Tiến sĩ gốc Việt tại Google giúp cho trí tuệ nhân tạo “tự tiến hóa”

Trong những năm gần đây, các nhà nghiên cứu đã có thể tự động hóa một số bước trong quá trình dạy cho máy học. Nhưng những chương trình này vẫn dựa trên việc ghép nối các mạch điện có sẵn, nghĩa là sản phẩm đầu ra vẫn phụ thuộc vào trí tưởng tượng của người kỹ sư máy tính.

Trong bối cảnh này, tiến sĩ Lê Viết Quốc - nhà khoa học máy tính gốc Việt công tác tại Google cùng nhiều cộng sự khác đã phát triển chương trình mang tên AutoML-Zero với khả năng tự phát triển chương trình AI mà hầu như không cần tới sự can thiệp của con người, tận dụng những khái niệm toán học mà học sinh cấp 3 cũng hiểu được.

Theo nhà nghiên cứu Lê Viết Quốc, mục tiêu cao nhất của nhóm là phát triển một khái niệm "machine learning" (học máy) cao cấp mà các nhà nghiên cứu ngày nay vẫn chưa luận ra được.

Chương trình này tự phát hiện ra thuật toán bằng phép ước lượng xem thuật toán sẽ “tiến hóa” như thế nào trong quá trình nghiên cứu.

Đầu tiên, nó tạo ra 100 thuật toán tiềm năng bằng cách kết hợp ngẫu nhiên các phép toán. AutoML-Zero sẽ kiểm tra các thuật toán vừa tạo được cho những tác vụ đơn giản, ví dụ như nhận dạng hình ảnh xem đó là con mèo hay một chiếc xe tải…

Sau mỗi chu kỳ như thế, chương trình so sánh kết quả có được với những thuật toán có sẵn được các nhà nghiên cứu tạo ra. AutoML-Zero chọn ra những kết quả có chất lượng gần nhất với thuật toán mẫu để tiến hành tạo đột biến: ngẫu nhiên đặt, chỉnh sửa, hoặc xóa một vài đoạn code để tạo ra một phiên bản khác của những thuật toán tốt nhất.

Những thuật toán đột biến được thêm vào danh mục những dòng code cho ra kết quả cao, những thuật toán cũ bị loại bỏ và chu kỳ cứ thế tiếp diễn.

Hệ thống tạo ra được tới hàng chục nghìn thuật toán mỗi giây để tìm ra ứng cử viên xứng đáng nhất để giữ lại.

Các nhà nghiên cứu cũng sử dụng các thủ thuật để tăng tốc quá trình tìm và trao đổi các thuật toán qua lại giữa các nhóm để tránh quá trình tiến hóa đi vào ngõ cụt và tự động loại bỏ những thuật toán lặp.

Trong báo cáo nghiên cứu được đăng trên arXiv, các nhà khoa học cho biết, trong quá trình tiến hóa của thuật toán, chương trình tạo ra cả những kỹ thuật máy học cổ điển, bao gồm cả xây dựng mạng thần kinh.

Tiến sĩ Lê Viết Quốc nhận định dù rằng giải pháp này đơn giản so với các thuật toán tiên tiến khác hiện nay, nhưng ông vẫn lạc quan cho rằng khi mở rộng quy mô hệ thống lên, chương trình sẽ cho ra những hệ thống AI phức tạp hơn nhiều nữa.

Tuy nhiên, nhà khoa học máy tính Joaquin Vanschoren, hiện công tác tại Đại học Công nghệ Eindhoven cho rằng, sẽ mất thêm một thời gian để chương trình AutoML-Zero hoàn thiện hóa, trước khi phương pháp này có thể cạnh tranh với những công nghệ trí tuệ nhân tạo hàng đầu giới.

Một trong những cải tiến có thể có là đừng để hệ thống bắt đầu từ con số không, mà hãy thêm vào đó những kỹ thuật huấn luyện AI mà ta đã phát hiện ra.

Đó cũng chính là dự định tương lai của tiến sĩ Lê Viết Quốc. Nhà nghiên cứu gốc Việt cũng nhận định thêm rằng thay vì nhìn vào toàn bộ bức tranh toàn cảnh của thuật toán, việc tập trung vào những tiểu tiết cũng ẩn chứa nhiều hứa hẹn.

Nhóm của tiến sĩ cùng cộng sự đã xuất bản một nghiên cứu mới vào ngày 6/4, gợi ý chỉnh sửa thiết kế của một yếu tố vốn xuất hiện nhiều trong các mạng thần kinh.

Tiến sĩ Lê Viết Quốc tin rằng, việc tăng số lượng các phép toán trong thư viện dữ liệu, tăng tài nguyên tính toán cho AutoML-Zero sẽ cho phép chương trình tìm ra những trí tuệ nhân tạo hoàn toàn mới.

“Chúng tôi rất hào hứng với hướng đi này. Để khám phá ra được điều gì thực sự căn bản, con người sẽ phải mất một thời gian rất dài”, tiến sĩ Lê Viết Quốc chia sẻ.

Lệ Thu

Theo ScienceMag