“THIẾU NGỦ” CÓ THỂ GÂY CHO CÁC HỆ TRÍ TUỆ NHÂN TẠO
Lack of Sleep Could Be a Problem for AIs – Garrett Kenyon
https://www.scientificamerican.com/article/lack-of-sleep-could-be-a-problem-for-ais/
Tương tự với não bộ con người, một số hệ trí tuệ nhân tạo có thể mắc lỗi ảo giác nếu hoạt động liên lục mà không được nghỉ ngơi.
Chúng ta thường nghĩ, khác với con người hay các sinh vật có hệ thần kinh trung ương, máy móc không cần “đi ngủ” để duy trì hoạt động. Nhưng thực tế lại khác, ví dụ đơn giản như chiếc lò nướng, ô tô, tủ lạnh ở nhà bạn hay xa hơn là những phát minh dựa trên cuộc cách mạng công nghệ trí tuệ nhân tạo, chúng đều cần được “nghỉ ngơi”.
Điều bất ổn xảy ra khi các hệ trí tuệ nhân tạo (hoạt động như não bộ con người) được tích hợp trên nhiều thiết bị dựa vào các máy tính và bộ vi xử lý, cho huấn luyện qua ngày. Đây là phát hiện mới trong báo cáo nghiên cứu mới từ phòng thí nghiệm Quốc gia Los Alamos về các hệ thống hoạt động tương tự hệ thần kinh trong bộ não của các cơ thể sống.
Chúng tôi phát hiện ra điều này khi xây dựng và phát triển hệ thống giả lập mạng neural của con người và các sinh vật khác. Chúng tôi đã khảo sát phản ứng của các hệ mô phỏng trên với các huấn luyện không có giám sát. Với dạng huấn luyện này, các mạng neural thiết lập để xác định vật thể mà không cần ví dụ so sánh. Lấy một ví dụ như sau: đưa cho một đứa trẻ tập hình ảnh của các con vật lạ và yêu cầu cậu bé nhóm những con vật tương tự với nhau. Rất có thể cậu bé không hề biết về con linh dương, nhưng lại có thể xếp hình ảnh này vào một nhóm riêng biệt với nhóm hình sư tử hoặc chim cánh cụt chẳng hạn.
Và cũng như giáo viên của bọn nhóc, chúng tôi không hề ngạc nhiên khi kết quả nhận thấy rằng các mạng trí tuệ nhân tạo mô phỏng việc quan sát này trở nên bất ổn định sau thời gian tự học liên tục kéo dài. Tuy nhiên, khi chúng tôi đặt mạng neural trong trạng thái tương tự với sóng suy nghĩ mà não bộ con người trải nghiệm trong giấc ngủ, hệ thống dần ổn định trở lại. Chẳng khác nào chúng tôi cho mạng neural ngủ một giấc thật ngon cả.
Tính bất ổn định như vừa nêu không phải là thuộc tính của tất cả các mạng trí tuệ nhân tạo. Vấn đề này chỉ xuất hiện khi ứng dụng cách thức bộ não thực phân tích sự vật, hay khi tìm hiểu về bản chất của sinh học để đưa vào nghiên cứu. Phần lớn các nhà nghiên cứu machine learning, deep learning và AI không gặp vấn đề này, bởi vì các hệ thống nhân tạo họ sử dụng đều được tận dụng kết quả của các phép toán chính xác thu được trong quá trình nghiên cứu mà không có hệ thần kinh sống nào so sánh được.
Với nỗ lực ổn định hệ trí tuệ nhân tạo, chúng tôi quyết định thử nghiệm một “giấc ngủ nhân tạo” cho máy. Chúng tôi cho máy móc trải nghiệm cảm giác ngủ bằng các loại âm thanh khác nhau, ví dụ như tiếng rè rè khi bạn chỉnh radio. Kết quả ổn định nhất xuất hiện với âm thanh có tần số và biên độ trải rộng. Những âm thanh này tương tự những gì các neural sinh học trải nghiệm khi rơi vào trạng thái giấc ngủ sâu, vốn cho phép não bộ duy trì trạng thái ổn định. Kết quả này cho thấy rằng, không chỉ các hệ thống trí tuệ tự nhiên, mà các hệ thống trí tuệ nhân tạo cũng cần các giấc ngủ sâu để ổn định hoạt động và không bị vướng vào ảo giác.
Trạng thái ngủ của các mạng trí tuệ nhân tạo khác nhiều so với trạng thái ngủ của máy vi tính sau thời gian dài không hoạt động. Một máy tính thông thường rơi vào trạng thái ngủ chủ động khi tất các tính toán ngưng lại. Hay một cách khác, khi ta tắt và bật lại một máy tính bị trục trặc, điều đó tương đương với việc chiếc máy tính đó của bạn đã ở trong trạng thái “chết não” ngắn.
Chú ý rằng, dạng thức ngủ này không giải quyết được vấn đề bất ổn định của một hệ trí tuệ nhân tạo. Việc bật tắt nguồn chỉ đơn thuần khởi động lại mạng mà không huấn luyện mạng, chỉ làm cho mạng biến động hơn. Trong các mạng trí tuệ nhân tạo cũng như các sinh vật sống, trạng thái ngủ (hay tương tự như ngủ) không phải là ngừng hoạt động mà là một dạng hoạt động quan trọng và cần thiết cho các chức năng của các tế bào thần kinh được thực hiện tốt nhất có thể.
Chúng tôi cũng phát hiện ra một lợi ích khác nữa của giấc ngủ nhân tạo trong mô phỏng này. Thông thường, một vài tế bào thần kinh trong mạng mô phỏng không hoạt động gì trong suốt quá trình từ khi bắt đầu mô phỏng. Tuy nhiên, khi áp dụng chế độ ngủ nhân tạo thì các tế bào đã ngưng hoạt động này đã hoạt động trở lại.
Khi các nhà nghiên cứu xây dựng những hệ thống ngày càng giống với hệ thần kinh của các cơ thể sống, điều ngạc nhiên là những mạng này cũng cần ngủ như chúng ta vậy. Chúng tôi hy vọng rằng những hệ trí tuệ nhân tạo phức tạp hơn sẽ giúp chúng ta hiểu biết sâu hơn về giấc ngủ cũng như những đặc tính khác của các hệ thống sinh học. Một chiếc lò nướng thông minh của tương lai được ngủ điều độ sẽ giúp chúng ta những hiểu biết sâu sắc về hoạt động của bộ não cũng như tạo ra những chiếc bánh giòn và ngon cho bữa sáng vậy.
————————————————————————————————————-
Về tác giả: Garrett Kenyon là nhà vật lý và khoa học thần kinh thuộc nhóm Nghiên cứu tính toán mô phỏng thần kinh của khoa Khoa học thông tin, phòng thí nghiệm Los Alamos. Ông nghiên cứu về bộ não và các mạng trí tuệ nhân tạo trên các máy tính toán hiệu năng cao.
Về người dịch: Trần Hoàng Đại, tốt nghiệp hệ đào tạo Kỹ sư tài năng chuyên ngành Điều khiển tự động năm 2012 tại đại học Bách khoa Hà Nội. Hướng nghiên cứu: Ứng dụng trí tuệ nhân tạo trong điều khiển ổn định hệ phi tuyến.