Ảnh minh họa. (Nguồn: Fortune) Nếu dựa theo lời của các CEO công nghệ, một chiếc xe hoàn toàn tự lái có thể sẽ xuất hiện trên thị trường chỉ trong vài tháng nữa.
Hồi năm 2015, Elon Musk đã dự đoán một chiếc Tesla tự lái hoàn toàn sẽ được sản xuất vào năm 2018. Sang năm 2016, Nutonomy đã lên kế hoạch triển khai hàng nghìn xe taxi không người lái trên các đường phố của Singapore vào năm 2019. GM cũng dự kiến sẽ sản xuất ra một chiếc xe hoàn toàn tự lái vào năm 2019 mà không có vô lăng hay cho phép người lái can thiệp. Đã có rất nhiều tiền được đổ vào những dự án trên khi nhà đầu tư đặt cược vào lòng tin rằng các phần mềm sẽ có thể bắt kịp “cơn sốt” xe tự lái này.
Nhưng giấc mơ về một chiếc xe có khả năng tự làm chủ hoàn toàn có thể còn xa vời hơn nhiều người nhận ra.
Hiện thực không mấy lạc quan
Thật dễ để thấy lý do tại sao các công ty sản xuất ô tô tỏ ra lạc quan về xe tự lái. Trong mười năm qua, Deep learning - một phương pháp sử dụng các thuật toán machine learning để phân tích thông tin từ các tập dữ liệu khổng lồ - đã tạo đà cho những tiến bộ gần như không thể tưởng tượng trong quá trình phát triển Trí tuệ nhân tạo (AI) và ngành công nghệ nói chung.
Nhưng Deep Learning đòi hỏi một lượng lớn dữ liệu để huấn luyện hoạt động theo đúng hướng, đồng thời phải kết hợp gần như mọi kịch bản mà thuật toán sẽ gặp phải. Các hệ thống như Google Images có thể nhận ra các loại động vật một cách dễ dàng miễn là chúng có dữ liệu huấn luyện đủ lớn để cho chúng thấy mỗi loại động vật trông như thế nào. Hành động này được gọi là phép “nội suy,” theo đó hệ thống sẽ tiến hành một cuộc khảo sát tất cả các hình ảnh có dán nhãn nhất định (ví dụ như “mèo”) và quyết định xem hình ảnh mới có nằm trong nhóm này hay không.
Các kỹ sư có thể tỏ ra sáng tạo khi thiết lập các nguồn dữ liệu cũng như cách dữ liệu được cấu trúc, nhưng vẫn còn một “giới hạn cứng” về việc các thuật toán hiện hữu có thể tự đi xa thế nào. Ngay cả khi được nhìn thấy hình ảnh của mèo nhà và báo đốm, cũng như biết đối tượng cần tìm cùng thuộc nhóm với những động vật nêu trên, các thuật toán không thể nhận ra một “con mèo gấm Nam Mỹ” trừ khi chúng được nhìn thấy hàng ngàn hình ảnh khác nhau của con vật này. Quá trình đó được gọi là "khái quát hóa" (generalization), đòi hỏi các thuật toán phải có tập hợp nhiều kỹ năng khác.
Trong một thời gian dài, các nhà nghiên cứu nghĩ rằng họ có thể cải thiện kỹ năng khái quát hóa của hệ thống. Nhưng một số nghiên cứu gần đây đã chỉ ra rằng khả năng khái quát hóa của các hệ thống Deep Learning thường dùng thậm chí còn tệ hơn so với ước tính của các chuyên gia.
Nghiên cứu của Đại học Cornell (Mỹ) cho thấy rằng hệ thống Deep learning rất khó có khả năng khái quát các khung hình khác nhau của một video, cho rằng “gấu Bắc Cực” là “khỉ,” “cầy hương,” hoặc “chồn,” tùy thuộc vào sự thay đổi trong bối cảnh. Với mỗi hình ảnh phân loại được dựa trên hàng trăm yếu tố tổng hợp khác nhau, chỉ một thay đổi nhỏ nhất trong khung hình là đủ để có thể thay đổi phán đoán của hệ thống. Và điều này đã trở thành một “điểm yếu chết người” của các hệ thống tự lái sử dụng Deep Learning.
Bài toán chưa có lời giải
Những dữ liệu thử nghiệm từ các báo cáo tai nạn công cộng do các xe tự lái gây ra đều có những điểm giống nhau tương đối bất thường. Vào tháng Ba năm nay, một chiếc xe Uber tự lái đã gây tai nạn khiến một người phụ nữ đang dắt xe đạp trên đường thiệt mạng, sau khi cô có vẻ đã không đi đúng vạch sang đường. Theo báo cáo của Ủy ban An toàn Giao thông quốc gia Mỹ (NTSB), phần mềm của Uber đã xác định người phụ nữ là một vật lạ, sau đó là một chiếc xe, rồi cuối cùng là một chiếc xe đạp, liên tục cập nhật các dự đoán của nó sau mỗi lần xác định. Còn trong vụ tai nạn ở California vào tháng Sáu, một chiếc Model X của Tesla đã chuyển hướng lái tới một rào chắn đường và tăng tốc trước khi đâm vào nó. Lý do cho vụ tai nạn vẫn chưa rõ ràng.
Mỗi tai nạn có vẻ giống như một trường cá biệt mà các loại kỹ sư đều không thể dự đoán. Nhưng gần như mọi tai nạn ôtô đều vì một tình huống không lường trước được xảy ra. Và nếu không có sức mạnh để khái quát hóa, những chiếc xe tự lái sẽ phải đương đầu với từng tình huống như thể lần đầu tiên nó xuất hiện. Hệ quả là xe tự lái sẽ gây ra một chuỗi các tai nạn ngẫu nhiên, và tính nghiêm trọng hay tần suất của những tai nạn này sẽ không giảm đi theo thời gian.
Giới chuyên gia hiện không dự báo chính xác được xe tự lái sẽ mất bao lâu để thoát khỏi tình trạng “lửng lơ” như hiện tại. Các sản phẩm ôtô bán tự lái như Autopilot của Tesla đủ thông minh để xử lý hầu hết các tình huống, nhưng vẫn cần sự can thiệp của con người nếu có bất kỳ sự việc bất ngờ nào xảy ra.
Song một khi có tai nạn, thật khó để xác định liệu đó là lỗi của chiếc xe hay người lái. Một nghiên cứu của tổ chức nghiên cứu Rand Corporation ước tính rằng một xe tự lái sẽ phải trải qua quãng đường dài 275 triệu dặm (1 dặm = 1,6km) mà không gây ra bất cứ vụ tai nạn chết người nào để chứng minh nó có độ an toàn tương đương như khi con người điều khiển. Cái chết đầu tiên liên quan đến Autopilot Tesla xảy ra khi chiếc xe này mới chạy thử được 130 triệu dặm, thấp hơn rất nhiều so với mức nêu trên.
Các công ty trong ngành sản xuất xe tự lái đang chạy đua để thu thập được càng nhiều dữ liệu càng tốt với hy vọng điều này sẽ giúp giải quyết vấn đề của Deep Learning. Họ cho rằng công ty nào có quãng đường chạy thử dài nhất sẽ xây dựng được hệ thống mạnh nhất. Nhưng trong khi các công ty cho rằng “chìa khóa” nằm ở dữ liệu, nhà đầu tư mạo hiểm Ann Miura-Ko lại cho rằng một phần của vấn đề là kỳ vọng quá cao của họ đối với những chiếc xe tự lái. Chính những kỳ vọng này khiến các công ty, và cả thị trường, cho rằng bất cứ chiếc xe nào không có khả năng tự lái hoàn toàn đều là một thất bại.
Với những trở ngại như trên, các chuyên gia về AI đang ngày càng lo ngại rằng sẽ còn phải mất hàng năm, nếu không phải hàng thập kỷ, trước khi các hệ thống tự lái đủ đáng tin để có thể tránh gây ra tai nạn đáng tiếc./.
