Shyam Sankar: Sự phát triển của mối quan hệ hợp tác người - máy.

Sức mạnh tính toán của phần cứng máy tính không thể giải quyết những vấn đề của thế giới. Nhà phát minh lĩnh vực khai thác dữ liệu (Data mining) Shyam Sankar giải thích vì sao việc giải quyết các vấn đề lớn (như bắt tội phạm khủng bố hoặc xác định các nguy cơ lớn tiềm ẩn) không phải là một câu hỏi để tìm thuật toán chính xác, mà đúng hơn là mối quan hệ cộng sinh đúng đắn giữa máy tính và sự sáng tạo của con người.

Tôi muốn kể cho các bạn nghe về hai ván cờ.

Ván cờ thứ nhất vào năm 1997, trong ván cờ này
Garry Kasparov

- một con người, đã thua Deep Blue - một cái máy.

Đối với nhiều người, đây là bình minh của một
kỷ nguyên mới,

kỷ nguyên ở đó con người bị máy móc thống trị.

Nhưng rồi chúng ta ngồi đây sau 20 năm, sự thay đổi
lớn nhất

là cái cách chúng ta tương tác những máy tính như iPad,

không phải HAL.

Ván cờ thứ hai là một trận cờ theo thể thức tự do

diễn ra vào năm 2005, trong ván này con người và máy móc

quyết định cùng nhau cộng tác, thay vì là đối thủ của nhau.

Thoạt tiên, kết quả có vẻ dự đoán được.

Ngay cả một siêu máy tính cũng bị đánh bại bới một
đại kiện tướng

cùng với một chiếc laptop cấu hình kém.

Nhưng điều bất ngờ đến vào phút chót.
Ai là người chiến thắng?

Không phải là đại kiện tướng với chiếc siêu máy tính,

mà là hai người chơi nghiệp dư đến từ nước Mỹ

sử dụng ba chiếc laptop cấu hình tương đối thấp.

Khả năng của họ là huấn luyện và điều khiển những chiếc máy tính của họ

để tìm ra các vị trí chính xác

nhằm đương đầu hiệu quả với kiến thức cờ uyên thâm

của các đại kiện tướng và sức mạnh tính toán của chiếc siêu máy tính

của các đối thủ khác.

Đây là một kết quả đáng kinh ngạc:
những con người bình thường,

những máy tính bình thường có thể đánh bại
người giỏi nhất, máy tính mạnh nhất.

Dù sao đi nữa, con người và máy móc không nên
đối đầu nhau, đúng không?

Thay vào đó, đó là về sự hợp tác, và kiểu hợp tác đúng đắn

Chúng ta đang tập trung về tầm nhìn của
Marvin Minsky

đối với môn trí tuệ nhân tạo trong 50 năm qua.

Tôi cam đoan đó là một tầm nhìn rất cuốn hút. Nhiều người đã theo đuổi nó.

Nó đã trở thành ngôi trường tư tưởng trọng điểm trong ngành khoa học máy tính.

Nhưng khi chúng ta bước vào thời đại của dữ liệu khổng lồ, của các hệ thống mạng,

của nền tảng mở, của công nghệ nhúng.

Tôi muốn đề xuất rằng đây là thời gian để tái thẩm định lại một tầm nhìn thay thế

- tầm nhìn đã thực sự được phát triển cùng thời.

Tôi đang nói về ý tưởng cộng sinh người-máy của
J.C.R. Licklider

có lẽ tốt hơn nên dùng thuật ngữ
"Intelligence augmentation", I.A.

Licklider là một nhà khoa học máy tính phi thường, người có

ảnh hưởng sâu sắc đến sự phát triển của công nghệ
và Internet.

Tầm nhìn của ông cho phép con người và máy móc
có thể hợp tác

trong việc ra quyết định, điều khiển các tình huống phức tạp

mà không cần sự phụ thuộc cứng nhắc

vào các chương trình định trước.

Hay lưu ý từ "hợp tác"

Licklider khuyến khích chúng ta đừng có lấy
một cái lò nướng bánh

và biến nó thành nhân vật Data trong "Star Trek",

mà hãy biến một con người trở nên hữu dụng hơn.

Con ngươi rất tuyệt vời - Cái cách chúng ta nghĩ,

các cách tiếp cận phi tuyến của chúng ta, khả năng sáng tạo của chúng ta,

các giả thuyết lặp đi lặp lại, tất cả đều rất khó khăn để có thể khiến

máy tính làm được những điều đó.

Trực giác của Licklider nhận ra được điều này, dự tính của con người,

thiết lập các mục tiêu, xây dựng các giả thuyết,

xác định các tiêu chuẩn, và thực hiện đánh giá.

Tất nhiên, ở những mặt khác, con người rất hạn chế.

Chúng ta rất tệ về quy mô, tính toán và khối lượng.

Chúng tôi cần sự quản lý tài năng cấp cao

để giúp cho ban nhạc rock chơi nhạc với nhau.

Licklider dự đoán rằng máy tính sẽ làm tất cả công việc thường ngày

tức là những việc cần thiết để dọn đường cho sự thấu hiểu và ra quyết định

Một cách âm thầm, không có nhiều phô trương,

Hướng tiếp cận này đã đạt được chiến thắng còn xa hơn cả những ván cờ.

Gấp protein (Protein folding), một chủ đề chia sẻ về tính mở rộng khó tin của các ván cờ

Có nhiều cách để gấp một protein hơn số lượng nguyên tử trong vũ tru.

Đây là một vấn đề có thể khiến thế giới thay đổi và có tác động cực lớn

đến khả năng hiểu biết và điều trị bệnh tật của chúng ta.

Và đối với nhiệm vụ này, sức mạnh phần cứng của một siêu máy tính đơn giản là không đủ

Foldit, một trò chơi được các nhà khoa học máy tính tạo ra

minh họa về giá trị của hướng tiếp cận này.

Những người nghiệp dư, không phải là dân kỹ thuật hay sinh vật được chơi một video game

trong đó họ dùng mắt để sắp xếp cấu trúc của protein,

cho phép máy tính điều khiển lực nguyên tử

và tương tác cũng như xác định những vấn đề liên quan đến cấu trúc.

Hướng tiếp cận này đã thắng siêu máy tính 50% thời gian

và chỉ dùng đến 30% thời gian.

Foldit gần đây đã có một khám phá khoa học đáng chú ý và quan trọng

bằng cách giải mã cấu trúc của virus khỉ Mason-Pfizer.

Một protease (một loại enzyme) bị quên lãng hơn 10 năm

đã được giải quyết bởi ba người chơi trong một vài ngày,

có thể là bước tiến khoa học quan trọng đầu tiên

đạt được nhờ chơi một video game.

Năm ngoái, trên nền của Tòa tháp đôi,

đài tưởng niệm 11.9 được mở.

Tượng đài in tên của hàng ngàn nạn nhân

sử dụng một khái niệm tuyệt đẹp được gọi là
"Sự liền kề ý nghĩa".

Nó sắp xếp những cái tên bên cạnh cái tên khác dựa trên

mối quan hệ của họ: bạn bè, gia đình, đồng nghiệp.

Khi bạn đặt tất cả cạnh nhau, nó là một thử thách khá gay go về mặt tính toán:

3500 nạn nhân, 1800 mối liên hệ liền kề;

tầm quan trọng của các chi tiết kỹ thuật vật lý tổng thể

và cuối cùng là tính thẩm mỹ.

Khi lần đầu được giới truyền thông đưa tin,
toàn bộ công việc

được gửi gắm cho một thuật toán đến từ
thành phố New York

của công ty thiết kế Local Projects.
Thực tế thì hơi nhiều sắc thái hơn chút ít.

Trong khi một thuật toán được sử dụng để phát triển một bộ khung cơ bản,

con người sử dụng bộ khung đó để cho ra bản thiết kế
kết quả sau cùng.

Vì vậy trong trường hợp này, một máy tính đã
đánh giá hàng triệu

lớp có thể có, điều khiển một hệ thống
có mối quan hệ phức tạp,

và theo dõi các phép đo đạc và biến số khá với quy mô lớn và

cho phép con người chỉ tập trung vào

thiết kế và và chọn lựa.

Bạn càng quan sát xung quanh bạn,

bạn càng thấy tầm nhìn của Licklider có ở mọi nơi,

Cho dù đó là công nghệ tương tác thực tế
(augmented reality) trong chiếc iPhone hay GPS trong xe hơi của bạn,

sự cộng sinh con người - máy tính giúp con người chúng ta khả dụng hơn,

Vì nếu bạn muốn cải thiện sự cộng sinh người-máy,

bạn có thể làm gì?

Bạn có thể bắt đầu bằng cách thiết kế tính người
vào tiến trình đó.

Thay vì nghĩ về việc một chiếc máy tính sẽ làm gì để
giải quyết vấn đề,

thì hãy cũng thiết kế giải pháp xung quanh
những gì mà con người sẽ làm.

Khi bạn làm điều này, bạn sẽ nhanh chóng
nhận ra rằng bạn đã dành

tất cả thời gian của bạn cho
giao diện giữa con người và máy,

đặc biệt là cho thiết kế giảm sự sai khác
trong tương tác này.

Thực ra, sự sai khác này quan trọng hơn cả sức mạnh

của con người hay sức mạnh của máy móc

trong việc xác định khả năng tổng thể.

Đó là lý do tại sao hai người nghiệp dư với một vài laptop

dễ dàng đánh bại một siêu máy tính và một đại kiện tướng.

Cái mà Kasparov gọi là quá trình này là một sản phẩm phụ của sự sai khác.

Quá trình này diễn ra càng tốt, sự sai khác càng ít.

Và việc giảm thiểu sự sai khác hóa ra là những thay đổi có tính quyết định,

Hoặc lấy một ví dụ khác: dữ liệu lớn.

Mỗi tương tác mà chúng tôi có trên thế giới đều được ghi lại

bởi một loạt các loại cảm biến phát triển chưa từng thấy: trên điện thoại

thẻ tín dụng, máy tính của bạn. Kết quả là dữ liệu lớn,

và nó thực sự mở ra cho chúng ta một cơ hội

để hiểu sâu sắc hơn nữa các điều kiện của con người.

Trọng tâm chính của hầu hết các phương pháp tiếp cận đối với dữ liệu lớn là

tập trung vào, "Làm thế nào để lưu trữ dữ liệu này?
Làm thế nào để tìm kiếm

dữ liệu này? Làm thế nào để xử lý dữ liệu này?"

Đây là những điều cần thiết nhưng các câu hỏi này
là chưa đủ.

Điều bắt buộc không phải là tìm ra cách tính toán
như thế nào

mà là tính toán những gì. Làm thế nào để bạn có thể áp đặt trực giác của con người

trên các dữ liệu ở quy mô thế này?

Một lần nữa, chúng ta bắt đầu bằng cách thiết kế tính người vào quá trình.

Khi PayPal lần đầu khởi nghiệp, thách thức lớn nhất của họ

không phải là, "Làm thế nào để gửi tiền qua lại trên mạng?".

Đó là, "Làm thế nào để tôi làm điều đó mà không bị lừa đảo bởi các tội phạm có tổ chức?"

Tại sao điều này lại gây thách thức?
Bởi vì trong khi máy tính có thể học

để phát hiện và xác định gian lận dựa trên các mô hình,

máy tính không thể học để làm điều đó nếu
dựa trên các dạng mà chúng

chưa bao giờ gặp, và tội phạm có tổ chức

rất giống nhau với người thính giả như thế này:
những người tài giỏi,

cực kỳ tháo vát, có tinh thần kinh doanh -

và một sự khác biệt rất lớn và quan trọng: mục đích.

Và như vậy, trong khi những máy tính có thể nắm bắt tất cả ngoại trừ những kẻ lừa đảo thông minh nhất,

nắm bắt được những kẻ thông minh nhất chính là
sự khác biệt

giữa thành công và thất bại.

Có hẳn một lớp học về các vấn đề như thế này, những lớp học với

những đối thủ biết thích nghi. Họ hiếm khi xuất hiện với một

kiểu lặp đi lặp lại, điều mà máy tính có thể nhận ra được.

Thay vào đó, có một số thành phần cố hữu gắn liền với sự đổi mới hay sự gián đoạn,

và những vấn đề ngày càng gia tăng này được chôn giấu trong khối dữ liệu lớn.

Ví dụ, khủng bố. Những kẻ khủng bố đang luôn luôn
thích ứng

theo những cách lớn hay nhỏ với hoàn cảnh mới, và mặc cho

những gì bạn có thể nhìn thấy trên truyền hình,
những sự thích ứng này,

và việc phát giác chúng, cơ bản là con người.

Máy tính không phát hiện các kiểu lạ
và các hành vi mới,

nhưng con người thì có thể. Con người, bằng cách sử dụng công nghệ, thử nghiệm giả thuyết,

tìm kiếm sâu bằng cách
yêu cầu máy móc làm việc cho họ.

Osama bin Laden đã không bị bắt nếu không có trí tuệ nhân tạo.

Hắn đã bị bắt nhờ những con người tận tụy,
tháo vát và tài giỏi

trong sự tương tác của nhiều công nghệ khác nhau.

Nghe có vẻ hấp dẫn, bạn không thể
một cách thuật toán hóa

khai phá dữ liệu (data mine) cách làm của bạn để
tìm câu trả lời.

Không có nút bấm "Tìm khủng bố", và càng nhiều dữ liệu

chúng ta tích hợp từ nhiều nguồn khác nhau

trên một loạt các định dạng dữ liệu

từ các hệ thống khác biệt, việc khai phá dữ liệu có thể càng ít hiệu quả.

Thay vào đó, con người sẽ cần phải nhìn vào dữ liệu

và tìm kiếm cái nhìn sâu sắc,
như Licklider đã dự đoán từ lâu,

chìa khóa dẫn đến kết quả tuyệt vời ở đây là
kiểu hợp tác đúng đắn

và đúng như Kasparov đã nhận định,

đó có nghĩa là giảm thiểu sự sai khác giữa người - máy

Bây giờ cách tiếp cận này làm cho những thứ có thể giống như xơ len

thông qua tất cả các dữ liệu sẵn có từ
các nguồn rất khác nhau,

xác định các mối quan hệ mấu chốt
và đặt chúng ở một nơi,

một cái gì đó đã gần như không thể làm được trước đây.

Đối với một số người, điều này đe dọa sự riêng tư và các quyền tự do công dân

Đối với người khác, nó báo hiệu trước một kỷ nguyên của

sự riêng tư và sự bảo vệ tốt hơn
các quyền tự do công dân,

nhưng sự riêng tư và quyền tự do có tầm quan trọng cốt lõi.

Điều đó phải được công nhận, và chúng không thể bị gạt sang một bên,

ngay cả với mục đích cao cả nhất.

Vì vậy hãy khám phá, thông qua một vài ví dụ, tác động

mà công nghệ đã xây dựng để thúc đẩy
mối quan hệ cộng sinh người - máy

đã có trong thời gian gần đây.

Trong tháng mười 2007, Hoa Kỳ và
các lực lượng liên minh đã đột kích

một ngôi nhà được phòng vệ chắc chắn của Al Qaeda ở thành phố Sinjar

tại biên giới Syria của Iraq.

Họ đã tìm thấy một kho tài liệu có giá trị:

700 tiểu sử phác thảo của những chiến binh ngoại quốc.

Những chiến binh ngoại quốc này đã rời gia đình họ ở Gulf,

Levant và Bắc Phi để tham gia al Qaeda tại Iraq.

Các hồ sơ này là các hồ sơ cá nhân.

Các chiến binh ngoại quốc điền vào mẫu đơn
khi họ tham gia tổ chức

Nó chỉ ra rằng al Qaeda,

không phải là không có sự quan liêu của nó.

Họ trả lời các câu hỏi đại loại như,
"Ai là người tuyển dụng bạn?"

"Quê hương bạn là gì?"
"Những vị trí công việc mà bạn đang tìm kiếm?"

Trong đó câu hỏi cuối cùng, một cái nhìn sâu sắc đáng ngạc nhiên được tiết lộ.

Đại đa số các chiến binh ngoại quốc

đã tìm kiếm vị trí trở thành kẻ ném bom liều chết với
mục đích tử vì đạo--

cực kỳ quan trọng hơn là kể từ năm 2003 và 2007, Iraq

đã có 1.382 vụ đánh bom tự sát, nguyên nhân chính
của sự bất ổn định.

Phân tích các dữ liệu này khá khó khăn. Bản gốc là những

giấy tờ tiếng Ả Rập đã được scan và dịch thuật.

Sự sai khác trong tiến trình đã không cho phép đạt được

các kết quả mong muốn trong một khung thời gian hoạt động bằng cách sử dụng con người, PDFs

và sự kiên trì không thôi.

Các nhà nghiên cứu đã phải thúc đẩy trí tuệ con người

bằng công nghệ để đi sâu, khám phá những

giả thuyết không rõ ràng, và trong thực tế,
hiểu biết đã xuất hiện.

Hai mươi phần trăm các chiến bình ngoại quốc đến từ Libya

50 phần trăm trong số đó đến từ một thị trấn tại Libya,

điều này cực kỳ quan trọng vì số liệu thống kê
trước kia thì nó chỉ là

ba phần trăm.
Nó cũng giúp tăng cường hiểu biết về một nhân vật

đang ngày càng quan trọng trong al Qaeda,
Abu Yahya al-Libi,

một giáo sĩ cao cấp trong nhóm chiến đấu Hồi giáo Libya.

Tháng 3 năm 2007, ông đã ra một bài phát biểu, sau đó

đã có sự gia tăng đột biến của các chiến binh người Libya.

Mặc dù, có lẽ điều thông thái nhất, và mơ hồ nhất,

bằng cách lật tung các dữ liệu, các nhà nghiên cứu đã

có thể khám phá sâu sắc mạng lưới hợp tác ở Syria

đó là nơi cuối cùng có trách nhiệm nhận và

vận chuyển các chiến binh ngoại quốc đến biên giới.

Đây là những mạng lưới của lính đánh thuê, không phải những người theo tư tưởng Macxit,

những con người hợp tác kinh doanh vì lợi nhuận.

Ví dụ, chúng tính phí của những chiến binh Ả Rập Saudi

nhiều hơn đáng kể so với những người Lybia, khoản tiền đó

mặt khác sẽ đến al Qaeda.

Có thể kẻ địch sẽ tự phá vỡ mạng lưới của chúng

Nếu họ biết chúng đang gian lận những người sẽ trở thành jihadist (những người tham gia thánh chiến, có liên quan đến al Qeada).

Trong tháng một, 2010, một trận động đất mạnh 7,0 độ richte đã tàn phá Haiti,

trận động đất gây thiệt hại về người lớn thứ ba mọi thời đại,
khiến một triệu người,

10 phần trăm dân số trở thành người vô gia cư.

Một khía cạnh có vẻ nhỏ của toàn bộ nỗ lực cứu trợ

đang trở nên ngày càng quan trọng khi việc cung cấp thực phẩm

và nước bắt đầu khởi động.

Tháng Giêng và tháng Hai là những tháng mùa khô ở Haiti,

nhưng nhiều người ở các trại đã khai thác nước tù đọng.

Trụ sở duy nhất có các hiểu biết chi tiết về các
vùng ngập lụt ở Haiti

đã bị san lấp

trong trận động đất cùng với các lãnh đạo đang ở bên trong.

Vì thì, câu hỏi là, những trại nào đang có nguy cơ,

bao nhiêu người đang ở trong những trại này, đâu là

mốc thời gian lũ lụt, và nguồn tài nguyên rất khan hiếm

cũng như cơ sở hạ tầng rất hạn chế, làm thế nào chúng ta ưu tiên việc tái định cư?

Dữ liệu thì vô cùng khác nhau.
Quân đội Hoa Kỳ

chỉ có thông tin chi tiết cho là một phần nhỏ
của đất nước này.

Có dữ liệu trực tuyến từ một hội nghị về
nguy cơ môi trường năm 2006,

các dữ liệu địa không gian,
không cái nào trong số đó đã được sử dụng.

Mục tiêu của con người ở đây là để xác định
những trại cho việc tái định cư

dựa trên nhu cầu ưu tiên.

Máy tính đã phải tích hợp một số lượng lớn
các thông tin không gian địa,

thông tin truyền thông xã hội và tổ chức cứu trợ

để trả lời câu hỏi này.

Bằng cách thực hiện một quá trình chất lượng cao, nhờ đó

một nhiệm vụ cho 40 người trong hơn ba tháng đã trở thành

một công việc đơn giản cho ba người trong 40 giờ,

tất cả các chiến thắng nhờ sự cộng sinh giữa
con người-máy tính.

Chúng tôi đang có hơn 50 năm đi theo
tầm nhìn của Licklider

vì tương lai, và các dữ liệu cho thấy rằng chúng ta nên

vui mừng về việc giải quyết vấn đề khó khăn nhất
của thế kỷ này,

con người và các máy móc trong mối quan hệ hợp tác.

Cảm ơn bạn. (Vỗ tay)

(Vỗ tay)