Ảo Giác Của Tiến Bộ: Mô Phỏng Trí Tuệ… · ELECTE

Trí tuệ Nhân tạo Tổng quát (AGI) - một hệ thống có trí thông minh tương đương hoặc vượt trội con người trong mọi lĩnh vực - vẫn tiếp tục được coi là Chén Thánh của công nghệ. Tuy nhiên, vào năm 2025, một con đường thay thế đang trở nên rõ ràng hơn: chúng ta không đạt tới AGI như một hệ thống thống nhất, mà thông qua một ảo giác ngày càng thuyết phục được tạo ra từ sự kết hợp của nhiều AI hẹp chuyên biệt.

Bức tranh khảm của trí tuệ nhân tạo

AI ngày nay vượt trội trong các nhiệm vụ cụ thể: Mô hình Ngôn ngữ Lớn (LLM) xử lý văn bản, các mô hình như Midjourney hoặc DALL-E tạo hình ảnh, AlphaFold phân tích protein. Mặc dù bị giới hạn riêng lẻ, nhưng khi được tích hợp vào một hệ sinh thái phối hợp, những AI hẹp này tạo ra vẻ ngoài của trí thông minh tổng quát - một "đại diện" của AGI.

Theo báo cáo AI Index 2025 của Đại học Stanford, mặc dù đã có những tiến bộ đáng kể, AI vẫn tiếp tục phải đối mặt với những thách thức trong suy luận phức tạp.

Các mô hình tiên tiến nhất có thể giải quyết các vấn đề có cấu trúc cao, nhưng lại có những hạn chế rõ rệt khi xét đến lập luận logic phức tạp, lập kế hoạch tuần tự và tư duy trừu tượng.

Phương pháp tiếp cận "Xã hội tâm trí" và hệ thống đa tác nhân

Vào năm 2025, trí tuệ nhân tạo đang phát triển nhanh chóng, chuyển đổi từ một công nghệ ngách thành một yếu tố chiến lược của bối cảnh công nghệ và xã hội, với những hàm ý sâu sắc về văn hóa và đạo đức.

Điều này đã dẫn đến sự xuất hiện của các hệ thống AI tác nhân đưa chúng ta đến gần hơn với chân trời trí tuệ nhân tạo tổng quát.

Trong hệ thống đa tác nhân, mỗi tác nhân hoạt động độc lập, sử dụng dữ liệu cục bộ và đưa ra quyết định tự chủ mà không phụ thuộc vào bộ điều khiển trung tâm.

Mỗi tác nhân có một góc nhìn cục bộ, nhưng không ai có góc nhìn toàn cục về toàn bộ hệ thống. Sự phân quyền này cho phép các tác nhân quản lý các tác vụ riêng lẻ, đồng thời đóng góp vào mục tiêu chung thông qua tương tác.

Đến năm 2025, các hệ thống đa tác nhân - nơi nhiều tác nhân AI hợp tác để đạt được các mục tiêu phức tạp - sẽ ngày càng phổ biến. Các hệ thống này có thể tối ưu hóa quy trình làm việc, tạo ra thông tin chi tiết và hỗ trợ ra quyết định trong nhiều ngành công nghiệp khác nhau.

Ví dụ, trong dịch vụ khách hàng, các tác nhân AI xử lý các yêu cầu phức tạp; trong sản xuất, họ giám sát dây chuyền sản xuất theo thời gian thực; và trong hậu cần, họ điều phối chuỗi cung ứng một cách linh hoạt.

Cao nguyên tính toán và rào cản vật lý

Mặc dù đã có những tiến bộ ấn tượng, chúng ta đang bắt đầu đạt đến ngưỡng bão hòa trong phát triển tính toán truyền thống. Từ năm 1959 đến năm 2012, lượng năng lượng cần thiết để huấn luyện các mô hình AI tăng gấp đôi sau mỗi hai năm, theo Định luật Moore. Tuy nhiên, dữ liệu gần đây hơn cho thấy sau năm 2012, tốc độ tăng gấp đôi này đã nhanh hơn đáng kể - cứ sau 3,4 tháng - khiến tốc độ hiện tại nhanh hơn bảy lần so với tốc độ trước đó.

Sự gia tăng đáng kể về sức mạnh tính toán cần thiết này nhấn mạnh mức độ thách thức về mặt kinh tế để đạt được những tiến bộ đáng kể trong AI.

Lời hứa của máy tính lượng tử

Điện toán lượng tử có thể vượt qua rào cản này, mang lại một bước nhảy vọt về mô hình trong năng lực tính toán cần thiết cho các mô hình tinh vi hơn nữa. Vào năm 2025, điện toán lượng tử đang nổi lên như một công cụ then chốt để giải quyết những thách thức này, trong khi các công ty công nghệ đón nhận các nguồn năng lượng thay thế để theo kịp mức tiêu thụ năng lượng ngày càng tăng của AI.

Theo dự báo của Arvind Krishna, CEO của IBM, nhờ những tiến bộ nhanh chóng trong điện toán lượng tử, mức tiêu thụ năng lượng và nước của AI có thể được giảm tới 99% trong vòng năm năm tới.

Công nghệ này hứa hẹn sẽ mở ra những khả năng tính toán chưa từng có trước đây và mở ra những chân trời mới trong nghiên cứu khoa học.

Một tiến bộ quan trọng đã được công bố vào tháng 3 năm 2025 bởi D-Wave Quantum, khi họ công bố một bài báo được bình duyệt có tiêu đề "Beyond-Classical Computation in Quantum Simulation", chứng minh rằng máy tính lượng tử ủ (annealing) của họ đã vượt qua một trong những siêu máy tính cổ điển mạnh nhất thế giới trong việc giải quyết các bài toán mô phỏng vật liệu từ tính phức tạp.

Năm 2025 đã chứng kiến những tiến bộ mang tính chuyển đổi trong điện toán lượng tử, với những bước tiến quan trọng về phần cứng, sửa lỗi, tích hợp với AI và mạng lượng tử. Những tiến bộ này đang định nghĩa lại vai trò khả dĩ của điện toán lượng tử trong các lĩnh vực như y tế, tài chính và logistics.

Tuy nhiên, theo Forrester, điện toán lượng tử vẫn còn mang tính thử nghiệm bất chấp những tiến bộ của năm 2025 và vẫn chưa chứng minh được lợi thế thực tiễn so với máy tính cổ điển đối với phần lớn các ứng dụng.

Cuộc đua lượng tử: Microsoft so với Google?

Microsoft khẳng định đã đạt được những tiến bộ đáng kể trong điện toán lượng tử với chip Majorana 1 của mình, được giới thiệu vào đầu năm 2025. Bộ xử lý này có kiến trúc Topological Core mới, được xây dựng với tám qubit tôpô thao tác các hạt Majorana, các giả hạt hoạt động như "nửa electron" nổi tiếng với khả năng chống chịu lỗi mạnh mẽ.

Mặt khác, Google đã phát triển một phương pháp tiếp cận khác với chip lượng tử mang tính cách mạng có tên là Willow, giải quyết vấn đề truyền thống về tỷ lệ lỗi tăng khi số qubit tăng lên—Willow thực sự trở nên chính xác hơn khi có nhiều qubit hơn được thêm vào.

Hai chiến lược khác nhau này đại diện cho những cách tiếp cận cơ bản khác nhau đối với điện toán lượng tử, trong đó Microsoft tập trung vào cấu trúc mạng và Google tập trung vào tối ưu hóa lỗi.

Rào cản nhận thức vẫn tồn tại

Ngoài những hạn chế về phần cứng, AI tổng hợp còn phải đối mặt với những rào cản cơ bản khác:

Hiểu biết nhân quả: Các hệ thống tương quan các biến số nhưng không tách biệt được các mối quan hệ nhân quả thực sự. AI đã đạt được những tiến bộ đáng kể trong nhiều lĩnh vực, nhưng vẫn tiếp tục đối mặt với những hạn chế trong việc hiểu và phản ứng với cảm xúc con người, trong việc ra quyết định ở các tình huống khủng hoảng, và trong việc đánh giá các cân nhắc đạo đức và luân lý.

Học liên tục: Các mạng nơ-ron mất độ chính xác khi được huấn luyện tuần tự trên các nhiệm vụ khác nhau, thể hiện một dạng "quên lãng thảm khốc".

Siêu nhận thức: Các AI thiếu một mô hình nội tại về nhận thức của chính mình, hạn chế khả năng tự cải thiện thực sự.

Nhận thức và cảm xúc: AI vượt trội về khả năng lập luận tính toán nhưng vẫn tiếp tục gặp phải những hạn chế sâu sắc về khả năng hiểu cảm xúc và cân nhắc đạo đức. Ranh giới giữa trí tuệ nhân tạo và trí tuệ con người có thể nằm chính xác ở sự cân bằng giữa logic và cảm xúc.

Hướng tới AGI "bằng Proxy"

Cộng đồng khoa học dường như khá chia rẽ về các công nghệ và khung thời gian cần thiết để đạt được mục tiêu Trí tuệ nhân tạo tổng quát (AGI), nhưng cuộc tranh luận đang làm sáng tỏ một số ý tưởng mới thú vị, hiện đang được ứng dụng thực tế trong nghiên cứu các hệ thống AI mới.

Năm 2025 có thể là năm các hệ thống tác nhân đầu tiên được đưa vào sản xuất tại các doanh nghiệp.

Trong khi AGI đại diện cho mục tiêu đầy tham vọng nhất – các hệ thống có khả năng nhận thức tương đương hoặc vượt trội hơn con người, có khả năng hiểu, học và áp dụng kiến thức trên nhiều lĩnh vực.

Thay vì chờ đợi một AGI đơn khối, tương lai khả dĩ hơn sẽ chứng kiến sự xuất hiện của cái mà chúng ta có thể gọi là "AGI bề ngoài" - những hệ thống có vẻ như sở hữu trí thông minh tổng quát thông qua:

Điều phối các vi dịch vụ AI: Nhiều AI chuyên biệt khác nhau được phối hợp thông qua một lớp trừu tượng chung.
Giao diện hội thoại thống nhất: Một giao diện duy nhất che giấu sự phức tạp của nhiều hệ thống bên dưới.
Học chuyển giao có giới hạn: Chia sẻ kiến thức có chọn lọc giữa các lĩnh vực cụ thể.

Ý thức: Thực tế hay ảo tưởng chung?

Trong cuộc tranh luận về AGI, chúng ta thường cho rằng con người sở hữu một "ý thức" mà máy móc không thể sao chép. Nhưng có lẽ chúng ta nên đặt ra một câu hỏi cấp tiến hơn: liệu ý thức của con người có thực sự tồn tại, hay nó cũng chỉ là một ảo ảnh?

Một số nhà thần kinh học và triết gia về tâm trí, như Daniel Dennett, đã đề xuất rằng cái mà chúng ta gọi là "ý thức" có thể tự nó là một tường thuật hậu nghiệm - một cách diễn giải mà bộ não xây dựng để lý giải các hoạt động của chính nó.

Nếu chúng ta nghĩ về ý thức không phải là một đặc tính bí ẩn, thống nhất, mà là một tập hợp các quá trình thần kinh có sự kết nối với nhau tạo ra ảo giác thuyết phục về một "cái tôi" thống nhất, thì ranh giới giữa con người và máy móc sẽ trở nên mờ nhạt.

Theo quan điểm này, chúng ta có thể coi những khác biệt giữa AGI đang nổi lên và trí thông minh con người là khác biệt về mức độ chứ không phải về bản chất. Ảo giác về sự thấu hiểu mà chúng ta thấy trong các mô hình ngôn ngữ tiên tiến có thể không quá khác so với ảo giác về sự thấu hiểu mà chính chúng ta trải nghiệm - cả hai đều xuất hiện từ các mạng lưới quy trình phức tạp, mặc dù được tổ chức theo những cách thức khác nhau về căn bản.

Quan điểm này đặt ra một câu hỏi đầy tính khiêu khích: nếu ý thức con người tự nó là một mô phỏng xuất hiện từ nhiều quá trình nhận thức có liên hệ với nhau, thì AGI “ủy nhiệm” mà chúng ta đang xây dựng - một bức tranh ghép các hệ thống chuyên biệt hợp tác để mô phỏng sự hiểu biết chung - có thể giống một cách đáng ngạc nhiên với kiến trúc tinh thần của chúng ta.

Chúng tôi sẽ không cố gắng sao chép một phẩm chất kỳ diệu, không thể diễn tả được, mà thay vào đó là tái tạo ảo ảnh hấp dẫn mà chính chúng ta trải nghiệm như là ý thức.

Sự phản ánh này không làm giảm đi chiều sâu của trải nghiệm con người, nhưng nó mời gọi chúng ta xem xét lại ý nghĩa thực sự của chúng ta khi nói về "ý thức" và liệu khái niệm này có thực sự là một trở ngại không thể vượt qua đối với trí tuệ nhân tạo hay chỉ đơn giản là một quá trình khác mà một ngày nào đó chúng ta có thể mô phỏng được.

Nhiều con đường dẫn đến AGI: hệ thống đa tác nhân, điện toán lượng tử, hay điều phối AI chuyên biệt? Trí thông minh tổng quát thực sự có thể xuất hiện từ sự kết hợp của tất cả những con đường này.

Kết luận: Suy nghĩ lại về vạch đích

Có lẽ chúng ta nên xem xét lại hoàn toàn định nghĩa của mình về AGI. Nếu bản thân ý thức con người có thể là một ảo ảnh mới nổi - một câu chuyện mà bộ não dựng lên để lý giải các hoạt động của nó - thì ranh giới rõ ràng giữa trí tuệ con người và trí tuệ nhân tạo sẽ trở nên mờ nhạt.

Các chuyên gia dự đoán năm 2027 có thể đánh dấu một bước ngoặt cho AI. Với tốc độ hiện tại, các mô hình có thể đạt được tính tổng quát về nhận thức - khả năng giải quyết mọi nhiệm vụ của con người - chỉ trong vòng vài năm.

Kịch bản này không nên chỉ được xem là sự sao chép trí thông minh của con người, mà là sự xuất hiện của một loại trí thông minh mới - không hoàn toàn giống con người cũng không hoàn toàn nhân tạo, mà là thứ gì đó khác biệt và có khả năng bổ sung cho nhau.

Cách tiếp cận này giải phóng chúng ta khỏi việc cố gắng sao chép thứ mà chúng ta có thể chưa hiểu hết - ý thức con người - và thay vào đó, cho phép chúng ta tập trung vào những gì AI có thể làm theo cách riêng của nó. Do đó, AGI mới nổi sẽ không phải là một hệ thống đơn lẻ "giả vờ" là con người, mà là một hệ sinh thái công nghệ tích hợp với những đặc điểm riêng đang nổi lên - một trí tuệ phân tán, nghịch lý thay, có thể phản ánh bản chất phân mảnh và kết nối của nhận thức của chúng ta nhiều hơn chúng ta nghĩ ban đầu.

Theo nghĩa này, việc theo đuổi AGI không phải là nỗ lực mô phỏng con người mà là hành trình khám phá bản chất thực sự của trí thông minh và ý thức, cả của con người và nhân tạo.

Ảo tưởng về sự tiến bộ: Mô phỏng trí tuệ nhân tạo tổng quát mà không đạt được nó

Tóm tắt bài viết này bằng AI