Câu trả lời ngắn: ở một số việc cụ thể, AI đã làm tốt hơn hầu hết con người từ lâu, như đánh cờ, tính toán, tra cứu trong lượng văn bản khổng lồ, và gần đây là viết, dịch, giải nhiều dạng bài thi. Nhưng ở những việc khác, như học từ vài ví dụ, xử lý tình huống lạ trong thế giới thật, tự biết mình sai, con người vẫn hơn rõ. Vì năng lực của hai bên phân bố rất khác nhau, câu hỏi "ai thông minh hơn" không có một đáp án chung.
Bài này giải thích vì sao không thể so bằng một con số, nghịch lý khiến việc khó với người lại dễ với máy và ngược lại, điểm chuẩn và kỳ thi nói lên gì, và cách nhìn thực tế cho người đi làm: so theo từng việc thay vì so theo cả con người.
Vì sao không thể so trí thông minh bằng một con số
Với con người, các nhà tâm lý học đã quen dùng những bài trắc nghiệm trí tuệ cho ra một con số. Những bài đó dựa trên một quan sát: ở người, các năng lực có xu hướng đi cùng nhau, ai giỏi suy luận từ ngữ thường cũng khá ở suy luận hình học. Vì vậy một con số tổng có ý nghĩa nhất định khi so người với người.
Với AI, giả định ấy không còn đúng. Một mô hình có thể viết luận văn mạch lạc nhưng đếm sai số chữ cái trong một từ, giải được bài toán thi đại học nhưng không biết lắp một cái kệ đơn giản vì không có tay và không có kinh nghiệm thế giới thật. Năng lực của AI không đi cùng nhau như ở người; chúng lồi lõm theo kiểu khó đoán. Đưa cho AI một bài trắc nghiệm trí tuệ của người rồi so điểm là dùng thước đo sai cho đối tượng khác.
Một nghiên cứu năm 2023 với nhân viên của một công ty tư vấn lớn đã dùng hình ảnh "đường biên lởm chởm" để mô tả hiện tượng này: có những việc nằm trong vùng AI làm tốt, người dùng AI làm nhanh hơn và tốt hơn; có những việc trông tương tự nhưng nằm ngoài vùng ấy, và người dựa vào AI lại làm kém hơn người không dùng. Cái khó là đường biên không nhìn thấy trước được.
Nghịch lý Moravec: khó với người thì dễ với máy, và ngược lại
Từ những năm 1980, nhà nghiên cứu robot Hans Moravec và một số đồng nghiệp đã nhận ra một điều trái trực giác: những việc người lớn thấy khó, như chơi cờ, giải toán, lại tương đối dễ làm cho máy; còn những việc đứa trẻ một tuổi làm được, như nhận ra mặt mẹ, cầm một vật lạ, bước qua bậc cửa, lại cực kỳ khó cho máy. Hiện tượng này được gọi là nghịch lý Moravec.
Lời giải thích phổ biến là các năng lực cảm nhận và vận động đã được tiến hoá tinh chỉnh qua hàng trăm triệu năm, nên chúng chạy tự động trong ta, ta không thấy chúng khó. Còn tư duy trừu tượng, toán học, logic hình thức là năng lực mới, ta phải gắng sức mới làm được, nên ta tưởng chúng mới là phần khó nhất của trí tuệ.
Học sâu đã thu hẹp khoảng cách ở phần nhận diện hình ảnh, giọng nói. Nhưng ở phần vận động trong thế giới thật, robot dọn nhà hay nấu ăn linh hoạt như người vẫn còn xa. Một chatbot viết được bài thơ về bữa cơm gia đình, nhưng không robot nào hiện nay vào được một căn bếp lạ ở Huế rồi nấu xong bữa cơm ấy.
AI và con người: so theo từng loại việc
Bảng dưới là bức tranh chung ở thời điểm viết, mang tính tham khảo. Năng lực AI thay đổi nhanh, nên một số dòng có thể dịch chuyển; điều không đổi là cách nhìn theo từng loại việc.
| Loại việc | AI hiện nay | Con người |
|---|---|---|
| Cờ, trò chơi có luật rõ | Vượt xa người giỏi nhất ở nhiều trò | Giỏi, nhưng không theo kịp máy chuyên dụng |
| Đọc, tóm tắt lượng văn bản lớn | Rất nhanh, bao quát, có thể sót hoặc bịa chi tiết | Chậm hơn nhiều, hiểu bối cảnh sâu hơn |
| Viết, dịch văn bản thông thường | Nhanh, trôi chảy, chất lượng khá tới tốt | Chậm hơn, nắm ý tại ngôn ngoại tốt hơn |
| Học việc mới từ vài ví dụ | Làm được trong khuôn khổ cuộc trò chuyện, không giữ lại | Học nhanh và nhớ lâu, chuyển sang việc khác |
| Xử lý tình huống chưa từng gặp | Dễ áp khuôn cũ, có lúc sai kiểu ngớ ngẩn | Linh hoạt hơn, dùng lẽ thường |
| Thao tác vật lý trong môi trường lạ | Còn rất hạn chế | Tự nhiên, gần như không phải nghĩ |
| Biết mình không biết | Còn yếu, hay trả lời tự tin cả khi sai | Không hoàn hảo, nhưng thường biết nghi ngờ |
Nhìn bảng này, câu hỏi hữu ích không phải "AI hay người thông minh hơn" mà là "với việc này, phần nào nên giao máy, phần nào người giữ".
Những điều con người vẫn làm tốt hơn, và vì sao
Học từ rất ít ví dụ. Một đứa trẻ thấy con mèo vài lần là nhận ra mọi con mèo, kể cả mèo hoạt hình. Mô hình AI cần lượng dữ liệu lớn hơn rất nhiều trong lúc huấn luyện. Trong cuộc trò chuyện nó học nhanh từ vài ví dụ, nhưng điều học được không ở lại sau đó.
Hiểu thế giới vật lý. Con người biết cốc nước để sát mép bàn dễ đổ, biết đường trơn sau mưa, biết hàng xóm nuôi chó dữ, nhờ sống trong thế giới ấy. AI học về thế giới chủ yếu qua mô tả, nên đôi khi đưa ra lời khuyên hợp lý trên giấy nhưng phi lý ngoài đời.
Theo đuổi mục tiêu dài hạn. Một người làm nghề có thể theo một dự án nhiều tháng, nhớ ai đã hứa gì, điều chỉnh khi hoàn cảnh đổi. Các hệ thống AI tự hành đang được phát triển cho việc này nhưng còn dễ lạc hướng khi nhiệm vụ kéo dài nhiều bước.
Đứng ra chịu trách nhiệm. Đây không phải năng lực trí tuệ thuần tuý nhưng là thứ quyết định trong công việc thật. Bác sĩ ký bệnh án, kỹ sư ký bản vẽ, kế toán ký báo cáo. AI không chịu trách nhiệm pháp lý hay đạo đức, nên chỗ nào cần chữ ký, chỗ đó cần người.
Điểm chuẩn và kỳ thi: AI đỗ kỳ thi khó thì nói lên điều gì
Tin "AI đạt điểm cao trong kỳ thi luật, thi y khoa" xuất hiện thường xuyên. Những kết quả này có thật và đáng chú ý: chúng cho thấy mô hình nắm được lượng kiến thức lớn và áp dụng được vào dạng câu hỏi chuẩn. Nhưng có ba điều cần hiểu khi đọc.
Thứ nhất, kỳ thi được thiết kế để đo người, dựa trên giả định rằng ai đạt điểm ấy cũng có những năng lực đi kèm như đi làm thật, tiếp xúc khách hàng, chịu trách nhiệm. Với AI, giả định này không đúng: đỗ kỳ thi luật không có nghĩa là xử lý được một vụ việc thật. Thứ hai, câu hỏi thi hoặc câu hỏi tương tự có thể đã nằm trong dữ liệu huấn luyện, nên điểm cao có thể một phần là nhớ chứ không phải suy luận. Thứ ba, điểm chuẩn càng phổ biến thì các hãng càng tối ưu cho nó, và điểm tăng nhanh hơn năng lực thật.
Vì vậy giới nghiên cứu liên tục tạo bộ kiểm tra mới, khó học thuộc hơn. Bộ ARC của François Chollet công bố năm 2019 là một ví dụ: các câu đố hình ảnh dễ với người nhưng khó với máy, nhằm đo khả năng rút quy luật từ vài ví dụ. Cách đọc điểm chuẩn chi tiết hơn có ở danh mục đọc tin về AI.
AGI và câu hỏi "khi nào AI vượt người toàn diện"
AGI, trí tuệ nhân tạo tổng quát, thường được hiểu là AI làm được hầu hết việc trí óc con người làm, ở mức ngang hoặc hơn người. Đây là khái niệm không có định nghĩa thống nhất: có người đặt tiêu chí theo kinh tế, có người theo bài kiểm tra, có người theo khả năng tự học việc mới. Vì định nghĩa khác nhau, các tuyên bố "đã gần tới AGI" hay "còn rất xa" thường đang nói về những thứ khác nhau.
Các chuyên gia bất đồng mạnh về thời điểm và cả về khả năng đạt được AGI bằng hướng đi hiện nay. Một số lãnh đạo doanh nghiệp đưa ra mốc thời gian gần, một số nhà khoa học cho rằng còn thiếu những mảnh ghép cơ bản như hiểu thế giới vật lý hay học liên tục. Không có cơ sở khoa học vững cho một mốc ngày tháng cụ thể, và người đọc nên thận trọng với mọi dự báo kèm năm chính xác.
Điều chắc chắn hơn là năng lực AI ở nhiều việc cụ thể đã tăng nhanh trong vài năm qua và còn có thể tăng tiếp. Với người đi làm, chuẩn bị cho sự thay đổi ở từng việc cụ thể có ích hơn là chờ một cột mốc "vượt người" duy nhất mà không ai định nghĩa được rõ.
Cách nhìn thực tế cho người đi làm
Chia công việc thành nhiệm vụ. Một công việc gồm nhiều nhiệm vụ: soạn thư, tra thông tin, gặp khách, ra quyết định, chịu trách nhiệm. AI có thể giỏi hơn bạn ở vài nhiệm vụ mà vẫn không làm được công việc của bạn. Liệt kê ra giúp bạn thấy chỗ nào nên giao, chỗ nào nên giữ.
Thử trên việc thật của mình. Đừng dựa vào tin tức để đoán AI giỏi tới đâu trong nghề bạn. Thử vài nhiệm vụ điển hình, với dữ liệu đã che thông tin khách và thông tin nội bộ, rồi tự đánh giá.
Giữ phần lẽ thường và trách nhiệm. Những chỗ cần hiểu bối cảnh địa phương, quan hệ con người, và có người đứng ra chịu trách nhiệm là chỗ con người vẫn có ưu thế rõ, và cũng là chỗ sai sót của AI gây hại nhiều nhất.
Coi AI là đồng nghiệp lồi lõm. Giỏi bất ngờ ở việc này, kém bất ngờ ở việc kia, và không tự báo khi đang kém. Cách làm việc tốt với một đồng nghiệp như vậy là giao rõ, kiểm kỹ ở chỗ quan trọng, và không giao những việc bạn không kiểm được.
Câu hỏi thường gặp
AI có chỉ số IQ không?
Một số người đã thử cho AI làm bài trắc nghiệm trí tuệ của người và báo điểm. Con số đó ít ý nghĩa, vì bài trắc nghiệm được thiết kế dựa trên cách năng lực con người đi cùng nhau, điều không đúng với AI. Nó giống đo chiều cao của một toà nhà bằng số bậc cầu thang của một ngôi nhà.
AI thắng nhà vô địch cờ vây có nghĩa là AI thông minh hơn người không?
Nó có nghĩa là AI giỏi hơn người ở cờ vây. Năm 2016, hệ thống AlphaGo thắng kỳ thủ Lee Sedol, nhưng chính hệ thống đó không biết làm việc gì khác ngoài chơi cờ vây. Đó là ví dụ rõ nhất của AI hẹp: xuất sắc ở một việc, không có năng lực chung.
Chatbot trả lời được mọi lĩnh vực thì có phải AI tổng quát không?
Chatbot bao quát nhiều lĩnh vực hơn hẳn AI hẹp trước đây, nên nhiều người cho rằng ranh giới đã mờ đi. Nhưng nó vẫn yếu ở học liên tục, hành động trong thế giới thật và tự biết giới hạn. Gọi nó là AI tổng quát hay chưa tuỳ định nghĩa, và các chuyên gia chưa thống nhất.
Trẻ em có nên dùng AI để học khi AI giỏi hơn chúng?
AI giỏi đưa ra đáp án, nhưng mục tiêu học là để trẻ tự xây được năng lực. Dùng AI để giải thích lại, gợi ý từng bước, hỏi ngược trẻ thì có ích; dùng để làm bài thay thì làm mất chính cái trẻ cần học. Người lớn nên ngồi cùng và đặt quy tắc rõ.
Nếu AI giỏi hơn ở nhiều việc, con người nên học gì?
Không có danh sách chắc chắn. Những năng lực ít bị ảnh hưởng thường gắn với hiểu bối cảnh cụ thể, quan hệ con người, phán đoán khi thông tin không đủ, và chịu trách nhiệm về quyết định. Biết dùng và kiểm kết quả của AI cũng thành một kỹ năng riêng trong nhiều nghề.
Có nên lo sợ AI thông minh hơn con người không?
Nên quan tâm nghiêm túc nhưng không cần hoảng sợ. Những rủi ro hiện tại như bịa thông tin, lạm dụng để lừa đảo, thiên lệch là có thật và cần xử lý ngay. Các rủi ro dài hạn được giới nghiên cứu bàn thảo với nhiều quan điểm khác nhau; đọc nhiều phía giúp bạn có cái nhìn cân bằng.