Những nỗ lực liên quan đến khoa học sâu sắc đang tạo điều kiện cho các sáng kiến mới, AI mới này mô phỏng các nền kinh tế và dự đoán loại hình khởi nghiệp nào nhận được tài trợ. Phạm vi nghiên cứu trong lĩnh vực học máy và AI, hiện là công nghệ quan trọng trong hầu hết mọi lĩnh vực và công ty, đơn giản là quá lớn để bất kỳ ai có thể hiểu được. Trong bài viết này, chúng tôi dự định tập hợp một số khám phá và bài báo quan trọng nhất gần đây – đặc biệt là những khám phá liên quan đến trí tuệ nhân tạo – và giải thích tại sao chúng lại quan trọng.
Các nhà nghiên cứu đã đào tạo các hệ thống để hiểu được ảnh hưởng của sự tương tác giữa nền tảng và người tiêu dùng
Các nhà khoa học đã tiến hành một nghiên cứu hấp dẫn trong tuần này để dự báo các nền tảng “theo định hướng thị trường” như các doanh nghiệp giao đồ ăn và gọi xe sẽ ảnh hưởng như thế nào đến toàn bộ nền kinh tế khi được tối ưu hóa cho các mục tiêu khác nhau, chẳng hạn như tối đa hóa lợi nhuận. Ngoài ra, các nhà nghiên cứu tại ETH Zurich đã phát triển bản đồ chiều cao thảm thực vật toàn cầu có độ phân giải cao đầu tiên cho năm 2020 từ ảnh vệ tinh sử dụng mạng lưới thần kinh nhân tạo.
Nền tảng định hướng thị trường này được xây dựng trên AI Economist của Salesforce, một cộng đồng nghiên cứu tìm kiếm mở nhằm tìm hiểu cách trí tuệ nhân tạo có thể xây dựng các chính sách kinh tế. Trên thực tế, một số người tạo ra AI Economist là một phần của nghiên cứu mới, được ghi lại trong một bài báo hồi tháng Ba.
Theo các đồng tác giả, mục tiêu của nghiên cứu là xem xét các thị trường hai mặt như Amazon, DoorDash, Uber và TaskRabbit có nhiều sức mạnh thị trường hơn do cung và cầu ngày càng tăng. Các nhà nghiên cứu đã đào tạo một hệ thống để hiểu được tác động của sự tương tác giữa các nền tảng và người tiêu dùng bằng cách sử dụng học tăng cường – một phương pháp trí tuệ nhân tạo học bằng cách thử và sai để giải quyết các vấn đề phức tạp.
“Chúng tôi sử dụng phương pháp học tăng cường để suy luận về cách một nền tảng sẽ hoạt động theo các mục tiêu thiết kế khác nhau… [Our] trình mô phỏng cho phép đánh giá các chính sách học tăng cường trong các môi trường khác nhau theo các mục tiêu và giả định mô hình khác nhau. Chúng tôi đã khám phá tổng cộng 15 bối cảnh thị trường khác nhau – tức là sự kết hợp giữa cấu trúc thị trường, kiến thức của người mua về người bán, [economic] cường độ sốc và mục tiêu thiết kế”, các đồng tác giả nói với TechCrunch.
AI mô phỏng nền kinh tế và đưa ra kết quả chính xác, nhưng bằng cách nào?
Các nhà nghiên cứu đã đi đến kết luận rằng một nền tảng được thiết kế để tối đa hóa thu nhập sẽ làm tăng phí và thu nhiều tiền hơn từ người mua và người bán trong thời kỳ kinh tế suy thoái, gây tổn hại đến phúc lợi xã hội. Khi chi phí của nền tảng được ấn định theo quy định, họ phát hiện ra rằng động cơ tối đa hóa doanh thu của nền tảng thường trùng khớp với những cân nhắc về phúc lợi của toàn bộ nền kinh tế.
Các tác giả của nghiên cứu gợi ý rằng phương pháp mà họ dự định công bố có thể được một doanh nghiệp hoặc nhà hoạch định chính sách sử dụng để phân tích nền kinh tế nền tảng trong nhiều điều kiện, thiết kế và hạn chế pháp lý khác nhau.
“Chúng tôi áp dụng học tăng cường như một phương pháp để mô tả các hoạt động chiến lược của các doanh nghiệp nền tảng nhằm tối ưu hóa việc định giá và kết hợp của họ để ứng phó với những thay đổi của môi trường, cú sốc kinh tế hoặc một số quy định. Điều này có thể cung cấp những hiểu biết mới về nền kinh tế nền tảng vượt xa công việc này hoặc những nền tảng có thể được tạo ra bằng phương pháp phân tích,” họ giải thích.
Các nhà nghiên cứu từ Skopai, một công ty khởi nghiệp sử dụng AI để đánh giá các doanh nghiệp dựa trên các yếu tố như công nghệ, thị trường và tài chính, tuyên bố có thể dự đoán khả năng thu hút đầu tư của một công ty bằng cách sử dụng dữ liệu có sẵn miễn phí. Các tác giả tuyên bố rằng họ có thể thu được kết quả dự đoán “có thể so sánh với những kết quả sử dụng dữ liệu có cấu trúc có sẵn trong cơ sở dữ liệu riêng tư”.
AI đã được sử dụng để bổ sung cho hoạt động thẩm định trong một thời gian. Correlation Ventures, EQT Ventures và Signalfire là một trong những công ty hiện đang sử dụng thuật toán trong các khoản đầu tư của mình. Dựa theo Gartner75% nhà đầu tư mạo hiểm sẽ sử dụng AI trong việc ra quyết định vào năm 2025, tăng từ mức dưới 5% Hiện nay.
Trong khi một số người nhìn thấy tiềm năng của công nghệ, những người khác lại chấp nhận rủi ro một cách nghiêm túc. Theo Harvard Business Review (HBR) vào năm 2020, một thuật toán đầu tư hoạt động tốt hơn các nhà đầu tư mới làm quen nhưng có sai lệch phản ánh HBR cho biết, thực tế là như vậy, đồng thời kêu gọi sự chú ý đến xu hướng của AI trong việc làm trầm trọng thêm những định kiến hiện có.
Theo truyền thống, các thuật toán thị giác máy tính đã được đào tạo bằng cách sử dụng nhiều ví dụ về các đối tượng đã được con người phân loại. STEGO loại bỏ quy trình tốn nhiều thời gian và công sức nêu trên bằng cách áp dụng nhãn lớp cho từng pixel trong ảnh thay vì dựa vào nhãn của con người. Theo các tác giả nghiên cứu, công nghệ này không hoàn hảo nhưng STEGO có thể tách thành công các vật thể như đường, người và biển báo đường phố.
Ngoài ra, các nhà khoa học tại MIT, Cornell và Microsoft đã tạo ra một thuật toán thị giác máy tính có tên là STEGO (Máy biến áp tự giám sát với Tối ưu hóa đồ thị dựa trên năng lượng) có thể nhận dạng hình ảnh ở mức pixel. Mặc dù điều này nghe có vẻ không nhiều nhưng đây là một cải tiến so với phương pháp dạy thuật toán truyền thống để nhận biết và phân loại các đối tượng trong ảnh và video.
Về chủ đề nhận dạng đối tượng, có vẻ như chúng ta đang tiến gần đến thời điểm mà các nghiên cứu học thuật như DALL-E 2, cơ chế tạo hình ảnh của OpenAI, được sản xuất thành sản phẩm. Ví dụ, các nhà nghiên cứu tại Viện Khoa học và Công nghệ Gwangju cũng đã phát triển phương pháp UOAIS cho phép AI phát hiện các vật thể bị che khuất. Một nghiên cứu khác từ Đại học Columbia cho thấy một công nghệ gọi là Đá mắt mèo tạo ra hình ảnh nổi bật cho các câu chuyện tin tức dựa trên mô tả văn bản và sử dụng tín hiệu trực quan để hướng dẫn người dùng trong suốt quá trình.
Khi các học giả thử nghiệm Opal với một nhóm người tham gia, họ nhận thấy rằng những người sử dụng nó “hiệu quả hơn” trong việc tạo ra các hình ảnh nổi bật cho bài viết, tạo ra số kết quả “có thể sử dụng” gần gấp đôi so với những người dùng không sử dụng nó. Thật dễ dàng để hình dung thứ gì đó giống như Opal đang tìm đường vào các hệ thống quản lý nội dung như WordPress, có thể dưới dạng plugin hoặc tiện ích mở rộng.
“Với văn bản bài viết, Opal hướng dẫn người dùng thông qua tìm kiếm có cấu trúc cho các khái niệm trực quan và cung cấp các quy trình cho phép người dùng minh họa dựa trên giọng điệu, chủ đề và phong cách minh họa dự định của bài viết, Opal tạo ra nhiều bộ minh họa biên tập, nội dung đồ họa và ý tưởng khái niệm đa dạng,” các đồng tác giả đã viết.
