Đội hình tiêu biểu V

Não bộ con người nhận thông tin đầu vào từ chính thế giới này, neuron xử lý những đầu vào ấy và tạo thành đầu ra. Đầu ra có thể là một dòng suy nghĩ nào đó – thèm thịt gà rán quá, có thể là hành động – đi rán gà, có thể là cảm giác vui sướng – khi được ăn thịt gà.

Dù đầu ra có là gì, thì nó là sự chuyển giao giữa đầu vào và đầu ra. Nếu ta coi bộ não là một thiết bị chuyển hóa dữ liệu đầu vào thành đầu ra, thì hiển nhiên, ta sẽ coi máy tính là thứ công nghệ tương đương với chúng ta.

Nhưng đáng buồn thay, não bộ chúng ta không phải là một cái máy tính. Vì đáng ngạc nhiên thay, MỖI MỘT NEURON là một cái máy tính. Vỏ não của bạn chứa tới 17 tỷ cái máy tính.

Hãy nhìn này:

Đây là hình ảnh một tế bào hình chóp (pyramidal cell), là những neuron tạo nên phần lớn vỏ não của bạn. Cái cục nằm nữa chính là phần thân của neuron; phần dây dợ lan ra xung quanh là những sợi nhánh tế bào, là những đường dây liên lạc lấy thông tin đầu vào từ các neuron khác.

Những thông tin đầu vào nằm ở mọi điểm trong các sợi nhánh. Và vị trí của chúng đều đóng một vai trò quan trọng.

Nhưng khi nói về cách thức hoạt động của neuron thần kinh, ta thường đúc kết ngắn gọn thành "tổng hợp đầu vào rồi cho ra dữ liệu đầu ra". Theo khái niệm này, thì những sợi nhánh tế bào sẽ chỉ là thiết bị nhận đầu vào. Kích hoạt mỗi một dữ liệu đầu vào nhỏ sẽ làm thay đổi điện áp của neuron. Khi tổng hợp đủ những thay đổi nhỏ này từ các phần của sợi nhánh, neuron sẽ cho ra dữ liệu, xuất sang một cái neuron khác.

Nghe cũng hay và hợp lý đấy, mà lại còn tạo nên được gốc rễ căn bản của một mạng lưới thần kinh nhân tạo (mạng neural). Có điều, là nó sai bét.

Những sợi nhánh kia không phải chỉ là dây dợ thông thường: chúng có những hệ thống của riêng mình để cho ra tín hiệu. Khi những dữ liệu đầu vào được kích hoạt cùng lúc, chúng sẽ cho tín hiệu đầu ra (thể hiện bằng một lần thay đổi điện áp) lớn hơn khi các dữ liệu đầu vào được kích hoạt đơn lẻ.

Mối quan hệ giữa số lượng đầu vào được kích hoạt với độ lớn của mỗi phản hồi, của mỗi lần biến đổi điện áp trong các sợi nhánh được thể hiện trên biểu đồ này:

Đó là những lần nhảy điện áp trong mỗi một sợi nhánh: từ một vài dữ liệu đầu vào nhưng không có phản ứng gì, đến một phản ứng cực lớn chỉ với một đầu vào.

Chúng ta đã biết tới những đợt nhảy điện áp trong sợi nhánh này nhiều năm nay rồi. Ta đã thấy những sự thay đổi đột ngột tương tự khi nghiên cứu não bộ. Ta đã thấy những thứ này khi nghiên cứu não bộ của các con vật bị cù chân nhưng đang được gây mê. Ta thậm chí đã thấy những phản ứng bên trong sợi nhánh neuron trên động vật đang hoạt động.

Ta kết luận lại, các sợi nhánh của một neuron hình chóp có thể tạo ra tín hiệu/phản hồi/những đợt nhảy điện áp có thể đo đạc được.

Vậy ta đã biết chúng tồn tại, thế tại sao chúng lại thay đổi việc ta nhìn nhận não bộ như một cỗ máy tính? Bởi lẽ các sợi nhánh của một neuron hình chóp chứa rất nhiều nhánh nhỏ. Mỗi nhánh nhỏ lại có thể tổng hợp đầu vào và cho ra dữ liệu đầu ra, đồng nghĩa với mỗi nhánh của sợi nhánh lại hoạt động như một thiết bị đầu ra.

Chờ đã. Có phải đó chính là mô hình của neuron vừa có ở trên không? Đúng thế. Theo những gì ta đã có, thì một neuron hình chóp sẽ hoạt động như thế này:

Kết luận: Bản thân mỗi một neuron hình chíp là một mạng neural gồm hai lớp. Não bộ của chúng ta mạnh mẽ kinh hoàng.

Đã có hai nhà khoa học là Porazi và Mel đã thể hiện một cách rõ ràng điều này hồi năm 2003. Họ tạo nên một mẫu máy tính phức tạp về một neuron duy nhất, giả lập từng nhánh nhỏ của một sợi nhánh, từng đợt thay đổi điện áp nhỏ, và cách tín hiệu truyền đi khắp cơ thể. Sau đó họ so sánh đầu ra của một neuron và đầu ra của một mạng neural nhân tạo hai lớp: chúng đều giống nhau.

Từ đây, ta có thể đưa ra nhận định rằng mỗi một neuron là một máy tính. Bản thân một neuron đã có thể tính toán được rất nhiều chức năng khác nhau, những chức năng mà một neuron nếu chỉ tổng hợp đầu vào và nhả dữ liệu đầu ra không thì sẽ không bao giờ làm được.

Ví dụ, với bốn đầu vào là Xanh, Biển, Vàng, Mặt Trời và chỉ có hai nhánh hoạt động như một thiết bị đầu ra, ta có thể lập ra được một neuron hình chóp để tính ra được "hình dáng đi đôi với chức năng": ta sẽ có thể có Vàng và Mặt Trời đi đôi với nhau, Xanh và Biển đi đôi với nhau chứ không thể ghép Xanh và Mặt Trời với nhau. Tất nhiên là neuron nhận vào cực kỳ nhiều thông tin đầu vào, có nhiều hơn hai nhánh như trong ví dụ trên, nên khả năng tính toán của nó còn khổng lồ lắm.

Những biến đổi điện áp này còn cho thấy rằng neuron hiểu rõ về thế giới này nhưng có điều là nó không nói hết với ta thôi (hay thậm chí không nói với cả các neuron khác).

Tự hỏi mình một câu đơn giản rằng: Làm cách nào mà não bộ chia các thông tin thành ngăn? Các neuron đều liên kết với nhau, tại sao thông tin từ phần não này (ví dụ như mùi thơm) không xuất hiện tại một phần não khác (ví dụ như vùng não hình ảnh)?

Có hai câu trả lời đối lập cho câu hỏi này. Đầu tiên, là não bộ không được phân thành các ngăn: thông tin xuất hiện đây đó không rõ theo một khuôn mẫu nào. Câu trả lời thứ hai, là não bộ được phân ngăn bằng chính những sợi nhánh.

Phần thân của neuron thường bỏ qua phần lớn những những dữ liệu đầu vào đơn lẻ, nó chỉ phản ứng khi rất nhiều dữ liệu đầu vào cùng hoạt động cùng lúc.

Nếu điều đó đúng, thì những sợ nhánh sẽ nhận trách nhiệm phản hồi với những thứ mà neuron bỏ qua. Đáng ngạc nhiên thay, đó chính là những thứ mà ta quan sát được. Neuron chỉ phản ứng với một số góc độ nhất định, nhưng sợi nhánh thì phản ứng với mọi góc độ khác nhau. Sợi nhánh biết nhiều, hiểu nhiều và nhận vào nhiều thông tin hơn ta tưởng.

Thế cuối cùng những điều này có nghĩa lý gì?

Neutron của ta có thể thay đổi chính chức năng của mình nhờ việc thay đổi những dữ liệu đầu vào mà chúng nhận. Một số tín hiệu đầu vào yếu đi và bỗng nhiên cả một sợi nhánh im lặng, bạn sẽ trở thành một con người điềm tĩnh. Một vài tín hiệu đầu vào mạnh lên, thế là bạn bỗng vui sướng với một điều nhỏ nhặt mà trước nay bạn chưa bao giờ thích thú.

Nếu như toàn bộ tín hiệu và dữ liệu đầu vào được tổng hợp lại, thì việc thay đổi chức năng một neutron sẽ, về cơ bản, sẽ là những tín hiệu đầu vào tranh nhau xem ai được kích hoạt. Nếu như mỗi một sợi nhánh mà tự xử lý tín hiệu độc lập, không phải tranh nhau nữa, thì sức mạnh tính toán của tương lai sẽ dễ như bỡn.

Não bộ của thể thực hiện nhiều tính toán hơn việc sử dụng mỗi neuron thần kinh là một bộ máy tính, tổng hợp đầu vào và nhả đầu ra. Cho dù đó là khái niệm cơ bản để tạo nên những đơn vị xây dựng nên một mạng neural nhân tạo. Sức mạnh tính toán của não bộ quá lớn và lớn hơn ta tưởng, có nghĩa là deep learning và trí tuệ nhân tạo mới chỉ vẽ nên một phần rất rất rất nhỏ về sức mạnh thực sự của bộ não.

Vỏ não của bạn chứa 17 tỷ neuron thần kinh. Để hiểu nó làm được gì, ta thường so sánh nó với cái máy tính. Người cho là đó là một so sánh cơ bản để xây dựng nên nhiều thứ, người lại cho nó là một quan niệm lệch lạc.

Việc so sánh này thường dẫn ta liên tưởng tới một mạng neural nhân tạo: để một mạng neural tính toán được, chúng phải được tạo nên từ những hệ thống giống neuron thần kinh, từ đó suy ngược lại ta thấy não bộ tính toán được như máy tính.

Mà nếu não bộ là máy tính, vì nó giống một mạng neural nhân tạo, thì giờ ta cũng phải công nhận rằng từng neuron cũng là một cỗ máy tính. Toàn bộ 17 tỷ neuron ở vỏ não hay thậm chí toàn bộ 86 tỷ neuron trong não bạn, đều là máy tính.

Từ đó suy ra, vỏ não bạn không phải là một mạng neural. Vỏ não của bạn là một mạng neural của một mạng neural.

Theo GenK

Có vẻ như vấn đề này hoàn toàn có thể được giải quyết nhờ vào các công cụ dịch máy. Hồi tháng 1 vừa qua, Google đã phối hợp với Quỹ Wikimedia (tổ chức điều hành các dự án tri thức mở, trong đó có Wikipedia) để bước đầu tìm cách khắc phục vấn đề trên, thông qua việc tích hợp dịch vụ dịch thuật Google Translate của Google vào công cụ biên dịch nội dung của chính Wikimedia. Trước đây, công cụ biên dịch nội dung của Wikipedia là một phần mềm mã nguồn mở ít được sử dụng, do đó tồn tại nhiều vấn đề. Vì vậy, việc sử dụng công cụ dịch thuật Google Translate vô cùng phổ biến của Google được coi như đã mở ra những tiềm năng rất lớn với sự phát triển về nội dung của bách khoa toàn thư này. Dù vậy, các biên tập viên đang hoạt động trên các phiên bản ngôn ngữ không phải tiếng Anh lại cho rằng công cụ biên dịch nội dung mới giống như một "lời nguyền" nhiều hơn là phép màu, từ đó dấy lên cuộc tranh luận về việc liệu có nên ứng dụng dịch máy vào bách khoa toàn thư Wikipedia hay không.

Được tích hợp dưới dạng một tính năng thử nghiệm, công cụ biên dịch nội dung của Wikipedia cho phép các biên tập viên xem trước một bản dịch (máy) mẫu của bài viết tương đương từ phiên bản ngôn ngữ khác. Nếu được sử dụng một cách hợp lý, công cụ này có thể giúp tiết kiệm thời gian cho các biên tập viên đang hoạt động tại các phiên bản ngôn ngữ có nguồn nhân lực hạn chế — nhưng nếu bị lạm dụng sai cách, hậu quả có thể sẽ rất nghiêm trọng. Một quản trị viên toàn hệ thống của Wikipedia đã chỉ ra một lỗi dịch thuật rất "nguy hiểm" khi sử dụng công cụ dịch máy tự động từ phiên bản tiếng Anh sang tiếng Bồ Đào Nha. Trang "Village Pump" (nghĩa đen: khu bơm nước chung của làng, nghĩa bóng: một khu vực công cộng cho phép các biên tập viên có thể trao đổi những vấn đề chung, giúp đỡ người mới…) thì khi chuyển sang tiếng Bồ Đào Nha, máy lại dịch thành "đánh bom ngôi làng" (!)

"Nhiều người cho rằng Google Translate là một công cụ hoàn hảo," vị quản trị viên trên cho hay. Phóng viên chuyên trang The Vergeliên hệ với người này thông qua tên tài khoản của anh/chị ta trên Wikipedia là Vermont. "Nhưng chắc chắn là nó không thể là phương tiện thay thế hoàn toàn để hiểu được một ngôn ngữ."

Những bản dịch máy lủng củng và thậm chí là sai lệch hẳn về ý nghĩa đã trở thành một vấn đề nhức nhối của Wikipedia trong một thời gan dài, đến mức mà một số phiên bản ngôn ngữ đã thiết lập những quy tắc đặc biệt cho phép các quản trị viên loại bỏ những bài viết như vậy mà không cần thông qua thảo luận của cộng đồng. Phiên bản Wikipedia tiếng Anh đã biểu quyết để xây dựng một tiêu chuẩn "xoá nhanh bài viết" tạm thời nhằm cho phép các quản trị viên xoá "bất kỳ trang nào được tạo bởi công cụ biên dịch nội dung trước ngày 27 tháng 7 năm 2016," miễn là trong lịch sử trang đó không có phiên bản nào do người thực dịch. Tên của tiêu chuẩn xoá nhanh bài "đặc biệt" này là "X2. Trang được tạo ra bởi công cụ biên dịch nội dung."

Đây có thể là điều bất ngờ nếu bạn theo dõi thông tin trên các phương tiện truyền thông gần đây rằng trí tuệ nhân tạo đang đạt được những kết quả dịch thuật "ngang ngửa" với người thực. Tuy nhiên kết quả trên thu được trong điều kiện những bài test nhỏ lẻ, được thiết kế riêng để phù hợp với khả năng trung bình của công nghệ dịch máy. Còn khi phần mềm được triển khai ứng dụng ngoài thực tế, các hạn chế của trí tuệ nhân tạo được thể hiện rõ hơn rất nhiều. Theo ông Douglas Hofstadter, Giáo sư về Khoa học nhận thức tại Trường Đại học Indiana Bloomington, trí tuệ nhân tạo (AI) thường cho ra những bản dịch khá "nông" về nghĩa. Mặc dù nó có thể dịch ra những văn bản bề ngoài khá lưu loát, song lại thường để sót mất những tầng ý nghĩa sâu xa của các từ ngữ và câu. Các hệ thống AI học cách dịch văn bản thông qua việc nghiên cứu và chọn ra các mô hình lặp đi lặp lại từ những khối dữ liệu lớn được sử dụng để đào tạo chúng. Nhưng điều đó có nghĩa là chúng sẽ hoàn toàn "bất lực" với các sắc thái ngôn ngữ không được sử dụng thường xuyên, nếu thiếu đi những tư duy thường thức của con người.

Vấn đề của các biên tập viên trên Wikipedia là khoảng cách về trình độ và kĩ năng giữa họ. Các bản dịch máy cần có con người kiểm tra cẩn thận; bản thân những tình nguyện viên tham gia dịch bài phải có hiểu biết tốt cả ngôn ngữ nguồn và ngôn ngữ đích. Đây là một khó khăn thực sự đối với các phiên bản Wikipedia nhỏ, vốn đã luôn ở trong tình trạng thiếu tình nguyện viên.

Guilherme Morandini, quản trị viên phiên bản Wikipedia tiếng Bồ Đào Nha, thường thấy các tình nguyện viên trực tiếp xuất bản các bài viết được dịch máy từ các phiên bản ngôn ngữ khác sang mà không có sự kiểm tra, đối chiếu nào. Theo kinh nghiệm của anh, kết quả của những bài viết dịch máy như thế thường là những câu văn lủng củng hoặc thậm chí là hoàn toàn vô nghĩa, là một "thảm hoạ" đối với một trang web vốn được coi như một trong những nguồn thông tin đáng tin cậy nhất của thế giới Internet. Trả lời phóng viên chuyên trang The Verge, Morandini lấy ví dụ là bài viết về nhân vật Jusuf Nurkić, được "dịch máy" từ bài viết tiếng Anh sang tiếng Bồ Đào Nha. Dòng đầu tiên "... é um Bósnio profissional que atualmente joga ..." dịch ra có nghĩa là "... một chuyên gia người Bosnian hiện đang chơi cho ...," khác khá nhiều so với phiên bản tiếng Anh "… is a Bosnian professional basketball player" (là một vận động viên bóng rổ chuyên nghiệp người Bosnia).

Cộng đồng Wikipedia tiếng Indonesia thậm chí còn có những động thái quyết liệt hơn khi yêu cầu Quỹ Wikimedia loại bỏ công cụ trên khỏi phiên bản Wikipedia của họ. Quỹ Wikimedia tỏ thái độ miễn cưỡng với yêu cầu này (dựa trên các cuộc trao đổi qua lại giữa Quỹ và cộng đồng Wikipedia tiếng Indonesia) – trên thực tế, trong quá khứ Wikimedia đã từng sử dụng "quyền lực" của mình để ngăn cản các yêu cầu dựa trên ý kiến đồng thuận chung của cộng đồng. Một số người còn bày tỏ lo ngại sự việc tương tự như với công cụ Media Viewer hồi năm 2014 có thể sẽ lặp lại, vốn đã gây mâu thuẫn và mất niềm tin sâu sắc giữa Quỹ Wikimedia và các cộng đồng người dùng mà Quỹ này đang vận hành.

João Alexandre Peschanski, Giáo sư chuyên ngành Báo chí tại Trường Đại học Faculdade Cásper Líbero, Brazil, người hiện đang giảng dạy một khoá học trên nền tảng Wikiversity (cũng do Quỹ Wikimedia vận hành), là một trong những người cũng tham gia chỉ trích hệ thống dịch máy hiện tại của Quỹ. Peschanski cho biết "cần thảo luận một chiến lược áp dụng với toàn bộ cộng đồng người dùng để cải thiện chất lượng máy học, bởi hiệu quả công việc của chúng ta đang bị giảm sút rất nhiều chủ yếu bởi mất quá nhiều thời gian vào công đoạn dịch thuật phức tạp." Việc dịch thuật là mấu chốt, là chìa khoá, và theo kinh nghiệm của Peschanski, các hệ thống dịch thuật tự động hoạt động "khá tốt". Theo ông, vấn đề chính ở đây là việc tìm những trang "bản mẫu" (template) tương đương giữa các phiên bản ngôn ngữ khác nhau. Các bản mẫu là nơi lưu trữ những nội dung lặp đi lặp lại ở nhiều bài viết và thậm chí là giữa các phiên bản ngôn ngữ với nhau. Nhờ chúng mà việc phân tích và xử lý ngôn ngữ có thể diễn ra một cách tự động và giảm bớt lượng nội dung cần dịch.

Peschanski nhìn nhận dịch thuật là một hoạt động "tái sử dụng" và "thích nghi", trong đó việc "tái sử dụng" dữ liệu giữa các phiên bản ngôn ngữ còn phải phụ thuộc vào việc liệu các ngôn ngữ khác có chứa những bài viết với chủ đề tương đương hay không. Trong khi đó, "thích nghi" là quá trình "chuyển tải những bối cảnh văn hoá và ngôn ngữ đặc trưng, cụ thể của một ngôn ngữ hoàn toàn khác" vào bản dịch. Giải pháp vĩ mô hơn cần triển khai lúc này là phải áp dụng một hệ thống quy định cấm hoàn toàn các bản dịch máy mà không qua biên tập viên kiểm tra lại.

Đa số người dùng trả lời phỏng vấn của chuyên trang The Vergeđều cho biết họ mong muốn kết hợp giữa dịch thuật thủ công và dịch máy, tuy nhiên dịch máy chỉ được áp dụng để tra cứu một số thuật ngữ cụ thể. Tất cả mọi người đều đồng tình với ý kiến của Vermont cho rằng "dịch máy sẽ không bao giờ có thể trở thành một phương thức viết bài trên Wikipedia, đơn giản là bởi máy móc hiện nay vẫn chưa thể hiểu hoàn toàn được những cụm từ phức tạp mà con người sử dụng, nhất là trong những trường hợp các ngôn ngữ khác nhau không có những cụm từ với ý nghĩa tương đương," song cũng không hoàn toàn phủ nhận vai trò của dịch máy.

Đối mặt với những rào cản như vậy, các dự án ngôn ngữ quy mô nhỏ sẽ luôn ở trong tình trạng thua kém về chất lượng so với Wikipedia tiếng Anh. Trên thực tế, chất lượng là một khái niệm tương đối; việc loại bỏ hoàn toàn những bài viết chưa hoàn thiện hoặc chất lượng viết kém là bất khả thi. Tuy vậy, điều gì cũng có cái giá của nó. "Ở Brazil," Morandini chia sẻ, "Wikipedia vẫn được coi là một nguồn không đáng tin cậy," và những bài viết dịch thuật cẩu thả từ phiên bản tiếng Anh sang chắc chắn sẽ không thể giúp cải thiện tiếng xấu đó. Cả Vermont và Morandini đều đồng tình rằng, đối với trường hợp những bài viết hoàn toàn là dịch máy, thì thà xoá những bài đó đi còn hơn. Bởi đa số các bài viết đó đều có "chất lượng quá tệ để mà giữ lại."

Quang Huy

Kể từ thứ Ba tuần sau (13/3), những người chơi quan tâm tới phiên bản FBRtrên Mobile (chỉ dành cho các thiết bị chạy iOS) có thể tham gia đăng ký trước ở trang chủ thông qua sự kiện “Invite Event”.

Những lá thư mời sau đó sẽ được Epic chuyển thẳng tới e-mail của bạn kèm đường dẫn tải game. Epic sẽ liên tục gửi thư mời tới những người chơi đã đăng ký ghi danh thành công trong những tháng sắp tới.

Việc hỗ trợ cho các thiết bị chạy Android sẽ có trong vài tháng tới, nhưng không có thời điểm cụ thể - theo thông cáo báo chí.

FBR, mode 1v100 PVP mà Epic cam kết rằng nó có “cùng cách chơi, chung bản đồ, nội dung giống nhau và update cùng nhau” với tựa game gốc Fortnite, cho người chơi trải nghiệm miễn phí từ cuối tháng 9 năm ngoái.

Khi phiên bản FBRtrên Mobile xuất hiện, đồng nghĩa với việc những người chơi trên các nền tảng PS4, PC, Mac, iOS và cả Android có thể cùng nhau bước vào các trận chiến sinh tử.

Lưu ý rằng, sự kiện “Invite Event” yêu cầu tối thiểu các thiết bị chạy iOS 11 – cụ thể là các dòng máy iPhone 6/SE, iPad Mini 4, iPad Pro, iPad Air 2 hoặc iPad 2017 trở lên.

Bất cứ ai được Epic gửi thư mời trải nghiệm đều sẽ nhận thêm một code để chia sẻ cho bạn bè cùng tham gia vào thế giới của FBR.

Hiện chưa có thông tin về những thiết bị di động chạy Android đủ tiêu chuẩn để chơi thử FBR.

Nick Chester, người chịu trách nhiệm truyền thông của Epic, đã giải thích trên Twitter cá nhân rằng, những người chơi FBRtrên Mobile có thể bắt cặp cùng với các game thủ PC hoặc và PS4. Tuy nhiên, “một người chơi PC không thể chơi cùng một game thủ PS4 hay Mobile” trừ khi họ muốn lập đội với bạn bè.

Mới đây, Epic cũng đã đưa vào Fortnitesúng săn, một loạt các jetpacks cùng mode “Teams of 20” (20 teams với thành phần gồm năm người tranh tài trong FBR).

Fortnitecũng đã trở thành tựa game được xem và được stream nhiều nhất trên Twitch – khi sở hữu thời lượng thời gian gấp đôi đối thủ cạnh tranh trực tiếp là PlayerUnknown’s Battlegrounds.

Fortnitecũng chính là nội dung gắn liền với streamer Tyler "Ninja" Blevins, người dã sở hữu lượng subscriber kỷ lục vượt mốc 100,000 vào ngày 03/3 vừa qua. 

None (Theo IGN)