Thiết kế hệ thống giáo dục trong kỷ nguyên Trí tuệ nhân tạo

Thiết kế hệ thống giáo dục trong kỷ nguyên Trí tuệ nhân tạo

Cách chúng ta thu nhận kiến thức và kỹ năng sắp sửa phải thay đổi một cách căn bản vì có sự ra đời của những công nghệ mới hỗ trợ các mô hình học tập linh hoạt và cá nhân hóa hơn. Trí tuệ nhân tạo và machine learning đang đóng vai trò là yếu tố biến đổi trong thế giới giáo dục cũng như nhiều lĩnh vực công nghiệp khác. Lựa chọn của chúng hứa hẹn mang lại hiệu quả cho việc dạy học một – một với qui mô chưa từng thấy và trong bối cảnh kinh nghiệm học tập cởi mở, hợp tác, và kéo dài suốt đời.

Cùng với sự nổi lên của tự động hóa tiên tiến, kéo theo những thay đổi kinh tế xã hội cấp tiến, sư phạm sẽ chủ yếu tập trung vào các kỹ năng nhận thức, sáng tạo và xã hội không thể thiếu trong nơi làm việc thế kỷ 21. Gần đây, Diễn đàn Kinh tế Thế giới đã ước tính 65% trẻ em vào tiểu học hôm nay sau này sẽ làm những việc mà hiện giờ chưa tồn tại. Chúng ta có thể giả thiết rằng những công việc đó đòi hỏi nhiều về mặt nhận thức và yêu cầu những kỹ năng bậc cao như khả năng hiểu ngữ cảnh chứ không chỉ nội dung, cũng như xác định vấn đề một cách sáng tạo chứ không chỉ giải quyết chúng theo phản xạ. Trong một xã hội kết nối nơi bản chất công việc ngày càng mang tính cộng tác nhiều hơn, các khả năng xã hội và khả năng tranh luận sẽ càng quan trọng hơn.

Cải cách hệ thống giáo dục, thiết kế các ứng dụng AI có khả năng mở rộng và không bị cô lập trong lĩnh vực giáo dục, cũng sự tăng trưởng của tư duy kinh doanh đối với học tập suốt đời chỉ là một số thách thức gắn liền với nhau nhưng chưa được giải quyết trọn vẹn. Mặc dù các nghiên cứu hàn lâm đã và đang tham dò các kịch bản và khả năng từ nhiều thập kỷ qua, nhưng không có nhiều thay đổi đáng kể, kể cả với các công cụ và tài nguyên sẵn có cho người dạy và người học, dù việc số hóa đã tăng lên.

Có một sự khác biệt quan trọng giữa số hóa các mô hình học tập truyền thống và sự chuyển đổi thực tế của chúng bằng các công nghệ số.

Chẳng hạn, sự có sẵn rộng rãi của các khóa học trực tuyến do các giảng viên hàng đầu từ các cơ sở giáo dục tốt nhất đứng lớp đã cung cấp nội dung giảng dạy có chất lượng cao nhưng vẫn thiếu khả năng mang lại trải nghiệm học tập có tác động sâu, cá nhân hóa và thích nghi cao. Các doanh nghiệp startup trong lĩnh vực giáo dục đang tăng trưởng theo cấp số nhân trên khắp thế giới và khai thác các hệ thống học tập mới (chẳng hạn như AltSchool), trong khi bổn phận là phải thức tỉnh trước thực tế phải tư duy lại việc kinh doanh để nhanh chóng lập kế hoạch cho những bước chuyển biến phức tạp và to lớn.

Giáo dục được cá nhân hóa là một thách thức cho thiết kế hệ thống

Hệ thống giáo dục hiện hành được thiết kế đáp ứng cho nhu cầu của kỷ nguyên công nghiệp và đang nhanh chóng mất đi lợi thế khi chúng ta chuyển sang kỷ nguyên thông tin. Những tiết lộ về công việc đang đi tiên phong ở DARPA, sự thẳng thắn của các startup trong lĩnh vực giáo dục như Kidaptive, và gần đây hơn là việc hợp tác của Method với Pearson, đều là cơ hội để khám phá những ý nghĩa về mặt thiết kế của các xu hướng học tập mới.

Thu hút kiến thức thực tế trong một hệ thống cứng nhắc đã thành lỗi thời. Quả thật, các phương pháp cá nhân hóa thúc đẩy việc hiểu biết các khái niệm then chốt và các nền tảng căn bản cũng tốt như cách chúng có thể được áp dụng tốt nhất.

Do đó, chúng ta cần thiết kế một thế hệ công cụ mới có khả năng hỗ trợ thành công các trải nghiệm học tập phi tuyến tính, thích nghi cao và hấp dẫn. Hiệu quả của chúng sẽ phụ thuộc vào “trí tuệ” của hệ thống học tập để tiếp tục thích ứng theo ít nhất 5 loại nhận thức:

1.      Nhận thức về trạng thái thể chất và cảm xúc của một cá nhân nào đó (vì nó ảnh hưởng đến khả năng học tập của người đó).

2.      Hiểu mục đích và bối cảnh học tập (ví dụ, lý do họ thu nạp kỹ năng mới, môi trường học, thực tế và ảo, văn hóa, thị trường, luồng dữ liệu theo ngữ cảnh từ IoT và các thiết bị đeo cùng)

3.      Nhận thức về cá nhân người học (ví dụ, các thành tích trước đây, mức độ tham gia, trình độ bậc thầy,…)

4.      Kiến thức về chủ đề hay lĩnh vực (ví dụ như di truyền học, tư duy phê phán, nhận thức về văn hóa,…)

5.      Phương pháp sư phạm (ví dụ học khái niệm, mô hình đánh giá, hướng dẫn chủ động, thất bại về mặt hiệu quả, …)

Hệ thống học tập sẽ cần phải kết hợp thông tin tổng hợp luôn không ngừng thay đổi với các thuật toán được thiết kế để xử lý nó.

Trong một hệ thống giáo dục có ý thức hơn, vai trò chính yếu và có giá trị nhất của AI là xác định trình tự và phương thức tương tác giữa công cụ học và người học. Kết quả là, trải nghiệm người dùng chủ yếu là sản phẩm của thiết kế nhân tạo, hướng theo dữ liệu, theo thời gian thực. Yếu tố căn bản là phải xác định trách nhiệm rõ ràng đối với các quyết định ảnh hưởng tới trải nghiệm người dùng – thứ không thể tiên đoán được và có lẽ không mong muốn hoặc thiếu sót. Ai phải chịu trách nhiệm? Làm sao chúng ta giảm thiểu rủi ro? Các loại công nghệ thông minh này cuối cùng định hình vai trò của giáo viên như thế nào so với các cách khác? Các vấn đề tương tự cũng đã xuất hiện trong những thảo luận về AI ở nhiều ngành công nghiệp, từ ô tô đến sức khỏe.

Những câu hỏi này sẽ tồn tại ngay từ đào tạo tiểu học, vì chúng ta phải tương tác thường xuyên với một thị trường giáo dục phong phú. Quan trọng là tìm ra những cách hiệu quả để thông tin các quyết định về những khả năng phù hợp nhất cần đạt được. Giáo dục suốt đời có lẽ giống như tư duy kinh doanh, có tính chiến lược và phát triển khi xử lý tri thức. Hướng đi như thế nên được giảng dạy thế nào? Liệu có phải là một sản phẩm đặc biệt trong số các cố vấn hay người đào tạo nhân tạo hoặc bằng xương bằng thịt, độc lập với các nền tảng học tập cụ thể không?

Cuối cùng, một khía cạnh quan trọng khác trong thách thức thiết kế hệ thống giáo dục, nó liên quan tới việc tạo ra các môi trường ảo để việc thực hành có thể cải thiện kiến thức trong bối cảnh nhân tạo mà lại thực tế, với sự hỗ trợ của các bạn đồng hành thật hoặc ảo hoặc hỗn hợp.

Trái: 1910 – Sinh viên thế kỷ 21 có thể nhận được giáo dục thông qua tai nghe gắn với con chip được chuyển đổi chứa các nội dung từ sách vở. Nguồn từ Thư viện quốc gia Pháp.

Phải: 2015 – môi trường cộng tác ảo. Nguồn từ Microsoft HoloLens

Thiết kế phải mở rộng sang các lĩnh vực mới, chẳng hạn như thiết kế về mặt sư phạm, thiết kế các thuật toán… và cũng cần mang tới hướng tiếp cận rộng lớn hơn trong việc tạo ra các sản phẩm và dịch vụ. Chất lượng giáo dục phải dự đoán được dựa trên chất lượng của toàn hệ sinh thái của nó. Tính chiến lược của thiết kế là kết nối những hiểu biết về con người và văn hóa với những đổi mới kinh doanh và công nghệ. Khả năng này sẽ đóng vai trò cực kỳ quan trọng trong việc phát triển các công cụ mới như AI để nâng cao trải nghiệm học tập một cách có ý nghĩa.

Roberto Veronese

Dịch từ Medium

Trí tuệ nhân tạo (AI) sẽ ảnh hưởng thế nào tới tương lai Thương mại điện tử (eCommerce)?

Trí tuệ nhân tạo (AI) sẽ ảnh hưởng thế nào tới tương lai eCommerce (Thương mại điện tử)?

Chưa đầy một thập kỷ trước, cả thế giới còn hoài nghi khi eCommerce xuất hiện, người ta vẫn cảm thấy mệt mỏi với ý tưởng rút thẻ tín dụng và mua hàng trực tuyến. Nhưng ngày nay, eCommerce đã vượt quá 22 nghìn tỷ đô la doanh số bán hàng trên toàn cầu và dự kiến chiếm 11% tổng doanh thu bán lẻ vào năm 2018, hoàn toàn có cơ sở để nói ngành công nghiệp này đang tăng trưởng với tốc độ chóng mặt.

Trong con số khổng lồ ấy, Châu Á Thái Bình Dương sẽ vẫn duy trì là thị trường thương mại điện tử lớn nhất thế giới, đạt 1 nghìn tỷ đô la vào năm 2016 và dự kiến tăng gấp đôi trong vòng vài năm tới.

Cả châu Âu và Bắc Mỹ cũng cách không quá xa chiếc xe tốc độ. Người Mỹ không chỉ mở cửa cho ý tưởng mua bán trực tuyến, họ cũng đang ôm chặt lấy nó – hiện tại người Mỹ đang chi 51 tỷ đô cho quần áo, 26 tỷ đô cho đồ điện tử, 16 tỷ đô cho hàng tạp hóa và 4 tỷ đô cho thú cưng và các sản phẩm cho trẻ em thông qua thương mại điện tử.

Ai có thể nghĩ tới ngày tất cả chúng ta đều mua tã và hàng tạp hóa … trực tuyến?

Ngày nay, không chỉ văn hóa Mỹ mà văn hóa toàn cầu đều bị buộc phải đối mặt với một thay đổi lớn khác, thứ thay đổi mang tới cảm xúc hỗn loạn giữa hoài nghi và hưng phấn (không phải không giống như thuở eCommerce mới chào sân nhiều năm trước): đó là Trí tuệ nhân tạo (Artificial Intelligence – AI).

Trong khi AI đã trở thành chủ đề của các cuộc thăm dò và phát triển nhiều năm qua, nó có màn khởi đầu nổi tiếng nhất khi Apple bắt đầu hẹn hò một cô gái bằng cái tên Siri, và trước khi chúng ta biết điều đó, những người yêu iPhone trên toàn thế giới đã đang ngồi ra yêu cầu với các thiết bị của họ, kiểu như “Này Siri, hãy gọi cho [điền vào ô trống]”.

Kể từ lúc bắt đầu, AI đã tăng trưởng rất nhẹ nhàng qua nhiều năm. Vì thế, tới năm 2020, người ta dự đoán 85% tương tác với khách hàng sẽ được quản lý bởi những đối tượng “không phải con người”.

Người sao Hỏa à? Không, AI.

Sự tiến bộ nhanh chóng của AI, cùng với việc chấp nhận ngày càng rộng rãi thương mại điện tử, đã dẫn đến một sự giao thoa văn hóa – điều này sẽ hoàn toàn làm biến đổi cách chúng ta mua bán hàng hóa, mua bán thế nào và mua bán ở đâu. Trong tương lai gần, AI sẽ có thể:

Giảm tỷ lệ bỏ trang (bounce rate) và tăng cường giao tiếp với khách hàng bằng cách tạo ra các cuộc hội thoại tại chỗ (onsite)

Bạn hẳn sẽ nhận thấy ngày càng nhiều trang web thương mại điện tử đang bắt đầu sử dụng chatbot với hy vọng khách hàng sẽ cảm thấy mình không phải giống như một con số trong đám đông mà giống khách hàng duy nhất trong cửa hàng.

Dù điều này đã cải thiện trải nghiệm mua sắm của khách hàng lên một mức độ nào đó, nhưng một số có lẽ sẽ cho rằng các chatbot chỉ là một mảng bong ra từ công nghệ … robot.

Vì chatbot không phải AI. Chúng không thực sự hiểu mỗi cá nhân chúng đang giao tiếp. Phần lớn các chatbot sẽ tìm kiếm các từ phù hợp trong một cơ sở dữ liệu các câu trả lời đã được cài đặt từ trước, chứ chưa tạo ra được các câu trả lời của riêng nó.

Tuy nhiên, các ứng dụng như Mona đang tìm kiếm cách đưa ý tưởng này xa hơn một bước thông qua việc tích hợp với trí tuệ nhân tạo. Mona đang mơ ước tạo ra một trợ lý bán lẻ di động cá nhân tốt nhất thế giới.

Mục tiêu là tạo ra một trải nghiệm mua bán trên di động giống như một cuộc trò chuyện trong cửa hàng giữa khách hàng và người bán hàng bằng xương bằng thịt. Ngày nay, Mona đơn giản hóa việc tìm kiếm trên di động, khám phá và mua bán; nhưng đặc biệt, ứng dụng này có khả năng xử lý việc trả hàng lẫn đặt hàng lại.

Trong tương lai của eCommerce, bạn sẽ nhìn thấy ngày càng nhiều sự xâm nhập của trí tuệ nhân tạo dưới hình thức các trợ lý cá nhân. Luôn có yếu tố cá nhân trong việc mua sắm trực tiếp trong thực tế giữa người với người mà eCommerce hiện giờ không cung cấp được. Trí tuệ nhân tạo sẽ giúp lấp đầy khoảng trống đó.

Cải thiện trải nghiệm mua sắm bằng cách thay đổi cách người tiêu dùng tìm kiếm sản phẩm

Trở lại năm 2015, Pinterest đã cho ra đời một phiên bản đi tiên phong của AI dưới dạng công cụ tìm kiếm trực quan – cho phép người tiêu dùng dễ dàng và thuận tiện tìm kiếm trên nền tảng của họ thông qua hình ảnh chứ không phải từ ngữ.

Người dùng giờ có thể click vào một hình ảnh trên Pinterest, phóng to một đối tượng trong ảnh rồi tìm kiếm đối tượng đó trên trang web.

Ví dụ, giả sử bạn đang nhìn vào một bức ảnh của nhà bếp, trong bức ảnh đó có một cái ghế màu đỏ rất đẹp thu hút ánh mắt bạn. Bạn đơn giản chỉ cần phóng to cái ghế đỏ đó và nhấn tìm kiếm. Pinterest sau đó sẽ tìm kiếm trên web các hình ảnh tương tự với cái ghế đã thu hút ánh mắt của bạn đó.

Vấn đề rất lớn của eCommerce ở thời điểm hiện tại là khách hàng rất khó khăn trong việc tìm kiếm thực sự những gì họ muốn. Trong khi người mua sắm online thường biết rõ họ đang cần tìm cái gì, thì họ lại gặp phải khó khăn trong việc tìm ra một thuật ngữ tìm kiếm phù hợp để tìm được đúng thứ họ đang muốn tìm.

AI vẫn chưa có khả năng thu hẹp một cách hiệu quả khoảng cách giữa tìm kiếm bằng từ khóa và ngôn ngữ tự nhiên, một phần vì trải nghiệm mua sắm rất trực quan với người tiêu dùng.

Do khoảng cách này mà các ứng dụng như CamFind đã thu được rất nhiều thành công – nó tận dụng công nghệ tìm kiếm trực quan trên di dộng để giúp người dùng tìm thấy những gì họ đang tìm kiếm bằng cách sử dụng hình ảnh chứ không phải từ ngữ.

Thu thập dữ liệu khách hàng và dự đoán chính xác họ sẽ làm gì trong tương lai

Amazon Go là một công nghệ mua sắm sáng tạo, cho phép người tiêu dùng mua sắm tại một cửa hàng trong thực tế mà không cần phải đối mặt với những rắc rối của việc xếp hàng đợi tính tiền dài lê thê – cung cấp thứ mà Amazon gọi là trải nghiệm mua sắm kiểu “Just Walk Out - Chỉ cần Bỏ đi”.

Đơn giản bằng cách tải về ứng dụng Amazon Go, khách hàng sẽ có thể đi vào một trong những cửa hàng thật sự của Amazon, lấy những thứ họ muốn trên kệ rồi đi ngay ra khỏi cửa hàng. Ngay sau khi rời khỏi, khách hàng sẽ nhận được một hóa đơn trực tuyến và sẽ bị tính phí trên chính tài khoản Amazon của họ.

Ngoài việc cung cấp trải nghiệm thanh toán kiểu mới này, công nghệ này còn cho phép Amazon theo dõi các thói quen mua sắm của các khách hàng cá nhân, và tới lượt mình, nó sẽ tiên đoán khách hàng sẽ đưa ra những quyết định mua sắm nào trong tương lai. Điều đó cũng cho phép Amazon cung cấp các sản phẩm một cách có mục đích vì họ biết khách hàng của mình đang quan tâm tới cái gì.

Ví dụ, nếu một khách hàng mua 25 gallon kem Blue Bell một năm, Amazon có thể quyết định tiếp thị cho khách hàng các sản phẩm như… muỗng xúc kem hoặc cái bát cách điện giữ kem luôn lạnh.

Nếu Amazon Go thành công, họ sẽ là những người đầu tiên thực sự thu hẹp được khoảng cách giữa mua sắm trong cửa hàng thực tế và mua sắm trực tuyến.

Ảnh hưởng đến cách chúng ta sống hằng ngày, chứ không chỉ đến cách chúng ta mua sắm trực tuyến

Trong thập kỷ tới, trong lúc nhìn thấy ảnh hưởng đầu tiên của AI đối với eCommerce, chúng ta cũng sẽ nhận thấy cả ảnh hưởng của nó tới các thói quen hằng ngày của chúng ta.

Ví dụ, những người tạo ra Siri hiện đang làm việc trên một dạng công nghệ trí tuệ nhân tạo mới mà họ gọi là Con trai của Siri (Son of Siri). Họ hy vọng nó sẽ là một trợ lý ảo có thể thực hiện hoàn hảo các giao dịch như gọi Uber, đặt bánh pizza hay đặt trước một chuyến bay.

Hiểu thói quen của con người và hành vi của người tiêu dùng là yếu tố sống còn trong cuộc chạy đua tiến hành kinh doanh thành công, dù là online hay offline. Khi sử dụng AI – nghĩa là chấp nhận thực tế rằng nó sẽ thay đổi cách con người chúng ta tương tác, làm việc, mua sắm và thậm chí sinh sống – điều đó sẽ đưa bạn và thương hiệu của bạn đi trước đối thủ cạnh tranh một bước.

Chúng ta không chỉ cần hiểu cách thức người tiêu dùng mua sắm, mà còn cần hiểu cách thức họ sống hằng ngày. Việc đó sẽ được bắt đầu và kết thúc bằng Trí tuệ nhân tạo.

Holly Cardew

Dịch từ Medium

Hiện tại và lương lai của Tính toán Lượng tử đối với AI

Hiện tại và tương lai của Tính toán Lượng tử đối với Trí tuệ nhân tạo

Tính toán lượng tử vẫn còn trong giai đoạn đầu tiên, và chưa có kiến trúc phổ quát nào cho các máy tính lượng tử tồn tại tại thời điểm này. Tuy nhiên, các prototype của nó đã có và cho thấy những kết quả đầy hứa hẹn trong các nhiệm vụ như mã hóa, logistic, mô hình hóa và tối ưu hóa. Đối với các nhà nghiên cứu AI, tối ưu hóa và lấy mẫu đặc biệt quan trọng, vì nó cho phép đào tạo các mô hình Machine Learning nhanh hơn nhiều với độ chính xác cao hơn.

Hiện tại, công ty D-Wave của Canada là công ty dẫn đầu trong mảng tính toán lượng tử. Cỗ máy mới nhất của họ D-Wave 2000Q chứa 2000 qubit hoạt động ở nhiệt độ 0.015K (cao hơn một chút so với độ không tuyệt đối). Họ không hướng tới việc tạo ra một Máy tính Lượng tử Phổ biến trong tương lai gần, mà là một thứ mà các thiết bị của họ có thể làm được khá tốt – Quantum Annealing (Nhiệt luyện Lượng tử).

D-Wave 2000Q hoạt động theo thang đo mili giây để tải dữ liệu đầu vào, tìm kiếm giải pháp và đọc nó ra. Bạn có thể dễ dàng lặp lại toàn bộ quá trình nhiều lần để thu được các giải pháp khác nhau. Và nó hoạt động nhanh gấp hàng nghìn lần so với việc sử dụng GPU hiện đại cho việc Simulated Annealing (mô phỏng Nhiệt Luyện).

Quantum Annealing khá phù hợp với việc đào tạo và lấy mẫu từ các mô hình dựa trên năng lượng như Các cỗ mãy Boltmann. Đáng chú ý có Unsupervised Learning (Học không giám sát) vốn là một thách thức lớn với các nhà nghiên cứu AI, và rất có khả năng tính toán lượng tử sẽ là chìa khóa. Thật khó xử lý ngay cả với các số thập phân half-precision (kiểu số chấm động 16 bit), vì thế tại thời điểm này hầu hết các việc đều xử lý bằng các biến nhị phân.

D-Wave đang có kế hoạch tạo ra các máy tính lượng tử/cổ điển hỗn hợp dùng trong công nghiệp cho Machine Learning vào năm 2019. Ngoài ra, 1QBit cũng đang phát triển phần mềm chuyên dụng cho các cỗ máy của họ.

Quantum Annealing (QA) hoạt động như thế nào?

Nói ngắn gọn, QA là một phương thức giảm năng lượng có kiểm soát của hệ thống lượng tử bằng cách dịch chuyển các qubit từ trạng thái xếp chồng (superposition) sang trạng thái cổ điển có cấu hình năng lượng thấp. Nhiệm vụ này có thể mô tả như việc mã hóa hàm năng lượng liên kết các qubit và thông qua nhiệt luyện (Annealing), chúng sẽ di chuyển theo hướng một số cấu hình tối ưu.

Nếu quá trình chuyển đổi được thực hiện đủ chậm, thuật toán sẽ tìm thấy một trạng thái cơ bản (ví dụ: một giải pháp tối ưu chẳng hạn) với xác suất cao:

Quantum Coupling (Ghép đôi Lượng tử) cho phép các qubit khám phá tất cả các giải pháp tiềm năng đồng thời, và cùng lúc đó Quantum Tunneling (Xuyên hầm Lượng tử) cho phép chúng di chuyển xuyên qua các rào cản năng lượng cao hướng tới các trạng thái “tốt hơn”. Hai hiệu ứng này cho phép các máy tính lượng tử giải quyết nhiều bài toán tối ưu hóa khó nhanh hơn nhiều so với các máy tính cổ điển. Đoạn video này của D-Wave sẽ giải thích QA chi tiết hơn:

https://www.youtube.com/watch?time_continue=1&v=UV_RlCAc5Zs

IBM Q

Một tay chơi lớn khác là IBM Q. Big Blue đang làm việc với tính toán lượng tử dựa trên mô hình Gate và các cỗ máy của họ là Các Máy tính Lượng tử Phổ biến. Chúng sẽ có một tập các ứng dụng rộng lớn hơn nhiều, nhưng đồng thời cũng khó kiểm soát hơn nhiều. Các bộ vi xử lý tối tân nhất ở IBM hiện có 16 và 17 qubit, và thực sự rất khó mở rộng hơn nữa.

Kiến trúc chung phổ biến hơn của các bộ vi xử lý của IBM cho phép chúng chạy được bất kỳ thuật toán lượng tử nào. Ví dụ, thuật toán Grover có thể tìm thấy đầu vào cho một hàm kín (như chiếc hộp đen) nếu hàm đó có đầu ra xác định chỉ trong các ước lượng O(√N) của hàm. Chưa cần nói đến thuật toán Shor tìm thừa số nguyên (thuật toán này gây ra rất nhiều lo ngại về tính bảo mật của nhiều thuật toán mã hóa cổ điển).

Dù sao đi nữa, phiên bản 16 qubit đang được cung cấp công khai thông qua chương trình IBM Q Experience. Danh tiếng các dịch vụ nhận dạng của IBM Watson trong cộng đồng Trí tuệ nhân tạo hiện tại khá tệ. Có lẽ IBM Q có khả năng thay đổi tình hình.

Một điều nữa, tại chỗ giao thoa giữa thế giới Lượng tử và Trí tuệ nhân tạo – Mạng neuron lượng tử (Quantum Neural Network) là một dạng sửa đổi ngẫu nhiên vốn có của mạng neuron nhân tạo cổ điển. Đây là một hướng nghiên cứu thú vị, nhưng chưa có gì có ý nghĩa được hoàn thành. Mới chỉ có nghiên cứu lý thuyết và các mô phỏng bằng các bài toán trò chơi.

Nhìn chung, tính toán lượng tử có vẻ là một hướng đi đầy hứa hẹn cho các mô hình ngẫu nhiên trong Machine Learning. Với những tiến bộ gần đây từ D-Wave và IBM, chúng ta có thể hy vọng các ứng dụng thực tế của các máy tính lượng tử trong lĩnh vực Trí tuệ nhân tạo sẽ xuất hiện vào năm 2020.

Egor Dezhic

Dịch từ Medium

Guidance Systems 4 – Jacob Ward: Tại sao Nga dùng Twitter và Facebook? Hãy đọc báo cáo từ Ba Lan này để tìm hiểu.

Các hệ thống dẫn hướng (Guidance Systems 4 – Jacob Ward): Tại sao Nga dùng Twitter và Facebook? Hãy đọc báo cáo từ Ba Lan này để tìm hiểu.

Chúng ta đã tạo ra những cỗ máy hoàn hảo cho nước khác nắm giữ và duy trì “users - người dùng”

Vào tháng tám (năm 2017), một người dùng Twitter có tên “Conspirador Norteño” đã đưa lên một mẫu tự rất thú vị nhằm tìm kiếm trong số những người post bài lên Twitter. Có một nhóm người phù hợp với mẫu tự này.

Conspirador Norteño lấy ra một người dùng trong nhóm có hơn 60.000 người mang một phần tên tài khoản giống nhau này, DavidJo52951945 – người dùng có nhiều người follow nhất.

DavidJo52951945 hằng ngày trong suốt nhiều năm, đều đặn như vắt chanh, viết bài về Brexit, Ukraine, về Hillary Clinton – bất cứ điều gì đang diễn ra trong thế giới bị chia rẽ về mặt chính trị ở phương Tây, và trong cả những thứ Kremlin có liên quan. Người này đứng đầu nổi bật trong nhóm.

Conspirador Norteño viết rằng ông tin tài khoản này là một con người, chứ không phải bot (đây là cách gọi tắt của robot hiện nay). Chỉ có điều, DavidJo52951945 duy trì một thời gian biểu. Một thời gian biểu rất đáng nói.

“Đây là một phát hiện thú vị - David luôn post từ 8 AM-8 PM hằng ngày, giờ Matxcova. Có vẻ như đó là công việc của anh ta hay gì đó tương tự.”

Cuối cùng, DavidJo52951945 có lẽ đã tạo ra ảnh hưởng như một người dùng có thể làm được. Một người dùng Twitter hoàn hảo. Kỷ luật, bận rộn, active suốt cả ngày dài.

“Kết luận ư? A) Hầu như chắc chắn là một phát minh của người Nga và B) một node trên mạng xã hội có ảnh hưởng vượt xa cả một con bot thông thường.”

Troll này có vẻ ngẫu nhiên và tuần tự theo thời gian, nhưng nó chỉ là một phần của một mẫu lớn hơn rất nhiều, được xác định trong một tài liệu nghiên cứu forward cho tôi từ một đồng nghiệp vài tháng trước đây. Đó là một phân tích năm 2014 của Jolanta Darczewska, một thành viên thuộc nhóm chuyên gia đặc biệt Ba Lan, thuộc Trung tâm Nghiên cứu Phương Đông (Centre for Eastern Studies). Mục tiêu của cô hướng đặc biệt vào cuộc chiến tuyên truyền ở Ukraine về sự kiện Crimea sát nhập vào Nga – hành động cố ý thao túng ý kiến công chúng ở đó của các điệp viên và nhà tuyên truyền người Nga để làm dịu tình hình. Nhưng rộng hơn nữa, Darczewska đã viết một bài thuyết trình về một chiến lược lớn hơn của Nga nhằm gây bất ổn cho các kẻ thù của mình theo cách tốt nhất được biết: bằng thông tin.

Điều làm cho báo cáo này trở nên đáng kinh ngạc và mang tính thời sự là nó không dựa vào phỏng đoán cùng phân tích đầu mối, mà là một tài liệu chi tiết về chính xác những gì Nga đã nói đến trong các diễn văn công khai của các quan chức đại diện và lực lượng quân sự nhằm bảo vệ lợi ích của Nga trước Mỹ và EU.

Trước tiên, thật thú vị khi đọc được một cách rõ ràng và trực tiếp vài chiến lược hàng đầu về chiến tranh thông tin chống lại phương Tây làm nổi bật sự khác biệt giữa các xã hội của phương Tây chúng ta và tham vọng của mỗi bên với Nga. Aleksandr Dugin, giáo sư tại Đại học Lomonosov Matxcova, một nhà phân tích chính trị có tầm nhìn xa trông rộng, người sáng lập Đảng Âu Á (Eurasia), người được trích dẫn nhiều trong báo cáo. (Dugin có nhiều mối quan hệ với Kremlin và có quan điểm rõ ràng về tổng thống Nga, ông thể hiện rõ nhất trong cuộc thuyết trình công khai năm 2007: “Putin ở khắp mọi nơi, Putin là mọi thứ, Putin là tuyệt đối, và Putin không thể thiếu.”) Ở đây, ông mô tả tương lai nước Nga – đất nước được tài liệu này mô tả là “một siêu cường với ý thức hệ hậu tự do - tân bảo thủ”. Dugin viết:

“Nga không và sẽ không thể là một lực lượng tiền tự do. Đó là một lực lượng cách mạng hậu tự do đang đấu tranh cho một thế giới đa cực, chân chính và tự do. Trong cuộc chiến về chủ nghĩa tự do này, Nga sẽ bảo vệ truyền thống, các giá trị bảo thủ và tự do thực sự.”

Trong khi đó, Igor Panarin, cựu nhân viên KGB, giờ là giáo sư tại Học viện Ngoại giao Liên bang Nga, được mô tả là người “đặt nền móng cho Học thuyết An ninh Thông tin của Liên bang Nga”. Những lời ông ấy nói thế này:

“Trên thực tế, đây là những hoạt động có ảnh hưởng, chẳng hạn như: kiểm soát xã hội, ví dụ ảnh hưởng tới xã hội; thao túng xã hội, ví dụ cố ý kiểm soát công chúng nhằm đạt được một số lợi ích nhất định; thao tác thông tin, ví dụ sử dụng thông tin thật theo cách phát sinh những hàm ý sai; làm sai lệch thông tin, ví dụ truyền bá thông tin được chế ra hoặc giả mạo, hoặc kết hợp giữa chúng; tạo ra thông tin, ví dụ tạo thông tin sai lệch, vận động hành lang, blackmail và lạm dụng các thông tin được kỳ vọng.”

Panarin, trong cuốn sách “Chiến tranh thông tin trong Thế chiến thứ hai”, đã mô tả nhu cầu tổ chức một trung tâm “thông tin KGB”. Khi giới thiệu cuốn sách “Chiến tranh thông tin và truyền thông” của mình (cuốn thứ 11 trong 15 cuốn sách đều có dùng từ “chiến tranh thông tin” làm tựa đề của ông), ông mô tả nhu cầu cần thiết phải tạo ra một “hệ thống chiến tranh thông tin quốc gia … dựa trên những kinh nghiệm tốt nhất của Liên Xô. Nó phải được làm phong phú thêm bằng những kinh nghiệm của Mỹ và Trung Quốc.” Nhưng đây là chỗ tôi bắt đầu nhận ra một khuôn mẫu. Bản báo cáo mô tả một cống hiến của Panarin cho quốc gia theo cách này.

“Panarin phân biệt các giai đoạn của quá trình quản lý hoạt động thông tin như sau:

(1)   Dự báo và lập kế hoạch

(2)   Tổ chức và kích thích

(3)   Phản hồi

(4)   Điều chỉnh hoạt động

(5)   Kiểm soát hiệu quả

(Khi chờ đợi đặt hàng ở một số quán ăn mang phong cách quán cà phê nguyên sơ, tôi thường nghĩ hình thức chủ nghĩa tư bản là tiên tiến nhất của chúng ta, trong đó chúng ta lựa chọn giữa những biến thể được chuẩn bị kỹ lưỡng nhưng phần lớn vẫn có thể thay đổi được của một chiếc áo sơ mi, hay một chiếc khăn quàng cổ, cũng gần giống với chủ nghĩa xã hội trong sách vở. Những hàng dài, những lựa chọn ít ỏi, các công dân hạnh phúc. Nhưng chẳng phải thế này, cũng chẳng phải thế kia.)

Điều giữ chặt buộc tôi phải đọc những câu chữ về tuyên truyền và chiến tranh thông tin trong báo cáo này là tiếng vang của nó – hoặc ít nhất là những bổ sung của nó – những câu chữ của chính các công ty mạng xã hội ở Mỹ ngày nay.

Báo cáo mô tả những nguyên tắc tuyên truyền mà nước Nga hiện đại đã thích nghi từ thời Xô Viết. Darczewska viết rằng trong các cuộc chiến tranh thông tin gần đây, dễ thấy có “nguyên tắc rõ ràng”, theo đó “thông điệp được đơn giản hóa, sử dụng các thuật ngữ trắng đen, có đầy đủ từ khóa.” Hoặc hãy xem “nguyên tắc thông tin mong muốn”, trong đó người lập kế hoạch chiến dịch thông tin cố gắng khai thác những thông điệp họ biết người nghe sẽ chấp nhận. Ám ảnh tôi nhất là “nguyên tắc gây tác động về mặt cảm xúc”, trong đó chiến dịch phải khiến người ta “rơi vào tình trạng họ sẽ hành động mà không cần suy nghĩ nhiều, thậm chí không cần phải hợp lý.”

Tôi đọc toàn bộ bài báo cáo. Chắc chắn những nguyên tắc này là lý luận tuyên truyền rất giỏi. Nhưng dường như nó cũng giống như âm thanh nhái lại các chiến lược tôi đã từng nghe các giám đốc điều hành mô tả trên sân khấu và trong các cuộc gặp cá nhân về cách tốt nhất để thu hút và giữ chân người dùng mạng. Và nếu một nền tảng được xây dựng để thực hiện các nguyên tắc này một cách dễ dàng – lọc ra những thông tin không mong muốn, phân tích từ khóa để cung cấp nội dung có ảnh hưởng nhất tới cảm xúc, khen thưởng cho những tiêu đề ngắn nhất, rõ ràng nhất, mạnh mẽ nhất – đột nhiên trong tôi lóe lên ý nghĩ rằng, chúng ta đã xây dựng những cỗ máy hoàn hảo cho một nước khác thu hút và giữ chân người dùng.

Viết như thế để bạn hiểu Nga đã sử dụng chiến tranh thông tin để chuẩn bị cho việc sát nhập Crimea như thế nào, bản báo cáo gây đau lòng khi tránh đề cập tới việc Nga có thể làm tương tự với Hoa Kỳ. Nhưng nó đã chỉ ra rằng, những gì Nga theo đuổi vẫn có những rủi ro cho nước Mỹ:

“Người Nga cũng đóng góp nhiều động lực cho các nhóm xã hội ở phương Tây (sử dụng nỗi sợ chiến tranh của những người theo chủ nghĩa hòa bình, nỗi sợ những điều không thể đoán trước được của các chính trị gia và nỗi sợ mất mát thua thiệt của giới doanh nhân)… Hơn nữa, dư luận không nhận thức được thực tế rằng họ là đối tượng của một cuộc chiến tranh thông tin đã được lập kế hoạch và phối hợp bài bản.”

Khi tôi đắn đo xem có cầu thủ địa chính trị nào từng làm việc suốt hầu hết lịch sử hiện đại để hoàn thiện các phương tiện nhằm tàn phá và làm mất ổn định Hoa Kỳ, đắn đo xem các nguyên tắc của nó có phải xoay quanh việc tận dụng cảm xúc, và đắn đo xem Facebook và Twitter có phải đã tạo ra một sản phẩm gây nghiện với cảm xúc của chúng ta không… phải, rõ ràng chúng ta đang ở giữa một nút thắt rất chặt.

Chặt đến mức nào?

Conspirador Norteño đã chỉ ra rằng khi DavidJo52951945, giờ là DavidJoBrexit, im lặng chỉ ba ngày trong mùa hè này, người dùng Twitter ở Mỹ đã follow anh ta bắt đầu hỏi xem anh ta có ổn không, và khi nào anh ta trở lại.

“Nghĩ mà xem, điểm quan trọng ở đây. Một khi người dùng bị điều khiển bởi tuyên truyền và dối trá, thật không dễ dàng quay đầu lại.”

Facebook, Twitter và các hãng khác đã giúp tạo ra những cộng đồng kỹ thuật số khiến chúng ta thấy thoải mái khi đau buồn, hỗ trợ như cha mẹ, mang lại hy vọng trong cuộc sống cá nhân và nghề nghiệp. Nhưng họ cũng tạo ra một nền tảng mà các đối tượng của quốc gia khác có thể tác động ảnh hưởng đến quan điểm của công chúng Mỹ, chỉ đơn giản bằng cách trở thành những người dùng chuyên gia năng động.

Jacob Ward