AlphaGo: Từ bàn cờ đến đột phá khoa học

5 giờ trướcBài gốc

Bước ngoặt từ một ván cờ

Năm 2016, hệ thống trí tuệ nhân tạo AlphaGo của DeepMind lần đầu tiên đánh bại kỳ thủ cờ vây hàng đầu thế giới Lee Sae Dol trong trận đấu diễn ra tại Seoul (Hàn Quốc). Sự kiện thu hút hơn 200 triệu người theo dõi, trở thành một trong những cột mốc quan trọng của lịch sử trí tuệ nhân tạo.

Điểm nhấn của trận đấu là “nước đi 37” ở ván thứ hai. Đây là nước đi khiến nhiều bình luận viên chuyên nghiệp ban đầu cho rằng AlphaGo mắc sai lầm. Tuy nhiên, khoảng một trăm nước sau, chiến thuật này đã chứng minh hiệu quả, giúp hệ thống AI giành lợi thế quyết định và giành chiến thắng chung cuộc.

Bước ngoặc từ một ván cờ “nước đi 37”. Ảnh minh họa

Theo các nhà nghiên cứu, cờ vây từ lâu được xem là thử thách lớn đối với AI vì độ phức tạp cực cao. Số lượng trạng thái có thể xảy ra trên bàn cờ nhiều hơn cả số nguyên tử ước tính trong vũ trụ.

Để giải quyết bài toán này, AlphaGo sử dụng mạng thần kinh sâu kết hợp thuật toán tìm kiếm và phương pháp học tăng cường. Hệ thống ban đầu học từ dữ liệu các ván đấu của kỳ thủ chuyên nghiệp, sau đó tự chơi hàng trăm nghìn ván để tối ưu chiến lược.

Sau thành công này, DeepMind phát triển AlphaGo Zero - phiên bản có thể tự học từ các nước đi ngẫu nhiên để trở thành chương trình cờ vây mạnh nhất. Tiếp đó là AlphaZero, hệ thống có thể làm chủ nhiều trò chơi chiến lược như cờ vây, cờ vua và shogi chỉ dựa trên luật chơi cơ bản.

Kỳ thủ Lee Sae Dol nhận định: “Tôi tin rằng bài học lớn nhất mà AlphaGo mang lại là một cái nhìn thực tế về kỷ nguyên AI - minh chứng rằng AI không còn là tương lai xa vời mà đã trở thành hiện thực. AlphaGo giống như một ‘lộ trình từ tương lai’, cho thấy thế giới sẽ thay đổi ra sao”.

Từ AI chơi cờ đến công cụ khoa học

Sau chiến thắng của AlphaGo, các nhà nghiên cứu đã áp dụng những nguyên lý của hệ thống này vào nhiều lĩnh vực khoa học.

Một trong những thành tựu nổi bật là AlphaFold 2 - hệ thống dự đoán cấu trúc 3D của protein, ra mắt năm 2020. Công nghệ này giúp giải quyết bài toán cuộn gấp protein tồn tại suốt hơn nửa thế kỷ trong sinh học.

Nhờ AlphaFold, cấu trúc của khoảng 200 triệu protein đã được giải mã và công bố miễn phí trong cơ sở dữ liệu mở phục vụ cộng đồng khoa học. Theo Google DeepMind, hơn 3 triệu nhà nghiên cứu trên toàn cầu đang sử dụng dữ liệu này để phục vụ các dự án từ phát triển vaccine sốt rét đến thiết kế enzyme phân hủy nhựa.

Những phương pháp từ AlphaGo cũng được áp dụng vào toán học và khoa học máy tính. Hệ thống AlphaProof và AlphaGeometry 2 có thể giải các bài toán phức tạp, đạt thành tích tương đương huy chương bạc tại Kỳ thi Olympic Toán quốc tế (IMO).

Trong lĩnh vực thuật toán, tác nhân lập trình AlphaEvolve được phát triển để tìm ra các phương án mã nguồn tối ưu. Hệ thống này thậm chí đã phát hiện một phương pháp nhân ma trận mới - phép toán cốt lõi của nhiều mô hình trí tuệ nhân tạo hiện đại.

Ngoài ra, các nguyên lý tìm kiếm và suy luận của AlphaGo còn được tích hợp vào các hệ thống “AI cộng sự khoa học”. Những hệ thống này có thể phân tích lượng lớn tài liệu nghiên cứu và đề xuất giả thuyết khoa học mới. Trong một nghiên cứu tại Imperial College London, AI đã độc lập đưa ra giả thuyết về cơ chế kháng kháng sinh tương tự kết luận của các nhà khoa học sau nhiều năm nghiên cứu.

Theo Google DeepMind, những bước tiến này đang góp phần xây dựng các hệ thống AI mạnh hơn như Gemini, hướng tới mục tiêu phát triển trí tuệ nhân tạo tổng quát (AGI) - loại AI có khả năng suy luận và giải quyết vấn đề trên nhiều lĩnh vực.

Mười năm sau “nước đi 37”, AlphaGo không chỉ là chiến thắng trên bàn cờ mà còn trở thành nền tảng cho nhiều tiến bộ khoa học. Các nhà nghiên cứu cho rằng, sự kết hợp giữa khả năng tìm kiếm chiến lược của AlphaGo, mô hình đa phương thức của Gemini và các công cụ AI chuyên biệt có thể mở ra một giai đoạn mới cho khoa học và công nghệ trong tương lai.

Bài và ảnh: Hải Yên/Báo Tin tức và Dân tộc

Nguồn Tin Tức TTXVN : https://baotintuc.vn/khoa-hoc-cong-nghe/alphago-tu-ban-co-den-dot-pha-khoa-hoc-20260313094215053.htm