Nhận định, soi kèo Atlas vs Club Necaxa, 10h10 ngày 19/2: Khó cho chủ nhà

Trong những năm gần đây, sự phát triển của trí tuệ nhân tạo trong lĩnh vực khoa học và công nghệ diễn ra nhanh hơn bao giờ hết. Học máy, một nhánh của trí tuệ nhân tạo, đã thu hút được sự chú ý rộng rãi, và học sâu, một nhánh của máy học, đã trở thành một điểm nóng nghiên cứu trong những năm gần đây.

Trí tuệ nhân tạo đã từng bước phát triển như thế nào? Hôm nay, chúng ta sẽ cùng nhìn lại lịch sử của trí tuệ nhân tạo.

Năm 1949, Donald Olding Hebb xuất bản cuốn sách "The Organization of Behavior", trong đó mô tả các quy tắc học tập của Hebb và đề xuất khái niệm về trọng số (Metrics). Lý thuyết này đặt nền tảng cho thuật toán học của mạng nơ-ron nhân tạo trong học máy. Mạng nơ-ron nhân tạo là tiền thân của học sâu hiện đang rất phổ biến.

Năm 1950, Alan Turing đã xuất bản một bài báo nổi tiếng có tựa đề "Máy móc có thể suy nghĩ?", trong đó ông đưa ra khái niệm về tư duy của máy móc và đề xuất phép thử Turing (một bài kiểm tra khả năng trí tuệ của máy tính. Phép thử như sau: một người chơi thực hiện một cuộc thảo luận bằng ngôn ngữ tự nhiên với một con người và một máy tính, cả hai đều cố gắng chứng tỏ mình là con người. Ba bên tham gia phép thử được cách ly với nhau). Vì vậy, Turing còn được mệnh danh là "cha đẻ của trí tuệ nhân tạo". Sau đó, để tưởng nhớ những đóng góp của Turing, Hiệp hội Máy tính Hoa Kỳ đã thành lập Giải thưởng Turing để ghi nhận những người có đóng góp xuất sắc trong lĩnh vực khoa học máy tính.

Năm 1952, Arthur Samuel đã phát triển một chương trình chơi cờ có khả năng tự học và thậm chí có thể đánh bại những người chơi cờ chuyên nghiệp sau khi được đào tạo.

Samuel đề xuất khái niệm "học máy", được định nghĩa là "cung cấp cho máy tính một chức năng nhất định mà không được lập trình rõ ràng".

Năm 1956, khái niệm "trí tuệ nhân tạo" được đề xuất tại Hội nghị Dartmouth, vì vậy năm 1956 được gọi là năm đầu tiên của trí tuệ nhân tạo.

Năm 1957, Rosenblatt phát minh ra perceptron, mô hình nơ-ron sớm nhất trong lý thuyết mạng nơ-ron nhân tạo máy học. Ngay sau đó là sự xuất hiện của hàng loạt nghiên cứu lý thuyết học sâu, tế bào cảm thụ được so sánh với mô hình nơ-ron để hiểu sâu hơn về đơn vị cơ bản của mạng nơ-ron...

Do sự đột phá của lý thuyết mạng nơ-ron nhân tạo, lĩnh vực trí tuệ nhân tạo đã được quan tâm rất nhiều, các cơ quan chính phủ đã đầu tư nhiều kinh phí để thành lập nhiều dự án liên quan.

Năm 1960, Vidro là người đầu tiên sử dụng quy tắc học delta cho bước huấn luyện perceptron. Phương pháp này sau đó được gọi là phương pháp bình phương nhỏ nhất. Sự kết hợp của hai điều này tạo ra một bộ phân loại tuyến tính tốt.

Năm 1967, Giải thuật k hàng xóm gần nhất (k-Nearest Neighbor, KNN) xuất hiện, từ đó máy tính có thể thực hiện nhận dạng mẫu đơn giản.

Năm 1969, Marvin Minsky xuất bản cuốn sách "Perceptrons", trong đó ông đề xuất những hạn chế của mạng nơ-ron nhân tạo. Do vị trí quan trọng của Minsky trong lĩnh vực trí tuệ nhân tạo, và do những trở ngại trong lĩnh vực nghiên cứu trí tuệ nhân tạo, các nhà nghiên cứu của các dự án trí tuệ nhân tạo đã không thể thực hiện lời hứa trước đó của họ. Kỳ vọng lạc quan của mọi người về trí tuệ nhân tạo đã bị ảnh hưởng nặng nề, và nhiều các dự án nghiên cứu đã bị dừng lại hoặc chuyển hướng sang các dự án khác. Theo đó, nghiên cứu về AI đã rơi vào tình trạng tụt dốc.

Từ giữa những năm 1970, trí tuệ nhân tạo đã bước vào "thời kỳ tri thức". Một lớp các chương trình AI được gọi là "hệ chuyên gia" (Expert system) bắt đầu được các công ty trên thế giới áp dụng và "xử lý kiến thức" (Knowledge processing) trở thành trọng tâm của nghiên cứu AI chính thống.

Trong thời gian này, nhiều quốc gia tiên phong đã mạnh tay vào đầu tư các dự án tương tự với hy vọng chế tạo những cỗ máy có thể nói chuyện với con người, dịch ngôn ngữ, giải thích hình ảnh và suy luận giống như con người.

Hệ chuyên gia là một chương trình có thể trả lời hoặc giải quyết các vấn đề trong một lĩnh vực cụ thể theo một tập hợp các quy tắc logic rút ra từ kiến thức chuyên ngành.

Dendral, một dự án về trí tuệ nhân tạo được thiết kế từ năm 1965, có thể phân biệt các hỗn hợp dựa trên kết quả đo phổ kế. Năm 1972, MYCIN một hệ thống chuyên gia về chuỗi lạc hậu sớm sử dụng trí thông minh nhân tạo được ra đời, nó có khả năng xác định vi khuẩn gây nhiễm trùng nặng, như nhiễm khuẩn huyết và viêm màng não, và khuyên dùng kháng sinh, với liều điều chỉnh theo trọng lượng cơ thể của bệnh nhân. Theo đó, hệ thống cơ sở tri thức và kỹ thuật tri thức đã trở thành định hướng chính của nghiên cứu AI trong những năm 1980.

Năm 1982, Hopfield đề xuất một loại mạng nơ-ron mới, sau này được gọi là mạng Hopfield, sử dụng một cách hoàn toàn mới để tìm hiểu và xử lý thông tin. Đồng thời, thuật toán lan truyền ngược, một phương pháp huấn luyện của mạng nơ-ron, được đề xuất, và thuật toán này cũng là một trong những thuật toán quan trọng của lý thuyết học sâu. Việc nghiên cứu theo hướng mạng nơ-ron nhân tạo vốn im hơi lặng tiếng nhiều năm thì cho tới thời điểm này đã lấy lại được sự phát triển.

Năm 1986, một thuật toán quan trọng được đề xuất bởi Quinlan, đó là thuật toán cây quyết định hay còn gọi là thuật toán ID3. So với mô hình mạng nơ-ron, thuật toán cây quyết định ID3 cũng được sử dụng như một phần mềm, bằng cách sử dụng các quy tắc đơn giản và các tham chiếu rõ ràng để tìm ra nhiều trường hợp sử dụng thực tế hơn. Cây quyết định là một kỹ thuật được sử dụng thường xuyên trong khai thác dữ liệu, có thể được sử dụng để phân tích dữ liệu cũng như đưa ra dự đoán.

Năm 1990, Schapire lần đầu tiên xây dựng một thuật toán cấp đa thức, thuật toán Tăng cường ban đầu. Một năm sau, Freund đề xuất một thuật toán Thúc đẩy hiệu quả hơn.

Năm 1995, Freund và Schapire đã cải tiến thuật toán Tăng cường và đề xuất thuật toán AdaBoost (Tăng cường thích ứng). Hiệu quả của thuật toán này gần như tương đương với thuật toán Tăng cường do Freund đề xuất năm 1991, nhưng dễ áp dụng hơn vào các vấn đề thực tế.

Cùng năm đó, một trong những đột phá quan trọng nhất trong lĩnh vực học máy, hỗ trợ máy vectơ (SVM), được đề xuất bởi Vapnick và Cortez trong một số lượng lớn các điều kiện lý thuyết và thực nghiệm. Kể từ đó, nghiên cứu học máy đã được chia thành hướng mạng nơ-ron và hướng máy vector hỗ trợ.

Năm 1997, siêu máy tính Deep Blue của IBM đánh bại nhà vô địch cờ vua thế giới Kasparov đã thu hút sự chú ý của cả thế giới.

Năm 2001, Brehman đề xuất mô hình cây quyết định tổng hợp, bao gồm một tập hợp con ngẫu nhiên của các cá thể và mỗi nút được chọn từ một loạt các tập con ngẫu nhiên. Do đặc tính này, nó còn được gọi là Random forest (RF).

Vào năm 2006, chuyên gia mạng nơ-ron Hinton đã đề xuất một thuật toán học sâu mạng nơ-ron, giúp cải thiện đáng kể khả năng của mạng nơ-ron, thách thức các máy vectơ hỗ trợ và bắt đầu làn sóng học sâu trong giới học thuật và công nghiệp.

Học sâu cho phép các mô hình tính toán với nhiều lớp xử lý để học từ dữ liệu với nhiều lớp trừu tượng. Những phương pháp này đã dẫn đến những cải tiến đáng kể trong nhiều lĩnh vực, bao gồm nhận dạng giọng nói hiện đại, nhận dạng hình ảnh trực quan, phát hiện hình ảnh và nhiều lĩnh vực khác như phát hiện ma túy và gen.

Học sâu có thể khám phá các cấu trúc phức tạp trong dữ liệu lớn. Nó sử dụng thuật toán BP để hoàn thành quá trình khám phá. Thuật toán BP có thể hướng dẫn máy cách lấy lỗi từ lớp trước và thay đổi các thông số bên trong của lớp này, và các thông số bên trong này có thể được sử dụng để tính toán, biểu diễn. Mạng tích hợp sâu đã mang lại những đột phá trong việc xử lý hình ảnh, video, lời nói và âm thanh, trong khi mạng lặp lại đã cho thấy những điểm sáng trong việc xử lý dữ liệu tuần tự như văn bản và giọng nói.

Đồng thời, với sự phát triển không ngừng của dữ liệu lớn, một số vấn đề hiện nay không còn có thể giải quyết theo cách thủ công và thường cần sự trợ giúp của máy tính để hoàn thành một số xử lý dữ liệu phức tạp. Sự kết hợp giữa trí tuệ nhân tạo và dữ liệu lớn là điểm nổi bật của các nghiên cứu hiện nay.

Các phương pháp học thống kê phổ biến nhất trong trí tuệ nhân tạo là học sâu và máy vectơ hỗ trợ, là phương pháp đại diện cho học tập thống kê. Có thể coi cả mạng nơ-ron và máy vectơ hỗ trợ đều có nguồn gốc từ các perceptron.

Mô hình mạng nơ-ron thường được sử dụng để thực hiện các nhiệm vụ khó khăn như nhận dạng đối tượng, nhận dạng giọng nói, xử lý ngôn ngữ tự nhiên, v.v. Trong khi đó, tính đơn giản của SVM lại khiến nó vẫn là phương pháp học máy được sử dụng rộng rãi nhất.

Cải tiến là bản chất của công nghệ và tốc độ cải tiến của nó là cấp số nhân. Tăng trưởng theo cấp số nhân xảy ra khi số lượng tăng tỷ lệ với kích thước của một thứ gì đó. Ví dụ, tiền lãi trả cho một tài khoản ngân hàng tỷ lệ thuận với số dư của nó. Miễn là tăng trưởng theo cấp số nhân thì sẽ có thời gian không đổi.

Bởi vậy có thể nói sự phát triển của trí tuệ nhân tạo ngày hôm nay chỉ là một điểm khởi đầu. Nếu sức mạnh của công nghệ điện toán tiếp tục phát triển, thì trong tương lai, sự phát triển của AI sẽ là viễn cảnh khó lòng có thể dự đoán chính xác và có thể một ngày không xa, trí tuệ nhân tạo sẽ vượt xa sự thông minh của con người ở nhiều khía cạnh.

(Theo Trí Thức Trẻ)

Chiến trường Ukraine vén màn bí mật công nghệ của các ông lớn

Tháng 3/2022, Ukraine thông báo đã thu giữ được 1 đơn vị Krasukha-4, hệ thống tác chiến điện tử hiện đại nhất của quân đội Nga tại chiến trường gần Kiev. Ngay lập tức, hệ thống này được chuyển giao cho phía Mỹ “mổ xẻ”.

Những bức tranh của danh họa Bùi Xuân Phái được triển lãm lần đầu tiên. 

Triển lãm trưng bày khoảng 35 tranh sơn dầu và 25 tranh bột màu, thuộc bộ sưu tập của gia đình hoạ sĩ và nhà sưu tầm Trần Hậu Tuấn. Trong số này, khoảng 90% các bức tranh được công bố lần đầu tiên với đa dạng các thể loại như: Phố phường Hà Nội, tranh tĩnh vật, khỏa thân, tranh về chèo...

Ngoài ra, các kỷ vật, ghi chép, phác thảo của Bùi Xuân Phái cũng được trưng bày. Người thưởng lãm qua đó có thể hiểu thêm tâm tư, tình cảm và cả sự chuẩn bị cho việc hình thành các sáng tác, tác phẩm kinh điển và để đời của một trong những vị họa sĩ tài hoa của nền mỹ thuật Việt Nam. 

Sinh thời, Bùi Xuân Phái chỉ có một triển lãm cá nhân vào năm 1984. Sau khi ông qua đời, gia đình và giới nghệ thuật làm triển lãm tranh của ông khoảng 15 lần. Nhà sưu tập Trần Hậu Tuấn là người tổ chức triển lãm lần này với tình yêu và sự ngưỡng mộ của mình dành cho cố danh họa. 

Trong cảm nhận của Trần Hậu Tuấn, Bùi Xuân Phái là con người của hoài niệm, hay như ông đã dành một phần quá khứ của mình cho riêng Hà Nội. Họa sĩ đã tạo ra một phố cổ Hà Nội bằng chính trái tim của một người dành trọn tâm tưởng cho mảnh đất Thủ đô. 

“Dòng chảy đời sống và dòng chảy nghệ thuật không bao giờ ngừng nghỉ, trong cảnh sắc và trong tâm tưởng của con người. Hà Nội sẽ còn được tạo ra bởi nhiều tài năng nghệ thuật khác cùng với Phái, trước Phái và sau Phái” - Trần Hậu Tuấn nói.

Dịp này, NXB Trẻ cũng phát hành 2 cuốn sách là Hội họa Bùi Xuân Phái và tôi, do Trần Hậu Tuấn viết. Sách dày hơn 180 trang, gồm 12 tùy bút in kèm rất nhiều tranh Bùì Xuân Phái của nhà sưu tập tranh. Cuốn thứ hai có tựa đề Bùi Xuân Phái - Con mắt của trái tim, gồm 25 bài viết của 14 nhà nghiên cứu và phê bình, nhà sưu tập tranh, văn nghệ sĩ về ông,…

Nguyễn Tuân từng nhận xét Bùi Xuân Phái không đặt nặng trường phái hay quan điểm trong hội họa mà chỉ chú tâm vào việc vẽ với tất cả niềm say mê và như lẽ sống của mình. 

Với nhà phê bình mỹ thuật Thái Bá Vân, ông xem những bảng màu của Bùi Xuân Phái như “khẽ rung như cánh bướm vàng trên bãi cỏ xanh, mơ mộng, nhớ nhung như đứa trẻ trước đời sống hồn nhiên vụng dại…” Đối với cả những người không am hiểu về hội họa, tranh của cố họa sĩ cũng có thể dễ dàng đi vào tiềm thức bởi cái hồn chân chất và nét vẽ tự tại mà lại rất đỗi ý nhị, thâm sâu.

Triển lãm Nhớ họa sĩ Bùi Xuân Pháiđược tổ chức từ ngày 24/6 đến hết 4/7 tại 357/2 Nguyễn Trọng Tuyển, phường 1, quận Tân Bình, TP.HCM. 

Con cái chúng ta đang bị áp lực học hành quá lớn. Tôi nhớ lại thời đi học của mình cách đây 30 năm, túi sách vở chỉ tòng teng vài cuốn vở mỏng, vài cuốn sách và chỉ đi học nửa ngày.

Việc học nay đã khác nhiều (Ảnh Đinh Quang Tuấn)

Thời con cái chúng ta hiện giờ thì sao?

Tôi không nói ngoa, con tôi năm nay lên lớp 4 thêm vài môn học mới, lại đi học cả ngày. Tôi xách thử cặp sách của con, nặng trĩu, chắc hẳn cho lên cân vội cũng phải 5kg chứ không ít đâu.

Tôi muốn con tôi tự lập, nhanh nhẹn nên để cháu đi bộ tới trường. Nhưng gần đây, khi xách cặp của con nặng như đá, tôi xót xa cho đứa trẻ mới 10 tuổi suốt ngày gù lưng cõng kiến thức đến ngạt thở...

Sợ thầy cô thì ít, sợ bố mẹ thì nhiều

Các con làm gì được quyền nói chán học? Bởi vì, bố mẹ nào nóng tính sẵn sàng cho con cái bạt tai rồi dọa đốt sách, tống cổ về quê với ông bà nội ngoại cho chăn trâu cắt cỏ, nếm mùi thất học ngay.

Phải học thật nhiều để cho bằng chúng bằng bạn, ăn mặc vui chơi có thể cắt giảm nhưng chớ cắt giảm việc học. Học mọi lúc, mọi nơi khi có thể, thế mới là thức thời.

Tôi đã từng phát ngượng trong buổi họp phụ huynh cho con. Khi có phụ huynh đưa ra yêu cầu cô giáo cho thêm phiếu bài tập cuối tuần để các con được trau dồi ôn luyện lại kiến thức, tôi giơ tay phản đối vì các con đã đi học suốt 5 ngày ở trường, 2 ngày cuối tuần nên để các cháu nghỉ ngơi.

Thế mà chỉ thêm ý kiến của một anh trong ban phụ huynh lớp là “Nên để các con tập trung hoàn toàn cho việc học. Để các con có thể hướng tới những thành tích cao hơn như học sinh giỏi cấp huyện, cấp thành phố thì chúng ta cần phải đầu tư cho các con nhiều hơn nữa và đưa ra đề nghị với cô chủ nhiệm giao bài cho các con làm, để các con chơi phí quá”.

Phụ huynh nghe hợp lý quá lại nhao nhao lên xin cô giao bài cuối tuần về cho các con.

Nhiều gia đình đua nhau cho con học thêm tiếng Anh, cứ học thêm thì mới yên tâm. Tôi từng xem các tờ giấy cô giao bài về và hỏi cháu xem đây là từ gì, bài này làm ra sao, các cháu đều lắc đầu vì chờ đến mai, cô tiếng Anh chữa và các cháu chép lại.

Ở lớp con học cùng cô, tối về con học cùng mẹ, lớn thêm tí nữa mẹ không kèm được thì phải đi học thêm.

Lên cấp 2 phải học thêm bét nhất là 3 môn chính toán - văn - ngoại ngữ, còn trung bình là 5 môn để còn đủ kiến thức thi vào trường cấp 3 công lập. Học yếu vào dân lập chỉ chết tiền mà con toàn học cùng những đứa đầu xanh đầu đỏ.

Tôi hỏi không hiểu các con học thêm vào những giờ nào, thì ra là chạy sô vào 2 ngày nghỉ cuối tuần. Đừng bao giờ bảo là nghỉ cuối tuần vì điều đó là viển vông, phi lý với học sinh bây giờ.

Ảnh Đinh Quang Tuấn

Lên cấp 3 thì còn đi học tối ngày lo cho việc thi tốt nghiệp, thi đại học, lo lắng cho cả tương lai sau này nên không em nào dám chủ quan. Chọn thầy chọn cô giỏi để học thêm suốt 3 năm liền, cơm nước vui chơi phải xếp lại hết chờ "thi xong mới tính".

Học sinh đi học sợ thầy cô thì ít, sợ bố mẹ thì nhiều. Học kém thì cô chỉ nhắc qua loa vài lần nhưng bố mẹ thì trường ca bất tận về việc "học thì ấm vào thân" nên không em nào dám sểnh miệng nói "con chán học", bởi bố mẹ sẽ cắt hết quyền lợi như cấm giao du bạn bè, cấm thể thao thể dục, cấm điện thoại máy tính...

Trong cuộc họp phụ huynh cho con, chị ngồi cạnh tôi tâm sự "Đúng là mình chưa bao giờ hỏi con đi học có vui không mà chỉ hỏi hôm nay con được mấy điểm?".

Tôi đã từng đánh con vì việc học

Bản thân tôi nghĩ, mình nên ghi nhận sự cố gắng của con cái, con có thể không giỏi xuất sắc như bạn A, không được giải chữ đẹp cấp huyện như bạn B, không được giải toán qua mạng như bạn C… nhưng con đã cố gắng hoàn thành bài vở ở lớp, chữ nghĩa rõ ràng, bài văn viết câu cú hoàn chỉnh, làm được các dạng toán cơ bản, thế là mừng rồi.

Tôi từng đánh đập, mắng chửi con vì học hành kém cỏi, nghịch ngợm và rất hay nói chuyện trong giờ học. Giờ thì tôi thoáng hơn rất nhiều trong việc học của con, bài khó quá thì con cứ việc chờ cô hướng dẫn, con có thể viết văn theo ý thích mặc dù lời lẽ còn ngô nghê, tôi chỉ chỉnh sửa ít thôi và để mặc con tự học.

Mẹ mua cho con sách truyện mà con thích chứ không phải là đống sách tham khảo mà bố mẹ thích, ép con đọc và con đọc xong thì quên hết, vì con có thích thú gì đâu.  

Con tôi đang học tiểu học, cháu từng thắc mắc là "Sao mẹ không cho con đi học thêm như các bạn?", thì tôi cười đáp là "Ở nhà con tự học đi, mẹ đỡ tốn một khoản tiền mà con thì được vui chơi. Con thích cái nào hơn?". Con bảo "Vậy thì con thích học ở nhà hơn vì con được đi chơi nhiều, mẹ ạ".

Con tôi được cô giáo nhớ tên vì con nghịch ngợm và hay nói chuyện chứ không phải vì học giỏi - học dốt.

Phụ huynh mà miễn nhiễm với lời khen chê từ cô giáo như tôi, chắc là ít lắm.

Thanh Mai