Có thể nhờ AI dự đoán các phát minh KHKT trong tương lai không?

  1. Trí tuệ nhân tạo

Từ khóa: 

ai

,

trí tuệ nhân tạo

,

khoa học kỹ thuật

,

dự đoán

,

phát minh

,

trí tuệ nhân tạo

Hiện tại thì chưa.

Mấy con AI như DALL-E (sinh ra hình ảnh từ 1 câu miêu tả), hoặc các model language như GPT3 có thể sinh ra 1 đoạn văn tương ứng (theo nhiều nghĩa, tạm hiểu là hợp lý, make sense) với 1 đoạn văn input. Nếu yêu cầu các con AI này nghĩ ra 1 phát minh mới thì nó có thể trả lời 1 thứ lạ lùng gì đó. Nếu train các con AI này trên các tập dữ liệu về các máy móc, dụng cụ, phát minh, thì nó có thể tưởng tượng ra 1 thứ máy móc mới kì quặc nào đó. Nhưng đó không phải là "dự đoán". Đó là "tưởng tượng ngây thơ", giống như 1 đứa bé 3 tuổi được cho xem/chơi cái này cái kia rồi vẽ vời nguệch ngoạc vậy. Mức độ suy luận logic của AI hiện tại còn rất hạn chế. Các model language hiện tại dù rất "humanlike" trong việc sinh ra các đoạn hội thoại đời thường, nhưng khi đào sâu về 1 chủ đề nghiêm túc và đòi hỏi kiến thức chuyên môn thì chúng vẫn còn rất "ngu", cho dù có training trên dữ liệu chuyên môn đó. Vì kiến thức chuyên ngành có sự liên kết logic dày đặc hơn những câu đối đáp giao tiếp bình thường. 

Trả lời

Hiện tại thì chưa.

Mấy con AI như DALL-E (sinh ra hình ảnh từ 1 câu miêu tả), hoặc các model language như GPT3 có thể sinh ra 1 đoạn văn tương ứng (theo nhiều nghĩa, tạm hiểu là hợp lý, make sense) với 1 đoạn văn input. Nếu yêu cầu các con AI này nghĩ ra 1 phát minh mới thì nó có thể trả lời 1 thứ lạ lùng gì đó. Nếu train các con AI này trên các tập dữ liệu về các máy móc, dụng cụ, phát minh, thì nó có thể tưởng tượng ra 1 thứ máy móc mới kì quặc nào đó. Nhưng đó không phải là "dự đoán". Đó là "tưởng tượng ngây thơ", giống như 1 đứa bé 3 tuổi được cho xem/chơi cái này cái kia rồi vẽ vời nguệch ngoạc vậy. Mức độ suy luận logic của AI hiện tại còn rất hạn chế. Các model language hiện tại dù rất "humanlike" trong việc sinh ra các đoạn hội thoại đời thường, nhưng khi đào sâu về 1 chủ đề nghiêm túc và đòi hỏi kiến thức chuyên môn thì chúng vẫn còn rất "ngu", cho dù có training trên dữ liệu chuyên môn đó. Vì kiến thức chuyên ngành có sự liên kết logic dày đặc hơn những câu đối đáp giao tiếp bình thường.