Trí tuệ nhân tạo ra đời như một ngành khoa học vào giữa thập niên 1950, đi qua nhiều chu kỳ kỳ vọng rồi thất vọng, và chỉ thật sự đi vào đời sống hằng ngày từ khoảng thập niên 2010 khi học sâu gặp đủ dữ liệu và sức tính toán. Các mốc chính: bài báo của Alan Turing năm 1950, hội thảo Dartmouth năm 1956 đặt tên cho ngành, giai đoạn lạc quan thập niên 1960, mùa đông AI thứ nhất giữa thập niên 1970, thời hệ chuyên gia thập niên 1980 rồi mùa đông thứ hai, giai đoạn học máy thống kê thập niên 1990–2000, và kỷ nguyên học sâu cùng mô hình ngôn ngữ lớn từ 2012 tới nay.
Biết lịch sử giúp đọc tin AI hôm nay tỉnh táo hơn: những lời hứa "máy sẽ sớm làm được mọi việc con người làm" đã xuất hiện từ hơn nửa thế kỷ trước. Bài này đi theo dòng thời gian, chỉ nêu những mốc đã được ghi nhận rộng rãi, và ở mỗi giai đoạn chỉ ra một bài học còn nguyên giá trị.
Trước khi có tên gọi: máy tính có biết nghĩ không
Ý tưởng về những cỗ máy biết suy nghĩ có trong truyện cổ và văn học từ rất lâu, nhưng để thành ngành khoa học thì phải có máy tính điện tử. Ngay từ thế kỷ 19, Ada Lovelace, khi viết ghi chú về Cỗ máy Giải tích của Charles Babbage, đã nhận xét rằng cỗ máy đó không tự sáng tạo ra gì, chỉ làm những gì ta biết cách ra lệnh cho nó. Câu hỏi máy có thể làm hơn những gì được lập trình hay không vẫn còn được nhắc tới hôm nay.
Năm 1943, Warren McCulloch và Walter Pitts công bố một mô hình toán học đơn giản của tế bào thần kinh, đặt viên gạch đầu tiên cho mạng nơ-ron nhân tạo. Năm 1950, nhà toán học người Anh Alan Turing công bố bài báo "Computing Machinery and Intelligence". Thay vì tranh cãi vô tận câu "máy có nghĩ được không", Turing đề xuất một trò chơi bắt chước: nếu một người trò chuyện qua chữ viết mà không phân biệt được đâu là người, đâu là máy, thì có lý do để nói máy đang thể hiện trí thông minh. Trò chơi này về sau được gọi là phép thử Turing.
Phép thử Turing có giá trị lịch sử lớn vì biến một câu hỏi triết học thành một thí nghiệm có thể làm. Nhưng nó cũng bị phê bình nhiều: đánh lừa được người không đồng nghĩa với hiểu biết, và máy có thể "qua" bằng mẹo chứ không bằng trí tuệ. Ngày nay, khi chatbot trò chuyện trôi chảy, giới nghiên cứu hầu như không dùng phép thử này làm thước đo chính nữa, nhưng nó vẫn là điểm khởi đầu kinh điển của mọi câu chuyện về AI.
1956–1973: đặt tên ngành và thời lạc quan
Mùa hè năm 1956, một nhóm nhà khoa học họp ở Đại học Dartmouth (Mỹ) theo đề xuất của John McCarthy, Marvin Minsky, Nathaniel Rochester và Claude Shannon. Bản đề xuất viết năm 1955 dùng cụm "artificial intelligence", và cuộc gặp này thường được coi là lúc ngành AI chính thức ra đời. Những năm sau đó là giai đoạn nhiều hứa hẹn:
- Chương trình chứng minh định lý: Allen Newell, Herbert Simon và cộng sự viết chương trình tự chứng minh được nhiều định lý logic, cho thấy máy có thể làm những việc vốn được coi là "suy luận".
- Perceptron (1958): Frank Rosenblatt giới thiệu một máy học nhận dạng hình đơn giản theo kiểu mạng nơ-ron, được báo chí thời đó đón nhận với những lời hứa rất lớn.
- Học máy qua trò chơi: Arthur Samuel ở IBM viết chương trình chơi cờ đam tự cải thiện, và thuật ngữ "machine learning" gắn với công trình của ông cuối thập niên 1950.
- ELIZA (giữa thập niên 1960): Joseph Weizenbaum ở MIT viết chương trình trò chuyện bắt chước nhà trị liệu tâm lý chỉ bằng cách nhận từ khoá và đảo câu. Nhiều người dùng vẫn gắn bó cảm xúc với nó, điều khiến chính Weizenbaum lo ngại. Hiện tượng người dùng gán sự thấu hiểu cho một chương trình đơn giản vẫn được gọi là "hiệu ứng ELIZA".
- Robot Shakey (cuối thập niên 1960): một robot ở viện nghiên cứu SRI kết hợp nhìn, lập kế hoạch và di chuyển, rất chậm và vụng nhưng là một trong những thử nghiệm sớm về máy tự hành động.
Bài học của giai đoạn này: thành công trên những bài toán nhỏ, sạch sẽ, có luật rõ khiến các nhà nghiên cứu tin rằng chỉ cần mở rộng ra là giải được thế giới thật. Một số dự đoán thời đó hứa máy sẽ làm được mọi việc con người làm trong vài chục năm. Thế giới thật hoá ra rối hơn nhiều.
1974–1993: hai lần mùa đông và thời của hệ chuyên gia
Từ giữa thập niên 1970, khi những lời hứa không thành, nguồn tài trợ cho AI ở Anh và Mỹ bị cắt giảm mạnh. Báo cáo Lighthill năm 1973 ở Anh đánh giá ngành AI chưa đạt được các mục tiêu lớn. Giai đoạn khó khăn này được gọi là mùa đông AI thứ nhất. Nguyên nhân và bài học của hai mùa đông được phân tích kỹ trong một bài riêng của danh mục này.
Đầu thập niên 1980, AI hồi sinh dưới dạng hệ chuyên gia: các chương trình gói kiến thức của chuyên gia thành hàng nghìn quy tắc để làm một việc hẹp như cấu hình máy tính cho khách hàng hay gợi ý chẩn đoán. Một số hệ thống mang lại lợi ích thật cho doanh nghiệp, và đầu tư đổ vào rất nhanh. Nhật Bản khởi động dự án Máy tính Thế hệ thứ Năm đầy tham vọng. Cũng trong thập niên này, kỹ thuật lan truyền ngược để huấn luyện mạng nơ-ron nhiều lớp được phổ biến qua bài báo năm 1986 của Rumelhart, Hinton và Williams, dù phải hơn hai mươi năm sau nó mới phát huy hết sức.
Cuối thập niên 1980, hệ chuyên gia bộc lộ điểm yếu: tốn kém để bảo trì, khó cập nhật khi kiến thức thay đổi, và "giòn" — gặp trường hợp ngoài luật là đổ vỡ. Thị trường máy tính chuyên dụng cho AI sụp đổ, nhiều công ty phá sản, và ngành rơi vào mùa đông thứ hai kéo dài tới khoảng đầu thập niên 1990. Bài học: kiến thức viết tay không theo kịp sự phức tạp của thế giới.
1993–2011: học máy thống kê lặng lẽ đi vào đời sống
Chuyển từ quy tắc sang xác suất. Sau hai mùa đông, nhiều nhà nghiên cứu tránh dùng chữ "AI" vì nó gắn với hứa hẹn suông. Họ tập trung vào các phương pháp thống kê khiêm tốn hơn: cho máy học từ dữ liệu và chấp nhận rằng máy chỉ đoán đúng với một xác suất nào đó. Cách tiếp cận này ít hào nhoáng nhưng đo đếm được và cải thiện dần đều.
Deep Blue thắng Kasparov (1997). Máy chơi cờ vua của IBM thắng nhà vô địch thế giới Garry Kasparov trong trận sáu ván. Deep Blue chủ yếu dựa vào sức tính toán rất lớn và kiến thức cờ được lập trình, không phải học máy kiểu hiện nay, nhưng sự kiện này gây tiếng vang lớn về khả năng của máy.
Internet tạo ra dữ liệu. Sự lan rộng của internet sinh ra lượng văn bản, ảnh, lượt nhấp chuột khổng lồ. Bộ lọc thư rác học từ thư bị đánh dấu, công cụ tìm kiếm học từ hành vi người dùng, cửa hàng trực tuyến gợi ý sản phẩm. Cuộc thi Netflix Prize (2006–2009) treo giải cho ai cải thiện được hệ thống gợi ý phim, góp phần phổ biến học máy trong giới công nghệ.
Dịch máy và nhận dạng giọng nói tiến bộ. Các hệ thống dịch dựa trên thống kê từ kho văn bản song ngữ dần thay thế dịch theo luật ngữ pháp. Nhận dạng giọng nói trên điện thoại trở nên đủ dùng vào khoảng cuối giai đoạn này. Bài học: tiến bộ thật thường đến lặng lẽ, từng chút, trong những sản phẩm mà người dùng không gọi là AI.
2012 tới nay: học sâu, transformer và mô hình ngôn ngữ lớn
Giai đoạn gần đây diễn ra nhanh và được ghi lại kỹ. Những mốc dưới đây là các sự kiện được nhắc nhiều nhất trong tài liệu của ngành:
- 2012: mạng nơ-ron sâu AlexNet thắng cuộc thi nhận dạng ảnh ImageNet với khoảng cách lớn, mở đầu giai đoạn học sâu chiếm ưu thế.
- 2014: mạng đối kháng sinh (GAN) được giới thiệu, mở ra hướng máy tạo ảnh trông như thật.
- 2016: AlphaGo thắng Lee Sedol 4–1 ở môn cờ vây, trò chơi từng được coi là quá phức tạp cho máy trong nhiều năm nữa.
- 2017: bài báo "Attention Is All You Need" giới thiệu kiến trúc transformer, nền tảng của hầu hết mô hình ngôn ngữ lớn về sau.
- 2020: hệ thống AlphaFold 2 đạt độ chính xác rất cao trong cuộc thi dự đoán cấu trúc protein CASP14; cùng năm, các mô hình ngôn ngữ lớn cho thấy khả năng viết văn bản trôi chảy ở mức gây chú ý.
- Cuối 2022: ChatGPT được phát hành cho công chúng và nhanh chóng có lượng người dùng rất lớn; sau đó nhiều chatbot khác ra đời, công cụ tạo ảnh, giọng nói, video cũng đến tay người dùng phổ thông.
- 2024: giải Nobel Vật lý trao cho John Hopfield và Geoffrey Hinton vì các nền tảng của học máy bằng mạng nơ-ron; giải Nobel Hoá học có một nửa trao cho Demis Hassabis và John Jumper vì AlphaFold.
Vì sao giai đoạn này khác hẳn những lần trước được giải thích kỹ ở bài về lý do AI tiến nhanh mấy năm gần đây. Tóm gọn: dữ liệu, sức tính toán và kiến trúc mô hình cùng chín muồi một lúc.
Năm bài học từ bảy mươi năm lịch sử AI
Hứa hẹn thường đi trước năng lực. Từ thập niên 1960 tới nay, nhiều dự đoán về thời điểm máy "làm được mọi việc" đã không thành. Điều đó không có nghĩa dự đoán hiện nay chắc chắn sai, nhưng là lý do để đọc mọi mốc thời gian với một chút nghi ngờ.
Việc dễ với người thường khó với máy. Máy thắng cờ vua từ năm 1997, nhưng nhìn và cầm nắm như một đứa trẻ vẫn là thách thức lớn với robot. Thành tích ở một bài toán không nói được nhiều về các bài toán khác.
Ý tưởng cũ có thể hồi sinh. Mạng nơ-ron có từ thập niên 1950, bị nghi ngờ, rồi trở thành công nghệ chủ đạo sau hơn nửa thế kỷ khi điều kiện chín muồi. Một ý tưởng bị bỏ rơi không hẳn là ý tưởng sai.
Dữ liệu và phần cứng quan trọng ngang ý tưởng. Kỹ thuật huấn luyện mạng nhiều lớp đã có từ thập niên 1980, nhưng phải chờ internet và chip đồ hoạ mới phát huy. Khi hỏi vì sao một tiến bộ xảy ra bây giờ, hãy hỏi cả về dữ liệu và máy móc, không chỉ về thuật toán.
Con người dễ gán trí tuệ cho máy biết nói. Từ ELIZA tới chatbot ngày nay, người dùng luôn có xu hướng tin rằng máy trò chuyện trôi chảy thì hiểu mình. Biết xu hướng này giúp bạn tự nhắc mình kiểm tra, nhất là khi chia sẻ chuyện riêng tư hay thông tin cá nhân với một chatbot.
Câu hỏi thường gặp
Ai được coi là cha đẻ của trí tuệ nhân tạo?
Không có một người duy nhất. John McCarthy thường được nhắc vì đặt ra thuật ngữ và tổ chức hội thảo Dartmouth. Alan Turing được nhắc vì đặt câu hỏi nền tảng năm 1950. Marvin Minsky, Allen Newell, Herbert Simon cũng là những người sáng lập quan trọng. Lịch sử khoa học hiếm khi chỉ có một cha đẻ.
Phép thử Turing đã có máy nào vượt qua chưa?
Đã có nhiều thông báo về việc chương trình đánh lừa được một phần người tham gia trong các phiên bản thử nghiệm khác nhau, nhưng cách tổ chức mỗi lần một khác nên khó so sánh. Giới nghiên cứu ngày nay coi phép thử Turing là ý tưởng lịch sử quan trọng hơn là thước đo chuẩn, vì đánh lừa được người không đồng nghĩa với hiểu biết.
Việt Nam bắt đầu nghiên cứu AI từ khi nào?
Các đại học và viện nghiên cứu ở Việt Nam đã giảng dạy và nghiên cứu về trí tuệ nhân tạo, nhận dạng chữ viết, xử lý tiếng Việt từ nhiều thập niên trước. Trang này không nêu mốc năm cụ thể vì không có nguồn đủ chắc; bạn có thể tìm trong lịch sử các khoa công nghệ thông tin của các đại học lớn.
Vì sao gọi là mùa đông AI?
Đó là cách ví von giai đoạn nguồn tài trợ và sự quan tâm dành cho AI giảm mạnh sau khi kỳ vọng không thành, giống như cây cối ngừng phát triển vào mùa đông. Ngành AI đã trải qua hai giai đoạn như vậy, khoảng giữa thập niên 1970 và cuối thập niên 1980.
Có nên đọc sách về lịch sử AI không, bắt đầu từ đâu?
Có, vì lịch sử giúp đánh giá tin tức hiện nay tỉnh táo hơn. Bạn có thể bắt đầu bằng bài báo năm 1950 của Turing, vốn viết khá dễ đọc, rồi tìm các sách phổ thông về lịch sử AI của những tác giả có uy tín. Nên chọn sách xuất bản gần đây để có cả giai đoạn học sâu.