AI học cách ghi nhớ như con người: Bước tiến mới hướng tới máy móc biết suy nghĩ

Một khung trí tuệ nhân tạo (AI) mới lấy cảm hứng từ cơ chế hoạt động của trí nhớ con người có thể giúp máy móc trở nên hiệu quả hơn, linh hoạt hơn và có khả năng lý luận sâu hơn.

Theo công trình vừa được công bố trên tạp chí Engineering, các nhà khoa học đã giới thiệu một cách tiếp cận hoàn toàn mới cho trí tuệ nhân tạo bằng cách mô phỏng cách bộ não con người ghi nhớ và xử lý thông tin. Nghiên cứu này hướng tới việc khắc phục những hạn chế vốn tồn tại ở các mô hình AI quy mô lớn như ChatGPT, mở đường cho thế hệ hệ thống thông minh hơn, có khả năng học hỏi, thích ứng và tư duy gần với con người hơn.

Dù các mô hình ngôn ngữ lớn đã thể hiện năng lực ấn tượng trong nhiều lĩnh vực, chúng vẫn tồn tại nhiều điểm yếu như tiêu tốn lượng dữ liệu và tài nguyên tính toán khổng lồ, dễ mắc hiện tượng “quên thảm họa” — tức là mất kiến thức cũ khi học cái mới — và đặc biệt là còn hạn chế trong khả năng suy luận logic. Theo nhóm tác giả, nguyên nhân của những hạn chế này nằm ở chính cấu trúc của mạng nơ-ron nhân tạo, quy trình huấn luyện hiện nay và việc phụ thuộc hoàn toàn vào dữ liệu đầu vào mà thiếu yếu tố tư duy nhận thức.

Để vượt qua những rào cản đó, nhóm nghiên cứu đã đề xuất khái niệm “ trí nhớ máy ” (machine memory) — một mạng lưu trữ phân tầng, phân tán, có khả năng mã hóa thông tin bên ngoài thành dạng mà máy có thể hiểu và tính toán được. Cấu trúc này không chỉ cho phép hệ thống cập nhật dữ liệu một cách linh hoạt mà còn hình thành các mối liên kết không gian – thời gian và khả năng truy xuất thông tin mờ tương tự như cách não người gợi nhớ.

Dựa trên nền tảng trí nhớ máy, họ phát triển khung làm việc mới mang tên M2I (Machine Memory Intelligence) , gồm ba mô-đun chính là biểu diễn, học tập và lý luận. Ba thành phần này tạo thành hai vòng lặp tương tác liên tục, giúp máy không chỉ ghi nhớ mà còn hiểu, học và suy nghĩ.

Khung M2I tập trung vào bốn hướng nghiên cứu lớn:

• Cơ chế thần kinh của trí nhớ máy:
  Nghiên cứu tìm hiểu cách hệ thần kinh não bộ được định hình sẵn và sự dẻo dai thần kinh (neural plasticity) góp phần vào trí thông minh.

• Biểu diễn liên kết (Associative representation):
  Khung M2I mô phỏng cách trí nhớ con người liên kết thông tin trừu tượng – cụ thể và không gian – thời gian, từ đó giúp máy mã hóa và truy xuất dữ liệu linh hoạt hơn.

• Học liên tục (Continual learning):
  Để tránh “quên thảm họa”, nhóm nghiên cứu đề xuất cơ chế cho phép AI học thêm kiến thức mới mà không làm mất dữ liệu cũ, kể cả trong điều kiện tiết kiệm năng lượng.

• Lý luận cộng tác (Collaborative reasoning):
  Mô hình hướng tới việc kết hợp trực giác và logic, giúp AI lý luận hiệu quả và dễ hiểu hơn, tương tự như con người.

Trong từng mảng nghiên cứu, các nhà khoa học đều xem xét kỹ những vấn đề cốt lõi và thành tựu mới nhất. Họ phân tích cách sự dẻo dai thần kinh và phát triển của não bộ góp phần tạo ra trí thông minh, đồng thời đề xuất các phương pháp mã hóa – truy xuất dữ liệu giúp máy học hiệu quả hơn. Mục tiêu cuối cùng là tạo nên một hệ thống có thể học hỏi và suy luận như con người, vừa nhạy bén, vừa bền vững.

Nghiên cứu này được kỳ vọng sẽ mở ra một hướng đi hoàn toàn mới cho lĩnh vực trí tuệ nhân tạo. Bằng việc mô phỏng cơ chế ghi nhớ tự nhiên của con người, khung M2I có thể giúp máy móc xử lý tốt hơn các nhiệm vụ phức tạp và thích ứng nhanh hơn với những thay đổi trong môi trường xung quanh. Tuy nhiên, nhóm nghiên cứu cũng nhấn mạnh rằng cần thêm thời gian và thử nghiệm thực tế để biến lý thuyết này thành công nghệ ứng dụng.

“Nghiên cứu về trí nhớ máy lấy cảm hứng từ con người mở ra một hướng đi đầy triển vọng cho AI,” nhóm tác giả kết luận. “Nó mang lại một góc nhìn mới trong việc khắc phục những giới hạn của các mô hình hiện tại và có thể trở thành nền tảng cho thế hệ máy thông minh tiếp theo.”