Tín dụng: [1]
“…đó là quy mô vật lý nơi sự sống xuất hiện, nhưng bản thân sự sống đó là một hiện tượng rộng lớn hơn lặp lại ở các quy mô khác nhau, từ hóa học đến tế bào đến xã hội–thường liên quan nhiều hơn đến sự tương tác của thông tin (một thuộc tính trừu tượng) với vật chất.” [2]
In Phần 1 Trong loạt bài này, tôi đã thảo luận về cách trí tuệ nhân tạo (AI) đã phát triển đến mức tạo ra dữ liệu mới để phân tích, tóm tắt những hiểu biết sâu sắc từ dữ liệu tổng hợp và đảm nhận phần lớn vai trò nhận thức trước đây dành cho con người. Trong Phần 2 Trong loạt bài này, chúng tôi đã nghiên cứu sâu hơn về các khái niệm trừu tượng, hiểu biết sâu sắc và dữ liệu tổng hợp, đồng thời giới thiệu khả năng AI vượt qua khả năng của con người. Trong Phần 3 này, tôi thảo luận về cách chúng ta cần xem xét lại khả năng sáng tạo để con người tiếp tục gia tăng giá trị trước những tiến bộ của AI. Sự tiến hóa đã ưu ái lập trình cho mọi trẻ nhỏ (không chết đói) để trở nên sáng tạo một cách tự nhiên như một phần bản năng khám phá, lặp lại và học hỏi của chúng. Nhiều nghiên cứu cho thấy rằng sự sáng tạo này được lập trình từ đứa trẻ thông qua giáo dục chính quy khi đứa trẻ lên lớp 12. Định hình sự sáng tạo cho thế kỷ 21 liên quan đến việc thừa nhận rằng Thời đại Công nghiệp và (các) mô hình tạo ra của cải của nó gần như đã qua. Tập hợp các hệ thống, thực hành và văn hóa cũ đã hình thành nên những tiến bộ đáng kinh ngạc của loài người trong ba thế kỷ qua cần phải được xem xét lại, đặt câu hỏi và có thể bị xếp xó. Hy vọng rằng, bài viết này bắt đầu một cuộc kiểm tra như vậy.
Sáng tạo
Hầu hết chúng ta chưa bao giờ tham gia một khóa học nào về sáng tạo và rất ít người nghiên cứu về nó. Kinh nghiệm của tôi với sinh viên là hầu hết không thể định nghĩa sự sáng tạo. Tôi chưa bao giờ tìm thấy một sinh viên nào biết được sự khác biệt giữa trí tưởng tượng và sự sáng tạo. Hầu hết mọi người, khi được yêu cầu đưa ra một ví dụ về sự sáng tạo, đều đưa ra một bài hát, một tác phẩm nghệ thuật hoặc có thể là một bộ phim để làm ví dụ. Rất ít ví dụ về toán học, khoa học hoặc kỹ thuật. Việc không dạy được tính sáng tạo và hiểu được tầm quan trọng của nó trong toán học, khoa học, kỹ thuật và khoa học xã hội là điều đặc biệt đáng lo ngại vào thời điểm này trong lịch sử khi con người lần đầu tiên đối mặt với nguy cơ tuyệt chủng.
Nhà khoa học nhận thức Margaret Boden định nghĩa ba loại sáng tạo [3]. Đầu tiên là một “sự kết hợp mới lạ” của các thành phần hoặc biến hiện có. Tôi nghĩ đây là ý của Einstein khi nói về “trò chơi kết hợp”, có thể bắt nguồn từ quan điểm của Poincare rằng phát minh trước tiên là sự lựa chọn từ các phương án sáng tạo. Hai định nghĩa khác của Boden về sự sáng tạo đề cập đến (1) “không gian khái niệm [hoặc] phong cách tư duy có cấu trúc” bắt nguồn từ (các) nền văn hóa của một người và (2) việc khám phá những không gian này. Tôi không thấy giá trị gia tăng trong “không gian khái niệm” của Boden. Một không gian khái niệm có một số “thành phần” hoặc “biến số” có thể được xác định lại hoặc thay đổi. Boden và tôi đồng ý rằng bản chất cấu thành này của sự sáng tạo phù hợp với các phương pháp như AI. Chúng tôi cũng đồng ý rằng tranh luận về việc trí tuệ nhân tạo có “sáng tạo” hay không là không quan trọng. AI đang tạo ra những kết quả mới có giá trị. Liệu máy tính có mục đích tìm kiếm sự mới lạ hay không thực sự ít được quan tâm ngoại trừ các nhà triết học. Tuy nhiên, vấn đề liệu máy tính có mở rộng khả năng thay thế con người hay không là rất thực tế. Tuy nhiên, tôi tin rằng một vấn đề hoặc câu hỏi không được hiểu đúng cho đến khi nó được nêu theo hướng tích cực. Do đó, câu hỏi hay hơn là - con người sẽ sáng tạo và tạo ra giá trị như thế nào… trong một tương lai khi máy tính và trí tuệ nhân tạo ngày càng nhân đôi khả năng của con người?
Nếu nội dung giáo dục chuyên sâu này hữu ích cho bạn, đăng ký vào danh sách gửi thư AI của chúng tôi để được cảnh báo khi chúng tôi phát hành tài liệu mới.
Nghiên cứu và đổi mới
Như mọi người có thể mong đợi, AI không đứng yên và mọi tiến bộ lớn dường như được công bố rộng rãi để quảng bá công nghệ, thu hút vốn, thúc đẩy giá cổ phiếu hoặc tất cả những điều trên. Tất cả những tiến bộ này đều dựa trên hai tính năng của trí tuệ nhân tạo — khả năng của máy tính (1) nhận dạng các mẫu thường cho mục đích (2) dự đoán. Những tiến bộ thường xác định các mẫu phức tạp hơn và ngày càng cung cấp cơ sở cho những hiểu biết, kiến thức và hiểu biết mới về các chủ đề phức tạp. Juergen Schumidhuber đưa ra quan điểm rõ ràng:
“Vì những lời giải thích ngắn gọn và đơn giản về quá khứ thường phản ánh một số quy luật lặp đi lặp lại cũng giúp dự đoán tương lai, nên mọi hệ thống thông minh quan tâm đến việc đạt được các mục tiêu trong tương lai nên được thúc đẩy để nén lịch sử của các đầu vào cảm giác thô để đáp lại các hành động của nó, đơn giản là để cải thiện khả năng lập kế hoạch trước.” [4]
Tất nhiên, “tính đều đặn lặp đi lặp lại” này cũng chính là hành vi khám phá, lặp đi lặp lại mà con người đã được lập trình thông qua quá trình tiến hóa để làm nền tảng cho cách chúng ta học hỏi. Loại hành vi này đã được ghi lại bởi Piaget và nhiều nhà nghiên cứu khác. Tuy nhiên, cần phải thừa nhận rằng chỉ riêng việc nhận dạng mẫu hiếm khi có giá trị và đây là tầm quan trọng liên tục trong vai trò của con người. Trọng tâm là vai trò của con người trong quá trình tìm kiếm các mẫu mới được hỗ trợ bởi AI này mà chúng tôi xác định lại cả quá trình học tập và nghiên cứu, đồng thời làm rõ giá trị gia tăng của con người. Xuyên suốt loạt bài viết gồm ba phần này, tôi đã liên tục quay trở lại với những câu hỏi về nhận thức luận và siêu hình học. Tương ứng, đâu là lý thuyết về tri thức của chúng ta và đâu là thực tế (thực tế). Tôi nghĩ rằng khái niệm lịch sử về thực tại do Descartes, Spinoza, Leibniz và những người khác phát triển vào thế kỷ 17 đã lỗi thời và một khái niệm cập nhật sẽ cho phép chúng ta sử dụng AI một cách sáng tạo hơn để tạo ra các kết quả đổi mới. Tôi đã liên tục ủng hộ một khái niệm hiện đại về thực tế dựa trên vật lý lượng tử, khoa học phức hợp và tư duy hệ thống.
Điều trớ trêu là các công cụ AI mà chúng ta có sẵn ngày nay phù hợp hơn với siêu hình học cập nhật này hơn là con người. Nếu chúng ta nhìn vào những gì chúng ta biết [5]:
(1) Sáng tạo là sự kết hợp các thành phần hiện có theo những cách thức mới. Khái niệm này không gì khác hơn là sự thừa nhận rằng thực tế dựa trên các thành phần nguyên tử và nguyên tử phụ kết hợp để tạo ra mọi thứ từ phân tử đến con người và các hệ thống nhân tạo.
(2) Khái niệm tổng hợp của Herbert Simon cho chúng ta thấy rằng các thành phần tự nhiên và nhân tạo này có thể được kết hợp “một cách sáng tạo” trong các kết hợp mới để giải quyết vấn đề
(3) John Holland đã giúp chúng tôi nhận ra rằng phần lớn các hệ thống tự nhiên và nhân tạo có thể được hiểu từ một số quy tắc hoặc định luật hạn chế. “Tính mới lạ vĩnh viễn này, được tạo ra với một số quy tắc hoặc định luật hạn chế, là đặc điểm của hầu hết các hệ thống phức tạp: DNA bao gồm các chuỗi có bốn nucleotide giống nhau, nhưng không có hai người nào hoàn toàn giống nhau; các định lý của hình học Euclide chỉ dựa trên năm tiên đề, tuy nhiên các định lý mới vẫn được rút ra sau hai thiên niên kỷ; và các hệ thống phức tạp khác cũng vậy.” [6]
(4) Capra và Luisi hoàn thành nền tảng cần thiết bằng cách cho chúng ta thấy rằng tất cả các khía cạnh của cuộc sống con người đều là những hệ thống mạng phi tuyến tính phức tạp. “Một đặc điểm trung tâm của quan điểm hệ thống về sự sống là tính phi tuyến tính của nó: tất cả các hệ thống sống đều phức tạp — nghĩa là, có tính phi tuyến tính cao — mạng lưới; và có vô số mối liên hệ giữa các khía cạnh sinh học, nhận thức, xã hội và sinh thái của cuộc sống.” [7]
Khi chúng tôi hiểu bản tóm tắt này, chúng tôi thấy tất cả các phần của tính sáng tạo máy tính, như được định nghĩa bên dưới:
“Quan điểm kết hợp cho phép chúng ta mô hình hóa sự sáng tạo như một quá trình tìm kiếm thông qua không gian của các kết hợp có thể. Các kết hợp có thể phát sinh từ thành phần hoặc sự kết hợp của các biểu diễn khác nhau, hoặc thông qua một phép biến đổi dựa trên quy tắc hoặc ngẫu nhiên của các biểu diễn ban đầu và trung gian.” [8]
AI là lựa chọn lý tưởng để mô hình hóa môi trường tính toán tự nhiên này.
Lịch sử kinh tế
Tôi muốn giới thiệu khái niệm đổi mới ngay bây giờ vì tôi muốn làm rõ rằng sự sáng tạo có rất ít giá trị nếu nó không thể biến nó thành phát minh (một quy trình, phương pháp, thành phần hoặc thiết kế hữu hình) [9] và sau đó được cung cấp để tạo ra giá trị trong cuộc sống của mọi người. Nói như nhà kinh tế học huyền thoại Joseph Schumpeter, “đổi mới là phát minh được thương mại hóa”. Cuộc thảo luận về đổi mới tập trung trở lại vào nhân loại và giải quyết các vấn đề của con người. Chúng ta phải đối mặt với những vấn đề nan giải trong thế kỷ này về môi trường, “chiến tranh lạnh” với Trung Quốc, vấn đề bất bình đẳng giàu nghèo và “các yếu tố xã hội quyết định” ảnh hưởng đến mọi vấn đề xã hội. Do tầm quan trọng của những vấn đề này và thế giới ngày càng kết nối với nhau mà chúng ta đang sống, nhu cầu về khoa học và kỹ thuật mới là tối quan trọng. Tuy nhiên, tôi cũng muốn nói rõ rằng thời của “khoa học vì lợi ích khoa học” về cơ bản đã qua, bằng chứng là chiến lược tập trung vào dịch thuật của Quỹ Khoa học Quốc gia (NSF) — đưa khoa học và kỹ thuật sáng tạo ra thị trường. NSF được thành lập vào năm 1950 để xác định chiến lược nghiên cứu quốc gia của Hoa Kỳ và tài trợ cho nó. Trong những năm qua, NSF ngày càng nhấn mạnh việc thương mại hóa nghiên cứu để đạt được tác động kinh tế và xã hội có thể mở rộng. NSF cũng nhận ra bản chất đa ngành của các vấn đề hiện tại [10] và nhu cầu tích hợp AI vào các giải pháp nghiên cứu và thương mại hóa [11].)
Những gì chúng tôi nhận ra là khi khoa học mới trở nên rõ ràng hơn, thì (các) vấn đề cũng vậy - làm thế nào để khai thác bản chất kết hợp của các thành phần tự nhiên và nhân tạo để tạo ra các giải pháp. Như Bryan Arthur dự đoán, các công cụ xuất hiện để giải quyết các vấn đề của thời đại và học máy, mạng lưới thần kinh và thuật toán di truyền đều là ví dụ về các công cụ cần thiết để tạo ra các giải pháp tổ hợp này. Chúng tôi thậm chí còn có các mạng thần kinh đồ thị để hiểu rõ hơn về kết nối sinh học và xã hội. Trước khi quá phấn khích, chúng ta hãy tạm dừng và xem xét những gì đang xảy ra trong kinh tế học.
Schumpeter, Thomas Kuhn, Carlotta Perez và nhiều người khác đã nghiên cứu về các cuộc cách mạng khoa học và công nghiệp. Một trong những nhà nghiên cứu yêu thích của tôi là Nikolai Kondratieff, nhà kinh tế học người Nga, người đã mô tả các làn sóng hoặc chu kỳ đổi mới công nghệ [12], Như hình dưới đây.
Con người bắt đầu thỏa mãn nhu cầu và tạo ra giá trị kinh tế bằng cách sử dụng nguyên liệu và công cụ thô sơ. Mô hình kinh tế để tạo ra của cải này kéo dài cho đến thế kỷ 18 khi năng lượng được đưa vào làm đầu vào để tăng hiệu quả và tốc độ sản xuất. Thông qua việc giới thiệu nhiều dạng năng lượng và các công nghệ liên quan, chúng tôi đã tăng phạm vi đổi mới cho đến khi kết thúc Thế chiến thứ hai. Được tài trợ bởi nhu cầu thời chiến, máy tính nổi lên như một công cụ thương mại trong những năm 1960–1970. Dựa trên Lý thuyết thông tin của Claude Shannon và xu hướng kết nối mạng tự nhiên, máy tính đã tạo ra một mô hình tạo ra của cải mới dựa trên thông tin. Việc thay thế năng lượng, đất đai và vật liệu như những đầu vào kinh tế quan trọng đã bắt đầu. Máy tính phát triển nhanh chóng khi mọi người nhận ra giá trị của thông tin và lợi thế cạnh tranh có được. Bắt đầu từ khoảng năm 2005, các nhà nghiên cứu và ngành nhận ra rằng AI ra mắt tại Dartmouth năm 1956 chỉ cần thêm dữ liệu chứ không cần thêm sức mạnh tính toán để có giá trị khoa học, kinh tế và xã hội thực sự. AI bắt đầu được áp dụng cho các lĩnh vực mới như hóa học tổng hợp, sinh học tính toán và cuối cùng là sản xuất dữ liệu tổng hợp của riêng nó. Ngày nay chúng ta có thể thay thế vật chất và thực phẩm bằng vật liệu tổng hợp, mô hình hóa các quy trình sản xuất có tính dự báo để giảm mức tiêu thụ năng lượng và tăng hiệu quả, đồng thời sử dụng dữ liệu tổng hợp để cung cấp cho chúng ta những hiểu biết mới về sinh học phân tử, di truyền học, khoa học vật liệu và nhiều lĩnh vực khác. Có hiệu quả, một mô hình kinh tế mới để tạo ra của cải đã xuất hiện - Tổng hợp - sử dụng AI để định hình dữ liệu làm đầu vào, đầu ra hoặc cả hai trong nhiều loại hệ thống, quy trình và nền tảng mới khác nhau để tạo và thiết kế các giải pháp mới cho các vấn đề cũ và các vấn đề mới vừa được phát hiện thông qua AI và dữ liệu tổng hợp. Một cách phổ biến khác để xem xét mô hình tạo ra của cải mới này là sự kết hợp giữa vật chất, tự nhiên và kỹ thuật số vào một hệ thống thông tin, một phiên bản cập nhật của cuốn sách nổi tiếng “It to Bit” của John Wheeler (đã được giải thích trong Phần 2 của cuốn sách này). loạt bài).
Nếu chúng ta kết hợp bài học lịch sử kinh tế này với bản tóm tắt trước đây về tình hình khoa học, sáng tạo và đổi mới, chúng ta có thể hình thành một kế hoạch cho tương lai được xây dựng dựa trên các khái niệm sau:
(1) Mọi vấn đề bây giờ đều là vấn đề thông tin.
(2) Hướng dẫn về khoa học, kỹ thuật và toán học nên được định hình bởi vật lý lượng tử, sự phức tạp và tư duy hệ thống.
(3) Sự phức tạp cố hữu trong các hệ thống tự nhiên và nhân tạo tạo điều kiện thuận lợi cho cách tiếp cận đa ngành đối với học tập, nghiên cứu và đổi mới.
(4) Trí tuệ nhân tạo ứng dụng là thành phần chính của bất kỳ phương pháp nghiên cứu đa ngành nào, hiểu được sự phức tạp của các vấn đề và phát triển sự đổi mới cần thiết.
(5) Những vấn đề tồn tại mà nhân loại đang phải đối mặt thúc đẩy nhu cầu thương mại hóa nghiên cứu khoa học; khu vực tư nhân có nhiều nguồn lực để giải quyết các vấn đề. Tính cấp bách của các vấn đề đòi hỏi nhiều hơn là trách nhiệm của chính phủ và tổ chức phi chính phủ đối với các vấn đề.
Nhiều người lo ngại về việc AI lấy đi công việc của con người và một nhóm khác lo ngại về sự phân biệt đối xử trong dữ liệu mà AI cần để vận hành. Tuy nhiên, một nhóm khác lo lắng về việc sử dụng điện ngày càng tăng và các vấn đề môi trường từ các thiết bị lưu trữ dữ liệu liên quan. Nhiều nhóm châm ngòi cho những vấn đề này và các chính trị gia ngớ ngẩn của cả hai bên chỉ đổ thêm dầu vào lửa. Mọi công nghệ kể từ động cơ hơi nước đều có những hậu quả tích cực và tiêu cực và chúng tôi đã quản lý để kết hợp những công nghệ này một cách sáng tạo để cải thiện mức sống. Tuy nhiên, những tiến bộ cũng đã đặt chúng ta trên bờ vực tuyệt chủng khi chúng ta tiếp tục làm cạn kiệt các nguồn tài nguyên hữu hạn của hành tinh.
Nhà triết học nổi tiếng người Pháp Michel Foucault đã nói: “Để làm được điều không thể, bạn phải nhìn thấy điều vô hình”. Chính trong khả năng nhận dạng khuôn mẫu, phép loại suy và cái nhìn sâu sắc của con người mà chúng ta sẽ tìm ra các giải pháp sáng tạo cho các vấn đề ngày nay. AI sẽ đơn giản hỗ trợ những nỗ lực này bằng cách tăng tốc độ phân tích, xác định kết quả và khả năng dự đoán. Vấn đề thực sự là liệu chúng ta có thể chuyển hướng AI để giúp tìm ra giải pháp kịp thời hay không.
Tôi tin tưởng rằng chúng tôi sẽ tiếp tục phát triển các thuật toán mới, điều này sẽ yêu cầu chúng tôi dạy thêm toán, thống kê và học máy ứng dụng cho trẻ em ở độ tuổi nhỏ hơn. Những thuật toán mới này sẽ tạo ra kiến thức mới trong khoa học, y học và nghiên cứu môi trường. Kiến thức mới này sẽ dẫn đến các giải pháp công nghệ mới sáng tạo cho các vấn đề và nhiều giải pháp trong số này sẽ là các phương pháp tiếp cận dựa trên thành phần, thường ở quy mô nanomet. Tôi hy vọng rằng kiến thức này sẽ kéo dài đáng kể tuổi thọ và cuối cùng giúp chúng ta cải thiện mức sống cho những người đã bị bỏ lại quá lâu. Khi máy tính lượng tử và năng lượng hạt nhân phát triển, tôi thậm chí còn lạc quan hơn về dự báo này.
Rủi ro lớn nhất đối với sự lạc quan của tôi là sự gia tăng thiên tai và sự xuống cấp liên tục của môi trường. Con người có thể sẽ tồn tại nhờ các công nghệ mới, nhưng chất lượng cuộc sống có thể bị thay đổi hoặc giảm sút nghiêm trọng. Cũng đe dọa sự lạc quan của tôi là tỷ lệ ngày càng tăng của chế độ độc tài và chủ nghĩa cực đoan. Hình thức chính phủ này kìm hãm sự đổi mới và ngăn chặn mong muốn cải tiến tự nhiên của mọi người. Những sự kiện gần đây ở Trung Quốc và Ukraine là những ví dụ về hậu quả tiêu cực của chế độ độc tài. Chúng ta cần một môi trường địa chính trị tốt hơn nếu chúng ta muốn có bất kỳ cơ hội nào để giải quyết đúng đắn các vấn đề môi trường. Nếu không có sự can thiệp của chính phủ - trao quyền cho cá nhân, sự sáng tạo và đổi mới có thể phát triển mạnh mẽ để giải quyết các vấn đề của thời đại. Lý tưởng nhất, cho tất cả mọi người.
Chúng ta không thể giải quyết vấn đề của mình với cùng một suy nghĩ mà chúng ta đã sử dụng để tạo ra chúng.
- Albert Einstein
dự án
[1] Thất bại trong việc cải thiện tư duy phản biện bởi Ben Paris
[2] Kiến trúc thông tin trên các tập thể không sống và sống bởi Hyunju Kim, Gabriele Valentini, Jake Hanson & Sara Imari Walker
[3] Các mô hình máy tính có thể giúp chúng ta hiểu được sự sáng tạo của con người không? bởi Margaret Boden
[4] Được thúc đẩy bởi tiến trình nén: Nguyên tắc đơn giản giải thích các khía cạnh thiết yếu của vẻ đẹp chủ quan, mới lạ, bất ngờ, thú vị, chú ý, tò mò, sáng tạo, nghệ thuật, khoa học, âm nhạc, truyện cười của Juergen Schmidhuber
[5] Phần lớn đoạn văn sau đây đã được phát triển chi tiết hơn trong Phần 1 và Phần 2 của loạt bài viết này.
[6] Độ phức tạp: Giới thiệu rất ngắn của John H. Holland
[7] Quan điểm hệ thống về cuộc sống bởi Fritjof Capra & Cầu tàu Luigi Luisi
[9] Văn phòng nhãn hiệu và bằng sáng chế Hoa Kỳ
[11] Phát triển lực lượng lao động khoa học dữ liệu thế kỷ 21
[12] Làn sóng Kondratiev
Bài viết này ban đầu được xuất bản vào Trung bình và được xuất bản lại lên TOPBOTS với sự cho phép của tác giả.
Thưởng thức bài viết này? Đăng ký để cập nhật thêm nghiên cứu AI.
Chúng tôi sẽ cho bạn biết khi chúng tôi phát hành thêm các bài viết tóm tắt như thế này.
Sản phẩm liên quan
- Phân phối nội dung và PR được hỗ trợ bởi SEO. Được khuếch đại ngay hôm nay.
- Platoblockchain. Web3 Metaverse Intelligence. Khuếch đại kiến thức. Truy cập Tại đây.
- nguồn: https://www.topbots.com/generative-ai-new-approach-to-research-innovation-and-entrepreneurship/
