AI thực sự không thông minh bằng mèo? Đánh giá bình tĩnh về công nghệ hiện tại từ một nhà tiên phong AI
AI thông minh hơn mèo không? Với nhiều người, đây là câu hỏi không đáng để suy nghĩ—tất nhiên là thông minh hơn rồi. AI có thể giành chiến thắng trong các giải đấu cờ vua, tự động tạo ra hình ảnh ấn tượng và thậm chí viết các bài viết phức tạp thông qua API như GPT. Còn mèo thì làm gì? Nằm dài trên ghế sofa? Tuy nhiên, Yann LeCun, nhà khoa học AI trưởng của Meta, không nghĩ như vậy. Quan điểm của ông không chỉ làm mới nhận thức của công chúng về AI mà còn là một lời cảnh tỉnh cho toàn ngành công nghệ.
Khả năng của công nghệ có bị thổi phồng không?
LeCun trong một cuộc phỏng vấn gần đây đã thẳng thắn cho rằng, AI hiện nay dù gây ấn tượng trong các lĩnh vực cụ thể, nhưng vẫn có khoảng cách đáng kể so với trí thông minh thực sự. Ông chỉ ra rằng AI rất giỏi xử lý các nhiệm vụ mang tính cấu trúc, như dịch thuật, phân loại và dự đoán. Tuy nhiên, những khả năng này không thể đại diện cho sự nhận thức phức tạp mà các sinh vật như mèo sở hữu. Mèo có thể hoạt động tự do trong môi trường phức tạp, khả năng học hỏi và thích nghi của chúng cũng vượt xa AI.
Đây không phải là một lời chỉ trích đơn thuần mà là sự suy ngẫm bình tĩnh về bản chất của công nghệ. LeCun nhấn mạnh rằng, dù các mô hình ngôn ngữ lớn (LLMs) như GPT đã thành công và thu hút nhiều sự chú ý, nhưng những hệ thống này phần lớn dựa vào “mối tương quan thống kê” thay vì thực sự hiểu biết. Khả năng này ở một mức độ nào đó giống như một “ảo ảnh”, chúng có thể hoàn thành nhiệm vụ sáng tạo nhưng lại không thể linh hoạt ứng phó với tình huống mới như trí thông minh sinh học.
Con đường đạt đến trí tuệ nhân tạo tổng quát
Quan điểm của Yann LeCun phản ánh một hiện tượng quan trọng trong lĩnh vực AI hiện nay: chúng ta đang ở trong thời kỳ vàng của những đột phá cục bộ, nhưng điều đó không có nghĩa là ánh sáng của trí tuệ nhân tạo tổng quát (AGI) đang đến gần. AGI cần có khả năng nhận thức, suy luận và học tập theo ngữ cảnh giống con người hoặc sinh vật, thay vì chỉ hoàn thành các nhiệm vụ cụ thể.
Ông cho rằng, để vượt qua rào cản này, AI cần thay đổi căn bản phương pháp học tập hiện tại. Ví dụ, học có giám sát và học tăng cường truyền thống dù hiệu quả nhưng vẫn thiếu cơ chế học tập giống như sinh vật thông qua thử nghiệm, quan sát và phản hồi. Nói cách khác, AI cần học cách “nhận thức và thích nghi như mèo” thay vì chỉ phụ thuộc vào dữ liệu khổng lồ.
Thực tế và tiềm năng của GPT API
Hiện tại, các API như GPT đã thực sự cho thấy tiềm năng ấn tượng trong nhiều lĩnh vực. Từ tạo nội dung văn bản, viết mã, chẩn đoán y tế đến giáo dục ngôn ngữ, các ứng dụng của chúng rất đa dạng và có giá trị cao. Tuy nhiên, loại công nghệ này chủ yếu tập trung vào “hướng tới kết quả” thay vì trí tuệ tổng quát.
Người dùng cần nhận thức rằng GPT API dù mạnh mẽ, nhưng “trí thông minh” của nó vẫn bị giới hạn trong khuôn khổ cụ thể. Điều này có nghĩa là khi sử dụng hàng ngày, chúng ta nên coi nó như một công cụ thay vì coi nó như mầm mống của trí tuệ tổng quát. Nhận thức này không chỉ giúp quản lý kỳ vọng mà còn dẫn dắt chúng ta tiếp cận nghiên cứu và triển khai một cách thực tế hơn.
Điểm cân bằng trong tương lai
Những bình luận của LeCun tiết lộ một điểm cân bằng quan trọng: trên con đường hướng tới AGI, chúng ta cần duy trì sự lạc quan về những đột phá công nghệ đồng thời tôn trọng những giới hạn thực tế của nó. Công nghệ AI hiện tại đã mang lại sự thay đổi lớn cho xã hội, với ảnh hưởng ngày càng gia tăng trong thương mại, giáo dục và y tế. Tuy nhiên, tương lai thực sự thông minh vẫn đòi hỏi nhiều đổi mới lý thuyết và đột phá công nghệ hơn nữa.
Theo nghĩa này, có lẽ chúng ta nên cảm ơn mèo—loài sinh vật mà trong mắt các nhà khoa học AI trở thành tiêu chuẩn. Nó nhắc nhở chúng ta rằng, định nghĩa về trí tuệ không chỉ là xử lý dữ liệu và tạo nội dung mà còn gắn bó mật thiết với nhận thức, thích nghi và sự sáng tạo.