Người ta đã sử dụng A.I trong nhiều lĩnh vực như tuyển dụng, bán lẻ, gợi ý hàng tiêu dùng… Tuy nhiên, trí tuệ nhân tạo cũng bộc lộ điểm yếu khó chấp nhận: Chúng khá thiên vị.

Thiên vị có thể là hành vi của riêng con người, và “máy móc không biết nói dối". Nhưng AI, với nguồn gốc từ một cỗ máy lại có thể thiên vị, tức chúng ưu tiên người da trắng hơn da màu trong việc tuyển dụng chẳng hạn. Chính “lỗ hổng” này làm cho các nhà khoa học rất đau đầu và quyết tìm ra nguyên nhân hòng khắc phục triệt để. Tuy nhiên mọi việc không hề đơn giản.

Thiên vị xuất phát từ đâu?

Chúng ta thường đơn giản hóa vấn đề bằng cách đổ lỗi. Trong trường hợp này, có thể cho rằng A.I cũng chỉ là máy, máy móc thiên vị do dữ liệu nhận được bị sai lệch. Nói cách khác dữ liệu mang tính thiên vị.

Tuy nhiên sự thật, dữ liệu chỉ là bước gần cuối cùng của quá trình AI suy nghĩ và giải quyết vấn đề. Nói cách khác, sự thiên vị đã bám rễ rất lâu trước khi các dữ liệu được đưa vào máy tính xử lý. Bản thân các thuật toán xử lý đã có tính thiên vị từ lâu.

Không riêng con người, AI cũng mang tính thiên vị rất cao. Ảnh: Science.

 Ngay từ khi các nhà khoa học máy tính tạo ra mô hình học sâu, họ đã phải quyết định xem rốt cuộc cái họ muốn đạt được là gì. Ví dụ xử lý dữ liệu khách hàng tiềm năng cho một công ty tín dụng. Công ty muốn trí tuệ nhân tạo tìm ra những khách hàng tiềm năng nhất cho họ. Nhưng “tiềm năng nhất” là gì? Là có nhiều tiền hay nhiều khả năng mang lại lợi nhuận cho công ty thông qua vay tín dụng?

Bởi máy tính cần phải số hóa được các tiêu chí đưa ra, chúng chỉ xử lý và phân tích xem các con số của người dùng là lớn hay nhỏ để có thể xem đó là “tiềm năng”.

Như vậy, nếu khách hàng có nhiều tiền nhưng họ không vay tín dụng thì công ty tín dụng sẽ ít lợi nhuận, nhưng ngược lại những người hay vay tiền lại là đối tượng mang lại lợi nhuận lớn hơn, đổi lại tỷ lệ trả tiền của họ có thể thấp hơn, dẫn tới rủi ro cao hơn.

“Từ thuở khai sinh, các thuật toán ra đời để giải quyết mục tiêu số hóa khác nhau của người dùng, chứ không phải để đánh giá công bằng bản chất của họ”, Solon Barocas, trợ lý giáo sư tại đại học Cornell cho biết. Anh là chuyên gia trong lĩnh vực kiểm soát "yếu tố công bằng” của AI.

Như vậy, nếu thuật toán phát hiện ra đối tượng người dùng thích vay tiền và vay nhiều tiền trong quá khứ, nó sẽ kết luận họ là đối tượng “tiềm năng” cho công ty tín dụng. Tuy nhiên, trên thực tế các đối tượng này lại là đối tượng cần tránh xa do rủi ro mà họ mang lại.

Do các vấn đề trên mang tính lựa chọn và cả triết học (đâu là lựa chọn đúng, đâu là sai), xử lý dữ liệu đầu vào tốt có vẻ vẫn là cách khả thi hơn để giải quyết sự thiên vị của máy tính.

Sự thiên vị của AI không dễ để khắc phục bởi phụ thuộc vào tính lựa chọn và cả triết học khi định nghĩa một lựa chọn. Ảnh: Medium.

Dữ liệu cung cấp bị thiên vị

Có hai cách mà sự thiên vị thể hiện trong dữ liệu cần xử lý: Hoặc dữ liệu bạn thu thập không thể hiện đúng thực tế, hoặc nó phản ánh những định kiến hiện có.

Trường hợp đầu tiên có nhiều khả năng xảy ra. Ví dụ, nếu một thuật toán học sâu được cung cấp nhiều hình ảnh về khuôn mặt có màu da sáng hơn so với khuôn mặt có màu da tối, hệ thống nhận diện khuôn mặt chắc chắn sẽ cho rằng gương mặt tối là “không tốt bằng”.

Trường hợp thứ hai đã xảy ra khi Amazon phát hiện ra công cụ tuyển dụng nội bộ của họ liên tục sa thải các ứng cử viên nữ. Bởi nó được học về các quyết định tuyển dụng trong lịch sử công ty, vốn ưa thích đàn ông hơn phụ nữ, nên nó đã chọn cách làm tương tự.

Sự thiên vị có thể xuất hiện trong giai đoạn chuẩn bị dữ liệu, tức việc chọn thuộc tính của đối tượng cho thuật toán xem xét. Ví dụ như trong việc đưa ra các tiêu chí cho “khách hàng tiềm năng” của công ty tín dụng trên, các thông số có thể là tuổi tác, thu nhập, số lần đã trả nợ. Trong trường hợp của Amazon, các thông số có thể là giới tính, trình độ học vấn, số năm kinh nghiệm.

Chính vì các thông số đó dễ bị nhầm lẫn và không hoàn toàn đánh giá đúng đối tượng là con người, việc chọn ra bộ thông số phù hợp với nhu cầu người dùng và đưa cho máy tính xử lý sao cho kết quả ra công bằng là không thể đạt được.

AI có thể đưa ra đúng đối tượng mà bạn mong muốn, nhưng nó chắc chắn sẽ mang tính thiên vị khi loại ra những đối tượng khác.

Rất khó khắc phục sự thiên vị của AI

Ngay cả chúng ta, những con người tạo ra máy móc cũng mang tính thiên vị rất cao. Do đó, có những nguyên nhân căn bản bên trong mang tính triết học mà ngay cả con người còn chưa vượt qua được, huống hồ máy móc.

Đầu tiên là việc không lường trước cái chưa biết. Khi thả bom nguyên tử xuống Nhật Bản, người Mỹ chưa nghĩ tới bụi phóng xạ sẽ còn tồn tại và gây ung thư cho rất nhiều người sau này. Hoặc khi tìm ra xăng dầu vào đầu thế kỉ XX, chưa ai từng nghĩ đến vấn đề nóng lên toàn cầu mà ngày nay chúng ta phải đối mặt.

Mọi vật đều có liên quan ít nhiều đến nhau, các thông số đặc trưng của đối tượng này sớm muộn cũng sẽ bị ảnh hưởng bởi thông số đặc trưng của đối tượng khác.

Amazon tá hỏa khi công cụ của mình loại bỏ toàn nhân viên nữ. Ảnh: Timeslive.

Các kĩ sư của Amazon không ngốc tới mức không lường trước sự thiên vị của AI mà họ xây dựng. Họ đã lập trình để nó bỏ qua các cụm từ về giới tính như “dành cho nam giới”, “của phụ nữ”.

Tuy nhiên người ta sớm phát hiện rằng hệ thống ngôn ngữ của nhân loại hết sức đáng sợ. Các cụm từ khác ám chỉ về giới tính đã được cỗ máy đưa vào dữ liệu cần học như “đao thủ” (100% các đao thủ trong lịch sử là nam giới) hoặc “nội trợ” đã biến khối dữ liệu đầu vào trở nên thiên vị.

Đâu là công bằng?

Chắc chắn rất khó để định nghĩa “sự công bằng” trong xã hội, ngay cả trong triết học cũng không có khái niệm thuyết phục về "tính công bằng”. Đó là lý do các hệ thống pháp luật luôn có kẽ hở và suốt chiều dài lịch sử, loài người luôn tìm kiếm một tầng lớp, một vật thể nào đó gánh hết “bất công” của xã hội như nô lệ, súc vật, máy móc.

Đối với khoa học, “công bằng” chỉ đơn giản là sự cân bằng các đại lượng. Chính sự khác nhau rất lớn giữa 2 khái niệm “công bằng” trong toán học và thực tế xã hội, mà A.I còn lâu mới có thể trở nên công bằng như cái cách mà người ta mong muốn, vì suy cho cùng, con người còn chưa xác định rõ cái “công bằng” mà họ muốn ở đây là gì.

Như trong bài toán của Amazon, đôi khi đúng là các nhân viên nam giới mạnh hơn nhân viên nữ và sẽ phù hợp hơn cho công việc. Tôi mạnh khỏe hơn, tôi được tuyển dụng, chân lý đó chẳng phải đã có từ thuở chúng ta còn ăn lông ở lỗ hay sao? Như vậy, việc máy tính loại ra các nhân viên nữ tuy sai về mặt đạo đức công bằng xã hội , nhưng về mặt lợi ích kinh tế thì hoàn toàn đúng.

Blizzard phát ra thông báo trên trang diễn đànOverwatchHàn Quốc cho biết, các nghi phạm đã được đưa đến văn phòng công tố viên nước sở tại do vi phạm Luật Khuyến khích Phát triển Công nghiệp Game và Luật Bảo vệ Công nghệ Thông tin & Truyền thông.

Các nghi phạm bị cáo buộc vi phạm pháp luật do tạo ra các chương trình hack trong Overwatch, trong khi số còn lại thì bị tình nghi liên quan đến việc giàn xếp kết quả trận đấu.

“Blizzard đã yêu cầu một cuộc điều tra thông qua Cơ quan An ninh Mạng của Cơ quan Cảnh sát Quốc gia Seoul liên quan đến những nhà phát triển phần mềm bất hợp pháp trong chợ đen bao gồm hành vi hack và giàn xếp kết quả”, Blizzard viết và được Unikrndịch lại.

“Cuộc điều tra kéo dài trong vòng một năm từ tháng 01/2017 tới tháng 12/2017. Sau một quãng thời gian dài kiểm tra tổng số 13 nghi phạm đã được đưa đến văn phòng công tố viên với những cáo buộc vi phạm Luật Khuyến khích Phát triển Công nghiệp Game và ICT Luật Bảo vệ (Công nghệ Thông tin & Truyền thông).”

Sửa đổi luật có hiệu lực từ tháng 6/2017 và nó đưa ra những hình phạt nặng hơn với những ai có hành vi boosting hoặc hacking. Những người bị bắt giữ sẽ đối mặt với án phạt hai năm tù cùng 18,000 USD – nếu đã qua tuổi vị thành niên và có bằng chứng chứng tỏ họ đã tạo ra những phần mềm phá hỏng sự cân bằng trong Overwatch.

Blizzard đã từng phải rất vất vả trong quá khứ để đối phó với những hackers tại Hàn Quốc, khi mà những quán gaming cafe làm cho việc theo dõi các tài khoản trở nên khó khăn.

Vào tháng 02 năm ngoái, nhà phát triển này đã thay đổi cách thức truy cập vào Overwatchở những quá gaming café để kiềm chế hành vi gian lận in-game.

Nhưng thực tế hack – cheat vẫn đang là một vấn đề nhức nhối với tất cả các tựa game online trên toàn cầu và rõ ràng Blizzard đang tỏ ra rất “rắn” với những hình phạt của họ.

Chịu (Theo Dot Esports)

Cửa hàng chính thức của Apple đôi khi không phải là nơi tốt nhất để sửa iPhone. Ảnh: Getty Images.

Sẽ chẳng có gì đáng nói nếu tôi không làm rơi nó một lần nữa. Lần này, mảnh kính văng tứ tung. Tôi thậm chí còn nhìn thấy cả linh kiện bên trong máy. Tôi buộc phải đến tham dự triển lãm CES tại Las Vegas vào hôm sau và quyết định đến Apple Store vào chủ nhật, cũng là khởi điểm của cơn đau đầu kéo dải cả tuần lễ của tôi. Không hiệu quả, phức tạp, mất thời gian là những gì tôi phải trải qua.

Đông đúc và rối rắm

Ngay khi bước vào Apple Store tại Brooklyn, tôi bị ấn tượng bởi thiết kế của nó. Trần của nó thật cao, bản thân cửa hàng trông như một công trình kiến trúc lớn. Vào trong, tôi gặp rất nhiều người, trong đó khoảng một nửa là nhân viên. Có vẻ như, tất cả bọn họ đều bận rộn.

Không có một chỗ tử tế để tôi đứng, hoặc ai đó để tôi gặp. Tôi lang thang vô định trước khi tìm được một nhân viên không tỏ ra bận rộn. Anh ta dẫn tôi gặp một người khác. Người này sau đó tiếp tục đưa tôi đến gặp một người khác nữa.

Người thứ 4 chính là nhân viên kỹ thuật hỗ trợ và hứa sửa màn hình của tôi trong vòng 2 tiếng. Bạn không thể hẹn gặp nhân viên kỹ thuật (Genius Bar) trên hệ thống online của Apple trong ít nhất 2 ngày tới. Do đó, đây có thể xem là điều may mắn.

Sau 4 tiếng rưỡi - tôi đi mua sắm thực phẩm, về nhà, giặt ủi và xem một trận thuộc giải NFL (giải bóng bầu dục quốc gia) - vẫn chưa có động thái nào từ Apple. Cuối cùng, tôi nhận một email nói rằng máy đã sẵn sàng.

Tôi quay lại cửa hàng và tiếp tục được “sang tay” 3 lần nữa. Sau đó, họ chỉ tôi đứng cạnh một dãy bàn trưng bày Apple Watch. Họ nói với tôi đây là bàn để nhận thiết bị, mặc dù trông nó chẳng có vẻ gì là như vậy cả.

Nhân viên Apple Store chào đón người mua iPhone X tại Palo Alto (California, Mỹ) ngày 3/11/2017.

Nhân viên chạy qua lại giữa cái bàn đó và một căn phòng tối, la to tên của khách hàng và vẫy tay để tìm họ. Tôi đứng đó và đợi chiếc điện thoại của mình, cố gắng tránh khỏi đám đông náo nhiệt. Sau 20 phút và 150 USD (cả thuế), tôi nhận lại chiếc máy của mình với màn hình đẹp long lanh.

Tôi nghĩ mọi chuyện đã xong.

Nhưng không

Mọi chuyện ổn cho đến khi tôi đến Las Vegas vào chiều hôm sau. Khi đang gửi một tin nhắn, màn hình bỗng dưng tối thui. Logo Apple nháy lên một lần, sau đó tiếp tục chìm vào màu đen.

Chiếc điện thoại của tôi đã bị biến thành cục gạch (brick).

Chiếc iPhone 6S của Avery Hartmans bị brick sau khi sửa tại Apple Store.

Tôi thử mọi biện pháp có thể - restart, kết nối iTunes, cố gắng khôi phục cài đặt gốc – không có hiệu quả. Tôi phải ở lại Las Vegas trong vòng một tuần cho triển lãm CES. Tôi không thể quay lại cửa hàng Apple Store đó. Rất may, tôi còn một chiếc máy sơ-cua và đổi SIM.

Cửa hàng khác, vấn đề vẫn vậy

Ngay khi trở lại New York một tuần sau, tôi đến một cửa hàng khác. Thật không may, nó vẫn cực kỳ hỗn loạn.

Tổng hợp kết quả Tuần 1 - OWL Season 1

Ở cặp đấu đầu tiên giữa VAL vs Dallas Fuel (DAL), hai teams đã cho chúng ta thấy những màn rượt đuổi gay cấn – nhưng kết quả vẫn nghiêng về phía đội chủ nhà với tỉ số 3-0 cách biệt.

Họ đã đẩy map đấu đầu tiên Junkertown hai lần tới với overtime khi mà cả VAL lẫn DAL đều đã có những kế sách “ăn miếng trả miếng” hợp lý. VAL là team luôn biết cách giành lợi thế từ sớm, nhưng DAL cũng không tỏ ra kém cạnh.

Tuy nhiên theo thời gian, lối chơi gần chạm đến ngưỡng hoàn hảo của VAL khiến DAL rơi vào trạng thái bối rối nhờ những heroes gồm Bastion, Orisa, Tracer, Roadhog, Widowmaker và Mercy. 

Widowmaker của Park "KariV" Young-seo và Brady "Agilities" Girardi với những cú hook từ Roadhog chính là điểm nhấn. Một lối chơi tấn công mãn nhãn được VAL thể hiện được tương trợ bởi Mercy trong tay Benjamin "uNKOE" Chevasson đã khiến cho DAL phải chùn bước.

Dù đó không phải là một chiến thắng dễ dàng, nhưng VAL vẫn đã vượt lên dẫn trước 1-0 sau map Junkertown sau ba rounds đấu.

Sang tới map đấu thứ hai, Horizon Lunar Colony, cả hai đều chủ động chơi tấn công mà không chú trọng tới khâu phòng ngự. VAL nhanh chóng chiếm cứ được hai điểm trên bản đồ trong vòng 6 phút 13 giây – trong khi DAL làm được điều tương tự với nhiều hơn đối thủ 17 giây…

Màn trình diễn của cả hai là gần như tương đồng, dẫn tới tỉ số chung cuộc của map đấu là 5-5. Và một trận hòa đồng nghĩa với việc không team nào có điểm – do đó, VAL vẫn dẫn trước DAL 1-0 sau hai map đấu.

Nhưng mọi thứ đã đổi khác khi bước sang map đấu thứ ba, Ilios, nơi mà VAL đã nhanh chân chiếm cứ được các điểm trên bản đồ. Với lợi thế không thề bàn cãi, VAL kéo dãn khoảng cách về mặt tỉ số trên bảng điện tử lên 2-0.

Numbani, map đấu thứ tư, chỉ còn là thủ tục và là nơi để DAL chiến đấu về danh dự cũng như hệ số trên BXH. Nhưng VAL không cho họ có bất cứ điểm số nào trên Numbani.

Thất bại trước VAL được coi là một cú sốc lớn với DAL, team cũng đã để thua Seoul Dynasty (SEO) ở ngay trong ngày khai mạc OWL. Áp lực với DAL chắc chắn là sẽ lớn hơn thế rất nhiều khi họ đụng độ với Houston Outlaws (HOU) ở trận đấu kế tiếp vào lúc 05g00 ngày 19/01.

Điểm nhanh qua kết quả của hai cặp đấu còn lại thuộc Ngày 4 OWL: BOS giành chiến thắng trước Florida Mayhem với tỉ số 4-0 trong trận đấu của hai trong số những teams bị đánh giá thấp nhất, trong khi SHD tiếp tục bị San Francisco Shock cho “phơi áo” 3-1.

Ngày thi đấu đầu tiên của Tuần 2 OWL Season 1 sẽ tiếp tục diễn ra vào ngày mai với ba cặp đấu, lần lượt giữa London Spitfire vs Philadelphia Fusion (02g00), New York Excelsior vs (HOU) (04g00) và SEO vs Los Angeles Gladiators (06g00).

Lịch thi đấu Tuần 2 - OWL Season 1

ABC (Theo Dot Esports)

meInvoice.vn – giúp phát hành, tra cứu hóa đơn mọi lúc mọi nơi trên mobile

Không những thế, Phần mềm hóa đơn điện tử meInvoice.vn luôn sẵn sàng kết nối với mọi phần mềm: Kế toán, bán hàng và các phần mềm quản trị khác, đồng thời với meInvoice.vn, người dùng có thể phát hành, tra cứu hóa đơn mọi lúc, mọi nơi trên mobile.

meInvoice.vn – Phần mềm hóa đơn điện tử phổ biến nhất