Chúng ta thường tự hỏi công nghệ đến từ đâu – không chỉ là bản thân các công cụ, mà còn là bối cảnh lịch sử đã định hình chúng. Máy tính hiện đại dường như cực kỳ phức tạp: hàng tỷ bóng bán dẫn được tích hợp vào một con chip duy nhất, các hệ thống quá phức tạp đến mức không một người nào có thể hiểu hết, và những hiểu biết sâu sắc được rút ra từ các tập dữ liệu quá lớn để có thể hình dung. Thật khó tin rằng những nhà phát minh ban đầu đã tưởng tượng được điều này. Nhưng khi nghiên cứu các cột mốc quan trọng trong lịch sử điện toán, tôi nhận thấy một điều bất ngờ. Những bước nhảy vọt lớn nhất không chỉ đến từ sự phát minh – chúng đến từ việc biến thông tin trở thành kiến thức có thể giảng dạy được.
Những người phụ nữ đóng vai trò nền tảng trong lĩnh vực điện toán đã không dừng lại ở sự đổi mới – họ biến những đột phá thành các hệ thống mà người khác có thể học hỏi. Trong khi nhiều đồng nghiệp nam của họ tập trung vào hiệu suất, quy mô hoặc lý thuyết, những người phụ nữ này lại ưu tiên khả năng sử dụng và giáo dục. Họ đã xây dựng các công cụ, phương pháp và chương trình giảng dạy mở ra lĩnh vực này cho những người bên ngoài không gian nghiên cứu ưu tú. Khi làm như vậy, họ không chỉ mời gọi sự tham gia – họ còn thúc đẩy tiến bộ. Bằng cách nhân lên số lượng người có thể xây dựng dựa trên công trình của họ, họ đã mở rộng sức mạnh tính toán chung của nhân loại.
Bằng cách làm cho ý tưởng của mình dễ tiếp cận và dễ dạy, họ đã biến những đột phá chuyên biệt thành các công cụ được chia sẻ. Sự thay đổi đó đã mở rộng phạm vi những người có thể tư duy, xây dựng và sáng tạo bằng máy tính – tăng tốc tiến bộ thông qua sự tham gia tập thể. Đây là cái nhìn tập trung vào bốn người phụ nữ có công trình đã loại bỏ các rào cản, nhân rộng kiến thức và mở ra những kỷ nguyên đổi mới mới.
Ada Lovelace (1843, Thuật toán máy tính đầu tiên)
Từ những con số đến các biểu tượng
Ada Lovelace là một người ham học hỏi, có kỷ luật toán học và động lực triết học. Sinh ra trong giới quý tộc Anh là con gái của nhà thơ Lord Byron, bà được nuôi dưỡng tách biệt với cha và phần lớn được người khác chăm sóc. Mẹ của bà, quyết tâm định hướng bà tránh xa cái mà bà coi là sự bất ổn về cảm xúc của thơ ca, đã nhấn mạnh logic, toán học và khoa học trong giáo dục của bà. Nền tảng đó, kết hợp với trí tưởng tượng của Lovelace, sẽ dẫn đến một thuật toán viết tay duy nhất đã giúp định hình lại cách chúng ta hiểu về điện toán.
Là một cô gái thuộc tầng lớp thượng lưu được tiếp cận với các gia sư ưu tú, Lovelace đã học những môn hiếm khi có sẵn cho phụ nữ vào thời đó – và bà đã xuất sắc. Tuy nhiên, bà vẫn giữ được trí tưởng tượng sâu sắc, mô tả cách tiếp cận của mình là “khoa học thơ ca”. Bà đã có ý thức kết hợp tư duy phân tích với cái nhìn sáng tạo để khám phá cách thế giới vận hành.
Người phụ nữ vận hành động cơ phân tích của Charles Babbage, minh họa nguyên lý tính toán cơ khí.
Vào những năm 1830 và 1840, Lovelace đã hợp tác với Charles Babbage trong dự án Analytical Engine, một cỗ máy lý thuyết được thiết kế để sử dụng thẻ đục lỗ để thực hiện các chuỗi phép toán. Không giống như Difference Engine trước đó của ông, được xây dựng để tự động hóa các phép tính đa thức, Analytical Engine đã giới thiệu một điều tham vọng hơn nhiều: một kiến trúc có thể lập trình được, có khả năng xử lý logic có điều kiện. Vào thời điểm mà tự động hóa chủ yếu chỉ giới hạn ở máy dệt và bảng số, đây là một bước nhảy vọt mang tính cách mạng.
Trong khi dịch một bài báo tiếng Ý về Analytical Engine, Lovelace đã thêm các ghi chú mở rộng – một trong số đó, Ghi chú G, đã trở thành một văn bản nền tảng trong lịch sử điện toán.
Trong ghi chú đó, Lovelace đã mô tả cách Analytical Engine có thể thao tác các biểu tượng, không chỉ các con số – hình dung nó xử lý ngôn ngữ, âm nhạc hoặc bất kỳ hệ thống biểu tượng nào. Bà cũng bao gồm cái được coi là thuật toán máy tính đầu tiên được xuất bản: một phương pháp từng bước để máy tính toán số Bernoulli. Công trình của bà không chỉ giải thích cỗ máy; nó còn chứng minh cách sử dụng nó. Sự kết hợp giữa trí tưởng tượng và sự chính xác đó là lý do tại sao bà thường được công nhận là lập trình viên máy tính đầu tiên trên thế giới.
Triết lý cho lập trình
Mô hình thử nghiệm động cơ phân tích của Charles Babbage, thiết bị tiền thân máy tính hiện đại.
Lovelace coi lập trình là một loại ngôn ngữ mới – một ngôn ngữ có thể hình thức hóa lý luận và làm cho nó hiển thị với người khác. Bằng cách viết một chương trình, bà tin rằng, mọi người đã làm rõ tư duy của chính họ theo những cách mà họ có thể không làm được nếu không có nó. Sự rõ ràng đó sau đó có thể được chia sẻ, làm cho những ý tưởng phức tạp dễ tiếp cận hơn. Theo quan điểm của bà, quá trình này có thể mang lại lợi ích cho xã hội bằng cách truyền bá kiến thức, tăng tốc phân tích và giúp nhiều người xây dựng dựa trên những hiểu biết của nhau.
“Cỗ máy không có ý định tự mình tạo ra bất cứ điều gì,” Lovelace đã viết. Bà chưa bao giờ mong đợi máy móc sẽ suy nghĩ thay chúng ta. Chúng sẽ chỉ tuân theo những ý tưởng mà chúng ta mã hóa. Tuy nhiên, hành động mã hóa đó lại rất quan trọng, bởi vì việc chuyển đổi lý luận của chúng ta thành mã từng bước – và chia sẻ nó – có thể biến những hiểu biết cá nhân thành kiến thức mà cả thế giới có thể sử dụng và cải thiện.
Triển lãm Alan Turing tại Bảo tàng Khoa học London, tôn vinh công trình phá mã và tư duy AI của ông.
Hơn một thế kỷ sau, Alan Turing đã trở lại câu hỏi này. Liệu hành vi của một cỗ máy có thể không thể phân biệt được với hành vi của con người – và liệu điều đó có được coi là suy nghĩ không?
Ông đã khám phá ý tưởng đó sâu hơn trong bài báo năm 1950 của mình Computing Machinery and Intelligence, nơi ông trực tiếp trích dẫn Lovelace. Luận điểm của bà rằng máy móc chỉ có thể làm những gì chúng được lập trình để làm sau này được gọi là Phản đối Lovelace (Lovelace Objection). Turing không trích dẫn nó để bác bỏ. Ông đã xem xét nó một cách nghiêm túc – như một thách thức thực sự đã định hình tư duy của ông và thúc đẩy ông đặt câu hỏi liệu hành vi của một cỗ máy, nếu không thể phân biệt được với hành vi của con người, có thể được coi là trí thông minh hay không.
Grace Hopper (1952, Nhà phát minh trình biên dịch đầu tiên)
Từ các biểu tượng đến ngôn ngữ đời thường
Thủy sư đô đốc Grace Hopper ký tặng sách cho sinh viên tại lễ khai trương trung tâm học máy tính mang tên bà.
Grace Hopper là giáo sư toán học tại Vassar với bằng Tiến sĩ từ Yale khi bà gia nhập Hải quân Dự bị trong Thế chiến II. Bà được giao nhiệm vụ làm việc với Harvard Mark I – một trong những máy tính cơ điện tử đầu tiên. Lập trình cho nó có nghĩa là nạp băng giấy đục lỗ hoặc nối lại dây vật lý cho máy – mỗi tác vụ phải được xây dựng từ đầu.
Mark I có thể tính toán quỹ đạo pháo binh, nhưng việc chuyển sang một tác vụ mới – như hậu cần cung cấp – có nghĩa là lập trình lại từ đầu, điều mà Hopper nhận ra là một nút cổ chai về cấu trúc.
Sau chiến tranh, Hopper gia nhập nhóm xây dựng UNIVAC, máy tính điện tử thương mại đầu tiên ở Hoa Kỳ, giúp khởi động ngành công nghiệp máy tính. Khi máy tính từ các phòng thí nghiệm quân sự đến các doanh nghiệp, những người sử dụng chúng không phải là nhà toán học mà là các chuyên gia hàng ngày không có kiến thức kỹ thuật. Hopper được ghi nhận là người đã viết cuốn hướng dẫn lập trình máy tính đầu tiên, nhưng bà biết rằng loại tài liệu đó sẽ không đủ cho người dùng doanh nghiệp. Họ cần một cách để viết và sửa đổi mã mà không cần học lập trình cấp thấp.
Lovelace đã hình dung máy móc làm việc với các biểu tượng, không chỉ các con số. Một thế kỷ sau, Hopper đã tiến xa hơn. Rất ít người giỏi thao tác biểu tượng. Nhưng nếu họ có thể sử dụng ngôn ngữ mà họ đã nói thì sao? Trình biên dịch của bà đã biến điều đó thành hiện thực bằng cách dịch các lệnh như “trừ thuế thu nhập từ tổng lương” thành mã máy. Giờ đây, một người làm bảng lương có thể lập trình máy tính mà không cần biết nó hoạt động như thế nào.
Với một trình biên dịch, các chương trình có thể được viết một lần và sử dụng ở nhiều địa điểm khác nhau. Những người không phải kỹ sư có thể điều chỉnh chúng theo nhu cầu mới mà không cần bắt đầu lại từ đầu. Các hoạt động kinh doanh như bảng lương, kế toán và hậu cần giờ đây có thể được tự động hóa bởi những người thực hiện công việc – chứ không chỉ bởi các chuyên gia. Điều này đã giúp máy tính lan rộng khắp các phòng ban và văn phòng trong thời kỳ bùng nổ kinh tế sau chiến tranh, khi các công ty mở rộng ra nước ngoài và bắt đầu hoạt động như các tập đoàn đa quốc gia.
Họ nói máy tính không thể hiểu tiếng Anh
Grace Hopper cầm bản sao ngôn ngữ lập trình COBOL trước máy tính UNIVAC, biểu tượng của sự đổi mới phần mềm.
Khi Hopper đề xuất viết chương trình bằng tiếng Anh đơn giản, các nhà phê bình khẳng định điều đó không thể hoạt động. Máy tính, họ lập luận, được xây dựng cho số học – không phải ngôn ngữ. Nhưng bà vẫn xây dựng một trình biên dịch hoạt động đầy đủ. Ngay cả sau khi chứng minh nó hoạt động, vẫn phải mất nhiều năm để thuyết phục người khác rằng đó là tương lai. Nhưng một khi nó được chấp nhận rộng rãi, câu hỏi đặt ra là làm thế nào để dạy nó.
Hopper đã là một giáo viên rất lâu trước khi bà trở thành một lập trình viên. Bà gia nhập đội ngũ giảng viên Vassar vào năm 1931 và là phó giáo sư vào năm 1941. Nền tảng đó đã ảnh hưởng đến cách bà tiếp cận lập trình – bà tin rằng nó phải dễ hiểu và dễ sử dụng đối với những người bình thường. Bà đã viết các cuốn sách hướng dẫn lập trình đầu tiên và giúp định hình một cách tư duy mới về mã mà người khác có thể học hỏi. Nền tảng đó sẽ chứng tỏ tầm quan trọng khi ý tưởng của bà cuối cùng được chấp nhận.
Khi các trình biên dịch được chấp nhận, các trường đại học, chính phủ và doanh nghiệp nhanh chóng áp dụng các chương trình giảng dạy lập trình và xây dựng các đội ngũ nội bộ để hỗ trợ chúng.
Các ngôn ngữ cấp cao như COBOL và FORTRAN đã trở thành tiêu chuẩn – được sử dụng cho các hoạt động kinh doanh, tính toán khoa học và xử lý dữ liệu. Làn sóng hệ điều hành đầu tiên tiếp theo, cùng với các lớp phần mềm kinh doanh ban đầu như công cụ tính lương, kiểm kê và hậu cần. Ý tưởng của Hopper đã trở thành nền tảng cho cách lập trình sẽ được viết, dạy và áp dụng trong các ngành công nghiệp.
Những đóng góp của Hopper đã giúp lập trình bắt kịp với sự phát triển nhanh chóng của điện toán. Mạch tích hợp (integrated circuit), được giới thiệu vào năm 1958, là một bước đột phá lớn – nó giúp thu nhỏ các thành phần trong khi tăng đáng kể sức mạnh tính toán. Sự thay đổi đó đã lặp lại điều mà Hopper đã dạy từ lâu: máy tính cần phải nhỏ để nhanh. Định luật Moore (Moore’s Law) ra đời vào năm 1965, dự báo sự tăng trưởng theo cấp số nhân của phần cứng. Hopper đã giải quyết được nút cổ chai phần mềm. Thách thức tiếp theo là thiết kế các chip có thể bắt kịp.
Lynn Conway (1978–79, Đồng phát triển Phương pháp VLSI Mead–Conway)
Họ cố gắng xóa bỏ bà – bà trở lại để thay đổi thiết kế chip
Lynn Conway bên bia mộ Charles Proteus Steinmetz và chip VLSI, thể hiện sự kết nối giữa người tiên phong và công nghệ vi mạch.
Phần lớn cuộc đời mình, có hai Lynn Conway – cả hai đều có những đóng góp nền tảng cho điện toán. Đầu sự nghiệp tại IBM vào những năm 1960, bà đã phát triển một phương pháp gọi là lập lịch hướng dẫn động (dynamic instruction scheduling), cho phép các bộ xử lý sắp xếp lại các hướng dẫn trong quá trình thực thi để tránh sự chậm trễ. Nó làm cho các CPU hiện đại nhanh hơn và hiệu quả hơn bằng cách ngăn chúng bị đình trệ trong khi chờ đợi các tác vụ hoàn thành.
Nhưng sự nghiệp của Conway đã bị cắt đứt đột ngột. Khi bà tiết lộ việc chuyển đổi giới tính của mình cho ban quản lý IBM, bà đã bị sa thải – một sự phản ánh những định kiến văn hóa thời bấy giờ. Bà biến mất khỏi hồ sơ công khai, để lại tên tuổi, bằng cấp và những thành tựu ban đầu của mình. Điều tiếp theo không chỉ là sự tái tạo bản thân về mặt cá nhân – đó là khởi đầu của một sự nghiệp thứ hai sẽ định hình lại thiết kế phần cứng trên quy mô toàn cầu.
Vào thời điểm này, Định luật Moore đã được thiết lập vững chắc – nhưng rõ ràng là các phương pháp thiết kế chip hiện có không thể bắt kịp. Quá trình này không được tiêu chuẩn hóa, và tất cả tài liệu và kỹ thuật đều được kiểm soát bởi một vài tập đoàn lớn. Tuy nhiên, chỉ năm năm sau khi bị sa thải khỏi IBM, và không có kiến thức nền tảng về thiết kế vi mạch, Conway đã trở thành một nhân vật chủ chốt tại Xerox PARC – đóng góp vào một dự án sẽ định nghĩa lại cách phần cứng được xây dựng và mở rộng.
Conway hợp tác với giáo sư Carver Mead của Caltech để phát triển phương pháp thiết kế tích hợp rất lớn (VLSI) – một khung lặp lại đã chia kiến trúc chip thành các lớp mô-đun rõ ràng, dễ hiểu. Nó giới thiệu các quy tắc bố cục tiêu chuẩn, tách biệt thiết kế logic khỏi triển khai vật lý. Trừu tượng hóa dựa trên Lambda thay thế các phép đo cố định bằng các quy tắc thiết kế đơn giản hoạt động trên các quy trình sản xuất khác nhau. Thay vì thiết kế lại từ đầu cho mỗi chip mới, các kỹ sư có thể tuân theo các hướng dẫn chung – như giữ một khoảng cách nhất định giữa các đường – và tin tưởng hệ thống sẽ mở rộng đúng cách.
Bà đã làm cho thiết kế chip có thể dạy được – và không thể ngăn cản
Vi điều khiển EPROM Philips 87C654, một ví dụ về chip tích hợp phức tạp được tạo ra nhờ phương pháp VLSI.
Ngay cả khi phương pháp VLSI được chấp nhận rộng rãi, Conway đã xác định được hạn chế tiếp theo. Các thiết kế chip trở nên quá phức tạp để bố cục thủ công, ngay cả với một khung chuẩn hóa. Bà đã viết các thuật toán cung cấp năng lượng cho thế hệ đầu tiên của các công cụ tự động hóa thiết kế điện tử (EDA) – phần mềm có thể sắp xếp hàng triệu, sau đó là hàng tỷ bóng bán dẫn.
Kết quả là phần cứng có tốc độ và mật độ phi thường – nhưng chính công trình trước đó của Conway tại IBM đã làm cho sức mạnh đó có thể sử dụng được. Lập lịch hướng dẫn động cho phép các bộ xử lý thực hiện các hướng dẫn không theo thứ tự, xác định các tác vụ song song và tăng tốc hiệu suất. Bước đột phá đó đã trở nên thiết yếu đối với các chip hiện đại như Intel Core, AMD Ryzen và Apple M-series. Nếu không có nó, tất cả sức mạnh xử lý đó sẽ nằm ì, bị mắc kẹt trong việc thực thi tuyến tính.
Conway biết rằng chỉ phương pháp luận sẽ không đủ – bà phải chứng minh rằng nó có thể dạy được. Năm 1979, với sự hỗ trợ từ Dự án VLSI của DARPA, bà đã đồng sáng tác Introduction to VLSI Systems, cuốn sách giáo khoa đầu tiên nhắm đến sinh viên bên ngoài các phòng thí nghiệm ưu tú. Các khóa học đại học được khởi động, nơi sinh viên học phương pháp và thiết kế chip của riêng họ. DARPA đã giúp đảm bảo những thiết kế đó thực sự được chế tạo.
Cách tiếp cận này đã định hình lại ngành công nghiệp. Trong suốt những năm 1980, các chương trình VLSI đã lan rộng khắp các trường đại học. Các sinh viên của Conway đã thành lập các công ty như Sun Microsystems và Silicon Graphics, và giúp khởi xướng phong trào vi xử lý RISC. Mô hình chip không nhà máy (fabless) và sản xuất dựa trên xưởng đúc hiện nay dựa trên cơ sở hạ tầng mà bà đã xây dựng.
Máy tính hiện đại chạy trên một hệ thống từng đẩy bà ra ngoài
Trích dẫn của Lynn Conway tại triển lãm Phụ nữ trong Khoa học của Viện Hàn lâm Khoa học Quốc gia, nhấn mạnh vai trò của bà trong STEM.
Về sau trong cuộc đời, Conway đã công khai về lịch sử của mình. Năm 1999, bà tiết lộ danh tính chuyển giới và lấy lại câu chuyện mà định kiến đã buộc bà phải bỏ lại. Phản ứng ngay lập tức. Bà trở thành một nhân vật của công chúng không chỉ trong lĩnh vực điện toán mà còn trong văn hóa STEM – cố vấn cho các kỹ sư trẻ LGBTQ+ và thách thức sự xóa bỏ có hệ thống trên các lĩnh vực. Năm 2020, IBM đã đưa ra lời xin lỗi chính thức vì đã sa thải bà.
Máy tính hiện đại – được sử dụng trong mọi thứ từ hệ thống quốc phòng đến truyền thông bảo thủ – thực sự chạy trên những ý tưởng được tạo ra bởi một người phụ nữ chuyển giới. Chính trị phản động tấn công những người có đóng góp giúp nền tảng của họ trở nên khả thi. Nếu sự nghiệp của Conway không phải là bằng chứng cho thấy sự đa dạng thúc đẩy tiến bộ, thì nó đã phơi bày sự rỗng tuếch của những lập luận đó. Mỗi khi ai đó mở máy tính xách tay, tải một trang web, kiểm tra một tin nhắn hoặc xây dựng một hệ thống mới, họ đều đang dựa vào kiến trúc được định hình bởi Lynn Conway.
Fei-Fei Li (2006–09, Người tạo ra tập dữ liệu ImageNet)
Tạo ra chương trình dữ liệu để máy học
Giáo sư Fei-Fei Li phát biểu tại TED 2024, chia sẻ tầm nhìn về trí tuệ nhân tạo nhân văn.
Vào đầu những năm 2000, những tiến bộ trong phần mềm và phần cứng đã đặt nền móng cho trí tuệ nhân tạo. Lĩnh vực này đã được chính thức thành lập vào năm 1956, ngay sau khi Turing đề xuất bài kiểm tra nổi tiếng của mình. Sự lạc quan ban đầu dẫn đến nguồn tài trợ của chính phủ, nhưng điều đó đã cạn kiệt vào những năm 1970 trong cái được gọi là “Mùa đông AI” đầu tiên.
Một làn sóng cường điệu thứ hai đến vào những năm 1980, được thúc đẩy bởi hệ thống chuyên gia, và sụp đổ một lần nữa trước khi thập kỷ kết thúc. Sức mạnh xử lý đã tăng lên – nhưng không đủ để thực hiện những lời hứa của lĩnh vực này.
Trong suốt những năm 1990 và đầu những năm 2000, các nhà nghiên cứu tiếp tục công việc của họ, nhưng nhiều người cố ý tránh thuật ngữ trí tuệ nhân tạo. Thay vào đó, họ sử dụng các thuật ngữ thay thế như hệ thống chuyên gia, khai thác dữ liệu và học máy (machine learning).
Sự thay đổi thực sự đến vào giữa những năm 2000, khi họ phát hiện ra rằng huấn luyện mạng neural trên GPU có thể tăng tốc đáng kể mọi thứ. Việc NVIDIA phát hành CUDA vào năm 2006 là một bước ngoặt. Đến năm 2009, phòng thí nghiệm của Andrew Ng đã đạt được tốc độ tăng 70 lần, hoàn thành trong một ngày những gì trước đây mất hàng tuần. Phần cứng và thuật toán cuối cùng đã được thiết lập – nhưng vẫn còn thiếu một thứ gì đó.
Fei-Fei Li đã xác định được điều còn thiếu. Hopper và Conway đã tạo ra những cách để dạy con người cách xây dựng máy tính, nhưng Li đã tập hợp các tài liệu cần thiết để dạy máy móc. Bà nói đơn giản: “Thuật toán thị giác máy tính tốt nhất thế giới cũng không thể nhận ra con mèo nếu nó chưa bao giờ nhìn thấy một con.” Trong khi những người khác tập trung vào việc tinh chỉnh các mô hình, Li nhận thấy rằng quy mô – và chất lượng – của dữ liệu huấn luyện là nút cổ chai thực sự. Vì vậy, bà bắt tay vào xây dựng tập dữ liệu hình ảnh được gắn nhãn lớn nhất mà AI từng thấy.
Dạy máy nhìn thế giới như cách chúng ta làm
Năm 2007, với tư cách là một giáo sư trẻ tại Princeton, Fei-Fei Li đã khởi động dự án ImageNet. Máy ảnh kỹ thuật số và internet đã giúp hàng tỷ hình ảnh có thể truy cập được. Mục tiêu của bà là tạo ra một tập dữ liệu khổng lồ gồm các hình ảnh được gắn nhãn, được nhóm thành các danh mục, để AI có thể nhìn thấy những gì chúng ta nhìn thấy.
Thay vì hàng ngàn hình ảnh như các tập dữ liệu trước đây, ImageNet chứa hơn 14 triệu hình ảnh, được tổ chức thành 22.000 danh mục. Quy mô là chưa từng có. Crowdsourcing (huy động vốn cộng đồng) – một thuật ngữ mới được đặt ra chỉ một năm trước đó trên Wired – vẫn còn mới mẻ, nhưng Li đã nhìn thấy một cơ hội. Với sự giúp đỡ từ công chúng, nhóm của bà đã gắn thẻ, phân loại và ra mắt toàn bộ tập dữ liệu vào năm 2009.
Sau khi tập hợp tập dữ liệu, nhóm của Li đã tạo ra Thử thách nhận dạng hình ảnh quy mô lớn ImageNet (ILSVRC) để kiểm tra lý thuyết của bà rằng dữ liệu quy mô lớn là mảnh ghép còn thiếu. Năm 2012, một mạng nơ-ron tích chập sâu (deep convolutional network) có tên AlexNet đã phá vỡ các kỷ lục trước đó, giảm tỷ lệ lỗi hơn 10 điểm phần trăm – xuống còn 15,3%.
Fei-Fei Li tại bàn tròn HAI về AI và Kinh tế, thảo luận về tác động kinh tế và xã hội của trí tuệ nhân tạo.
Những gì AlexNet đạt được với ImageNet không chỉ là một bước đột phá – nó cho thấy học sâu có thể vượt trội so với các phương pháp huấn luyện khác.
Các tập dữ liệu lớn, được gắn nhãn tốt nhanh chóng trở thành tiêu chuẩn. Và bởi vì ImageNet không bị kiểm soát bởi các công ty công nghệ lớn, nó vẫn có sẵn miễn phí cho nghiên cứu và giáo dục phi thương mại. Kể từ đó, các tập dữ liệu đã phát triển đáng kể. Các mô hình trọng số mở như Stable Diffusion đã được huấn luyện trên LAION-5B – một tập dữ liệu mở với 5,85 tỷ cặp hình ảnh-văn bản, lớn hơn 350 lần so với ImageNet.
Nền tảng của Li trong cả khoa học máy tính và khoa học thần kinh nhận thức đã giúp định hình tầm nhìn của bà. Nhưng bà không dừng lại ở cơ sở hạ tầng – bà đã trở thành một trong những người ủng hộ mạnh mẽ nhất trong lĩnh vực này về tính minh bạch, sự hòa nhập và thiết kế đạo đức. Ngay từ đầu, cách tiếp cận của bà đã lấy con người làm trung tâm. Và giống như nhiều nhà nghiên cứu chịu trách nhiệm cho những đột phá thực sự trong AI, những cảnh báo của bà về sự thiên vị và tác hại không nên bị bỏ qua.
Vượt ra ngoài tính toán là câu hỏi về ý nghĩa
Ada Lovelace và Alan Turing đều đúng
Biểu đồ "125 năm định luật Moore", minh họa sự tăng trưởng theo cấp số nhân của mật độ bóng bán dẫn trong chip máy tính.
Quỹ đạo của điện toán đã phản ánh sự phát triển của con người. Đầu tiên là ngôn ngữ biểu tượng và bộ nhớ, sau đó là cơ thể vật lý (phần cứng) và tâm trí (phần mềm và hệ điều hành). Thế hệ gần đây nhất cho thấy dấu hiệu của sự trừu tượng hóa và lý luận. Nhưng bước phát triển tiếp theo – cả đối với con người và máy móc – là lương tâm: các giá trị, đạo đức và ý nghĩa.
Trí tuệ nhân tạo không chỉ là một khả năng mới. Nó đánh dấu sự chuyển dịch từ các cỗ máy tính toán sang các cỗ máy tạo ra và hành động. Nếu chúng ta đang tái tạo chính mình thông qua công nghệ, thì giai đoạn tiếp theo phải là đạo đức.
Phản đối Lovelace vẫn chưa được giải quyết. Ada Lovelace lập luận rằng máy móc chỉ có thể làm những gì chúng được chỉ thị rõ ràng – rằng chúng không thể tự tạo ra ý tưởng hoặc hành động một cách sáng tạo. Alan Turing không đồng ý, cho rằng các hệ thống biểu tượng một ngày nào đó có thể tạo ra những kết quả mới lạ không thể phân biệt được với tư duy của con người. Cuộc tranh luận đó vẫn còn tồn tại, nhưng nó đã trở nên tinh tế hơn nhiều.
AI có thể tạo mã, văn bản, hình ảnh và âm nhạc. Nhưng nó không có kinh nghiệm nội tại – không cảm xúc, không giá trị, không ý định. Các nhà phê bình nói rằng cái trông giống như sự độc đáo chỉ là sự nhận dạng mẫu được rút ra từ dữ liệu huấn luyện. Những người khác lập luận rằng việc kết hợp tài liệu đã học theo những cách mới là một loại sáng tạo hợp lệ.
Những hệ thống này có thể xem xét nhiều dữ liệu hơn bất kỳ con người nào có thể, xác định những khoảng trống trong kiến thức của chúng ta, tạo ra những giả thuyết mới hợp lý và đưa ra các giải pháp sáng tạo cho các vấn đề chưa được giải quyết.
Liệu điều đó có được coi là sự sáng tạo hay không tùy thuộc vào cách chúng ta định nghĩa nó. Nhưng các đầu ra đang trở nên mạnh mẽ hơn – nhanh hơn, lớn hơn và thuyết phục hơn bất cứ điều gì một người có thể tạo ra một mình. Chúng ta xây dựng các công cụ để mở rộng bản thân. Vì vậy, câu hỏi thực sự không phải là liệu máy móc có thể sáng tạo hay không – mà là liệu những gì chúng tạo ra có ý nghĩa hay không.
Tôi tin rằng cả Lovelace và Turing đều đúng. Máy móc đang tạo ra những kết quả không thể phân biệt được với công việc của con người – nhưng chỉ vì chúng ta đã biến điều đó thành hiện thực. Con người đã thiết kế các hệ thống, chọn dữ liệu, viết thuật toán và xây dựng phần cứng để chạy tất cả.
Chất lượng đầu ra vẫn phụ thuộc vào chất lượng của con người điều khiển nó. Fei-Fei Li đã đúng khi cảnh báo chúng ta. Nếu chúng ta không nhúng các giá trị ngay bây giờ, chúng ta có nguy cơ xây dựng các công cụ phản ánh những điều tồi tệ nhất trong chúng ta – sự thiên vị, lòng tham, sự tàn ác và sự bóc lột. Làn sóng đầu ra AI chất lượng thấp không phải là lỗi của các công cụ. Đó là kết quả của những người đang sử dụng chúng – và sự thiếu vắng đạo đức, quy định và trách nhiệm.
Điều Ada Lovelace không thể tưởng tượng
Khi Ada Lovelace mô tả máy móc thao tác các biểu tượng thay vì chỉ các con số, bà đã hình dung một tương lai vượt xa thời đại của bà. Nhưng ngay cả bà cũng không thể dự đoán quy mô nén biểu tượng và trừu tượng hóa có thể đạt được ngày nay. Không gian tiềm ẩn (latent space) đằng sau AI tạo sinh là biểu tượng cốt lõi. Nó mã hóa các mối quan hệ, mô hình và tiềm năng được rút ra từ các tập dữ liệu khổng lồ – cho phép máy móc tạo ra các đầu ra giống như sự sáng tạo. Đó là lý luận biểu tượng ở dạng nén, đa chiều – một phần mở rộng của cái nhìn sâu sắc của Lovelace, hoạt động ở quy mô mà bà không thể hình dung.
Đó là điều làm cho Phản đối Lovelace trở nên mạnh mẽ – và rất khó giải quyết. Máy móc không còn chỉ là công cụ. Chúng tạo ra kiến thức, văn hóa và các quyết định định hình thế giới. Nhưng chúng không hiểu những gì chúng đang làm, và chúng không thể quan tâm. Đó là nút cổ chai hiện nay. Chúng ta đã mở rộng phần cứng, phần mềm và dữ liệu. Chúng ta đã dạy máy móc cách nhìn, nói, viết và thiết kế. Bước nhảy vọt tiếp theo – có lẽ là quan trọng nhất – là dạy chúng cách làm điều đó một cách đạo đức.
Tiến bộ không chỉ là phát minh. Đó là sự hào phóng.
Sự kiện "Giải mã vai trò của phụ nữ trong STEM", nhấn mạnh tầm quan trọng của việc thu hút và hỗ trợ nữ giới trong các lĩnh vực khoa học, công nghệ, kỹ thuật và toán học.
Mỗi người phụ nữ này đã loại bỏ một nút cổ chai lớn trong quá trình tiến hóa của điện toán. Lovelace đã giới thiệu tính toán biểu tượng và thuật toán. Hopper đã cho chúng ta các công cụ để lập trình. Conway đã cho chúng ta nền tảng để mở rộng phần cứng. Li đã cho chúng ta dữ liệu để dạy các hệ thống mà chúng ta đã xây dựng.
Không ai trong số họ giữ những đột phá của mình bị khóa sau các bức tường độc quyền. Họ đã mở chúng ra. Đó là điều đã giải phóng sự tiến bộ theo cấp số nhân. Công việc của họ không chỉ là sự đổi mới – đó là sự phiên dịch. Họ đã biến sự phức tạp thành thứ mà nhiều người có thể hiểu, định hình và xây dựng dựa trên đó. Họ đã làm cho điện toán dễ tiếp cận, dễ giải thích và dễ dạy.
Fei-Fei Li nổi bật vì bà không chỉ dạy con người – bà còn cung cấp cho AI chương trình giảng dạy thực sự đầu tiên của nó. Công việc của bà đã mang lại cho máy móc cấu trúc và dữ liệu cần thiết để học. Và bà đã trở thành một trong những tiếng nói mạnh mẽ nhất, nhắc nhở chúng ta rằng những gì chúng học tiếp theo vẫn phụ thuộc vào chúng ta.
Chúng ta không biết liệu máy móc có bao giờ đạt được ý thức hay khả năng đạo đức hay không – hoặc điều đó sẽ có ý nghĩa gì. Nhưng chúng ta đủ gần để đặt câu hỏi một cách nghiêm túc. Và giống như mọi giai đoạn trước đó, chúng ta sẽ đạt đến một nút cổ chai khác. Ở một nơi nào đó, ai đó sẽ nhìn xa hơn – và chỉ cho chúng ta cách tiến về phía trước.
Tôi không thể không tự hỏi liệu người đó có phải là một người phụ nữ tài giỏi khác hay không.
