Lập luận cho AI nhàm chán

Cuộc đua điểm chuẩn của AI đã có người chiến thắng. Nhưng đó không phải là bạn.

Cứ vài tháng lại có một mô hình mới ra mắt và một bảng xếp hạng mới bị xáo trộn. Các phòng thí nghiệm cạnh tranh để lý giải tốt hơn, viết mã tốt hơn, và trả lời tốt hơn lẫn nhau trong các bài kiểm tra được thiết kế nhằm đo trí tuệ của máy móc. Rồi phần “phủ sóng” cũng theo sau. Và nguồn tài trợ cũng vậy.

Điều nhận được ít sự chú ý hơn là liệu tất cả những điều này có phải là điều không thể tránh khỏi hay không. Những điểm chuẩn, cuộc chạy đua vũ trang, cách đóng khung AI là cứu tinh hay thảm họa — đó là những lựa chọn, không phải định luật của vật lý. Chúng phản ánh ngành công nghiệp đã quyết định tối ưu cho điều gì, và điều gì họ quyết định tài trợ. Công nghệ sẽ mất hàng chục năm để phát triển theo cách thông thường và hữu ích thì quý này không thể huy động hàng tỷ đô. Những câu chuyện cực đoan thì có thể.

Một số nhà nghiên cứu cho rằng mục tiêu đó đơn giản là sai. Không phải vì AI không quan trọng, mà vì “quan trọng” không nhất thiết phải đồng nghĩa với “chưa từng có”. Máy in đã thay đổi thế giới. Điện cũng vậy. Cả hai thay đổi theo cách dần dần, thông qua việc ứng dụng lộn xộn, cho các xã hội thời gian để phản ứng. Nếu AI đi theo mẫu đó, thì những câu hỏi đúng đắn không phải về siêu trí tuệ. Mà là về ai được lợi, ai bị hại, và liệu các công cụ chúng ta đang xây dựng có thực sự hoạt động vì những người sử dụng chúng hay không.

Rất nhiều nhà nghiên cứu đã đặt những câu hỏi ấy từ những hướng đi hoàn toàn khác nhau. Dưới đây là ba trong số họ.

Hữu ích, không phải tổng quát

Ruchir Puri đã xây dựng AI tại IBM $IBM -0.68% từ trước khi phần lớn mọi người từng nghe đến học máy. Ông chứng kiến Watson đánh bại những người chơi Jeopardy giỏi nhất thế giới vào năm 2011. Ông cũng đã thấy nhiều chu kỳ thổi phồng rồi lắng xuống kể từ đó. Khi làn sóng hiện tại xuất hiện, ông có một bài kiểm tra đơn giản cho nó: nó có hữu ích không?

Không ấn tượng. Không tổng quát. Hữu ích.

“Thực sự tôi không quan tâm nhiều đến trí tuệ nhân tạo tổng quát,” ông nói. “Tôi quan tâm đến phần hữu ích của nó.”

Cách đóng khung này khiến ông trái ngược với hình ảnh tự thân của phần lớn ngành. Các phòng thí nghiệm đang lao về phía AGI tối ưu cho sự bao quát, xây dựng các hệ thống có thể làm bất cứ thứ gì, trả lời bất cứ thứ gì, suy nghĩ về bất cứ thứ gì. Puri cho rằng đó là mục tiêu sai, và ông có một chuẩn điểm mà ông muốn thấy ngành công nghiệp thực sự cố gắng đạt được.

Bộ não con người sống trong 1.200 xentimet khối, tiêu thụ 20 watt, tương đương năng lượng của một bóng đèn, và như Puri chỉ ra, chạy bằng bánh sandwich. Một GPU Nvidia $NVDA +0.26% duy nhất tiêu thụ 1.200 watt, nhiều hơn 60 lần so với cả bộ não, và bạn cần hàng nghìn chiếc trong một trung tâm dữ liệu khổng lồ để làm được điều gì đó có ý nghĩa. Nếu bộ não là chuẩn, thì ngành không hề tiến gần đến sự hiệu quả. Nó đang đi sai hướng.

Phương án thay thế của ông là thứ ông gọi là kiến trúc lai: các mô hình nhỏ, vừa và lớn làm việc cùng nhau, mỗi cái được giao nhiệm vụ mà nó làm tốt nhất. Một mô hình biên lớn sẽ xử lý phần suy luận và lập kế hoạch phức tạp. Các mô hình nhỏ hơn, được thiết kế cho đúng mục đích, sẽ đảm nhiệm việc thực thi. Một tác vụ đơn giản như soạn một email không cần một hệ thống được huấn luyện trên một nửa internet. Nó cần thứ gì đó nhanh, rẻ và tập trung. Mỗi khoảng chín tháng một lần, Puri ghi nhận, mô hình nhỏ của thế hệ trước trở nên tương đương một cách xấp xỉ với thứ trước đó được coi là “lớn”. Trí tuệ đang ngày càng rẻ hơn. Câu hỏi là liệu có ai đang xây dựng theo thực tế đó không.

Cách tiếp cận này có bằng chứng từ thực tế. Airbnb $ABNB -1.45% dùng các mô hình nhỏ để giải quyết một phần đáng kể các vấn đề dịch vụ khách hàng nhanh hơn những đại diện con người của họ. Meta $META +0.35% không dùng các mô hình lớn nhất của mình để chạy quảng cáo; thay vào đó, nó chưng cất kiến thức đó thành các mô hình nhỏ hơn, được xây dựng riêng cho đúng tác vụ ấy. Mẫu hình này nhất quán đến mức các nhà nghiên cứu đã bắt đầu gọi nó là dây chuyền lắp ráp tri thức: dữ liệu chảy vào, các mô hình chuyên biệt xử lý các bước rời rạc, và thứ gì đó hữu ích được tạo ra ở đầu ra.

IBM đã xây dựng dây chuyền lắp ráp đó lâu hơn đa số. Một tác nhân lai kết hợp các mô hình từ nhiều công ty đã cho thấy mức cải thiện năng suất 45% trên một đội ngũ kỹ sư lớn. Các hệ thống chạy trên các mô hình nhỏ, được thiết kế cho đúng mục đích hiện nay giúp các kỹ sư — những người giữ cho 84% các giao dịch tài chính của thế giới được xử lý — có được thông tin đúng lúc. Đây không phải là các ứng dụng hào nhoáng. Và chúng cũng không bị thất bại.

Không cái nào trong số đó cần một hệ thống có thể viết thơ hoặc giải bài toán học của con bạn. Chúng cần thứ hẹp hơn, và vì thế đáng tin cậy hơn. Một mô hình được huấn luyện để làm tốt một việc biết khi nào một câu hỏi nằm ngoài phạm vi của nó. Nó nói như vậy. Mức độ không chắc chắn được hiệu chỉnh này — biết mình không biết gì — là thứ mà các mô hình biên lớn vẫn gặp khó khăn.

“Tôi muốn xây dựng các tác nhân và hệ thống cho những quy trình đó,” Puri nói. “Không phải thứ trả lời hai triệu điều.”

Công cụ, không phải tác nhân

Ben Shneiderman có một bài kiểm tra đơn giản để biết liệu một hệ thống AI được thiết kế tốt hay không. Người dùng có cảm thấy như họ đã làm được điều gì đó, hay họ cảm thấy như là có gì đó đã được làm cho họ?

Sự khác biệt này quan trọng hơn những gì nghe có vẻ. Shneiderman, một nhà khoa học máy tính tại Đại học Maryland và người đã giúp đặt nền móng cho thiết kế giao diện hiện đại, đã dành hàng thập kỷ để tranh luận rằng mục tiêu của công nghệ là khuếch đại năng lực của con người, chứ không thay thế họ. Những công cụ tốt xây dựng cái mà ông gọi là “tự hiệu lực của người dùng” — tức là sự tự tin đến từ việc biết rằng bạn có thể tự làm một việc gì đó. Những công cụ tệ thì lặng lẽ chuyển quyền chủ động đó đi đâu đó khác.

Ông cho rằng phần lớn ngành công nghiệp AI đang xây dựng những công cụ tệ, và ông tin rằng bước chuyển sang “tác nhân” (agentic turn) còn làm tình hình tệ hơn. Lời chào cho các tác nhân AI là chúng hành động thay bạn, xử lý các tác vụ từ đầu đến cuối mà không cần sự tham gia của bạn. Với Shneiderman, đó không phải là một tính năng. Đó là vấn đề. Khi có chuyện gì đó trục trặc — và chắc chắn sẽ có — thì ai chịu trách nhiệm? Khi mọi thứ diễn ra đúng, ai là người đã học được bất cứ điều gì?

Cái bẫy mà ông đã chống lại từ rất lâu có một cái tên. Nhân hình hóa (anthropomorphism) — xung lực khiến công nghệ trông như con người — chính là thứ luôn chiến thắng, và cũng là thứ luôn thất bại. Trong những năm 1970, các ngân hàng thử nghiệm ATM mà đón chào khách hàng bằng “Tôi có thể giúp gì cho bạn?” và đặt tên cho chính mình như Tilly the Teller và Harvey the World Banker. Chúng được thay thế bằng những cỗ máy chỉ cho bạn ba lựa chọn. Số dư, tiền mặt, hoặc gửi tiền. Việc sử dụng tăng vọt. Citibank có mức sử dụng cao hơn 50% so với các đối thủ. Người ta không muốn một mối quan hệ giả lập. Họ muốn lấy tiền của mình.

Mẫu hình tương tự đã lặp lại qua nhiều thập kỷ, từ Microsoft $MSFT -0.16% Bob, cái “pin AI” từ Humane, và các đợt robot hình người. Mỗi lần, phiên bản nhân hình hóa thất bại và bị thay bằng thứ giống “công cụ” hơn. Shneiderman gọi đó là “ý tưởng zombie”. Nó không chết, nó chỉ tiếp tục quay trở lại.

Điểm khác biệt bây giờ là quy mô và mức độ tinh vi. Thế hệ AI hiện tại, ông thừa nhận, thật sự rất ấn tượng, đến mức gây sốc. Nhưng “ấn tượng” và “hữu ích” không phải là một, và các hệ thống được thiết kế để trông như con người, để nói “tôi”, để mô phỏng một mối quan hệ, đang tối ưu cho chất lượng sai. Câu hỏi ông muốn các nhà thiết kế đặt ra thì đơn giản hơn: liệu điều này giúp con người có thêm quyền lực hay ít hơn?

“Không có chữ I trong AI,” ông nói. “Hoặc ít nhất, nó không nên có.”

Con người, không phải điểm chuẩn

Karen Panetta có một câu trả lời đơn giản cho việc vì sao phát triển AI lại trông như thế này. Theo dõi dòng tiền.

Panetta, một giáo sư kỹ thuật điện và máy tính tại Đại học Tufts và là thành viên IEEE, nghiên cứu đạo đức AI và có cái nhìn rõ ràng về nơi công nghệ nên đi. Bà nêu ra những ví dụ như thú cưng hỗ trợ cho bệnh nhân Alzheimer, công cụ học tập thích ứng cho trẻ em với những kiểu phong cách nhận thức khác nhau, và giám sát ngôi nhà thông minh cho người cao tuổi đang sống tại chỗ. Công nghệ để làm điều đó tốt, bà nói, phần lớn đã tồn tại. Việc đầu tư thì không.

“Con người không quan tâm đến các điểm chuẩn,” bà nói. “Họ quan tâm là: nó có hoạt động khi tôi mua nó không, và liệu nó có thực sự khiến cuộc sống của tôi dễ hơn không?”

Vấn đề là những người sẽ được lợi nhiều nhất từ một AI hỗ trợ được thiết kế tốt lại cũng là những người có ít sức thuyết phục nhất đối với một nhà đầu tư mạo hiểm. Một hệ thống biến đổi quy trình sản xuất, giảm tai nạn nơi làm việc và cắt giảm chi phí y tế cho nhân viên của một công ty có mức hoàn vốn rõ ràng. Một người bạn robot giúp giữ cho bệnh nhân Alzheimer bình tĩnh và được kết nối cần một loại toán học hoàn toàn khác. Vì thế tiền đi nơi mà tiền đi, và các nhóm dân số có nhiều thứ để được lợi nhất vẫn phải chờ.

Panetta nói rằng điều đã thay đổi là: các bài toán kỹ thuật đắt đỏ cuối cùng cũng đang được giải quyết trên quy mô lớn. Cảm biến rẻ hơn. Pin nhẹ hơn. Các giao thức không dây phổ biến khắp nơi. Chính khoản đầu tư từng tạo ra robot công nghiệp cho các nhà máy giờ đây đã âm thầm làm cho robot tiêu dùng trở nên khả thi theo cách mà nó chưa thể làm được cách đây năm năm. Con đường từ kho hàng đến phòng khách ngắn hơn vẻ bề ngoài.

Nhưng bà có một lo ngại rằng sự phấn khích quanh bước chuyển đó thường bỏ qua phần này. Robot vật lý có những ràng buộc tự nhiên. Bạn biết giới hạn lực tác động. Bạn biết động học. Bạn có thể dự đoán, mô phỏng và thiết kế để tránh những cách chúng có thể thất bại. AI tạo sinh không đi kèm các đảm bảo đó. Nó không mang tính quyết định. Nó bịa ra. Không ai đã lập bản đồ đầy đủ về điều gì xảy ra khi bạn đưa nó vào một hệ thống có sự hiện diện vật lý trong ngôi nhà của một người mắc chứng sa sút trí tuệ, hoặc trong nhà của một đứa trẻ không thể xác định khi nào có điều gì đó đã đi sai.

Bà đã thấy điều gì xảy ra khi một cảm biến bị bẩn và robot mất đi nhận thức không gian. Bà cũng đã nghĩ về ý nghĩa của việc xây dựng một thứ học được các chi tiết thân mật về cuộc sống của một người — các thói quen, trạng thái nhận thức, những khoảnh khắc hoang mang của họ — rồi tự động hành động dựa trên thông tin đó. Các cơ chế dự phòng, bà nói, chưa theo kịp.

“Tôi không lo về robot,” bà nói. “Tôi lo về AI.”

📬 Đăng ký nhận Bản tin hằng ngày

Bản tin toàn cầu miễn phí, nhanh và vui vẻ của chúng tôi về nền kinh tế, được gửi vào mỗi sáng các ngày trong tuần.

Đăng ký