Khác biệt về nhận thức ngôn ngữ giữa con người và chatbot trí tuệ nhân tạo

Mặc dù các chatbot trí tuệ nhân tạo (AI) thể hiện khả năng hiểu ngôn ngữ nâng cao nhưng chúng có thể hiểu sai những câu vô nghĩa, khiến các nhà nghiên cứu đặt câu hỏi về vai trò của chúng trong việc ra quyết định quan trọng và khám phá sự khác biệt giữa AI và nhận thức của con người.

Các nhà nghiên cứu đặt câu hỏi về vai trò của các chatbot trí tuệ nhân tạo trong việc ra quyết định quan trọng và khám phá sự khác biệt giữa AI và nhận thức của con người. Ảnh: ScitechDaily

Các nhà nghiên cứu đặt câu hỏi về vai trò của các chatbot trí tuệ nhân tạo trong việc ra quyết định quan trọng và khám phá sự khác biệt giữa AI và nhận thức của con người. Ảnh: ScitechDaily

Hiện nay, thế giới đã bước vào kỷ nguyên của các chatbot trí tuệ nhân tạo. Các chatbot này sử dụng các mô hình ngôn ngữ lớn (LLM), một loại mô hình mạng thần kinh (neuron) nhân tạo cụ thể. Về cơ bản, chúng có thể hiểu và sử dụng ngôn ngữ theo cách con người chúng ta vẫn làm.

Tuy nhiên, các nhà khoa học tại Đại học Columbia (New York, Mỹ) đã theo dõi cách các chatbot trí tuệ nhân tạo phổ biến (như ChatGPT) nhầm lẫn những câu vô nghĩa là có nghĩa. Thử nghiệm cho thấy các mô hình ngôn ngữ lớn vẫn dễ bị nhầm lẫn với ngôn ngữ tự nhiên. Đối với nhóm tác giả, đó là một lỗ hổng có thể hướng tới các biện pháp cải thiện hiệu suất của chatbot và giúp tiết lộ cách con người xử lý ngôn ngữ.

So sánh nhận thức ngôn ngữ của con người và các chatbot trí tuệ nhân tạo

Trong bài báo đăng trên tạp chí Nature Machine Intelligence, các nhà khoa học đã mô tả cách họ thử nghiệm 9 mô hình ngôn ngữ khác nhau với hàng trăm cặp câu. Đối với mỗi cặp, những người tham gia nghiên cứu sẽ chọn câu mà họ cho là tự nhiên hơn, nghĩa là câu đó có nhiều khả năng được đọc hoặc nghe trong cuộc sống hàng ngày hơn. Sau đó, các nhà nghiên cứu đã thử nghiệm các mô hình để xem liệu chúng có đánh giá từng cặp câu giống như cách con người đánh giá hay không.

Trong các thử nghiệm trực tiếp, các mô hình AI phức tạp hơn dựa trên mô hình neuron Transfomer có xu hướng hoạt động tốt hơn các mô hình neuron hồi quy (Recurrent Neural Networks - RNN) đơn giản và các mô hình thống kê chỉ kiểm đếm tần số của các cặp từ được tìm thấy trên internet hoặc trong cơ sở dữ liệu trực tuyến. Nhưng tất cả các chatbot trí tuệ nhân tạo đều mắc lỗi, đôi khi chọn những câu hoàn toàn vô nghĩa.

Transformer là một mô hình học sâu được thiết kế để phục vụ giải quyết nhiều bài toán trong xử lý ngôn ngữ và tiếng nói, ví dụ như bài toán dịch tự động, bài toán sinh ngôn ngữ, phân loại, nhận dạng thực thể, nhận dạng tiếng nói, chuyển văn bản thành tiếng nói.

Tuy nhiên, khác với mô hình neuron hồi quy (Recurrent Neural Networks - RNN), Transformer không xử lý các phần tử trong một chuỗi một cách tuần tự. Nếu dữ liệu đầu vào là một câu ngôn ngữ tự nhiên, Transformer không cần phải xử lý phần đầu câu trước rồi mới tới phần cuối câu. Do tính năng này, Transformer có thể tận dụng khả năng tính toán song song của bộ xử lý đồ họa GPU và giảm thời gian xử lý đáng kể.

Tiến sĩ Nikolaus Kriegeskorte - nhà nghiên cứu tại Viện Zuckerman của Đại học Columbia, đồng tác giả bài báo cho biết: "Ngay cả những chatbot trí tuệ nhân tạo mạnh nhất mà chúng tôi nghiên cứu vẫn có thể bị đánh lừa bởi những câu vô nghĩa. Điều này cho thấy rằng các tính toán của chúng vẫn còn thiếu một điều gì đó - lỗ hổng về cách con người xử lý ngôn ngữ".

Đồng tác giả, Tiến sĩ Christopher Baldassano tại Đại học Columbia cho biết: "Mọi mô hình đều có những "điểm mù", chúng gắn nhãn một số câu có ý nghĩa mà những người tham gia là con người cho là vô nghĩa". Như vậy, chúng ta cần cân nhắc kỹ càng nếu muốn các hệ thống AI đưa ra những quyết định quan trọng, ít nhất là vào thời điểm này.

Các mô hình ngôn ngữ AI khác nhau có thể đưa ra những đánh giá khác nhau về việc câu có ý nghĩa hay vô nghĩa. Ảnh: Viện Zuckerman của Đại học Columbia

Các mô hình ngôn ngữ AI khác nhau có thể đưa ra những đánh giá khác nhau về việc câu có ý nghĩa hay vô nghĩa. Ảnh: Viện Zuckerman của Đại học Columbia

Hiểu khoảng cách giữa con người và AI, hướng tới các nghiên cứu trong tương lai

Hiệu suất tốt nhưng không hoàn hảo của nhiều chatbot ngôn ngữ trí tuệ nhân tạo là một trong những kết quả nghiên cứu khiến Tiến sĩ Kriegeskorte tò mò nhất. Ông nói: "Hiểu được lý do tồn tại khoảng cách đó và tại sao một số chatbot lại hoạt động tốt hơn những cái khác có thể thúc đẩy sự phát triển vượt trội của các mô hình ngôn ngữ".

Một câu hỏi quan trọng khác dành cho nhóm nghiên cứu là liệu các tính toán trong chatbot trí tuệ nhân tạo có thể truyền cảm hứng cho các câu hỏi và giả thuyết khoa học mới để các nhà khoa học thần kinh hiểu rõ hơn về bộ não con người hay không. Cách thức hoạt động của các chatbot này có thể chỉ ra điều gì về mạch điện trong não của chúng ta?

Phân tích sâu hơn về điểm mạnh và điểm yếu của các chatbot khác nhau cũng như các thuật toán cơ bản của chúng có thể giúp trả lời câu hỏi này.

Tiến sĩ Tal Golan, đồng tác giả bài báo cho biết: "Cuối cùng, điều chúng tôi quan tâm là hiểu được cách bộ não con người hoạt động. Những công cụ AI này ngày càng mạnh mẽ nhưng chúng xử lý ngôn ngữ khác với cách chúng ta làm. So sánh sự hiểu biết ngôn ngữ của chúng với con người mang lại cho chúng ta một cách tiếp cận mới để hiểu về cách chúng ta suy nghĩ".

Nguồn: scitechdaily.com

Hồng Ngọc

Nguồn Công dân & Khuyến học: https://congdankhuyenhoc.vn/khac-biet-ve-nhan-thuc-ngon-ngu-giua-con-nguoi-va-chatbot-tri-tue-nhan-tao-17923091916452871.htm