Hai mươi ba năm trước, một quần thể chim kākā nhỏ được nuôi nhốt đã được đưa đến khu bảo tồn Zealandia, nằm ẩn mình trên những ngọn đồi phía trên trung tâm Wellington.
Việc tái thả chúng đã chứng tỏ một thành công đáng kể và ngày nay, kākā đã bay xa hơn nhiều so với những bức tường chống động vật ăn thịt của khu bảo tồn.
“Số lượng cá thể đã bùng nổ,” Tiến sĩ Andrew Lensen cho biết.
Càng nhiều kākā, càng nhiều vấn đề.
“Kākā thích làm tổ trên gác mái, phá hoại máng xối của mọi người hoặc xé nát bông hồng yêu thích của bạn – cũng như những vấn đề như ngộ độc chì hoặc bả diệt chuột do tai nạn,” Andrew nói.
Hiện nay, số lượng kākā đã quá đông, cùng với khả năng bay lượn rộng khắp của chúng, việc theo dõi những con chim này bằng cách đeo vòng và quan sát lại trở nên quá khó khăn.
Tuy nhiên, các nhà sinh thái học rất muốn hiểu rõ về tình trạng của chúng, nơi chúng thường lui tới và những xung đột nào giữa con người và kākā đang nảy sinh.
Và đây là lúc trí tuệ nhân tạo (AI) phát huy tác dụng.
Andrew là giảng viên cao cấp về AI tại Đại học Victoria Wellington. Một trong số các dự án AI ứng dụng mà ông đang thực hiện liên quan đến việc huấn luyện một mô hình AI sử dụng các đặc điểm riêng biệt của chim kākā để phân biệt từng cá thể trong số những cư dân có lông vũ ở Wellington.
“Những đặc điểm như hoa văn trên mỏ, độ cong của mỏ, có thể là tư thế của chúng, bất kỳ vết xước nào trên mỏ, và những thứ tương tự.”
Ông và các cộng sự đã thử nghiệm ý tưởng này bằng cách sử dụng các hộp cho ăn giống như buồng chụp ảnh, với một chiếc GoPro bên trong, để chụp ảnh cận cảnh những con chim khi chúng đến ăn. Giờ đây, họ đang mở rộng quy mô, Andrew cho biết. “Chúng tôi đang triển khai nhiều camera hơn, chúng tôi không chỉ dùng hộp cho ăn mà còn chuyển sang những bối cảnh thực tế hơn với cây cối và nhiều thứ khác.”
Đây chỉ là một trong nhiều cách đáng ngạc nhiên mà AI đang được sử dụng ở New Zealand – ngay cả khi công chúng vẫn còn hoài nghi về nó.
Andrew tin rằng sự thiếu tin tưởng này một phần xuất phát từ việc thiếu hiểu biết về AI, cách thức hoạt động của nó, cũng như các hình thức và ứng dụng đa dạng của nó.
Nghiên cứu của ông tập trung vào AI có khả năng giải thích (explainable AI), nhằm mục đích làm cho các hệ thống học máy trở nên minh bạch hơn.
University of Wellington – Photo: RNZ / Claire Concannon
Mạng nơ-ron nhân tạo được xây dựng dựa trên cấu trúc não bộ của chúng ta – mạng nơ-ron nguyên bản – và cách thông tin truyền qua nó để chúng ta đưa ra quyết định. Dữ liệu được đưa vào mạng nhân tạo này và xử lý qua nhiều nút kết nối khác nhau, trước khi cho ra kết quả cuối cùng.
Mạng nơ-ron học sâu (deep learning) là một phiên bản phức tạp của trí tuệ nhân tạo này, với nhiều lớp nút kết nối. Chúng có thể khá giỏi trong việc thực hiện những gì chúng ta yêu cầu và đưa ra những câu trả lời tuyệt vời, nhưng cách chúng thực sự làm điều đó lại là một ‘hộp đen’, Andrew nói.
“Rất khó để bạn, tôi hay thậm chí một chuyên gia về học sâu có thể nhìn vào những con số đó và tìm ra nó đang làm gì và làm thế nào nó có thể từ một bức ảnh động vật mà nói rằng đó là chim hay đó là mèo.”
AI có khả năng giải thích sử dụng các mô hình ít phức tạp hơn, dễ hiểu hơn, hoặc thăm dò các mô hình phức tạp hơn để tìm ra manh mối về cách chúng hoạt động. Tuy nhiên, những mô hình đơn giản này có thể không hoạt động hiệu quả bằng, Andrew nói. “Có một sự đánh đổi, giữa các mô hình có hiệu suất rất cao và những mô hình mà chúng ta có thể tin tưởng.”
Sự tin tưởng đó là rất quan trọng khi AI được sử dụng trong nghiên cứu ứng dụng, ông nói. “Điều tồi tệ nhất bạn có thể làm với tư cách là một nhà khoa học máy tính là đến và nói, ‘Này, tôi đã tạo ra thứ tuyệt vời này cho bạn, cứ tin tưởng nó đi, không sao đâu’.”
Báo cáo ‘Internet Insights’ năm 2024 của Verian chỉ ra rằng người dân New Zealand lo ngại về AI nhiều hơn là hào hứng. Trong cuộc khảo sát 1000 người này, 68% rất hoặc cực kỳ lo ngại về việc AI bị sử dụng cho mục đích xấu, và 62% lo ngại rằng có sự thiếu hụt quy định và luật pháp. Chỉ dưới một nửa (49%) rất hoặc cực kỳ lo ngại về tác động của AI đối với xã hội, và chỉ một phần tư số người được hỏi cho biết họ hiểu biết khá nhiều về AI.
Tuy nhiên, AI đang nhanh chóng trở nên không thể tránh khỏi. Nó đang định hình lại bối cảnh trực tuyến của chúng ta và việc sử dụng nó cũng đang gia tăng trong các dịch vụ công và lĩnh vực kinh doanh ở New Zealand, bao gồm cả tại RNZ.
Liệu nó cũng có thể giải quyết một số câu hỏi hóc búa nhất của chúng ta không?
AI VÀ NUÔI TRỒNG THỦY SẢN
Giáo sư Bing Xue của Đại học Victoria Wellington là thành viên của một nhóm lớn đang hướng tới việc sử dụng khoa học dữ liệu và AI để cải thiện năng suất nuôi trồng thủy sản ở New Zealand.
Dự án nghiên cứu kéo dài bảy năm trị giá 13 triệu đô la (được trao giải năm 2019) đang tìm cách tối ưu hóa việc nuôi vẹm môi xanh, cá hồi vua và hàu, đồng thời sử dụng nhiều công cụ và phương tiện khác nhau để thực hiện điều này.
Điều đó bao gồm việc phát triển một hệ thống phát hiện và cảnh báo để thông báo cho người nuôi biết nếu một phao vẹm bị mất, loại bỏ việc kiểm tra thủ công tốn nhiều công sức. Họ cũng đã thu thập dữ liệu về vòng đời của vẹm – từ ấu trùng được lấy từ bãi biển Ninety Mile, cho đến khi trưởng thành hoàn toàn – để nghiên cứu cách làm cho quá trình tăng trưởng này hiệu quả hơn.
Dự án này kết hợp AI với kiến thức thực tế: đối với Bing, việc đến thăm các trang trại và nói chuyện với các nhà sinh vật biển, kỹ thuật viên, kỹ sư và nông dân là vô cùng quan trọng. “Tôi đã học được những điều mà tôi sẽ không bao giờ biết nếu chỉ làm việc với AI trong phòng thí nghiệm,” cô nói. “Nếu chúng ta muốn giải quyết một vấn đề trong thế giới thực, chúng ta thực sự phải làm việc với các chuyên gia trong lĩnh vực cụ thể đó.”
MÔ HÌNH HÓA BỆNH SỞI
Điều này cũng đúng với Tiến sĩ Fiona Callaghan, mặc dù mục tiêu của cô ấy thiên về chuẩn bị hơn là năng suất.
Fiona là cố vấn trưởng về dịch tễ học tại Cơ quan Y tế Công cộng thuộc Bộ Y tế. Cô đã làm việc với các chuyên gia bệnh truyền nhiễm tại PHF Science (trước đây là ESR) để mô hình hóa một đợt bùng phát bệnh sởi ở các khu vực khác nhau tại New Zealand.
Đợt bùng phát bệnh sởi lớn cuối cùng của New Zealand là vào năm 2019, khi hơn 2000 người bị nhiễm bệnh và hơn 700 người phải nhập viện.
Kể từ đó, một số lượng nhỏ các trường hợp đã xuất hiện lẻ tẻ, nhưng không dẫn đến một đợt bùng phát lớn. Hiện tại có một số trường hợp được báo cáo ở Northland. Bệnh sởi có khả năng lây nhiễm cao, và tỷ lệ tiêm chủng ở New Zealand hiện tại quá thấp để ngăn chặn một đợt bùng phát.
Sử dụng một bản sao kỹ thuật số của New Zealand, được gọi là ALMA, Fiona và các đồng nghiệp đã chạy nhiều mô phỏng về các đợt bùng phát bệnh sởi ở các khu vực khác nhau và với các điểm khởi đầu khác nhau. Sau đó, họ phân tích dữ liệu để hiểu rõ hơn về những gì có thể giúp làm chậm hoặc ngăn chặn sự lây lan.
Một điều họ học được từ các mô phỏng này là việc tiếp tục tiêm chủng vẫn đáng giá, ngay cả khi dịch bệnh đã bắt đầu lây lan. Điều này hữu ích cho việc lập kế hoạch sử dụng tốt nhất các nguồn lực trong một đợt bùng phát thực tế, Fiona cho biết.
Public Health Agency. – Photo: Supplied
CÂN BẰNG LỢI ÍCH VÀ TÁC HẠI
Ngoài các dự án ứng dụng, Andrew Lensen còn là giám đốc của một công ty tư vấn AI, LensenMcGavin, và cũng nghiên cứu về các tác động xã hội và đạo đức của AI. Ông dành rất nhiều thời gian để suy nghĩ về điều này, “thường là vào lúc 2 giờ sáng”, ông nói.
Sự thiên vị trong ra quyết định, công nghệ deepfake, và tác động của AI do Mỹ tạo ra đối với văn hóa của chúng ta đều là những điều khiến ông trăn trở. Gần đây, ông và các chuyên gia AI khác đã viết một bức thư ngỏ gửi tới tất cả các nhà lãnh đạo đảng chính trị New Zealand, kêu gọi sự ủng hộ lưỡng đảng đối với việc tăng cường quy định về AI tại quốc gia này.
Đối với Andrew, đây là một bước quan trọng hướng tới một tương lai lành mạnh cho AI ở New Zealand. “Nếu chúng ta có những cuộc đối thoại về quy định và về cách nó được sử dụng, cũng như những gì được chấp nhận trong văn hóa của chúng ta, thì [chúng ta có thể] thiết lập các cơ chế để sử dụng nó một cách phù hợp, tối đa hóa lợi ích và giảm thiểu tác hại.”
Theo rnz.co.nz