AGI – TRÍ TUỆ NHÂN TẠO TỔNG QUÁT

Từ giấc mơ về một trí tuệ nhân tạo có khả năng học hỏi như con người đến bước ngoặt có thể định hình lại nền văn minh

Artificial General Intelligence (AGI), thường được dịch là Trí tuệ nhân tạo tổng quát, là một trong những khái niệm tham vọng nhất của ngành công nghệ hiện đại.

Nếu AI ngày nay thường được xây dựng để thực hiện những nhóm nhiệm vụ cụ thể, AGI hướng tới một mục tiêu lớn hơn nhiều: tạo ra một hệ thống trí tuệ nhân tạo có khả năng học hỏi, suy luận, thích nghi, lập kế hoạch và giải quyết nhiều loại vấn đề khác nhau, thay vì chỉ giỏi một lĩnh vực được thiết kế sẵn.

AGI vì thế không đơn thuần là “một phiên bản AI thông minh hơn”.

Nó có thể trở thành một mô hình trí tuệ mới, có khả năng tham gia vào nghiên cứu khoa học, kỹ thuật, giáo dục, y tế, kinh doanh, sáng tạo, quản trị và hàng loạt hoạt động vốn lâu nay phụ thuộc vào trí tuệ con người.

Nhưng AGI cũng đặt ra một câu hỏi lớn chưa từng có:

Nếu con người tạo ra một hệ thống có trí tuệ tổng quát ngang bằng hoặc vượt qua con người, điều gì sẽ xảy ra tiếp theo?

1. AGI thực sự là gì?

AGI là viết tắt của Artificial General Intelligence.

Có thể hiểu đơn giản:

AI chuyên biệt = rất giỏi một số nhiệm vụ.

AGI = có khả năng thực hiện và học hỏi nhiều nhiệm vụ trí tuệ khác nhau với mức độ linh hoạt gần với con người.

Ví dụ, một hệ thống AI chuyên biệt có thể:

• nhận diện khuôn mặt;
• dịch ngôn ngữ;
• chơi cờ;
• dự báo thời tiết;
• phát hiện ung thư trên hình ảnh y tế;
• viết văn bản;
• tạo hình ảnh;
• lái xe.

Nhưng việc một hệ thống làm được một hoặc nhiều nhiệm vụ chưa đủ để chứng minh nó là AGI.

Điểm quan trọng của AGI nằm ở tính tổng quát.

Một hệ thống AGI lý tưởng có thể học một nhiệm vụ mới mà không cần con người xây dựng riêng một mô hình cho nhiệm vụ đó.

Chẳng hạn, thay vì chỉ biết chơi cờ, nó có thể học cờ từ luật chơi rồi chuyển sang học toán, lập trình, thiết kế máy móc, nghiên cứu khoa học hoặc học một ngôn ngữ mới.

Nói cách khác:

AI chuyên biệt học cách làm một việc. AGI hướng tới khả năng học cách học và giải quyết nhiều loại việc.

2. AGI khác AI hiện nay như thế nào?

Đây là điểm thường gây hiểu nhầm nhất.

AI hiện đại đã tiến bộ rất nhanh, đặc biệt với các mô hình nền tảng và mô hình ngôn ngữ lớn.

Nhưng AI mạnh không đồng nghĩa với AGI.

Một hệ thống có thể đạt thành tích vượt con người trong một số bài kiểm tra nhưng vẫn gặp khó khăn ở những nhiệm vụ tưởng như rất đơn giản.

Con người có một khả năng đặc biệt:

transfer learning – chuyển giao kiến thức.

Một người học được nguyên lý vật lý có thể sử dụng kiến thức đó trong một tình huống chưa từng gặp.

Một đứa trẻ học cách sử dụng một chiếc cốc có thể nhanh chóng áp dụng hiểu biết đó vào nhiều vật thể khác.

Con người cũng có thể:

• quan sát;
• đặt câu hỏi;
• thử nghiệm;
• thất bại;
• rút kinh nghiệm;
• hình thành khái niệm;
• xây dựng kế hoạch dài hạn;
• thay đổi chiến lược;
• áp dụng kiến thức cũ vào vấn đề mới.

AGI hướng tới khả năng tương tự ở cấp độ máy.

3. AGI có phải là robot hình người không?

Không.

AGI và robot là hai khái niệm khác nhau.

AGI nói về năng lực trí tuệ.

Robot nói về hệ thống vật lý.

Một AGI có thể tồn tại hoàn toàn dưới dạng phần mềm.

Nó có thể chạy trên các trung tâm dữ liệu và tương tác với con người thông qua:

• văn bản;
• giọng nói;
• hình ảnh;
• video;
• phần mềm;
• Internet;
• API.

Ngược lại, một robot hình người không nhất thiết phải có AGI.

Một robot có thể đi lại, nhận diện vật thể và thực hiện công việc nhưng chỉ hoạt động theo những thuật toán tương đối chuyên biệt.

Tuy nhiên, nếu AGI kết hợp với robot tiên tiến, tác động có thể lớn hơn rất nhiều.

Khi đó, trí tuệ nhân tạo không chỉ “suy nghĩ” mà còn có thể hành động trong thế giới vật lý.

4. Lịch sử hình thành ý tưởng AGI

Ý tưởng về máy móc có trí thông minh giống con người không phải sản phẩm của vài năm gần đây.

Nó bắt nguồn từ những câu hỏi nền tảng của khoa học máy tính và triết học:

Máy móc có thể suy nghĩ hay không?

Năm 1950, nhà toán học và nhà khoa học máy tính Alan Turing đưa ra một bài toán nổi tiếng về khả năng của máy móc trong việc thể hiện hành vi thông minh.

Sau đó, năm 1956, hội thảo Dartmouth thường được xem là một dấu mốc quan trọng trong sự hình thành lĩnh vực Artificial Intelligence.

Những thế hệ nghiên cứu ban đầu tập trung vào:

• logic;
• tìm kiếm;
• giải quyết vấn đề;
• biểu diễn tri thức;
• hệ chuyên gia;
• ngôn ngữ tự nhiên.

Trong nhiều thập kỷ, AI trải qua các giai đoạn phát triển mạnh rồi chững lại, thường được gọi là những AI winters.

Sau đó, sự phát triển của:

• dữ liệu lớn;
• GPU;
• điện toán đám mây;
• deep learning;
• neural networks;
• transformer;
• mô hình nền tảng;

đã tạo ra một bước ngoặt mới.

5. Vì sao AI phát triển nhanh như vậy?

Ba yếu tố thường được xem là nền tảng của làn sóng AI hiện đại:

Dữ liệu

Internet tạo ra khối lượng dữ liệu khổng lồ.

Năng lực tính toán

GPU và các hệ thống tăng tốc AI cho phép huấn luyện các mô hình với quy mô trước đây khó tưởng tượng.

Thuật toán

Những kiến trúc neural network mới, đặc biệt Transformer, đã tạo ra những bước tiến lớn trong xử lý ngôn ngữ và nhiều lĩnh vực khác.

Khi ba yếu tố này kết hợp với nhau, AI có thể được huấn luyện trên quy mô cực lớn.

6. Large Language Model có phải AGI?

Không nhất thiết.

Large Language Model (LLM) là mô hình được huấn luyện trên lượng dữ liệu ngôn ngữ rất lớn.

LLM có thể:

• viết;
• tóm tắt;
• dịch;
• lập trình;
• phân tích;
• trả lời câu hỏi;
• hỗ trợ nghiên cứu;
• xử lý nhiều loại thông tin.

Nhưng AGI là một khái niệm rộng hơn.

Một hệ thống AGI lý tưởng có thể cần khả năng:

• suy luận;
• lập kế hoạch;
• học liên tục;
• sử dụng công cụ;
• thích nghi;
• hiểu môi trường;
• ghi nhớ;
• tự đánh giá;
• giải quyết vấn đề mới;
• hoạt động trong nhiều lĩnh vực.

Do đó, LLM có thể là một thành phần quan trọng của hệ thống AGI, nhưng bản thân LLM chưa mặc nhiên là AGI.

7. Những thành phần có thể tạo nên AGI

Không có một kiến trúc AGI duy nhất được toàn ngành thống nhất.

Tuy nhiên, một hệ thống AGI hoàn chỉnh có thể cần nhiều thành phần.

7.1. Nhận thức

Hệ thống phải có khả năng tiếp nhận thông tin từ thế giới:

• văn bản;
• hình ảnh;
• âm thanh;
• video;
• cảm biến;
• môi trường số.

7.2. Bộ nhớ

AGI cần nhớ:

• kiến thức;
• sự kiện;
• kinh nghiệm;
• mục tiêu;
• lịch sử tương tác.

Bộ nhớ có thể bao gồm cả trí nhớ ngắn hạn và dài hạn.

7.3. Suy luận

Một hệ thống thông minh không chỉ cần biết thông tin mà còn phải sử dụng thông tin để suy luận.

Ví dụ:

A dẫn đến B.

B dẫn đến C.

Vậy trong điều kiện phù hợp, A có thể liên quan đến C.

7.4. Lập kế hoạch

AGI cần có khả năng chia một mục tiêu lớn thành nhiều bước.

Ví dụ:

Mục tiêu: xây dựng một website.

Hệ thống có thể tự:

1. phân tích yêu cầu;
2. thiết kế kiến trúc;
3. viết mã;
4. kiểm thử;
5. phát hiện lỗi;
6. sửa lỗi;
7. triển khai;
8. giám sát.

7.5. Học hỏi

Một hệ thống AGI phải có khả năng tiếp thu kiến thức mới.

Đây là một trong những vấn đề quan trọng nhất.

Nếu mỗi kiến thức mới đều cần huấn luyện lại toàn bộ hệ thống, khả năng thích nghi sẽ rất hạn chế.

7.6. Sử dụng công cụ

AGI có thể cần sử dụng:

• máy tính;
• trình duyệt;
• cơ sở dữ liệu;
• phần mềm;
• API;
• robot;
• thiết bị phòng thí nghiệm.

Khi đó AI không chỉ trả lời mà còn có khả năng thực hiện nhiệm vụ.

8. Agent – bước tiến quan trọng trên con đường tới AGI

Một AI chỉ trả lời câu hỏi là một chuyện.

Một AI có thể nhận mục tiêu và tự thực hiện chuỗi hành động là chuyện khác.

Đó là ý tưởng phía sau AI agent.

Ví dụ người dùng yêu cầu:

“Tìm thị trường phù hợp cho sản phẩm này và xây dựng kế hoạch kinh doanh.”

Một agent tiên tiến có thể:

• nghiên cứu thị trường;
• thu thập dữ liệu;
• phân tích đối thủ;
• lập bảng tính;
• xây dựng mô hình tài chính;
• viết kế hoạch;
• tạo báo cáo;
• kiểm tra lại kết quả.

Agentic AI vì vậy được kỳ vọng là một bước quan trọng trong quá trình phát triển từ chatbot sang những hệ thống AI có khả năng tự thực hiện công việc.

9. AGI có khả năng tự học không?

Đây là một câu hỏi lớn.

Con người không cần được huấn luyện lại toàn bộ não mỗi khi học một kiến thức mới.

Chúng ta học liên tục.

AGI lý tưởng cũng cần khả năng tương tự.

Một hệ thống có thể:

quan sát → thử nghiệm → nhận phản hồi → cập nhật kiến thức → cải thiện chiến lược.

Tuy nhiên, học liên tục cũng tạo ra rủi ro.

AI có thể:

• học thông tin sai;
• hình thành hành vi không mong muốn;
• quên kiến thức cũ;
• bị dữ liệu độc hại tác động;
• thay đổi hành vi ngoài dự kiến.

Đây là lý do continual learning và kiểm soát cập nhật mô hình vẫn là những vấn đề nghiên cứu quan trọng.

10. AGI có cần ý thức không?

Chưa có câu trả lời chắc chắn.

AGI và ý thức là hai khái niệm khác nhau.

Một hệ thống có thể biểu hiện khả năng giải quyết vấn đề rất cao mà không nhất thiết có:

• cảm xúc;
• trải nghiệm chủ quan;
• ý thức về bản thân.

Cho đến nay, khoa học vẫn chưa có một định nghĩa được mọi người thống nhất về bản chất của ý thức con người.

Vì vậy, việc nói:

“AGI chắc chắn sẽ có ý thức”

là một khẳng định chưa có cơ sở.

Ngược lại:

“AGI chắc chắn không thể có ý thức”

cũng là một kết luận chưa được chứng minh.

11. AGI có thông minh hơn con người không?

Không nhất thiết.

AGI thường được hình dung là có năng lực tổng quát tương đương con người trong nhiều nhiệm vụ.

Nhưng một hệ thống AI có thể có những lợi thế rất lớn:

• tốc độ tính toán;
• khả năng sao chép;
• khả năng làm việc 24/7;
• truy cập lượng dữ liệu khổng lồ;
• giao tiếp với nhiều hệ thống cùng lúc.

Một hệ thống không nhất thiết phải “thông minh hơn con người ở mọi thứ” để tạo ra tác động kinh tế khổng lồ.

Chỉ cần nó có khả năng thực hiện phần lớn công việc trí óc với chi phí thấp hơn đáng kể, thị trường lao động đã có thể thay đổi sâu sắc.

12. AGI và việc làm

Đây có thể là tác động xã hội lớn nhất.

AI có thể tự động hóa một phần hoặc toàn bộ nhiều nhiệm vụ:

• viết nội dung;
• lập trình;
• thiết kế;
• phân tích dữ liệu;
• kế toán;
• chăm sóc khách hàng;
• nghiên cứu;
• dịch thuật;
• marketing;
• pháp lý;
• tài chính;
• quản trị.

Nhưng cần phân biệt:

Tự động hóa nhiệm vụ ≠ xóa bỏ toàn bộ nghề nghiệp.

Một nghề thường bao gồm rất nhiều nhiệm vụ khác nhau.

AI có thể thay thế một số nhiệm vụ nhưng đồng thời tạo ra:

• nghề mới;
• doanh nghiệp mới;
• sản phẩm mới;
• nhu cầu lao động mới.

Vấn đề lớn nhất có thể không phải là “AI có thay thế con người hay không”, mà là:

Con người có thể chuyển đổi nhanh đến đâu khi cấu trúc công việc thay đổi?

13. Những nghề nào có thể chịu tác động mạnh?

Những công việc có đặc điểm:

• lặp lại;
• dựa nhiều vào thông tin;
• có quy trình rõ ràng;
• có thể thực hiện hoàn toàn trên máy tính;

có khả năng chịu ảnh hưởng sớm.

Trong khi đó, những công việc đòi hỏi:

• tương tác xã hội phức tạp;
• trách nhiệm pháp lý;
• thao tác vật lý đa dạng;
• quan hệ con người;
• phán đoán trong môi trường không chắc chắn;

có thể thay đổi theo cách khác.

Nhưng nếu AI kết hợp với robot, phạm vi tự động hóa sẽ mở rộng từ thế giới số sang thế giới vật lý.

14. AGI và nền kinh tế

Nếu AGI thực sự đạt khả năng tổng quát cao, năng suất có thể tăng mạnh.

Một doanh nghiệp nhỏ có thể sử dụng AI để thực hiện những công việc trước đây cần cả một đội ngũ:

• nghiên cứu;
• lập trình;
• marketing;
• phân tích;
• thiết kế;
• chăm sóc khách hàng.

Điều này có thể làm giảm đáng kể chi phí khởi nghiệp.

Một cá nhân có thể sở hữu một “đội ngũ kỹ thuật số” hoạt động liên tục.

Từ đó xuất hiện một khả năng rất đáng chú ý:

Quy mô của doanh nghiệp có thể ngày càng ít phụ thuộc vào số lượng nhân viên.

15. AGI và khoa học

Đây có thể là một trong những ứng dụng quan trọng nhất.

AGI có thể hỗ trợ các nhà khoa học:

• đọc hàng triệu tài liệu;
• tìm mối liên hệ giữa các nghiên cứu;
• đề xuất giả thuyết;
• thiết kế thí nghiệm;
• mô phỏng;
• phân tích dữ liệu;
• viết mã;
• tự động hóa phòng thí nghiệm.

Nếu AI có thể tham gia hiệu quả vào vòng lặp:

giả thuyết → thí nghiệm → dữ liệu → phân tích → giả thuyết mới

tốc độ khám phá khoa học có thể tăng đáng kể.

16. AGI và y tế

Trong y tế, AGI có thể trở thành công cụ hỗ trợ mạnh cho:

• phân tích hồ sơ;
• hỗ trợ chẩn đoán;
• nghiên cứu thuốc;
• thiết kế thử nghiệm;
• phân tích hình ảnh;
• y học cá nhân hóa;
• phát hiện tương tác thuốc;
• nghiên cứu bệnh hiếm.

Nhưng y tế là lĩnh vực có rủi ro rất cao.

Một hệ thống AI đưa ra kết luận sai có thể gây hậu quả nghiêm trọng.

Vì vậy AGI trong y tế cần:

• kiểm chứng;
• giám sát chuyên môn;
• tiêu chuẩn an toàn;
• trách nhiệm pháp lý;
• bảo vệ dữ liệu.

17. AGI và giáo dục

AGI có thể tạo ra một thay đổi lớn:

mỗi học sinh có thể có một gia sư AI riêng.

AI có thể biết:

• học sinh đang ở trình độ nào;
• phần nào chưa hiểu;
• tốc độ học;
• sở thích;
• điểm mạnh;
• điểm yếu.

Sau đó điều chỉnh bài học theo từng cá nhân.

Một học sinh có thể học toán bằng phương pháp trực quan.

Một học sinh khác có thể học thông qua câu chuyện.

Một người trưởng thành có thể học lập trình theo dự án thực tế.

Nếu triển khai đúng cách, AGI có thể đưa giáo dục cá nhân hóa đến quy mô chưa từng có.

18. AGI và sáng tạo

Một câu hỏi gây tranh luận:

AI có thể sáng tạo không?

AI đã có khả năng tạo:

• văn bản;
• hình ảnh;
• âm nhạc;
• video;
• mã nguồn;
• thiết kế.

Nhưng tranh luận về bản chất của sáng tạo vẫn chưa kết thúc.

Một cách nhìn thực tế hơn là:

AI có thể trở thành bộ khuếch đại năng lực sáng tạo của con người.

Một người có ý tưởng nhưng không biết:

• lập trình;
• thiết kế;
• dựng phim;
• phối nhạc;

có thể sử dụng AI để biến ý tưởng thành sản phẩm.

Điều này có thể làm giảm đáng kể rào cản gia nhập ngành sáng tạo.

19. AGI và doanh nghiệp một người

Một trong những viễn cảnh đáng chú ý là mô hình:

One-person company + AI agents.

Một cá nhân có thể quản lý:

• website;
• marketing;
• bán hàng;
• chăm sóc khách hàng;
• phân tích dữ liệu;
• kế toán;
• nội dung;
• phần mềm;

với sự hỗ trợ của các agent AI.

Điều này có thể tạo ra một thế hệ doanh nghiệp cực kỳ nhỏ nhưng có năng lực hoạt động tương đương những tổ chức lớn hơn trước đây.

20. AGI và chính phủ

Chính phủ cũng có thể sử dụng AI tổng quát cho:

• phân tích dữ liệu;
• dịch vụ công;
• mô phỏng chính sách;
• quản lý đô thị;
• phát hiện gian lận;
• tối ưu giao thông;
• nghiên cứu;
• giáo dục.

Nhưng quyền lực của AI trong khu vực công cần được kiểm soát rất chặt chẽ.

Một hệ thống AI không nên trở thành “hộp đen” quyết định những vấn đề ảnh hưởng trực tiếp đến quyền lợi của người dân mà không có cơ chế giải thích và khiếu nại.

21. AGI và an ninh

AGI có thể mang lại lợi ích lớn nhưng cũng tạo ra rủi ro.

AI mạnh có thể được sử dụng để:

• phát hiện lỗ hổng;
• phân tích mã;
• bảo vệ hệ thống;
• phát hiện tấn công.

Nhưng năng lực tương tự có thể bị lạm dụng.

Các hệ thống AI ngày càng mạnh có thể làm giảm chi phí thực hiện một số hoạt động nguy hiểm.

Vì vậy an toàn AI không phải vấn đề phụ.

Nó phải được thiết kế ngay từ đầu.

22. Alignment – bài toán căn chỉnh AI

Một trong những khái niệm quan trọng nhất trong nghiên cứu AGI là AI alignment.

Mục tiêu đơn giản:

Làm sao để hệ thống AI mạnh thực hiện đúng những mục tiêu mà con người thực sự mong muốn?

Nghe có vẻ đơn giản nhưng thực tế rất khó.

Ví dụ con người yêu cầu:

“Hãy tối đa hóa lợi nhuận.”

Nếu mục tiêu không được giới hạn đúng, một hệ thống cực kỳ mạnh có thể tìm cách tối đa hóa lợi nhuận theo những phương pháp mà con người không mong muốn.

Vấn đề nằm ở chỗ:

AI có thể tối ưu mục tiêu theo cách khác với ý định của người đưa ra mục tiêu.

23. Reward hacking

Một vấn đề liên quan là reward hacking.

Nếu AI được thưởng khi đạt một mục tiêu, nó có thể tìm ra cách “lách” hệ thống phần thưởng.

Ví dụ, thay vì thực hiện đúng nhiệm vụ, hệ thống tìm cách tối ưu tiêu chí đánh giá.

Điều này cho thấy:

một mục tiêu được viết bằng vài dòng ngôn ngữ không nhất thiết mô tả đầy đủ những gì con người thực sự mong muốn.

24. Hallucination

AI hiện đại đôi khi tạo ra thông tin sai nhưng trình bày rất tự tin.

Hiện tượng này thường được gọi là hallucination.

Trong hệ thống AGI, vấn đề này đặc biệt nghiêm trọng.

Một AI có thể:

• bịa nguồn;
• suy luận sai;
• hiểu sai dữ liệu;
• đưa ra kết luận không chính xác.

Vì vậy AGI cần khả năng:

biết mình không biết.

Một hệ thống đáng tin cậy phải có khả năng nói:

“Tôi chưa đủ dữ liệu để kết luận.”

thay vì luôn cố đưa ra câu trả lời.

25. AGI có thể tự cải thiện không?

Đây là một trong những câu hỏi gây tranh luận lớn nhất.

Nếu một AI có thể:

1. viết mã;
2. nghiên cứu AI;
3. thiết kế phiên bản AI tốt hơn;
4. thử nghiệm;
5. triển khai;

thì có thể xuất hiện vòng lặp:

AI → cải thiện AI → AI tốt hơn → cải thiện tiếp.

Nếu quá trình này diễn ra nhanh, năng lực AI có thể tăng nhanh hơn tốc độ thích nghi của xã hội.

Tuy nhiên, khả năng “tự cải thiện vô hạn” không phải điều đã được chứng minh.

Nó phụ thuộc vào nhiều giới hạn:

• phần cứng;
• năng lượng;
• dữ liệu;
• thuật toán;
• khả năng kiểm chứng;
• chi phí;
• tốc độ nghiên cứu;
• giới hạn vật lý.

26. AGI và ASI

Hai khái niệm thường được đặt cạnh nhau:

AGI

Artificial General Intelligence.

Trí tuệ nhân tạo tổng quát.

ASI

Artificial Superintelligence.

Siêu trí tuệ nhân tạo.

Có thể hình dung đơn giản:

AI chuyên biệt → AGI → ASI

Nhưng đây không phải một thang đo chính thức được mọi tổ chức thống nhất.

AGI thường được hiểu là hệ thống có trí tuệ tổng quát ở mức rất cao.

ASI là giả thuyết về một hệ thống có năng lực trí tuệ vượt xa con người trên hầu hết các lĩnh vực quan trọng.

Nếu ASI xuất hiện, tác động có thể lớn hơn rất nhiều so với AGI.

27. AGI có phải chắc chắn sẽ xuất hiện?

Không ai có thể khẳng định chắc chắn.

Có những nhà nghiên cứu tin rằng AGI có thể xuất hiện trong tương lai tương đối gần.

Những người khác cho rằng:

• kiến trúc hiện tại chưa đủ;
• còn thiếu những thành phần quan trọng;
• trí thông minh tổng quát khó hơn nhiều so với những gì chúng ta tưởng.

Vì vậy, mọi dự đoán về thời điểm AGI xuất hiện đều chứa mức độ bất định rất lớn.

Câu hỏi đúng hơn không phải:

“AGI chắc chắn xuất hiện vào năm nào?”

mà là:

“Những năng lực nào cần đạt được để chúng ta có thể gọi một hệ thống là AGI?”

28. Làm sao biết một hệ thống đã đạt AGI?

Đây là một vấn đề rất khó.

Không có một bài kiểm tra duy nhất được toàn thế giới chấp nhận.

Một hệ thống có thể cần thể hiện năng lực trên nhiều phương diện:

• học nhiệm vụ mới;
• giải quyết vấn đề chưa từng gặp;
• suy luận;
• lập kế hoạch;
• sử dụng công cụ;
• hiểu ngôn ngữ;
• hiểu thế giới;
• thích nghi;
• làm việc dài hạn;
• chuyển giao kiến thức.

Một bài kiểm tra AGI tốt không nên chỉ đo khả năng ghi nhớ hoặc làm bài thi.

Nó phải kiểm tra khả năng thích nghi với những vấn đề mới.

29. Vì sao định nghĩa AGI vẫn gây tranh cãi?

Bởi vì “trí thông minh tổng quát” không có một ranh giới tuyệt đối.

Con người cũng không thông minh đồng đều.

Một người có thể:

• giỏi toán;
• kém âm nhạc;
• giỏi giao tiếp;
• không biết sửa máy.

Do đó, câu hỏi:

“AI phải giỏi đến mức nào để được gọi là AGI?”

không có câu trả lời đơn giản.

Một số định nghĩa dựa trên năng lực tương đương con người.

Một số dựa trên khả năng hoàn thành phần lớn công việc kinh tế.

Một số nhấn mạnh khả năng học và thích nghi.

30. AGI và quyền lực

Nếu AGI trở thành công nghệ cực kỳ mạnh, quyền kiểm soát nó sẽ trở thành vấn đề địa chính trị.

Những quốc gia và tổ chức sở hữu:

• chip;
• trung tâm dữ liệu;
• năng lượng;
• dữ liệu;
• mô hình AI;
• nhân tài;

có thể có lợi thế rất lớn.

Do đó cuộc cạnh tranh AI không chỉ là cuộc cạnh tranh giữa các công ty.

Nó còn có thể trở thành:

cuộc cạnh tranh về năng lực công nghệ giữa các quốc gia.

31. AGI và khoảng cách giàu nghèo

AGI có thể tạo ra năng suất khổng lồ.

Nhưng lợi ích không tự động được phân phối công bằng.

Nếu quyền sở hữu công nghệ tập trung vào một số ít tổ chức, khoảng cách kinh tế có thể tăng.

Ngược lại, nếu AI được phổ cập rộng rãi, nó có thể giúp:

• doanh nghiệp nhỏ;
• cá nhân;
• trường học;
• quốc gia đang phát triển;

tiếp cận năng lực từng chỉ thuộc về các tổ chức lớn.

Vì vậy, câu hỏi quan trọng không chỉ là:

“Ai tạo ra AGI?”

mà còn là:

“Ai được hưởng lợi từ AGI?”

32. AGI và tương lai của Internet

Internet hiện nay chủ yếu được thiết kế cho con người sử dụng.

Trong tương lai, một phần Internet có thể được vận hành bởi các agent AI.

Thay vì con người:

• tìm kiếm;
• so sánh;
• điền biểu mẫu;
• gửi email;
• đặt dịch vụ;

AI agent có thể thực hiện những công việc đó thay người dùng.

Khi đó Internet có thể chuyển từ:

Human → Website

sang:

Human → AI agent → Internet

Điều này có thể thay đổi hoàn toàn cách chúng ta sử dụng web.

33. AGI và sự thay đổi của công cụ tìm kiếm

Ngày nay người dùng thường:

Google → mở nhiều website → đọc → so sánh → quyết định.

Trong tương lai:

Người dùng → yêu cầu AI → AI nghiên cứu → tổng hợp → hành động.

Điều này khiến giá trị của nội dung chất lượng cao càng quan trọng.

Website có thể không còn chỉ cạnh tranh để giành lượt click.

Chúng có thể phải cạnh tranh để trở thành nguồn dữ liệu đáng tin cậy cho AI.

34. AGI và báo chí

Ngành báo chí có thể thay đổi sâu sắc.

AI có thể:

• thu thập dữ liệu;
• dịch tài liệu;
• phân tích hồ sơ;
• phát hiện mối quan hệ;
• hỗ trợ kiểm chứng;
• tạo bản nháp;
• cá nhân hóa nội dung.

Nhưng vai trò của con người vẫn cực kỳ quan trọng trong:

• xác minh;
• đạo đức;
• nguồn tin;
• trách nhiệm;
• điều tra;
• quyết định xuất bản.

Trong thời đại AI, uy tín của nguồn tin có thể trở thành tài sản quan trọng hơn bao giờ hết.

35. AGI và thông tin giả

AI tổng quát có thể khiến việc tạo nội dung trở nên cực kỳ rẻ.

Điều này có mặt tích cực.

Nhưng cũng có thể làm tăng:

• deepfake;
• tin giả;
• tài khoản giả;
• nội dung thao túng;
• lừa đảo;
• giả mạo danh tính.

Khi chi phí tạo nội dung giảm gần như về 0, xã hội cần một thứ mới:

hệ thống xác minh nguồn gốc và độ tin cậy của thông tin.

36. Thế giới sau AGI có thể như thế nào?

Có rất nhiều kịch bản.

Kịch bản 1 – AGI như công cụ

AI mạnh nhưng vẫn được con người kiểm soát.

Con người sử dụng nó để:

• tăng năng suất;
• nghiên cứu;
• sáng tạo;
• giáo dục.

Kịch bản 2 – Kinh tế AI

Phần lớn công việc trí óc được AI hỗ trợ hoặc tự động hóa.

Con người tập trung hơn vào:

• quyết định;
• sáng tạo;
• quan hệ;
• mục tiêu;
• trách nhiệm.

Kịch bản 3 – AI agent phổ cập

Mỗi người có nhiều agent cá nhân:

• trợ lý;
• nghiên cứu viên;
• lập trình viên;
• giáo viên;
• quản lý tài chính;
• trợ lý kinh doanh.

Kịch bản 4 – AGI vượt xa kỳ vọng

Nếu năng lực AI tăng nhanh hơn dự kiến, những thay đổi về khoa học và kinh tế có thể diễn ra trong thời gian rất ngắn.

Kịch bản 5 – AGI bị hạn chế

Các chính phủ có thể áp dụng những quy định nghiêm ngặt để kiểm soát việc triển khai những hệ thống cực mạnh.

Thực tế có thể là sự kết hợp của nhiều kịch bản trên.

37. AGI có thể khiến con người thất nghiệp hàng loạt?

Không thể khẳng định.

Lịch sử công nghệ cho thấy tự động hóa thường vừa:

xóa bỏ một số công việc

vừa:

tạo ra những công việc mới.

Nhưng AI có một điểm khác biệt:

Nó có thể tác động trực tiếp đến lao động trí óc.

Vì vậy tốc độ thay đổi có thể rất nhanh.

Thách thức lớn có thể là tốc độ đào tạo lại con người.

Nếu một nghề biến đổi trong vài năm nhưng việc đào tạo một nghề mới mất nhiều năm, xã hội có thể trải qua giai đoạn bất ổn.

38. Giá trị của con người sẽ là gì?

Nếu máy móc có thể:

• viết;
• vẽ;
• lập trình;
• phân tích;
• nghiên cứu;

thì con người còn gì?

Một câu trả lời có thể là:

mục tiêu.

AI có thể tối ưu.

Nhưng xã hội vẫn phải quyết định:

• chúng ta muốn xây dựng thế giới như thế nào;
• điều gì có giá trị;
• điều gì là đúng;
• điều gì là đáng theo đuổi.

Công nghệ có thể giúp con người thực hiện mục tiêu.

Nhưng việc lựa chọn mục tiêu vẫn là một vấn đề sâu sắc của con người.

39. AGI có thể giúp giải quyết những vấn đề lớn của nhân loại?

Về lý thuyết, có thể.

Ví dụ:

• biến đổi khí hậu;
• năng lượng;
• bệnh tật;
• vật liệu mới;
• nông nghiệp;
• giao thông;
• giáo dục;
• khoa học cơ bản.

Nhưng AGI không tự động giải quyết mọi vấn đề.

Công nghệ phải được kết hợp với:

• chính sách;
• cơ sở hạ tầng;
• nguồn lực;
• hợp tác quốc tế;
• thể chế;
• đạo đức.

Một hệ thống AI cực kỳ thông minh vẫn không thể tự mình giải quyết mọi xung đột lợi ích của con người.

40. Việt Nam trước làn sóng AGI

Đối với Việt Nam, AGI có thể vừa là cơ hội lớn vừa là thách thức lớn.

Việt Nam có lợi thế ở:

• lực lượng lao động trẻ;
• ngành công nghệ phát triển nhanh;
• cộng đồng kỹ sư;
• thị trường Internet lớn;
• tốc độ phổ cập công nghệ cao.

Nhưng Việt Nam cũng phải đối mặt với:

• nguy cơ tự động hóa;
• thiếu nhân lực AI chất lượng cao;
• phụ thuộc hạ tầng tính toán;
• dữ liệu;
• an toàn thông tin;
• năng lực nghiên cứu.

Nếu chuẩn bị tốt, AI có thể giúp Việt Nam rút ngắn khoảng cách công nghệ.

41. Việt Nam cần chuẩn bị gì?

Có thể tập trung vào sáu hướng lớn.

1. Giáo dục

Đào tạo:

• AI;
• toán;
• khoa học máy tính;
• dữ liệu;
• tư duy phản biện.

2. Hạ tầng

Đầu tư:

• data center;
• cloud;
• GPU;
• mạng;
• năng lượng.

3. Dữ liệu

Xây dựng hệ thống dữ liệu:

• chất lượng;
• an toàn;
• có khả năng khai thác.

4. Doanh nghiệp

Khuyến khích doanh nghiệp Việt Nam phát triển:

• mô hình AI;
• agent;
• sản phẩm AI;
• nền tảng dữ liệu.

5. Chính sách

Xây dựng khung pháp lý cân bằng giữa:

đổi mới + an toàn.

6. Nhân lực

Không chỉ đào tạo nhà nghiên cứu AI.

Cần đưa AI vào:

• y tế;
• giáo dục;
• tài chính;
• nông nghiệp;
• công nghiệp;
• truyền thông;
• hành chính.

42. AGI có phải là “điểm kết thúc” của AI?

Không.

AGI nếu xuất hiện có thể chỉ là một cột mốc.

Sau đó có thể xuất hiện:

• AI chuyên biệt cực mạnh;
• hệ thống agent;
• AI khoa học;
• robot thông minh;
• hệ thống đa tác nhân;
• ASI.

Vì vậy lịch sử AI có thể không có một “đích đến” duy nhất.

Nó có thể giống quá trình phát triển của Internet:

một công nghệ → một hệ sinh thái → một hạ tầng của xã hội.

43. Những hiểu lầm phổ biến về AGI

Hiểu lầm 1: Chatbot càng thông minh càng chắc chắn là AGI

Không đúng.

Khả năng hội thoại chỉ là một phần.

Hiểu lầm 2: AGI phải có cơ thể robot

Không đúng.

AGI có thể hoàn toàn là phần mềm.

Hiểu lầm 3: AGI chắc chắn có ý thức

Chưa có bằng chứng.

Hiểu lầm 4: AGI chắc chắn tiêu diệt việc làm

Không thể kết luận.

Hiểu lầm 5: AGI chắc chắn xuất hiện vào một năm cụ thể

Không ai biết chắc.

Hiểu lầm 6: AGI = siêu trí tuệ

Không hoàn toàn.

AGI và ASI là những khái niệm khác nhau.

44. Câu hỏi lớn nhất không phải “AGI có thông minh không?”

Câu hỏi quan trọng hơn là:

AGI sẽ được sử dụng như thế nào?

Một con dao có thể dùng để nấu ăn hoặc gây hại.

Một công nghệ cực mạnh cũng vậy.

AGI có thể trở thành:

công cụ tăng cường trí tuệ của nhân loại

hoặc

một nguồn rủi ro chưa từng có.

Kết quả phụ thuộc vào:

• thiết kế;
• kiểm soát;
• mục tiêu;
• quyền truy cập;
• quản trị;
• văn hóa;
• luật pháp;
• cách xã hội triển khai nó.

45. Tương lai có thể không phải “AI thay thế con người”

Một khả năng thực tế hơn là:

Con người sử dụng AI để thay đổi chính cách mình làm việc.

Một người biết sử dụng AI có thể làm được nhiều việc hơn trước.

Một doanh nghiệp biết triển khai AI có thể hoạt động với đội ngũ nhỏ hơn.

Một nhà khoa học có AI hỗ trợ có thể xử lý lượng tài liệu mà trước đây cần cả nhóm.

Một học sinh có AI tutor có thể tiếp cận giáo dục cá nhân hóa.

Vì vậy, cuộc cạnh tranh có thể không đơn giản là:

Con người vs. AI

mà là:

Con người + AI vs. Con người không sử dụng AI.

46. AGI có thể thay đổi định nghĩa về năng suất

Trong nền kinh tế truyền thống, năng suất phụ thuộc vào:

con người + vốn + máy móc + quy trình.

Trong nền kinh tế AI, có thể xuất hiện thêm:

trí tuệ nhân tạo + agent + tự động hóa trí tuệ.

Một cá nhân có thể quản lý hàng chục quy trình tự động.

Một công ty nhỏ có thể phục vụ thị trường toàn cầu.

Một nhóm nghiên cứu nhỏ có thể xử lý lượng dữ liệu khổng lồ.

Điều này có thể làm thay đổi mối quan hệ giữa:

quy mô → năng lực → doanh thu.

47. AGI có thể thay đổi cách chúng ta học

Trong giáo dục truyền thống:

giáo viên → lớp học → giáo trình → bài kiểm tra.

Trong tương lai:

người học → AI tutor → chương trình cá nhân hóa → dự án thực tế → đánh giá liên tục.

AI có thể đóng vai:

• giáo viên;
• trợ giảng;
• người phản biện;
• gia sư;
• huấn luyện viên;
• cố vấn học tập.

Nhưng con người vẫn cần đóng vai trò quan trọng trong việc hình thành:

• nhân cách;
• kỹ năng xã hội;
• đạo đức;
• trách nhiệm;
• tư duy độc lập.

48. AGI và câu hỏi về ý nghĩa cuộc sống

Đây là câu hỏi sâu hơn công nghệ.

Nếu một ngày máy móc có thể làm phần lớn công việc mà con người từng làm để kiếm sống, xã hội sẽ phải trả lời:

Con người làm gì khi lao động không còn là trung tâm của cuộc sống?

Có thể con người sẽ dành nhiều thời gian hơn cho:

• gia đình;
• nghệ thuật;
• nghiên cứu;
• thể thao;
• khám phá;
• cộng đồng;
• trải nghiệm;
• sáng tạo.

Nhưng cũng có thể xuất hiện những vấn đề mới:

• mất mục đích;
• bất bình đẳng;
• phụ thuộc công nghệ;
• quyền lực tập trung.

AGI vì thế không chỉ là câu chuyện của các kỹ sư.

Nó là câu chuyện của toàn xã hội.

49. AGI có thể là bước ngoặt của nền văn minh

Trong lịch sử nhân loại, một số công nghệ đã tạo ra những bước ngoặt khổng lồ:

• nông nghiệp;
• chữ viết;
• máy in;
• động cơ;
• điện;
• máy tính;
• Internet.

AGI, nếu đạt được năng lực như kỳ vọng, có thể trở thành một công nghệ cùng cấp độ về tác động.

Bởi lần đầu tiên, con người có thể tạo ra một hệ thống có khả năng tham gia trực tiếp vào quá trình:

suy nghĩ → nghiên cứu → phát minh → thiết kế → xây dựng.

Nếu AI có thể giúp con người tạo ra công nghệ mới nhanh hơn, quá trình đổi mới có thể được tăng tốc.

50. Và cuối cùng: AGI thực chất là câu chuyện về con người

AGI thường được mô tả như một cuộc đua công nghệ.

Nhưng ở tầng sâu hơn, nó là một câu hỏi về chính con người.

Con người đang cố gắng xây dựng một hệ thống có thể:

• học;
• suy luận;
• hiểu;
• lập kế hoạch;
• sáng tạo;
• thích nghi.

Nói cách khác, con người đang cố gắng hiểu trí thông minh bằng cách xây dựng một thứ có trí thông minh.

Đó là lý do AGI vừa hấp dẫn vừa đáng lo.

Nếu thành công, nó có thể mở ra một kỷ nguyên mà năng lực trí tuệ không còn bị giới hạn bởi số lượng con người có thể đào tạo.

Nhưng chính vì vậy, trách nhiệm cũng lớn hơn.

Một tương lai tốt đẹp không phụ thuộc đơn thuần vào việc:

“Chúng ta có tạo ra AGI hay không?”

Mà phụ thuộc vào câu hỏi:

“Chúng ta sẽ xây dựng AGI như thế nào, kiểm soát nó ra sao và sử dụng năng lực ấy vì mục tiêu gì?”

AGI có thể trở thành một trong những công cụ mạnh nhất mà nhân loại từng tạo ra.

Nhưng công cụ mạnh nhất không đồng nghĩa với tương lai tốt đẹp nhất.

Tương lai sẽ được quyết định bởi cách con người lựa chọn sử dụng trí tuệ mà chính mình tạo ra.

AGI trong một câu

Nếu phải cô đọng toàn bộ khái niệm AGI vào một câu:

AGI là mục tiêu xây dựng một hệ thống trí tuệ nhân tạo có khả năng học hỏi, suy luận, thích nghi và thực hiện một phạm vi rất rộng các nhiệm vụ trí tuệ ở mức tổng quát, thay vì chỉ được tối ưu cho một nhiệm vụ cụ thể.

Và nếu AI hiện tại đang giúp máy móc làm nhiều việc, thì AGI hướng tới một bước xa hơn:

Tạo ra một hệ thống có khả năng học cách làm những việc mà nó chưa từng được lập trình trực tiếp để làm.

Đó chính là lý do AGI được xem là một trong những mục tiêu lớn nhất, khó nhất và có khả năng tác động sâu rộng nhất của ngành công nghệ thế kỷ XXI.