Robot “suy nghĩ” bằng cách nào?

Chắc hẳn không ít người cảm thấy có chút gượng gạo khi nghe cụm từ “Robot phán đoán”. Robot là cỗ máy hoạt động đúng như những gì được ra lệnh, chứ không phải là một thực thể tự suy nghĩ và hành động ―― định kiến đó đã bám rễ trong chúng ta từ rất lâu.

Tuy nhiên, trong những năm gần đây, nhận thức chung đó đang dần bị đảo ngược. Những Robot được trang bị AI đã có khả năng tự mình suy luận tình huống dựa trên những thông tin được cung cấp, và chọn ra hành động tối ưu nhất từ vô số các lựa chọn. Có thể nói, chúng đã bắt đầu sở hữu một “bộ não”.

Mặc dù vậy, “bộ não” ở đây không có nghĩa là nó có cấu trúc giống hệt như não bộ con người. Những “suy nghĩ” của Robot do AI xây dựng, suy cho cùng vẫn được cấu thành từ các Thuật toán toán học và logic (Mathematical and logical algorithms / 数学的・論理的なアルゴリズム). Tuy nhiên, bên trong đó, những hoạt động gần giống với trí thông minh của con người đang dần được hình thành.

Vậy, AI đang trao “khả năng suy nghĩ” cho Robot như thế nào? Hãy cùng xem xét cơ chế đó, đan xen với các công nghệ và cấu trúc cụ thể.

Cơ chế của Robot có khả năng suy luận và phán đoán

Quá trình Robot phán đoán xem “nên làm gì” được chia thành nhiều bước.

Trước tiên, như một tiền đề, Robot thu thập thông tin của môi trường bên ngoài thông qua Cảm biến (Sensor / センサー). Ví dụ, nhận dạng hình ảnh bằng camera, thu âm thanh bằng micro, và đo lường các trạng thái vật lý xung quanh bằng cảm biến nhiệt độ hay cảm biến khoảng cách.

Tiếp theo, AI sẽ phân tích những dữ liệu đó để hiểu “ngay lúc này, chuyện gì đang xảy ra“. Ở bước này, các công nghệ như Học sâu (Deep learning / 深層学習) đã được đề cập ở Chương 2 sẽ được tận dụng. Ví dụ, nó có thể đưa ra diễn giải: “Người đang ở phía trước là con người, và người đó đang nhìn về phía này vẫy tay”.

Và từ đây mới là lúc “bộ não” phát huy bản lĩnh thực sự. AI sẽ suy luận và phán đoán (Inference and judgment / 推論・判断) xem hành động nào là phù hợp nhất ứng với tình huống hiện tại.

Trong việc phán đoán này, có 2 phương pháp tiếp cận là “Dựa trên quy tắc” và “Dựa trên học hỏi”.

● Dựa trên quy tắc / Suy luận logic (Rule-based / ルールベース（論理的推論）): Phương pháp lựa chọn hành động dựa trên các quy tắc và điều kiện đã được định sẵn. Ví dụ: “Nếu có người tiến lại gần thì chào hỏi” v.v.

● Dựa trên học hỏi / Suy luận thống kê (Learning-based / 学習ベース（統計的推論）): Phương pháp đưa ra lựa chọn có vẻ “sẽ diễn ra suôn sẻ nhất” dựa trên dữ liệu khổng lồ và kinh nghiệm trong quá khứ. Tiêu biểu là Học tăng cường (Reinforcement learning / 強化学習).

Phần lớn các Robot tối tân hiện nay đều sử dụng AI lai (Hybrid AI / ハイブリッド型AI) kết hợp cả hai phương pháp này. Tức là, chúng được thiết kế để vừa đảm bảo tính an toàn và tính đạo đức bằng các quy tắc nhất định, vừa linh hoạt đưa ra giải pháp tối ưu dựa trên kinh nghiệm.

Quá trình xử lý suy luận và phán đoán này được thực thi bởi một mô-đun gọi là “Động cơ AI (AI engine / AIエンジン)“. Tại đây, lượng dữ liệu khổng lồ được xử lý trong thời gian thực, và hành động được quyết định ngay lập tức. Tốc độ và độ chính xác đó chính là yếu tố chi phối hiệu suất của Robot AI.

Nhận diện cảm xúc, Hiểu tình huống, Ra quyết định

Trong thế giới của con người, “phán đoán đúng” không chỉ đơn thuần được hình thành bằng logic. Cần có khả năng hiểu những sự “mơ hồ” như: đọc bầu không khí, thấu hiểu cảm xúc của đối phương, thay đổi cách ứng phó tùy theo môi trường.

Vậy, liệu có thể khiến Robot hiểu được dòng chảy của tình huống hay những sắc thái mang tính cảm xúc như vậy không?

Thực ra, ở đây sự tiến hóa của AI cũng đang đóng góp một phần to lớn.

Ví dụ, với AI nhận diện cảm xúc (Emotion recognition AI / 感情認識AI), nó có thể phân tích biểu cảm khuôn mặt, tông giọng, tốc độ nói… của một người, từ đó ước chừng được đối phương đang tức giận, đang vui vẻ, hay đang mang trong mình sự bất an.

Với những Robot chăm sóc y tế hay Robot tiếp khách, dựa trên những thông tin này, chúng có thể đưa ra những phán đoán tinh tế như “Bây giờ nên giữ khoảng cách để nói chuyện” hay “Nên dùng giọng điệu thân thiện hơn”. Đây thực sự là thành quả đã tiến rất gần đến khả năng “đọc bầu không khí” của con người.

Ngoài ra, Hiểu tình huống / Nhận diện ngữ cảnh (Context recognition / 状況理解（コンテキスト認識）) cũng là một chức năng quan trọng của AI. Ví dụ, bằng cách liên kết nhiều yếu tố tình huống như “Nhiệt độ phòng cao”, “Người đó trông có vẻ mệt mỏi”, “Gần đây ít trò chuyện”, Robot có thể tự chủ thay đổi hành động của mình.

Và cuối cùng, chức năng tổng hợp những thông tin này lại để quyết định xem “nên làm thế nào” chính là AI ra quyết định (Decision-making AI / 意思決定AI). Đây là chức năng so sánh đa số các lựa chọn để chọn ra hành động nào là phù hợp nhất. Đặc biệt, dưới môi trường đông người hay tình huống có nhiều yếu tố bất định, sự khác biệt trong năng lực phán đoán này sẽ quyết định giá trị của Robot.

Trong việc ra quyết định, các mô hình toán học cấp cao như Suy luận Bayes hay Quá trình quyết định Markov cũng được tận dụng, giúp Robot ngày càng có khả năng ứng phó với những tình huống phức tạp mà các quy tắc đơn thuần không thể giải quyết được.

Giao diện giữa Trí tuệ nhân tạo và Robot

Cho dù AI có ưu việt đến đâu, nếu việc thiết kế Giao diện (Interface / インターフェース) cho việc “vận hành thế nào”, “liên kết ra sao” bị xem nhẹ, Robot sẽ không thể hoạt động một cách tử tế.

Giao diện được nhắc đến ở đây không đơn thuần là “vẻ bề ngoài” hay “màn hình thao tác”, mà là một khái niệm chỉ toàn bộ điểm tiếp xúc giữa phần cứng, phần mềm và con người.

Trước tiên, ở mặt phần cứng, giao diện bao gồm bảng mạch điều khiển kết nối các loại Cảm biến (camera, micro, cảm biến gia tốc…) và Cơ cấu chấp hành (động cơ, servo…). Việc AI gửi dữ liệu như thế nào và xuất tín hiệu điều khiển ra sao tới đây là cực kỳ quan trọng.

Ví dụ, chỉ lấy một động tác “Nếu thấy khuôn mặt người thì quay cổ lại và hướng ánh nhìn vào đó”, cũng tồn tại một luồng thông tin như sau:

1. Camera thu nhận hình ảnh

2. AI nhận diện khuôn mặt

3. Xác định vị trí khuôn mặt

4. Ra lệnh góc xoay cho động cơ servo ở cổ

5. Điều chỉnh vị trí sao cho ánh mắt chạm nhau

Nếu chuỗi luồng thông tin này không được diễn ra mượt mà trong đơn vị hàng trăm mili-giây, đối với con người, nó sẽ không giống như một “hành vi tự nhiên”. Nói cách khác, AI không thể tự hoàn thiện một mình, nó chỉ thực sự hoạt động khi được tích hợp với một thiết kế giao diện xuất sắc.

Hơn thế nữa, Giao diện giao tiếp với con người (Human communication interface / 人間とのコミュニケーションインターフェース) cũng vô cùng quan trọng. Không chỉ bằng lời nói, mà còn đòi hỏi sức mạnh giao tiếp thấu hiểu ý tứ thông qua sự kết hợp của nhiều loại thông tin khác nhau như biểu cảm, cử chỉ, giao tiếp bằng mắt. Trong việc này, Xử lý ngôn ngữ tự nhiên (Natural language processing / 自然言語処理) hay AI đa phương thức (Multimodal AI / マルチモーダルAI) (AI tích hợp nhiều thông tin giác quan) sẽ phát huy hiệu quả.

Đối với người dùng, việc có cảm thấy “Robot đang thấu hiểu cảm xúc của mình” hay “đang hiểu mình” hay không, chính là phụ thuộc vào thiết kế giao diện này.

Hướng tới sự ra đời của những Robot biết suy nghĩ

Với việc tích hợp AI, Robot không chỉ đang hiện thực hóa được việc “nhìn”, “nghe”, mà còn cả những hành động mang tính trí tuệ như “suy nghĩ”, “lựa chọn”, “cảm nhận”. Trong chương này, chúng ta đã được giải thích về cơ chế cốt lõi của nó là “Suy luận – Phán đoán – Ra quyết định”, năng lực đọc hiểu cảm xúc và tình huống, cũng như tầm quan trọng của Giao diện làm nền tảng hỗ trợ cho chúng.

Những Robot từ nay về sau sẽ không chỉ đơn thuần được sử dụng như những công cụ, mà sẽ đảm đương vai trò như những đối tác cùng làm việc, cùng suy nghĩ chung một không gian với con người. Chính vì vậy, đối với Robot, việc thiết kế “bộ não” sẽ trở thành một yếu tố cực kỳ quan trọng.

Và một giác quan nữa không thể thiếu đối với “bộ não” này, đó chính là “thị giác”. Ở chương tiếp theo, chúng ta sẽ đi sâu vào công nghệ giúp Robot “nhìn” thế giới, đó là sự tiến hóa của Thị giác máy tính và Nhận diện hình ảnh (Evolution of Computer vision and Image recognition / コンピュータビジョンと画像認識の進化). AI đã có được thị giác như thế nào, làm cách nào để nhận diện khuôn mặt hay vật thể và kết nối chúng với hành động? Hãy cùng tiến sát đến tuyến đầu của lĩnh vực đó.