Nhiều nhà nghiên cứu AI đã bỏ hẳn phương pháp “từ trên xuống” và lựa chọn bắt chước Mẹ Thiên Nhiên bằng cách đi từ dưới lên. Chiến lược thay thế này có thể đem lại nhiều hứa hẹn hơn trong sản xuất robot hoạt động ngoài không gian. Bên ngoài phòng thí nghiệm AI, có rất nhiều robot phức tạp, mạnh mẽ hơn bất cứ thứ gì chúng ta có thể thiết kế. Chúng được gọi là… động vật. Loài gián nhỏ xíu biết tự xoay xở rất tài tình trong rừng, kiếm tìm thức ăn và bạn tình. Ngược lại, những robot vụng về và nặng nề thỉnh thoảng lại đâm vào tường, làm tróc vôi vữa.

Giả định sai lầm của nhóm các nhà nghiên cứu Dartmouth 60 năm trước vẫn còn ám ảnh ngành AI cho đến ngày nay. Não bộ không phải là máy tính kỹ thuật số. Nó không được lập trình, không có CPU, chip Pentium, chương trình con và không có ai viết mã. Nếu ta bỏ đi một bóng bán dẫn, máy tính gần như sẽ hỏng. Nhưng nếu cắt đi một nửa não người, nó vẫn có thể hoạt động được.

Thiên nhiên có những tính toán thần kỳ khi xây dựng não bộ là một mạng lưới các nơron thần kinh, một cỗ máy với khả năng học tập. Chiếc laptop của bạn không bao giờ biết học - hôm nay, hôm qua hay năm ngoái, nó đã ngốc thế nào thì giờ vẫn như vậy. Nhưng não người tự thiết lập lại kết nối khi học được điều mới. Đó là lý do em bé chỉ bập bẹ trước khi học một ngôn ngữ và chúng ta loạng choạng trước khi biết đi xe đạp. Mạng thần kinh tiến bộ dần khi luyện tập lặp đi lặp lại liên tục, đúng như nguyên lý của Hebb: càng thực hiện một việc nhiều lần thì đường dẫn nơron cho công việc đó càng được củng cố. Như các nhà thần kinh học nói, các nơron bắn điện cùng nhau sẽ đan dẫn vào nhau. Bạn cũng có thể từng nghe câu đùa “Làm sao để tới Carnegie Hall[1]?” Lời đáp của mạng thần kinh là: tập luyện, tập luyện và tập luyện.

Chẳng hạn, những người leo núi biết rằng nếu thấy con đường nào trông khá mòn thì có nghĩa là nó được nhiều người đi ngang qua và sẽ là con đường tốt nhất để chọn đi. Con đường đúng lại càng được khẳng định mỗi khi bạn đi trên nó. Tương tự, đường thần kinh của một số hành vi càng được củng cố khi bạn kích hoạt nó.

Đây là điều rất quan trọng vì máy móc biết học là yếu tố then chốt cho công cuộc khám phá vũ trụ. Robot sẽ phải đối đầu với những mối nguy hiểm mới và không ngừng biến đổi trong không gian. Một con robot được lập trình chỉ để xử lý một số việc khẩn cấp cố định sẽ thành vô dụng vì những việc không lường trước sẽ luôn xảy đến. Chẳng hạn, một con chuột không thể được mã hóa toàn bộ các kịch bản vào trong gen, bởi tổng số tình huống nó có thể đối mặt là vô tận, trong khi số gen là hữu hạn.

Giả sử có một trận mưa thiên thạch từ không gian rơi trúng vào một căn cứ Sao Hỏa, gây thiệt hại cho nhiều tòa nhà. Robot sử dụng mạng lưới thần kinh sẽ có thể học hỏi trong lúc xử lý những tình huống bất ngờ như vậy và sẽ dần trở nên ngày càng thành thạo. Còn robot truyền thống được “nhồi từ trên xuống” sẽ bó tay trước những tình huống khẩn cấp nằm ngoài dự kiến.

Nhiều ý tưởng về mạng nơron đã được cựu giám đốc Phòng Nghiên cứu AI lừng danh của MIT Rodney Brooks đưa vào nghiên cứu. Khi trả lời phỏng vấn với tôi, Brooks nói ông thán phục loài muỗi nhỏ bé: với bộ não tí xíu chứa 100.000 nơron, chúng bay qua bay lại dễ dàng trong không gian ba chiều, trong khi chúng ta cần những chương trình máy tính vô cùng phức tạp chỉ để điều khiển động tác bước đi của robot, mà có khi chúng vẫn vấp ngã. Brooks đi tiên phong trong cách tiếp cận bằng “robot bọ” và “robot côn trùng,” những loại robot có thể học cách di chuyển như côn trùng sáu chân. Chúng thường bị ngã khi mới bắt đầu nhưng khá hơn sau mỗi lần thử và dần biết phối hợp các chân như loài bọ thực thụ.

Quá trình đưa mạng nơron vào máy tính gọi là “học sâu” (deep learning). Khi công nghệ này phát triển, nó sẽ cách mạng hóa nhiều ngành công nghiệp. Trong tương lai, khi muốn trò chuyện với bác sĩ hay luật sư, bạn có thể nói với bức tường thông minh hoặc đồng hồ đeo tay và yêu cầu nó mở Robo-Doc (bác sĩ robot) hoặc Robo-Lawyer (luật sư robot), những phần mềm sẽ tra cứu Internet để tư vấn cho ta về mặt y tế hay pháp lý. Các chương trình này sẽ học thông qua những câu hỏi lặp đi lặp lại và đưa ra câu trả lời ngày càng phù hợp hơn – thậm chí dự báo trước - với các nhu cầu riêng của bạn.

Công nghệ học sâu còn có thể mở đường cho việc chế tạo những người máy thực thụ mà ta sẽ cần trong không gian. Trong các thập kỷ sắp tới, hai phương pháp “từ trên xuống” và “từ dưới lên” có thể được tích hợp với nhau, nhờ đó robot sẽ được nạp trước một số kiến thức ban đầu nhưng vẫn có thể tự vận hành và học tập thông qua mạng nơron. Giống như con người, chúng sẽ học từ kinh nghiệm cho đến khi thuần thục việc nhận dạng mẫu để có thể di chuyển các công cụ trong không gian ba chiều, đồng thời nắm được nhận thức cơ bản để xử lý được các tình huống mới. Chúng sẽ đóng vai trò cốt yếu trong việc xây dựng và bảo dưỡng các khu định cư trên Sao Hỏa, xuyên khắp Hệ Mặt Trời và xa hơn nữa.

Mỗi loại robot được thiết kế cho một công việc cụ thể. Robot có thể học bơi trong hệ thống cống và tìm các lỗ thủng hay vết rò rỉ, sẽ mang hình dạng con rắn. Robot siêu khỏe sẽ học cách mang vác vật nặng tại công trường xây dựng. Robot biết bay, có vẻ ngoài như loài chim, sẽ học cách phân tích và lập bản đồ vùng địa hình lạ. Robot có thể học cách thám hiểm ống dung nham ngầm sẽ trông giống con nhện do các loài nhiều chân di chuyển rất vững chắc trên địa hình gồ ghề. Robot có thể học cách khám phá các chỏm băng trên sao Hỏa sẽ giống những chiếc xe trượt tuyết thông minh. Robot biết học bơi giữa đại dương của Europa và nắm bắt đồ vật thì có thể trông giống bạch tuộc.

Để chinh phục không gian, ta cần những loại robot biết học theo cả hai cách: hoàn thiện dần qua tiếp xúc với môi trường thực tế và tiếp nhận thông tin được đưa vào trực tiếp.

Tuy nhiên, ngay cả trí tuệ nhân tạo ở trình độ cao như vậy cũng vẫn chưa đủ nếu ta muốn robot tự mình xây dựng được những đại đô thị. Thử thách cao nhất của ngành robot học là tạo ra những cỗ máy có thể tự nhân bản và tự nhận thức bản thân.

❀ ❀ ❀

[1] Carnegie Hall là nhà hát danh giá bậc nhất ở Hoa Kỳ. Có chuyện cười rằng một khách bộ hành không biết đường đến nhà hát này, bèn hỏi một nhạc công: “Làm sao để tới Carnegie Hall?” Nhạc công đáp: “Tập luyện”, ý nói phải tập cho giỏi mới mong được vào nhà hát biểu diễn. (ND)