Để thực hiện được điều này, AI sẽ phải kết hợp được các bộ dữ liệu rộng lớn thông thường với những hiểu biết khoa học về con người, từ đó điều chỉnh đầu ra sao cho kết quả phù hợp, thân thiện hơn với người dùng đại chúng.Có ít nhất ba điểm mà các nhà phát triển AI cần lưu ý khi xây dựng các mô hình học máy của mình.

Ra quyết định: Sáng suốt hay Phù hợp?

Trong vài năm qua, nhờ những tiến bộ mạnh mẽ trong công nghệ AI, nhiều đơn vị đã bắt đầu tận dụng các thuật toán để ra quyết định, chẳng hạn như chọn thuê công ty đối tác, đánh giá hồ sơ cho vay,chăm sóc y tế… Tuy nhiên, vấn đề với nhiều loại máy móc là chúng cho rằng mọi quyết định của con người chỉ dựa trên logic. Trong thực tế, một người bình thường đưa ra quyết định dựa trên việc tự diễn giải câu chuyện và cảm xúc của riêng họ thay vì lập tức chọn ra được một giải pháp lý tưởng và có chất lượng tốt nhất.

Nếu công nghệ AI không thể giải thích cho những cách suy nghĩ nhiều khi phi logic và dựa trên cảm xúc của con người, thì những cỗ máy được ca tụng là ưu việt đó sẽ trở nên ‘ngu ngốc’ với người dùng khi chúng không hiểu được họ.

Tăng độ tin cậy bằng can thiệp của con người

Việc sử dụng AI ngày càng nhiều trong các khía cạnh hằng ngày của cuộc sống đã khiến nhiều người đặt ra dấu hỏi liệu chúng ta có thể thực sự tin tưởng máy móc và phụ thuộc vào nó hay không. Mặc dù AI trông có vẻ ấn tượng nhưng không phải lúc nào chúng cũng hoạt động hoàn hảo. Ngay cả GPT-3, mô hình AI ngôn ngữ được cho là tiên tiến nhất hiện nay, cũng vấp phải lỗi sai khi viết lách những câu khó hiểu. Một số AI dùng trong tuyển dụng hay nhận dạng khuôn mặt được cho là thiên vị giới tính, chủng tộc, khiến cho nhiều người bị loại bỏ khỏi các quy trình xử lý tự động mà không hiểu vì sao.

Thậm chí, khi một thuật toán làm các nhiệm vụ của chúng một cách hoàn hảo thì việc phụ thuộc liên tục vào công nghệ cũng sẽ khiến con người giảm năng lực tự xử lý tình huống, nhất là khi có điều gì không ổn. Đó sẽ là thảm họa nếu người ta rơi vào tình huống không thể tin được cả bản thân và máy móc.

Để AI trở nên đáng tin hơn, các nhà phát triển AI sẽ phải tìm cách đưa thêm những can thiệp của con người để nắm bắt các trường hợp và sai sót mà mô hình có thể có, chẳng hạn như chú thích dữ liệu đa dạng hơn, mở rộng các trường văn hóa, xã hội rộng hơn, hoặc cấu trúc lại cách thu thập dữ liệu cho phép có nhiều ý kiến khác nhau hơn.

Những đầu vào mang tính người này có thể giúp phát hiện các vấn đề không nằm ở chất lượng hay sự hiệu quả của tác vụ mà ở các khía cạnh đạo đức, điều mà AI thường không xem xét đến. Nó cũng giúp giảm những thiên kiến tiềm ẩn trong các tập dữ liệu mà máy móc sẽ học, hoặc các vấn đề về quyền riêng tư ở đầu ra mà AI sẽ không nắm bắt được.

Khoa học hành vi

Các công ty và nhà phát triển AI có thể khiến sản phẩm của mình trở nên hiệu quả hơn bằng cách kết hợp với những kiến thức về khoa học hành vi để biết được tại sao người tiêu dùng có thể phản ứng với một số đầu ra nhất định. Các tập dữ liệu định tính thường sẽ không chỉ ra được điều này. Nắm bắt được hành vi của người dùng cũng sẽ khiến cho quá trình chuyển đổi từ R&D sang sản xuất đại trà diễn ra suôn sẻ hơn.

Dù việc học tập có giám sát khiến máy móc có thể bắt chước được cách lý luận của con người nhưng chúng vẫn thiếu khả năng hiểu nội dung theo ngữ cảnh và lẽ thường, do vậy việc cam thiệp của con người vẫn sẽ cần thiết. Điều quan trọng nữa là người phát triển AI phải hiểu những tác động tâm lý mà công nghệ có thể xảy ra đối với người tiêu dùng. Đây có thể là mặt tối của AI. Chẳng hạn, các nền tảng truyền thông xã hội như Facebook sử dụng AI nhưng không lấy con người làm trung tâm, kết quả là sự phát triển của chúng không tính đến bản chất gây nghiện cao của sản phẩm.

Phong Du (Tổng hợp)