Giáo sư Cook chủ yếu tập trung nghiên cứu "Lý thuyết tính toán phức tạp". Thuật ngữ chuyên ngành này, đại đa số người nghe qua hẳn sẽ không hiểu được.

Nói một cách dễ hiểu hơn, đại khái là như vậy:

Trước hết, hãy hình dung một mô hình xử lý vấn đề của não người bằng máy tính. Chẳng hạn, khi một người bước vào một lễ đường đông đúc và muốn biết "Liệu có ai quen biết mình trong lễ đường này không?", người đó sẽ phải tuần tự tìm kiếm, nhận diện từng người một từ đầu đến cuối. Chỉ khi đã xem xét hết mọi người mà không tìm thấy ai quen, họ mới có thể đưa ra kết luận "Không có người quen nào của mình trong lễ đường". Ngược lại, chỉ cần tìm thấy một người quen, lập tức có thể phán đoán "Ở đây có người quen của tôi".

Do đó, thông thường người ta nhận định rằng: "Xét từ góc độ khoa học nghiêm ngặt, việc chứng minh một sự việc tốn kém tài nguyên phán đoán/tính toán hơn so với việc bác bỏ. Bởi lẽ, để bác bỏ, chỉ cần tìm ra một phản chứng là đủ để kết thúc luận điểm, không cần tiếp tục tiêu hao tài nguyên tính toán. Trong khi đó, việc chứng minh đòi hỏi phải lật đổ mọi phản chứng có thể có."

Thế nhưng, trên thực tế, não người, với tiền đề "không cố gắng truy cầu tính khoa học nghiêm ngặt tuyệt đối", lại có thể đưa ra những phán đoán sơ lược một cách nhanh chóng hơn nhiều so với máy tính.

Ví dụ, khi cho một người xem bức ảnh và yêu cầu phán đoán liệu vật thể trong ảnh có phải là "mèo" hay không, người đó sẽ nhận ra ngay lập tức, mà không cần phải kiểm chứng xem "sinh vật có vẻ ngoài giống mèo này trong ảnh có những đặc trưng sinh học cấp XXXXX hay không".

Nói cách khác, nhân loại biết cách nắm bắt cái lớn bỏ qua cái nhỏ, sử dụng "phép tính mờ" để nhanh chóng đạt được một kết luận tạm chấp nhận được nhưng không quá nghiêm ngặt.

Tuy nhiên, trước thập niên 1980, nhân loại căn bản không biết làm thế nào để máy tính "không quá nghiêm ngặt".

Vì thế, khi giải quyết bất kỳ vấn đề nào, máy tính đều sử dụng phương pháp "tính toán vét cạn" cực kỳ nghiêm ngặt, dẫn đến việc rất nhiều vấn đề không thể giải quyết triệt để. Đó là bởi vì số lượng các nhánh khả năng có thể lên đến mức thiên văn, khiến máy tính không tài nào xử lý nổi.

Đơn cử như cờ vây. Ngay cả với tốc độ tính toán của phần cứng siêu máy tính vào năm 2010, nếu muốn sử dụng "phép tính vét cạn" một cách khoa học và nghiêm ngặt để phân tích mọi khả năng, thì tổng lực tính toán phân tán của toàn bộ máy tính trên thế giới cũng không thể đủ. Chính vì vậy, dưới sự chỉ đạo của tư tưởng này, nhân loại chỉ có thể tự bằng lòng với việc "sử dụng phép tính vét cạn để chinh phục các trò chơi có lượng tính toán cuối cùng không quá lớn như cờ vua". Còn AlphaGo trong không gian song song, để đối phó với nhiều kỳ thủ cao cấp như vậy, tuyệt đối không thể chỉ dựa vào phương pháp tính toán vét cạn một cách thô thiển, thiếu linh hoạt.

Nghiên cứu cả đời của Stephen Cook chính là tập trung giải quyết câu hỏi: "Làm thế nào để máy tính, trong điều kiện tài nguyên không cho phép nó nghiêm ngặt triệt để, có thể học cách nắm bắt cái lớn bỏ qua cái nhỏ như não người, sử dụng tài nguyên tính toán hữu hạn để đạt được một kết quả gần đúng nhưng tương đối chính xác?".

Cố Thành cảm thấy, có lẽ trong khoa khoa học máy tính của Đại học Toronto, dưới sự dẫn dắt của Giáo sư Cook, còn ẩn chứa rất nhiều nhân tài đang thăm dò lĩnh vực này từ nhiều góc độ khác nhau. Còn Geoffrey Hinton, có khả năng chỉ là do sự lựa chọn của lịch sử mà tình cờ xuất hiện sớm nhất trong lĩnh vực trí tuệ nhân tạo và được chú ý trọng vọng.

Nhưng điều này tuyệt đối không có nghĩa là trong hệ thống đó, những nhân tài thuộc các nhánh khác lại không có giá trị.

Nếu có thể thuyết phục được Giáo sư Stephen Cook, điều đó hiển nhiên sẽ mang lại lợi ích rất lớn cho toàn bộ đại kế chiêu mộ nhân tài có hệ thống của Cố Thành.

...

Ba giờ chiều, tại khu học xá Mississauga, trong phòng thí nghiệm mạng lưới thần kinh.

Cố Thành gặp Giáo sư Geoffrey Hinton, người đã sớm thu xếp thỏa đáng mọi việc, với vẻ mặt có phần lúng túng.

Cùng với Giáo sư Stephen Cook, người đã nổi danh khắp thiên hạ gần hai mươi năm, vừa phong trần mệt mỏi từ khu học xá chính Saint George chạy tới.

Sau vài lời khách sáo đơn giản, Cố Thành liền bày tỏ ý đồ chính của chuyến đi này. Đầu tiên, hắn gửi lời mời chiêu mộ đến Giáo sư Geoffrey Hinton, đồng thời đưa ra mức đãi ngộ không hề nhỏ.

"Giáo sư Hinton, tôi có thể thành lập cho ông một viện nghiên cứu chuyên về 'phép tính học sâu'. Cá nhân ông sẽ nhận mức lương hai triệu đô la Mỹ mỗi năm, cùng với mười triệu đô la Mỹ kinh phí nghiên cứu hàng năm, thời hạn hợp đồng tối thiểu là năm năm. Các trợ lý và nghiên cứu sinh dưới sự hướng dẫn của ông, tôi cũng sẽ đưa ra những điều kiện ưu đãi nhất. Vấn đề duy nhất là, ông có thể s��� vĩnh viễn mất đi địa vị trong giới học thuật. Các luận văn của ông, chỉ một phần rất nhỏ có tiềm năng xuất bản, và ông còn phải ký thỏa thuận bảo mật. Ông hãy tự mình cân nhắc mà quyết định."

Giáo sư Geoffrey Hinton có phần ngượng ngùng, bởi lẽ Giáo sư Stephen Cook, một vị thái đấu trong giới học thuật với thâm niên hơn ông tới hai mươi năm, đang ngồi ngay bên cạnh. Cố Thành lại thẳng thừng bàn bạc chuyện tiền bạc như vậy, quả thực có chút bất nhã.

"Việc đi làm cho doanh nghiệp, chúng tôi từ trước đến nay không phản đối, bởi lẽ học thuật nên kết hợp với giới công nghiệp. Tuy nhiên, tôi không biết một công ty rõ ràng chỉ chuyên về các ứng dụng xã giao và trò chơi cạnh tranh, có thể đưa ra đề tài nào đủ tầm để cho ra những thành quả có thể đăng trên các tạp chí thuộc hệ thống IEEE đây."

Giáo sư Cook liền thẳng thắn chỉ ra điểm yếu của Cố Thành.

Khác với những ông lớn trong giới công nghiệp như Microsoft hay Google, dù ít dù nhiều, họ đều có sự hỗ trợ từ các viện nghiên cứu đại học hàng đầu. Mặc dù Cố Thành c��ng hoạt động trong lĩnh vực internet, nhưng xét về hàm lượng kỹ thuật thì mô hình của anh ta thuộc loại thấp nhất.

Tựa như trong bộ ba "ông lớn" BAT của hậu thế, Đằng Tấn (Tencent) chính là doanh nghiệp có hàm lượng kỹ thuật thấp nhất.

"Anh nhắc đến hướng nghiên cứu mô phỏng phép tính mạng lưới thần kinh này, nhưng tôi không thể hình dung được nó có sự kết hợp nào với ngành công nghiệp của anh. Việc để các giáo sư của Đại học Toronto chúng tôi đi nghiên cứu những thứ hào nhoáng mà không thấy tiền đồ học thuật là đi ngược lại với phong cách học tập của trường chúng tôi."

Giáo sư Cook cũng chẳng màng mình chỉ là một trưởng khoa, lập tức đưa ra kết luận dứt khoát.

Cái gọi là "phép tính mạng lưới thần kinh", Giáo sư Cook đã đọc lướt qua từ mười mấy năm trước. So với các "lý thuyết về bài toán NP-đầy đủ" khác từ thập niên 80 cho đến nay, đặc điểm lớn nhất của nó chính là "không có lõi tính toán".

Lấy cơ thể người làm ví dụ, một cá thể sinh vật có trung khu thần kinh – tuyệt đại đa số hành động của cơ thể đều do đại não kiểm soát. Mắt, miệng, tai, mũi, tay chân sau khi cảm nhận tín hiệu bên ngoài sẽ truyền qua cung phản xạ đến đại não (các phản xạ cấp thấp nhất, ít nhất cũng phải được hành tủy/tủy sống xử lý). Sau khi đại não đưa ra chỉ lệnh xử lý, tay chân mới có thể phản ứng.

Thế nhưng, nếu như mổ xẻ đại não ra và xem xét như một cá thể độc lập, thì hơn trăm tỷ neuron trong bộ não đều bình đẳng. Hoàn toàn không tồn tại "một nhóm neuron nhỏ nào đó có ưu thế hơn các neuron xung quanh khác, từ đó khi xử lý thông tin, thông tin sẽ được nhóm neuron này xử lý sơ bộ trước, rồi sau đó mới chuyển giao cho nhóm neuron tiếp theo xử lý" theo một trình tự như vậy.

(Mạng lưới thần kinh đương nhiên còn rất nhiều đặc điểm cơ bản khác, nhưng ở đây chỉ bàn về sự khác biệt chính giữa nó với "phép tính di truyền / phép tính giả lập nhiệt luyện", nên sẽ không nói quá nhiều. Nếu không, có thể viết đến vài vạn chữ mà mọi người vẫn chưa chắc đã hiểu hết.)

Năm đó, khi khái niệm "mạng lưới thần kinh" được đề xuất, mục đích chính là để nghiên cứu một phương pháp mới giúp máy tính xử lý hiệu quả các vấn đề tương tự như "tìm xem trong lễ đường rốt cuộc có người quen của mình không?". Đó là, nếu có thể sử dụng nhiều máy tính, tự nhiên phân phối nhiệm vụ ngẫu nhiên, thực hiện tìm kiếm song song từ nhiều điểm khởi đầu bằng các phép tính lân cận, thì tự nhiên có thể khắc phục được tình trạng hiệu năng yếu kém của "CPU đơn nhân" bằng cách tăng số lượng CPU để đẩy nhanh tốc độ giải quyết vấn đề.

Tuy nhiên, khái niệm này không hề "tiết kiệm tài nguyên tính toán", bởi về lý thuyết, nó chỉ đơn thuần chuyển đổi "lượng công việc 10 giờ của một máy tính" thành "lượng công việc 1 giờ của mười máy tính". Hơn nữa, loại "mạng lưới thần kinh" nguyên thủy nhất này vẫn không tài nào giải quyết được những vấn đề mơ hồ "chỉ mang tính hình thức" – chúng chỉ có thể đưa ra câu trả lời dạng "Có người quen của tôi / Không có người quen của tôi" mà thôi.

Giáo sư Cook đã chỉ đích danh Cố Thành trong lĩnh vực này, yêu cầu anh nói rõ nguồn gốc của mô hình ứng dụng. Cố Thành tự nhiên không thể tránh khỏi cuộc tranh luận.

"Tôi đã từng đọc qua mô hình giả thuyết mới nhất của Giáo sư Hinton về mạng lưới thần kinh, cụ thể là mạng lưới thần kinh giả lập, cùng với bộ phép tính học tập đi kèm. Tôi cho rằng thứ này có thể kết hợp với các công cụ phân loại/tìm kiếm tự động trên internet. Còn về những kịch bản ứng dụng cụ thể... thì đó thuộc về bí mật thương mại, xin thứ lỗi tôi không thể tiết lộ."

"Mạng lưới thần kinh giả lập có cách dùng mới sao?"

Giáo sư Stephen Cook hơi sững sờ, nhưng rất nhanh đã tỉnh táo trở lại. Ông không phải người dễ dàng bị lay động chỉ bằng một khái niệm.

"Xem ra, trọng tâm kỹ thuật mà Cố tiên sinh muốn bàn đến nằm ở chữ 'giả lập'?"

"Không sai, nếu như không có 'giả lập', chỉ có 'mạng lưới thần kinh', chúng ta vẫn không tài nào bàn luận về những vấn đề phán đoán mơ hồ tiệm cận với não người được." Cố Thành với vẻ mặt tự tin, dường như đã sớm dự liệu được phản ứng của đối phương.

Hắn bật máy tính, kết nối với thiết bị chiếu, và trên màn hình xuất hiện hình ảnh một chú mèo.

"Tôi lấy chú mèo trên màn hình làm ví dụ – mặc dù chú mèo này một tai dựng, một tai cụp, đồng tử mắt cũng có chút không bình thường, cái đuôi lại đặc biệt ngắn, màu lông bẩn thỉu và tiệp với màu nền bức ảnh, nhưng với tư cách một con người, tôi vẫn có thể liếc mắt một cái nhận ra đây chính là một chú mèo."

"Hiện tại, tôi sẽ sử dụng chương trình tự học mà tôi đã biên soạn dựa trên tư tưởng "phiệt giá trị" của Giáo sư Hinton, để máy móc tiến hành phán đoán sơ bộ lần đầu xem liệu chú mèo này có phải là mèo hay không. Trong phép tính này, chúng ta đã thiết lập trước ba mươi tập hợp đặc trưng, ví dụ như 'mắt mèo', 'tai mèo', 'lông mèo', 'đuôi mèo'... Sau đó, sử dụng ba mươi đơn vị xử lý neuron, chúng tôi lần lượt dự phán cho từng tập hợp đặc trưng và đưa ra các kết quả riêng biệt."

"Trong ba mươi đơn vị neuron này, chúng tôi lại căn cứ vào độ tương đồng pixel giữa 'mắt mèo trong hình ảnh hiện tại' và 'mắt mèo mà hệ thống thần kinh nguyên bản đã từng nhìn thấy' để đưa ra phán đoán, cho ra một giá trị tích hợp. Từ đó, chúng tôi có được các tham số tham khảo dạng như 'Cái này có 85% xác suất là mắt của một con mèo' hoặc 'Có 70% xác suất là tai của một con mèo'. Cuối cùng, ba mươi tập hợp đặc trưng này được tổ hợp lại dựa trên trọng số mặc định 1:1. Nếu điểm trung bình cuối cùng cao hơn 60 điểm, hệ thống sẽ phán định 'Đây chính là một con mèo'."

"Vậy thì tỷ lệ thành công chắc chắn sẽ rất thấp." Giáo sư Cook nhún vai, gương mặt lộ rõ vẻ thương hại.

"Đương nhiên là rất thấp, bởi vì thí nghiệm của tôi mới chỉ bắt đầu – mục đích của bước này không phải là để máy móc đưa ra phán đoán chính xác ngay lập tức, mà là sau khi máy móc phán đoán xong, để con người kiểm tra lại một lần nữa. Nếu kết quả phán đoán của máy móc và con người nhất quán, thì phương thức phân nhóm đặc trưng hiện tại cùng tỷ lệ trọng số của mỗi đặc trưng sẽ được cộng thêm một điểm."

"Sau đó, hệ thống sẽ tiến hành phán đoán lần tiếp theo. Nếu vẫn đúng, l���i cộng thêm một điểm. Cho đến khi phán đoán sai, nó sẽ tự động điều chỉnh các nhóm tỷ lệ trọng số hiện có: Ví dụ, trong hai lần phán đoán chính xác trước đó với kết quả 'điểm trung bình 60 điểm', 'mắt mèo' được chấm lần lượt là 75 và 80 điểm, còn 'tai mèo' được chấm là 45 và 40 điểm. Trong lần phán đoán sai lầm mà kết quả cũng là 'điểm trung bình 60 điểm', 'mắt mèo' lại chỉ được 50 điểm, trong khi 'tai mèo' được tới 70 điểm. Như vậy, chúng ta có thể rút ra một kết luận: Trong tất cả các yếu tố đặc trưng quyết định liệu một con mèo có hình dáng giống mèo hay không, 'mắt mèo' là một yếu tố biến đổi then chốt hơn 'tai mèo'. Do đó, khi tính toán tổng điểm, cần phải tăng trọng số của 'mắt mèo' lên."

"Cuối cùng, dựa theo logic này, để bộ phép tính này phân tích hàng trăm, hàng ngàn, thậm chí hàng vạn bức ảnh mèo... Hệ thống sẽ tự nhiên tổng kết ra một bộ 'trọng số phán đoán – tuy không hoàn toàn đúng tuyệt đối, nhưng xác suất chính xác ngày càng tăng lên'."

Thực ra, não bộ của trẻ em loài người khi học cách nhận biết các loại vật thể ở độ tuổi lên ba cũng hoạt động theo cơ chế tương tự. Không có một đặc điểm nào là không thể thay đổi hay bắt buộc, chỉ cần nhìn hàng trăm con mèo, não bộ sẽ tự động điều chỉnh từng trọng số đặc trưng, từ đó nhận biết được đâu là mèo.

Không có bất kỳ biến số nào có được "quyền lực một phiếu phủ quyết". Tối đa, đó chỉ là việc biến số đó có "điểm tích lũy" tương đối cao trong mạng lưới thần kinh giả lập mà thôi. Chính vì lẽ đó, nhân loại mới có thể, ngay cả khi nhìn thấy một chú mèo bị móc mất hoàn toàn hai mắt, vẫn có thể nhận ra đó chính là một chú mèo.

...

Toàn bộ luận thuyết của Cố Thành, đương nhiên là vô cùng dài dòng, khó mà trình bày cặn kẽ từng phần.

Trong đó có rất nhiều điểm mấu chốt, nhưng sau khi được giải thích cặn kẽ, chúng lại hoàn toàn thông tục dễ hiểu, căn bản không hề mang vẻ cao siêu hay phức tạp.

Tuy nhiên, Cố Thành ít nhất đã cung cấp một con đường cho mạng lưới thần kinh giả lập – vốn bị nhận định là "nếu không thể hoàn toàn chính xác thì không có giá trị thương mại" – một hướng đi mang lại khả năng "dù hiện tại chưa thực sự hoàn hảo, nhưng trong vòng một đến hai năm tới cũng có thể đạt được khả năng thương mại hóa theo từng giai đoạn".

Giáo sư Stephen Cook đã trao đổi khá lâu, nhưng cuối cùng chỉ còn biết im lặng, không tìm được cách đối đáp.

"Nghiên cứu phép tính mạng lưới thần kinh cao siêu mà lại sử dụng kiểu suy luận, giả thiết, mô phỏng không hề nghiêm ngặt, không hề khoa học như thế này để giải thích. Những ý tưởng và suy luận này căn bản không thể hình thành một hệ thống luận văn và thành quả học thuật đúng nghĩa." Giáo sư Cook theo bản năng công kích vài câu, nhưng sau khi lấy lại bình tĩnh, ông cắn răng, không thể không thừa nhận: "Thế nhưng, nó lại rất có tính gợi mở."

Đối với lời chỉ trích của Giáo sư Cook, Cố Thành thờ ơ đáp: "Cũng giống như Y học cổ truyền, dù không khoa học, nhưng đôi khi nó vẫn thực sự có thể chữa khỏi bệnh. Chẳng qua là cần một chút vận may, và không thể giải thích cặn kẽ nguyên lý tất yếu khiến nó chữa lành bệnh mà thôi – nhưng tôi chỉ cần hiệu quả điều trị, chứ không quan tâm đến việc nó có khoa học hay không. Ngài có hứng thú chứng minh và hoàn thiện hệ thống học thuật, tôi rất tôn trọng ý nghĩ đó của ngài. Nhưng tôi sẽ không chi tiền quá nhiều cho những việc chứng minh này. Lần này tôi đến, chỉ muốn đầu tư vào những thứ mà dù không khoa học nhưng vẫn có thể ứng dụng được."

Giáo sư Cook bất đắc dĩ lắc đầu: "Thật sự đáng tiếc, một bộ óc xuất chúng như vậy, lại không lấy việc cống hiến cho khoa học làm vinh dự."

"Đành chịu thôi, tôi là người của giới công nghiệp, thứ tôi quan tâm chính là chủ nghĩa thực dụng."

Cố Thành không tiếp tục bận tâm đến vị học giả lão làng theo chủ nghĩa lý tưởng đó nữa, mà chỉ một lần nữa đưa ra lời mời của mình.

"Giáo sư Cook, hôm nay tôi xin phép nói đến đây. Tôi hy vọng ngài sẽ không dùng uy tín học thuật của mình để khuyên can những người khác rời bỏ giới công nghiệp. Tôi cũng vô cùng hoan nghênh ngài giới thiệu nhân tài cho tôi, những nhân tài sẵn lòng "tìm kiếm cơ hội" từ nhiều góc độ khác nhau."

Năm 2003, tại Thượng Hải, vẫn còn rất nhiều học giả mang nặng sự phức tạp, khó nắm bắt trong tư tưởng. Sự kết hợp giữa thành quả nghiên cứu và giới công nghiệp phổ biến vẫn chỉ dừng lại ở những sản phẩm vừa có thể khoe khoang danh tiếng, vừa có thể kiếm tiền.

Phải đến khi nhóm người như Geoffrey Hinton phổ biến rộng rãi hơn và nhận ra giá trị của sự hợp tác, thì giới giáo dục tại Thượng Hải mới có thể có một bầu không khí đánh giá thành công dựa trên tiền bạc một cách nồng đậm hơn. Mọi việc đều cần phải tiến triển từng bước một.

"Ai trong số các vị muốn đi thì cứ đi. Tôi sẽ không ngăn cản. Còn về đề nghị thứ hai, tôi sẽ cân nhắc."

Đây là phiên bản dịch thuật mà quý độc giả chỉ có thể tìm thấy tại địa chỉ truyen.free.