Sự trỗi dậy của “Internet vạn vật” đã mang tới một kỷ nguyên an ninh cá nhân mới, đặc biệt là đối với giới siêu giàu. Theo tờ Financial Times, các đại gia ngày càng trông cậy nhiều hơn những công nghệ thông minh, chẳng hạn như trí thông minh nhân tạo, hệ thống nhận diện khuôn mặt, … để bảo vệ tư dinh của họ.

Trí thông minh nhân tạo và các sản phẩm kết nối thông minh hiện cho phép những ông, bà chủ giàu có kiểm soát tư dinh của họ một cách chặt chẽ chưa từng thấy. Ví dụ, các hệ thống camera và khóa tự động, công nghệ cao đang giúp họ kiểm soát chính xác những người ra hoặc vào nhà họ mọi lúc.

Tờ Financial Times đưa tin, giới siêu giàu ở London ngày càng trông cậy nhiều hơn vào các công nghệ thông minh để bảo vệ dinh cơ của họ. Điều này đặc biệt đúng đối với những người chuyển tới sinh sống ở thủ đô Anh từ Nga và Đông Âu, với mong muốn được an toàn tới mức tối đa.

Nhiều đại gia đã trang bị các hệ thống thông minh và nhận diện khuôn mặt cho ngôi nhà của họ. Nếu các thiết bị thông minh này phát hiện một vi khách lạ, chúng sẽ gửi cảnh báo tới chủ nhà thông qua một ứng dụng di động và thậm chí còn cung cấp hình ảnh của đối tượng khả nghi cho ông/bà chủ.

Một số thiết bị thông minh được sử dụng còn có khả năng tự nhận biết, do được cài đặt sẵn những thuật toán kiểm soát phức tạp. Ví dụ, các camera tối tân có thể phân biệt giữa một kẻ đột nhập khả nghi với chuyển động có khả năng do một con vật gây ra.

Những người tài chính dư giả thường cho lắp đặt một số biện pháp bảo mật tinh xảo nhất như trên ở ngay cửa chính tư dinh của họ. Theo tiết lộ của Heyrick Bond-Gunning, lãnh đạo công ty bảo mật S-RM, khóa vân tay hiện gần như là thứ bắt buộc phải có tại các dinh cơ của giới siêu giàu.

Đối với các ông/bà chủ thuê giúp việc tại nhà, họ thường sử dụng các hệ thống khóa thông minh, được lập trình để biết chính xác những nhân viên này ra, vào nhà khi nào, tại đâu và trong bao lâu.

Ngoài ra, một số chủ nhà còn trang bị cửa sập an ninh cho các phòng, giúp nhanh chóng khóa kín những phòng nhất định có dấu hiệu bị đột nhập. Một số đại gia thậm chí cũng không tiếc tiền trang bị lớp phủ vinyl polymer chống đạn cho cửa sổ nhà họ.

Tuy nhiên, các chuyên gia cảnh báo, những biện pháp đề phòng trên không giúp bất kỳ ai an toàn trước sự tấn công của hacker, do chúng có thể dễ dàng đột nhập vào các thiết bị bảo vệ nhà thông minh, chiếm quyền kiểm soát email và những tài khoản trực tuyến khác.

Ông Bond-Gunning cho biết, các tội phạm công nghệ cao hiện gây ra gần 83% sự cố bảo mật Internet thông qua phỏng đoán và thông tin từ mạng xã hội. Theo chuyên gia bảo mật này, bất chấp các biện pháp công nghệ cao nhằm bảo vệ tư dinh, nhiều ông/bà chủ vẫn còn khá lơi là chuyện bảo mật hệ thống mạng của họ.

Việc tạo ra các hệ thống trí tuệ nhân tạo (AI) có thể tính đến lý luận ảnh hưởng văn hóa là vô cùng quan trọng trong việc hỗ trợ tính toán chính xác và hiệu quả. Để các hệ thống AI phản ánh các tiêu chuẩn và giá trị, để lý luận và quyết định của chúng phù hợp với mong đợi, thì tạo ra các hệ thống AI có tính đến văn hóa là điều tất yếu.

Hiểu được ảnh hưởng của văn hóa đối với lý luận rất quan trọng trong việc giải quyết xung đột, dự đoán và ra quyết định. Sự lựa chọn của mỗi người bắt nguồn từ môi trường, giáo dục và kinh nghiệm của họ. Việc tạo ra các hệ thống AI có thể tính đến lý luận ảnh hưởng văn hóa là rất quan trọng trong việc hỗ trợ tính toán chính xác và hiệu quả. Để các hệ thống AI phản ánh các tiêu chuẩn và giá trị, để lý luận và quyết định của chúng phù hợp với mong đợi, thì tạo ra các hệ thống AI có tính đến văn hóa là điều tất yếu.

Trước tiên chúng ta hãy nhìn vào việc ra quyết định đạo đức. Các nghiên cứu tâm lý đã chỉ ra rằng mọi người không thực sự nghiêm túc trong lý luận đạo đức. Mọi người bị ảnh hưởng bởi các giá trị được bảo vệ (đôi khi được gọi là giá trị thiêng liêng) hoặc các tiêu chuẩn văn hóa liên quan đến loại hành động nào không được phép. Vấn đề về xe đẩy là một cách cổ điển để khám phá các giá trị được bảo vệ: giả sử rằng, bằng cách bẻ lái, bạn có thể chuyển hướng đầu máy, khiến một người bị trói vào đường ray chết nhưng cứu được nhiều người khác. Liệu ai sẽ làm điều đó? Mặc dù điều này cứu nhiều mạng sống hơn, nhưng có một vấn đề nan giải gắn liền với vấn đề đạo đức, vì sự can thiệp này sẽ trực tiếp khiến ai đó chết.

Có những ví dụ đặc biệt làm nổi bật rằng cách mà các giá trị được bảo vệ có thể khác nhau giữa các nền văn hóa. Giả sử một đô vật, người chưa bao giờ thua trận đấu, đang cầu nguyện vào đêm trước cuộc thi tiếp theo của anh ta. Anh ta tình cờ nghe thấy một người phụ nữ, đối thủ của anh ta, mẹ của anh ta, cầu nguyện rằng con trai cô ta sẽ thắng trận đấu để anh ta có thể sử dụng tiền thưởng để kết hôn. Ngày hôm sau, đô vật cố tình thua trận, và đối thủ của anh ta kết hôn. Nhà nghiên cứu Morteza Dehghani và các cộng tác viên của ông đã sử dụng câu chuyện này để nói với các sinh viên tại Đại học Tehran và Đại học Tây Bắc để đánh giá xem những người tham gia các nền văn hóa khác nhau có lý do để xác định các giá trị được bảo vệ trong một tình huống hay không. Và đó thực sự là những gì họ tìm thấy: các sinh viên Iran, những người biết những câu chuyện về sự hy sinh tương tự, đã ủng hộ việc thua trận đấu, trong khi các sinh viên Mỹ, những người không biết những câu chuyện đó, thì không. Tuy nhiên, khi câu chuyện được thay đổi để các mối quan hệ chính không giống nhau (ví dụ: người mẹ muốn có tiền thưởng để mua cho mình quần áo đẹp), các sinh viên Iran không còn ủng hộ sự hy sinh. Một nguồn của sự khác biệt trong cách tiếp cận ra quyết định trong các tình huống nhất định là những câu chuyện mà mọi người đã tiếp thu từ nền văn hóa của họ. Cái nhìn sâu sắc này cho thấy rằng bằng cách sử dụng sự tương tự trong các hệ thống AI, các hệ thống như vậy có thể nắm bắt chính xác hơn ảnh hưởng của văn hóa đối với sự lựa chọn của con người.

Những tiến bộ gần đây trong mô hình tính toán tương tự trong lĩnh vực khoa học nhận thức đã tạo nền tảng cho các hệ thống AI. Đó là, với một vấn đề mới, một hệ thống có thể sử dụng quy trình truy xuất giống con người để tìm ra tình huống tương tự trước đó và xác định cách áp dụng. Ngoài việc học bằng cách tích lũy các trường hợp, nó cũng có thể xây dựng các khái quát dựa trên các trường hợp đó. Điều này đã được thực hiện với MoralDM, một mô hình tính toán của việc ra quyết định đạo đức được phát triển bởi Dehghani trong thời gian làm Tiến sĩ và làm việc tại Tây Bắc. MoralDM sử dụng các phép loại suy với các câu chuyện cụ thể về văn hóa và các vấn đề trước đó để đưa ra quyết định.

Điều quan trọng, việc thay đổi những câu chuyện có sẵn cho MoralDM để phản ánh những câu chuyện của các nền văn hóa khác nhau (ví dụ, Iran so với Mỹ) khiến cho các quyết định của nó thay đổi theo. Không có câu chuyện về sự hy sinh, MoralDM đề nghị đô vật nên cố gắng giành chiến thắng trong trận đấu, vì điều đó mang đến nhiều lợi ích hơn cho anh ta. Nhưng với những câu chuyện về sự hy sinh, lợi ích của việc giúp đối thủ kết hôn chiếm ưu thế, và hệ thống chủ trương cố tình thua cuộc để đạt được lợi ích này cho người khác.

Gần đây Joe Blass và Kenneth D.Forbus đã mở rộng mô hình này để sử dụng khái quát hóa tương tự, một quá trình học tập giúp loại bỏ các mô hình phổ biến ra khỏi câu chuyện. Ưu điểm của khái quát hóa tương tự là số lượng ví dụ cần thiết để đào tạo các hệ thống sử dụng nó có thể rất nhỏ. Thậm chí 10 ví dụ có thể đủ cho hiệu suất mạnh mẽ trong nhiều nhiệm vụ, ngược lại với các hệ thống máy học thống kê và đặc biệt là các hệ thống học sâu, có thể lấy hàng triệu ví dụ để đạt được hiệu suất hợp lý. Hiệu quả dữ liệu này phát sinh, từ việc sử dụng các biểu diễn giống con người hơn là thường được sử dụng trong học máy. Những đại diện giống con người này mã hóa rõ ràng các mối quan hệ, bao gồm cả ý định, lý do và lập luận. Điều này cung cấp lợi ích cho việc có thể kiểm tra các giả định và lý do đằng sau bất kỳ quyết định nào mà phần mềm đề xuất. Khả năng giải thích này là phù hợp để xây dựng các hệ thống AI đáng tin cậy.

Cách tiếp cận của hai vị giáo sư cho thấy một phương pháp mới cho khoa học xã hội tính toán. Các mô hình toán học cho các hiện tượng văn hóa thường đưa ra nhiều tham số. Các mô hình dựa trên tác nhân đơn giản rất hữu ích để nắm bắt các khía cạnh của hiện tượng phát sinh từ số lượng lớn các tương tác đơn giản. Các hình thức như vậy không có đủ sức mạnh biểu cảm để chịu trách nhiệm cho các đánh giá của con người. Ngược lại, các sản phẩm văn hóa như truyện, văn bản tôn giáo và truyện dân gian cung cấp một nguồn dữ liệu đáng tin cậy cho mô hình văn hóa. Các sản phẩm văn hóa như vậy thường được hình thành và mài giũa qua nhiều thế hệ, chúng cung cấp một ký ức lịch sử và khuôn khổ đạo đức được minh họa bằng các ví dụ, giúp chúng ta đưa ra các quyết định nền tảng trong cuộc sống hàng ngày. Điều này cho thấy một cách mới để mô hình hóa các khía cạnh của một nền văn hóa: thu thập các câu chuyện văn hóa và làm cho chúng có sẵn cho các hệ thống AI ở dạng mà máy móc có thể hiểu và sử dụng.

Điều này có thể được thực hiện? Cho đến nay chỉ có những thí nghiệm nhỏ cho thấy phương pháp này rất hứa hẹn. Trong các thí nghiệm này, các câu chuyện về MoralDM đã được dịch bằng tay, và một hệ thống ngôn ngữ tự nhiên đã được sử dụng để trích xuất các biểu diễn ngữ nghĩa của các sự kiện, diễn viên và động lực trong đó. Tiến bộ hơn nữa trong sự hiểu biết ngôn ngữ tự nhiên sẽ làm cho quá trình này dễ dàng hơn và có thể mở rộng hơn, cuối cùng là đưa các sản phẩm văn hóa về dạng ban đầu của chúng. Do đó, quá trình xây dựng một mô hình văn hóa để ra quyết định đạo đức sẽ là: (1) tập hợp một bộ sản phẩm văn hóa đại diện, (2) dịch sang bất kỳ hình thức ngôn ngữ tự nhiên nào máy có thể được hiểu một cách tự động và (3) đưa chúng vào hệ thống học tập tương tự. Lưu ý rằng hai bước đầu tiên cung cấp một lộ trình kiểm toán tự nhiên, vì cả hai đều liên quan đến ngôn ngữ tự nhiên. Thêm các phương tiện đối thoại và kiểm tra tương tác sẽ đơn giản hóa quá trình kiểm tra xem bản dịch sang các bản trình bày chính thức có chính xác không (hiện đang được thực hiện bởi các chuyên gia AI kiểm tra chúng).

Mô hình này có một số lợi thế so với các hệ thống học máy truyền thống hoặc học sâu. Đầu tiên, tất cả các lý do đều được kiểm tra. Các ví dụ tương tự và khái quát được xây dựng từ các câu chuyện được thể hiện bằng cách sử dụng các biểu diễn quan hệ có thể được dịch thẳng sang ngôn ngữ tự nhiên. Bất cứ ai sử dụng mô hình đều có thể đi sâu vào từng bước của mỗi quyết định, xem chính xác thông tin nào đã được sử dụng. Thứ hai, bản chất hiệu quả dữ liệu làm giảm số lượng sản phẩm văn hóa cần thiết để xây dựng một mô hình. Nó cũng đơn giản hóa việc thực hiện các nghiên cứu để hiểu tại sao các mô hình hoạt động. Ví dụ, phân tích độ nhạy mô hình trên cùng một dữ liệu, các tham số khác nhau có hệ thống để xem kết quả phụ thuộc vào các lựa chọn cụ thể như thế nào.

Tuy nhiên, vẫn có những nghi ngờ rằng cách tiếp cận này xây dựng các mô hình văn hóa thông qua việc học tập tương tự từ văn hóa. Các câu chuyện kể về giáo dục có thể được sử dụng để tìm ra các khía cạnh khác của lý luận văn hóa, bao gồm việc đưa ra dự đoán chính xác về thái độ, lựa chọn và phản ứng của các nhóm văn hóa trong nhiều tình huống. Hơn nữa, kể chuyện là một hoạt động tự nhiên đối với mọi người, vì vậy nhiều người có thể đóng góp cho hệ thống AI những giá trị mà người khác không thể. Do đó, các hệ thống AI trong tương lai có thể phù hợp hơn với các nền văn hóa mà chúng là một phần của chúng, vì chúng sẽ được dẫn dắt bởi các câu chuyện và giá trị văn hóa của chúng ta.

Khi các hệ thống AI trở nên thông minh và linh hoạt hơn, việc chúng trở thành đối tác chính thức trong văn hóa của chúng ta dường như là một tương lai đầy hứa hẹn để đảm bảo rằng AI có lợi trong chính cuộc sống của chúng ta.

Chính phủ điện tử là cái gì đó rất gần gũi với người dân Estonia. Họ sẵn sàng ứng dụng trí tuệ nhân tạo vào mọi thứ có thể, tăng hiệu quả làm việc của tất cả những ngành liên quan.

Khi nhắc tới các quan chức cấp cao, ta ít khi nghĩ tới việc họ sẽ là đầu tàu công nghệ, kéo ngành IT cả nước đi lên. Thứ “công nghệ cao” duy nhất mà các chính trị gia, những người quản lý trong bộ máy nhà nước sở hữu có lẽ là smartphone; đây đó một hai người sử dụng tài khoản mạng xã hội để nêu quan điểm hay tương tác với dân chúng.

Nhưng khi nhìn sang anh Ott Velsberg, người con của đất Estonia, ta sẽ phải sớm thay đổi suy nghĩ cho hợp với thời đại 4.0. Với tư cách là Giám đốc Dữ liệu, anh chàng 28 tuổi là người quản lý toàn bộ cuộc cách mạng công nghệ tại đất nước Châu Âu nhỏ nhắn, cố gắng đưa trí tuệ nhân tạo vào đời sống của 1,3 triệu cư dân.

“Chúng tôi muốn chính phủ phải gọn nhẹ hết mức có thể“, anh Velsberg nói. Thời điểm hiện tại, chàng trai đang cố gắng hoàn thiện luận án tiến sỹ tại Đại học Umeå, Thụy Sĩ. Những con chữ xoay quanh việc áp dụng Internet Vạn Vật – Internet of Things và cảm biến dữ liệu vào hệ thống quản lý của chính phủ sẽ sớm trở thành đề cương tham khảo cho việc lập pháp tương lai.

Tháng Tám năm ngoái, chính phủ Estonia chiêu mộ Velsberg về cho dự án mới, ứng dụng trí tuệ nhân tạo vào nhiều Bộ, ban ngành và dịch vụ hỗ trợ người dân.

Khoảng 22% dân số Estonia đang làm việc cho chính phủ, con số trung bình khi so với các nước Châu Âu, nhưng nhiều hơn 4% so với số liệu của Mỹ.

Giám đốc Công nghệ Thông tin của Estonia, Siim Sikkut bắt đầu những dự án ứng dụng AI từ năm 2017, trước cả khi nhận thấy tài năng của Velsberg để tuyển mộ. Chàng trai 28 tuổi nói vào thời điểm hiện tại, Estonia đã áp dụng hoặc trí tuệ nhân tạo, hoặc machine learning vào 13 nơi. Thuật toán đã có thể thay thế nhân viên chính phủ chậm chạp, nhiêu khê với nhiều lớp thủ tục.

Mỗi mùa hè, các thanh tra sẽ không phải tới tận nông trại của những người nhận trợ cấp chính phủ, kiểm tra tiến độ gặt cỏ khô. Hình ảnh vệ tinh do Cơ quan Vũ trụ Châu Âu ESA cung cấp, được chụp mới mỗi tuần suốt từ tháng Năm tới tháng Mười, phân tích bằng thuật toán deep learning do Đài quan sát Tartu phát triển, sẽ làm đỡ công việc mệt mỏi.

Khi đặt hình ảnh mới chụp lên bản đồ địa hình địa phương, thuật toán sẽ phân tích từng pixel của ảnh để tìm ra từng phần cỏ chưa cắt. Việc chăn dắt gia súc hoặc tự giác cắt cỏ có thể khiến hình ảnh vệ tinh nhầm lẫn, nên vẫn cần tới sự can thiệp của các thanh tra, xuống địa phương kiểm tra thực tế.

Khoảng 2 tuần trước khi hạn cuối, hệ thống nhắn tin tự động sẽ gửi tin nhắn, email cho người nông dân kèm theo đường link dẫn tới hình vệ tinh của chính cánh đồng nhà họ.

Các bản tóm tắt trình độ chuyên môn của những nhân sự đã nghỉ việc sẽ được đưa vào hệ thống machine learning, tự động được đưa về những nhà tuyển dụng phù hợp.

Bất cứ đứa trẻ Estonia nào sinh ra cũng đã có sẵn một suất trong trường học địa phương. Toàn bộ dữ liệu liên quan của bệnh viện đều được cập nhật sang trường sớm nhất có thể, cắt giảm được khoảng thời gian nộp đơn xin học của phụ huynh.

Bộ Tư pháp Estonia nhờ tới Velsberg và đội ngũ các nhà nghiên cứu thiết kế nên một “thẩm phán robot”, có khả năng xử những tranh chấp tài sản nhỏ, dưới 7.000 Euro – tương đương 183 triệu VNĐ. Các nhà hành pháp mong muốn hệ thống mới có thể giải quyết được những vụ án tồn đọng nhiều năm nhưng không có nhân lực giải quyết.

Dự án vẫn đang trong giai đoạn đầu phát triển, nhưng nhiều khả năng cuối năm nay, Estonia sẽ có thẩm phán AI đầu tiên, tập trung giải quyết các tranh chấp liên quan tới hợp động giữa hai hay nhiều bên. Về cơ bản, bên bị và bên nguyên sẽ tải lên tài liệu và các thông tin liên quan, thẩm phán AI sẽ đưa ra quyết định không khác gì một thẩm phán bằng xương bằng thịt.

Cần rất nhiều chỉnh sửa để có một hệ thống không phạm sai lầm, quá trình phát triển sẽ cần tới bàn tay chỉnh sửa của toàn bộ đôi ngũ Velsberg và những luật sư, thẩm phán tiếng tăm.

Estonia không phải đất nước nuôi tham vọng đưa yếu tố AI vào khía cạnh hành pháp, nhưng có lẽ họ là nơi đầu tiên cho phép thuật toán nắm quyền quyết định.

Tại Mỹ, thuật toán giúp thẩm phán tìm ra bản án phù hợp tội danh.

Chatbot DoNotPay tới từ Vương quốc Anh, chạy bằng sức mạnh trí tuệ nhân tạo đã đưa ra thành công tới 160.000 vé phạt đỗ xe sai quy định tại cả London và New York.

Eesti Oigusbüroo, công ty luật tại Tallinn, thủ đô của Estonia sử dụng chatbot để đưa ra lời khuyên cho người dùng, tự động tạo ra những văn bản pháp luật đơn giản để đưa về cho các ban ngành liên quan. Toàn bộ dịch vụ của Eesti Oigusbüroo cung cấp qua chatbot đều miễn phí.

Theo lời CEO Artur Fjodorov, họ dự định mở rộng dịch vụ “Trí tuệ nhân tạo Hugo” của mình tới những vùng đất xa hơn, như thủ đô Warsaw của Ba Lan hay Los Angeles, Mỹ. Nội trong năm nay, Eesti Oigusbüroo sẽ hoàn thành dự định của mình.

Có những lý do khiến ta tin thẩm phán AI sẽ thành công tại Estonia. Toàn bộ 1,3 triệu người dân Estonia đã đang sử dụng thẻ căn cước công dân, quen với việc sử dụng các dịch vụ trực tuyến như bỏ phiếu online, khai thông tin thuế qua các trang web do chính phủ cung cấp.

Cơ sở dữ liệu của các ban ngành trong chính phủ điện tử kết nối qua X-road, một cơ sở hạ tầng kỹ thuật số cho phép chia sẻ dữ liệu dễ dàng hơn. Người dân Estonia có thể kiểm tra thông tin cá nhân của mình qua cổng thông tin điện tử do chính quyền vận hành.

Trên đời không có thứ gì hoàn hảo, hệ thống chính phủ điện tử của Estonia cũng vậy; ta chỉ có thể mong đợi kết quả có ít lỗi nhất có thể. Năm 2017, một số chuyên gia bảo mật không liên quan tới dự án đã chỉ ra lỗ hổng trong hệ thống căn cước của Estonia, cho phép kẻ xấu có thể xâm nhập được vào bất kỳ hoạt động nào của chủ thẻ. Estonia nhanh chóng khắc phục lỗi nghiêm trọng.

Thế nhưng đó có vẻ là trường hợp hiếm gặp, chính phủ Estonia tự tin tuyên bố họ chưa có một đợt rò rỉ dữ liệu lớn nào từ khi dự án số hóa chính phủ bắt đầu, từ hồi những năm 2000 tới giờ. Thông số của năm 2016 cho biết khoảng hơn 2/3 số người trường thành tại Estonia điền mọi mẫu giấy tờ qua Internet, gần gấp đôi con số trung bình trên toàn Châu Âu.

“Những điều thật sự thầm kín và bí mật không nằm trong tay chính phủ, mà thuộc về các nhân hàng và các công ty dịch vụ mạng“, Tanel Tammet, giáo sư ngành khoa học máy tính tại Đại học Công nghệ Tallinn cho hay. Tammet cũng là thành viên thuộc đội ngũ nghiên cứu số hóa của chính phủ, đội ngũ của giáo sư sẽ sớm đưa ra báo cáo nghiên cứu mới và công bố 35 dự án AI mới, từ giờ tới năm 2020.

Có những người lo lắng cho tương lai dự án. David Engstrom từ Đại học Stanford, một chuyên gia về khía cạnh chính phủ điện tử cho hay người dân Estonia có thể đặt niềm tin vào chính phủ ở thời điểm này, nhưng nếu hệ thống hành pháp trí tuệ nhân tạo xảy ra biến cố, niềm tin đó sẽ khó bền vững.

Tại Mỹ, nhiều ban ngành mới chỉ sử dụng trí tuệ nhân tạo và thuật toán machine learning để tăng tốc quá trình lọc và xử lý tài liệu, một số nơi sử dụng vào mục đích phức tạp hơn như đo mức độ ô nhiễm. Nhưng theo lời Engstrom, tốc độ ứng dụng giữa các ban bộ và các bang vẫn rất chậm.

Lý do chính là bộ luật mỗi nơi lại khác, việc chia sẻ thông tin giữa các ban ngành vẫn chậm chạp. “Chúng ta chưa thể chạm tới giới hạn tiếp theo”, Engstrom nói.

Hoa Kỳ không sở hữu một hệ thống căn cước “cả nước như một”, nhiều bộ phận người dân không tin tưởng vào cách quản lý thông tin của nhà nước. Điều đó vẫn không ngăn được Engstrom mơ về tương lai trợ lý trí tuệ nhân tạo sẽ giúp sức thẩm phán tại tòa, sẽ là tấm nền công nghệ tạo nên được những quyết định lạnh lùng, đúng với luật pháp.

“Khi áp dụng AI, ta sẽ có những quyết định nhất quán hơn so với thời điểm hiện tại“, Engstrom nói. “Và có thể một hệ thống hành pháp chạy bằng AI sẽ chính xác hơn một hệ thống điều hành bởi con người“.

Trí tuệ nhân tạo chỉ giỏi được bằng bàn tay lập trình tạo nên nó. Mà hành động con người nhiều khi bị chi phối bởi cảm xúc, nhất là khi phải ngồi trong phòng tối, gõ ra hàng chục hàng trăm dòng code, “bón” từ ký tự cho con AI khôn lớn. Nếu một AI bị ảnh hưởng xấu từ quá trình lập trình, những quyết định nó đưa ra sẽ không đủ công bằng, chính xác.

“Bạn hiển nhiên phải lo lắng về thành kiến xuất hiện sau quá trình tự động hóa“, Engstrom nói, ý rằng khi hệ thống tự động thấy nhóm người nhất định thường xuyên phạm tội, nó sẽ có xu hướng buộc tội một cách máy móc.

Khi trao quyền tự hành cho các cỗ máy, tầm ảnh hưởng của con người ngày một ít dần đi, sẽ đến ngày tương tác duy nhất giữa người và máy là quá trình bảo trì hệ thống. “Đây là một trong những mối lo hàng đầu với các luật sự, khi chính phủ được số hóa theo cách này“.

Lo lắng có, nhưng nó không ngăn được Estopia thử nghiệm hệ thống đầy hứa hẹn. Các quan chức địa phương hồ hởi với dự án mới: khi trí tuệ nhân tạo lãnh trách nhiệm giải quyết những vụ án nhỏ lẻ, thảm phán và luật sư sẽ rảnh tay để xử những vụ án hóc búa hơn.

Việc ứng dụng AI vào các dịch vụ chính phủ cung cấp “sẽ cho phép ccon người chuyên môn hóa được những khía cạnh máy móc không bao giờ làm được“, tổng thống Estonia, bà Kersti Kaljulaid nói trong một hội nghị AI mới diễn ra.

“Tôi muốn ta chuyên môn hóa được việc làm một cá nhân ấm tình người. Để làm được điều đó, ta cần những trí tuệ nhân tạo an toàn, thực tế phải chứng minh được rằng chúng an toàn“.

Các nhà khoa học đã phát triển công nghệ mô phỏng dựa trên dữ liệu kết hợp hình ảnh, video, quỹ đạo trong thế giới thực và dữ liệu hành vi thành một trình mô phỏng lái xe tự động thực tế có thể mở rộng.

Nhà khoa học máy tính của Đại học Maryland – Dinesh Manocha phối hợp với một nhóm đồng nghiệp tại Baidu Research và Đại học Hồng Kông, đã phát triển một hệ thống mô phỏng hình ảnh thực tế để đào tạo và xác nhận phương tiện tự lái. Hệ thống mới cung cấp một mô phỏng phong phú hơn, chân thực hơn so với các hệ thống hiện tại sử dụng công cụ trò chơi hoặc đồ họa máy tính có độ chính xác cao và các mẫu lưu lượng được hiển thị theo toán học.

Hệ thống của họ, được gọi là Mô phỏng lái xe tự động Augmented (AADS), có thể giúp công nghệ tự lái dễ dàng hơn để đánh giá trong phòng thí nghiệm đồng thời đảm bảo độ an toàn đáng tin cậy hơn trước khi bắt đầu thử nghiệm đắt tiền trên đường.

“Công trình này đại diện cho một mô hình mô phỏng mới, trong đó chúng ta có thể kiểm tra độ tin cậy và an toàn của công nghệ lái xe tự động trước khi chúng ta triển khai nó trên xe thật và thử nghiệm trên đường cao tốc hoặc đường trong thành phố”, Manocha, một trong những tác giả của bài báo cáo cho hay.

Một lợi ích tiềm năng của xe tự lái là chúng có thể an toàn hơn vì những người lái xe dễ bị phân tâm, mệt mỏi và đưa ra những quyết định về cảm xúc dẫn đến sai lầm. Nhưng để đảm bảo an toàn, các phương tiện tự trị phải đánh giá và phản ứng với môi trường lái xe mà không bị lỗi. Với vô số những tình huống mà một chiếc xe có thể gặp phải trên đường, một hệ thống lái xe tự trị đòi hỏi hàng trăm triệu dặm giá trị của các ổ đĩa thử nghiệm trong điều kiện khó khăn để chứng minh độ tin cậy.

Mặc dù điều đó có thể mất nhiều thập kỷ để thực hiện trên đường, các đánh giá sơ bộ có thể được tiến hành nhanh chóng, hiệu quả và an toàn hơn bằng các mô phỏng máy tính đại diện chính xác cho thế giới thực và mô hình hóa hành vi của các vật thể xung quanh. Các hệ thống mô phỏng hiện đại được mô tả trong tài liệu khoa học không thể khắc họa được môi trường thực tế bằng hình ảnh và trình bày các mô hình luồng giao thông trong thế giới thực hoặc hành vi của người lái xe.

AADS là một hệ thống điều khiển dữ liệu đại diện chính xác hơn cho thông tin đầu vào mà một chiếc xe tự lái sẽ nhận được trên đường. Xe tự lái dựa trên mô-đun nhận thức, nhận và giải thích thông tin về thế giới thực và mô-đun điều hướng đưa ra quyết định, chẳng hạn như lái ở đâu hoặc có nên tăng tốc, dựa trên mô-đun nhận thức.

Trong thế giới thực, mô-đun nhận thức của một chiếc xe tự lái thường nhận được đầu vào từ máy ảnh và cảm biến nắp, sử dụng các xung ánh sáng để đo khoảng cách xung quanh. Trong công nghệ mô phỏng hiện tại, mô-đun nhận thức nhận đầu vào từ hình ảnh do máy tính tạo ra và mô hình chuyển động được mô hình hóa bằng toán học cho người đi bộ, xe đạp và xe ô tô khác. Đó là một đại diện tương đối thô của thế giới thực. Nó cũng tốn kém và mất thời gian để tạo vì các mô hình hình ảnh do máy tính tạo ra phải được tạo bằng tay.

Hệ thống AADS kết hợp hình ảnh, video và các điểm đám mây – giống như kết xuất hình dạng 3D – với dữ liệu quỹ đạo trong thế giới thực cho người đi bộ, xe đạp và các xe khác. Những quỹ đạo này có thể được sử dụng để dự đoán hành vi lái xe và vị trí trong tương lai của các phương tiện hoặc người đi bộ khác trên đường để điều hướng an toàn hơn.

Manocha nói: “Chúng tôi đang kết xuất và mô phỏng thế giới thực bằng cách sử dụng video và hình ảnh, nhưng chúng tôi cũng nắm bắt được hành vi và mô hình chuyển động thực sự. Cách con người lái xe không dễ dàng nắm bắt được bằng các mô hình toán học và định luật vật lý Vì vậy, chúng tôi đã trích xuất dữ liệu về quỹ đạo thực từ tất cả các video chúng tôi có và mô hình hóa các hành vi lái xe bằng phương pháp khoa học xã hội. Cách tiếp cận dựa trên dữ liệu này đã cho chúng tôi một mô phỏng giao thông thực tế và có lợi hơn nhiều.”

Các nhà khoa học đã gặp phải thách thức một thời gian dài trong việc sử dụng dữ liệu hình ảnh và dữ liệu video thực tế cho mô phỏng của họ: Mọi cảnh đều phải phản ứng với chuyển động của xe tự lái, mặc dù những chuyển động đó có thể không được chụp bởi máy ảnh gốc hoặc cảm biến nắp. . Bất kỳ góc hoặc góc nhìn nào không được chụp bởi ảnh hoặc video đều phải được hiển thị hoặc mô phỏng bằng các phương pháp dự đoán. Đây là lý do tại sao công nghệ mô phỏng luôn phụ thuộc rất nhiều vào đồ họa do máy tính tạo ra và các kỹ thuật dự đoán dựa trên vật lý.

Để vượt qua thách thức này, các nhà nghiên cứu đã phát triển công nghệ cô lập các thành phần khác nhau của cảnh đường phố trong thế giới thực và biến chúng thành các yếu tố riêng lẻ có thể được ghép lại để tạo ra vô số kịch bản lái xe thực tế.

Với AADS, xe cộ và người đi bộ có thể được đưa từ một môi trường đặt vào một môi trường khác với các kiểu di chuyển và ánh sáng thích hợp. Đường có thể được tạo lại với các cấp độ giao thông khác nhau. Nhiều góc nhìn của mỗi cảnh cung cấp các góc nhìn thực tế hơn trong quá trình thay đổi làn đường và ngã rẽ. Ngoài ra, công nghệ xử lý hình ảnh tiên tiến cho phép chuyển tiếp mượt mà và giảm méo lệch so với các kỹ thuật mô phỏng video khác. Các kỹ thuật xử lý hình ảnh cũng được sử dụng để trích xuất quỹ đạo và từ đó mô hình hóa các hành vi của trình điều khiển.

“Bởi vì chúng tôi đang sử dụng video trong thế giới thực và các chuyển động trong thế giới thực, mô-đun nhận thức của chúng tôi có thông tin chính xác hơn các phương pháp trước đây”, Manocha nói. “Và sau đó, vì tính chân thực của trình giả lập, chúng tôi có thể đánh giá tốt hơn các chiến lược điều hướng của một hệ thống lái xe tự trị.”

Manocha nói rằng bằng cách xuất bản công trình này, các nhà khoa học hy vọng một số tập đoàn phát triển phương tiện tự lái có thể kết hợp cách tiếp cận dựa trên dữ liệu để cải thiện trình mô phỏng của chính họ cho thử nghiệm và đánh giá hệ thống lái tự động.