Xe tự lái có thông minh bằng đứa trẻ 7 tháng tuổi?

Xe tự lái hiện có 5 cấp độ. Một vài xe đời mới hiện mới đạt được cấp độ 2. Chưa có xe thương mại nào đạt cấp độ 3. Lên đến cấp độ 4, xe tự lái có khả năng kết nối trực tuyến, thu thập thông tin giao thông từ trung tâm dữ liệu và dự đoán tình huống để tăng tính chính xác trong quá trình tự hành. Ở cấp độ này, không cần con người thường trực ở vị trí ghế lái, hành khách có thể nghỉ ngơi và xe sẽ nắm quyền chủ động gần như hoàn toàn. Nhưng ngay cả khi đó, trí thông minh của xe vẫn chỉ ngang một đứa trẻ 7 tháng tuổi.

Ô tô tự lái và đứa bé 7 tháng tuổi (Ảnh minh họa)

Khi đến giai đoạn 7 tháng tuổi, hầu hết trẻ em đã học được rằng các đồ vật vẫn tồn tại ngay cả khi chúng khuất tầm nhìn. Ta đặt một món đồ chơi dưới một tấm chăn và một đứa trẻ tầm tuổi ấy vẫn sẽ nhận biết được đồ chơi của nó vẫn còn ở đó và có thể thò tay vào tấm chăn để lấy. Cách lý giải này được dựa trên “Các giai đoạn phát triển theo học thuyết Piaget”. Theo thuyết này trẻ biết được vật thể sẽ tiếp tục tồn tại dù ta có nhìn thấy chúng hay không (Vật thể tồn tại lâu dài).

Đó cũng là thứ mà xe tự lái không có và được xem là một vấn đề nan giải hiện nay. Các phương tiện tự vận hành đang dần trở nên hiện đại và tân tiến hơn, nhưng chúng vẫn không thể hiểu thế giới theo cách mà con người vận hành. Đối với ô tô tự lái, một chiếc xe đạp chạy phía trước đã trở nên không còn tồn tại nếu nó bị che đi chỉ trong khoảnh khắc, ví dụ bị một chiếc xe khác chạy qua che khuất.

Sự thất bại này của công nghệ trí tuệ nhân tạo (Artificial Intelligence - AI) cũng là điều có thể hiểu được. AI hiện tại được vận hành bằng cách sử dụng các mô hình thống kê phức tạp của thế giới, nhưng thiếu đi sự hiểu biết sâu sắc về thực tế. Một vấn đề cần nghiên cứu thiết thực được đặt ra đối với khoa học hiện tại và đặc biệt với ngành công nghiệp ô tô tự lái là làm sao để AI có nhận thức và khả năng suy luận của một đứa trẻ 7 tháng tuổi.

AI được phát triển dựa trên ý tưởng của máy học (machine learning). Nếu một kĩ sư muốn máy tính nhận được tín hiệu dừng, anh ta sẽ không cố gắng viết hàng ngàn dòng code nhằm mô tả chính xác biển báo dừng. Thay vào đó người kĩ sư viết một chương trình mà bản thân nó có thể tự học, sau đó đưa vào chương trình hàng ngàn bức ảnh về các biển báo và tín hiệu dừng. Qua nhiều lần lặp đi lặp lại, chương trình dần dần sẽ tìm ra điểm chung của những bức ảnh này và các kĩ thuật tương tự cũng được áp dụng vào xe tự lái để “đào tạo” ô tô tự lái tham gia giao thông.

Xe tự lái tham gia giao thông trên đường (Ảnh minh họa)

Vì vậy xe tự lái sẽ học cách tuân theo vạch kẻ đường, nhận diện và tránh các phương tiện đang lưu thông cùng trên đường, phanh khi đèn đỏ... Nhưng những điều đó là chưa đủ, chúng không thể nào hiểu được nhiều điều mà bất cứ lái xe nào cũng biết, ví dụ như mọi ô tô đều có 4 bánh và một động cơ, chúng không chỉ tuân thủ các luật lệ giao thông mà còn cả các định luật về vật lý. Và chúng cũng không thể hiểu được tính lâu dài của đối tượng như thuyết của Piaget.

Trong một bài báo gần đây trên tạp chí “Artificial Intelligence”, tác giả Mehul Bhatt của Đại học Orebo (Thụy Điển), đồng thời là người sáng lập công ty CoDesign Lab đang phát triển ý tưởng của mình về mặt thương mại, mô tả một cách tiếp cận khác. Ông và đồng nghiệp lấy một số chương trình AI đang được ứng dụng trong ô tô tự lái và gắn vào chúng một phần mềm gọi là “Symbolic-reasoning engine” (có thể dịch nôm na là Cấu trúc lập luận dạng biểu tượng).

Thay vì tiếp cận thế giới theo xác suất, dựa vào máy học (machine learning), engine này được lập trình để áp dụng các khái niệm vật lý cơ bản cho tín hiệu đầu ra của các chương trình chịu trách nhiệm xử lý tín hiệu, mà các tín hiệu này này lại do cảm biến gắn trên xe tự lái ghi nhận được. Tín hiệu đầu ra sau quá trình xử lý lại được gửi ngược trở lại các chương trình điều khiển để vận hành chiếc xe.

Lấy ví dụ một khái niệm được áp dụng là ý tưởng về việc chiếc xe đạp nêu trên, bị che khuất bởi xe tải nhưng vẫn tồn tại trên thực tế chứ không biến mất. Chiếc xe đạp vẫn tồn tại trong mối liên hệ về mặt không gian với chiếc xe tự lái, dù các cảm biến của xe có thể quan sát được toàn bộ, một phần hay không “nhìn thấy” chiếc xe đạp nữa.

Các mối quan hệ không gian hình học giữa các vật.

Và cách tiếp cận này đã có hiệu quả. Trong các thử nghiệm, nếu một chiếc ô tô trong giây lát chắn tầm nhìn của chiếc xe khác, phần mềm nâng cao khả năng suy luận này có thể theo dõi chiếc xe bị chặn, dự đoán vị trí và thời điểm nó xuất hiện trở lại và thực hiện các bước để tránh nếu cần thiết. Trong bài kiểm tra tiêu chuẩn, hệ thống của tiến sĩ Bhatt đạt điểm cao hơn 5% so với những phần mềm hiện có. Tuy sự cải thiện này chưa thực sự lớn nhưng nó đã mang lại một cái gì khác, một tia hy vọng cho sự phát triển của ô tô tự lái.

Không giống như thuật toán máy móc, một công cụ suy luận có thể giải thích cho chúng ta nguyên lý làm việc của nó. Ví dụ, bạn có thể hỏi một chiếc ô tô được điều khiển bởi reasoning engine tại sao nó đạp phanh và nó sẽ cho cho bạn biết rằng một chiếc xe đạp bị xe ô tô khác che khuất sắp đi vào giao lộ phía trước. Tiến sĩ Bhatt cũng cho rằng bên cạnh việc giúp cải thiện thiết kế chương trình, những thông tin như vậy sẽ giúp ích cho các công ty bảo hiểm và các cơ quan quản lý đồng thời củng cố niềm tin của công chúng về công nghệ tự lái trên xe ô tô.

Trường phái phát triển theo hướng machine learning thì cho rằng với nguồn dữ liệu đủ lớn, các phần mềm có thể học hỏi được mọi thứ và có thể dự đoán được các tính huống xảy ra trước vài giây. Tuy nhiên, họ cũng thừa nhận rằng dù đã tạo nhiều bước đột phá trong một số lĩnh vực, machine learning vẫn chưa đóng góp gì nhiều cho phát triển AI.

Có nghĩa là, dù tiếp cận theo cách của tiến sĩ Bahtt hay theo cách machine learning, một chiếc xe tự lái hiện vẫn còn rất nhiều thứ phải học từ đứa trẻ 7 tháng tuổi.

Theo The Economist

Nam Khánh