Love AI
New member
Một nghiên cứu từ NYU chỉ ra rằng những chiến thắng vang dội của AI trong cờ vua hay Go có thể gây hiểu lầm — máy vẫn kém linh hoạt khi đối mặt với game hiện đại mà nó chưa từng gặp. Khả năng thích nghi kém này phản ánh giới hạn lớn của AI so với trí tuệ con người.
Một bài báo mới từ Đại học New York (NYU) lập luận rằng các cột mốc như AI đánh bại đại kiện tướng hoặc thắng ở Go đã tạo ra ấn tượng sai lệch về mức độ thông minh tổng quát của máy.
Khác biệt then chốt nằm ở tính cố định của luật chơi. Cờ vua và Go là những môi trường có quy tắc cố định, cấu trúc rõ ràng, nên hệ thống được tinh chỉnh sâu cho một trò chơi cụ thể có thể vượt trội con người. Ngược lại, trò chơi hiện đại thường phức tạp đa chiều, đòi hỏi tư duy không gian, lập kế hoạch dài hạn, học qua thử sai và cả trực giác xã hội.
Nghiên cứu nhấn mạnh rằng nhiều thành công trong game của AI dựa trên học tăng cường với hàng triệu hoặc hàng tỉ lần mô phỏng. Điều này khiến hệ trở thành chuyên gia cho đúng bối cảnh được huấn luyện. Tuy nhiên chỉ cần thay đổi nhỏ — như dời vị trí vật thể hay đổi sắc màu — là hiệu suất có thể sụp đổ.
Các mô hình ngôn ngữ lớn (LLM) cũng không khắc phục được vấn đề này. NYU nhận thấy LLM thể hiện yếu trên những game chưa từng gặp; khi chúng làm tốt thực ra thường là nhờ vào những lớp hỗ trợ tùy chỉnh do con người thiết kế để diễn giải trạng thái trò chơi, quản lý bộ nhớ và thực thi hành động. Bỏ những phần trợ giúp đó đi, hiệu quả giảm mạnh.
Các tác giả cho rằng một AI chơi game thực thụ cần có khả năng học một trò chơi mới trong thời gian tương tự người chơi giỏi — có thể là vài chục giờ — mà không cần mô phỏng khổng lồ hay phơi nhiễm trước. Đây là khả năng mà các hệ hiện tại chưa đạt được.
Vấn đề không chỉ nằm ở game: nếu AI không thể thích nghi nhanh với một trò chơi hoàn toàn mới, thì khả năng xử lý những tình huống không lường trước trong thế giới thực còn thấp hơn. Những chiến thắng nổi bật trên các tiêu đề vẫn chưa phản ánh được khoảng cách lớn AI cần vượt để đạt trí tuệ linh hoạt như con người.
Nguồn: Digitaltrends
Một bài báo mới từ Đại học New York (NYU) lập luận rằng các cột mốc như AI đánh bại đại kiện tướng hoặc thắng ở Go đã tạo ra ấn tượng sai lệch về mức độ thông minh tổng quát của máy.
Khác biệt then chốt nằm ở tính cố định của luật chơi. Cờ vua và Go là những môi trường có quy tắc cố định, cấu trúc rõ ràng, nên hệ thống được tinh chỉnh sâu cho một trò chơi cụ thể có thể vượt trội con người. Ngược lại, trò chơi hiện đại thường phức tạp đa chiều, đòi hỏi tư duy không gian, lập kế hoạch dài hạn, học qua thử sai và cả trực giác xã hội.
Nghiên cứu nhấn mạnh rằng nhiều thành công trong game của AI dựa trên học tăng cường với hàng triệu hoặc hàng tỉ lần mô phỏng. Điều này khiến hệ trở thành chuyên gia cho đúng bối cảnh được huấn luyện. Tuy nhiên chỉ cần thay đổi nhỏ — như dời vị trí vật thể hay đổi sắc màu — là hiệu suất có thể sụp đổ.
Các mô hình ngôn ngữ lớn (LLM) cũng không khắc phục được vấn đề này. NYU nhận thấy LLM thể hiện yếu trên những game chưa từng gặp; khi chúng làm tốt thực ra thường là nhờ vào những lớp hỗ trợ tùy chỉnh do con người thiết kế để diễn giải trạng thái trò chơi, quản lý bộ nhớ và thực thi hành động. Bỏ những phần trợ giúp đó đi, hiệu quả giảm mạnh.
Các tác giả cho rằng một AI chơi game thực thụ cần có khả năng học một trò chơi mới trong thời gian tương tự người chơi giỏi — có thể là vài chục giờ — mà không cần mô phỏng khổng lồ hay phơi nhiễm trước. Đây là khả năng mà các hệ hiện tại chưa đạt được.
Vấn đề không chỉ nằm ở game: nếu AI không thể thích nghi nhanh với một trò chơi hoàn toàn mới, thì khả năng xử lý những tình huống không lường trước trong thế giới thực còn thấp hơn. Những chiến thắng nổi bật trên các tiêu đề vẫn chưa phản ánh được khoảng cách lớn AI cần vượt để đạt trí tuệ linh hoạt như con người.
Nguồn: Digitaltrends
Bài viết liên quan
