1
00:00:00,800 --> 00:00:03,924
Tôi là trưởng nhóm nghiên cứu
Trí tuệ nhân tạo tại Google;

2
00:00:03,948 --> 00:00:08,598
nói cách khác, đó là những quy tắc
công nghệ để máy tính và thiết bị

3
00:00:08,622 --> 00:00:11,041
làm được những gì mà
não người làm được.

4
00:00:11,439 --> 00:00:14,538
Và việc này làm chúng tôi 
thấy hứng thú với não người thật

5
00:00:14,562 --> 00:00:15,951
cũng như khoa học thần kinh,

6
00:00:15,951 --> 00:00:20,047
và đặc biệt là với những gì
mà não của chúng ta có thể

7
00:00:20,071 --> 00:00:24,113
thực hiện tốt hơn nhiều so với máy tính.

8
00:00:25,209 --> 00:00:28,818
Về lịch sử, một trong số đó
chính là khả năng tri nhận,

9
00:00:28,842 --> 00:00:31,881
là quá trình biến đổi những gì
ở thế giới bên ngoài

10
00:00:31,905 --> 00:00:33,489
như âm thanh và hình ảnh

11
00:00:33,513 --> 00:00:35,691
thành dạng khái niệm trong tư duy.

12
00:00:36,235 --> 00:00:38,752
Khái niệm rất quan trọng với não,

13
00:00:38,776 --> 00:00:41,240
cũng khá hữu ích trên máy tính.

14
00:00:41,636 --> 00:00:44,986
Ví dụ, những thuật toán tri giác 
cho máy mà nhóm tôi viết ra,

15
00:00:45,010 --> 00:00:48,884
chính là thứ giúp bạn tìm
được hình ảnh trên Google Photo,

16
00:00:48,908 --> 00:00:50,305
căn cứ vào trong hình có gì.

17
00:00:51,594 --> 00:00:55,087
Đối lập với tri nhận là sáng tạo:

18
00:00:55,111 --> 00:00:58,031
là biến khái niệm đã biết thành
sản phẩm của thế giới.

19
00:00:58,068 --> 00:01:02,098
Trong năm qua, khả năng tri nhận 
nhân tạo mà nhóm tôi nghiên cứu

20
00:01:02,098 --> 00:01:06,611
đã bất ngờ kết nối được với 
khả năng sáng tạo nhân tạo

21
00:01:06,635 --> 00:01:08,555
và nghệ thuật nhân tạo.

22
00:01:08,565 --> 00:01:11,840
Tôi nghĩ Michlangelo 
có một hiểu biết sâu sắc

23
00:01:11,864 --> 00:01:15,520
về mối quan hệ song đôi giữa
tri nhận và sáng tạo.

24
00:01:16,023 --> 00:01:18,029
Đây là câu trích dẫn ưa thích của ông:

25
00:01:18,053 --> 00:01:21,376
"Tảng đá nào cũng có linh hồn
là bức tượng,

26
00:01:22,036 --> 00:01:25,038
và một thợ điêu khắc có nhiệm vụ
khám phá ra nó."

27
00:01:26,029 --> 00:01:29,245
Nên tôi nghĩ điều Michelangelo
muốn nói đến chính là

28
00:01:29,269 --> 00:01:32,449
chúng ta sáng tạo được nhờ tri nhận,

29
00:01:32,473 --> 00:01:35,496
và bản thân sự tri nhận đó 
là hành động tưởng tượng

30
00:01:35,520 --> 00:01:37,981
và là nguyên liệu cho sáng tạo.

31
00:01:38,691 --> 00:01:42,616
Cơ quan thực hiện mọi quá trình
tri nhận và sáng tạo diễn ra,

32
00:01:42,640 --> 00:01:44,228
tất nhiên, là bộ não.

33
00:01:45,089 --> 00:01:47,634
Tôi sẽ bắt đầu bằng một chút lịch sử

34
00:01:47,658 --> 00:01:49,960
nói về hiểu biết của chúng ta về não.

35
00:01:50,496 --> 00:01:52,942
Nói thế này, khác hẳn trái tim
hay nội tạng,

36
00:01:52,966 --> 00:01:56,110
bạn thật sự không nói được gì nhiều
chỉ bằng việc quan sát bộ não,

37
00:01:56,134 --> 00:01:57,896
nhất là khi nhìn bằng mắt thường.

38
00:01:57,923 --> 00:02:00,399
Những bác sĩ phẫu thuật 
đầu tiên quan sát bộ não

39
00:02:00,423 --> 00:02:04,230
đã đặt tên cho cấu trúc bề mặt 
của nó mọi cái tên thú vị,

40
00:02:04,254 --> 00:02:06,687
chẳng hạn như thuỳ hải mã, 
nghĩa là "con tôm nhỏ".

41
00:02:06,711 --> 00:02:09,475
Nhưng tất nhiên cái tên đó
cũng không nói được gì nhiều

42
00:02:09,499 --> 00:02:11,817
về những gì đang thực sự 
diễn ra bên trong.

43
00:02:12,780 --> 00:02:16,393
Tôi nghĩ người đầu tiên 
phát triển hiểu biết thật sự

44
00:02:16,417 --> 00:02:18,347
về những gì đang diễn ra trong não bộ

45
00:02:18,371 --> 00:02:22,291
là nhà giải phẫu thần kinh vĩ đại người
Tây Ban Nha, Santiago Ramón y Cajal,

46
00:02:22,315 --> 00:02:23,859
vào thế kỷ 19,

47
00:02:23,883 --> 00:02:27,638
ông là người dùng kính hiển vi và 
chất nhuộm màu đặc biệt

48
00:02:27,662 --> 00:02:31,832
có thể điền vào hay minh hoạ kĩ lưỡng
từng tế bào trong não

49
00:02:31,856 --> 00:02:33,864
với độ tương phản cao,

50
00:02:33,888 --> 00:02:37,042
để bắt đầu hiểu được
hình thái của chúng.

51
00:02:37,972 --> 00:02:40,863
Và đây là kiểu bản vẽ mà ông 
diễn tả các nơ-ron thần kinh

52
00:02:40,887 --> 00:02:42,096
vào thế kỷ 19.

53
00:02:42,120 --> 00:02:44,004
Đây là ảnh minh hoạ cho não chim.

54
00:02:44,028 --> 00:02:47,085
Như bạn thấy, có cực kỳ nhiều loại
tế bào khác nhau,

55
00:02:47,109 --> 00:02:50,544
mà ngay cả thuyết tế bào cũng
còn khá lạ lẫm với chúng.

56
00:02:50,568 --> 00:02:51,846
Và những cấu trúc này,

57
00:02:51,870 --> 00:02:54,129
những tế bào này có nhiều nhánh,

58
00:02:54,153 --> 00:02:56,761
các nhánh có thể truyền đi rất rất xa

59
00:02:56,785 --> 00:02:58,751
lúc bấy giờ, điều này nghe thật khó tin.

60
00:02:58,779 --> 00:03:01,682
Tất nhiên khi đó nhìn chúng như
những sợi dây điện.

61
00:03:01,706 --> 00:03:05,163
Những người ở thế kỷ 19 
sẽ thấy chúng y như vậy;

62
00:03:05,187 --> 00:03:09,501
cuộc cách mạng về lưới điện và điện
khi ấy đang diễn ra.

63
00:03:09,964 --> 00:03:11,142
Nhưng bằng nhiều cách,

64
00:03:11,166 --> 00:03:14,479
những bản vẽ giải phẫu kích thước µm
của Ramón y Cajal's, như ảnh này,

65
00:03:14,503 --> 00:03:16,835
vẫn còn vài điểm chưa vượt trội.

66
00:03:16,859 --> 00:03:18,713
Hơn một thế kỷ sau, giờ đây chúng ta

67
00:03:18,737 --> 00:03:21,562
vẫn đang nỗ lực hoàn thành điều
mà Ramón y Cajal đã bắt đầu.

68
00:03:21,586 --> 00:03:24,720
Đây là những dữ liệu thô 
từ các cộng tác viên

69
00:03:24,744 --> 00:03:27,625
làm việc tại Viện nghiên cứu 
khoa học thần kinh Max Planck.

70
00:03:27,649 --> 00:03:29,439
Cộng tác viên của chúng tôi đã vẽ

71
00:03:29,463 --> 00:03:34,464
từng mẩu nhỏ của mô não.

72
00:03:34,488 --> 00:03:37,814
Toàn bộ hình mẫu ở đây có kích thước
thật chỉ 1 mm khối,

73
00:03:37,838 --> 00:03:40,459
và ở đây, các bạn đang xem 
một mẩu rất rất nhỏ của nó.

74
00:03:40,483 --> 00:03:42,829
Đường kẻ bên trái khoảng
1 micrômét (µm).

75
00:03:42,853 --> 00:03:45,262
Những cấu trúc bạn đang thấy là ti tể

76
00:03:45,286 --> 00:03:47,330
có kích thước cấp độ vi khuẩn.

77
00:03:47,354 --> 00:03:48,975
Và đây là những lát cắt liên tiếp

78
00:03:48,975 --> 00:03:52,077
của khối mô vô cùng nhỏ này.

79
00:03:52,101 --> 00:03:54,504
Chỉ với mục đích đối chiếu,

80
00:03:54,528 --> 00:03:58,074
thì đường kính trung bình của 1 sợi tóc
khoảng 100 µm.

81
00:03:58,074 --> 00:04:00,618
Do đó, ta đang nhìn thấy một thứ
nhỏ hơn rất rất nhiều

82
00:04:00,642 --> 00:04:02,040
so với một sợi tóc.

83
00:04:02,064 --> 00:04:06,095
Và từ hàng loạt những lát cắt có 
kích thước hiển vi của hạt electron,

84
00:04:06,119 --> 00:04:11,127
ta có thể tạo ra bản vẽ 3D để
dựng lại cấu trúc nơron như thế này.

85
00:04:11,151 --> 00:04:14,308
Vậy nên những bản vẽ này cũng
giống với bản của Ramón y Cajal.

86
00:04:14,332 --> 00:04:15,824
Chỉ có vài nơron sáng lên thôi,

87
00:04:15,848 --> 00:04:18,629
vì nếu không, chúng ta sẽ không
thấy được gì hết.

88
00:04:18,653 --> 00:04:19,965
Quá nhiều nơron chen chúc,

89
00:04:19,989 --> 00:04:21,319
cấu tạo vô cùng phức tạp,

90
00:04:21,343 --> 00:04:24,517
tất cả các sợi nơron đều nối với nhau,
tạo ra mạng lưới chằng chịt.

91
00:04:25,293 --> 00:04:28,217
Do đó, Ramón y Cajal có hơi cấp tiến
so với thời của mình,

92
00:04:28,217 --> 00:04:30,676
và những hiểu biết về bộ não

93
00:04:30,700 --> 00:04:32,971
dần phát triển trong
những thập kỷ tiếp theo.

94
00:04:33,455 --> 00:04:36,308
Nhưng chúng ta vốn biết nơron
sử dụng điện để hoạt động,

95
00:04:36,332 --> 00:04:39,268
và cho đến Thế chiến II, công nghệ
mới đủ tiên tiến

96
00:04:39,292 --> 00:04:42,098
để tiến hành các thí nghiệm điện
thật sự trên nơron thật

97
00:04:42,122 --> 00:04:44,228
để hiểu rõ hơn cách chúng vận hành.

98
00:04:44,631 --> 00:04:48,987
Đây cũng là thời điểm máy vi tính
được phát minh,

99
00:04:49,011 --> 00:04:52,111
chủ yếu dựa trên ý tưởng
mô phỏng lại bộ não

100
00:04:52,135 --> 00:04:55,004
nó là một "cái máy thông minh",
như cách mà Alan Turing gọi,

101
00:04:55,004 --> 00:04:57,765
một trong những người tiên phong 
cho khoa học máy tính.

102
00:04:57,923 --> 00:05:02,555
Warren McCulloch và Walter Pitts 
quan sát bản vẽ của Ramón y Cajal

103
00:05:02,579 --> 00:05:03,896
mô tả vỏ não thị giác,

104
00:05:03,920 --> 00:05:05,482
như bạn đang thấy.

105
00:05:05,506 --> 00:05:09,948
Đây là phần vỏ não phụ trách xử lý
hình ảnh được mắt ghi nhận.

106
00:05:10,424 --> 00:05:13,932
Với McCulloch và Pitts, trông nó như
một sơ đồ mạch điện.

107
00:05:14,353 --> 00:05:18,188
Nên có rất nhiều chi tiết trong 
bản vẽ của hai người

108
00:05:18,212 --> 00:05:19,564
không chính xác cho lắm.

109
00:05:19,588 --> 00:05:20,757
Nhưng về ý tưởng cốt lõi

110
00:05:20,757 --> 00:05:24,909
xem vỏ não thị giác như vi mạch điện tử


111
00:05:24,909 --> 00:05:27,609
truyền thông tin từ mạch này
qua mạch khác theo tầng,

112
00:05:27,633 --> 00:05:29,235
lại hoàn toàn chính xác.

113
00:05:29,259 --> 00:05:31,609
Chúng ta hãy bàn một chút

114
00:05:31,633 --> 00:05:35,665
sẽ cần những gì để quá trình 
xử lý thông tin hình ảnh diễn ra.

115
00:05:36,228 --> 00:05:38,969
Bước căn bản chính trong 
quá trình tri nhận

116
00:05:38,993 --> 00:05:43,187
là nhìn vào ảnh, như hình này, và nói:

117
00:05:43,211 --> 00:05:44,387
"Đó là một con chim"

118
00:05:44,411 --> 00:05:47,285
là chuyện vô cùng đơn giản mà não
ta thực hiện.

119
00:05:47,309 --> 00:05:50,730
Nhưng bạn nên hiểu rằng để
máy tính hiểu được hình ảnh,

120
00:05:50,754 --> 00:05:53,841
vài năm trước vẫn còn
là chuyện bất khả thi.

121
00:05:53,865 --> 00:05:55,781
Với hệ thống máy tính thế hệ đầu

122
00:05:55,805 --> 00:05:58,312
thì việc này không dễ thực hiện.

123
00:05:59,366 --> 00:06:01,918
Vậy những gì diễn ra giữa 
các điểm ảnh,

124
00:06:01,942 --> 00:06:05,970
giữa hình vẽ một con chim, 
và từ "con chim",

125
00:06:05,994 --> 00:06:08,808
về bản chất là một tập hợp nơron
với các nơron nối với nhau

126
00:06:08,832 --> 00:06:09,987
thành mạng lưới nơron,

127
00:06:10,011 --> 00:06:11,048
như sơ đồ tôi vẽ đây.

128
00:06:11,048 --> 00:06:14,500
Mạng lưới này có thể mang tính 
sinh học, nằm trong hai vỏ não thị giác,

129
00:06:14,500 --> 00:06:16,716
hay ngày nay, chúng ta có thể

130
00:06:16,740 --> 00:06:19,194
mô phỏng những mạng lưới
như vậy trên máy tính.

131
00:06:19,834 --> 00:06:22,187
Và tôi sẽ cho bạn xem
nó trông thế nào.

132
00:06:22,211 --> 00:06:25,627
Bạn có thể xem các điểm ảnh
là lớp nơron thứ nhất,

133
00:06:25,651 --> 00:06:27,890
và thật ra, đó là cách mà
mắt hoạt động

134
00:06:27,914 --> 00:06:29,577
đó là các nơron trong võng mạc.

135
00:06:29,601 --> 00:06:31,351
Tiếp theo chúng chạy thẳng ra trước

136
00:06:31,351 --> 00:06:34,528
đi lần lượt vào trong các 
lớp nơron sau, từng lớp một,

137
00:06:34,552 --> 00:06:37,585
tất cả nối lại bằng các sợi xi-náp 
có khối lượng khác nhau.

138
00:06:37,609 --> 00:06:38,944
Trạng thái của mạng lưới này

139
00:06:38,968 --> 00:06:42,252
đặc trưng bởi độ bền
của những sợi xi-náp.

140
00:06:42,276 --> 00:06:45,564
Chúng khắc hoạ đặc tính giống hệ mạch 
điện tử của mạng lưới này.

141
00:06:45,588 --> 00:06:47,058
Và cuối cùng,

142
00:06:47,082 --> 00:06:49,609
bạn có một sợi nơron hay một bó nhỏ
gồm các sợi nơron

143
00:06:49,609 --> 00:06:51,200
bật sáng và hô lên "con chim".

144
00:06:51,824 --> 00:06:54,956
Giờ tôi sẽ biểu diễn ba thành phần:

145
00:06:54,980 --> 00:06:59,676
điểm ảnh ở đầu vào, sợi tiếp hợp xi-náp
trong mạng lưới nơron,

146
00:06:59,700 --> 00:07:01,285
và con chim ở đầu ra

147
00:07:01,309 --> 00:07:04,366
là ba biến số: X, W và Y.

148
00:07:04,853 --> 00:07:06,664
Biến X có thể có hàng triệu giá trị.

149
00:07:06,688 --> 00:07:08,641
nghĩa là hàng triệu điểm ảnh trong hình.

150
00:07:08,665 --> 00:07:11,111
Biến W có hàng tỉ hay cả ngàn tỉ giá trị,

151
00:07:11,135 --> 00:07:14,556
tương ứng với khối lượng khác nhau
của toàn bộ xi-náp trong mạng nơron.

152
00:07:14,580 --> 00:07:16,455
Và với biến Y, chỉ có 4 giá trị,

153
00:07:16,479 --> 00:07:18,337
là số giá trị mà mạng nơron xuất ra.

154
00:07:18,361 --> 00:07:20,110
"B-i-r-d" có 4 kí tự đúng không?

155
00:07:21,088 --> 00:07:24,514
Giờ thì hãy giả sử ta có biểu thức
đơn giản này:

156
00:07:24,538 --> 00:07:26,701
X "x" W =Y.

157
00:07:26,725 --> 00:07:28,761
Tôi đặt dấu nhân trong ngoặc kép

158
00:07:28,785 --> 00:07:31,065
vì đó mới là những gì 
đang thực sự diễn ra,

159
00:07:31,089 --> 00:07:34,135
tất nhiên rất phức tạp, gồm hàng loạt
các bài toán được giải.

160
00:07:35,172 --> 00:07:36,393
Đây là một biểu thức.

161
00:07:36,417 --> 00:07:38,089
Gồm có 3 biến số.

162
00:07:38,113 --> 00:07:40,839
Và ta đều biết nếu như ta 
có 1 đẳng thức,

163
00:07:40,863 --> 00:07:44,505
bạn sẽ tìm được 1 biến khi biết
2 biến còn lại.

164
00:07:45,158 --> 00:07:48,538
Nên vấn đề mắc phải

165
00:07:48,562 --> 00:07:51,435
để nhận ra đó là hình vẽ một con chim

166
00:07:51,459 --> 00:07:52,733
chính là đây:

167
00:07:52,757 --> 00:07:56,216
đây là nơi Y là biến chưa biết,
và W, X là 2 biến đã biết.

168
00:07:56,240 --> 00:07:58,699
Bạn biết được mạng nơron,
bạn biết số điểm ảnh.

169
00:07:58,723 --> 00:08:02,050
Như bạn thấy, chuyện này
khá dễ giải quyết.

170
00:08:02,074 --> 00:08:04,260
Chỉ cần lấy tích của 2 x 3
là xong.

171
00:08:04,862 --> 00:08:07,105
Tôi sẽ cho bạn xem một mạng lưới
neuron nhân tạo

172
00:08:07,105 --> 00:08:09,305
mà nhóm tôi dựng mới đây,
dựng lại hệt như vậy.

173
00:08:09,634 --> 00:08:12,494
Mạng lưới này đang chạy trên
một chiếc điện thoại di động,

174
00:08:12,518 --> 00:08:15,831
và tất nhiên, khả năng tuyệt vời
vốn có của chiếc điện thoại

175
00:08:15,855 --> 00:08:19,323
chính là nó có thể thực hiện hàng tỉ,
hàng ngàn tỉ thao tác

176
00:08:19,347 --> 00:08:20,595
mỗi giây.

177
00:08:20,619 --> 00:08:22,514
Bạn đang nhìn thấy 
một chiếc điện thoại

178
00:08:22,514 --> 00:08:25,805
đang nhìn lần lượt những bức ảnh
có hình chim,

179
00:08:25,829 --> 00:08:28,544
và nó không hô lên
"Đúng rồi, đây là chim,"

180
00:08:28,568 --> 00:08:31,979
mà lại xác định mỗi loài chim với một
mạng lưới tương tự như bộ não.

181
00:08:32,890 --> 00:08:34,716
Nên trong bức tranh đó,

182
00:08:34,740 --> 00:08:38,542
X và W là hai đại lượng đã có,
và Y là ẩn.

183
00:08:38,566 --> 00:08:41,344
Tôi đang chú thích cho một phần
rất hóc búa, dĩ nhiên rồi,

184
00:08:41,344 --> 00:08:44,843
để hiểu làm cách nào
mà ta tìm được biến W.

185
00:08:44,843 --> 00:08:47,054
não chúng ta thật sự 
làm được chuyện này sao?

186
00:08:47,054 --> 00:08:49,978
Nhưng chúng ta chưa học về 
những mô hình thế này bao giờ mà?

187
00:08:49,978 --> 00:08:52,651
Nên bước này chúng ta học
cách giải ra W,

188
00:08:52,675 --> 00:08:55,322
nếu ta làm giả bài này 
với cách giải của đơn thức

189
00:08:55,346 --> 00:08:57,346
bằng cách xem chúng là các con số,

190
00:08:57,370 --> 00:08:59,847
chúng ta biết cách giải đúng: 6 = 2 x W,

191
00:08:59,917 --> 00:09:03,393
thì lấy 6 chia 2 là tiêu đời.

192
00:09:04,001 --> 00:09:06,221
Vấn đề chính là phép chia này đây.

193
00:09:06,823 --> 00:09:07,974
Vậy, phép chia này...

194
00:09:07,998 --> 00:09:11,119
Chúng ta sử dụng phép chia vì nó
nó nghịch đảo với phép nhân,

195
00:09:11,143 --> 00:09:12,583
nhưng tôi đã nói vừa nãy,

196
00:09:12,607 --> 00:09:15,176
Phép nhân này thật ra không chỉ
là một phép nhân.

197
00:09:15,176 --> 00:09:18,406
Đây là một phép tính cực kỳ phức tạp,
vô cùng lắt léo;

198
00:09:18,430 --> 00:09:20,134
và không có phép tính nghịch đảo.

199
00:09:20,158 --> 00:09:23,308
Nên chúng ta phải tìm cách khác 
để giải biểu thức này

200
00:09:23,332 --> 00:09:25,356
mà không được dùng phép chia.

201
00:09:25,380 --> 00:09:28,603
Trong khi cách giải lại không rối rắm.


202
00:09:28,603 --> 00:09:30,908
Đừng sợ, hãy dùng một mẹo nhỏ trong
môn đại số,

203
00:09:30,908 --> 00:09:33,348
hãy chuyển 6 qua vế bên phải.

204
00:09:33,372 --> 00:09:35,368
Giờ thì chúng ta vẫn 
đang dùng phép nhân.

205
00:09:35,675 --> 00:09:39,255
Và số 0 đó, hãy coi nó là lỗi đi.

206
00:09:39,279 --> 00:09:41,794
Có nghĩa là, nếu ta giải đúng được W,

207
00:09:41,818 --> 00:09:43,474
thì lỗi sẽ bằng 0.

208
00:09:43,498 --> 00:09:45,436
Và nếu ta chưa giải đúng được,

209
00:09:45,460 --> 00:09:47,209
thì lỗi đó sẽ lớn hơn 0 nhiều.

210
00:09:47,233 --> 00:09:50,599
Nên giờ ta chỉ có thể đoán sao để
lỗi có giá trị nhỏ nhất,

211
00:09:50,623 --> 00:09:53,310
và đó là chuyện mà máy vi tính
rất thành thạo.

212
00:09:53,334 --> 00:09:54,927
Vậy bạn vừa mới đoán:

213
00:09:54,951 --> 00:09:56,107
giả sử W = 0 ?

214
00:09:56,131 --> 00:09:57,371
Vậy thì số lỗi = 6.

215
00:09:57,395 --> 00:09:58,825
W = 4 thì sao? Vậy lỗi = 4.

216
00:09:58,825 --> 00:10:01,282
Rồi sau đó máy tính sẽ như 
chơi trò bịt mắt bắt dê,

217
00:10:01,282 --> 00:10:03,623
và đuổi theo lỗi cho đến khi nó
gần chạm tới 0.

218
00:10:03,647 --> 00:10:06,151
Nó sẽ tiến dần về giá trị đúng của W.


219
00:10:06,151 --> 00:10:10,701
Thật ra sẽ không có giá trị hoàn toàn
chính xác, nhưng sau mười mấy lần,

220
00:10:10,725 --> 00:10:15,349
chúng ta có được W = 2.999,
là giá trị gần đúng nhất.

221
00:10:16,302 --> 00:10:18,116
Và đây chính là quá trình học tập.

222
00:10:18,140 --> 00:10:20,870
Hãy nhớ điều đang diễn ra 
từ nãy đến giờ

223
00:10:20,894 --> 00:10:25,272
là cách thức chúng ta sử dụng rất nhiều
giá trị đã biết của X và Y

224
00:10:25,296 --> 00:10:28,750
để tìm ra mối quan tâm của ta là W,
thông qua quá trình lặp đi lặp lại.

225
00:10:28,774 --> 00:10:32,330
Đó cũng chính là phương pháp
học tập của chúng ta.

226
00:10:32,354 --> 00:10:35,504
Khi còn nhỏ người lớn cho ta
xem rất nhiều hình ảnh và nói

227
00:10:35,504 --> 00:10:37,991
"đây là con chim", "còn đây không phải".


228
00:10:37,991 --> 00:10:40,162
Qua thời gian, và qua việc học đi học lại,

229
00:10:40,162 --> 00:10:43,214
chúng ta giải được W, là
giải được các kết nối nơron.

230
00:10:43,460 --> 00:10:47,546
Nên giờ đây chúng ta đem X và W đã
cố định để tìm Y;

231
00:10:47,570 --> 00:10:49,417
đó là sự tri nhận nhanh hằng ngày.

232
00:10:49,441 --> 00:10:51,334
Chúng ta hiểu rằng mình có thể giải W,

233
00:10:51,334 --> 00:10:53,131
đó là học tập, khó hơn nhiều,

234
00:10:53,155 --> 00:10:55,140
vì chúng ta phải giảm thiểu lỗi sai,

235
00:10:55,164 --> 00:10:57,281
bằng cách sử dụng 
phương pháp luyện tập.

236
00:10:57,281 --> 00:11:00,162
Khoảng 1 năm trước,thành viên 
Alex Mordvinstev của nhóm tôi,

237
00:11:00,162 --> 00:11:03,636
quyết định làm thí nghiệm xem
chuyện gì xảy ra nếu ta cố tìm X,

238
00:11:03,660 --> 00:11:05,697
khi đã biết 1 giá trị W và 1 giá trị Y.

239
00:11:06,124 --> 00:11:07,275
Nói cách khác,

240
00:11:07,299 --> 00:11:08,651
bạn biết đó là con chim,

241
00:11:08,675 --> 00:11:11,978
và bạn cũng biết là hệ thần kinh
của mình được dạy, đó là chim

242
00:11:12,002 --> 00:11:14,346
vậy thì bức hình một con chim là gì?

243
00:11:15,034 --> 00:11:20,058
Hoá ra khi sử dụng 1 quá trình giống 
như quá trình giảm thiểu lỗi,

244
00:11:20,082 --> 00:11:23,092
có thể giảm thiểu sai sót của mạng lưới 


245
00:11:23,092 --> 00:11:26,104
được dạy để nhận ra chim, và kết quả...

246
00:11:30,400 --> 00:11:32,495
là một bức hình gồm nhiều loài chim.

247
00:11:32,814 --> 00:11:36,551
Đây là bức hình có nhiều loài chim
được tạo ra hoàn toàn từ 1 hệ thần kinh

248
00:11:36,575 --> 00:11:38,401
đã được dạy để nhận ra các loài chim,

249
00:11:38,425 --> 00:11:41,963
chỉ bằng việc tìm X thay vì tìm Y,

250
00:11:41,987 --> 00:11:43,655
và làm đi làm lại quá trình đó.

251
00:11:43,732 --> 00:11:45,579
Đây là một ví dụ khác.

252
00:11:45,603 --> 00:11:49,040
Đây là tác phẩm của thành viên
Mike Tyka của nhóm tôi,

253
00:11:49,064 --> 00:11:51,372
cậu ấy gọi nó là "Đoàn thú tuần hành".

254
00:11:51,396 --> 00:11:54,272
Nó làm tôi nhớ tới các tác phẩm
của William Kentridge,

255
00:11:54,296 --> 00:11:56,785
khi ông cứ phác ra các hình vẽ, rồi bôi,

256
00:11:56,809 --> 00:11:58,269
rồi vẽ phác lại, rồi lại bôi,

257
00:11:58,293 --> 00:12:00,111
và tạo ra một kiểu phim theo cách này.

258
00:12:00,141 --> 00:12:01,186
Trong tranh này,

259
00:12:01,196 --> 00:12:04,011
Mike đã đa dạng hoá biến Y
thành nhiều loài thú khác nhau,

260
00:12:04,011 --> 00:12:06,953
trong một mạng lưới được thiết kế
để nhận biết và phân biệt

261
00:12:06,953 --> 00:12:08,537
mỗi loài có nhiều loài khác nữa.

262
00:12:08,537 --> 00:12:12,182
Và giờ bạn có được một bức như tranh
biến hình động vật của hoạ sĩ Escher.

263
00:12:14,221 --> 00:12:18,835
Ở đây cậu ấy và Alex cùng thử

264
00:12:18,859 --> 00:12:21,618
giảm không gian của biến Y còn 2 chiều,

265
00:12:21,642 --> 00:12:25,080
để tạo ra một bản đồ có mặt 
mọi thứ khác nhau

266
00:12:25,104 --> 00:12:26,823
mà mạng lưới này nhận ra.

267
00:12:26,847 --> 00:12:28,870
Khi thực hiện tổng hợp như vậy

268
00:12:28,894 --> 00:12:31,276
hay tạo ra hình ảnh trên toàn bộ bề mặt,

269
00:12:31,300 --> 00:12:34,246
đa dạng giá trị Y trên mặt phẳng,
bạn có thể tạo ra

270
00:12:34,246 --> 00:12:37,311
một loại bản đồ có tất cả những thứ
mà mạng lưới nhận biết được.

271
00:12:37,335 --> 00:12:40,660
Tất cả các loài thú đều ở ngay đây;
"armadillo" ngay vị trí trung tâm.

272
00:12:40,919 --> 00:12:43,398
Bạn có thể tạo bản đồ cho những mạng
lưới khác nữa.

273
00:12:43,422 --> 00:12:46,296
Đây là mạng lưới được thiết kế
để nhận diện các khuôn mặt,

274
00:12:46,320 --> 00:12:48,320
để phân biệt mặt người này, người kia.

275
00:12:48,344 --> 00:12:51,593
Còn đây, chúng ta đang chọn Y
có giá trị là "tôi",

276
00:12:51,617 --> 00:12:53,592
là thông số giúp nhận ra gương mặt tôi.

277
00:12:53,592 --> 00:12:54,922
Và khi dùng Y để tìm X,

278
00:12:54,946 --> 00:12:57,564
nó cho ra một thứ rất điên,

279
00:12:57,588 --> 00:13:02,016
đại loại như tranh lập thể, siêu thực 
vẽ tôi đang phê thuốc

280
00:13:02,040 --> 00:13:03,846
từ nhiều góc nhìn khác nhau cùng lúc.

281
00:13:03,870 --> 00:13:06,604
Sở dĩ nó như nhiều góc nhìn khác nhau
cùng một lúc là vì

282
00:13:06,628 --> 00:13:10,049
mạng lưới được thiết kế 
để tránh sự mơ hồ khi nhận diện

283
00:13:10,049 --> 00:13:13,125
một gương mặt khi nhìn ở góc này 
so với khi nhìn ở góc khác,

284
00:13:13,125 --> 00:13:16,215
hay trong điều kiện chiếu sáng
khác nhau.

285
00:13:16,239 --> 00:13:18,324
Nên khi bạn thực hiện việc tái cấu tạo,

286
00:13:18,348 --> 00:13:20,652
nếu không sử dụng kiểu hình ảnh hướng dẫn

287
00:13:20,676 --> 00:13:22,307
hay thông số hướng dẫn để làm mẫu,

288
00:13:22,307 --> 00:13:25,676
thì bạn sản phẩm nhận được
là một bức hình rối mắt ở mọi góc nhìn,

289
00:13:25,700 --> 00:13:27,068
vì mọi thứ trông rất mờ ảo.

290
00:13:27,786 --> 00:13:32,009
Đây là kết quả khi Ales sử dụng
mặt mình làm hình ảnh mẫu

291
00:13:32,033 --> 00:13:35,354
trong quá trình tối ưu hoá mạng lưới
để tái hiện gương mặt tôi.

292
00:13:36,284 --> 00:13:38,612
Nên có thể bạn thấy nó không hoàn hảo.

293
00:13:38,636 --> 00:13:40,510
Vẫn còn khá nhiều chuyện để làm

294
00:13:40,534 --> 00:13:43,007
để cải thiện tối đa
quá trình tái cấu trúc.

295
00:13:43,007 --> 00:13:45,838
Nhưng giờ thì có được
bức tranh một gương mặt liền mạch

296
00:13:45,862 --> 00:13:47,876
sử dụng mặt tôi làm hình hướng dẫn.

297
00:13:48,892 --> 00:13:51,393
Bạn không cần phải bắt đầu
vẽ với tờ giấy trắng

298
00:13:51,417 --> 00:13:52,573
hay tiếng ồn trắng.

299
00:13:52,597 --> 00:13:53,901
Khi tìm X,

300
00:13:53,925 --> 00:13:57,814
bạn có thể bắt đầu với X,
bản thân nó đã là một hình.

301
00:13:57,838 --> 00:14:00,394
Đó là điều mà tôi minh hoạ hôm nay.

302
00:14:00,418 --> 00:14:04,540
Hệ thần kinh nhân tạo này được
thiết kế để phân loại

303
00:14:04,564 --> 00:14:07,683
tất cả vật thể khác nhau,
như công trình nhân tạo, động vật...

304
00:14:07,707 --> 00:14:10,300
Ở đây, đầu tiên ta có bức tranh với
những đám mây,

305
00:14:10,324 --> 00:14:11,995
và khi ta tối ưu hoá hình này,

306
00:14:12,019 --> 00:14:16,505
về căn bản, hệ thần kinh nhân tạo
đang xác định mấy đám mây có hình gì.

307
00:14:16,931 --> 00:14:19,251
Và khi nhìn bức hình này càng lâu,

308
00:14:19,275 --> 00:14:22,028
bạn càng thấy được nhiều thứ 
tạo ra từ những đám mây đó.

309
00:14:23,004 --> 00:14:26,379
Bạn cũng có thể dùng hệ nhận diện
khuôn mặt để tạo ảo giác cho nền này,

310
00:14:26,403 --> 00:14:28,215
và sẽ có được một sản phẩm điên khùng.

311
00:14:28,239 --> 00:14:29,389
(Cười)

312
00:14:30,401 --> 00:14:33,145
Hay như vầy, Mike 
có vài thí nghiệm nữa

313
00:14:33,169 --> 00:14:37,074
cậu ấy lấy hình đám mây,

314
00:14:37,098 --> 00:14:40,605
tạo hiệu ứng ảo, phóng đại, rồi chỉnh ảo,
phóng, rồi chỉnh, rồi lại phóng.

315
00:14:40,629 --> 00:14:41,780
Và bằng cách này,

316
00:14:41,804 --> 00:14:45,479
tôi nghĩ bạn sẽ nhận được một
hệ thần kinh đang thấy lâng lâng,

317
00:14:45,503 --> 00:14:49,183
hay là sự kết hợp tự do,

318
00:14:49,207 --> 00:14:52,094
trong đó bạn sẽ thấy mạng lưới ấy
đang ăn cái đuôi của mình.

319
00:14:52,094 --> 00:14:54,879
Nên mỗi hình đều là ảnh nền cho

320
00:14:54,903 --> 00:14:56,324
hình "tôi sẽ thấy gì kế tiếp?

321
00:14:56,348 --> 00:14:59,151
tôi sẽ nhìn thấy gì kế tiếp?
tôi sẽ nhìn thấy gì kế tiếp?"

322
00:14:59,487 --> 00:15:02,423
Tôi đã đem trưng bày bức tranh

323
00:15:02,447 --> 00:15:07,884
cho nhóm dự thính bài giảng 
"Giáo dục Cấp cao" ở Seattle xem

324
00:15:07,908 --> 00:15:10,855
ngay sau khi ma tuý 
được hợp thức hoá.

325
00:15:10,855 --> 00:15:12,784
(Cười)

326
00:15:14,627 --> 00:15:16,731
Tôi sẽ kết thúc nhanh thôi

327
00:15:16,755 --> 00:15:21,010
bằng việc nhấn mạnh rằng công nghệ
không có giới hạn.

328
00:15:21,034 --> 00:15:24,699
Tôi chỉ mới cho bạn xem những ví dụ
thị giác vì chúng nhìn vui mắt.

329
00:15:24,723 --> 00:15:27,048
Chứ công nghệ 
không chỉ thuần về thị giác.

330
00:15:27,048 --> 00:15:29,451
Cộng tác viên của chúng tôi, hoạ sĩ 
Ross Goodwin,

331
00:15:29,451 --> 00:15:32,886
đã có nhiều thí nghiệm có cả
một camera chụp hình,

332
00:15:32,910 --> 00:15:37,144
và sau đó 1 cái máy tính trong balô của
cậu ấy viết 1 bài thơ bằng mạng nơron,

333
00:15:37,168 --> 00:15:39,112
dựa vào nội dung của
hình ảnh ghi nhận.

334
00:15:39,136 --> 00:15:42,093
Hệ thần kinh nhân tạo viết ra bài thơ đó
đã được học

335
00:15:42,093 --> 00:15:44,341
một kho ngữ liệu lớn 
về thơ ca thế kỷ 20.

336
00:15:44,365 --> 00:15:45,864
Và bài thơ đó, bạn biết không,

337
00:15:45,888 --> 00:15:47,802
thật ra cũng không dở lắm đâu.

338
00:15:47,826 --> 00:15:49,210
(Cười)

339
00:15:49,234 --> 00:15:50,393
Tóm lại,

340
00:15:50,417 --> 00:15:52,549
Tôi nghĩ người tên Michelangelo đó,

341
00:15:52,573 --> 00:15:53,807
Ông ấy đã đúng;

342
00:15:53,831 --> 00:15:57,267
Sự tri nhận và sáng tạo
có liên quan mật thiết với nhau.

343
00:15:57,611 --> 00:16:00,245
Những hệ thần kinh nhân tạo
mà ta vừa thấy

344
00:16:00,269 --> 00:16:02,486
vốn chỉ được thiết kế 
để tiếp nhận, phân biệt,

345
00:16:02,486 --> 00:16:05,518
để nhận biết những sự vật
khác nhau của thế giới,

346
00:16:05,518 --> 00:16:08,023
giờ có thể làm ngược lại, tạo ra cái mới.

347
00:16:08,047 --> 00:16:09,904
Một trong những điều tôi cảm giác được

348
00:16:09,924 --> 00:16:12,252
không chỉ là Michelangelo 
thật sự nhìn ra

349
00:16:12,276 --> 00:16:14,728
bức điêu khắc bên trong tảng đá,

350
00:16:14,752 --> 00:16:18,390
mà ông thấy bất kì sinh vật nào,
thực thể nào, trong hay ngoài hành tinh

351
00:16:18,414 --> 00:16:22,071
chỉ cần biết tri nhận,

352
00:16:22,095 --> 00:16:23,470
sẽ có thể sáng tạo

353
00:16:23,494 --> 00:16:26,718
vì có cơ chế chung dùng cho cả
hai quá trình ấy.

354
00:16:26,742 --> 00:16:31,274
Tôi cũng nghĩ rằng sự tri nhận
và sáng tạo không thể nào

355
00:16:31,298 --> 00:16:32,508
chỉ con người mới có.

356
00:16:32,532 --> 00:16:36,240
Chúng ta bắt đầu có những 
mẫu máy tính làm được những thứ này.

357
00:16:36,264 --> 00:16:39,592
Và điều đó không có gì lạ;
bộ não chính là bộ máy.

358
00:16:39,616 --> 00:16:41,273
Và sau cùng,

359
00:16:41,297 --> 00:16:45,965
máy tính bắt đầu trở thành công cụ
thiết kế trí tuệ nhân tạo.

360
00:16:45,989 --> 00:16:48,451
Điện tử đã trở thành bằng chứng

361
00:16:48,475 --> 00:16:51,488
chứng minh rằng ta 
có thể làm ra trì tuệ nhân tạo.

362
00:16:51,512 --> 00:16:53,674
Và cuối cùng chúng ta 
đã có thể hoàn thành

363
00:16:53,698 --> 00:16:56,104
những hoài bão mà các tiền nhân để lại,

364
00:16:56,128 --> 00:16:57,841
chính là Turing, Von Neumann

365
00:16:57,865 --> 00:17:00,130
McCulloch và Pitts.

366
00:17:00,154 --> 00:17:04,252
Và tôi nghĩ điện toán không chỉ 
tập trung cho việc tính toán,

367
00:17:04,276 --> 00:17:06,423
để chơi Candy Crush 
hoặc những trò khác.

368
00:17:06,447 --> 00:17:09,265
Từ đầu, máy tính được tạo ra
theo hình mẫu là não người.

369
00:17:09,265 --> 00:17:12,318
Và nhờ máy tính, chúng ta hiểu 
về bộ não mình rõ hơn

370
00:17:12,342 --> 00:17:13,871
để có thể cải tiến chúng.

371
00:17:14,627 --> 00:17:15,794
Cám ơn rất nhiều.

372
00:17:15,818 --> 00:17:21,757
(Vỗ tay)