AGI, viết tắt của artificial general intelligence, thường được dịch là trí tuệ nhân tạo tổng quát: một hệ thống có thể học và làm tốt rất nhiều loại việc khác nhau ở mức tương đương con người, thay vì chỉ giỏi một việc hẹp. Định nghĩa đó nghe rõ, nhưng ngay khi hỏi "bao nhiêu loại việc", "tương đương người nào", "làm tốt nghĩa là sao", các chuyên gia bắt đầu trả lời khác nhau.
Vì không có định nghĩa chung, câu "AGI sắp đến" hay "AGI còn rất xa" có thể cùng đúng, tuỳ người nói đang dùng định nghĩa nào. Bài này giải thích các cách hiểu chính về AGI, lý do giới nghiên cứu bất đồng sâu sắc về thời điểm và cả khả năng xuất hiện của nó, và cách đọc các tin, phát ngôn liên quan mà không bị cuốn vào phía nào.
Từ AI hẹp tới AI tổng quát: khái niệm đến từ đâu
Ngay từ hội thảo Dartmouth năm 1956, nơi thuật ngữ trí tuệ nhân tạo ra đời, các nhà nghiên cứu đã đặt mục tiêu làm cho máy móc thực hiện mọi khía cạnh của trí thông minh. Nhưng qua nhiều thập niên, ngành AI tiến bộ chủ yếu bằng cách giải từng bài toán riêng: chơi cờ, nhận dạng chữ, dịch câu, lọc thư rác. Các hệ thống đó được gọi chung là AI hẹp, vì mỗi hệ thống chỉ làm một loại việc.
Cụm từ AGI được dùng phổ biến từ đầu những năm 2000, khi một nhóm nhà nghiên cứu muốn tách mục tiêu ban đầu ra khỏi dòng AI hẹp đang chiếm ưu thế. AGI trở thành tên gọi cho cái đích mà ngành từng đặt ra: một hệ thống linh hoạt như con người, học được việc mới mà không cần xây lại từ đầu.
Khi mô hình ngôn ngữ lớn xuất hiện và làm được nhiều loại việc trong cùng một hệ thống — viết, dịch, tóm tắt, giải toán, viết mã — ranh giới giữa hẹp và tổng quát bắt đầu mờ. Một chatbot hiện nay rõ ràng không còn hẹp theo nghĩa cũ, nhưng cũng chưa ai đồng thuận rằng nó đã tổng quát theo nghĩa của AGI. Chính vùng giữa này là nơi các tranh luận diễn ra.
Các cách định nghĩa AGI thường gặp
Khi đọc một phát ngôn về AGI, việc đầu tiên là đoán xem người nói đang dùng định nghĩa nào. Các định nghĩa dưới đây đều có người dùng, và mỗi định nghĩa dẫn tới câu trả lời khác về việc AGI đã gần hay còn xa.
| Cách định nghĩa | Nội dung chính | Hệ quả khi dùng |
|---|---|---|
| Theo năng lực nhận thức | Làm được hầu hết các việc trí óc mà một người trưởng thành làm được | Cần liệt kê "việc trí óc" là gì; dễ tranh cãi về việc đếm |
| Theo giá trị kinh tế | Một hiến chương công bố năm 2018 của OpenAI dùng ý: hệ thống tự chủ cao, làm tốt hơn con người ở phần lớn công việc có giá trị kinh tế | Gắn với thị trường lao động; bỏ qua những năng lực không được trả lương |
| Theo khả năng học | Học được việc mới nhanh từ ít ví dụ, như người học nghề | Đặt trọng tâm vào việc học, không vào lượng kiến thức đã có |
| Theo mức độ | Chia thành nhiều bậc, ví dụ đề xuất năm 2023 của một nhóm ở Google DeepMind xếp theo độ rộng và độ giỏi | Bỏ câu hỏi có hay không, thay bằng đang ở bậc nào |
| Theo thân thể | Phải tương tác được với thế giới vật lý: cầm nắm, di chuyển, thích nghi môi trường | Chatbot thuần chữ chưa thể đạt dù giỏi đến đâu |
Không định nghĩa nào sai hoàn toàn. Vấn đề là khi hai người tranh luận "AGI đã gần chưa" mà mỗi người cầm một dòng khác nhau trong bảng, họ sẽ không bao giờ đi tới kết luận chung.
Vì sao các chuyên gia bất đồng sâu sắc
Bất đồng về đích đến. Như bảng trên cho thấy, chưa có định nghĩa chung. Người dùng định nghĩa kinh tế có thể thấy đích gần hơn người dùng định nghĩa thân thể.
Bất đồng về con đường. Một phía cho rằng tiếp tục làm mô hình lớn hơn, nhiều dữ liệu hơn, nhiều sức tính hơn sẽ dần dẫn tới AGI. Phía khác cho rằng mô hình ngôn ngữ thiếu những thành phần căn bản như hiểu thế giới vật lý, lập kế hoạch dài, học liên tục, và cần những ý tưởng mới chưa ai tìm ra. Cả hai phía đều có những nhà nghiên cứu hàng đầu.
Bất đồng về cách đo. Mô hình đạt điểm cao trên bài kiểm này lại thất bại ở bài kiểm khác do người thiết kế để tìm điểm yếu. Người lạc quan nhìn vào điểm cao; người hoài nghi nhìn vào chỗ thất bại. Chưa có bộ đo nào được coi là quyết định.
Nghịch lý Moravec. Từ thập niên 1980, nhà robot học Hans Moravec và một số người khác nhận xét rằng việc khó với người, như cờ vua hay toán, lại tương đối dễ với máy, còn việc dễ với một đứa trẻ, như nhận ra đồ vật hay đi lại trong căn phòng lạ, lại rất khó với máy. Nghịch lý này vẫn đúng một phần ngày nay và khiến dự đoán theo trực giác dễ sai.
Lợi ích và vị trí của người nói. Lãnh đạo công ty AI, nhà nghiên cứu học thuật, nhà đầu tư, nhà hoạt động về an toàn AI có những động cơ khác nhau khi nói về AGI. Điều này không có nghĩa họ nói sai, nhưng là lý do để nghe nhiều phía.
Những bài kiểm được dựng riêng để đo tính tổng quát
Vì các bài kiểm kiến thức dễ bị học thuộc, một số nhà nghiên cứu đã thiết kế bài kiểm nhắm thẳng vào khả năng học cái mới. Ví dụ được nhắc nhiều là bộ câu đố ARC do nhà nghiên cứu François Chollet đề xuất năm 2019, cùng bài tiểu luận của ông về cách đo trí thông minh. Mỗi câu đố là vài cặp lưới ô màu ví dụ, người làm phải tự tìm ra quy luật biến đổi rồi áp vào lưới mới. Phần lớn người lớn giải được khá dễ, trong khi trong nhiều năm các hệ thống AI làm rất kém.
Ý tưởng phía sau đáng chú ý hơn bản thân bài kiểm: trí thông minh tổng quát nên được đo bằng hiệu quả học từ ít ví dụ, không phải bằng lượng kiến thức đã tích luỹ. Theo cách nhìn này, một hệ thống thuộc lòng cả thư viện nhưng lúng túng trước quy luật mới chưa phải là tổng quát. Khi một tin nói mô hình mới làm tốt hơn hẳn ở loại bài kiểm này, đó là tin đáng chú ý hơn nhiều so với điểm cao ở một kỳ thi kiến thức — nhưng vẫn nên chờ xem điều kiện thử, chi phí tính toán, và phiên bản bài kiểm tiếp theo nói gì.
Dự đoán thời điểm: vì sao nên đọc rất thận trọng
Lịch sử AI có nhiều dự đoán quá lạc quan. Những năm 1960, một số nhà tiên phong tin rằng máy móc sẽ làm được mọi việc con người làm trong vòng một hai thập niên. Sau đó là những giai đoạn kinh phí cắt giảm và kỳ vọng sụp đổ mà giới trong ngành gọi là mùa đông AI. Ngược lại, cũng có những tiến bộ đến sớm hơn hẳn dự đoán của nhiều chuyên gia, như máy chơi cờ vây ở trình độ cao.
Các cuộc khảo sát ý kiến nhà nghiên cứu về thời điểm AGI thường cho kết quả trải rất rộng: có người nói vài năm, có người nói nhiều thập niên, có người nói không bao giờ theo con đường hiện tại. Khi một bài báo chỉ trích con số trung bình, nó che mất độ phân tán đó, trong khi chính độ phân tán mới là thông tin quan trọng nhất: các chuyên gia thật sự không biết.
Vì vậy, khi gặp tin kiểu "lãnh đạo công ty X nói AGI sẽ đến trong năm Y", cách đọc hợp lý là: đây là ý kiến của một người, dùng định nghĩa riêng của họ, và nhiều người khác có hiểu biết tương đương nghĩ khác. Trang này không đưa dự đoán thời điểm nào, vì không có cơ sở để làm vậy một cách trung thực.
Năm câu hỏi khi đọc một phát ngôn về AGI
Mỗi khi gặp một tin hay một phát ngôn có chữ AGI, bạn có thể đặt các câu hỏi sau theo thứ tự:
- Người nói định nghĩa AGI là gì? Nếu không nói, hãy đoán theo bối cảnh và ghi nhớ rằng mình đang đoán.
- Phát ngôn là dự đoán, là mục tiêu của công ty, hay là cảnh báo? Ba loại này có ý nghĩa rất khác nhau.
- Người nói có lợi ích gì gắn với việc AGI được coi là gần hay xa?
- Có ai có chuyên môn tương đương đang nói điều ngược lại không? Tìm ít nhất một ý kiến khác.
- Phát ngôn này thay đổi gì trong việc bạn đang làm hôm nay? Nếu câu trả lời là không gì cả, bạn có thể đọc nó như một cuộc tranh luận thú vị, không cần lo lắng.
Câu hỏi cuối giúp tách chuyện tương lai xa khỏi chuyện trước mắt. Những thay đổi thật trong công việc và đời sống do AI hiện tại gây ra đã đủ đáng quan tâm, dù AGI có đến hay không, đến lúc nào.
AGI và những từ to hơn: siêu trí tuệ, điểm kỳ dị
Trong tin tức, AGI thường đi cùng hai từ còn lớn hơn. Siêu trí tuệ chỉ một hệ thống vượt xa con người ở hầu hết mọi lĩnh vực. Điểm kỳ dị công nghệ chỉ một thời điểm giả định khi máy móc tự cải tiến nhanh tới mức con người không còn dự đoán được tương lai. Cả hai đều là khái niệm suy đoán, đã xuất hiện trong sách và tiểu luận nhiều thập niên, chưa có cách kiểm chứng.
Những khái niệm này có chỗ đứng hợp lý trong thảo luận dài hạn về rủi ro và chính sách. Nhưng khi tin tức nhảy thẳng từ một sản phẩm mới tới "bước gần hơn tới siêu trí tuệ", nó đang gộp một tiến bộ cụ thể vào một câu chuyện lớn mà không có cầu nối nào. Người đọc nên tách: sản phẩm này làm được gì mới, và việc gắn nó với siêu trí tuệ là của ai.
Ở Việt Nam, các khái niệm này thường đến qua bài dịch và video ngắn, nhiều khi bị đơn giản hoá thành kịch bản phim. Nếu bạn là giáo viên hay phụ huynh được học sinh hỏi về chúng, cách trả lời trung thực nhất là: đây là những ý tưởng mà các nhà khoa học còn tranh luận, chưa ai biết chắc, và đó là lý do chúng thú vị để tìm hiểu.
Câu hỏi thường gặp
AGI khác AI hiện nay ở chỗ nào?
AI hiện nay, kể cả chatbot làm được nhiều việc, vẫn có những giới hạn rõ như hay bịa, khó lập kế hoạch dài, không tự học liên tục sau khi phát hành. AGI theo hầu hết định nghĩa là hệ thống vượt qua những giới hạn đó và linh hoạt như con người ở rất nhiều loại việc.
Chatbot hiện nay đã là AGI chưa?
Phần lớn giới nghiên cứu cho rằng chưa, dù chatbot đã làm được nhiều việc hơn hẳn AI hẹp trước đây. Một số người dùng định nghĩa rộng cho rằng đã chạm một phần. Câu trả lời phụ thuộc vào định nghĩa, nên nên hỏi lại người khẳng định họ hiểu AGI là gì.
Khi nào AGI xuất hiện?
Không ai biết. Các cuộc khảo sát chuyên gia cho kết quả trải rất rộng, từ vài năm tới nhiều thập niên hoặc không bao giờ theo con đường hiện tại. Bất kỳ ngày tháng cụ thể nào bạn đọc được đều là ý kiến cá nhân, không phải kết luận khoa học.
Nghịch lý Moravec là gì?
Là nhận xét rằng những việc khó với con người như chơi cờ, tính toán lại tương đối dễ với máy, còn những việc dễ với trẻ nhỏ như nhận ra đồ vật, đi lại, cầm nắm lại rất khó với máy. Nhận xét này được đưa ra từ thập niên 1980 và vẫn đúng một phần đến nay.
Vì sao các công ty AI hay nói về AGI?
Nhiều công ty đặt AGI làm mục tiêu dài hạn, nên nói về nó để mô tả định hướng, thu hút nhân tài và vốn đầu tư. Đó là lý do chính đáng, nhưng cũng là lý do để đọc phát ngôn của họ cùng với ý kiến của những người không có lợi ích trực tiếp.
AGI có nguy hiểm không?
Đây là câu hỏi đang được tranh luận nghiêm túc. Một số nhà nghiên cứu cho rằng hệ thống tổng quát mạnh có thể gây rủi ro lớn nếu không kiểm soát được, số khác cho rằng mối lo đó còn xa và nên tập trung vào rủi ro của AI hiện tại. Đọc cả hai phía sẽ giúp bạn có cái nhìn cân bằng.