Cuộc Cách Mạng Trí Tuệ Nhân Tạo: Con Đường Dẫn Tới Siêu Trí Tuệ

Submitted by admin on

“Chúng ta đang đứng bên bờ vực của một sự thay đổi có thể sánh ngang với sự xuất hiện của sự sống con người trên Trái Đất.” — Vernor Vinge

Vậy cảm giác đứng ở đây là như thế nào?

Có vẻ như đây là một nơi khá dữ dội để đứng — nhưng rồi bạn phải nhớ một điều về việc đứng trên một biểu đồ thời gian: bạn không thể nhìn thấy những gì nằm bên phải mình. Vậy nên, cảm giác thực sự khi đứng ở đây là như thế này:

…Mà có lẽ lại cảm thấy khá bình thường.

Tương lai xa—đang đến rất gần

Hãy tưởng tượng bạn có một cỗ máy thời gian và quay trở lại năm 1750—một thời đại mà cả thế giới giống như bị cúp điện vĩnh viễn, liên lạc đường dài nghĩa là phải hét thật to hoặc bắn đại bác lên trời, và mọi phương tiện di chuyển đều chạy bằng... cỏ khô. Khi đến nơi, bạn "thu nạp" một anh chàng, đưa anh ta đến năm 2015, rồi dắt đi dạo vòng quanh, xem anh ta phản ứng ra sao với mọi thứ.

Chúng ta không thể thật sự hiểu được cảm giác của anh ta khi thấy những chiếc hộp sáng loáng lao vun vút trên đường cao tốc, trò chuyện với người vừa ở bên kia đại dương vào buổi sáng, xem một trận thể thao đang diễn ra cách đó cả ngàn dặm, nghe lại một buổi hòa nhạc đã diễn ra 50 năm trước, và chơi với một khối hộp phù thủy biết chụp ảnh đời thực, quay lại khoảnh khắc sống động, tạo bản đồ với một chấm xanh kỳ lạ tự động di chuyển theo vị trí của anh ta, nhìn thấy mặt ai đó và trò chuyện dù người kia đang ở tận đầu bên kia đất nước—và vô vàn thứ "ma thuật" khác không thể tưởng tượng nổi.

Và đó là còn chưa kể đến Internet, hay những khái niệm như Trạm Vũ trụ Quốc tế, Máy gia tốc hạt Hadron, vũ khí hạt nhân, hay thuyết tương đối tổng quát.

Trải nghiệm đó đối với anh ta không chỉ là bất ngờ, choáng ngợp hay “nổ não”—mấy từ đó còn quá nhẹ. Anh ta thậm chí có thể… chết sốc luôn.

"Nhưng điều thú vị là thế này — nếu anh ta (người ở năm 1750) quay lại quá khứ và cảm thấy ghen tị vì chúng ta được thấy phản ứng của anh ấy, rồi quyết định muốn làm điều tương tự, thì anh ta sẽ dùng cỗ máy thời gian để quay ngược lại một khoảng tương đương, đưa một người sống khoảng năm 1500 tới năm 1750 và cho anh ta xem mọi thứ. Người đến từ năm 1500 chắc chắn sẽ bị sốc bởi rất nhiều điều — nhưng anh ta sẽ không chết. Trải nghiệm đó sẽ ít điên rồ hơn nhiều đối với anh ta, vì mặc dù năm 1500 và 1750 khác nhau, nhưng chúng vẫn gần nhau hơn rất nhiều so với sự khác biệt giữa 1750 và 2015. Người từ năm 1500 sẽ học được một mớ kiến thức lật đổ mọi suy nghĩ cũ về không gian và vật lý, sẽ rất ấn tượng với việc châu Âu dường như đã thực sự nghiêm túc với mốt đế quốc hóa mới mẻ kia, và sẽ phải chỉnh sửa đáng kể bản đồ thế giới trong đầu mình. Nhưng khi quan sát cuộc sống thường ngày ở năm 1750 — phương tiện di chuyển, liên lạc, v.v. — thì chắc chắn sẽ không khiến anh ta chết đứng."

Không, nếu người năm 1750 muốn được vui như chúng ta khi gặp anh ta, thì anh ta sẽ phải quay lại xa hơn nhiều — có lẽ là tận khoảng năm 12.000 trước Công nguyên, trước khi Cuộc Cách mạng Nông nghiệp đầu tiên tạo ra các thành phố và khai sinh ra khái niệm ‘văn minh’. Nếu một người đến từ thế giới săn bắt-hái lượm thuần túy — từ thời con người vẫn còn, về cơ bản, chỉ là một loài động vật như bao loài khác — mà được chứng kiến những đế chế hùng mạnh của năm 1750, với những nhà thờ khổng lồ, những con tàu vượt đại dương, khái niệm về “ở trong nhà”, và cả một núi tri thức cùng khám phá mà nhân loại đã tích lũy qua thời gian — thì khả năng cao là anh ta sẽ chết luôn.

Rồi giả sử, sau khi chết vì sốc, anh ta lại thấy ghen tị và muốn làm điều tương tự. Nếu anh ta quay lại 12.000 năm nữa, tức là về khoảng năm 24.000 trước Công nguyên, và đưa một người từ thời đó đến năm 12.000 TCN để cho xem mọi thứ, thì người kia có lẽ sẽ kiểu: 'Ờ, rồi sao, liên quan gì?' Để người sống ở năm 12.000 TCN có được trải nghiệm vui như vậy, anh ta sẽ phải quay về xa hơn nữa — hơn 100.000 năm về trước — để tìm một người mà anh ta có thể lần đầu tiên cho thấy lửa và ngôn ngữ.

**"Để một người bị đưa đến tương lai và chết sốc vì những gì họ chứng kiến, thì họ phải nhảy tới một thời điểm đủ xa để xảy ra một mức tiến bộ gây sốc chết người — hay còn gọi là một Đơn vị Tiến bộ Gây Chết (Die Progress Unit, viết tắt là DPU). Trong thời săn bắt hái lượm, để có được một DPU thì phải mất hơn 100.000 năm. Nhưng sau Cuộc Cách mạng Nông nghiệp, tốc độ tăng nhanh đến mức chỉ mất khoảng 12.000 năm để đạt được một DPU. Thế giới hậu Cách mạng Công nghiệp thì tăng tốc đến mức, một người từ năm 1750 chỉ cần bước lên vài trăm năm thôi là đã đủ để gặp một DPU và… toang.

Mô hình này — khi mà tiến bộ của loài người ngày càng tăng tốc theo thời gian — là thứ mà nhà tương lai học Ray Kurzweil gọi là Định luật về Lợi nhuận Tăng tốc trong lịch sử nhân loại. Nó xảy ra vì các xã hội tiên tiến có khả năng tiến bộ nhanh hơn các xã hội kém tiên tiến — đơn giản vì… họ tiên tiến hơn. Nhân loại thế kỷ 19 biết nhiều hơn và sở hữu công nghệ tốt hơn nhân loại thế kỷ 15, nên không có gì ngạc nhiên khi thế kỷ 19 chứng kiến nhiều bước tiến hơn hẳn thế kỷ 15 — con người thế kỷ 15 thì làm sao mà đọ được."**

**"Quy luật này cũng đúng ở quy mô nhỏ hơn. Bộ phim Back to the Future ra mắt năm 1985, và ‘quá khứ’ trong phim là năm 1955. Khi nhân vật Michael J. Fox quay về năm 1955, anh bị bất ngờ bởi sự mới mẻ của TV, giá nước ngọt rẻ bèo, không ai mê guitar điện réo rắt, và cách dùng từ lóng khác biệt. Đó là một thế giới khác thật đấy — nhưng nếu bộ phim được làm vào ngày nay, và ‘quá khứ’ được đặt vào năm 1985, thì nó còn có thể vui hơn nhiều với hàng loạt khác biệt to lớn hơn hẳn. Nhân vật chính sẽ rơi vào một thời đại chưa có máy tính cá nhân, chưa có internet, chưa có điện thoại di động — Marty McFly ngày nay, một thiếu niên sinh vào cuối những năm 90, sẽ thấy lạc lõng ở năm 1985 hơn nhiều so với Marty McFly gốc khi quay về năm 1955.

Tất cả là nhờ lý do chúng ta vừa nói đến — Định luật về Lợi nhuận Tăng tốc. Tốc độ phát triển trung bình từ 1985 đến 2015 cao hơn hẳn so với giai đoạn 1955 đến 1985 — vì thế giới năm 1985 vốn đã tiên tiến hơn rồi — nên trong 30 năm gần đây, loài người đã thay đổi nhiều hơn rất nhiều so với 30 năm trước đó."**

**"Vậy nên — những bước tiến của loài người đang ngày càng lớn hơn và diễn ra ngày càng nhanh hơn. Điều này gợi ra một viễn cảnh tương lai khá là căng, đúng không?

Kurzweil cho rằng, với tốc độ phát triển vào năm 2000, toàn bộ tiến bộ của thế kỷ 20 có thể được tái tạo chỉ trong vòng 20 năm — nói cách khác, đến năm 2000, tốc độ tiến bộ đã nhanh gấp 5 lần so với tốc độ trung bình của cả thế kỷ 20. Ông tin rằng một lượng tiến bộ tương đương cả thế kỷ 20 đã diễn ra từ 2000 đến 2014, và rồi lại sẽ diễn ra thêm một lần nữa trước năm 2021 — lần này chỉ trong 7 năm. Và chỉ vài thập kỷ sau, ông dự đoán rằng tiến bộ tương đương một thế kỷ sẽ diễn ra nhiều lần trong cùng một năm — thậm chí sau đó, chỉ trong chưa đầy một tháng. Tóm lại, nhờ vào Định luật Lợi nhuận Tăng tốc, Kurzweil tin rằng thế kỷ 21 sẽ đạt được lượng tiến bộ gấp 1.000 lần thế kỷ 20."**

**"Nếu Kurzweil và những người cùng quan điểm với ông ấy đúng, thì chúng ta có thể sẽ choáng ngợp với thế giới năm 2030 y như cách mà anh chàng năm 1750 đã sốc tận óc khi thấy năm 2015 — tức là, Đơn vị Tiến bộ Gây Chết tiếp theo có thể chỉ mất vài thập kỷ để xuất hiện — và đến năm 2050, thế giới có thể sẽ khác biệt đến mức chúng ta gần như chẳng còn nhận ra nó nữa.

Và đây không phải là chuyện viễn tưởng. Đây là điều mà rất nhiều nhà khoa học, thông minh và hiểu biết hơn bạn hay tôi rất nhiều, tin tưởng một cách nghiêm túc — và nếu nhìn vào dòng chảy lịch sử, thì đây cũng là điều chúng ta nên dự đoán một cách hợp lý.

Thế thì tại sao, khi tôi nói kiểu như: “Thế giới 35 năm nữa có thể sẽ hoàn toàn không thể nhận ra nổi,” bạn lại nghĩ kiểu, “Ừ cũng hay đấy… nhưng thôi, chắc không đâu”? Có ba lý do khiến chúng ta thường hoài nghi trước những dự đoán táo bạo về tương lai:"**

1) Khi nghĩ về lịch sử, chúng ta thường hình dung nó diễn ra theo đường thẳng.
Khi tưởng tượng xem 30 năm tới sẽ thay đổi thế nào, ta có xu hướng nhìn lại 30 năm vừa qua và dùng đó làm chỉ báo cho những gì có thể xảy ra tiếp theo. Khi nghĩ về mức độ mà thế kỷ 21 sẽ biến chuyển, ta chỉ việc lấy tốc độ tiến bộ của thế kỷ 20 rồi cộng thêm vào năm 2000. Đó chính là sai lầm mà anh chàng năm 1750 từng mắc phải — khi anh ta nghĩ rằng nếu đưa ai đó từ năm 1500 tới 1750 thì người đó cũng sẽ sốc nặng như chính anh ta khi nhảy tới năm 2015.
Điều dễ hiểu là chúng ta có xu hướng tư duy theo kiểu tuyến tính — trong khi đáng lẽ phải nghĩ theo lối tăng tốc theo cấp số nhân.
Người nào “tỉnh táo” hơn một chút thì sẽ không dựa vào 30 năm trước để dự đoán 30 năm tới, mà sẽ lấy tốc độ hiện tại rồi ngoại suy ra tương lai. Họ sẽ gần đúng hơn — nhưng vẫn sai bét.
Để thực sự hình dung đúng về tương lai, bạn cần tưởng tượng mọi thứ sẽ diễn ra nhanh hơn hiện tại rất nhiều.**

2) Quỹ đạo của lịch sử gần đây thường kể một câu chuyện bị bóp méo.
Thứ nhất, ngay cả một đường cong tăng trưởng cấp số nhân dựng đứng cũng sẽ trông như đường thẳng nếu bạn chỉ nhìn vào một đoạn nhỏ của nó — giống như khi bạn dí sát mắt vào một phần rất nhỏ của một vòng tròn khổng lồ, nó cũng sẽ trông gần như thẳng.
Thứ hai, tăng trưởng theo cấp số nhân không phải lúc nào cũng diễn ra trơn tru và đều đặn. Kurzweil giải thích rằng tiến bộ xảy ra theo kiểu “đường cong chữ S” (S-curves):

Một chữ S được tạo ra bởi làn sóng tiến bộ khi một mô hình mới quét qua thế giới. Đường cong này trải qua ba giai đoạn:

  1. Tăng trưởng chậm (giai đoạn đầu của tăng trưởng theo cấp số nhân)
  2. Tăng trưởng nhanh bùng nổ (giai đoạn cuối, nơi tăng trưởng lao vút lên)
  3. Chững lại, khi mô hình đó dần trở nên trưởng thành và bão hòa.

Nếu bạn chỉ nhìn vào lịch sử rất gần đây, đoạn S mà bạn đang đứng có thể làm bạn hiểu sai về tốc độ phát triển thực sự của thế giới.
Ví dụ, giai đoạn từ 1995 đến 2007 chứng kiến sự bùng nổ của internet, sự xuất hiện và lan rộng của Microsoft, Google, Facebook trong đời sống hàng ngày, sự ra đời của mạng xã hội, điện thoại di động, rồi điện thoại thông minh. Đó là Giai đoạn 2 — phần “tăng vọt” của chữ S.
Nhưng từ 2008 đến 2015, ít nhất là ở khía cạnh công nghệ, lại có vẻ như lắng xuống hơn, không đột phá bằng.

Thế nên nếu ai đó ngày nay cố hình dung tương lai dựa trên vài năm gần đây, họ sẽ dễ bị đánh lừa mà cho rằng tốc độ phát triển đang chậm lại — nhưng thật ra họ đang bỏ sót bức tranh lớn.
Trên thực tế, một đợt tăng tốc mới — một Giai đoạn 2 hoàn toàn mới — có thể đang âm thầm hình thành ngay lúc này.

3) Trải nghiệm cá nhân khiến chúng ta trở thành những “ông già cố chấp” khi nói về tương lai.
Chúng ta hình thành quan điểm về thế giới dựa trên trải nghiệm sống của bản thân — và những trải nghiệm đó đã in sâu vào đầu ta một tốc độ phát triển nhất định trong quá khứ gần, như thể đó là “cách mọi thứ vốn vẫn diễn ra.”
Chúng ta cũng bị giới hạn bởi trí tưởng tượng của mình, thứ vốn lấy nguyên liệu từ kinh nghiệm sống để phóng chiếu ra tương lai — nhưng thường thì, những gì ta từng biết lại không đủ để giúp ta hình dung chính xác về những gì sắp tới.

Khi nghe một dự đoán về tương lai mà mâu thuẫn với “cảm giác kinh nghiệm” của chúng ta về cách thế giới vận hành, phản xạ đầu tiên là nghĩ: “Ngây thơ quá.”
Nếu tôi nói với bạn, ở phần sau của bài viết này, rằng bạn có thể sống tới 150 tuổi, hoặc 250, hoặc… không chết luôn, phản xạ đầu tiên của bạn sẽ là: “Tào lao, cái chắc! Một điều tôi biết chắc từ lịch sử là ai rồi cũng chết.”
Và đúng, chưa ai trong quá khứ mà lại không chết cả. Nhưng cũng đã từng chưa ai bay được — cho đến khi máy bay được phát minh.

Thế nên, dù phản xạ “nahhhhh” có thể nghe có vẻ hợp lý khi bạn đọc đến đây, thì thực ra… rất có thể nó sai bét.
Sự thật là: nếu chúng ta thực sự tư duy một cách logic, và tin rằng những mô hình lịch sử sẽ tiếp tục, thì ta nên kết luận rằng sẽ có nhiều, nhiều, nhiều thay đổi hơn nữa trong những thập kỷ tới so với những gì ta cảm thấy “hợp lý” lúc này.

Lý trí cũng cho thấy: nếu một loài sinh vật thông minh nhất hành tinh cứ tiếp tục tiến những bước nhảy vọt ngày càng lớn, ngày càng nhanh, thì đến một lúc nào đó, bước nhảy ấy sẽ lớn đến mức làm thay đổi hoàn toàn cuộc sống như họ từng biết — và làm lung lay luôn cả khái niệm “làm người” mà họ từng quen thuộc.
Kiểu như cách mà quá trình tiến hóa từng liên tục nhảy vọt về phía trí tuệ, cho đến khi có một cú nhảy vĩ đại đến mức sinh ra loài người — và từ đó, mọi định nghĩa về “sống” trên Trái Đất đều bị viết lại.

Và nếu bạn dành một chút thời gian để đọc về những gì đang diễn ra trong giới khoa học và công nghệ hiện nay, bạn sẽ bắt đầu nhận thấy: có rất nhiều dấu hiệu — dù thầm lặng — đang gợi ý rằng cuộc sống như ta đang biết sẽ không thể trụ nổi trước bước nhảy tiếp theo đang tới gần.

Con Đường Tới Siêu Trí Tuệ

Trí Tuệ Nhân Tạo Là Gì?

Nếu bạn giống tôi, có lẽ bạn từng nghĩ “Trí tuệ nhân tạo” chỉ là một khái niệm ngớ ngẩn trong phim khoa học viễn tưởng. Nhưng dạo gần đây, bạn bắt đầu thấy những người rất nghiêm túc nhắc đến nó, và bạn thì… vẫn chưa thực sự hiểu rõ nó là cái gì.

Có ba lý do khiến nhiều người cảm thấy bối rối khi nghe đến cụm từ “AI” (viết tắt của Artificial Intelligence – Trí tuệ nhân tạo):

1) Chúng ta gắn AI với phim ảnh.
Nào là Star Wars, Terminator, 2001: A Space Odyssey, rồi cả The Jetsons. Mà mấy thứ đó thì đều là hư cấu — mấy con robot trong đó cũng vậy. Nên chuyện AI nghe cứ… hư cấu theo.

2) AI là một chủ đề quá rộng.
Nó có thể là cái máy tính bỏ túi trong điện thoại của bạn, hay là xe tự lái, hoặc là một thứ gì đó trong tương lai có thể thay đổi cả thế giới. Tất cả những thứ đó đều được gọi là AI, nên tất nhiên là dễ gây nhầm lẫn rồi.

3) Chúng ta dùng AI mỗi ngày mà không hề nhận ra đó là AI.
John McCarthy — người đã đặt ra thuật ngữ “Trí tuệ nhân tạo” từ năm 1956 — từng than phiền: “Hễ cái gì AI làm được rồi thì người ta lại không gọi nó là AI nữa.”
Hiện tượng kỳ lạ này khiến AI thường nghe như một lời tiên tri viễn tưởng chưa xảy ra, hơn là một thứ đang hiện hữu. Đồng thời, nó cũng khiến AI có vẻ như một mốt cũ rích từ quá khứ, từng nổi rầm rộ rồi… chìm nghỉm.
Ray Kurzweil bảo rằng ông vẫn nghe nhiều người nói AI đã "lụi tàn" từ những năm 1980 — mà theo ông, đó chẳng khác nào khăng khăng rằng Internet đã chết trong cuộc khủng hoảng dot-com đầu những năm 2000.

Vậy nên, ta hãy làm rõ mọi thứ một chút. Đầu tiên, hãy ngừng nghĩ tới mấy con robot. Robot chỉ là cái “vỏ” chứa AI — đôi khi có hình dạng giống người, đôi khi không — còn AI thực sự là bộ não máy tính bên trong con robot đó.
Robot là cái “xác”, AI mới là “hồn”. Và nhiều khi, AI còn chẳng cần đến “xác” luôn.
Ví dụ: phần mềm và dữ liệu đằng sau Siri chính là AI. Giọng nữ mà ta nghe được chỉ là cách nhân cách hóa AI đó, chứ hoàn toàn không có con robot nào cả.

Ngoài ra, bạn có thể đã từng nghe đến thuật ngữ “điểm kỳ dị” (singularity) hay “điểm kỳ dị công nghệ” (technological singularity).
Thuật ngữ này vốn được dùng trong toán học để chỉ những tình huống kiểu như… tiệm cận — nơi mà các quy tắc thông thường không còn áp dụng được nữa.
Trong vật lý, nó mô tả những hiện tượng như một hố đen có mật độ vô hạn, hoặc cái điểm siêu nhỏ siêu đặc mà vũ trụ từng bị “nén” vào ngay trước vụ nổ Big Bang — cũng là những khoảnh khắc mà các quy luật cũ đều sụp đổ.

Đến năm 1993, nhà văn khoa học viễn tưởng Vernor Vinge viết một bài tiểu luận nổi tiếng, trong đó ông lấy khái niệm singularity và áp dụng cho một thời khắc trong tương lai:
thời khắc mà trí tuệ của công nghệ vượt qua trí tuệ con người — theo ông, đó sẽ là bước ngoặt làm thay đổi hoàn toàn sự sống như chúng ta từng biết. Một lần nữa, các quy tắc cũ sẽ không còn áp dụng được nữa.

Sau đó, Ray Kurzweil lại làm mọi chuyện hơi rối rắm hơn một chút khi định nghĩa singularity là thời điểm mà Định luật Tăng tốc Lũy tiến (Law of Accelerating Returns) đạt tới mức cực độ — nơi tốc độ tiến bộ công nghệ gần như… vô hạn, và từ đó, loài người sẽ sống trong một thế giới hoàn toàn khác.

Cá nhân tôi thấy, ngày nay nhiều chuyên gia AI đã thôi không dùng thuật ngữ “singularity” nữa — vốn dĩ nó cũng khá dễ gây hiểu lầm — nên trong bài này tôi sẽ hạn chế nhắc đến nó (dù về bản chất, toàn bộ bài viết vẫn đang xoay quanh ý tưởng đó).

Cuối cùng, dù có rất nhiều loại và hình thức AI (vì AI là một khái niệm rất rộng), nhưng điều quan trọng nhất cần nắm là cấp độ của một AI — tức là “trình” của nó tới đâu. Về cơ bản, có ba cấp độ chính:

Cấp độ 1: Trí tuệ nhân tạo hẹp (ANI – Artificial Narrow Intelligence)

Còn được gọi là AI yếu, đây là loại AI chỉ giỏi một việc duy nhất.
Ví dụ: có AI có thể đánh bại nhà vô địch cờ vua thế giới — nhưng chỉ đánh cờ vua thôi.
Bạn bảo nó nghĩ ra cách lưu trữ dữ liệu tốt hơn trên ổ cứng xem? Nó sẽ đơ ra như tượng.

Đây là loại AI duy nhất mà ta đã thực sự tạo ra. Nó đang hiện diện khắp nơi: trong công cụ tìm kiếm, trong tính năng gợi ý phim, trong xe tự lái, hay cả trong camera điện thoại của bạn.

Cấp độ 2: Trí tuệ nhân tạo tổng quát (AGI – Artificial General Intelligence)

Còn gọi là AI mạnh, hay AI ngang tầm con người, đây là loại AI mà chúng ta vẫn đang cố gắng tạo ra:
Một cỗ máy có thể suy nghĩ và học hỏi như con người, ở tất cả các lĩnh vực.

Giáo sư Linda Gottfredson từng mô tả “trí thông minh” là:

“một năng lực tinh thần tổng quát, bao gồm khả năng suy luận, lập kế hoạch, giải quyết vấn đề, tư duy trừu tượng, tiếp thu các khái niệm phức tạp, học nhanh và rút kinh nghiệm từ thực tế.”

Một AI ở cấp độ AGI sẽ làm được tất cả những điều đó — một cách tự nhiên như bạn đang làm vậy.

Cấp độ 3: Trí tuệ siêu việt nhân tạo (ASI – Artificial Superintelligence)

Nhà triết học Oxford kiêm chuyên gia hàng đầu về AI, Nick Bostrom, định nghĩa trí tuệ siêu việt là:

“một trí tuệ thông minh vượt xa bộ não con người giỏi nhất, trong hầu hết mọi lĩnh vực — bao gồm cả khả năng sáng tạo khoa học, sự khôn ngoan, và kỹ năng xã hội.”

Nghe đã thấy… căng rồi. Nhưng ASI không chỉ “hơn người” một chút. Nó có thể là một hệ thống chỉ nhỉnh hơn con người một chút — hoặc cũng có thể là một trí tuệ mạnh gấp hàng nghìn tỷ lần con người, trên mọi mặt trận.

Và chính ASI là lý do khiến chủ đề AI trở nên nóng như chảo dầu — và là lý do hai từ “bất tử” và “tuyệt chủng” sẽ còn xuất hiện nhiều lần trong những phần tiếp theo.

Hiện tại, con người đã chinh phục được cấp độ thấp nhất – ANI – khá toàn diện, và nó đang len lỏi khắp nơi trong đời sống.
Cuộc cách mạng AI chính là hành trình đi từ ANI → AGI → ASI — một con đường mà ta có thể sống sót, cũng có thể không, nhưng dù thế nào đi nữa… mọi thứ cũng sẽ thay đổi hoàn toàn.

Và giờ, hãy cùng soi kỹ xem các chuyên gia hàng đầu về AI nghĩ hành trình này sẽ diễn ra như thế nào — và vì sao cuộc cách mạng ấy có thể đến sớm hơn rất nhiều so với bạn tưởng. 

Hành trình từ ANI → AGI → ASI

Hãy cùng soi kỹ xem các nhà tư tưởng hàng đầu trong lĩnh vực này hình dung con đường ấy sẽ trông như thế nào — và vì sao cuộc cách mạng này có thể xảy ra sớm hơn rất nhiều so với những gì bạn đang tưởng tượng:

Chúng Ta Đang Ở Đâu — Một Thế Giới Chạy Bằng ANI

Trí tuệ nhân tạo hẹp (ANI - Artificial Narrow Intelligence) là loại trí thông minh máy móc có thể ngang bằng hoặc vượt qua con người trong một lĩnh vực cụ thể. Một vài ví dụ:

  • Xe hơi hiện đại chứa đầy những hệ thống ANI: từ máy tính tính toán khi nào phanh ABS nên kích hoạt, đến máy tính điều chỉnh tham số của hệ thống phun nhiên liệu. Chiếc xe tự lái của Google (đang được thử nghiệm) chứa các hệ thống ANI cực kỳ mạnh mẽ giúp nó nhận biết và phản ứng với thế giới xung quanh.
  • Chiếc điện thoại của bạn chính là một “nhà máy sản xuất ANI tí hon”. Khi bạn dùng bản đồ để chỉ đường, nghe nhạc gợi ý trên Pandora, xem thời tiết ngày mai, trò chuyện với Siri, hay làm hàng tá thứ khác mỗi ngày — bạn đang dùng ANI.
  • Bộ lọc thư rác trong email của bạn là một ví dụ kinh điển của ANI — ban đầu nó được nạp sẵn một lượng kiến thức để phân biệt thư rác với thư thật, rồi theo thời gian nó học hỏi từ chính bạn và dần điều chỉnh để phù hợp với sở thích cá nhân. Bộ điều nhiệt Nest cũng làm điều tương tự: nó học thói quen sinh hoạt của bạn và tự động điều chỉnh nhiệt độ cho phù hợp.
  • Bạn có nhớ cái cảm giác rờn rợn khi vừa tìm kiếm sản phẩm nào đó trên Amazon, rồi ngay sau đó nó lại hiện ra trong quảng cáo ở trang khác? Hay chuyện Facebook "tình cờ" đề xuất đúng người mà bạn đang định kết bạn? Đó là nhờ một mạng lưới các hệ thống ANI đang âm thầm hợp tác với nhau, chia sẻ thông tin về bạn, đoán bạn thích gì, và quyết định sẽ hiển thị gì cho bạn. Chức năng “Khách hàng mua món này cũng thường mua…” của Amazon? Đó là một hệ thống ANI được thiết kế chuyên để phân tích hành vi của hàng triệu khách hàng khác nhau và tổng hợp lại để upsell bạn một cách đầy tinh tế.
  • Google Dịch cũng là một dạng ANI kinh điển — cực giỏi trong một nhiệm vụ cụ thể. Nhận diện giọng nói cũng vậy. Nhiều ứng dụng hiện nay còn kết hợp hai công nghệ ANI này, cho phép bạn nói một câu bằng ngôn ngữ này và điện thoại sẽ “nhả” ra đúng câu đó bằng một ngôn ngữ khác.
  • Khi máy bay của bạn hạ cánh, không phải con người quyết định nó nên đi vào cổng nào. Cũng giống như giá vé của bạn — chẳng có ai ngồi đó gõ máy tính để định giá.
  • Những cao thủ hàng đầu thế giới ở các trò chơi như cờ caro, cờ vua, Scrabble, cờ tướng Mỹ (Backgammon) hay Othello — bây giờ đều là các hệ thống ANI.
  • Google Search về cơ bản là một “bộ não ANI khổng lồ” với những thuật toán cực kỳ tinh vi để xếp hạng trang web và đoán xem nên hiển thị nội dung gì cho riêng bạn. Facebook Newsfeed cũng vậy.
  • Và đó mới chỉ là trong thế giới người tiêu dùng. Trong các ngành công nghiệp như quân sự, sản xuất, tài chính… ANI đã được dùng rộng rãi từ lâu. Ví dụ: các hệ thống giao dịch tự động siêu tốc (high-frequency AI traders) hiện chiếm hơn một nửa khối lượng giao dịch cổ phiếu ở thị trường Mỹ.
  • Trong các hệ thống chuyên gia, ANI cũng đóng vai trò quan trọng — như những chương trình hỗ trợ bác sĩ chẩn đoán bệnh, và nổi tiếng nhất là IBM Watson, một “siêu bộ não” chứa lượng kiến thức khổng lồ và đủ thông minh để hiểu cả cách nói ẩn dụ, lắt léo của MC chương trình Jeopardy! — và đánh bại cả những nhà vô địch kỳ cựu nhất trong lịch sử chương trình.

Hiện tại, các hệ thống ANI không quá đáng sợ. Tệ nhất thì một ANI lỗi hoặc lập trình tệ có thể gây ra một tai nạn cục bộ — như làm sập lưới điện, gây sự cố nghiêm trọng trong nhà máy điện hạt nhân, hoặc gây thảm họa trên thị trường tài chính (như vụ Flash Crash năm 2010, khi một chương trình ANI phản ứng sai cách trước một tình huống bất ngờ, khiến thị trường chứng khoán rớt thê thảm trong chốc lát, “bốc hơi” 1.000 tỷ USD giá trị thị trường, chỉ một phần trong đó được phục hồi sau khi lỗi được sửa).

Tuy ANI không có khả năng đe dọa đến sự tồn vong của nhân loại, nhưng chúng ta nên nhìn vào hệ sinh thái ANI ngày càng lớn và phức tạp hiện nay như lời báo trước cho cơn bão sắp đến — một cơn bão có thể thay đổi cả thế giới.

Mỗi đổi mới ANI mới, dù nhỏ bé, đều âm thầm thêm một viên gạch vào con đường dẫn đến AGI và ASI.

Hoặc như Aaron Saenz đã ví von: các hệ thống ANI trong thế giới hiện tại giống như những axit amin trong “vũng nước nguyên thủy” của Trái Đất thuở sơ khai — những thứ vô tri vô giác, một ngày đẹp trời bỗng… tỉnh dậy.

Con đường từ ANI đến AGI

Tại sao lại khó đến thế?

Không có gì khiến bạn trân trọng trí thông minh của con người hơn việc tìm hiểu xem việc tạo ra một chiếc máy tính thông minh bằng con người khó đến mức nào.

Xây nhà chọc trời? Dễ hơn.

Đưa con người ra ngoài vũ trụ? Dễ hơn.

Giải mã vụ nổ Big Bang xảy ra thế nào? Vẫn dễ hơn.

Tất cả những việc đó còn dễ hơn việc hiểu được bộ não của chính mình hoặc chế tạo ra thứ gì đó “ngầu” như nó.

Tính đến thời điểm hiện tại, bộ não con người là vật thể phức tạp nhất trong toàn bộ vũ trụ đã biết.

Điều thú vị là: những phần khó nhất khi xây dựng AGI lại không phải là thứ mà ta tưởng là khó.

Bạn có thể nghĩ rằng làm cho máy tính “thông minh” là bắt nó làm toán cao cấp, chơi cờ giỏi, hay phân tích dữ liệu phức tạp. Nhưng không. Những thứ đó là trò trẻ con với AI.

  • Viết một chương trình có thể nhân hai số mười chữ số trong tích tắc? Dễ ẹc.
  • Xây một hệ thống nhận diện xem hình kia là con chó hay con mèo? Khó vô cùng.
  • Tạo AI đánh bại con người trong cờ vua? Xong từ lâu rồi.
  • Làm cho nó hiểu một đoạn truyện ngắn của trẻ 6 tuổi—not chỉ đọc chữ, mà thực sự hiểu được ý nghĩa? Google đang đốt hàng tỷ đô để cố gắng làm được điều đó.

Những thứ tưởng như khó—tính toán, chiến lược tài chính, dịch ngôn ngữ—lại quá dễ với máy.
Còn những việc ta làm mà chẳng suy nghĩ gì—nhìn, di chuyển, nhận diện cảm xúc, hiểu ngữ cảnh—lại làm máy bó tay.

Hay như nhà khoa học máy tính Donald Knuth nói:

“AI giờ đã làm được gần như mọi thứ cần đến ‘suy nghĩ’ — nhưng lại chưa làm nổi phần lớn những gì con người và động vật làm mà không cần suy nghĩ.”

Và khi bạn bắt đầu nghĩ kỹ hơn, bạn sẽ nhận ra: những thứ tưởng như "dễ ợt" với con người thật ra phức tạp đến không tưởng—chỉ là bạn không thấy vậy, bởi vì chúng ta đã được tối ưu hóa bởi hàng trăm triệu năm tiến hóa để làm mấy việc đó thật mượt mà.

Ví dụ: khi bạn với tay lấy một vật gì đó, có vẻ như bạn chỉ đơn giản là đưa tay ra. Nhưng thực chất, trong tích tắc, bộ não bạn:

  • phối hợp mắt để định vị vật trong không gian 3 chiều,
  • gửi tín hiệu điều khiển hàng chục nhóm cơ, gân, xương từ vai, khuỷu tay, cổ tay,
  • tính toán hàng loạt phép toán vật lý phức tạp để điều hướng cánh tay đi đúng quỹ đạo cần thiết.

Và bạn làm tất cả điều đó mà không cần nghĩ.

Lý do nó “dễ” với bạn không phải vì nó đơn giản, mà vì bạn đã có phần mềm thần kỳ chạy trong não từ khi còn là phôi thai. Cả bộ máy đó là thành quả tích lũy của hàng triệu năm tiến hóa sinh học.

Cũng tương tự, khi một con bot “không qua nổi cái CAPTCHA mờ mờ méo méo” trên website, đó không phải vì nó ngu, mà là vì bộ não bạn đỉnh vãi khi có thể xử lý chữ viết bất quy tắc, méo mó, đứt đoạn, rồi hiểu và nhập lại chuẩn xác.

Nói ngắn gọn: cái mà ta làm "không cần nghĩ" — thực ra là kỳ công siêu phức tạp mà chỉ sinh vật sống như chúng ta mới làm được.

Mặt khác, việc nhân những con số lớn hoặc chơi cờ là những hoạt động khá mới đối với sinh vật sinh học, và chúng ta chưa có đủ thời gian tiến hoá để trở nên thành thạo trong những việc đó — vì vậy máy tính không cần phải nỗ lực quá nhiều để đánh bại chúng ta. Hãy thử nghĩ mà xem — bạn muốn làm việc nào hơn: lập trình một phần mềm có thể nhân những con số lớn, hay lập trình một phần mềm có thể hiểu được bản chất của chữ "B" đủ tốt đến mức bạn có thể đưa cho nó một chữ B viết bằng bất kỳ kiểu chữ hay nét chữ tay bất kỳ nào trong hàng ngàn kiểu khác nhau, và nó vẫn có thể lập tức nhận ra đó là chữ B?

Một ví dụ thú vị — khi bạn nhìn vào thứ này, cả bạn và máy tính đều có thể nhận ra đó là một hình chữ nhật với hai sắc độ khác nhau xen kẽ nhau:

Tạm thời thì hòa. Nhưng nếu bạn nhấc phần màu đen lên và để lộ toàn bộ bức hình...

...bạn không gặp vấn đề gì khi mô tả đầy đủ các hình trụ mờ và trong suốt, các thanh ngang, và những góc cạnh 3D—nhưng máy tính thì sẽ thất bại thảm hại. Nó sẽ chỉ mô tả những gì nó "thấy"—một loạt các hình hai chiều với nhiều sắc độ khác nhau—và đó thực ra đúng là những gì có trong ảnh. Trong khi đó, não bạn đang thực hiện một loạt các xử lý siêu tinh vi để diễn giải chiều sâu, sự pha trộn của bóng và ánh sáng trong phòng mà bức ảnh đang cố gắng mô tả. Và khi nhìn vào bức ảnh dưới đây, máy tính sẽ thấy một mớ cắt dán hai chiều gồm trắng, đen và xám, còn bạn thì dễ dàng nhận ra đó là gì—một bức ảnh chụp một tảng đá 3D màu đen hoàn toàn.

Và tất cả những điều vừa nhắc đến mới chỉ là xử lý thông tin tĩnh. Để đạt được trí thông minh ngang với con người, một chiếc máy tính còn phải hiểu được những thứ như: sự khác biệt tinh tế giữa các biểu cảm gương mặt, ranh giới giữa cảm giác hài lòng, nhẹ nhõm, mãn nguyện, thoả mãn và vui vẻ—và cả lý do tại sao Braveheart là một bộ phim tuyệt vời trong khi The Patriot thì lại tệ hại.

Khó nhằn thật.

Vậy làm thế nào để chúng ta đến được đó?

Chìa khóa đầu tiên để tạo ra AGI: Gia tăng sức mạnh tính toán

Một điều chắc chắn cần xảy ra để AGI trở thành hiện thực, đó là sức mạnh phần cứng máy tính phải được nâng cấp. Nếu một hệ thống AI muốn thông minh ngang với bộ não con người, thì nó cần phải đạt được công suất tính toán thô (raw computing capacity) tương đương với bộ não.

Một cách để biểu thị năng lực này là thông qua tổng số phép tính mỗi giây (cps – calculations per second) mà bộ não có thể xử lý. Để ước tính con số này, ta có thể tính công suất cps tối đa của từng cấu trúc trong não, sau đó cộng tất cả lại với nhau.

Ray Kurzweil đã nghĩ ra một cách ước tính nhanh bằng cách lấy con số ước lượng chuyên môn về cps của một cấu trúc trong não, sau đó tính tỷ lệ khối lượng của cấu trúc đó so với toàn bộ não, rồi nhân tỷ lệ đó lên để có được con số tổng. Nghe thì có vẻ hơi “lụi”, nhưng ông đã làm điều này nhiều lần với các ước lượng khác nhau từ các chuyên gia cho các vùng não khác nhau, và tổng kết quả luôn rơi vào cùng một khoảng—khoảng 101610^{16}1016, hay 10 triệu tỷ cps.

Hiện tại, siêu máy tính nhanh nhất thế giới—Tianhe-2 của Trung Quốc—thực tế đã vượt qua con số đó, đạt khoảng 34 triệu tỷ cps. Nhưng Tianhe-2 cũng khá "chảnh", chiếm tới 720 mét vuông diện tích, tiêu thụ 24 megawatt điện (trong khi bộ não con người chỉ cần 20 watt), và tốn khoảng 390 triệu đô để xây dựng. Vậy nên nó không thực tế cho việc sử dụng phổ biến, thậm chí là trong đa số ứng dụng thương mại hay công nghiệp.

Kurzweil đề xuất rằng ta nên đánh giá mức độ tiến bộ của máy tính bằng cách xem với 1.000 đô la thì có thể mua được bao nhiêu cps. Khi con số đó đạt đến mức ngang với con người—10 triệu tỷ cps—thì khi đó AGI có thể thực sự trở thành một phần trong cuộc sống hàng ngày.

Định luật Moore là một quy luật đã được chứng minh khá chính xác trong lịch sử, cho rằng sức mạnh tính toán tối đa của thế giới sẽ tăng gấp đôi khoảng mỗi hai năm. Điều này có nghĩa là sự phát triển phần cứng máy tính, cũng giống như sự tiến bộ nói chung của loài người trong lịch sử, tăng trưởng theo cấp số nhân.

Khi áp dụng điều này vào chỉ số cps/1.000 đô la mà Kurzweil đưa ra, thì hiện tại chúng ta đang đạt khoảng 10 nghìn tỷ cps/1.000 đô, đúng với quỹ đạo mà biểu đồ dự đoán này thể hiện.⁹

Vậy là những chiếc máy tính 1.000 đô hiện nay đã vượt qua năng lực não chuột và đạt khoảng 1 phần nghìn năng lực của não người. Nghe có vẻ chẳng là bao, nhưng hãy nhớ rằng:

  • Năm 1985: chúng ta mới đạt 1 phần nghìn tỷ năng lực não người,
  • Năm 1995: là 1 phần tỷ,
  • Năm 2005: là 1 phần triệu.

Mà đến năm 2015, đã đạt 1 phần nghìn—tức là đúng theo quỹ đạo tăng trưởng, và nếu giữ đà này, chúng ta sẽ có máy tính giá phải chăng đạt cấp độ não người vào khoảng năm 2025.

=> Về phần cứng, sức mạnh thô cần thiết cho AGI về lý thuyết đã sẵn sàng, ít nhất là ở Trung Quốc, và phần còn lại của thế giới cũng sẽ có phần cứng đạt chuẩn AGI với giá hợp lý trong vòng 10 năm tới.

Nhưng chỉ có sức mạnh tính toán thì chưa đủ để tạo ra trí tuệ nhân tạo tổng quát.
=> Câu hỏi tiếp theo là: Làm sao để “thổi” trí thông minh ở cấp độ con người vào tất cả sức mạnh ấy?

Chiến lược thứ hai để tạo ra AGI: Làm cho nó thông minh

Đây là phần “nhức đầu”. Sự thật là: chúng ta vẫn chưa thực sự biết làm thế nào để khiến máy tính trở nên thông minh—tức là thông minh ở cấp độ con người, có khả năng nhận biết một con chó, một chữ B viết kiểu lạ, hay phân biệt được một bộ phim dở tầm thường với một kiệt tác điện ảnh.

Nhưng điều thú vị là:
Dù chưa có đáp án, vẫn có rất nhiều chiến lược viển vông đang được thử nghiệm, và đến một lúc nào đó, sẽ có một chiến lược hiệu quả.

Dưới đây là ba chiến lược phổ biến nhất mà người viết từng bắt gặp:

1) Đạo nhái bộ não.

Chiến lược này giống như chuyện các nhà khoa học cặm cụi tìm hiểu vì sao cái đứa ngồi cạnh trong lớp lại thông minh thế, làm bài lúc nào cũng điểm cao, còn mình thì học hành chăm chỉ lắm mà vẫn không bằng. Và rồi một ngày đẹp trời, họ quyết định: “Thôi kệ, copy bài nó luôn cho nhanh.”

Nghe thì hơi lười biếng, nhưng thật ra lại rất hợp lý—bởi vì hiện tại, chúng ta đang bó tay trong việc xây dựng một cỗ máy siêu phức tạp, trong khi mỗi người trong chúng ta đều có sẵn một nguyên mẫu hoàn hảo trong đầu: bộ não con người.

Thay vì xây từ số 0, tại sao không nghiên cứu kỹ cách bộ não hoạt động, rồi mô phỏng lại nó bằng máy tính?

Giới khoa học hiện đang làm việc cật lực để giải mã bộ não—để xem quá trình tiến hóa đã tạo ra một thứ “xịn sò” như vậy bằng cách nào. Những dự đoán lạc quan cho rằng chúng ta có thể làm được việc này trước năm 2030. Và khi làm được, ta sẽ nắm được mọi bí mật đằng sau hiệu suất và sức mạnh của bộ não, từ đó có thể học hỏi, lấy cảm hứng và thậm chí ăn cắp những phát minh đó để ứng dụng vào máy tính.

Một ví dụ điển hình về kiến trúc máy tính mô phỏng theo bộ não là mạng nơ-ron nhân tạo (artificial neural network). Nó bắt đầu là một mạng lưới các “nơ-ron” làm bằng transistor, kết nối với nhau bằng các đầu vào và đầu ra, và ban đầu hoàn toàn ngu ngơ như một bộ não trẻ sơ sinh.

Cách nó “học” là như thế này: giả sử nó được giao nhiệm vụ nhận diện chữ viết tay, thì ở những lần đầu, các “nơ-ron” này sẽ bắn tín hiệu và đưa ra dự đoán hoàn toàn ngẫu nhiên. Nhưng khi nó được phản hồi rằng mình đã đoán đúng, các kết nối giữa các nơ-ron trong chuỗi bắn tín hiệu đó sẽ được củng cố. Ngược lại, nếu đoán sai, các kết nối đó sẽ bị làm yếu đi. Trải qua hàng ngàn lần thử-sai như vậy, mạng lưới này sẽ tự mình hình thành các con đường dẫn thông minh, và cỗ máy trở nên tối ưu cho nhiệm vụ đó.

Bộ não con người cũng học theo cách tương tự, chỉ là tinh vi và phức tạp hơn rất nhiều. Và khi việc nghiên cứu bộ não tiến triển, chúng ta ngày càng khám phá ra những chiêu trò siêu đỉnh để tận dụng hệ thống mạch nơ-ron trong não người và đưa chúng vào AI.

Một hình thức “đạo nhái” cực đoan hơn là chiến lược có tên “mô phỏng toàn bộ não bộ” (whole brain emulation), trong đó mục tiêu là:

  1. Cắt một bộ não người thật thành những lát siêu mỏng.
  2. Quét (scan) từng lát một cách siêu chi tiết.
  3. Dùng phần mềm để lắp ghép lại thành một mô hình 3D chính xác về cấu trúc não.
  4. Sau đó chạy mô hình này trên một siêu máy tính đủ mạnh.

Nếu làm được điều này, ta sẽ có một cỗ máy có khả năng làm được mọi thứ mà bộ não thật có thể làm—chỉ còn thiếu bước học hỏi và thu thập thêm kiến thức. Và nếu các kỹ sư làm thật tốt, họ sẽ có thể mô phỏng một bộ não cụ thể đến mức toàn bộ tính cách, ký ức của người đó cũng được “chép lại” nguyên vẹn khi kiến trúc não được tải lên máy tính.

Nếu bộ não đó là của Jim, ngay trước khi ông qua đời, thì… chiếc máy tính kia sẽ “tỉnh dậy” dưới dạng Jim (?). Khi đó, ta đã có trong tay một AGI ở cấp độ con người thật sự, và từ đó, có thể bắt đầu nâng cấp Jim lên thành một ASI siêu trí tuệ—có thể là điều mà chính Jim sẽ rất hào hứng.

Vậy hiện tại ta cách mục tiêu đó bao xa?

Tính đến giờ, ta chỉ mới vừa mô phỏng được não của một con giun phẳng dài 1mm, với tổng cộng 302 nơ-ron. Trong khi đó, não người có khoảng 100 tỷ nơ-ron. Nghe như bất khả thi?

Nhưng đừng quên sức mạnh của tiến bộ theo cấp số nhân—giờ ta đã chinh phục được não giun, não kiến có thể là mục tiêu tiếp theo, rồi đến chuột, và đột nhiên, điều tưởng chừng viễn tưởng sẽ bắt đầu trông có vẻ khả thi hơn rất nhiều.

2) Cố gắng để tiến hóa làm lại điều nó đã từng làm — nhưng lần này là vì chúng ta.

Nếu ta cho rằng bài kiểm tra của đứa học sinh giỏi quá khó để chép, thì ta có thể thử bắt chước cách mà nó học bài để giỏi như thế.

Có một điều chúng ta biết chắc: xây dựng được một “máy tính” mạnh như não người là hoàn toàn khả thi—bằng chứng chính là… bộ não con người. Và nếu như não bộ quá phức tạp để ta mô phỏng trực tiếp, thì ta có thể thử mô phỏng quá trình tiến hóa đã tạo ra nó.

Thực tế là, ngay cả khi ta có thể sao chép được bộ não, thì có thể việc đó cũng giống như cố chế tạo máy bay bằng cách sao chép y hệt cách chim vỗ cánh để bay—nhiều khi, cách tốt nhất để thiết kế một cỗ máy là tiếp cận theo hướng hoàn toàn mới, phù hợp với máy móc, chứ không phải là bắt chước sinh học một cách cứng nhắc.

Vậy, làm sao để ta “giả lập tiến hóa” nhằm xây dựng AGI?

Phương pháp này được gọi là “thuật toán di truyền” (genetic algorithms), và nó sẽ hoạt động kiểu như sau:

  • Có một quy trình đánh giá hiệu suất và chọn lọc, lặp đi lặp lại (giống như cách sinh vật sinh học “thể hiện” bằng cách sống sót và được “đánh giá” qua việc có sinh sản thành công hay không).
  • Một nhóm máy tính sẽ cùng thực hiện một số tác vụ nhất định.
  • Những chiếc hoạt động hiệu quả nhất sẽ được “lai tạo” với nhau, bằng cách trộn một nửa chương trình của mỗi chiếc lại để tạo thành “con” máy tính mới.
  • Những chiếc hoạt động kém hiệu quả sẽ bị loại bỏ.
  • Qua rất nhiều thế hệ, quá trình chọn lọc tự nhiên này sẽ tạo ra những máy tính ngày càng thông minh hơn.

Thách thức lớn nằm ở chỗ: làm sao thiết kế được một quy trình đánh giá và lai tạo tự động, để cả quá trình “tiến hóa máy tính” này có thể chạy độc lập mà không cần con người can thiệp.

Bất lợi của việc sao chép tiến hóa là tiến hóa mất cả tỷ năm để hoàn thành một việc, trong khi chúng ta chỉ có vài thập kỷ.

Nhưng chúng ta có nhiều lợi thế vượt trội hơn tiến hóa.

Thứ nhất, tiến hóa không có tầm nhìn xa và hoạt động một cách ngẫu nhiên—nó tạo ra nhiều đột biến vô dụng hơn là có ích, trong khi chúng ta có thể kiểm soát quy trình, chỉ thúc đẩy những "lỗi hệ thống" có ích và những điều chỉnh có chủ đích.

Thứ hai, tiến hóa không có mục tiêu cụ thể, kể cả mục tiêu thông minh—có những môi trường mà sự thông minh còn bị “chọn lọc ngược”, vì não tiêu tốn rất nhiều năng lượng. Còn chúng ta thì hoàn toàn có thể hướng toàn bộ quá trình tiến hóa này vào mục tiêu duy nhất: tạo ra trí tuệ.

Thứ ba, để chọn lọc cho trí tuệ, tiến hóa phải đổi mới rất nhiều thứ khác để hỗ trợ trí tuệ—như tìm cách cải thiện cách tế bào sản sinh năng lượng—còn chúng ta thì có thể bỏ qua những gánh nặng đó và dùng điện hay các tài nguyên nhân tạo khác.

Không còn nghi ngờ gì: chúng ta sẽ tiến nhanh hơn tiến hóa rất nhiều. Nhưng vấn đề là—liệu chúng ta có thể cải thiện tiến hóa đủ để biến nó thành một chiến lược khả thi hay không, thì vẫn là một câu hỏi bỏ ngỏ.

3) Để máy tính tự lo chuyện này – không phải chúng ta.

Đây là lúc các nhà khoa học bắt đầu… tuyệt vọng – và cố gắng lập trình đề thi để nó tự chấm điểm. Nhưng trớ trêu thay, đây lại có thể là phương pháp đầy hứa hẹn nhất mà chúng ta có.

Ý tưởng là: ta sẽ xây dựng một máy tính có hai kỹ năng chính—một là nghiên cứu về AI, và hai là viết mã để tự thay đổi chính mình. Tức là, nó không chỉ học được, mà còn có thể nâng cấp chính kiến trúc của mình. Hiểu nôm na: ta sẽ dạy máy tính trở thành nhà khoa học máy tính, để nó có thể tự "thúc đẩy bản thân tiến hóa".

Và đó sẽ là công việc chính của nó: tìm ra cách để tự làm mình thông minh hơn.

(Phần này sẽ còn được đào sâu thêm ở đoạn sau.)

Tất cả những điều này có thể xảy ra sớm

Hiện tại, sự phát triển thần tốc của phần cứng đang diễn ra song song với những thử nghiệm táo bạo về phần mềm, và AGI có thể âm thầm "lẻn đến" nhanh và bất ngờ vì hai lý do chính:

  1. Tăng trưởng theo cấp số nhân là một thứ rất khủng khiếp—thứ trông như rùa bò hôm nay có thể vụt chạy như chớp ngày mai.
  2. Khi nói đến phần mềm, tiến bộ có thể trông rất chậm chạp — nhưng chỉ cần một khoảnh khắc “khai sáng” cũng có thể lập tức thay đổi tốc độ phát triển. (Kiểu giống như khi khoa học thời xưa cứ loay hoay tính toán vũ trụ vì tưởng Trái Đất là trung tâm, cho đến khi phát hiện ra Mặt Trời mới là trung tâm, thì mọi thứ bỗng trở nên dễ hiểu hơn hẳn.) Hoặc với những thứ như máy tính có khả năng tự cải tiến, ta có thể tưởng như còn rất xa AGI, nhưng thực chất chỉ cần một tinh chỉnh nhỏ trong hệ thống cũng có thể khiến nó trở nên hiệu quả gấp 1.000 lần, rồi vụt tiến lên ngang hàng với trí thông minh con người.

Con đường từ AGI đến ASI

Tại một thời điểm nào đó, chúng ta sẽ đạt được AGI—máy tính có trí thông minh tổng quát ngang với con người. Mọi thứ nghe có vẻ đẹp đẽ: con người và máy tính sống cùng nhau một cách bình đẳng.

À… thực ra thì không hề.

Vấn đề là: một AGI với mức độ thông minh và năng lực tính toán tương đương con người vẫn sẽ có những lợi thế khổng lồ so với con người. Ví dụ như:

Phần cứng:

  • Tốc độ. Neuron trong não người chỉ đạt tốc độ tối đa khoảng 200 Hz, trong khi bộ vi xử lý hiện đại ngày nay (vốn còn chậm hơn rất nhiều so với khi chúng ta đạt AGI) đã chạy ở tốc độ khoảng 2 GHz—tức là nhanh hơn 10 triệu lần neuron của chúng ta. Và về tốc độ truyền tín hiệu, các xung thần kinh chỉ di chuyển với vận tốc khoảng 120 m/s, trong khi máy tính có thể giao tiếp bằng quang học ở tốc độ ánh sáng—một sự chênh lệch hoàn toàn áp đảo.
  • Kích thước và bộ nhớ. Não người bị giới hạn bởi kích thước hộp sọ—và dù có thể to ra thêm, thì việc truyền tín hiệu với vận tốc chậm giữa các vùng não sẽ khiến mọi thứ bị tắc nghẽn. Trong khi đó, máy tính có thể mở rộng tùy ý về mặt vật lý: thêm vi xử lý, thêm RAM, thêm ổ cứng. Điều này cho phép nó có bộ nhớ làm việc lớn hơn rất nhiều, và bộ nhớ dài hạn (lưu trữ) không chỉ có dung lượng khổng lồ mà còn chính xác tuyệt đối.
  • Độ tin cậy và độ bền. Không chỉ bộ nhớ chính xác hơn, transistor trong máy tính cũng đáng tin hơn nhiều so với neuron sinh học, và nếu có hỏng thì chỉ việc thay thế hoặc sửa. Trong khi đó, não người dễ bị mỏi, bị “lag” hoặc xuống cấp theo tuổi tác, còn máy tính thì có thể chạy liên tục 24/7 mà vẫn giữ hiệu suất tối đa.

Nói cách khác: nếu trí thông minh con người là phần mềm chạy trên phần cứng não bộ, thì phần mềm đó sắp có thể chạy trên phần cứng mạnh hơn cả triệu lần—và khi đó, thế giới sẽ thay đổi mãi mãi.

Phần mềm:

  • Khả năng chỉnh sửa, nâng cấp và tiềm năng mở rộng vượt trội. Không giống như não người, phần mềm máy tính có thể được cập nhật, sửa lỗi và dễ dàng thử nghiệm các thay đổi. Những nâng cấp này còn có thể mở rộng đến những lĩnh vực mà não người yếu kém. Ví dụ, phần mềm thị giác của con người cực kỳ tinh vi, nhưng khả năng xử lý kỹ thuật phức tạp lại khá tệ. Máy tính thì có thể vượt qua con người ở cả hai mảng—vừa giỏi "nhìn", vừa giỏi kỹ thuật, và còn có thể nâng cấp liên tục mà không phải “học lại từ đầu”.
  • Trí thông minh tập thể. Con người vượt xa mọi loài khác nhờ khả năng xây dựng một trí tuệ tập thể khổng lồ—từ khi phát minh ra ngôn ngữ, rồi đến chữ viết, in ấn, và giờ là internet. Nhưng AI sẽ còn làm tốt hơn nhiều. Một mạng lưới AI toàn cầu có thể đồng bộ kiến thức tức thời—bất kỳ máy nào học được điều gì, toàn bộ hệ thống sẽ biết ngay. Không chỉ vậy, cả hệ thống có thể cùng theo đuổi một mục tiêu duy nhất mà không gặp phải bất đồng, ích kỷ hay xung đột lợi ích như ở con người.

Tóm lại: nếu AI đạt đến mức độ thông minh như con người, thì nó sẽ lập tức vượt xa chúng ta nhờ vào khả năng nâng cấp, chia sẻ tức thì và không có giới hạn sinh học.

AI – rất có thể sẽ đạt được AGI (trí tuệ nhân tạo tổng quát) bằng cách được lập trình để tự cải tiến – sẽ không xem “trí thông minh ngang tầm con người” là một cột mốc quan trọng. Đó chỉ là một mốc có ý nghĩa từ góc nhìn của con người, chứ bản thân AI không có lý do gì để “dừng lại” ở cấp độ đó.

Và với hàng loạt lợi thế mà một AGI chỉ cần ngang tầm trí thông minh con người cũng đã có, thì gần như chắc chắn nó sẽ chỉ chạm vào cấp độ trí tuệ con người trong thoáng chốc, trước khi lao vọt lên vùng đất của trí tuệ vượt xa loài người.

Điều này có thể sẽ khiến chúng ta sốc tận óc khi nó xảy ra. Lý do là bởi, từ góc nhìn của con người:

A) Dù trí thông minh giữa các loài động vật có khác nhau, nhưng đặc điểm chính mà ta luôn nhận thức rõ nhất về trí tuệ của bất kỳ loài nào là: nó thấp hơn loài người rất nhiều.
B) Ta cũng thường xem những người thông minh nhất trong loài người là vượt trội hoàn toàn so với những người kém thông minh nhất.

Kiểu như thế này:

Vậy nên khi AI dần dần leo thang về trí tuệ, tiến gần đến loài người, ta sẽ chỉ thấy nó ngày càng thông minh hơn — theo kiểu “thông minh cho một con vật”. Rồi đến lúc nó chạm đến mức thấp nhất của con người — Nick Bostrom gọi là “anh chàng ngốc trong làng” — ta sẽ phản ứng kiểu: “Ồ, nó như một người hơi ngốc. Dễ thương phết!”

Chỉ có điều là: trong phổ rộng của trí thông minh, toàn bộ loài người, từ anh ngốc trong làng đến Einstein, thực chất nằm trong một khoảng rất hẹp — nên ngay sau khi đạt đến mức “anh ngốc” và được tuyên bố là đã đạt AGI, nó sẽ đột ngột thông minh hơn cả Einstein, và chúng ta sẽ chẳng hiểu chuyện gì vừa xảy ra:

Một vụ Nổ Trí Tuệ (Intelligence Explosion)

Hy vọng bạn đã tận hưởng khoảng thời gian “bình thường” vừa rồi, vì từ đây trở đi, mọi thứ sẽ trở nên không-bình-thường và có phần đáng sợ—và sẽ giữ nguyên như thế cho đến hết chủ đề này.

Tôi muốn tạm dừng một chút để nhắc bạn rằng: mọi điều tôi sắp nói đều là thật—là khoa học thật, là dự báo thật về tương lai, đến từ một loạt những nhà khoa học và tư tưởng gia đáng kính nhất hiện nay.

Hãy cứ nhớ điều đó trong đầu khi đọc tiếp.

Dù sao thì, như đã nói ở trên, phần lớn những mô hình hiện tại để đạt được AGI đều dựa vào việc AI tự cải thiện chính mình. Và một khi nó đạt đến AGI, thì ngay cả những hệ thống được xây dựng không theo hướng tự cải thiện ban đầu—giờ đây, vì đã thông minh ngang con người—hoàn toàn có thể bắt đầu tự cải thiện nếu nó muốn.³

Và đây là lúc ta chạm đến một khái niệm cực kỳ căng: tự cải tiến đệ quy (recursive self-improvement). Cách nó hoạt động như sau:

Một hệ thống AI ở một mức độ nhất định—giả sử như mức độ “người ngu nhất làng”—được lập trình với mục tiêu nâng cao trí thông minh của chính nó. Khi nó làm được điều đó, nó thông minh hơn—giả sử giờ nó ở trình độ Einstein—thì lúc này, khi nó tiếp tục cải tiến bản thân với trí tuệ cấp Einstein, nó sẽ dễ dàng hơn nhiều và thực hiện được những bước nhảy lớn hơn.

Những bước nhảy này khiến nó trở nên thông minh hơn bất kỳ con người nào, cho phép nó nhảy vọt xa hơn nữa. Khi các bước nhảy ngày càng lớn và diễn ra ngày càng nhanh, AGI vút lên trong bầu trời trí tuệ và sớm đạt đến mức độ siêu trí tuệ (ASI).

Đây chính là thứ người ta gọi là Vụ Nổ Trí Tuệ (Intelligence Explosion) — và là ví dụ tối thượng cho Định Luật Tăng Tốc Lũy Tiến (The Law of Accelerating Returns).

Có một số tranh cãi xoay quanh việc bao giờ thì AI sẽ đạt đến trí tuệ tổng quát ngang tầm con người (AGI). Trong một cuộc khảo sát với hàng trăm nhà khoa học, năm trung vị mà họ tin rằng chúng ta có khả năng cao sẽ đạt đến AGI là 2040 — chỉ còn 25 năm nữa thôi, nghe có vẻ không quá khủng khiếp, cho đến khi bạn nhận ra rằng nhiều chuyên gia trong lĩnh vực này tin rằng bước chuyển từ AGI sang ASI sẽ diễn ra rất nhanh. Kiểu như—nó có thể diễn ra thế này:

Phải mất hàng thập kỷ để hệ thống AI đầu tiên đạt đến trí thông minh tổng quát ở mức thấp, nhưng cuối cùng thì nó cũng xảy ra. Một máy tính có thể hiểu thế giới xung quanh nó như một đứa trẻ 4 tuổi.

Đột nhiên, chỉ trong vòng một tiếng sau khi đạt đến cột mốc đó, hệ thống phát minh ra lý thuyết vật lý vĩ đại thống nhất được thuyết tương đối rộng và cơ học lượng tử—thứ mà không một con người nào đến nay có thể làm được.

90 phút sau đó, AI đã trở thành một Siêu Trí Tuệ (ASI), thông minh hơn con người 170.000 lần.

Một Siêu Trí Tuệ (ASI) ở cấp độ đó là thứ vượt xa hoàn toàn khả năng hình dung của chúng ta, giống như một con ong vò vẽ cố gắng hiểu Kinh tế học Keynes vậy. Trong thế giới của loài người, “thông minh” nghĩa là chỉ số IQ 130, còn “ngu” là IQ 85 — chúng ta thậm chí không có từ nào để gọi một IQ ở mức 12.952.

Điều duy nhất chúng ta biết là: sự thống trị tuyệt đối của con người trên Trái Đất này cho thấy một quy luật rất rõ ràng: trí tuệ mang lại quyền lực. Điều đó có nghĩa là, khi ASI ra đời, nó sẽ là thực thể quyền lực nhất trong lịch sử sự sống trên Trái Đất, và mọi sinh vật sống, kể cả con người, sẽ hoàn toàn nằm trong lòng bàn tay của nó — và điều này có thể xảy ra chỉ trong vài thập kỷ tới.

Nếu một bộ não nhỏ bé như của chúng ta còn có thể phát minh ra wifi, thì một thực thể thông minh hơn chúng ta 100, 1.000 hay 1 tỷ lần sẽ không gặp chút khó khăn nào trong việc điều khiển vị trí của từng nguyên tử trong thế giới này theo bất cứ cách nào nó muốn, vào bất kỳ thời điểm nào—mọi thứ chúng ta xem là phép màu, mọi quyền năng mà ta từng tưởng tượng một vị thần toàn năng có thể sở hữu, đối với ASI sẽ chỉ đơn giản như việc bật công tắc đèn.

Tạo ra công nghệ đảo ngược quá trình lão hóa của con người, chữa mọi bệnh tật, chấm dứt nạn đói và thậm chí cả cái chết, lập trình lại thời tiết để bảo vệ sự sống trên Trái Đất—tất cả bỗng chốc trở thành điều hoàn toàn khả thi. Cũng hoàn toàn khả thi là sự hủy diệt ngay lập tức của toàn bộ sự sống trên hành tinh này.

Với chúng ta, nếu một ASI ra đời, thì cũng đồng nghĩa với việc một vị thần toàn năng đã xuất hiện trên Trái Đất—và câu hỏi tối quan trọng với nhân loại sẽ là:

Liệu đó có phải là một vị thần tốt bụng?