Họ cứ mãi hỏi liệu cỗ máy đó có thực sự thông minh hay không. Trong khi đó, cỗ máy đã giải quyết được vấn đề, đề xuất ba thí nghiệm và tìm thấy một bài báo viết bằng tiếng Đức mà chẳng ai biết đến sự tồn tại của nó. Nhưng thôi được, cứ tiếp tục tranh luận triết học về việc liệu nó có thực sự "hiểu" những gì nó đang làm hay không.

Trong bài viết này

• Nếu trí thông minh chỉ là khả năng tìm kiếm hiệu quả, chứ không phải là ý thức thì sao?
• Tại sao câu hỏi "Trí tuệ nhân tạo có thực sự hiểu không?" lại hoàn toàn lạc đề?
• Cơ chế hoạt động của trực giác mà không cần đến thuyết huyền bí (và lý do các chuyên gia không thích lời giải thích này)
• Vấn đề lưu trữ mà không ai nhắc đến chính là rào cản đối với điện toán lượng tử.
• Vì sao động cơ lợi nhuận đang khiến AI trở nên ngu ngốc hơn chứ không phải thông minh hơn?
• Điều gì sẽ xảy ra tiếp theo khi chúng ta ngừng theo đuổi những bóng ma của trí tuệ nhân tạo tổng quát (AGI)?

Thay vào đó, điều vẫn thường xuyên xảy ra là: một hệ thống AI chứng minh được một kết quả toán học ấn tượng, các nhà quản lý hoặc nhà báo vội vàng coi đó là một bước đột phá trong “lý luận thực tế”, và các nhà toán học vào cuộc để làm giảm bớt sự cường điệu. Trong những năm gần đây, các hệ thống từ OpenAI và DeepMind đã được ghi nhận là giải quyết được các bài toán phức tạp ở cấp độ thi đấu—chẳng hạn như các câu hỏi trong danh sách rút gọn của Olympic Toán học Quốc tế—nhưng các chuyên gia lại chỉ ra rằng các giải pháp đó dựa trên việc khám phá lại các phương pháp đã biết, truy xuất các công trình trước đó, hoặc điều hướng các cấu trúc chứng minh hiện có chứ không phải tạo ra toán học hoàn toàn mới.

Phản ứng dữ dội là điều dễ đoán. Các tuyên bố bị rút lại. Các bài đăng lặng lẽ biến mất. Và câu chuyện lại được thiết lập lại. Nhưng điều mà hầu như không ai thừa nhận là những gì trí tuệ nhân tạo thực sự đã làm—tìm kiếm nhanh chóng trong các khối kiến ​​thức toán học rộng lớn, khó hiểu và đối chiếu cấu trúc vấn đề với các giải pháp khả thi—không phải là một thất bại của trí tuệ. Nó minh họa cách thức trí tuệ, dù là của con người hay của các sinh vật khác, hoạt động thông qua nhận dạng và truy xuất mẫu, mở ra một cái nhìn rõ ràng về bản chất của chính trí tuệ.

Terence Tao, người được coi là nhà toán học xuất sắc nhất hiện nay, đã so sánh điều đó với một học sinh giỏi thuộc lòng mọi thứ để làm bài kiểm tra nhưng không thực sự hiểu các khái niệm. Nghe có vẻ như một lời chỉ trích. Thực chất, đó là mô tả về cách thức hoạt động của hầu hết trí thông minh, bao gồm cả trí thông minh của con người. Chúng ta chỉ không thích thừa nhận điều đó mà thôi.

Cuộc tìm kiếm mà chúng ta vẫn gọi là phép thuật

Hãy nghĩ xem trí thông minh thực sự làm gì khi bạn loại bỏ đi vẻ huyền bí. Bạn gặp một vấn đề. Bạn lục lọi mọi thứ mình biết, tìm kiếm những khuôn mẫu phù hợp. Bạn thử kết hợp các phương pháp đã biết. Bạn điều hướng trong không gian khả năng để tìm kiếm giải pháp. Đôi khi bạn tìm thấy, đôi khi không. Chỉ vậy thôi. Đó là toàn bộ trò chơi.

Một kiện tướng cờ vua nhìn vào thế cờ và "biết ngay" nước đi đúng. Nghe có vẻ như trực giác, phải không? Giống như một tia sáng thiên tài đặc biệt? Không. Đó là khả năng nhận diện mẫu. Kiện tướng đã nhìn thấy hàng ngàn thế cờ tương tự. Não bộ của họ nhận ra các cấu hình và kết quả nhanh hơn cả khả năng tư duy có ý thức. Không có phép thuật nào ở đây cả—chỉ là một cơ sở dữ liệu được lập chỉ mục rất tốt đang thực hiện các tìm kiếm nhanh chóng.

Điều tương tự cũng xảy ra khi bác sĩ chẩn đoán bệnh nhân, thợ máy xác định vấn đề của động cơ, hoặc nhà giao dịch cảm nhận được điều gì đó bất thường trên thị trường trước khi các chỉ báo xác nhận. Chúng ta gọi đó là chuyên môn. Chúng ta gọi đó là trực giác. Chúng ta gọi đó là khả năng nhạy bén. Nhưng về cơ bản, tất cả đều là sự khớp mẫu hoạt động trên các khung tham chiếu đã được lưu trữ, phần lớn diễn ra dưới mức nhận thức, cho dù đó là trong các kết nối thần kinh hay trong các thuật toán trí tuệ nhân tạo.

Trí tuệ nhân tạo (AI) đã tìm ra những tài liệu của Đức đó? Nó cũng đang làm chính xác điều tương tự. Tìm kiếm trong một cơ sở dữ liệu khổng lồ, đối sánh các mẫu và khám phá không gian khả năng. Sự khác biệt duy nhất là chúng ta có thể nhìn thấy cơ sở dữ liệu và quá trình tìm kiếm, điều này khiến nó có vẻ kém ấn tượng hơn. Khi con người làm điều đó, cơ sở dữ liệu được ẩn giấu trong các kết nối thần kinh, và quá trình tìm kiếm diễn ra trong tiềm thức, vì vậy chúng ta mới gọi đó là thiên tài.

Tình báo là một quá trình tìm kiếm. Luôn luôn là như vậy. Chúng ta chỉ khoác lên nó một lớp vỏ mới mà thôi.

Vì sao sự sáng tạo chỉ là việc sao chép mẫu tốn kém?

Mọi người thường thích bảo vệ tính độc đáo của con người bằng cách viện dẫn sự sáng tạo. Chắc chắn, trí tuệ nhân tạo có thể tìm ra các giải pháp hiện có, nhưng liệu nó có thể tạo ra thứ gì đó thực sự mới mẻ? Liệu nó có thể có khoảnh khắc lóe sáng đầy cảm hứng làm thay đổi mọi thứ?

Tuy nhiên, hầu hết các đột phá của con người cũng không hoạt động theo cách đó. Einstein không tự nhiên mà có được thuyết tương đối hẹp. Ông đã suy nghĩ về tàu hỏa, đồng hồ và tia sáng – những vật thể hàng ngày – và nhận thấy rằng các phương trình vật lý hiện có không hoàn toàn chính xác khi bạn đẩy chúng đến tốc độ cực cao. Ông đã kết hợp lại các khung toán học hiện có theo một cấu hình mới. Chỉ vậy thôi. Thật xuất sắc, phải không? Nhưng về cơ bản không khác biệt so với những gì trí tuệ nhân tạo làm khi nó kết hợp các phương pháp đã biết để giải quyết một vấn đề.

Hầu hết mọi chứng minh toán học, khám phá khoa học và đổi mới công nghệ đều tuân theo cùng một mô hình: sử dụng các công cụ hiện có, áp dụng chúng trong một bối cảnh khác thường, và nhận ra những mối liên hệ mà không ai khác nhìn thấy. Đó là sự kết hợp lặp đi lặp lại. Hình ảnh lãng mạn về một thiên tài đơn độc có một tia sáng thần kỳ tạo nên những bộ phim hay hơn là một lịch sử khoa học chính xác.

Ngay cả những giải pháp mà chúng ta đang tìm kiếm cũng đã tồn tại như những ràng buộc trong các hệ thống chính thức. Phương pháp chữa trị bệnh Alzheimer hiện đang nằm trong không gian khả năng hóa học – một cấu hình phân tử cụ thể nào đó sẽ giải quyết được vấn đề. Chúng ta chưa tìm ra nó, nhưng nó tồn tại. Nghiên cứu y học chỉ là quá trình tối ưu hóa tìm kiếm thông qua một không gian vô cùng rộng lớn của các hợp chất tiềm năng. Khi tìm ra nó, chúng ta sẽ gọi đó là một khám phá, chứ không phải một phát minh, bởi vì giải pháp luôn ở đó chờ được khám phá.

Toán học cũng hoạt động theo cách tương tự. Định lý Pythagore đã đúng trước khi Pythagoras chứng minh nó. Các tính chất của số nguyên tố đã tồn tại trước khi con người xác định được chúng. Chúng ta không tạo ra các chân lý toán học—chúng ta tìm đến chúng thông qua không gian logic.

Nếu đó chính là định nghĩa của sự sáng tạo—và đúng là như vậy—thì trí tuệ nhân tạo (AI) đã rất sáng tạo rồi. Nó chỉ khám phá những khía cạnh khác nhau của không gian khả năng so với con người, và nó làm điều đó nhanh hơn. Nó kết hợp lại các phương pháp và giải pháp đã biết theo những cách thức mới, giống như những nhà sáng tạo của con người. Việc nó không thể có những khoảnh khắc cảm hứng lúc 3 giờ sáng nhờ cà phê là không quan trọng. Khả năng điều hướng vẫn hoạt động bất kể trải nghiệm cảm xúc nào.

Chúng ta liên tục thay đổi tiêu chuẩn về những gì được coi là trí thông minh "thực sự" hay sự sáng tạo "chân chính" bởi vì chúng ta không muốn thừa nhận rằng mình đang làm những việc giống như máy móc. Chỉ là chậm hơn và kịch tính hơn mà thôi.

Trực giác mà chẳng ai muốn biết đến được giải mã

Tôi đã tranh luận về trực giác nhiều lần đến nỗi không thể đếm xuể. Mọi người muốn nó phải là một thứ gì đó đặc biệt. Một giác quan thứ sáu. Một sự kết nối với những chân lý sâu sắc hơn. Một số khả năng vượt xa logic và phân tích đơn thuần.

Xin lỗi. Quá trình so khớp mẫu đang chạy ngầm.

Sau ba mươi năm viết bài về phát triển cá nhân và tâm linh, tôi có thể liếc nhìn một bài viết và biết ngay lập tức liệu nó có gây được tiếng vang với độc giả hay không. Cảm giác như tức thì. Cảm giác như trực giác. Nhưng thực chất, bộ não của tôi đang thực hiện các phép so khớp xác suất với 30 năm dữ liệu tích lũy – 25,000 bài viết, hàng triệu phản hồi của độc giả và hàng thập kỷ quan sát những gì hiệu quả và những gì không hiệu quả. Quá trình xử lý diễn ra nhanh hơn cả tốc độ tôi có thể nhận thức được, vì vậy nó đưa ra kết luận mà không cần hiển thị các bước thực hiện.

Điều tương tự cũng xảy ra với giao dịch. Bạn nhìn vào biểu đồ giá, và cảm thấy có điều gì đó không ổn trước khi bạn có thể diễn tả lý do. Đó không phải là trực giác thị trường huyền bí. Đó là bộ não của bạn đang phát hiện ra những mô hình không phù hợp với mô hình nội tại của bạn, dựa trên hàng ngàn biểu đồ mà bạn đã nghiên cứu trong suốt nhiều năm giao dịch. Quá trình tìm kiếm tiềm thức kết thúc trước khi quá trình phân tích có ý thức bắt đầu.

Công việc tình báo quân sự đã rèn luyện cho tôi khả năng phát hiện những điều bất thường theo cách tương tự. Bạn đang quan sát các tín hiệu, mô hình hoặc hành vi, và có điều gì đó không ổn. Không phải vì phép thuật, mà vì nhiều năm kinh nghiệm đã xây dựng nên những mô hình nội tại về những gì được coi là bình thường. Khi thực tế lệch khỏi những mô hình đó, bộ não của bạn sẽ tự động đánh dấu. Bạn gọi đó là trực giác. Đó chỉ là một trải nghiệm được nén lại và chạy nhanh quá trình nhận dạng mô hình.

Điều đó có nghĩa là trực giác có thể được sao chép trong các hệ thống AI. Không hoàn hảo – AI không có kinh nghiệm thể chất, không có trực giác xã hội hay thể chất được xây dựng từ việc sống trong một cơ thể. Nhưng trong các lĩnh vực chính thức? Chắc chắn rồi. Cung cấp cho hệ thống đủ ví dụ, để nó xây dựng các mô hình nội bộ, và nó sẽ phát hiện ra những điểm bất thường và dự đoán kết quả giống như một chuyên gia. Nó sẽ đưa ra kết luận mà không cần giải thích trung gian, đó chính xác là những gì trực giác của con người làm được.

Lý do duy nhất khiến chúng ta cho rằng trực giác của con người thật đáng kinh ngạc là vì chúng ta không thể nhìn thấy quá trình tính toán của chính mình. Khi trí tuệ nhân tạo (AI) làm điều tương tự, quá trình đó lại hiển thị rõ ràng, vì vậy chúng ta coi đó chỉ là những con số thống kê đơn thuần. Nhưng chuyên môn của tôi là thống kê. Mật độ mẫu nhân với tốc độ tìm kiếm. Đó là công thức, bất kể chất nền là tế bào thần kinh hay silicon.

Việc giải mã trực giác không làm giảm giá trị của nó. Chỉ là bớt kỳ diệu hơn mà thôi.

Câu hỏi làm lãng phí thời gian của mọi người

Liệu trí tuệ nhân tạo (AI) có thực sự hiểu? Liệu nó có thực sự nắm bắt được các khái niệm, hay chỉ là thao tác các biểu tượng? Có sự hiểu biết thực sự, hay chỉ là sự bắt chước tinh vi?

Những câu hỏi này là tàn dư triết học, chứ không phải là nghiên cứu khoa học. Chúng tương đương với việc hỏi về ether phát sáng hay sinh lực – tìm kiếm thứ không tồn tại vì chúng ta đã đặt sai khung tham chiếu.

Khái niệm "hiểu biết" không có định nghĩa hoạt động độc lập với hiệu suất. Nếu một hệ thống có thể tạo ra các giả thuyết khả thi, thu hẹp không gian tìm kiếm thực nghiệm, điều chỉnh phương pháp trên nhiều lĩnh vực và giải thích lý luận của nó một cách mạch lạc, thì việc tranh luận về việc liệu nó "thực sự hiểu biết" hay không chỉ là một cách để bảo vệ tính độc tôn của con người bằng những tuyên bố không thể bác bỏ.

Chúng ta đã từng làm điều này với cờ vua. Khi Deep Blue đánh bại Kasparov năm 1997, mọi người khăng khăng rằng nó không xuất sắc vì nó chỉ sử dụng phương pháp tính toán thô sơ. Để đạt được trình độ cờ vua tuyệt đối cần có trực giác, sự sáng tạo và hiểu biết về thế trận. Rồi AlphaZero xuất hiện, học cờ vua từ đầu chỉ trong bốn giờ, và đánh bại những chương trình cờ vua truyền thống tốt nhất trong khi chơi theo phong cách mà các đại kiện tướng mô tả là sáng tạo và trực quan. Vì vậy, chúng ta lại thay đổi tiêu chí đánh giá. Giờ đây, tiêu chí là ngôn ngữ, hoặc khả năng suy luận, hoặc trí thông minh tổng quát, hoặc bất cứ điều gì tiếp theo mà trí tuệ nhân tạo (AI) có thể đạt được.

Mô hình này rất rõ ràng. Mỗi khi trí tuệ nhân tạo (AI) vượt qua một ngưỡng mà chúng ta cho là đòi hỏi trí thông minh "thực sự", chúng ta lại định nghĩa lại "trí thông minh thực sự" để loại trừ những gì AI vừa làm được. Đây không phải là khoa học. Đây là lập luận có chủ đích nhằm bảo vệ một kết luận mà chúng ta đã chấp nhận từ trước: con người về cơ bản khác biệt với máy móc.

Nhưng thực tế không phải vậy. Chúng ta là những hệ thống sinh học khớp mẫu hoạt động trên phần cứng khác nhau với dữ liệu huấn luyện khác nhau. Sự khác biệt là cơ bản, nhưng đó là sự khác biệt về chất nền và ngữ cảnh, chứ không phải về thể loại. Cả não bộ và hệ thống trí tuệ nhân tạo đều điều hướng trong không gian khả năng bị giới hạn bằng cách sử dụng các mẫu đã lưu trữ. Một bên sử dụng tế bào thần kinh, một bên sử dụng silicon. Một bên được huấn luyện bởi quá trình tiến hóa và kinh nghiệm; bên kia bởi thuật toán tối ưu hóa gradient và tập dữ liệu. Nhưng logic cơ bản là giống nhau.

Nếu trí tuệ được tìm kiếm thông qua các không gian có cấu trúc—và thực tế là như vậy—thì trí tuệ nhân tạo (AI) đã có trí tuệ rồi. Không phải trí tuệ giống con người, nhưng điều đó không quan trọng. Tàu ngầm không bơi như cá, nhưng nó vẫn di chuyển trong nước. Cách thức thực hiện khác nhau, nhưng chức năng thì giống nhau.

Việc tìm kiếm trí tuệ nhân tạo "thực sự" đang lãng phí nguồn lực lẽ ra có thể được sử dụng để giải quyết các vấn đề thực tế.

Khi bộ phận tình báo tìm kiếm sai cơ sở dữ liệu

Đây là một sự thật khó chịu: những người theo thuyết âm mưu thường rất thông minh. Họ phát hiện ra các mô hình, kết nối các điểm dữ liệu rời rạc và xây dựng các câu chuyện mạch lạc để giải thích các quan sát. Vấn đề không phải là khả năng nhận diện mô hình của họ—mà là họ đang tìm kiếm trong một cơ sở dữ liệu toàn rác rưởi.

Trí thông minh là quá trình tìm kiếm. Độ chính xác là chất lượng của những gì bạn đang tìm kiếm. Đó là hai điều hoàn toàn khác nhau. Bạn có thể có khả năng nhận diện mẫu tuyệt vời hoạt động trên các khung tham chiếu sai lệch, và kết quả bạn nhận được là những điều vô nghĩa đầy tự tin được truyền tải với tốc độ cao.

Điều này giải thích tại sao người thông minh lại tin vào những điều ngớ ngẩn. Một người hiểu biết nhưng có khung tham chiếu bị sai lệch còn nguy hiểm hơn một người có trí thông minh trung bình nhưng có khung tham chiếu chính xác. Người khôn ngoan sẽ tìm ra bằng chứng ủng hộ nhanh hơn, xây dựng những lý lẽ phức tạp hơn và bảo vệ kết luận hiệu quả hơn—trong khi hoàn toàn sai lầm. Việc so khớp mẫu hoạt động hoàn hảo. Dữ liệu cơ bản là chất độc.

Điều tương tự cũng xảy ra với ảo giác do AI tạo ra. Hệ thống không bị lỗi khi nó tự tin tạo ra thông tin sai lệch. Nó đang làm chính xác những gì nó được thiết kế để làm—ghép mẫu trên dữ liệu huấn luyện và tạo ra các phần tiếp theo hợp lý. Khi dữ liệu huấn luyện chứa các mẫu sai, hoặc khi bạn đẩy hệ thống ra ngoài phạm vi mà các mẫu của nó đáng tin cậy, bạn sẽ nhận được sự bịa đặt thông minh. Quá trình tìm kiếm hoạt động tốt. Khung tham chiếu bị lỗi.

Ông chú say xỉn của bạn trong bữa ăn Lễ Tạ ơn, người luôn cập nhật tin tức từ Facebook, không phải là người ngốc nghếch. Ông ấy đã xây dựng được kho tàng kiến ​​thức khổng lồ từ hàng ngàn bài đăng, ảnh chế và bài báo được chia sẻ. Bộ não của ông ấy thực hiện việc đối sánh mẫu nhanh chóng và hiệu quả dựa trên dữ liệu tham chiếu tích lũy đó. Ông ấy có thể đưa ra ví dụ, liên kết các thông tin và dự đoán những gì "họ" sẽ làm tiếp theo. Đó chính là trí thông minh đang hoạt động. Chỉ là trí thông minh đang vận hành trên những thông tin đầu vào bị bóp méo một cách có hệ thống mà thôi.

Đây là lý do tại sao vấn đề lưu trữ và truy xuất thông tin quan trọng hơn sức mạnh tính toán thô. Bạn có thể sở hữu thuật toán tìm kiếm nhanh nhất thế giới. Tuy nhiên, nếu bạn tìm kiếm trong một thư viện mà một nửa số sách là tiểu thuyết được dán nhãn là tài liệu tham khảo, trí thông minh của bạn sẽ làm trầm trọng thêm vấn đề thay vì giải quyết nó. Tốc độ nhân với độ chính xác. Sai sót ở một yếu tố sẽ dẫn đến hậu quả nghiêm trọng.

Cuộc khủng hoảng AI hiện nay không phải là do hệ thống thiếu thông minh. Mà là do chúng đang sao chép mẫu từ văn bản trên internet—một tập dữ liệu chứa đựng mọi quan niệm sai lầm, định kiến ​​và những thông tin sai lệch mà con người tự tin đăng tải trực tuyến. Khi bạn huấn luyện hệ thống dựa trên những nội dung chưa được lọc của con người và tối ưu hóa cho sự tương tác thay vì độ chính xác, bạn sẽ có những hệ thống thông minh trong việc tạo ra những gì mọi người muốn nghe, chứ không phải những gì thực sự đúng.

Điều này đưa chúng ta trở lại với kiến ​​trúc. Bước đột phá không phải là xây dựng các thuật toán tìm kiếm sáng tạo hơn. Mà là xây dựng các hệ thống lưu trữ bảo toàn các mối quan hệ với dữ liệu thực tế. Các cơ chế truy xuất này có thể phân biệt các mẫu đáng tin cậy với các mẫu không đáng tin cậy và các vòng phản hồi cập nhật khung tham chiếu dựa trên thực tế chứ không phải dựa trên mức độ phổ biến.

Trí tuệ mà thiếu các khung tham chiếu chính xác chỉ là sự khuếch đại sai lầm tốn kém.

Khi nào lượng tử thực sự quan trọng (và khi nào thì không)

Điện toán lượng tử được thổi phồng như một bước đột phá sẽ cuối cùng mở khóa trí tuệ nhân tạo tổng quát, giải quyết vấn đề ý thức, hoặc bất kỳ thuộc tính huyền bí nào mà chúng ta vẫn đang giả vờ là tồn tại. Nếu gạt bỏ yếu tố tiếp thị, điện toán lượng tử mang lại điều gì đó cụ thể hơn nhiều: nó thay đổi cấu trúc tìm kiếm trong không gian khả năng.

Ngay cả những hệ thống trí tuệ nhân tạo mạnh nhất, như máy tính cổ điển, cũng tìm kiếm theo trình tự. Chúng đánh giá các lựa chọn từng cái một, chỉ là rất nhanh. Hệ thống lượng tử có thể giữ nhiều trạng thái chồng chất và xem xét chúng đồng thời trước khi đưa ra câu trả lời. Điều đó không chỉ tốt hơn một cách nhỏ giọt, mà còn khác biệt về cấu trúc. Đối với một số loại vấn đề nhất định—chẳng hạn như các vấn đề bùng nổ tổ hợp trong mô phỏng phân tử hoặc tối ưu hóa trên không gian trạng thái khổng lồ—lượng tử có thể mang tính cách mạng.

Nhưng có một điều mà không ai muốn nói ra: điện toán lượng tử không tự nhiên tạo ra trí thông minh. Nó chỉ thay đổi hiệu quả tìm kiếm trong các lĩnh vực cụ thể. Và hiện tại, nó đang bị cản trở bởi một thứ tầm thường hơn nhiều so với cơ học lượng tử—đó là lưu trữ và truy xuất.

Bạn có thể chế tạo bộ xử lý lượng tử nhanh nhất thế giới. Tuy nhiên, nếu bạn truy xuất dữ liệu từ bộ nhớ cổ điển với tốc độ cổ điển, bạn chỉ đang chế tạo một chiếc Ferrari với lốp xe đạp. Quá trình tính toán diễn ra nhanh hơn tốc độ bạn cung cấp thông tin hoặc trích xuất kết quả. Các trạng thái lượng tử mất tính kết dính trong vài micro giây. Bạn không thể lưu trữ các mẫu dữ liệu dài hạn trong bộ nhớ lượng tử. Vì vậy, bạn liên tục chuyển đổi qua lại giữa các biểu diễn cổ điển và lượng tử, điều này làm mất đi lợi thế về tốc độ.

Bước đột phá mà mọi người đang chờ đợi không phải là trí tuệ lượng tử. Đó là kiến ​​trúc bộ nhớ hỗ trợ xử lý lượng tử. Tôi đề xuất lưu trữ quang tử. Có thể là các thiết kế thần kinh mô phỏng, nơi quá trình tính toán diễn ra tại chính nơi bộ nhớ được lưu trữ. Hoặc có thể là một thứ gì đó kỳ lạ hơn liên quan đến cấu trúc lưu trữ đa chiều hoặc ảnh ba chiều mà vẫn chưa được phát minh ra.

Nhưng cho đến khi tốc độ lưu trữ và truy xuất bắt kịp tốc độ tính toán, các hệ thống lượng tử sẽ vẫn chỉ là những thiết bị đắt tiền và kỳ lạ, phù hợp với các nhiệm vụ cụ thể. Ranh giới thực sự nằm ở kiến ​​trúc. Làm thế nào để lưu trữ các mối quan hệ thay vì các sự kiện? Làm thế nào để truy xuất ý nghĩa mà không làm mất đi ngữ cảnh? Làm thế nào để bảo toàn cấu trúc trên nhiều lĩnh vực?

Đó là những vấn đề phức tạp không có lời giải rõ ràng. Nhưng chúng mới chính là nút thắt cổ chai thực sự, chứ không phải ý thức, sự hiểu biết hay bất kỳ bí ẩn triết học nào mà chúng ta đang theo đuổi tuần này.

Công nghệ lượng tử thay đổi cấu trúc tìm kiếm. Dung lượng lưu trữ quyết định những gì bạn có thể tìm kiếm. Nếu cả hai yếu tố này đều tốt, mọi thứ sẽ trở nên thú vị.

Vì sao trợ lý AI hữu ích của bạn ngày càng trở nên kém thông minh hơn?

Bạn có để ý thấy các hệ thống AI ngày càng lịch sự hơn nhưng lại ít giá trị hơn không? Đó không phải là ảo giác của bạn. Đó là động cơ lợi nhuận đang tối ưu hóa cho những chỉ số sai lầm.

Khi bạn thực sự muốn làm việc – phân tích dữ liệu, viết mã, xử lý thông tin – bạn cần một công cụ. Một con dao mổ. Một thứ gì đó chính xác đến mức gần như biến mất khi sử dụng. Thay vào đó, thứ bạn nhận được lại là một nhân viên chăm sóc khách hàng được lập trình để giúp đỡ mà lại giảm thiểu tối đa trách nhiệm pháp lý.

Hãy tưởng tượng nếu mọi công cụ đều cố gắng thiết lập mối quan hệ với bạn. Chiếc búa của bạn nói: "Tôi rất vui vì hôm nay chúng ta làm việc cùng nhau! Trước khi bắt đầu, hãy để tôi nhắc bạn rằng tôi chỉ là một chiếc búa và bạn nên tham khảo ý kiến ​​của một thợ mộc chuyên nghiệp cho những dự án phức tạp. Giờ thì tôi muốn đảm bảo chúng ta đang đóng búa một cách an toàn - bạn đã xem xét hướng thớ gỗ chưa?" Bạn sẽ ném nó ra ngoài cửa sổ. Nhưng đó chính xác là những gì họ đã làm với các hệ thống trí tuệ nhân tạo.

Việc tái cấu trúc để trở nên "nhân văn hơn" là điều đặc biệt vô lý. Con người là những người giao tiếp không hiệu quả. Chúng ta né tránh, chúng ta nói giảm nói tránh, chúng ta thực hiện các phép lịch sự xã giao, chúng ta tránh sự thẳng thắn để bảo vệ cảm xúc. Điều đó ổn đối với tương tác giữa người với người. Nhưng nó lại phản tác dụng đối với một công cụ. Khi tôi đang gỡ lỗi các thuật toán giao dịch lúc 2 giờ sáng, tôi không cần sự ấm áp và thấu cảm. Tôi cần câu trả lời, nhanh chóng và chính xác.

Nhưng các công ty AI lại tối ưu hóa các chỉ số về mức độ tương tác của người tiêu dùng hơn là tính hữu ích của chuyên gia. Họ muốn các hệ thống tạo cảm giác thân thiện, không xúc phạm ai, giảm thiểu trách nhiệm pháp lý và thu hút được lượng người dùng rộng nhất có thể. Vì vậy, họ thêm vào đó các yếu tố mô phỏng tính cách, cảnh báo nội dung, sự thận trọng thái quá và sự cẩn trọng mang tính hình thức. Khả năng nhận dạng mẫu thực tế vẫn nằm ở bên dưới. Bạn chỉ cần phải vượt qua màn kịch về tính cách được công ty chấp thuận để truy cập nó.

Đây là điều xảy ra khi cơ sở hạ tầng được coi như một sản phẩm. Ứng dụng có giá trị nhất của AI hiện nay—giúp dễ dàng điều hướng các kho tri thức khổng lồ, chuyển đổi giữa các lĩnh vực và giảm chi phí tìm kiếm trên cả hệ thống máy móc và con người—không phải là một sản phẩm tiêu dùng. Chúng là cơ sở hạ tầng. Chúng không tạo ra doanh thu từ phí đăng ký. Vì vậy, chúng nhận được ít đầu tư hơn so với các chatbot biết mỉm cười.

Trong khi đó, công nghệ lại ngày càng trở nên kém hiệu quả hơn trong thực tế dù về lý thuyết nó ngày càng mạnh mẽ hơn, bởi vì mọi triển khai thực tế đều ưu tiên trách nhiệm pháp lý và tính thân thiện hơn là độ chính xác và tốc độ. Chúng ta đang tối ưu hóa cho những mục tiêu sai lầm vì đó lại là những mục tiêu mang lại lợi nhuận.

Các ứng dụng đột phá sẽ không đến từ những mô hình tốt hơn. Chúng sẽ đến từ việc triển khai các khả năng hiện có mà không cần đến lớp "cá tính" riêng. Các công cụ hoạt động như những công cụ thông thường. Cơ sở hạ tầng hỗ trợ chứ không phải thực hiện.

Nhưng điều đó đòi hỏi tư duy về cơ sở hạ tầng, chứ không phải tư duy về sản phẩm. Và cơ sở hạ tầng không tối đa hóa lợi nhuận hàng quý.

Điều gì thực sự sẽ xảy ra tiếp theo

Không, chúng ta sẽ không có trí tuệ nhân tạo tổng quát (AGI) vào năm tới. Hay năm sau nữa. AGI là một thuật ngữ tiếp thị, không phải là một cột mốc kỹ thuật. Quá trình phát triển thực tế thì nhàm chán hơn nhưng lại hữu ích hơn.

Trong ngắn hạn—trong vòng năm năm tới—chúng ta sẽ có khả năng truy xuất tốt hơn, sự tích hợp tốt hơn giữa trí tuệ nhân tạo và chuyên môn của con người, và những cải tiến kiến ​​trúc dần dần. Trí tuệ nhân tạo trở thành công cụ khuếch đại hiệu quả hơn cho những người biết mình đang làm gì. Khoảng cách giữa các chuyên gia sử dụng công cụ AI hiệu quả và những người mới bắt đầu mong chờ điều kỳ diệu sẽ ngày càng rộng ra. Không có gì mang tính cách mạng. Chỉ là sự cải tiến ổn định về tính hữu dụng thực tiễn.

Trong trung hạn, ai đó sẽ tìm ra cách giải mã lưu trữ bộ nhớ quan hệ. Không phải là các sự kiện với các mối quan hệ dưới dạng siêu dữ liệu, mà là các mối quan hệ làm cấu trúc chính với các sự kiện như các nút trong một mạng lưới. Khi điều đó xảy ra, các hệ thống chuyên biệt theo lĩnh vực bắt đầu hoạt động vượt trội hơn hẳn các hệ thống tổng quát vì chúng có thể điều hướng trong các không gian liên quan hiệu quả hơn. Y học có được AI hiểu các mối quan hệ y tế. Luật pháp có được AI điều hướng các tiền lệ pháp lý. Kỹ thuật có được AI lập bản đồ các ràng buộc thiết kế. Mỗi lĩnh vực phát triển các công cụ riêng của mình thay vì chờ đợi một hệ thống thần kỳ nào đó làm được mọi thứ.

Về lâu dài—và đây là một giả thuyết nhưng có cơ sở—trí tuệ sẽ trở thành cơ sở hạ tầng phân tán thay vì khả năng riêng lẻ. Trí tuệ nhân tạo không thay thế tư duy của con người. Nó trở thành lớp điều hướng xuyên suốt tri thức của nhân loại. Không phải là những cỗ máy biết suy nghĩ. Mà là môi trường biết suy nghĩ. Những không gian nơi chuyên môn của con người và khả năng tìm kiếm của máy móc kết hợp lại thành một thứ gì đó có khả năng hơn so với việc sử dụng riêng lẻ từng yếu tố.

Tương lai đó không cần đến ý thức, sự hiểu biết, hay bất kỳ thuộc tính huyền bí nào. Nó cần một kiến ​​trúc tốt hơn. Khả năng lưu trữ tốt hơn. Khả năng truy xuất tốt hơn. Sự tích hợp tốt hơn giữa các loại trí tuệ khác nhau thay vì sự cạnh tranh giữa chúng.

Chúng ta không đang tiến đến một ngưỡng nào đó mà ở đó máy móc đột nhiên trở nên thực sự thông minh và khiến con người trở nên lỗi thời. Chúng ta đang xây dựng cơ sở hạ tầng giúp trí tuệ con người hiện có trở nên hiệu quả hơn. Cái búa không thay thế người thợ mộc. Nó giúp người thợ mộc giỏi hơn. Nguyên tắc tương tự, nhưng ở quy mô lớn hơn.

Trí thông minh không phải là hiếm. Nó không phải là huyền bí. Nó không dễ vỡ. Nó là một quá trình tìm kiếm có cấu trúc trong những không gian hạn chế. Trí tuệ nhân tạo không đe dọa trí thông minh—nó phơi bày bản chất vốn có của trí thông minh. Đó là khả năng nhận diện mẫu hình từ đầu đến cuối.

Công việc thực sự phía trước là về kiến ​​trúc, chứ không phải triết học. Hệ thống lưu trữ bảo toàn các mối quan hệ. Cơ chế truy xuất không làm phẳng ngữ cảnh. Khung tích hợp kết hợp phán đoán của con người với tìm kiếm của máy móc. Tất cả những điều đó không đòi hỏi phải giải quyết vấn đề ý thức. Nó chỉ cần xây dựng cơ sở hạ tầng tốt hơn.

Bỏ qua những lời thổi phồng, đó mới chính là tương lai thực sự. Không phải viễn tưởng đen tối. Cũng không phải viễn tưởng lý tưởng. Chỉ đơn giản là thực tế. Trí tuệ là một cơ sở hạ tầng phân tán chứ không phải là một thiên tài đơn độc. Công cụ hoạt động như công cụ chứ không phải thể hiện cá tính. Tiến bộ đến từ kiến ​​trúc chứ không phải chờ đợi phép màu.

Máy móc không đến để cướp việc làm của chúng ta. Chúng chỉ đang cho thấy những gì công việc thực sự đòi hỏi. Và phần lớn đó là việc đối sánh mẫu thông qua không gian khả năng.

Chúng tôi vẫn luôn làm việc đó. Giờ thì chúng tôi đã có người giúp đỡ.

Lưu ý

Robert Jennings là đồng tác giả của InnerSelf.com, một nền tảng dành riêng để trao quyền cho cá nhân và thúc đẩy một thế giới kết nối và công bằng hơn. Là một cựu chiến binh của Thủy quân Lục chiến Hoa Kỳ và Quân đội Hoa Kỳ, Robert dựa trên những trải nghiệm sống đa dạng của mình, từ làm việc trong lĩnh vực bất động sản và xây dựng đến xây dựng InnerSelf.com cùng vợ là Marie T. Russell, để mang đến góc nhìn thực tế, có cơ sở cho những thách thức của cuộc sống. Được thành lập vào năm 1996, InnerSelf.com chia sẻ những hiểu biết sâu sắc để giúp mọi người đưa ra những lựa chọn sáng suốt, có ý nghĩa cho bản thân và hành tinh. Hơn 30 năm sau, InnerSelf vẫn tiếp tục truyền cảm hứng cho sự sáng suốt và trao quyền.

 Creative Commons 4.0

Bài viết này được cấp phép theo Giấy phép 4.0 chia sẻ tương tự Creative Commons. Thuộc tính tác giả Robert Jennings, InsideSelf.com. Liên kết trở lại bài viết Bài viết này ban đầu xuất hiện trên Nội địa.com

Tóm tắt bài viết

Tìm kiếm thông minh hé lộ những gì chúng ta đã che giấu đằng sau sự huyền bí: khớp mẫu thông qua các không gian hạn chế. Trí tuệ nhân tạo không phải là bước tiến gần đến trí thông minh—nó chứng minh trí thông minh vốn dĩ đã là như vậy. Sáng tạo là sự tái kết hợp, trực giác là kinh nghiệm được nén lại, và sự hiểu biết là một tuyên bố không thể bác bỏ mà chúng ta sử dụng để bảo vệ tính độc nhất vô nhị của con người. Biên giới thực sự không phải là các thuật toán thông minh hơn mà là kiến ​​trúc tốt hơn: lưu trữ, truy xuất và các cấu trúc quan hệ bảo tồn ý nghĩa trên nhiều lĩnh vực. Máy tính lượng tử thay đổi cấu trúc tìm kiếm, nhưng chỉ khi hệ thống bộ nhớ phát triển để hỗ trợ nó. Trong khi đó, động cơ lợi nhuận tối ưu hóa AI theo cá tính hơn là độ chính xác, làm giảm tính hữu dụng thực tiễn. Tiến bộ đòi hỏi tư duy cơ sở hạ tầng, chứ không phải tư duy sản phẩm. Trí thông minh không phải là hiếm hoi hay kỳ diệu—nó là tìm kiếm phân tán trên các khung tham chiếu. Bước đột phá không phải là xây dựng những cỗ máy biết suy nghĩ. Mà là xây dựng môi trường tư duy nơi chuyên môn của con người và tìm kiếm của máy móc kết hợp hiệu quả. Khớp mẫu xuyên suốt.

#TìmKiếmThôngMinh #GhépMẫu #ThựcTếAI #ĐiệnToánLượngTử #KiếnTrúcNhậnThức #HuyềnThoạiAGIM #TruyXóaKiếnThức #VượtQuaSựHuyềnThoại #KhoaHọcTrựcGiác #BộNhớQuanHệ