơ bản có thể làm việc cùng nhau để cho phép hành vi thông minh xuất hiện.

Ở một mức độ, đó là sự cố “happy accident” cuối cùng của Bob Ross, trong khi ở mức độ khác, nó không nên quá ngạc nhiên một khi sự sắp xếp và tương tác được phép giữa các đơn vị cơ bản có thể cho phép hành vi thông minh xuất hiện. Dường như rõ ràng bây giờ rằng các mô hình transformer là một sự sắp xếp như vậy. Tất nhiên, điều này đặt ra câu hỏi: những sự sắp xếp nào khác có thể có?

Thông điệp chính của bạn là AI hiện đại (LLM) về cơ bản chỉ là một mạng nơ-ron được đào tạo bằng backpropagation và gradient descent. Bạn có ngạc nhiên về hiệu quả của LLM không?

Có và không. Tôi liên tục bị ngạc nhiên bởi phản hồi và khả năng của chúng khi tôi sử dụng chúng, nhưng khi nhắc lại câu hỏi trước, trí thông minh xuất hiện là có thật, vì vậy tại sao nó không xuất hiện trong một mô hình đủ lớn với kiến trúc phù hợp? Tôi nghĩ rằng các nhà nghiên cứu từ lâu như Frank Rosenblatt, nếu không sớm hơn, có thể đã nghĩ tương tự.

Tuyên bố sứ mệnh của OpenAI là “đảm bảo rằng trí tuệ nhân tạo tổng quát – các hệ thống AI thông minh hơn con người – mang lại lợi ích cho toàn nhân loại.” Bạn có tin rằng AGI có thể đạt được không?

Tôi không biết AGI có nghĩa là gì hơn是我 biết ý thức có nghĩa là gì, vì vậy nó khó để trả lời. Như tôi đã nói trong cuốn sách, có thể sẽ có một thời điểm, rất sớm bây giờ, khi nó trở nên vô nghĩa để quan tâm đến những sự khác biệt như vậy – nếu nó đi như một con vịt và kêu như một con vịt, chỉ cần gọi nó là một con vịt và tiếp tục.

Đáp án hài hước sang một bên, hoàn toàn có khả năng một hệ thống AI có thể, sớm thôi, thỏa mãn nhiều lý thuyết về ý thức. Chúng ta có muốn các hệ thống AI hoàn toàn ý thức (bất kể điều đó thực sự có nghĩa là gì) không? Có lẽ không. Nếu nó có ý thức, thì nó giống như chúng ta và do đó là một người với quyền – và tôi không nghĩ thế giới đã sẵn sàng cho các nhân vật nhân tạo. Chúng ta đã có đủ rắc rối trong việc tôn trọng quyền của đồng bào loài người, chứ không nói đến quyền của bất kỳ loại sinh vật nào khác.

Có điều gì bạn học được trong khi viết cuốn sách này mà khiến bạn ngạc nhiên không?

Beyond mức độ ngạc nhiên mà mọi người khác cảm nhận được về khả năng xuất hiện của LLM, không thực sự. Tôi đã học về AI như một sinh viên vào những năm 1980. Tôi bắt đầu làm việc với học máy vào đầu những năm 2000 và đã tham gia vào học sâu khi nó xuất hiện vào đầu những năm 2010. Tôi đã chứng kiến sự phát triển của thập kỷ qua trực tiếp, cùng với hàng nghìn người khác, khi lĩnh vực này phát triển đáng kể từ hội nghị này sang hội nghị khác.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, độc giả cũng có thể muốn xem đánh giá của tôi về cuốn sách này. Cuốn sách có sẵn tại tất cả các nhà bán lẻ lớn, bao gồm Amazon.