Giai đoạn "Mùa đông AI" (1970–1980) là một thời kỳ quan trọng trong lịch sử phát triển của trí tuệ nhân tạo (AI), nhưng lại mang màu sắc u ám. Đây là giai đoạn mà kỳ vọng vượt xa khả năng thực tế của công nghệ, dẫn đến sự thất vọng và cắt giảm tài trợ. Dưới đây là chi tiết về bối cảnh, nguyên nhân, hậu quả và tác động của giai đoạn này:

I. Bối cảnh dẫn đến "Mùa đông AI"

1. Kỳ vọng cao từ thập niên 1950–1960

• Các nhà nghiên cứu đã đạt được những thành tựu ban đầu đầy ấn tượng, như:
• Logic Theorist (1956): Giải được các bài toán logic.
• ELIZA (1966): Giao tiếp bằng ngôn ngữ tự nhiên.
• Perceptron (1958): Mô hình đơn giản của mạng neuron nhân tạo.
• Kỳ vọng lớn rằng AI có thể nhanh chóng thay thế con người trong các công việc như dịch thuật, xử lý ngôn ngữ tự nhiên, và ra quyết định.

2. Quá trình tài trợ mạnh mẽ

• Chính phủ, đặc biệt là Hoa Kỳ và Anh, tài trợ mạnh cho nghiên cứu AI với mục tiêu phát triển công nghệ cho quân sự, kinh tế và giáo dục.
• Các nhà nghiên cứu hứa hẹn những bước tiến vượt bậc, như xe tự hành và máy tính có thể hiểu ngôn ngữ con người.

II. Nguyên nhân của "Mùa đông AI"

1. Hạn chế công nghệ

• Sức mạnh tính toán thấp: Máy tính thời đó có hiệu năng thấp, không đủ sức chạy các thuật toán phức tạp.
• Thiếu dữ liệu và bộ nhớ: Các hệ thống cần nhiều dữ liệu để hoạt động hiệu quả, nhưng việc thu thập và lưu trữ dữ liệu còn hạn chế.

2. Hạn chế về thuật toán

• Mạng Perceptron:
• Năm 1969, Marvin Minsky và Seymour Papert xuất bản cuốn sách "Perceptrons", chỉ ra rằng Perceptron chỉ giải quyết được các bài toán tuyến tính và không thể xử lý các vấn đề phức tạp như hàm XOR.
• Điều này làm giảm niềm tin vào mạng neuron nhân tạo, khiến nghiên cứu trong lĩnh vực này đình trệ.
• Hệ chuyên gia: Các hệ chuyên gia (expert systems) như DENDRAL và MYCIN hoạt động tốt trong lĩnh vực hẹp, nhưng không thể mở rộng ra các ứng dụng rộng lớn hơn.

3. Hạn chế về khả năng xử lý ngôn ngữ tự nhiên

Dịch máy và xử lý ngôn ngữ tự nhiên đối mặt với các vấn đề phức tạp:

• Ngôn ngữ con người quá đa dạng, phức tạp để máy tính có thể hiểu đúng ngữ nghĩa.
• Những kỳ vọng rằng AI có thể dịch ngôn ngữ một cách hoàn hảo trong vài năm tỏ ra phi thực tế.

4. Kỳ vọng không thực tế và sự thổi phồng

• Các nhà nghiên cứu và truyền thông đã thổi phồng khả năng của AI, tạo ra áp lực lớn từ chính phủ và nhà tài trợ.
• Khi các kết quả không đạt được như kỳ vọng, niềm tin vào AI giảm mạnh.

III. Hậu quả của "Mùa đông AI"

1. Suy giảm tài trợ

• Chính phủ Mỹ, thông qua DARPA (Defense Advanced Research Projects Agency), cắt giảm tài trợ cho các dự án AI.
• Các tổ chức tư nhân và quỹ nghiên cứu cũng giảm hỗ trợ, chuyển hướng sang các lĩnh vực công nghệ khác.

2. Đình trệ nghiên cứu

• Nhiều dự án AI bị hủy bỏ hoặc ngừng phát triển.
• Các nhà nghiên cứu hàng đầu trong lĩnh vực AI chuyển sang các lĩnh vực khác như học máy, tin học lý thuyết, hoặc công nghệ phần mềm.

3. Suy giảm niềm tin vào AI

• AI bị xem là lĩnh vực "không thực tế".
• Các công ty và nhà đầu tư e ngại rủi ro khi đầu tư vào AI.

IV. Tác động tích cực và học được từ "Mùa đông AI"

Mặc dù là một giai đoạn khó khăn, nhưng "Mùa đông AI" đã mang lại những bài học và động lực cho tương lai:

1. Tăng cường thực tế hóa kỳ vọng

• Các nhà nghiên cứu bắt đầu định hình lại mục tiêu, tập trung vào các bài toán thực tế và khả thi hơn.
• Thay vì kỳ vọng "máy móc thông minh như con người", họ chuyển sang giải quyết các bài toán cụ thể.

2. Sự xuất hiện của các phương pháp thay thế

• Nghiên cứu mạng neuron nhân tạo dừng lại, nhưng các phương pháp khác, như lập trình logic và học thống kê, bắt đầu nổi lên.
• Học máy (Machine Learning) và xử lý tín hiệu trở thành trọng tâm.

3. Cải tiến phần cứng và phần mềm

• Các hạn chế về sức mạnh tính toán và bộ nhớ buộc các nhà khoa học phải tối ưu hóa thuật toán.
• Khi công nghệ phần cứng tiến bộ vào thập niên 1980, AI bắt đầu lấy lại vị thế.

V. Điểm sáng trong giai đoạn "Mùa đông AI"

Dù gặp khó khăn, vẫn có những nghiên cứu quan trọng trong giai đoạn này:

• Hệ chuyên gia (Expert Systems):
• MYCIN (1972): Một hệ chuyên gia hỗ trợ bác sĩ trong việc chẩn đoán bệnh nhiễm khuẩn máu.
• PROLOG (1972): Ngôn ngữ lập trình logic được phát triển để xây dựng các hệ thống AI.
• Sự ra đời của Robotics: Các nghiên cứu trong lĩnh vực robot vẫn tiếp tục, dù bị tách biệt khỏi AI.

VI. Bài học từ "Mùa đông AI"

1. Tránh thổi phồng kỳ vọng: Kỳ vọng không thực tế có thể dẫn đến sự thất vọng và đình trệ nghiên cứu.
2. Tập trung vào các bài toán cụ thể: Các ứng dụng AI hẹp (narrow AI) thường mang lại giá trị thực tế hơn là theo đuổi trí tuệ toàn diện (general AI).
3. Hệ sinh thái công nghệ cần đồng bộ: AI phụ thuộc lớn vào sự phát triển của phần cứng, phần mềm, và dữ liệu.

Xem thêm: Lịch sử AI

"Mùa đông AI" (1970–1980) là một giai đoạn đầy khó khăn nhưng cần thiết để định hình lại lĩnh vực AI. Giai đoạn này đã giúp AI chuyển từ những kỳ vọng viển vông sang một hướng phát triển thực tế và bền vững hơn. Chính từ những bài học này, ngành AI đã vươn lên mạnh mẽ hơn trong các thập kỷ sau.