Hai quan điểm đối lập về tiến bộ của AI: Liệu AGI có xuất hiện trong thập kỷ này?

Hai quan điểm đối lập về tiến bộ của AI: Liệu AGI có xuất hiện trong thập kỷ này?

Mục lục:

• AGI: Bước ngoặt hay viễn cảnh xa vời?
• Leopold Aschenbrenner: AGI sẽ đến trong vòng 5 năm
• Phe hoài nghi: Lý do để nghi ngờ AGI
• Bill Gates: Hai vòng xoay và nhu cầu metacognition
• Sự thật phũ phàng: AGI chưa phải ưu tiên
• Kết luận: AI là công cụ bổ trợ, không phải thay thế con người

1. AGI: Bước ngoặt hay viễn cảnh xa vời?

Hiện nay, giới khoa học đang tranh luận sôi nổi về khả năng đạt được Trí tuệ nhân tạo tổng quát (AGI). AGI là một mô hình AI có thể thực hiện mọi nhiệm vụ nhận thức như con người, thậm chí còn vượt trội hơn. Liệu AGI có thể đạt được trong thập kỷ này hay không? Câu trả lời vẫn chưa có, và bài viết này sẽ trình bày hai quan điểm đối lập về tiến bộ của AI.

2. Leopold Aschenbrenner: AGI sẽ đến trong vòng 5 năm

Leopold Aschenbrenner, một cựu nhà nghiên cứu của OpenAI, tin rằng AGI sẽ xuất hiện trong vòng hai đến năm năm tới. Trong tác phẩm Nhận thức tình huống (Situational Awareness), ông lập luận rằng mỗi năm, tính toán hiệu quả (effective compute) - bao gồm cả quy mô của mô hình AI và sự cải tiến trong hiệu suất - tăng gấp 3 lần. Cộng dồn lại, trong vòng 4 năm, tính toán hiệu quả sẽ tăng gấp 100 lần.

Ngoài ra, ông còn đưa ra khái niệm loại bỏ gông cùm (unhobbling) để chỉ các phương pháp giúp AI hoạt động tốt hơn trong những nhiệm vụ mà các mô hình ngôn ngữ lớn (LLM) gặp khó khăn. Ông tin rằng sự kết hợp giữa tính toán hiệu quả và loại bỏ gông cùm sẽ giúp AI đạt được khả năng vượt trội vào năm 2027.

3. Phe hoài nghi: Lý do để nghi ngờ AGI

Tuy nhiên, một số chuyên gia AI khác lại hoài nghi về khả năng đạt được AGI trong thời gian ngắn. Gary Marcus, một chuyên gia AI lâu năm, cho rằng deep learning - công nghệ AI dựa trên mạng thần kinh - chưa đủ để tạo ra AGI. Ông cho rằng LLM hiện nay là những cỗ máy sao chép không đáng tin cậy, sản sinh nội dung kém chất lượng và không phù hợp với các nhiệm vụ thực tế đòi hỏi độ chính xác cao.

Yann LeCun, nhà khoa học trưởng về AI của Meta, cũng đồng tình rằng LLM là một ngõ cụt. Ông cho rằng những vấn đề về độ tin cậy, xác thực, đạo văn và việc tuân thủ các nguyên tắc của LLM hiện nay là do cấu trúc cơ bản của mô hình. Việc tăng cường quy mô hoặc áp dụng các kỹ thuật mới không thể giải quyết những vấn đề này.

4. Bill Gates: Hai vòng xoay và nhu cầu metacognition

Bill Gates, đồng sáng lập Microsoft, cho rằng việc xây dựng LLM ngày càng lớn có thể tiếp tục được trong hai vòng xoay nữa. Tuy nhiên, ông cũng chỉ ra rằng chúng ta sẽ thiếu dữ liệu để huấn luyện những LLM khổng lồ này trước khi đạt được AGI. Ông nhấn mạnh nhu cầu về metacognition - khả năng của AI để suy luận về quá trình suy nghĩ và học tập của chính nó - để tiến đến AGI.

5. Sự thật phũ phàng: AGI chưa phải ưu tiên

Dù AGI có vẻ là mục tiêu hấp dẫn, nhưng thực tế hiện nay, LLM vẫn đang được áp dụng hiệu quả trong nhiều lĩnh vực kinh doanh, từ dịch vụ khách hàng, tạo mã code đến ghi chú cuộc họp. Tuy nhiên, để LLM phát huy hết tiềm năng, chúng ta cần giải quyết vấn đề về độ tin cậy và hiệu quả.

Việc tập trung quá nhiều vào AGI có thể khiến chúng ta lãng phí nguồn lực và thời gian. Thay vì đặt kỳ vọng vào một AGI hoàn hảo, chúng ta nên hướng đến việc phát triển AI để giải quyết các vấn đề thực tế.

6. Kết luận: AI là công cụ bổ trợ, không phải thay thế con người

Trong khi giới khoa học tranh luận về AGI, chúng ta cần nhớ rằng AI là một công cụ bổ trợ, không phải thay thế con người. Mục tiêu của AI là giúp chúng ta giải quyết các vấn đề và nâng cao năng suất, không phải là thay thế hoàn toàn con người.

Chúng ta nên hướng đến một tương lai mà AI và con người cùng cộng tác để tạo ra giá trị, thay vì cạnh tranh với nhau.