Đế chế của các quy tắc — hệ chuyên gia bùng nổ (1980–1987)
MYCIN chẩn đoán giỏi hơn bác sĩ nhưng chưa từng chạm bệnh nhân, còn XCON tiết kiệm cho DEC 25 triệu đô mỗi năm — hệ chuyên gia biến AI từ phòng thí nghiệm thành ngành công nghiệp tỷ đô, trước khi sụp đổ vì chính điểm yếu cố hữu của nó.
Hệ chuyên gia là gì, và vì sao nó thắng rồi thua
Một hệ chuyên gia gồm ba thành phần: cơ sở kiến thức (các quy tắc 'nếu-thì' mã hóa thủ công từ chuyên gia con người), động cơ suy luận (áp dụng quy tắc để ra kết luận, theo chuỗi tiến hoặc chuỗi ngược), và giao diện người dùng. Sức mạnh lớn nhất: nó có thể giải thích lý luận của mình — chỉ ra chính xác quy tắc nào đã kích hoạt — một thuộc tính mà ngay cả ChatGPT hiện đại vẫn chưa làm được minh bạch.
Nhưng điểm yếu chí mạng là 'thắt cổ chai tiếp thu kiến thức': phải ngồi với chuyên gia moi ra từng quy tắc, chậm và đắt đỏ; mỗi thay đổi trong lĩnh vực có thể âm thầm phá vỡ các quy tắc khác. Đến cuối thập niên 1980, XCON cần tám kỹ sư kiến thức làm việc toàn thời gian chỉ để bảo trì hệ thống — một cơn ác mộng không thể mở rộng, khác hẳn cách deep learning sau này để máy tự học từ dữ liệu thay vì con người viết tay từng quy tắc.
Trao đổi (0)
Ba hệ thống ngọn cờ đã bán được cả một ngành công nghiệp
Ba thành công liên tiếp thuyết phục giám đốc, chính phủ và nhà đầu tư rằng 'kỹ thuật kiến thức' là cuộc cách mạng công nghiệp tiếp theo:
- 1
MYCIN (y học, Stanford 1972): chẩn đoán nhiễm trùng máu đúng 65% — vượt 5/9 giảng viên bệnh truyền nhiễm con người — nhưng không bao giờ dùng trên bệnh nhân thật vì rào cản pháp lý, công thái học và tích hợp, không phải kỹ thuật.
- 2
XCON (công nghiệp, DEC 1980): tự động cấu hình đơn hàng máy tính VAX; đến 1986 xử lý 80.000 đơn hàng với độ chính xác 95-98%, tiết kiệm 25-40 triệu đô mỗi năm.
- 3
PROSPECTOR (địa chất, SRI 1978): năm 1982 dự đoán đúng một mỏ molybden chôn vùi chưa được thăm dò tại Núi Tolman — khám phá trị giá khoảng 100 triệu đô, đăng trên tạp chí Science.
Trao đổi (0)
MYCIN — chẩn đoán giỏi hơn bác sĩ, nhưng chưa từng chạm một bệnh nhân
Sinh viên y khoa Stanford Ted Shortliffe xây MYCIN với khoảng 600 quy tắc 'nếu-thì' để chẩn đoán nhiễm trùng máu. Trong một đánh giá mù tại Trường Y Stanford, đề xuất của MYCIN được đánh giá chính xác 65% thời gian — tốt hơn năm trong chín giảng viên bệnh truyền nhiễm con người (dao động 42,5-62,5%). Theo mọi thước đo kỹ thuật, đó là một chiến thắng.
Nhưng MYCIN không bao giờ được dùng trên bệnh nhân thực nào. Lý do không phải kỹ thuật: ai chịu trách nhiệm nếu nó khuyên sai và bệnh nhân chết? Bác sĩ trung bình năm 1976 chưa từng chạm bàn phím máy tính. Không có hồ sơ y tế điện tử nào để cấp dữ liệu. Shortliffe viết rằng đó là 'trạng thái của công nghệ tích hợp hệ thống' chứ không phải khiếm khuyết lý luận — một bài học vẫn đúng năm 2023, khi GPT-4 đạt ~90 percentile kỳ thi luật sư nhưng trách nhiệm pháp lý, công thái học và tích hợp vẫn là rào cản.
Nguồn: Chương 6 — Đế chế của các quy tắc (phần MYCIN)
Trao đổi (0)
Kỹ thuật xuất sắc, thất bại vì con người
MYCIN xuất sắc về kỹ thuật nhưng thất bại vì rào cản pháp lý/công thái học/tích hợp — không phải vì AI sai. Tìm một ví dụ AI hiện đại (2023-2026) mà bạn biết đang gặp đúng kiểu rào cản này (không phải 'AI chưa đủ giỏi' mà là 'thế giới con người chưa sẵn sàng tích hợp nó'). Mô tả trong 3-4 câu.
Trao đổi (0)
Ngày 15/3/1985, Symbolics — công ty bán máy tính chuyên chạy LISP giá 120.000 đô/chiếc — đăng ký symbolics.com, tên miền .com đầu tiên trong lịch sử Internet, sáu năm trước khi World Wide Web ra đời. Symbolics phá sản năm 1993 khi các trạm Unix giá rẻ hơn chạy LISP nhanh gần bằng với 1/5 chi phí. Bài học: dẫn đầu công nghệ không đảm bảo sống sót thương mại — cùng nguyên lý sẽ lặp lại với hệ chuyên gia nói chung ở cuối chương này.
Trao đổi (0)
Đăng nhập ở góc trên để lưu tiến độ đọc.