Trong một bài báo khoa học được công bố trên tạp chí danh tiếng Nature hôm nay, Google DeepMind đã giới thiệu một bước đột phá trong lĩnh vực học máy mang tên "Symb-RL" (Symbolic Reinforcement Learning). Nghiên cứu này giải quyết một trong những thách thức lớn nhất của AI hiện đại: khả năng áp dụng các quy luật vật lý của thế giới thực vào các hệ thống robot tự hành mà không cần hàng triệu lần thử sai.
Phương pháp mới của DeepMind kết hợp sức mạnh trực giác của mạng thần kinh sâu (Deep Neural Networks) với tính chính xác, chặt chẽ của logic ký hiệu (Symbolic Logic). Thay vì để AI tự mò mẫm học cách giữ thăng bằng hay cầm nắm đồ vật từ con số không, thuật toán Symb-RL tích hợp sẵn các định luật vật lý cơ bản (như định luật vạn vật hấp dẫn của Newton, động lực học chất lưu) dưới dạng các ràng buộc toán học trực tiếp vào quá trình học tập.
Kết quả thử nghiệm trên các cánh tay robot công nghiệp cho thấy, hệ thống chỉ mất chưa đầy 10 phút để học cách lắp ráp các linh kiện điện tử siêu nhỏ với độ chính xác micromet – một nhiệm vụ trước đây phải mất tới vài ngày huấn luyện mô phỏng. Không chỉ nhanh hơn, AI được huấn luyện bằng phương pháp này còn có khả năng thích ứng cực tốt khi môi trường xung quanh thay đổi đột ngột (ví dụ như khi có gió lớn hoặc bề mặt trơn trượt).
Nghiên cứu này được kỳ vọng sẽ tạo ra một cuộc cách mạng trong ngành tự động hóa nhà máy, y tế phẫu thuật và thám hiểm không gian, nơi các robot đòi hỏi độ chính xác tuyệt đối và khả năng xử lý tình huống linh hoạt trong thời gian thực.