Chúng ta đang sống giữa một cuộc bùng nổ của trí tuệ nhân tạo. ChatGPT có thể trò chuyện và viết lách, các hệ thống AI có thể nhận diện hình ảnh, hỗ trợ chẩn đoán bệnh hay điều khiển xe tự lái. Nhưng đằng sau những khả năng tưởng như kỳ diệu ấy là một câu hỏi căn bản: Máy móc thực sự “học” bằng cách nào?
Trong Tại sao máy học - Vẻ đẹp toán học đằng sau AI hiện đại, cây bút khoa học Anil Ananthaswamy đưa độc giả vượt qua lớp vỏ của những ứng dụng AI để khám phá nền tảng toán học đã khiến việc “học” của máy trở nên khả thi. Đó là một hành trình bắt đầu từ perceptron của Frank Rosenblatt vào những năm 1950, đi qua các mạng nơ-ron, học sâu và cuối cùng tiến đến những kiến trúc đứng sau các mô hình ngôn ngữ lớn hiện đại.
Điểm đặc biệt của cuốn sách là Ananthaswamy không trình bày toán học như một tập hợp công thức khô khan. Đại số tuyến tính, vectơ, ma trận, giải tích, xác suất thống kê hay lý thuyết tối ưu hóa lần lượt xuất hiện khi chúng trở thành chìa khóa để giải thích một vấn đề cụ thể: máy nhận ra quy luật trong dữ liệu ra sao, một nơ-ron nhân tạo “học từ sai lầm” như thế nào, và bằng cách nào những cấu trúc toán học tương đối đơn giản có thể phát triển thành các mạng nơ-ron sâu đầy sức mạnh.
Song song với toán học là lịch sử của học máy - câu chuyện về những nhà toán học, vật lý học, khoa học thần kinh và khoa học máy tính, về những ý tưởng từng bị hoài nghi hoặc rơi vào quên lãng trước khi trở thành nền móng của AI ngày nay. Cuốn sách vì thế không chỉ trả lời AI hoạt động như thế nào, mà còn giúp chúng ta hiểu vì sao nó có thể hoạt động, sức mạnh của nó đến từ đâu và giới hạn của nó nằm ở đâu.
Đây là cuốn sách dành cho những ai không muốn chỉ sử dụng AI, mà muốn thực sự hiểu thứ công nghệ đang ngày càng định hình thế giới của chúng ta.
Lời khen tặng dành cho cuốn sách
“Một số cuốn sách viết về sự phát triển của mạng nơ-ron nhân tạo tập trung vào nền tảng toán học, trong khi những cuốn khác lại kể về lịch sử xã hội của lĩnh vực này. Cuốn sách của Anil Ananthaswamy làm được cả hai, đặt phần toán học vào chính bối cảnh lịch sử xã hội đã sản sinh ra nó. Đây thực sự là một kiệt tác. Tác giả vô cùng xuất sắc trong việc giải thích toán học theo cách giúp những người chỉ có kiến thức cơ bản về toán cũng có thể tiếp cận được; đồng thời, ông cũng là một cây viết rất tài hoa, người đã làm cho lịch sử xã hội ấy trở nên sống động.” - Geoffrey Hinton, chủ nhân giải Nobel, “bố già” AI, nhà tiên phong trong lĩnh vực học sâu, chủ nhân giải thưởng Turing, cựu Phó chủ tịch tại Google, và Giáo sư Danh dự tại Đại học Toronto.
“Nếu bạn đang tìm kiếm một phương cách để hiểu cuộc cách mạng AI đang diễn ra mạnh mẽ, thì không cần tìm đâu xa nữa. Với cuốn sách toàn diện nhưng đầy lôi cuốn này, Anil Ananthaswamy đã đặt tất cả vào đúng bối cảnh, từ nguồn gốc của ý tưởng và các phương trình chi phối nó, cho đến tiềm năng thay đổi nền y học, vật lý lượng tử - và hầu như mọi khía cạnh trong cuộc sống của chúng ta. Một cuốn sách phải đọc để thấu hiểu cả những khả năng lẫn hạn chế của trí tuệ nhân tạo.” - Sabine Hossenfelder, nhà vật lý học kiêm tác giả có sách bán chạy nhất theo bình chọn của tờ New York Times với tác phẩm Vật lý học hiện sinh: Hướng dẫn của một nhà khoa học cho những câu hỏi lớn nhất của cuộc sống (Existential Physics: A Scientist’s Guide to Life’s Biggest Questions).
“AI tạo sinh (Generative AI), với nền tảng từ học máy là một bước tiến mang tính bước ngoặt tương tự như sự ra đời của bộ vi xử lý, Internet hay điện thoại di động. Thế nhưng, ngoài một nhóm nhỏ chuyên gia, hầu như không ai thực sự hiểu nó vận hành như thế nào. Anil Ananthaswamy đã xóa bỏ bí ẩn ấy bằng cách giới thiệu nền toán học đứng sau bước phát triển cách mạng này theo một lối tiếp cận nhẹ nhàng, trực quan và gần gũi với con người.” - Peter E. Hart, nhà tiên phong về AI, doanh nhân và đồng tác giả cuốn Phân loại mẫu (Pattern Classification)