AI hẹp là AI chỉ làm tốt một việc hoặc một nhóm việc cụ thể mà nó được tạo ra để làm; AI tổng quát là AI giả định có thể học và làm hầu hết các việc trí óc mà con người làm được, linh hoạt chuyển từ việc này sang việc khác. Mọi hệ thống AI đang được dùng hiện nay, từ bộ lọc thư rác đến máy chơi cờ vây, đều được xếp vào AI hẹp. AI tổng quát chưa tồn tại theo cách hiểu chặt chẽ, và việc khi nào hay liệu có đạt được hay không là chủ đề các chuyên gia còn bất đồng.
Các chatbot hiện nay làm cách phân loại này trở nên khó hơn: chúng viết thơ, giải toán, dịch, viết mã, giải thích lịch sử, nghĩa là rộng hơn hẳn một máy chơi cờ. Nhưng chúng vẫn có những giới hạn rõ rệt mà con người không có. Bài này giải thích hai khái niệm, đi qua những ví dụ cho thấy khoảng cách giữa chúng, và nói rõ chỗ nào là hiểu biết chung, chỗ nào là tranh luận.
AI hẹp: giỏi đến mức siêu phàm trong một ô, lạc lối ngay ngoài ô đó
AI hẹp (narrow AI) là hệ thống được thiết kế và huấn luyện cho một nhiệm vụ hoặc một lĩnh vực hẹp. Trong ô của mình, nó có thể giỏi hơn bất kỳ con người nào. Chương trình AlphaGo thắng kỳ thủ hàng đầu Lee Sedol năm 2016 là ví dụ nổi tiếng. Nhưng chính chương trình đó không biết chơi cờ tướng, không biết đọc một tin nhắn, không biết pha một ấm trà. Muốn nó làm việc khác, người ta phải xây dựng và huấn luyện lại gần như từ đầu.
Hầu hết AI trong đời sống là AI hẹp: nhận diện khuôn mặt để mở khoá điện thoại, đọc biển số ở bãi xe, gợi ý video tiếp theo, chấm điểm rủi ro giao dịch thẻ, dịch một câu từ tiếng Việt sang tiếng Anh. Mỗi hệ thống làm rất tốt việc của mình nhờ được học từ rất nhiều ví dụ đúng của đúng việc đó.
Một đặc điểm quan trọng của AI hẹp là nó không biết mình đang ở ngoài ô. Một mô hình đọc ảnh X-quang phổi được huấn luyện trên ảnh của một loại máy chụp có thể cho kết quả kém đi khi gặp ảnh từ máy khác, mà không hề báo hiệu gì. Vì vậy AI hẹp an toàn nhất khi được dùng đúng phạm vi đã kiểm tra, và có người theo dõi khi phạm vi thay đổi.
AI tổng quát: một mục tiêu, không phải một sản phẩm
AI tổng quát (artificial general intelligence, viết tắt AGI) là cách gọi một hệ thống giả định có khả năng hiểu, học và làm hầu hết các nhiệm vụ trí tuệ mà một người bình thường làm được, kể cả những việc nó chưa được huấn luyện riêng. Một người học lái xe máy rồi có thể học lái ô tô, đọc hiểu hợp đồng, nấu một món ăn theo công thức mới, giải thích bài tập cho con. Khả năng mang hiểu biết từ việc này sang việc khác, học nhanh từ vài ví dụ, và tự xoay xở trong tình huống chưa gặp chính là thứ người ta muốn nói tới khi dùng chữ "tổng quát".
Không có một định nghĩa AGI được mọi người đồng ý. Có người định nghĩa theo năng lực: làm được mọi việc trí óc ở mức con người. Có người định nghĩa theo kinh tế: làm được phần lớn công việc có giá trị mà con người đang được trả lương để làm. Có người cho rằng cần thêm khả năng hành động trong thế giới vật lý. Mỗi định nghĩa dẫn tới câu trả lời khác nhau cho câu hỏi "đã gần tới chưa", và đó là một lý do khiến các tuyên bố về AGI trên báo chí thường mâu thuẫn nhau.
Vì định nghĩa còn mơ hồ và vì không ai biết chắc con đường kỹ thuật, các dự đoán về thời điểm có AGI trải rất rộng, từ vài năm tới vài chục năm, và cũng có những nhà nghiên cứu cho rằng các phương pháp hiện nay không dẫn tới đó. Trang này không đưa ra dự đoán ngày tháng. Cách đọc các tin về AGI cho tỉnh táo được bàn riêng ở danh mục đọc tin về AI.
Nghịch lý Moravec: việc khó với người thì dễ với máy, và ngược lại
Nội dung nghịch lý. Từ thập niên 1980, nhà nghiên cứu robot Hans Moravec và một số đồng nghiệp đã nhận xét: làm cho máy tính chơi cờ hay giải bài toán ở mức người lớn giỏi thì tương đối dễ, còn làm cho máy có kỹ năng cảm nhận và cử động của một đứa trẻ một tuổi thì cực khó. Nhận xét này được gọi là nghịch lý Moravec.
Vì sao lại như vậy. Một cách giải thích phổ biến: những kỹ năng như nhìn, đi, cầm nắm đã được tiến hoá mài giũa qua hàng triệu năm nên ta làm chúng mà không cần nghĩ, và cũng vì thế mà không biết mô tả chúng thành quy tắc. Còn cờ vua, toán học là những kỹ năng mới với loài người, ta phải học có ý thức nên thấy khó, nhưng chúng lại có luật rõ ràng mà máy xử lý tốt.
Ví dụ đời thường. Một mô hình có thể viết bài luận về lịch sử áo dài, nhưng một robot gấp gọn đống quần áo mới giặt lấy từ máy, mỗi cái nhàu một kiểu, vẫn là bài toán khó với ngành robot. Một chương trình thắng nhà vô địch cờ vây, nhưng lái xe máy qua ngã tư đông người giờ tan tầm vẫn đòi hỏi những phán đoán mà máy chưa làm tin cậy được.
Ý nghĩa với câu hỏi AI tổng quát. Nghịch lý này nhắc rằng "giỏi" của máy không đi theo cùng thứ tự với "giỏi" của người. Máy làm được việc ta thấy khó không có nghĩa là nó sắp làm được mọi việc ta thấy dễ. Đây là một lý do để thận trọng khi suy từ thành tích ở một bài kiểm tra ra kết luận về trí thông minh chung.
Chatbot hiện nay đứng ở đâu giữa hai đầu
Các chatbot dựa trên mô hình ngôn ngữ lớn là trường hợp gây tranh luận nhiều nhất. Bảng dưới đặt chúng cạnh hai đầu của phổ, theo những tiêu chí thường được nhắc. Đây là mô tả ở mức nguyên lý; năng lực cụ thể thay đổi theo từng phiên bản, cần kiểm hiện hành.
| Tiêu chí | AI hẹp điển hình | Chatbot đa năng hiện nay | AI tổng quát (giả định) |
|---|---|---|---|
| Phạm vi việc | Một việc | Rất nhiều việc liên quan tới chữ, ảnh, mã | Hầu hết việc trí óc của con người |
| Học việc mới | Phải huấn luyện lại | Làm được nhiều việc mới chỉ qua hướng dẫn bằng lời, nhưng không tự học lâu dài | Tự học nhanh từ ít ví dụ, nhớ và tích luỹ |
| Biết khi nào mình sai | Không | Hạn chế, có thể sai một cách tự tin | Được kỳ vọng có |
| Hành động trong thế giới thật | Thường không | Hạn chế, qua công cụ được cấp | Được kỳ vọng có |
| Đồng thuận khoa học | Rõ ràng là AI hẹp | Còn tranh luận nên xếp ở đâu | Chưa tồn tại theo cách hiểu chặt chẽ |
Có nhà nghiên cứu cho rằng các mô hình hiện nay đã thể hiện "mầm mống" của trí tuệ tổng quát vì làm được nhiều việc chưa được dạy riêng. Có người khác cho rằng chúng chỉ là AI hẹp với một ô rất rộng là "tạo văn bản hợp lý", và những giới hạn như bịa thông tin, khó lập kế hoạch dài, không tự học lâu dài cho thấy khoảng cách còn lớn. Cả hai phía đều có lập luận nghiêm túc; người đọc phổ thông không cần chọn phe, chỉ cần biết đây là chỗ còn tranh luận.
Hai cặp chữ hay bị lẫn với AI hẹp và AI tổng quát
AI yếu và AI mạnh. Cặp chữ này thường được dùng gần nghĩa với AI hẹp và AI tổng quát, nhưng gốc của nó khác. Năm 1980, triết gia John Searle dùng "AI mạnh" để chỉ quan điểm cho rằng một chương trình máy tính đúng cách có thể thật sự có tâm trí và hiểu biết, còn "AI yếu" là quan điểm coi AI chỉ là công cụ mô phỏng trí tuệ. Tức là cặp chữ gốc nói về câu hỏi triết học "máy có hiểu thật không", chứ không phải về số việc máy làm được. Câu hỏi máy có hiểu thật hay không được bàn ở danh mục câu hỏi thường gặp của trang.
Siêu trí tuệ. Đây là cách gọi một hệ thống giả định vượt xa con người ở hầu hết mọi lĩnh vực. Chữ này hay xuất hiện trong các cuộc tranh luận về rủi ro dài hạn. Nó là bước giả định xa hơn cả AI tổng quát, và mọi điều về nó đều ở mức suy luận.
Vì sao nên phân biệt. Khi đọc một tin "AI mạnh đã đến gần", bạn nên hỏi người viết đang dùng chữ theo nghĩa nào: nghĩa máy làm được nhiều việc, hay nghĩa máy có tâm trí. Hai câu hỏi rất khác nhau và có loại bằng chứng rất khác nhau.
Phân biệt này có ích gì cho người dùng bình thường
Hiểu AI hẹp và AI tổng quát không chỉ để tranh luận. Nó có những hệ quả rất thực tế khi bạn dùng AI hằng ngày:
- Đừng suy từ giỏi một việc sang giỏi mọi việc. Một chatbot viết thư rất hay chưa chắc tính đúng tiền lãi, đọc đúng kết quả xét nghiệm, hay hiểu đúng một điều khoản hợp đồng.
- Dùng công cụ trong phạm vi đã được kiểm tra. Ứng dụng nhận diện sâu bệnh được thử với lúa ở đồng bằng có thể kém với cây trồng ở vùng cao. Hỏi người cung cấp xem nó đã được kiểm với điều kiện giống của bạn chưa.
- Giữ con người ở vòng quyết định. Vì AI hiện nay vẫn là AI hẹp theo nghĩa không tự biết khi nào mình ra ngoài vùng an toàn, người có chuyên môn phải là người kiểm tra cuối cùng ở những việc quan trọng.
- Bình tĩnh trước các tuyên bố lớn. Tin "đã đạt AGI" hay "AGI không bao giờ có" đều thường dựa trên một định nghĩa riêng. Biết điều đó giúp bạn đọc mà không hoảng, không mê.
- Che dữ liệu khi thử công cụ đa năng. Chatbot làm được nhiều việc nên người dùng hay dán đủ thứ vào. Trước khi đưa giấy tờ thật, hãy bỏ tên, số định danh, số tài khoản và thông tin bí mật công việc.
Câu hỏi thường gặp
Siri, Google Assistant hay trợ lý giọng nói là AI hẹp hay AI tổng quát?
Là AI hẹp, hoặc đúng hơn là tập hợp nhiều hệ thống AI hẹp ghép lại: một phần nhận dạng giọng nói, một phần hiểu yêu cầu, một phần thực hiện lệnh. Một số trợ lý đời mới được gắn thêm mô hình ngôn ngữ lớn nên trò chuyện linh hoạt hơn, nhưng vẫn chưa phải AI tổng quát theo cách hiểu chặt chẽ.
Có ai đã tuyên bố tạo ra AI tổng quát chưa?
Thỉnh thoảng có những tuyên bố như vậy từ cá nhân hoặc công ty, thường dựa trên một định nghĩa riêng. Đến nay không có sự đồng thuận rộng rãi trong giới khoa học rằng AI tổng quát theo nghĩa chặt chẽ đã tồn tại. Khi đọc tuyên bố loại này, nên xem người nói dùng định nghĩa nào và bằng chứng là gì.
AI tổng quát có nguy hiểm không?
Đây là câu hỏi có tranh luận thật sự. Một số nhà nghiên cứu nổi tiếng coi rủi ro từ hệ thống rất mạnh là vấn đề nghiêm túc cần chuẩn bị từ bây giờ; những người khác cho rằng nên tập trung vào các tác hại đang xảy ra như thiên lệch, lừa đảo, mất việc. Hai mối quan tâm không loại trừ nhau.
Vì sao AI làm toán olympic được mà vẫn sai phép tính đơn giản?
Mô hình ngôn ngữ học cách viết lời giải giống người viết, chứ không có sẵn một máy tính bên trong. Nó có thể nắm hướng giải đúng của bài khó nhưng vẫn lỡ một phép cộng ở giữa. Một số sản phẩm cho mô hình gọi công cụ tính toán riêng để giảm lỗi này. Đây cũng là minh hoạ cho việc năng lực của AI không đồng đều như năng lực con người.
AI hẹp có thể trở thành AI tổng quát nếu được làm to hơn không?
Đây là một trong những câu hỏi lớn nhất của ngành hiện nay. Một số người tin rằng tăng quy mô dữ liệu, mô hình và sức tính toán sẽ tiếp tục mang lại năng lực mới; số khác cho rằng cần những ý tưởng mới về cách học, cách ghi nhớ, cách hành động. Bằng chứng hiện có chưa đủ để kết luận phía nào đúng.