20/11/2020

Quay về trang chính

Thúc đẩy nghiên cứu trí tuệ nhân tạo

Khả năng ứng dụng rộng rãi của trí tuệ nhân tạo trong xã hội ngày nay đòi hỏi nhu cầu phát triển và triển khai các công nghệ có thể xây dựng lòng tin trong các lĩnh vực mới nổi, chống lại các mối đe dọa bất đối xứng và thích ứng với nhu cầu luôn thay đổi của các môi trường phức tạp. Là một phần của sự hợp tác mới nhằm thúc đẩy và hỗ trợ nghiên cứu AI, Đại học Máy tính MIT Stephen A. Schwarzman và Cơ quan Khoa học và Công nghệ Quốc phòng ở Singapore đang trao tài trợ cho 13 dự án do các nhà nghiên cứu trong trường dẫn đầu nhằm vào một hoặc nhiều các chủ đề sau: AI đáng tin cậy, nâng cao nhận thức của con người trong các môi trường phức tạp và AI cho mọi người. 13 dự án nghiên cứu được chọn được nêu dưới đây. “SYNTHBOX: Thiết lập độ bền và khả năng bùng nổ của mô hình thế giới thực bằng cách sử dụng môi trường tổng hợp” của Aleksander Madry, giáo sư khoa học máy tính. Công nghệ máy học mới nổi có tiềm năng trợ giúp đáng kể và thậm chí tự động hóa hoàn toàn nhiều nhiệm vụ mà cho đến nay vẫn chỉ được giao phó cho con người. Tận dụng những tiến bộ gần đây trong kết xuất đồ họa thực tế, lập mô hình dữ liệu và suy luận, nhóm của Madry đang xây dựng một hộp công cụ hoàn toàn mới để thúc đẩy sự phát triển hợp lý và triển khai các giải pháp máy học đáng tin cậy. “Công nghệ NLP thế hệ tiếp theo cho các nhiệm vụ ít tài nguyên” của Regina Barzilay, Giáo sư Điện tử Delta về Kỹ thuật Điện và Khoa học Máy tính; và Tommi Jaakkola, Giáo sư Kỹ thuật Điện và Khoa học Máy tính của Thomas Siebel. Trong công nghệ ngôn ngữ tự nhiên, hầu hết các ngôn ngữ trên thế giới không được chú thích phong phú. Việc thiếu sự giám sát trực tiếp này thường dẫn đến kết quả đầu ra không chính xác, không xác thực và dễ gãy. Trong một dự án do Barzilay và Jaakkola dẫn đầu, các nhà nghiên cứu đang phát triển các công cụ tạo văn bản mới để chuyển kiểu được kiểm soát và các thuật toán mới để phát hiện thông tin sai lệch hoặc tin tức đáng ngờ trực tuyến. “Nhập vai được hỗ trợ bởi tính toán để nắm bắt quan điểm xã hội” của D. Fox Harrell, giáo sư về phương tiện kỹ thuật số và trí tuệ nhân tạo. Dựa trên các phương pháp tiếp cận khoa học máy tính và khoa học xã hội, dự án này nhằm mục đích tạo ra các công cụ, kỹ thuật và phương pháp để mô hình hóa các hiện tượng xã hội cho người dùng các hệ thống nhập vai được hỗ trợ bởi máy tính - trò chơi trực tuyến, thực tế tăng cường và thực tế ảo - để hiểu rõ hơn các quan điểm của những người khác với bản sắc xã hội khác nhau. “Nâng cao nhận thức về tình huống cho các nhóm phản ứng đầu tiên giữa người-máy” của Nick Roy, giáo sư hàng không và du hành vũ trụ. Khi ứng phó với các trường hợp khẩn cấp trong môi trường đô thị, việc đạt được nhận thức về tình huống là điều cần thiết. Trong một dự án do Roy dẫn đầu, các nhà nghiên cứu đang phát triển một hệ thống đa tác nhân bao gồm một nhóm các phương tiện trên không và mặt đất tự động được thiết kế để đến hiện trường khẩn cấp, bản đồ hiện trường để cung cấp báo cáo tình hình cho những người phản ứng đầu tiên trong nâng cao và khả năng tìm kiếm những người và thực thể quan tâm. “Những đại diện mới cho tầm nhìn” của William Freeman, Giáo sư Kỹ thuật Điện và Khoa học Máy tính của Thomas và Gerd Perkins; và Josh Tenenbaum, giáo sư khoa học nhận thức và tính toán. Một mục tiêu chưa thực hiện của AI là mô hình hóa các hình dạng và kết cấu phong phú và phức tạp của các cảnh trong thế giới thực được mô tả trong một hình ảnh. Dự án này sẽ tập trung vào việc phát triển các biểu diễn mạng nơ-ron cho hình ảnh phù hợp hơn với các yêu cầu về biểu diễn hình ảnh trong tầm nhìn và đồ họa để thể hiện một thế giới 3D một cách hiệu quả, nắm bắt được sự phong phú của nó. “Tối ưu hóa theo hướng dữ liệu trong điều kiện không chắc chắn về phân loại và ứng dụng vào hoạt động của thành phố thông minh” của Alexandre Jacquillat, trợ lý giáo sư nghiên cứu và thống kê hoạt động. Công nghệ thành phố thông minh có thể giúp hỗ trợ các khu vực đô thị lớn đang phải đối mặt với áp lực ngày càng tăng trong việc quản lý tắc nghẽn, cắt giảm phát thải khí nhà kính, cải thiện an toàn công cộng và tăng cường cung cấp dịch vụ chăm sóc sức khỏe. Trong một dự án do Jacquillat dẫn đầu, các nhà nghiên cứu đang làm việc trên các công cụ AI mới để giúp quản lý cơ sở hạ tầng vật lý mạng trong các thành phố thông minh và phát triển và triển khai các công cụ quyết định tự động cho các hoạt động của thành phố thông minh. “Học tập củng cố mạnh mẽ đáng kể” của Ankur Moitra, Phó giáo sư về Toán ứng dụng của Rockwell International Career Development. Moitra và nhóm của ông đang xây dựng trên khuôn khổ mới của họ để học tập có giám sát mạnh mẽ nhằm khám phá các vấn đề học tập phức tạp hơn, bao gồm cả việc thiết kế các thuật toán mạnh mẽ để học tăng cường trong các mô hình nhiễu Massart, một không gian vẫn chưa được khám phá đầy đủ. “Audio Forensics” của James Glass, nhà khoa học nghiên cứu cao cấp. Những cải tiến liên tục về khả năng thao tác hoặc tạo nội dung đa phương tiện như lời nói, hình ảnh và video đang dẫn đến nội dung “deepfake” tự nhiên và thực tế hơn, ngày càng khó phân biệt với thực tế. Trong một dự án do Glass dẫn đầu, các nhà nghiên cứu đang phát triển một tập hợp các mô hình học sâu có thể được sử dụng để xác định nội dung lời nói bị thao túng hoặc tổng hợp, cũng như phát hiện bản chất của các trò chơi sâu để giúp các nhà phân tích hiểu rõ hơn về mục tiêu cơ bản của thao tác này và mức độ cần nỗ lực để tạo ra nội dung giả mạo. “Xây dựng các Hệ thống Tự trị Đáng tin cậy thông qua Học các Quyết định và Kiểm soát được Chứng nhận” của Chuchu Fan, trợ lý giáo sư hàng không và du hành vũ trụ. Học máy tạo ra những cơ hội chưa từng có để đạt được quyền tự chủ hoàn toàn, nhưng các phương pháp dựa trên học tập trong các hệ thống tự trị có thể và thất bại, do dữ liệu chất lượng kém, lỗi mô hình, kết hợp với các tác nhân khác và tương tác phức tạp với hệ thống máy tính và con người hiện đại các môi trường hoạt động. Fan và nhóm nghiên cứu của cô ấy đang xây dựng một khuôn khổ bao gồm các thuật toán, lý thuyết và các công cụ phần mềm để học lập kế hoạch và điều khiển được chứng nhận, cũng như phát triển các nền tảng phần mềm cho thiết kế plug-and-play tự động của quadrotors và kiểm soát hình thành đất hỗn hợp và các phương tiện bay trên không. “Học trực tuyến và ra quyết định trong điều kiện không chắc chắn trong môi trường phức tạp” của Patrick Jaillet, Giáo sư kỹ thuật điện và khoa học máy tính của Dugald C. Jackson. Các tiến bộ kỹ thuật trong tính toán, viễn thông, khả năng cảm biến và các công nghệ thông tin khác mang lại cơ hội to lớn để sử dụng thông tin động nhằm nâng cao năng suất, tối ưu hóa hiệu suất và giải quyết các vấn đề trực tuyến phức tạp mới có lợi ích thực tế lớn. Tuy nhiên, nhiều cơ hội trong số này mang lại những thách thức đáng kể về phương pháp luận về cách hình thành và giải quyết những vấn đề mới này. Trong một dự án do Jaillet dẫn đầu, các nhà nghiên cứu đang sử dụng các kỹ thuật máy học để tích hợp một cách có hệ thống tối ưu hóa trực tuyến và học trực tuyến nhằm giúp con người ra quyết định khi không chắc chắn. “Giao tiếp có hướng dẫn của Analytics để chống lại bong bóng bộ lọc và tiếng vang dội” của Deb Roy, giáo sư khoa học và nghệ thuật truyền thông. Các công nghệ truyền thông xã hội hứa hẹn sẽ mở ra thế giới của chúng ta, thay vào đó đã đưa chúng ta vào những cái kén của sự đồng nhất về mặt thuật toán. Roy và nhóm của ông đang phát triển các mô hình và phương pháp ngôn ngữ để chống lại tác động của những công nghệ này đã làm trầm trọng thêm sự phân chia kinh tế xã hội và hạn chế tiếp xúc với các quan điểm khác nhau, hạn chế cơ hội cho người dùng học hỏi từ những người khác có thể không nhất thiết phải nhìn, nghĩ hoặc sống giống họ. “Học tập phi tập trung với dữ liệu đa dạng” của Costis Daskalakis, giáo sư kỹ thuật điện và khoa học máy tính; Asu Ozdaglar, Giáo sư Kỹ thuật Điện và Khoa học Máy tính của MathWorks, trưởng khoa kỹ thuật điện và khoa học máy tính, và phó trưởng khoa học thuật của Đại học Máy tính MIT Schwarzman; và Russ Tedrake, Giáo sư Kỹ thuật Điện và Khoa học Máy tính của Toyota. Trong nhiều cài đặt AI, điều quan trọng là phải kết hợp các trải nghiệm đa dạng và dữ liệu phi tập trung được thu thập bởi các tác nhân không đồng nhất để phát triển các mô hình tốt hơn cho dự đoán và ra quyết định trong các nhiệm vụ mới khác nhau mà các tác nhân này đang thực hiện. Mang đến các công cụ từ học máy, tối ưu hóa, điều khiển, thống kê, vật lý thống kê và lý thuyết trò chơi, dự án này nhằm mục đích nâng cao khoa học cơ bản về học liên hợp hoặc học theo đội - học từ các tác nhân phi tập trung với dữ liệu đa dạng - sử dụng robot làm lĩnh vực ứng dụng để cung cấp nguồn dữ liệu phong phú và phù hợp. “Nhận thức cảnh 3D đáng tin cậy, có thể triển khai thông qua các chương trình xác suất biểu tượng thần kinh” của Vikash Mansinghka, nhà khoa học nghiên cứu chính; Joshua Tenenbaum, giáo sư khoa học nhận thức và tính toán; và Antonio Torralba, Thomas và Gerd Perkins, Giáo sư Kỹ thuật Điện và Khoa học Máy tính. Để có thể triển khai trong thế giới thực, hệ thống nhận thức cảnh 3D cần phải tổng quát hóa trên các môi trường và cấu hình cảm biến, đồng thời thích ứng với những thay đổi của cảnh và môi trường mà không cần đào tạo lại hoặc tinh chỉnh tốn kém. Dựa trên những đột phá của các nhà nghiên cứu trong lập trình xác suất và trong suy luận Monte Carlo thần kinh thời gian thực cho các mô hình sinh biểu tượng, nhóm dự án đang phát triển một phương pháp chung miền để nhận thức cảnh 3D đáng tin cậy, có thể triển khai nhằm giải quyết các hạn chế cơ bản của trạng thái -art hệ thống học sâu.
Nguồn bài