0:00:00.800,0:00:03.924
Tôi là trưởng nhóm nghiên cứu[br]Trí tuệ nhân tạo tại Google;

0:00:03.948,0:00:08.598
nói cách khác, đó là những quy tắc[br]công nghệ để máy tính và thiết bị

0:00:08.622,0:00:11.041
làm được những gì mà[br]não người làm được.

0:00:11.439,0:00:14.538
Và việc này làm chúng tôi [br]thấy hứng thú với não người thật

0:00:14.562,0:00:15.951
cũng như khoa học thần kinh,

0:00:15.951,0:00:20.047
và đặc biệt là với những gì[br]mà não của chúng ta có thể

0:00:20.071,0:00:24.113
thực hiện tốt hơn nhiều so với máy tính.

0:00:25.209,0:00:28.818
Về lịch sử, một trong số đó[br]chính là khả năng tri nhận,

0:00:28.842,0:00:31.881
là quá trình biến đổi những gì[br]ở thế giới bên ngoài

0:00:31.905,0:00:33.489
như âm thanh và hình ảnh

0:00:33.513,0:00:35.691
thành dạng khái niệm trong tư duy.

0:00:36.235,0:00:38.752
Khái niệm rất quan trọng với não,

0:00:38.776,0:00:41.240
cũng khá hữu ích trên máy tính.

0:00:41.636,0:00:44.986
Ví dụ, những thuật toán tri giác [br]cho máy mà nhóm tôi viết ra,

0:00:45.010,0:00:48.884
chính là thứ giúp bạn tìm[br]được hình ảnh trên Google Photo,

0:00:48.908,0:00:50.305
căn cứ vào trong hình có gì.

0:00:51.594,0:00:55.087
Đối lập với tri nhận là sáng tạo:

0:00:55.111,0:00:58.031
là biến khái niệm đã biết thành[br]sản phẩm của thế giới.

0:00:58.068,0:01:02.098
Trong năm qua, khả năng tri nhận [br]nhân tạo mà nhóm tôi nghiên cứu

0:01:02.098,0:01:06.611
đã bất ngờ kết nối được với [br]khả năng sáng tạo nhân tạo

0:01:06.635,0:01:08.555
và nghệ thuật nhân tạo.

0:01:08.565,0:01:11.840
Tôi nghĩ Michlangelo [br]có một hiểu biết sâu sắc

0:01:11.864,0:01:15.520
về mối quan hệ song đôi giữa[br]tri nhận và sáng tạo.

0:01:16.023,0:01:18.029
Đây là câu trích dẫn ưa thích của ông:

0:01:18.053,0:01:21.376
"Tảng đá nào cũng có linh hồn[br]là bức tượng,

0:01:22.036,0:01:25.038
và một thợ điêu khắc có nhiệm vụ[br]khám phá ra nó."

0:01:26.029,0:01:29.245
Nên tôi nghĩ điều Michelangelo[br]muốn nói đến chính là

0:01:29.269,0:01:32.449
chúng ta sáng tạo được nhờ tri nhận,

0:01:32.473,0:01:35.496
và bản thân sự tri nhận đó [br]là hành động tưởng tượng

0:01:35.520,0:01:37.981
và là nguyên liệu cho sáng tạo.

0:01:38.691,0:01:42.616
Cơ quan thực hiện mọi quá trình[br]tri nhận và sáng tạo diễn ra,

0:01:42.640,0:01:44.228
tất nhiên, là bộ não.

0:01:45.089,0:01:47.634
Tôi sẽ bắt đầu bằng một chút lịch sử

0:01:47.658,0:01:49.960
nói về hiểu biết của chúng ta về não.

0:01:50.496,0:01:52.942
Nói thế này, khác hẳn trái tim[br]hay nội tạng,

0:01:52.966,0:01:56.110
bạn thật sự không nói được gì nhiều[br]chỉ bằng việc quan sát bộ não,

0:01:56.134,0:01:57.896
nhất là khi nhìn bằng mắt thường.

0:01:57.923,0:02:00.399
Những bác sĩ phẫu thuật [br]đầu tiên quan sát bộ não

0:02:00.423,0:02:04.230
đã đặt tên cho cấu trúc bề mặt [br]của nó mọi cái tên thú vị,

0:02:04.254,0:02:06.687
chẳng hạn như thuỳ hải mã, [br]nghĩa là "con tôm nhỏ".

0:02:06.711,0:02:09.475
Nhưng tất nhiên cái tên đó[br]cũng không nói được gì nhiều

0:02:09.499,0:02:11.817
về những gì đang thực sự [br]diễn ra bên trong.

0:02:12.780,0:02:16.393
Tôi nghĩ người đầu tiên [br]phát triển hiểu biết thật sự

0:02:16.417,0:02:18.347
về những gì đang diễn ra trong não bộ

0:02:18.371,0:02:22.291
là nhà giải phẫu thần kinh vĩ đại người[br]Tây Ban Nha, Santiago Ramón y Cajal,

0:02:22.315,0:02:23.859
vào thế kỷ 19,

0:02:23.883,0:02:27.638
ông là người dùng kính hiển vi và [br]chất nhuộm màu đặc biệt

0:02:27.662,0:02:31.832
có thể điền vào hay minh hoạ kĩ lưỡng[br]từng tế bào trong não

0:02:31.856,0:02:33.864
với độ tương phản cao,

0:02:33.888,0:02:37.042
để bắt đầu hiểu được[br]hình thái của chúng.

0:02:37.972,0:02:40.863
Và đây là kiểu bản vẽ mà ông [br]diễn tả các nơ-ron thần kinh

0:02:40.887,0:02:42.096
vào thế kỷ 19.

0:02:42.120,0:02:44.004
Đây là ảnh minh hoạ cho não chim.

0:02:44.028,0:02:47.085
Như bạn thấy, có cực kỳ nhiều loại[br]tế bào khác nhau,

0:02:47.109,0:02:50.544
mà ngay cả thuyết tế bào cũng[br]còn khá lạ lẫm với chúng.

0:02:50.568,0:02:51.846
Và những cấu trúc này,

0:02:51.870,0:02:54.129
những tế bào này có nhiều nhánh,

0:02:54.153,0:02:56.761
các nhánh có thể truyền đi rất rất xa

0:02:56.785,0:02:58.751
lúc bấy giờ, điều này nghe thật khó tin.

0:02:58.779,0:03:01.682
Tất nhiên khi đó nhìn chúng như[br]những sợi dây điện.

0:03:01.706,0:03:05.163
Những người ở thế kỷ 19 [br]sẽ thấy chúng y như vậy;

0:03:05.187,0:03:09.501
cuộc cách mạng về lưới điện và điện[br]khi ấy đang diễn ra.

0:03:09.964,0:03:11.142
Nhưng bằng nhiều cách,

0:03:11.166,0:03:14.479
những bản vẽ giải phẫu kích thước µm[br]của Ramón y Cajal's, như ảnh này,

0:03:14.503,0:03:16.835
vẫn còn vài điểm chưa vượt trội.

0:03:16.859,0:03:18.713
Hơn một thế kỷ sau, giờ đây chúng ta

0:03:18.737,0:03:21.562
vẫn đang nỗ lực hoàn thành điều[br]mà Ramón y Cajal đã bắt đầu.

0:03:21.586,0:03:24.720
Đây là những dữ liệu thô [br]từ các cộng tác viên

0:03:24.744,0:03:27.625
làm việc tại Viện nghiên cứu [br]khoa học thần kinh Max Planck.

0:03:27.649,0:03:29.439
Cộng tác viên của chúng tôi đã vẽ

0:03:29.463,0:03:34.464
từng mẩu nhỏ của mô não.

0:03:34.488,0:03:37.814
Toàn bộ hình mẫu ở đây có kích thước[br]thật chỉ 1 mm khối,

0:03:37.838,0:03:40.459
và ở đây, các bạn đang xem [br]một mẩu rất rất nhỏ của nó.

0:03:40.483,0:03:42.829
Đường kẻ bên trái khoảng[br]1 micrômét (µm).

0:03:42.853,0:03:45.262
Những cấu trúc bạn đang thấy là ti tể

0:03:45.286,0:03:47.330
có kích thước cấp độ vi khuẩn.

0:03:47.354,0:03:48.975
Và đây là những lát cắt liên tiếp

0:03:48.975,0:03:52.077
của khối mô vô cùng nhỏ này.

0:03:52.101,0:03:54.504
Chỉ với mục đích đối chiếu,

0:03:54.528,0:03:58.074
thì đường kính trung bình của 1 sợi tóc[br]khoảng 100 µm.

0:03:58.074,0:04:00.618
Do đó, ta đang nhìn thấy một thứ[br]nhỏ hơn rất rất nhiều

0:04:00.642,0:04:02.040
so với một sợi tóc.

0:04:02.064,0:04:06.095
Và từ hàng loạt những lát cắt có [br]kích thước hiển vi của hạt electron,

0:04:06.119,0:04:11.127
ta có thể tạo ra bản vẽ 3D để[br]dựng lại cấu trúc nơron như thế này.

0:04:11.151,0:04:14.308
Vậy nên những bản vẽ này cũng[br]giống với bản của Ramón y Cajal.

0:04:14.332,0:04:15.824
Chỉ có vài nơron sáng lên thôi,

0:04:15.848,0:04:18.629
vì nếu không, chúng ta sẽ không[br]thấy được gì hết.

0:04:18.653,0:04:19.965
Quá nhiều nơron chen chúc,

0:04:19.989,0:04:21.319
cấu tạo vô cùng phức tạp,

0:04:21.343,0:04:24.517
tất cả các sợi nơron đều nối với nhau,[br]tạo ra mạng lưới chằng chịt.

0:04:25.293,0:04:28.217
Do đó, Ramón y Cajal có hơi cấp tiến[br]so với thời của mình,

0:04:28.217,0:04:30.676
và những hiểu biết về bộ não

0:04:30.700,0:04:32.971
dần phát triển trong[br]những thập kỷ tiếp theo.

0:04:33.455,0:04:36.308
Nhưng chúng ta vốn biết nơron[br]sử dụng điện để hoạt động,

0:04:36.332,0:04:39.268
và cho đến Thế chiến II, công nghệ[br]mới đủ tiên tiến

0:04:39.292,0:04:42.098
để tiến hành các thí nghiệm điện[br]thật sự trên nơron thật

0:04:42.122,0:04:44.228
để hiểu rõ hơn cách chúng vận hành.

0:04:44.631,0:04:48.987
Đây cũng là thời điểm máy vi tính[br]được phát minh,

0:04:49.011,0:04:52.111
chủ yếu dựa trên ý tưởng[br]mô phỏng lại bộ não

0:04:52.135,0:04:55.004
nó là một "cái máy thông minh",[br]như cách mà Alan Turing gọi,

0:04:55.004,0:04:57.765
một trong những người tiên phong [br]cho khoa học máy tính.

0:04:57.923,0:05:02.555
Warren McCulloch và Walter Pitts [br]quan sát bản vẽ của Ramón y Cajal

0:05:02.579,0:05:03.896
mô tả vỏ não thị giác,

0:05:03.920,0:05:05.482
như bạn đang thấy.

0:05:05.506,0:05:09.948
Đây là phần vỏ não phụ trách xử lý[br]hình ảnh được mắt ghi nhận.

0:05:10.424,0:05:13.932
Với McCulloch và Pitts, trông nó như[br]một sơ đồ mạch điện.

0:05:14.353,0:05:18.188
Nên có rất nhiều chi tiết trong [br]bản vẽ của hai người

0:05:18.212,0:05:19.564
không chính xác cho lắm.

0:05:19.588,0:05:20.757
Nhưng về ý tưởng cốt lõi

0:05:20.757,0:05:24.909
xem vỏ não thị giác như vi mạch điện tử[br]

0:05:24.909,0:05:27.609
truyền thông tin từ mạch này[br]qua mạch khác theo tầng,

0:05:27.633,0:05:29.235
lại hoàn toàn chính xác.

0:05:29.259,0:05:31.609
Chúng ta hãy bàn một chút

0:05:31.633,0:05:35.665
sẽ cần những gì để quá trình [br]xử lý thông tin hình ảnh diễn ra.

0:05:36.228,0:05:38.969
Bước căn bản chính trong [br]quá trình tri nhận

0:05:38.993,0:05:43.187
là nhìn vào ảnh, như hình này, và nói:

0:05:43.211,0:05:44.387
"Đó là một con chim"

0:05:44.411,0:05:47.285
là chuyện vô cùng đơn giản mà não[br]ta thực hiện.

0:05:47.309,0:05:50.730
Nhưng bạn nên hiểu rằng để[br]máy tính hiểu được hình ảnh,

0:05:50.754,0:05:53.841
vài năm trước vẫn còn[br]là chuyện bất khả thi.

0:05:53.865,0:05:55.781
Với hệ thống máy tính thế hệ đầu

0:05:55.805,0:05:58.312
thì việc này không dễ thực hiện.

0:05:59.366,0:06:01.918
Vậy những gì diễn ra giữa [br]các điểm ảnh,

0:06:01.942,0:06:05.970
giữa hình vẽ một con chim, [br]và từ "con chim",

0:06:05.994,0:06:08.808
về bản chất là một tập hợp nơron[br]với các nơron nối với nhau

0:06:08.832,0:06:09.987
thành mạng lưới nơron,

0:06:10.011,0:06:11.048
như sơ đồ tôi vẽ đây.

0:06:11.048,0:06:14.500
Mạng lưới này có thể mang tính [br]sinh học, nằm trong hai vỏ não thị giác,

0:06:14.500,0:06:16.716
hay ngày nay, chúng ta có thể

0:06:16.740,0:06:19.194
mô phỏng những mạng lưới[br]như vậy trên máy tính.

0:06:19.834,0:06:22.187
Và tôi sẽ cho bạn xem[br]nó trông thế nào.

0:06:22.211,0:06:25.627
Bạn có thể xem các điểm ảnh[br]là lớp nơron thứ nhất,

0:06:25.651,0:06:27.890
và thật ra, đó là cách mà[br]mắt hoạt động

0:06:27.914,0:06:29.577
đó là các nơron trong võng mạc.

0:06:29.601,0:06:31.351
Tiếp theo chúng chạy thẳng ra trước

0:06:31.351,0:06:34.528
đi lần lượt vào trong các [br]lớp nơron sau, từng lớp một,

0:06:34.552,0:06:37.585
tất cả nối lại bằng các sợi xi-náp [br]có khối lượng khác nhau.

0:06:37.609,0:06:38.944
Trạng thái của mạng lưới này

0:06:38.968,0:06:42.252
đặc trưng bởi độ bền[br]của những sợi xi-náp.

0:06:42.276,0:06:45.564
Chúng khắc hoạ đặc tính giống hệ mạch [br]điện tử của mạng lưới này.

0:06:45.588,0:06:47.058
Và cuối cùng,

0:06:47.082,0:06:49.609
bạn có một sợi nơron hay một bó nhỏ[br]gồm các sợi nơron

0:06:49.609,0:06:51.200
bật sáng và hô lên "con chim".

0:06:51.824,0:06:54.956
Giờ tôi sẽ biểu diễn ba thành phần:

0:06:54.980,0:06:59.676
điểm ảnh ở đầu vào, sợi tiếp hợp xi-náp[br]trong mạng lưới nơron,

0:06:59.700,0:07:01.285
và con chim ở đầu ra

0:07:01.309,0:07:04.366
là ba biến số: X, W và Y.

0:07:04.853,0:07:06.664
Biến X có thể có hàng triệu giá trị.

0:07:06.688,0:07:08.641
nghĩa là hàng triệu điểm ảnh trong hình.

0:07:08.665,0:07:11.111
Biến W có hàng tỉ hay cả ngàn tỉ giá trị,

0:07:11.135,0:07:14.556
tương ứng với khối lượng khác nhau[br]của toàn bộ xi-náp trong mạng nơron.

0:07:14.580,0:07:16.455
Và với biến Y, chỉ có 4 giá trị,

0:07:16.479,0:07:18.337
là số giá trị mà mạng nơron xuất ra.

0:07:18.361,0:07:20.110
"B-i-r-d" có 4 kí tự đúng không?

0:07:21.088,0:07:24.514
Giờ thì hãy giả sử ta có biểu thức[br]đơn giản này:

0:07:24.538,0:07:26.701
X "x" W =Y.

0:07:26.725,0:07:28.761
Tôi đặt dấu nhân trong ngoặc kép

0:07:28.785,0:07:31.065
vì đó mới là những gì [br]đang thực sự diễn ra,

0:07:31.089,0:07:34.135
tất nhiên rất phức tạp, gồm hàng loạt[br]các bài toán được giải.

0:07:35.172,0:07:36.393
Đây là một biểu thức.

0:07:36.417,0:07:38.089
Gồm có 3 biến số.

0:07:38.113,0:07:40.839
Và ta đều biết nếu như ta [br]có 1 đẳng thức,

0:07:40.863,0:07:44.505
bạn sẽ tìm được 1 biến khi biết[br]2 biến còn lại.

0:07:45.158,0:07:48.538
Nên vấn đề mắc phải

0:07:48.562,0:07:51.435
để nhận ra đó là hình vẽ một con chim

0:07:51.459,0:07:52.733
chính là đây:

0:07:52.757,0:07:56.216
đây là nơi Y là biến chưa biết,[br]và W, X là 2 biến đã biết.

0:07:56.240,0:07:58.699
Bạn biết được mạng nơron,[br]bạn biết số điểm ảnh.

0:07:58.723,0:08:02.050
Như bạn thấy, chuyện này[br]khá dễ giải quyết.

0:08:02.074,0:08:04.260
Chỉ cần lấy tích của 2 x 3[br]là xong.

0:08:04.862,0:08:07.105
Tôi sẽ cho bạn xem một mạng lưới[br]neuron nhân tạo

0:08:07.105,0:08:09.305
mà nhóm tôi dựng mới đây,[br]dựng lại hệt như vậy.

0:08:09.634,0:08:12.494
Mạng lưới này đang chạy trên[br]một chiếc điện thoại di động,

0:08:12.518,0:08:15.831
và tất nhiên, khả năng tuyệt vời[br]vốn có của chiếc điện thoại

0:08:15.855,0:08:19.323
chính là nó có thể thực hiện hàng tỉ,[br]hàng ngàn tỉ thao tác

0:08:19.347,0:08:20.595
mỗi giây.

0:08:20.619,0:08:22.514
Bạn đang nhìn thấy [br]một chiếc điện thoại

0:08:22.514,0:08:25.805
đang nhìn lần lượt những bức ảnh[br]có hình chim,

0:08:25.829,0:08:28.544
và nó không hô lên[br]"Đúng rồi, đây là chim,"

0:08:28.568,0:08:31.979
mà lại xác định mỗi loài chim với một[br]mạng lưới tương tự như bộ não.

0:08:32.890,0:08:34.716
Nên trong bức tranh đó,

0:08:34.740,0:08:38.542
X và W là hai đại lượng đã có,[br]và Y là ẩn.

0:08:38.566,0:08:41.344
Tôi đang chú thích cho một phần[br]rất hóc búa, dĩ nhiên rồi,

0:08:41.344,0:08:44.843
để hiểu làm cách nào[br]mà ta tìm được biến W.

0:08:44.843,0:08:47.054
não chúng ta thật sự [br]làm được chuyện này sao?

0:08:47.054,0:08:49.978
Nhưng chúng ta chưa học về [br]những mô hình thế này bao giờ mà?

0:08:49.978,0:08:52.651
Nên bước này chúng ta học[br]cách giải ra W,

0:08:52.675,0:08:55.322
nếu ta làm giả bài này [br]với cách giải của đơn thức

0:08:55.346,0:08:57.346
bằng cách xem chúng là các con số,

0:08:57.370,0:08:59.847
chúng ta biết cách giải đúng: 6 = 2 x W,

0:08:59.917,0:09:03.393
thì lấy 6 chia 2 là tiêu đời.

0:09:04.001,0:09:06.221
Vấn đề chính là phép chia này đây.

0:09:06.823,0:09:07.974
Vậy, phép chia này...

0:09:07.998,0:09:11.119
Chúng ta sử dụng phép chia vì nó[br]nó nghịch đảo với phép nhân,

0:09:11.143,0:09:12.583
nhưng tôi đã nói vừa nãy,

0:09:12.607,0:09:15.176
Phép nhân này thật ra không chỉ[br]là một phép nhân.

0:09:15.176,0:09:18.406
Đây là một phép tính cực kỳ phức tạp,[br]vô cùng lắt léo;

0:09:18.430,0:09:20.134
và không có phép tính nghịch đảo.

0:09:20.158,0:09:23.308
Nên chúng ta phải tìm cách khác [br]để giải biểu thức này

0:09:23.332,0:09:25.356
mà không được dùng phép chia.

0:09:25.380,0:09:28.603
Trong khi cách giải lại không rối rắm.[br]

0:09:28.603,0:09:30.908
Đừng sợ, hãy dùng một mẹo nhỏ trong[br]môn đại số,

0:09:30.908,0:09:33.348
hãy chuyển 6 qua vế bên phải.

0:09:33.372,0:09:35.368
Giờ thì chúng ta vẫn [br]đang dùng phép nhân.

0:09:35.675,0:09:39.255
Và số 0 đó, hãy coi nó là lỗi đi.

0:09:39.279,0:09:41.794
Có nghĩa là, nếu ta giải đúng được W,

0:09:41.818,0:09:43.474
thì lỗi sẽ bằng 0.

0:09:43.498,0:09:45.436
Và nếu ta chưa giải đúng được,

0:09:45.460,0:09:47.209
thì lỗi đó sẽ lớn hơn 0 nhiều.

0:09:47.233,0:09:50.599
Nên giờ ta chỉ có thể đoán sao để[br]lỗi có giá trị nhỏ nhất,

0:09:50.623,0:09:53.310
và đó là chuyện mà máy vi tính[br]rất thành thạo.

0:09:53.334,0:09:54.927
Vậy bạn vừa mới đoán:

0:09:54.951,0:09:56.107
giả sử W = 0 ?

0:09:56.131,0:09:57.371
Vậy thì số lỗi = 6.

0:09:57.395,0:09:58.825
W = 4 thì sao? Vậy lỗi = 4.

0:09:58.825,0:10:01.282
Rồi sau đó máy tính sẽ như [br]chơi trò bịt mắt bắt dê,

0:10:01.282,0:10:03.623
và đuổi theo lỗi cho đến khi nó[br]gần chạm tới 0.

0:10:03.647,0:10:06.151
Nó sẽ tiến dần về giá trị đúng của W.[br]

0:10:06.151,0:10:10.701
Thật ra sẽ không có giá trị hoàn toàn[br]chính xác, nhưng sau mười mấy lần,

0:10:10.725,0:10:15.349
chúng ta có được W = 2.999,[br]là giá trị gần đúng nhất.

0:10:16.302,0:10:18.116
Và đây chính là quá trình học tập.

0:10:18.140,0:10:20.870
Hãy nhớ điều đang diễn ra [br]từ nãy đến giờ

0:10:20.894,0:10:25.272
là cách thức chúng ta sử dụng rất nhiều[br]giá trị đã biết của X và Y

0:10:25.296,0:10:28.750
để tìm ra mối quan tâm của ta là W,[br]thông qua quá trình lặp đi lặp lại.

0:10:28.774,0:10:32.330
Đó cũng chính là phương pháp[br]học tập của chúng ta.

0:10:32.354,0:10:35.504
Khi còn nhỏ người lớn cho ta[br]xem rất nhiều hình ảnh và nói

0:10:35.504,0:10:37.991
"đây là con chim", "còn đây không phải".[br]

0:10:37.991,0:10:40.162
Qua thời gian, và qua việc học đi học lại,

0:10:40.162,0:10:43.214
chúng ta giải được W, là[br]giải được các kết nối nơron.

0:10:43.460,0:10:47.546
Nên giờ đây chúng ta đem X và W đã[br]cố định để tìm Y;

0:10:47.570,0:10:49.417
đó là sự tri nhận nhanh hằng ngày.

0:10:49.441,0:10:51.334
Chúng ta hiểu rằng mình có thể giải W,

0:10:51.334,0:10:53.131
đó là học tập, khó hơn nhiều,

0:10:53.155,0:10:55.140
vì chúng ta phải giảm thiểu lỗi sai,

0:10:55.164,0:10:57.281
bằng cách sử dụng [br]phương pháp luyện tập.

0:10:57.281,0:11:00.162
Khoảng 1 năm trước,thành viên [br]Alex Mordvinstev của nhóm tôi,

0:11:00.162,0:11:03.636
quyết định làm thí nghiệm xem[br]chuyện gì xảy ra nếu ta cố tìm X,

0:11:03.660,0:11:05.697
khi đã biết 1 giá trị W và 1 giá trị Y.

0:11:06.124,0:11:07.275
Nói cách khác,

0:11:07.299,0:11:08.651
bạn biết đó là con chim,

0:11:08.675,0:11:11.978
và bạn cũng biết là hệ thần kinh[br]của mình được dạy, đó là chim

0:11:12.002,0:11:14.346
vậy thì bức hình một con chim là gì?

0:11:15.034,0:11:20.058
Hoá ra khi sử dụng 1 quá trình giống [br]như quá trình giảm thiểu lỗi,

0:11:20.082,0:11:23.092
có thể giảm thiểu sai sót của mạng lưới [br]

0:11:23.092,0:11:26.104
được dạy để nhận ra chim, và kết quả...

0:11:30.400,0:11:32.495
là một bức hình gồm nhiều loài chim.

0:11:32.814,0:11:36.551
Đây là bức hình có nhiều loài chim[br]được tạo ra hoàn toàn từ 1 hệ thần kinh

0:11:36.575,0:11:38.401
đã được dạy để nhận ra các loài chim,

0:11:38.425,0:11:41.963
chỉ bằng việc tìm X thay vì tìm Y,

0:11:41.987,0:11:43.655
và làm đi làm lại quá trình đó.

0:11:43.732,0:11:45.579
Đây là một ví dụ khác.

0:11:45.603,0:11:49.040
Đây là tác phẩm của thành viên[br]Mike Tyka của nhóm tôi,

0:11:49.064,0:11:51.372
cậu ấy gọi nó là "Đoàn thú tuần hành".

0:11:51.396,0:11:54.272
Nó làm tôi nhớ tới các tác phẩm[br]của William Kentridge,

0:11:54.296,0:11:56.785
khi ông cứ phác ra các hình vẽ, rồi bôi,

0:11:56.809,0:11:58.269
rồi vẽ phác lại, rồi lại bôi,

0:11:58.293,0:12:00.111
và tạo ra một kiểu phim theo cách này.

0:12:00.141,0:12:01.186
Trong tranh này,

0:12:01.196,0:12:04.011
Mike đã đa dạng hoá biến Y[br]thành nhiều loài thú khác nhau,

0:12:04.011,0:12:06.953
trong một mạng lưới được thiết kế[br]để nhận biết và phân biệt

0:12:06.953,0:12:08.537
mỗi loài có nhiều loài khác nữa.

0:12:08.537,0:12:12.182
Và giờ bạn có được một bức như tranh[br]biến hình động vật của hoạ sĩ Escher.

0:12:14.221,0:12:18.835
Ở đây cậu ấy và Alex cùng thử

0:12:18.859,0:12:21.618
giảm không gian của biến Y còn 2 chiều,

0:12:21.642,0:12:25.080
để tạo ra một bản đồ có mặt [br]mọi thứ khác nhau

0:12:25.104,0:12:26.823
mà mạng lưới này nhận ra.

0:12:26.847,0:12:28.870
Khi thực hiện tổng hợp như vậy

0:12:28.894,0:12:31.276
hay tạo ra hình ảnh trên toàn bộ bề mặt,

0:12:31.300,0:12:34.246
đa dạng giá trị Y trên mặt phẳng,[br]bạn có thể tạo ra

0:12:34.246,0:12:37.311
một loại bản đồ có tất cả những thứ[br]mà mạng lưới nhận biết được.

0:12:37.335,0:12:40.660
Tất cả các loài thú đều ở ngay đây;[br]"armadillo" ngay vị trí trung tâm.

0:12:40.919,0:12:43.398
Bạn có thể tạo bản đồ cho những mạng[br]lưới khác nữa.

0:12:43.422,0:12:46.296
Đây là mạng lưới được thiết kế[br]để nhận diện các khuôn mặt,

0:12:46.320,0:12:48.320
để phân biệt mặt người này, người kia.

0:12:48.344,0:12:51.593
Còn đây, chúng ta đang chọn Y[br]có giá trị là "tôi",

0:12:51.617,0:12:53.592
là thông số giúp nhận ra gương mặt tôi.

0:12:53.592,0:12:54.922
Và khi dùng Y để tìm X,

0:12:54.946,0:12:57.564
nó cho ra một thứ rất điên,

0:12:57.588,0:13:02.016
đại loại như tranh lập thể, siêu thực [br]vẽ tôi đang phê thuốc

0:13:02.040,0:13:03.846
từ nhiều góc nhìn khác nhau cùng lúc.

0:13:03.870,0:13:06.604
Sở dĩ nó như nhiều góc nhìn khác nhau[br]cùng một lúc là vì

0:13:06.628,0:13:10.049
mạng lưới được thiết kế [br]để tránh sự mơ hồ khi nhận diện

0:13:10.049,0:13:13.125
một gương mặt khi nhìn ở góc này [br]so với khi nhìn ở góc khác,

0:13:13.125,0:13:16.215
hay trong điều kiện chiếu sáng[br]khác nhau.

0:13:16.239,0:13:18.324
Nên khi bạn thực hiện việc tái cấu tạo,

0:13:18.348,0:13:20.652
nếu không sử dụng kiểu hình ảnh hướng dẫn

0:13:20.676,0:13:22.307
hay thông số hướng dẫn để làm mẫu,

0:13:22.307,0:13:25.676
thì bạn sản phẩm nhận được[br]là một bức hình rối mắt ở mọi góc nhìn,

0:13:25.700,0:13:27.068
vì mọi thứ trông rất mờ ảo.

0:13:27.786,0:13:32.009
Đây là kết quả khi Ales sử dụng[br]mặt mình làm hình ảnh mẫu

0:13:32.033,0:13:35.354
trong quá trình tối ưu hoá mạng lưới[br]để tái hiện gương mặt tôi.

0:13:36.284,0:13:38.612
Nên có thể bạn thấy nó không hoàn hảo.

0:13:38.636,0:13:40.510
Vẫn còn khá nhiều chuyện để làm

0:13:40.534,0:13:43.007
để cải thiện tối đa[br]quá trình tái cấu trúc.

0:13:43.007,0:13:45.838
Nhưng giờ thì có được[br]bức tranh một gương mặt liền mạch

0:13:45.862,0:13:47.876
sử dụng mặt tôi làm hình hướng dẫn.

0:13:48.892,0:13:51.393
Bạn không cần phải bắt đầu[br]vẽ với tờ giấy trắng

0:13:51.417,0:13:52.573
hay tiếng ồn trắng.

0:13:52.597,0:13:53.901
Khi tìm X,

0:13:53.925,0:13:57.814
bạn có thể bắt đầu với X,[br]bản thân nó đã là một hình.

0:13:57.838,0:14:00.394
Đó là điều mà tôi minh hoạ hôm nay.

0:14:00.418,0:14:04.540
Hệ thần kinh nhân tạo này được[br]thiết kế để phân loại

0:14:04.564,0:14:07.683
tất cả vật thể khác nhau,[br]như công trình nhân tạo, động vật...

0:14:07.707,0:14:10.300
Ở đây, đầu tiên ta có bức tranh với[br]những đám mây,

0:14:10.324,0:14:11.995
và khi ta tối ưu hoá hình này,

0:14:12.019,0:14:16.505
về căn bản, hệ thần kinh nhân tạo[br]đang xác định mấy đám mây có hình gì.

0:14:16.931,0:14:19.251
Và khi nhìn bức hình này càng lâu,

0:14:19.275,0:14:22.028
bạn càng thấy được nhiều thứ [br]tạo ra từ những đám mây đó.

0:14:23.004,0:14:26.379
Bạn cũng có thể dùng hệ nhận diện[br]khuôn mặt để tạo ảo giác cho nền này,

0:14:26.403,0:14:28.215
và sẽ có được một sản phẩm điên khùng.

0:14:28.239,0:14:29.389
(Cười)

0:14:30.401,0:14:33.145
Hay như vầy, Mike [br]có vài thí nghiệm nữa

0:14:33.169,0:14:37.074
cậu ấy lấy hình đám mây,

0:14:37.098,0:14:40.605
tạo hiệu ứng ảo, phóng đại, rồi chỉnh ảo,[br]phóng, rồi chỉnh, rồi lại phóng.

0:14:40.629,0:14:41.780
Và bằng cách này,

0:14:41.804,0:14:45.479
tôi nghĩ bạn sẽ nhận được một[br]hệ thần kinh đang thấy lâng lâng,

0:14:45.503,0:14:49.183
hay là sự kết hợp tự do,

0:14:49.207,0:14:52.094
trong đó bạn sẽ thấy mạng lưới ấy[br]đang ăn cái đuôi của mình.

0:14:52.094,0:14:54.879
Nên mỗi hình đều là ảnh nền cho

0:14:54.903,0:14:56.324
hình "tôi sẽ thấy gì kế tiếp?

0:14:56.348,0:14:59.151
tôi sẽ nhìn thấy gì kế tiếp?[br]tôi sẽ nhìn thấy gì kế tiếp?"

0:14:59.487,0:15:02.423
Tôi đã đem trưng bày bức tranh

0:15:02.447,0:15:07.884
cho nhóm dự thính bài giảng [br]"Giáo dục Cấp cao" ở Seattle xem

0:15:07.908,0:15:10.855
ngay sau khi ma tuý [br]được hợp thức hoá.

0:15:10.855,0:15:12.784
(Cười)

0:15:14.627,0:15:16.731
Tôi sẽ kết thúc nhanh thôi

0:15:16.755,0:15:21.010
bằng việc nhấn mạnh rằng công nghệ[br]không có giới hạn.

0:15:21.034,0:15:24.699
Tôi chỉ mới cho bạn xem những ví dụ[br]thị giác vì chúng nhìn vui mắt.

0:15:24.723,0:15:27.048
Chứ công nghệ [br]không chỉ thuần về thị giác.

0:15:27.048,0:15:29.451
Cộng tác viên của chúng tôi, hoạ sĩ [br]Ross Goodwin,

0:15:29.451,0:15:32.886
đã có nhiều thí nghiệm có cả[br]một camera chụp hình,

0:15:32.910,0:15:37.144
và sau đó 1 cái máy tính trong balô của[br]cậu ấy viết 1 bài thơ bằng mạng nơron,

0:15:37.168,0:15:39.112
dựa vào nội dung của[br]hình ảnh ghi nhận.

0:15:39.136,0:15:42.093
Hệ thần kinh nhân tạo viết ra bài thơ đó[br]đã được học

0:15:42.093,0:15:44.341
một kho ngữ liệu lớn [br]về thơ ca thế kỷ 20.

0:15:44.365,0:15:45.864
Và bài thơ đó, bạn biết không,

0:15:45.888,0:15:47.802
thật ra cũng không dở lắm đâu.

0:15:47.826,0:15:49.210
(Cười)

0:15:49.234,0:15:50.393
Tóm lại,

0:15:50.417,0:15:52.549
Tôi nghĩ người tên Michelangelo đó,

0:15:52.573,0:15:53.807
Ông ấy đã đúng;

0:15:53.831,0:15:57.267
Sự tri nhận và sáng tạo[br]có liên quan mật thiết với nhau.

0:15:57.611,0:16:00.245
Những hệ thần kinh nhân tạo[br]mà ta vừa thấy

0:16:00.269,0:16:02.486
vốn chỉ được thiết kế [br]để tiếp nhận, phân biệt,

0:16:02.486,0:16:05.518
để nhận biết những sự vật[br]khác nhau của thế giới,

0:16:05.518,0:16:08.023
giờ có thể làm ngược lại, tạo ra cái mới.

0:16:08.047,0:16:09.904
Một trong những điều tôi cảm giác được

0:16:09.924,0:16:12.252
không chỉ là Michelangelo [br]thật sự nhìn ra

0:16:12.276,0:16:14.728
bức điêu khắc bên trong tảng đá,

0:16:14.752,0:16:18.390
mà ông thấy bất kì sinh vật nào,[br]thực thể nào, trong hay ngoài hành tinh

0:16:18.414,0:16:22.071
chỉ cần biết tri nhận,

0:16:22.095,0:16:23.470
sẽ có thể sáng tạo

0:16:23.494,0:16:26.718
vì có cơ chế chung dùng cho cả[br]hai quá trình ấy.

0:16:26.742,0:16:31.274
Tôi cũng nghĩ rằng sự tri nhận[br]và sáng tạo không thể nào

0:16:31.298,0:16:32.508
chỉ con người mới có.

0:16:32.532,0:16:36.240
Chúng ta bắt đầu có những [br]mẫu máy tính làm được những thứ này.

0:16:36.264,0:16:39.592
Và điều đó không có gì lạ;[br]bộ não chính là bộ máy.

0:16:39.616,0:16:41.273
Và sau cùng,

0:16:41.297,0:16:45.965
máy tính bắt đầu trở thành công cụ[br]thiết kế trí tuệ nhân tạo.

0:16:45.989,0:16:48.451
Điện tử đã trở thành bằng chứng

0:16:48.475,0:16:51.488
chứng minh rằng ta [br]có thể làm ra trì tuệ nhân tạo.

0:16:51.512,0:16:53.674
Và cuối cùng chúng ta [br]đã có thể hoàn thành

0:16:53.698,0:16:56.104
những hoài bão mà các tiền nhân để lại,

0:16:56.128,0:16:57.841
chính là Turing, Von Neumann

0:16:57.865,0:17:00.130
McCulloch và Pitts.

0:17:00.154,0:17:04.252
Và tôi nghĩ điện toán không chỉ [br]tập trung cho việc tính toán,

0:17:04.276,0:17:06.423
để chơi Candy Crush [br]hoặc những trò khác.

0:17:06.447,0:17:09.265
Từ đầu, máy tính được tạo ra[br]theo hình mẫu là não người.

0:17:09.265,0:17:12.318
Và nhờ máy tính, chúng ta hiểu [br]về bộ não mình rõ hơn

0:17:12.342,0:17:13.871
để có thể cải tiến chúng.

0:17:14.627,0:17:15.794
Cám ơn rất nhiều.

0:17:15.818,0:17:21.757
(Vỗ tay)