Phó giáo sư Colin G.Johnson thuộc Đại học Nottingham, đã ứng dụng thành công kỹ thuật học sâu để tìm ra các giải pháp cho một vấn đề. Kỹ thuật mới này làm tăng tính chủ động trong các quy trình tìm kiếm của AI. Và nó đã được thử nghiệm thành công trong việc giải bài toán khối Rubik.

Lập phương Rubik là một trò chơi giải đố trí tuệ phức tạp được giáo sư người Hungary, Ernox Rubik phát minh vào năm 1974. Nó có khoảng 20 lựa chọn cho một giải pháp xoay Rubik.

Thay vì cố gắng tìm hiểu cách giải toàn bộ một khối Rubik phức tạp, Johnson đã thành công trong việc sử dụng máy học với phương pháp học từng bước riêng lẻ để giải quyết vấn đề. Kỹ thuật này dựa trên hai cách tiếp cận chính: học từng bước và sử dụng mạng lưới thần kinh sâu.

Hệ thống sẽ học cách dịch chuyển từng bước, đưa khối Rubik về một cấu hình đơn giản hơn, và tiếp tục đưa về cấu trúc đơn giản hơn nữa cho đến khi khối lập phương được giải. Do đó, khối lập phương Rubik sau mỗi lần giải sẽ đơn giải hơn so với khối lập phương ở bước trước đó rất nhiều. Nói cách khác, Johnson đã mô phỏng một khối lập phương Rubik lộn xộn gấp hàng nghìn lần, sau đó ông sử dụng một mạng lưới thần kinh sâu để nhận ra cách giải bước 1, bước 2, bước 3,… Cuối cùng, nó sử dụng dữ liệu mà nó đã tích lũy được để giải toàn bộ khối Rubik.

Khối Rubik chỉ là một ví dụ đơn giản mà kỹ thuật này có thể giải quyết. Trong tương lai, nó còn có thể ứng dụng cho các vấn đề phức tạp hơn như: loại bỏ tạp âm từ những bản ghi âm cũ, nghiên cứu và tìm hiểu cách thức mà protein gấp lại,…

Johnson đã đưa ra một loạt thử nghiệm giải bài toán để so sánh kỹ thuật này với các thuật toán tương ứng khác hiện có để thực hiện giải bài toán Rubik. Kết quả cho thấy, kỹ thuật học sâu của ông thuận lợi hơn và nêu bật những ưu điểm của việc giải quyết các nhiệm vụ theo từng bước hơn.

Nghiên cứu được đăng trên tạp chí Expert Systems.

 Diệu Huyền (CESTI) – Theo Techxplore.com