Khả năng lý luận tương tự của Trí tuệ nhân tạo: Thử thách trí thông minh của con người?

Lý luận tương tự, khả năng đặc biệt mà con người sở hữu để giải quyết các vấn đề không quen thuộc bằng cách vẽ ra các mối tương đồng với các vấn đề đã biết, đã được coi là một chức năng nhận thức đặc trưng của con người. Tuy nhiên, một nghiên cứu đột phá được thực hiện bởi các nhà tâm lý học tại UCLA đưa ra những phát hiện thuyết phục có thể khiến chúng ta phải suy nghĩ lại về điều này.

GPT-3: Đáp ứng trí thông minh của con người?

Nghiên cứu của UCLA đã tìm thấy rằng GPT-3, một mô hình ngôn ngữ trí tuệ nhân tạo được phát triển bởi OpenAI, thể hiện khả năng lý luận gần như tương đương với sinh viên đại học, đặc biệt khi được giao nhiệm vụ giải quyết các vấn đề tương tự như những vấn đề được thấy trong các bài kiểm tra trí thông minh và các kỳ thi tiêu chuẩn như SAT. Phát hiện này, được công bố trên tạp chí Nature Human Behaviour, đặt ra một câu hỏi thú vị: Liệu GPT-3 có thể bắt chước lý luận của con người do quá trình đào tạo ngôn ngữ rộng lớn, hay nó đang khai thác một quá trình nhận thức hoàn toàn mới?

Cơ chế chính xác của GPT-3 vẫn còn được che giấu bởi OpenAI, khiến các nhà nghiên cứu tại UCLA tò mò về cơ chế đằng sau kỹ năng lý luận tương tự của nó. Mặc dù GPT-3 có hiệu suất đáng chú ý trong một số nhiệm vụ lý luận, công cụ này không hoàn hảo. Taylor Webb, tác giả chính của nghiên cứu và là nhà nghiên cứu sau tiến sĩ tại UCLA, lưu ý: “Mặc dù những phát hiện của chúng tôi rất ấn tượng, nhưng điều quan trọng là phải nhấn mạnh rằng hệ thống này có những hạn chế đáng kể. GPT-3 có thể thực hiện lý luận tương tự, nhưng nó gặp khó khăn với các nhiệm vụ đơn giản cho con người, chẳng hạn như sử dụng công cụ cho một nhiệm vụ vật lý.”

Khả năng của GPT-3 đã được kiểm tra bằng cách sử dụng các vấn đề được lấy cảm hứng từ Raven’s Progressive Matrices – một bài kiểm tra liên quan đến các chuỗi hình phức tạp. Bằng cách chuyển đổi hình ảnh thành định dạng văn bản mà GPT-3 có thể giải mã, Webb đảm bảo rằng những thách thức này hoàn toàn mới đối với trí tuệ nhân tạo. Khi so sánh với 40 sinh viên đại học UCLA, không chỉ GPT-3 đạt được hiệu suất của con người, mà nó còn sao chép lại những sai lầm mà con người mắc phải. Mô hình trí tuệ nhân tạo này đã giải quyết chính xác 80% các vấn đề, vượt qua điểm trung bình của con người nhưng vẫn nằm trong phạm vi của những người biểu diễn hàng đầu.

Đội ngũ nghiên cứu đã tiếp tục kiểm tra khả năng của GPT-3 bằng cách sử dụng các câu hỏi tương tự chưa được công bố từ kỳ thi SAT, với trí tuệ nhân tạo này vượt qua điểm trung bình của con người. Tuy nhiên, nó đã gặp một chút khó khăn khi cố gắng rút ra các mối tương đồng từ các câu chuyện ngắn, mặc dù mô hình GPT-4 mới hơn đã cho thấy kết quả cải thiện.

Đánh dấu ranh giới nhận thức giữa Trí tuệ nhân tạo và con người

Các nhà nghiên cứu tại UCLA không dừng lại ở việc so sánh đơn thuần. Họ đã bắt đầu phát triển một mô hình máy tính được lấy cảm hứng từ nhận thức của con người, liên tục so sánh khả năng của nó với các mô hình trí tuệ nhân tạo thương mại. Keith Holyoak, giáo sư tâm lý học tại UCLA và đồng tác giả, nhận xét: “Mô hình trí tuệ nhân tạo tâm lý của chúng tôi đã vượt qua các mô hình khác trong các vấn đề tương tự cho đến khi GPT-3 được nâng cấp gần đây, thể hiện khả năng vượt trội hoặc tương đương.”

Tuy nhiên, đội ngũ đã xác định được một số lĩnh vực mà GPT-3 còn thiếu, đặc biệt là trong các nhiệm vụ yêu cầu hiểu biết về không gian vật lý. Trong các thách thức liên quan đến việc sử dụng công cụ, giải pháp của GPT-3 đã rõ ràng là không chính xác.

Hongjing Lu, tác giả chính của nghiên cứu, bày tỏ sự ngạc nhiên trước những bước tiến trong công nghệ trong hai năm qua, đặc biệt là khả năng lý luận của trí tuệ nhân tạo. Nhưng liệu những mô hình này thực sự “nghĩ” như con người hay chỉ bắt chước suy nghĩ của con người vẫn còn là một chủ đề tranh luận. Việc tìm kiếm những hiểu biết về các quá trình nhận thức của trí tuệ nhân tạo đòi hỏi phải có quyền truy cập vào phần hậu trường của các mô hình trí tuệ nhân tạo, một bước nhảy có thể định hình hướng đi tương lai của trí tuệ nhân tạo.

Đồng tình với quan điểm này, Webb kết luận: “Truy cập vào phần hậu trường của các mô hình GPT sẽ mang lại lợi ích to lớn cho các nhà nghiên cứu trí tuệ nhân tạo và nhận thức. Hiện tại, chúng tôi chỉ bị giới hạn ở đầu vào và đầu ra, và nó thiếu độ sâu quyết định mà chúng tôi khao khát.”