Những người sở hữu chiếc Model S có thể nhanh chóng nhận ra rằng, chức năng lái tự động của ô tô đang dần dần được cải thiện. Ví dụ, Model S rẽ sai lối khi đi trên đường chính, buộc người sở hữu phải chỉnh lái bằng tay để đi đúng đường. Tuy nhiên, chỉ sau một vài tuần, những người sở hữu đã ghi nhận là những chiếc xe này không còn lỗi nữa. Một người sở hữu đã ngạc nhiên về sự tiến bộ quá nhanh của mẫu xe này.
Các hệ tri thức được trang bị phần mềm tự học mới nhất không chỉ trở nên thông minh hơn, mà còn thông minh ngày càng nhanh. Hiểu về tốc độ phát triển của hệ tri thức này sẽ là một phần đặc biệt khó trong việc kiểm soát tiến bộ công nghệ.
Nhà khoa học máy tính Ray Kurzweil đã viết rất nhiều về khoảng cách của hiểu biết con người giữa cách nhìn “trực quan tuyến tính” về thay đổi công nghệ và tốc độ theo “hàm số mũ” của sự thay đổi này. Gần hai thập kỷ sau khi viết bài luận quan trọng có tiêu đề “Luật tăng tốc quay trở lại” – một thuyết tiến hóa về sự thay đổi của khoa học công nghệ, miêu tả tốc độ cải tiến của các hệ thống theo thời gian: các thiết bị có kết nối bắt đầu chia sẻ kiến thức với nhau, khiến tăng tốc việc cải tiến lên rất nhanh.
Theo ông Hod Lipson – Giáo sư chế tạo máy và khoa học dữ liệu tại Đại học Columbia (Mỹ), các xu hướng công nghệ phát triển theo các “hàm số mũ” khác nhau, nhưng đây có lẽ là xu hướng có hàm số mũ lớn nhất trong trí tuệ nhân tạo. Xu hướng mà chúng ta gọi là “học máy tự động” (machine teaching) – các thiết bị tự truyền kiến thức cho nhau – là bước quan trọng để gia tăng tốc độ cải tiến các hệ thống.
Theo ông, đôi khi đó là sự hợp tác, ví dụ như khi một máy học hỏi máy khác, chúng sẽ như có chung một hệ tri thức tổng hợp. Nhưng đôi khi lại là một mớ hỗn độn, như đang chạy đua giữa hai hệ chơi cờ với nhau. Lipson cho rằng, con đường phát triển của trí tuệ nhân tạo là rất mạnh, một phần vì nó giúp loại bỏ sự cần thiết của dữ liệu huấn luyện. Dữ liệu là nguồn tài nguyên của máy học, nhưng đôi khi các dữ liệu này rất khó để có được, có thể do rủi ro, nguy hiểm, chậm chạp, hiếm hoi hoặc tốn kém. Trong những trường hợp này, máy có thể tự chia sẻ kinh nghiệm, hoặc tạo ra kinh nghiệm tổng hợp cho nhau để bổ sung hoặc thay thế dữ liệu. Đây không phải là một hiệu ứng nhỏ, mà là sự tự tăng cường, nên sẽ tăng cường theo hàm mũ.
Lipson lấy ví dụ về đột phá gần đây của DeepMind thuộc Google: dự án AlphaGo Zero là điển hình của học máy trong trí tuệ nhân tạo mà không cần dữ liệu huấn luyện. Nhiều người đã biết đến AlphaGo – một trí tuệ nhân tạo với học máy, đã trở thành người chơi cờ vây giỏi nhất thế giới sau khi học một số lượng lớn hệ thống dữ liệu, bao gồm hàng triệu nước cờ của con người. Tuy nhiên, AlphaGo Zero đã có thể đánh bại cả AlphaGo mà không cần dữ liệu huấn luyện, đơn giản nó chỉ cần học quy tắc trò chơi và tự chơi với chính mình. Sau đó, nó đã đánh bại phần mềm chơi cờ giỏi nhất trên thế giới chỉ sau 8 giờ tự luyện tập.
Hãy tưởng tượng hàng ngàn AlphaGo Zero cùng chia sẻ các kiến thức thu được và không chỉ về chơi cờ. Chúng ta đang chứng kiến sự ảnh hưởng mạnh mẽ của học máy tự động, đến tốc độ cải thiện hiệu suất các thiết bị của các doanh nghiệp. Một ví dụ là công nghệ công nghiệp song sinh kỹ thuật số (digital twin) của công ty công nghiệp số General Electric (Mỹ) – một phần mềm mô phỏng những gì đang xảy ra với các thiết bị. Đây là máy với hình ảnh của chính nó và có thể chia sẻ hình ảnh này với các nhà kỹ thuật.
Ví dụ, tua-bin hơi nước với song sinh kỹ thuật số có thể đo nhiệt độ hơi nước, tốc độ cánh quạt và các dữ liệu khác để dự đoán trục trặc, đồng thời cảnh báo các kỹ thuật viên để tránh việc sửa chữa tốn kém. Song sinh kỹ thuật số thực hiện các dự đoán bằng việc tự học những hành động của chính nó, cũng như dựa vào các mô phỏng của các tua-bin hơi nước khác.
Khi máy móc bắt đầu tự học trong môi trường của chúng với những phương pháp mới và mạnh hơn, thì sự phát triển này càng tăng tốc nhờ việc trao đổi dữ liệu với nhau. Trí tuệ tổng hợp tập thể của các tua-bin hơi nước trên khắp thế giới có thể cái tiến nhanh chóng khả năng dự báo của riêng từng máy.
Nếu bạn đọc nghĩ rằng công nghệ đang phát triển rất nhanh, hãy nhớ rằng tất cả điều này chỉ là sự khởi đầu.
Ngô Linh
Theo Hi-News.ru
08:00 | 04/04/2019
13:00 | 30/06/2020
10:00 | 11/02/2021
08:00 | 26/06/2020
08:00 | 04/12/2020
09:00 | 28/12/2020
15:00 | 03/07/2018
09:00 | 22/08/2018
15:00 | 18/07/2018
09:00 | 01/04/2024
Trong thời đại số ngày nay, việc quản lý truy cập và chia sẻ thông tin cá nhân trên các thiết bị di động thông minh đã trở thành vấn đề đáng quan tâm đối với mọi người dùng. Việc không kiểm soát quyền truy cập và sự phổ biến của dữ liệu cá nhân có thể gây ra các rủi ro về quyền riêng tư và lạm dụng thông tin. Bài viết này sẽ giới thiệu đến độc giả về Safety Check - một tính năng mới trên iOS 16 cho phép người dùng quản lý, kiểm tra và cập nhật các quyền và thông tin được chia sẻ với người và ứng dụng khác ngay trên điện thoại của chính mình, giúp đảm bảo an toàn và bảo mật khi sử dụng ứng dụng và truy cập dữ liệu cá nhân.
10:00 | 05/02/2024
Trong thời đại công nghệ số hiện nay, thiết bị bảo mật đóng vai trò rất quan trọng trong việc bảo vệ các thông tin và dữ liệu nhạy cảm. Tuy nhiên, sự tiến bộ của công nghệ cũng đặt ra các thách thức về an toàn thông tin, trong đó tấn công can thiệp vật lý trái phép thiết bị bảo mật là một trong những mối đe dọa tiềm tàng và gây rủi ro cao. Bài báo này sẽ giới thiệu về các phương pháp tấn công vật lý và một số giải pháp phòng chống tấn công phần cứng cho thiết bị bảo mật.
10:00 | 31/01/2024
Các nhà nghiên cứu tại hãng bảo mật Kaspersky đã phát triển một kỹ thuật mới có tên là iShutdown để có thể phát hiện và xác định các dấu hiệu của một số phần mềm gián điệp trên thiết bị iOS, bao gồm các mối đe dọa tinh vi như Pegasus, Reign và Predator. Bài viết sẽ cùng khám phát kỹ thuật iShutdown dựa trên báo cáo của Kaspersky.
09:00 | 17/11/2023
Theo Cục An toàn thông tin (Bộ TT&TT), hiện nay có 24 hình thức lừa đảo qua mạng phổ biến mà các đối tượng lừa đảo nhắm vào người dân. Để tránh trở thành nạn nhân, người dân cần nắm bắt, tuyên truyền cho người thân, bạn bè, đồng nghiệp của mình.
Lược đồ chữ ký số dựa trên hàm băm là một trong những lược đồ chữ ký số kháng lượng tử đã được Viện Tiêu chuẩn và Công nghệ Quốc gia Mỹ (NIST) chuẩn hóa trong tiêu chuẩn đề cử FIPS 205 (Stateless Hash Based Digital Signature Standard) vào tháng 8/2023. Bài báo này sẽ trình bày tổng quan về sự phát triển của của lược đồ chữ ký số dựa trên hàm băm thông qua việc phân tích đặc trưng của các phiên bản điển hình của dòng lược đồ chữ ký số này.
09:00 | 01/04/2024
Mới đây, Cơ quan An ninh mạng và Cơ sở hạ tầng Hoa Kỳ (CISA) đã phát hành phiên bản mới của hệ thống Malware Next-Gen có khả năng tự động phân tích các tệp độc hại tiềm ẩn, địa chỉ URL đáng ngờ và truy tìm mối đe dọa an ninh mạng. Phiên bản mới này cho phép người dùng gửi các mẫu phần mềm độc hại để CISA phân tích.
13:00 | 17/04/2024