Sự “Tiến Hóa” Của Trí Tuệ Nhân Tạo Đang Đến

Hôm nay, khi chúng ta đang ở trên ranh giới của một cuộc cách mạng công nghệ, chúng ta quan sát thấy hành trình từ các mô hình ngôn ngữ lớn (LLM) đến các hệ thống dựa trên tác nhân và cuối cùng là trí tuệ nhân tạo có tính chủ động (agentic AI) và trí tuệ nhân tạo tổng quát (AGI), và điều này không chỉ là về các mô hình lớn hơn hoặc phản hồi nhanh hơn. Điều này cũng là về các máy móc chuyển từ các trợ lý thụ động sang các cộng tác viên chủ động, và có thể, một ngày nào đó, các nhà tư duy độc lập.

Hãy theo dõi con đường này và khám phá điều này có nghĩa là gì cho công việc, chuyên môn và vai trò của con người trong việc định hình trí tuệ của ngày mai.

Sự khác biệt giữa LLM, hệ thống dựa trên tác nhân và trí tuệ nhân tạo có tính chủ động

Để hiểu rõ hơn về sự khác biệt, hãy xem xét một ví dụ. Nếu tôi hỏi một LLM điều gì đó như: “Tôi muốn đi từ Chicago đến Austin, lái xe không quá bốn giờ một ngày và dừng lại ở những nơi cảnh quan đẹp,” một LLM thông thường sẽ trả lời một phản hồi tĩnh dưới dạng văn bản dựa trên việc tạo ngôn ngữ. Nó sẽ chỉ trả lời yêu cầu mà không thực hiện một phân tích kỹ lưỡng.

Một tác nhân sẽ đầu tiên phân loại yêu cầu là liên quan đến du lịch. Sau đó, nó sẽ xác định dữ liệu nào là cần thiết: các tuyến đường sử dụng dịch vụ bản đồ, thông tin thời tiết, chi phí nhiên liệu, khách sạn, nhà hàng, v.v. Sau đó, tác nhân sẽ chia yêu cầu thành các nhiệm vụ con và định tuyến chúng đến các mô-đun chuyên biệt hoặc LLM được đào tạo trên các nguồn liên quan. Đây là sự điều phối và phối hợp nhiều mô hình và công cụ dưới một logic thống nhất.

Hôm nay, hầu hết các hệ thống lớn như ChatGPT hoặc Claude từ Anthropic đều thực sự là các tác nhân. Mặc dù nó có thể xuất hiện với người dùng rằng họ đang tương tác với một mô hình duy nhất, nhưng thực tế là một kiến trúc phức tạp liên quan đến nhiều mô hình và hệ thống. Họ đã có thể xử lý các truy vấn phức tạp, nhưng khả năng của họ chủ yếu bị giới hạn ở việc cung cấp thông tin; họ không thực hiện hành động nào.

Một tác nhân tự động hoàn toàn là một hệ thống thu thập thông tin và có thể, ví dụ, độc lập đặt phòng khách sạn, mua vé hoặc khởi tạo thanh toán, miễn là nó có quyền truy cập vào các API hoặc dữ liệu người dùng liên quan. Các tác nhân như vậy hiện đang trong giai đoạn phát triển sơ bộ. Tại thời điểm này, chúng giống như các tác nhân bán tự động, có khả năng xử lý thông tin nhưng chưa thực hiện hành động tự động.

Một lĩnh vực thảo luận thú vị trong cộng đồng nghiên cứu là trí tuệ nhân tạo có tính chủ động. Không giống như một tác nhân thông thường, hành vi của nó được lập trình bởi các nhà phát triển, trí tuệ nhân tạo có tính chủ động là một hệ thống quyết định độc lập những nhiệm vụ nào để thực hiện, dữ liệu nào nó cần và thậm chí cách tiếp tục đào tạo của chính nó. Điều này vượt ra ngoài việc thực hiện các hướng dẫn; nó liên quan đến việc đưa ra quyết định tự động. Tuy nhiên, trí tuệ nhân tạo có tính chủ động vẫn còn là lý thuyết tại giai đoạn này; không có hệ thống nào như vậy tồn tại trong thực tế.

AGI – chân trời mới. Nhưng liệu nó có thể đạt được?

Meta đã đầu tư vào Scale AI ba tháng trước. Mục tiêu là hợp tác trên con đường xây dựng AGI, Trí tuệ Nhân tạo Tổng quát, có khả năng thực hiện bất kỳ nhiệm vụ nào ở mức độ con người hoặc thậm chí vượt qua nó. Nếu AI ngày nay là một cuộc cách mạng công nghệ, AGI sẽ là một cuộc cách mạng siêu lớn; đôi khi tôi gọi nó là “tiến hóa”, nghĩa là “sự ra đi” của AI từ bóng tối. Ai đạt được nó đầu tiên sẽ có được lợi thế chiến lược toàn cầu.

Về việc chúng ta gần với AGI thực sự như thế nào, điều đó phụ thuộc rất nhiều vào cách chúng ta định nghĩa nó. Tôi đồng ý với quan điểm của Ilya Sutskever: AGI là một hệ thống có khả năng thực hiện bất kỳ nhiệm vụ trí tuệ nào mà con người có thể. Không chỉ trả lời câu hỏi, mà còn suy luận, ra quyết định, tổng quát hóa và diễn giải trên nhiều lĩnh vực. AGI thực sự là phổ quát và không bị giới hạn trong các nhiệm vụ hẹp.

Không có mô hình nào hiện tại đạt được mức độ đó. Chúng ta đang di chuyển theo hướng đó, nhưng AGI thực sự, theo nghĩa lý thuyết, vẫn chưa tồn tại. Và có thể đó là điều tốt nhất. Chúng ta vẫn đang trong giai đoạn gần đúng, và có thể chúng ta sẽ vẫn còn trong giai đoạn đó trong một thời gian khá lâu.

Cơ sở của AGI sẽ có khả năng là một hệ thống dựa trên tác nhân. Nó sẽ không nhất thiết dựa trên một LLM duy nhất, vì giống như không có con người nào, dù thông minh đến đâu, có thể thành thạo tất cả các lĩnh vực kiến thức và kỹ năng, không có LLM nào có thể xử lý toàn bộ phổ AGI trên riêng mình. Điều chúng ta cần là một loại “trí tuệ tập thể”: một kiến trúc có khả năng phối hợp nhiều mô hình và thành phần.

AGI có khả năng sẽ xuất hiện không chỉ là một tác nhân được thiết kế bởi con người, mà là một siêu tác nhân. Nó sẽ là một hệ thống được phát triển một phần và tiến hóa với sự giúp đỡ của chính AI. Điều này quan trọng vì các hệ thống được thiết kế hoàn toàn bởi con người có thể mang theo những hạn chế vốn có. Sự tham gia của AI vào quá trình thiết kế có thể giúp vượt qua những hạn chế này và làm cho hệ thống trở nên thích nghi hơn.

AGI có khả năng sẽ không đến từ một đột phá cụ thể nào. Không phải là các LLM lớn hơn, các tác nhân thông minh hơn, hoặc các kiến trúc hoàn toàn mới, mà là từ sự tổng hợp của cả ba. Có khả năng là một điều gì đó cơ bản mới vượt qua các loại mà chúng ta hiện đang sử dụng.

“Bài Thi Cuối Cùng Của Loài Người” và các điểm chuẩn AGI khác

“Bài Thi Cuối Cùng Của Loài Người” (HLE) là một trong những điểm chuẩn tham vọng hơn đang được thảo luận trong bối cảnh LLM, Tác nhân và AGI. Về cơ bản, nó là một bài kiểm tra bao gồm khoảng 2.500 câu hỏi bao quát một loạt các lĩnh vực học thuật – toán học, vật lý, sinh học, hóa học, kỹ thuật, khoa học máy tính và thậm chí cả cờ vua. Ý tưởng là để đánh giá liệu một hệ thống AI có thể giải quyết vấn đề ở mức độ phản ánh sự hiểu biết thực sự của con người hay không.

Các mô hình ngôn ngữ hiện tại thực hiện rất kém trên HLE, thường đạt được ít hơn 5% độ chính xác. Điều này trái ngược với các điểm chuẩn khác như MMLU hoặc GPQA, nơi các mô hình đạt được điểm số cao hơn đáng kể. Khó khăn mà các mô hình gặp phải với HLE nhấn mạnh chính xác bao nhiêu họ vẫn còn xa so với trí tuệ tổng quát thực sự.

Điều quan trọng cần lưu ý là hiệu suất cao trên các điểm chuẩn với các tập dữ liệu đã biết hoặc hẹp không nhất thiết chỉ ra sự hiện diện của trí tuệ tổng quát thực sự. Một mô hình có thể được tinh chỉnh hoặc “đào tạo để kiểm tra”, điều này có thể làm tăng khả năng rõ ràng của nó. Vì vậy, ngay cả một điểm số hoàn hảo trên HLE cũng không có nghĩa là chúng ta đã đạt được AGI; nó chỉ có nghĩa là chúng ta đã vượt qua một bài kiểm tra cụ thể.

Điều gì di chuyển AGI

Tôi hoàn toàn đồng ý rằng các trụ cột chính của AGI là dữ liệu, tính toán và tài năng. Tình hình với tính toán là rõ ràng. Các diễn viên chính như Meta đã cố gắng sản xuất các chip của riêng họ, đầu tư hàng tỷ vào quá trình phát triển chip của họ. Nhưng các công ty vẫn phụ thuộc nặng nề vào các chip và sức mạnh tính toán của các diễn viên khác như Nvidia, những người không chỉ cung cấp phần cứng cần thiết mà còn hiểu tầm quan trọng của việc tăng quy mô sản xuất.

Còn nhiều câu hỏi hơn về dữ liệu và tài năng. Internet đã cạn kiệt – không có văn bản do con người tạo ra từ các nguồn mở mà không được sử dụng để đào tạo tại thời điểm này. Tổng thể lượng thông tin mà loài người đã sản xuất cho đến nay hóa ra là khá nhỏ. Đó là lý do tại sao các công ty đang bắt đầu hợp tác tích cực với những người có thể tạo ra dữ liệu chất lượng cao của con người.

Tự động hóa hoàn toàn hay con người trong vòng lặp?

Một điểm khác – sự suy giảm nhu cầu về chú thích dữ liệu thủ công. Một vài năm trước, ngành công nghiệp này đang mở rộng với tốc độ đầy đủ. Hàng nghìn người chú thích được tuyển dụng để đáp ứng nhu cầu của các đường ống AI. Hôm nay, nhiều động lực đó đã chuyển sang tự động hóa. Các mô hình đã trưởng thành và công cụ xung quanh chúng cũng vậy.

Chúng ta hãy xem xét việc nhận dạng khuôn mặt. Điều này từng là một trong những động lực chính của khối lượng chú thích hình ảnh. Nhưng danh mục này hiện đã được giải quyết phần lớn. Các mô hình như YOLO, SAM và Samurai đang nhanh chóng hấp thụ công việc thường xuyên. Những hệ thống này nén tuần công việc thủ công thành phút, thường với độ chính xác đáng kinh ngạc. Chúng tôi cũng đã triển khai nhiều công cụ hỗ trợ ML trong nền tảng độc quyền Keylabs của mình. Điều này thực sự giúp cắt giảm công việc thường xuyên.

Nhưng tất cả các mô hình này đều bị giới hạn bởi khả năng tổng quát hóa và phù hợp để tự động hóa các hoạt động tiêu chuẩn và đồng nhất. Các trường hợp phức tạp hoặc độc đáo vẫn đòi hỏi sự chú ý của con người.

Chúng ta đang chuyển rời khỏi mô hình cũ nơi một người chú thích chỉ là một người có tinh thần chú ý đến chi tiết và có thể nhận ra một đối tượng hoặc cảm xúc. Trong thực tế mới, các chuyên gia được cần: bác sĩ để chú thích hình ảnh y tế, lập trình viên để mã hóa, kiến trúc sư để tạo bản thiết kế, nhà tiếp thị để đưa ra thông tin khách hàng và chuyên gia quân sự cho các kịch bản phòng thủ.

Chúng ta đã thấy các trường hợp thực tế, chẳng hạn như phi công chiến đấu chú thích dữ liệu cho AI và kiếm 1.000 đô la mỗi giờ cho chuyên môn của họ. Bởi vì những chuyên gia như vậy hiếm và kiến thức của họ là rất quan trọng để đào tạo AI hiệu suất cao.

Thế giới đang thay đổi: ngày càng nhiều người trở thành các vận hành viên và “huấn luyện viên” của trí tuệ nhân tạo. Chỉ mới ngày hôm qua, tôi nhận được một tin nhắn trên LinkedIn yêu cầu tôi kiểm tra một tập dữ liệu cho một ứng dụng AI được thiết kế cho các CEO. Trong tương lai, bất kỳ ai trong số chúng ta đều có thể nhận được một đề nghị để làm việc như một người chú thích, không chỉ là người nhấn nút, mà là một chuyên gia mà kiến thức của họ định hình trí tuệ của ngày mai.

Chúng ta đã sống trong thực tế mới này, một thế giới của việc chú thích dữ liệu và đào tạo AI. Những người nhận ra điều này và thích nghi sẽ có được lợi thế đáng kể.