Author: Michio Kaku
Scientists are working fervently to both decipher and emulate the connections of the human brain
While breakthroughs in brain-imaging technology have paved the way for numerous applications, there's still much work to be done in refining these tools. As this fine-tuning progresses, our comprehension of the brain's complexities is poised to expand exponentially.
A prime example of this ambitious endeavor is the BRAIN (Brain Research through Advancing Innovative Neurotechnologies) initiative. This project aims to map the entire network of neurons and their connections within the human brain. Possessing such a comprehensive map would not only bolster the applications we've already explored but also significantly advance fields like artificial intelligence (AI).
AI, in some form, has been around for a while. A notable instance was in 1997 when IBM's Deep Blue famously bested chess grandmaster Garry Kasparov. Yet, despite these milestones, today's AI still lacks many quintessentially human capabilities. For instance, a human can effortlessly recognize a chair for the first time, understanding its functionality and form. In contrast, a computer might struggle to discern its 'chairness,' seeing it as an assemblage of angles and lines instead.
The challenge partly lies in the traditional AI design, which often relies on rigid, rule-based programming akin to digital computers. However, the human brain operates differently. It's an ever-adapting network of neurons, constantly reshaping itself through learning and experience.
In response to this, many AI researchers are now exploring neural network-based approaches. For example, at MIT's Computer Science and Artificial Intelligence Laboratory, researchers have developed insect-like robots that learn through trial and error. These robots navigate their environment by moving around and encountering obstacles, mimicking the learning process of a biological brain.
Although still in its nascent stages, this approach to AI shows tremendous potential. As our understanding of the human brain deepens, it offers a more nuanced template for AI development. The prospect of creating AI that closely mirrors the learning and adaptive capabilities of the human brain is an exciting and promising path toward more advanced and sophisticated artificial intelligence systems.
Các nhà khoa học đang làm việc hết sức mình để giải mã và mô phỏng các kết nối của bộ não con người
Mặc dù những tiến bộ trong công nghệ chụp ảnh não đã mở ra cánh cửa cho nhiều ứng dụng, vẫn còn rất nhiều công việc cần phải làm để tinh chỉnh các công cụ này. Khi quá trình này tiến triển, không nghi ngờ gì rằng hiểu biết của chúng ta về não bộ sẽ tăng lên đáng kể.
Một ví dụ về nỗ lực tham vọng trong lĩnh vực này là sáng kiến BRAIN, nhằm mục đích lập bản đồ tất cả các tế bào thần kinh và các kết nối của chúng trong não người. Việc sở hữu và giải mã bản đồ như vậy sẽ hỗ trợ rất nhiều trong việc thực hiện các ứng dụng đã được thảo luận trước đó, cũng như trong lĩnh vực mà chúng ta chưa đề cập đến: trí tuệ nhân tạo (AI).
Dĩ nhiên, một số hình thức của AI đã tồn tại từ trước: ví dụ, vào năm 1997, máy tính Deep Blue của IBM đã đánh bại nhà vô địch cờ vua Garry Kasparov.
Tuy nhiên, ở nhiều khía cạnh, AI hiện nay vẫn còn xa mới đạt được mức độ như con người: ví dụ, trong khi một người có thể dễ dàng nhận ra một chiếc ghế ngay cả khi lần đầu tiên nhìn thấy, máy tính có thể sẽ không phân biệt được "tính chất ghế" của nó, thay vào đó nhìn thấy một mớ góc cạnh và đường nét.
Một phần vấn đề là AI thường được thiết kế dựa trên những quy tắc cứng nhắc, giống như một máy tính số có thể lập trình. Nhưng não bộ phức tạp như của con người không hoạt động theo cách này: chúng là một mạng lưới tế bào thần kinh luôn luôn tự tái cấu trúc khi học hỏi những điều mới.
Ngày nay, nhiều nhà nghiên cứu AI đang nhìn vào cách tiếp cận dựa trên mạng lưới thần kinh cho AI. Tại Phòng thí nghiệm Khoa học Máy tính và Trí tuệ Nhân tạo của Viện Công nghệ Massachusetts (MIT), ví dụ, một nhà nghiên cứu đã tạo ra các robot nhỏ, giống như côn trùng, học hỏi chỉ thông qua thử và lỗi, tức là bằng cách di chuyển xung quanh và va vào các vật thể.
Mặc dù phương pháp tiếp cận này vẫn còn khá mới, nó cho thấy triển vọng lớn như một hướng đi tương lai hứa hẹn hơn nữa trong việc phát triển AI phức tạp, đặc biệt là khi sự hiểu biết của chúng ta về não người cũng đang tăng lên và do đó cung cấp một "mô hình vai trò" tốt hơn cho AI.
(Bản dịch Tiếng Việt thực hiện một phần bởi Trí tuệ nhân tạo. Xin lỗi nếu bản dịch có khiếm khuyết về ngôn từ và ngữ pháp)
Comments