Nhà khoa học người Anh - Canada Geoffrey Hinton và nhà vật lý người Mỹ John Hopfield trở thành học giả đoạt giải Nobel Vật lý 2024 nhờ “phát hiện và phát minh cho phép học máy với mạng nơ-ron nhân tạo”.
Cấu trúc lấy cảm hứng từ não người
Mark van der Wilk - chuyên gia về học máy ở Đại học Oxford cho biết, mạng nơ-ron nhân tạo là một cấu trúc toán lấy cảm hứng từ não người. Não người có mạng lưới tế bào gọi là nơ-ron, phản ứng trước những kích thích bên ngoài như thứ mắt nhìn thấy hay tai nghe được thông qua truyền tín hiệu cho nhau. Khi chúng ta học hỏi, một số kết nối giữa các nơ-ron trở nên mạnh hơn trong khi số khác yếu đi.
Khác với máy tính thông thường hoạt động giống như đọc một công thức hơn, mạng nơ-ron nhân tạo mô phỏng quá trình này. Nơ-ron sinh học được thay thế bằng tính toán đơn giải gọi là “nút” và kích thích mà chúng học hỏi được thay thế bằng dữ liệu huấn luyện. Giới nghiên cứu cho rằng, điều đó cho phép mạng lưới học hỏi theo thời gian, dẫn tới sự ra đời của thuật ngữ học máy.
Trước khi máy móc có thể học hỏi, chúng cần một đặc điểm khác của con người là trí nhớ. Nhà vật lý Hopfield phát triển mạng Hopfield, hay còn gọi là bộ nhớ liên kết vào đầu thập niên 1980. Ý tưởng phía sau mạng Hopfield là khi một mạng nơ-ron nhân tạo nhận thông tin sai lệch đôi chút, nó có thể rà soát qua mô hình đã lưu trữ trước đó để tìm dữ liệu phù hợp nhất. Đây là một bước tiến quan trọng dẫn tới sự ra đời của AI.
Năm 1985, nhà khoa học Hinton công bố cỗ máy Boltzmann, đóng góp riêng của ông cho lĩnh vực học máy. Đặt theo tên nhà vật lý thế kỷ 19 là Ludwig Boltzmann, thiết kế này sử dụng yếu tố ngẫu nhiên.
Tính ngẫu nhiên này chính là lý do công cụ tạo ảnh AI ngày nay có thể sản sinh vô số biến thể từ cùng một gợi ý. Ông Hinton cũng chứng minh rằng, mạng nơ-ron càng có nhiều lớp, hành vi của nó càng phức tạp và việc học hỏi hiệu quả một hành vi mong muốn sẽ dễ dàng hơn.
Bất chấp những ý tưởng đột phá trên, nhiều nhà khoa học mất hứng thú với học máy vào thập niên 1990. Học máy đòi hỏi những máy tính cực mạnh có thể xử lý lượng thông tin khổng lồ. Nó cũng cần hàng triệu ảnh chụp cho để thuật toán có thể phân biệt giữa chó và mèo.
Vào đầu những năm 2000, nhờ tiến bộ của công nghệ phần cứng, đặc biệt là sự phát triển của bộ xử lý đồ họa (GPU), mạng nơ-ron sâu bắt đầu quay trở lại mạnh mẽ. Khả năng tính toán tăng lên cho phép xử lý các mô hình mạng nơ-ron với quy mô lớn hơn và hiệu quả hơn. Đây là thời điểm ông Hinton và các cộng sự tận dụng để chứng minh tiềm năng thực sự của học sâu.
Năm 2012, ông Hinton cùng hai học trò xuất sắc của mình là Alex Krizhevsky và Ilya Sutskever đã tạo ra một cuộc cách mạng trong lĩnh vực nhận dạng hình ảnh với mô hình AlexNet. Sử dụng mạng nơ-ron sâu với hàng triệu tham số, AlexNet đã giành chiến thắng tại cuộc thi ImageNet - một trong những cuộc thi uy tín nhất về nhận dạng hình ảnh, với độ chính xác vượt trội so với các phương pháp truyền thống. Chiến thắng này đã thu hút sự chú ý rộng rãi đến mạng nơ-ron và học sâu, tạo nên một làn sóng nghiên cứu mới trong lĩnh vực này.
Cuộc cách mạng hóa các ngành khoa học
Ủy ban Nobel đã ca ngợi hai nhà khoa học này vì “sử dụng các công cụ vật lý để phát triển những phương pháp AI, từ đó tạo nên nền tảng cho công nghệ học máy hiện đại”. Ellen Moons, Chủ tịch Ủy ban Nobel Vật lý, cũng nhấn mạnh rằng, mạng nơ-ron nhân tạo đang cách mạng hóa các ngành khoa học khác nhau, đặc biệt là trong việc phát triển vật liệu mới.
Dù AI đã đạt được nhiều thành tựu đáng kể, nhưng những cảnh báo từ các nhà khoa học hàng đầu như Hinton và Hopfield là lời nhắc nhở rằng, tiến bộ công nghệ không thể chỉ dựa trên niềm tin vào tương lai tươi sáng.
“Chúng ta không có kinh nghiệm về việc có những thứ thông minh hơn mình như thế nào. Điều đó sẽ tuyệt vời ở nhiều khía cạnh, trong các lĩnh vực như chăm sóc sức khỏe. Tuy nhiên, chúng ta cũng phải lo lắng về một số hậu quả xấu có thể xảy ra. Đặc biệt là mối đe dọa của những thứ vượt khỏi tầm kiểm soát”, ông Hinton cho biết.
Trong khi đó, nhà vật lý Hopfield (91 tuổi), Giáo sư danh dự tại Đại học Princeton, cũng đồng tình với mối lo ngại của Hinton. “Người ta đã quen với việc có những công nghệ không chỉ tốt hoặc chỉ xấu, mà còn có khả năng diễn ra theo cả hai hướng”, ông nói.
Geoffrey Hinton, 76 tuổi, sinh ra ở Anh, hiện là Giáo sư danh dự tại Đại học Toronto (Canada), đã phát minh ra một phương pháp có khả năng tự động tìm kiếm các thuộc tính trong dữ liệu và thực hiện các nhiệm vụ như xác định thành phần cụ thể trong hình ảnh.
Ông đã rời khỏi Google vào năm 2023 sau khi nhận ra máy tính có thể trở nên thông minh hơn con người sớm hơn nhiều so với dự kiến của ông và các chuyên gia khác. Tuy nhiên, ông Hinton vẫn đánh giá cao những nỗ lực của công ty trong việc quản lý và phát triển công nghệ một cách có trách nhiệm.
Hinton thừa nhận rằng, ông cảm thấy hối hận về một số nghiên cứu trước đây của mình, nhưng ông cũng nhấn mạnh rằng, những quyết định đó được đưa ra dựa trên hiểu biết hạn hẹp vào thời điểm ấy.
Được coi rộng rãi là giải thưởng danh giá nhất dành cho các nhà vật lý trên toàn thế giới, giải thưởng này được thành lập, cùng với các giải thưởng cho những thành tựu trong khoa học, văn học và hòa bình, theo di chúc của Alfred Nobel.
Ngoài những lựa chọn đôi khi gây tranh cãi về hòa bình và văn học, vật lý thường tạo nên tiếng vang lớn nhất trong số các giải thưởng, với danh sách những người chiến thắng trước đây có sự góp mặt của các siêu sao khoa học như Albert Einstein, Niels Bohr và Enrico Fermi.
Giải thưởng vật lý năm ngoái đã được trao cho Pierre Agostini, Ferenc Krausz và Anne L’Huillier vì công trình tạo ra các xung ánh sáng cực ngắn có thể chụp nhanh những thay đổi bên trong nguyên tử. Từ đó, có khả năng cải thiện khả năng phát hiện bệnh.
Trong suốt hơn 1 thế kỷ qua, giải thưởng Nobel đã trở thành một trong những danh hiệu cao quý nhất mà bất kỳ nhà khoa học nào cũng mơ ước đạt được. Thống kê cho thấy, trong danh sách những người đoạt giải, chỉ có 13 người là phụ nữ, trong số 229 người được vinh danh.
