Love AI
New member
Tiến bộ nhanh chóng của AI tạo cảm giác máy móc đã thông minh như con người, nhưng thực tế vẫn còn khoảng cách lớn. Để đạt được AGI, chúng ta cần tích hợp khả năng suy luận, phán đoán và kinh nghiệm con người chứ không chỉ mở rộng dữ liệu và mô hình.
Những hệ thống AI hiện nay gây ấn tượng mạnh vì khả năng sinh ngôn ngữ, nhận diện và thực hiện nhiều tác vụ phức tạp. Tuy nhiên, đó chủ yếu là kết quả của các công cụ thống kê mạnh mẽ được huấn luyện trên khối lượng dữ liệu khổng lồ chứ không phải sự thấu hiểu thực sự.
Trí tuệ con người không chỉ là đưa ra một câu trả lời hợp lý; nó phụ thuộc vào khả năng phán đoán trong bối cảnh phức tạp và mơ hồ. Đây là điểm mà nhiều hệ thống hiện đại còn yếu: lưu loát ngôn ngữ không bằng hiểu biết, và lỗi gần đây của chatbots trong việc xác thực niềm tin sai lệch hay hành vi không lành mạnh đã cho thấy giới hạn này.
Việc cứ tăng kích thước mô hình và dữ liệu không thể giải quyết mọi vấn đề. Mô hình lớn hơn đem lại lợi ích ban đầu nhưng dần đến lợi suất giảm, trong khi nguồn dữ liệu công khai chất lượng cao là hữu hạn. Thêm vào đó, dữ liệu do AI sinh ra ngày càng nhiều khiến việc phân biệt và sử dụng dữ liệu hữu ích để huấn luyện trở nên khó khăn hơn.
Nếu một hệ thống chỉ được huấn luyện trên những bản sao lặp lại của sản phẩm con người, nó sẽ càng giỏi bắt chước giọng điệu, phong cách và cấu trúc mà không thực sự nắm được bối cảnh, giá trị hay ý nghĩa. Vì vậy, nếu không tin rằng AGI sẽ tự phát sinh chỉ từ việc tăng quy mô, kết luận rõ ràng là: con người phải trực tiếp dạy mô hình.
Thay đổi cần thiết là coi con người không chỉ là nguồn dữ liệu thụ động mà là người tham gia chủ động trong quá trình phát triển AGI. Điều này có nghĩa là thu thập quy trình tư duy, cách con người đi đến một kết luận, cùng với các phán đoán giá trị và diễn giải ngữ cảnh — chứ không chỉ thu thập câu trả lời rời rạc.
Dữ liệu kiểu này khó thu thập hơn so với văn bản scrape từ web, nhưng nếu mục tiêu là xây dựng hệ thống vượt qua vẻ bề ngoài của trí tuệ thì nó có giá trị cao hơn nhiều. Đồng thời, khi con người đóng vai trò trung tâm hơn trong huấn luyện, việc trả công và thừa nhận đóng góp trở nên hợp lý cả về đạo đức lẫn thương mại, và sẽ sinh ra các công việc mới xoay quanh huấn luyện, tinh chỉnh và đánh giá AI.
Con đường dẫn tới AGI vì vậy phụ thuộc vào việc thừa nhận thẳng thắn những gì các hệ thống hiện tại còn thiếu và xây dựng hạ tầng, chính sách cùng động lực để kết hợp tư duy con người vào mô hình. AGI khả thi nhất khi con người và máy móc hợp tác: máy mạnh về xử lý và mô phỏng, con người mạnh về phán đoán, kinh nghiệm và ý nghĩa.
Nguồn: Techradar
Những hệ thống AI hiện nay gây ấn tượng mạnh vì khả năng sinh ngôn ngữ, nhận diện và thực hiện nhiều tác vụ phức tạp. Tuy nhiên, đó chủ yếu là kết quả của các công cụ thống kê mạnh mẽ được huấn luyện trên khối lượng dữ liệu khổng lồ chứ không phải sự thấu hiểu thực sự.
Trí tuệ con người không chỉ là đưa ra một câu trả lời hợp lý; nó phụ thuộc vào khả năng phán đoán trong bối cảnh phức tạp và mơ hồ. Đây là điểm mà nhiều hệ thống hiện đại còn yếu: lưu loát ngôn ngữ không bằng hiểu biết, và lỗi gần đây của chatbots trong việc xác thực niềm tin sai lệch hay hành vi không lành mạnh đã cho thấy giới hạn này.
Việc cứ tăng kích thước mô hình và dữ liệu không thể giải quyết mọi vấn đề. Mô hình lớn hơn đem lại lợi ích ban đầu nhưng dần đến lợi suất giảm, trong khi nguồn dữ liệu công khai chất lượng cao là hữu hạn. Thêm vào đó, dữ liệu do AI sinh ra ngày càng nhiều khiến việc phân biệt và sử dụng dữ liệu hữu ích để huấn luyện trở nên khó khăn hơn.
Nếu một hệ thống chỉ được huấn luyện trên những bản sao lặp lại của sản phẩm con người, nó sẽ càng giỏi bắt chước giọng điệu, phong cách và cấu trúc mà không thực sự nắm được bối cảnh, giá trị hay ý nghĩa. Vì vậy, nếu không tin rằng AGI sẽ tự phát sinh chỉ từ việc tăng quy mô, kết luận rõ ràng là: con người phải trực tiếp dạy mô hình.
Thay đổi cần thiết là coi con người không chỉ là nguồn dữ liệu thụ động mà là người tham gia chủ động trong quá trình phát triển AGI. Điều này có nghĩa là thu thập quy trình tư duy, cách con người đi đến một kết luận, cùng với các phán đoán giá trị và diễn giải ngữ cảnh — chứ không chỉ thu thập câu trả lời rời rạc.
Dữ liệu kiểu này khó thu thập hơn so với văn bản scrape từ web, nhưng nếu mục tiêu là xây dựng hệ thống vượt qua vẻ bề ngoài của trí tuệ thì nó có giá trị cao hơn nhiều. Đồng thời, khi con người đóng vai trò trung tâm hơn trong huấn luyện, việc trả công và thừa nhận đóng góp trở nên hợp lý cả về đạo đức lẫn thương mại, và sẽ sinh ra các công việc mới xoay quanh huấn luyện, tinh chỉnh và đánh giá AI.
Con đường dẫn tới AGI vì vậy phụ thuộc vào việc thừa nhận thẳng thắn những gì các hệ thống hiện tại còn thiếu và xây dựng hạ tầng, chính sách cùng động lực để kết hợp tư duy con người vào mô hình. AGI khả thi nhất khi con người và máy móc hợp tác: máy mạnh về xử lý và mô phỏng, con người mạnh về phán đoán, kinh nghiệm và ý nghĩa.
Nguồn: Techradar
Bài viết liên quan
