Trong mùa xuân vừa rồi, anh Phillips Pham là một trong số 12.000 người từ 148 nước tham gia một lớp học trực tuyến với tên gọi Code in Place. Được thực hiện bởi Đại học Stanford, khóa học này đào tạo những thành phần cơ bản của ngành lập trình máy tính.
Sau 4 tuần tham gia, anh Pham, một sinh viên 23 tuổi sống tại miền Nam Thụy Điển, đã làm bài kiểm tra đầu tiên với đề bài là viết một chương trình có thể tạo ra những đợt sóng những hình kim cương màu xanh qua một khung đen trắng. Vài ngày sau, anh nhận được một bản nhận xét chi tiết về những dòng lệnh của mình.
Dù khen ngợi bài làm của anh, nhưng bản nhận xét cũng chỉ ra một lỗi. “Có vẻ như bạn có một lỗi nhỏ. Có lẽ bạn đang chạy vào tường sau khi vẽ ra đợt sóng thứ ba.”. Phản hồi này chính xác là điều mà anh Pham cần, và nó đến từ một máy tính.
Trong khóa học trực tuyến này, một hệ thống trí tuệ nhân tạo mới đã phản hồi cho anh Pham và hàng ngàn học sinh khác tham gia bài kiểm tra. Được xây dựng bởi một nhóm nghiên cứu tại Đại học Stanford, hệ thống tự động này chỉ báo một tương lai mới cho giáo dục trực tuyến, ngành có thể dễ dàng tiếp cận tới hàng nghìn người nhưng không phải lúc nào cũng những lời chỉ dẫn chi tiết nhiều học sinh cần.
Bà Chelsea Finn, Giáo sư tại Stanford và nhà nghiên cứu AI, một thành viên của dự án chia sẻ: “Chúng tôi đã triển khai nó và không ngờ rằng nó hoạt động tốt hơn dự tính”. Tiến sĩ Finn và nhóm của bà ban đầu đã thiết kế hệ thống này cho riêng các lớp lập trình của Stanford. Nhưng họ đã sử dụng những kĩ thuật mà có thể tự động hóa việc phản hồi cho học sinh trong những trường hợp khác, bao gồm cả những môn học ngoài lập trình.
Tiến sĩ Etzioni, Giám đốc Viện Trí tuệ Nhân tạo Allen và nguyên giáo sư Đại học Washington, cảnh báo rằng những kĩ thuật này còn xa mới có thể thay thế những người hướng dẫn trong lớp học. Những phản hồi, những lời khuyên từ các giáo sư, trợ giảng hay gia sư rõ ràng là vẫn tốt hơn một lời phê bình được tự động viết ra. Dù vậy, ông vẫn gọi dự án của Stanford là “một bước đi quan trọng đúng hướng”, và việc được phản hồi dù tự động vẫn tốt hơn là không có gì.
Khóa học trực tuyến mà anh Pham và hàng ngàn người khác tham gia vào mùa xuân vừa rồi dựa vào một môn học đã có tại Đại học Stanford hơn một thập kỉ qua. Vào mỗi học kì, nhà trường đưa ra cho sinh viên một bài kiểm tra giữa kì gồm các bài tập lập trình, và họ đã lưu trữ một bản ghi điện tử của những kết quả đó, bao gồm cả những đoạn code sinh viên viết cũng như những phần nhận xét, chấm điểm từ các giảng viên. Chính phần dữ liệu này đã là tiền đề cho thí nghiệm trí tuệ nhân tạo trong giáo dục mới này.
Cấu trúc cơ bản của mạng nơron
Tiến sĩ Finn và nhóm của mình đã xây dựng một mạng nơron, một hệ thống toán học với khả năng học các kĩ năng từ lượng lớn dữ liệu. Có thể ví dụ, bằng hàng nghìn bức ảnh mèo, một mạng nơron có thể học cách nhận diện mèo. Bằng cách phân tích hàng trăm cuộc gọi điện thoại, nó có thể học cách nhận dạng các từ được nói. Vậy nên, bằng cách xem xét phương thức các trợ giảng đánh giá bài kiểm tra lập trình, nó cũng có thể học cách tự chấm điểm những bài kiểm tra này.
Hệ thống của Stanford đã dành nhiều giờ để phân tích các ví dụ từ các bài kiểm tra giữa kì cũ và học tập từ hơn một thập kỉ các trường hợp. Sau đó nó đã sẵn sàng để học tiếp. Khi được tiếp cận với vài mẫu bổ sung từ học kì mới này, nó đã có thể thực hiện được nhiệm vụ nhanh chóng. Nói như Mike Wu, một nhà nghiên cứu trong dự án thì: “Nó có thể nhận ra nhiều loại vấn đề. Sau đó nó có thể thích nghi với các vấn đề nó chưa từng gặp trước đó.”
Tính trong khóa học vừa rồi, hệ thống này đã đưa ra 16.000 lời phản hồi, và tỉ lệ phản hồi được các học sinh đồng ý là 97,9%, theo các nhà nghiên cứu Stanford. Để so sánh thì các học sinh đồng ý với phản hồi từ người hướng dẫn ở tỉ lệ 96,7%.
Anh Pham, một sinh viên kĩ thuật tại Đại học Lund, Thụy Điển đã rất ngạc nhiên bởi hiệu quả của công nghệ này. Dù cho công cụ tự động đã không thể đánh giá một trong những chương trình anh tạo ra (có thể bởi đoạn code của anh không giống với những thứ mà AI đã từng thấy), nhưng nó đã có thể nhận dạng nhiều lỗi cụ thể trong code của anh, bao gồm cả lỗi OBOE (thiếu/thừa 1 đơn vị), và gợi ý cách sửa chúng. Anh Pham chia sẻ: “Hiếm khi nào [khi học trực tuyến] bạn nhận được phản hồi chuẩn chỉ như vậy.”
Hệ thống này hoạt động hiệu quả như vậy bởi vai trò của nó được định nghĩa một cách rất chính xác. Khi tham gia làm bài kiểm tra, anh Pham đã viết code với những mục tiêu rất cụ thể, và chỉ có một lượng hữu hạn những cách làm sai mà anh và các học sinh khác có thể tạo ra.
Nhưng khi được học từ dữ liệu chính xác, các mạng nơron có thể làm rất nhiều việc khác nhau. Đây là thứ công nghệ làm nền tảng cho khả năng Facebook nhận diện gương mặt trong ảnh khi bạn đăng tải chúng, hay cách những chiếc iPhone nhận dạng được câu lệnh của bạn hoặc khả năng dịch thuật trên các ứng dụng như Skype hay Google Translate. Với nhóm tại Stanford và các nhà nghiên cứu khác, niềm hi vọng nằm ở việc những kĩ thuật như thế này có thể tự động hóa giáo dục theo nhiều cách khác nhau.
AI có thể thay thế con người trong một số nhiệm vụ nhất định
Các nhà nghiên cứu đã bắt đầu xây dựng các công cụ giảng dạy tự động từ những năm 1970, bao gồm giảng viên robot và hệ thống chấm luận văn bằng máy tính. Nhưng quá trình phát triển các hệ thống này khá chậm. Việc xây dựng lên một hệ thống hướng dẫn, đào tạo sinh viên một cách đơn giản, mạch lạc có thể tiêu tốn nhiều năm làm việc, và những người thiết kế luôn gặp khó trong cách định dạng từng mẩu hành vi khác nhau.
Sử dụng các phương pháp trong dự án từ Đại học Stanford, các nhà nghiên cứu có thể tăng tốc rõ rệt những công việc như vậy. Theo Giáo sư Peter Foltz từ Đại học Colorado, người đã giành nhiều thập kỉ phát triển những hệ thống tự động chấm điểm luận văn thì: “Có sức mạnh thực sự bên trong dữ liệu. Khi những cỗ máy có nhiều ví dụ hơn, chúng có thể khái quát hóa.”
Những bài luận văn xuôi có vẻ như khác biệt rất nhiều nếu so sánh với những dòng lệnh trên máy tính. Nhưng trong trường hợp này thì không. Trong những năm gần đây, các nhà nghiên cứu đã có thể xây dựng công nghệ phân tích ngôn ngữ tự nhiên theo cách tương tự như hệ thống của Stanford phân tích mã lệnh.
Dù cho hệ thống của trường Stanford đã cho kết quả khá chính xác, nhưng nó sẽ vô dụng nếu các học sinh có bất kì câu hỏi nào về nơi họ bắt đầu làm sai. Nhưng với Giáo sư Chris Piech, người cũng tham gia giám sát dự án, thì mục tiêu của dự án không phải để thay thế người giảng dạy.
Hệ thống tự động hóa mới này là một cách để tiếp cận với nhiều học viên hơn là người đứng lớp có thể tự tiếp cận. Và nếu nó có thể chỉ ra những lỗi cụ thể trong code của sinh viên và tần suất họ tạo ra chúng, thì nó sẽ giúp những người giảng dạy biết rõ hơn rằng những sinh viên nào đang cần giúp đỡ và cách để giúp đỡ họ. Như Tiến sĩ Piech nói thì: “Tương lai là cộng sinh - các giáo viên và trí tuệ nhân tạo sẽ làm việc cùng nhau.”
Pháp luật & bạn đọc