Lập luận cho AI nhàm chán

Cuộc đua điểm chuẩn của AI đã có người chiến thắng. Chỉ là không phải bạn.

Cứ vài tháng lại có một mô hình mới ra mắt và một bảng xếp hạng mới được sắp xếp lại. Các lab cạnh tranh để lý giải tốt hơn, viết code tốt hơn và trả lời tốt hơn lẫn nhau trong các bài test được thiết kế để đo lường trí tuệ của máy móc. Sự phủ sóng theo sau. Và cả nguồn vốn.

Điều ít được chú ý hơn là liệu bất kỳ điều gì trong số này có phải là điều tất yếu hay không. Các bài benchmark, cuộc chạy đua vũ trang, cách đóng khung AI là “cứu rỗi” hay “thảm họa” — tất cả đều là những lựa chọn, không phải định luật của vật lý. Chúng phản ánh ngành công nghiệp đã quyết định tối ưu cho điều gì, và đã quyết định tài trợ cho điều gì. Công nghệ cần hàng chục năm để phát huy theo những cách bình thường và hữu ích không thể nào gom được hàng tỷ đô trong quý này. Những câu chuyện cực đoan thì có thể.

Một số nhà nghiên cứu cho rằng mục tiêu đó vốn đã sai. Không phải là AI không quan trọng, mà là “quan trọng” không nhất thiết phải đồng nghĩa với “chưa từng có tiền lệ”. Máy in đã thay đổi thế giới. Điện cũng vậy. Cả hai đều làm điều đó dần dần, thông qua việc áp dụng lộn xộn, tạo cho các xã hội thời gian để phản ứng. Nếu AI đi theo mô hình đó, thì những câu hỏi đúng đắn không phải là về siêu trí tuệ. Mà là về ai được hưởng lợi, ai bị gây hại, và liệu những công cụ chúng ta đang xây dựng có thực sự hoạt động cho những người đang sử dụng chúng hay không.

Nhiều nhà nghiên cứu đã đặt những câu hỏi đó theo những hướng rất khác nhau. Dưới đây là ba trong số họ.

Hữu ích, không phải tổng quát

Ruchir Puri đã xây dựng AI tại IBM $IBM -0.57% từ trước khi phần lớn người ta nghe nói đến học máy. Ông đã chứng kiến Watson đánh bại những người chơi Jeopardy giỏi nhất thế giới vào năm 2011. Ông cũng đã theo dõi vài chu kỳ cơn sốt hype dâng cao rồi lắng xuống kể từ đó. Khi làn sóng hiện tại xuất hiện, ông có một bài kiểm tra đơn giản cho nó: nó có hữu ích không?

Không ấn tượng. Không tổng quát. Hữu ích.

“Thực sự tôi không quan tâm đến trí tuệ nhân tạo tổng quát,” ông nói. “Tôi quan tâm phần hữu ích của nó.”

Cách đóng khung đó đặt ông vào thế đối đầu với hình ảnh tự nhận của phần lớn ngành công nghiệp. Các lab đua hướng tới AGI đang tối ưu cho sự bao phủ, xây dựng các hệ thống có thể làm bất cứ điều gì, trả lời bất cứ điều gì, suy luận về bất cứ điều gì. Puri cho rằng đó là đích sai, và ông có một bài benchmark mà ông muốn ngành công nghiệp thực sự cố gắng đạt tới.

Não người sống trong 1.200 centimet khối, tiêu thụ 20 watt — năng lượng của một bóng đèn — và như Puri chỉ ra, vận hành bằng bánh sandwich. Một GPU Nvidia $NVDA +0.14% đơn lẻ tiêu thụ 1.200 watt, nhiều hơn 60 lần toàn bộ năng lượng của não, và bạn cần hàng nghìn chiếc trong một trung tâm dữ liệu khổng lồ để làm được bất cứ điều gì có ý nghĩa. Nếu não là benchmark, thì ngành công nghiệp không hề tiến gần đến hiệu quả. Nó đang đi sai hướng.

Phương án thay thế của ông là thứ ông gọi là kiến trúc lai: các mô hình nhỏ, vừa và lớn cùng làm việc với nhau, mỗi mô hình được giao cho nhiệm vụ mà nó xử lý tốt nhất. Một mô hình frontier lớn đảm nhiệm việc suy luận và lập kế hoạch phức tạp. Các mô hình nhỏ hơn, được xây dựng đúng mục đích, đảm nhiệm phần thực thi. Một tác vụ đơn giản như soạn một email không cần một hệ thống được huấn luyện trên “một nửa internet”. Nó cần thứ gì đó nhanh, rẻ và tập trung. Cứ khoảng chín tháng một lần, Puri nhận xét, mô hình nhỏ của thế hệ trước sẽ tương đương một cách gần như chính xác với thứ trước đây từng được xem là “lớn”. Trí tuệ đang ngày càng rẻ hơn. Câu hỏi là liệu có ai đang xây dựng để phù hợp với thực tại đó hay không.

Cách tiếp cận này có sự hậu thuẫn ngoài đời thực. Airbnb $ABNB +1.49% dùng các mô hình nhỏ để giải quyết một phần đáng kể các vấn đề dịch vụ khách hàng nhanh hơn so với các đại diện con người của họ. Meta $META -0.25% không dùng các mô hình lớn nhất của mình để chạy quảng cáo; họ chưng cất kiến thức đó vào các mô hình nhỏ hơn được xây dựng chỉ cho đúng tác vụ này. Mẫu hình đó đủ nhất quán đến mức các nhà nghiên cứu bắt đầu gọi đó là dây chuyền lắp ráp tri thức: dữ liệu chảy vào, các mô hình chuyên biệt xử lý các bước rời rạc, và thứ hữu ích sẽ được tạo ra ở đầu ra.

IBM đã xây dựng dây chuyền lắp ráp đó lâu hơn hầu hết. Một tác nhân lai kết hợp các mô hình từ nhiều công ty đã cho thấy mức cải thiện năng suất 45% trên một lực lượng kỹ sư lớn. Các hệ thống chạy trên các mô hình nhỏ, được xây dựng đúng mục đích hiện đang giúp các kỹ sư — những người đảm bảo 84% các giao dịch tài chính của thế giới diễn ra đúng — có được thông tin đúng lúc. Đây không phải là những ứng dụng hào nhoáng. Chúng cũng không hỏng.

Không cái nào trong số đó đòi hỏi một hệ thống có thể viết thơ hoặc giải bài toán về nhà của con bạn. Chúng cần thứ hẹp hơn, và vì thế đáng tin cậy hơn. Một mô hình được huấn luyện để làm tốt một việc sẽ biết khi nào câu hỏi nằm ngoài phạm vi của nó. Nó nói như vậy. Mức độ không chắc chắn đã được hiệu chuẩn — biết mình không biết gì — thứ đó đến nay các mô hình frontier lớn vẫn còn khó làm.

“ Tôi muốn xây dựng các tác nhân và hệ thống cho những quy trình đó,” Puri nói. “Không phải thứ trả lời hai triệu thứ.”

Công cụ, không phải tác nhân

Ben Shneiderman có một bài kiểm tra đơn giản để biết liệu một hệ thống AI có được thiết kế tốt hay không. Người dùng nó có cảm thấy như họ đã làm được điều gì, hay họ cảm thấy như có thứ gì đó được làm thay cho họ?

Sự khác biệt đó quan trọng hơn vẻ ngoài của nó. Shneiderman, một nhà khoa học máy tính tại Đại học Maryland, người đã giúp đặt nền tảng cho thiết kế giao diện hiện đại, đã dành hàng chục năm để tranh luận rằng mục tiêu của công nghệ phải là khuếch đại năng lực của con người, chứ không thay thế họ. Các công cụ tốt sẽ tạo nên thứ ông gọi là “tự hiệu lực của người dùng” — tức là sự tự tin đến từ việc biết rằng bạn có thể tự làm được một việc gì đó. Các công cụ tệ thì lặng lẽ chuyển quyền chủ động đó đi chỗ khác.

Ông cho rằng phần lớn ngành công nghiệp AI đang xây các công cụ tệ, và ông nghĩ bước chuyển sang “tác nhân” càng làm tệ hơn. “Pitch” cho các tác nhân AI là chúng hành động thay bạn, xử lý nhiệm vụ trọn gói mà không cần sự can dự của bạn. Với Shneiderman, đó không phải là một tính năng. Đó là vấn đề. Khi có thứ gì đó trục trặc — và sẽ có — thì ai chịu trách nhiệm? Khi mọi thứ diễn ra đúng, ai đã học được điều gì?

Cái bẫy ông đã chiến đấu suốt một thời gian dài có một cái tên. Nhân hình hóa (anthropomorphism) — xung lực biến công nghệ trông như con người — là thứ luôn thắng và cũng luôn thất bại. Vào những năm 1970, các ngân hàng thử nghiệm ATM gặp khách hàng với “Tôi có thể giúp gì cho bạn?” và tự đặt tên cho mình như Tilly the Teller và Harvey the World Banker. Chúng được thay thế bởi các máy chỉ hiển thị ba lựa chọn. Số dư, tiền mặt, tiền gửi. Tỷ lệ sử dụng tăng vọt. Citibank có mức sử dụng cao hơn đối thủ 50%. Con người không muốn một mối quan hệ mang tính giả lập. Họ muốn lấy tiền của mình.

Mẫu hình tương tự đã lặp lại qua nhiều thập kỷ, từ Microsoft $MSFT -0.16% “Bob”, chiếc ghim AI từ Humane, và các đợt robot hình người. Mỗi lần, phiên bản nhân hình thất bại và bị thay bằng thứ giống “công cụ” hơn. Shneiderman gọi đó là một ý tưởng zombie. Nó không chết, nó chỉ tiếp tục quay trở lại.

Điểm khác biệt bây giờ là quy mô và mức độ tinh vi. Thế hệ AI hiện tại đúng là rất ấn tượng, ông thừa nhận, theo một cách bất ngờ. Nhưng “ấn tượng” và “hữu ích” không phải là thứ giống nhau, và các hệ thống được thiết kế để trông có vẻ con người — để nói “tôi”, để mô phỏng mối quan hệ — lại đang tối ưu cho chất lượng sai. Câu hỏi đơn giản mà ông muốn các nhà thiết kế đặt ra là: cái này đem lại cho mọi người nhiều quyền lực hơn hay ít hơn?

“Không có chữ I trong AI,” ông nói. “Hoặc ít nhất, không nên có.”

Con người, không phải benchmark

Karen Panetta có câu trả lời đơn giản cho lý do việc phát triển AI trông như nó đang diễn ra. Theo tiền.

Panetta, một giáo sư kỹ thuật điện và khoa học máy tính tại Tufts University và là thành viên IEEE, nghiên cứu đạo đức AI và có cái nhìn rõ ràng về nơi công nghệ nên hướng tới. Thú cưng hỗ trợ cho người bệnh Alzheimer, các công cụ học tập thích ứng cho trẻ em với các kiểu nhận thức khác nhau, giám sát nhà thông minh cho người cao tuổi đang “sống tại chỗ”. Công nghệ để làm tốt điều đó, bà nói, phần lớn đã tồn tại. Còn khoản đầu tư thì không.

“Con người không quan tâm đến benchmark,” bà nói. “Họ quan tâm là: nó có chạy khi tôi mua nó không, và nó có thực sự làm cuộc sống của tôi dễ hơn không?”

Vấn đề là những người sẽ được hưởng lợi nhiều nhất từ một AI hỗ trợ được thiết kế tốt lại chính là những người khó thuyết phục nhất đối với một nhà đầu tư mạo hiểm. Một hệ thống biến đổi quy trình sản xuất, giảm tai nạn nơi làm việc và cắt giảm chi phí y tế cho nhân viên của công ty thì có lợi nhuận hiển nhiên. Một “người bạn” robot giữ cho bệnh nhân Alzheimer bình tĩnh và được kết nối đòi hỏi một kiểu toán hoàn toàn khác. Thế nên tiền sẽ đi nơi tiền đi, còn những cộng đồng có nhiều thứ để được lợi nhất thì tiếp tục phải chờ.

Panetta nói rằng điều đã thay đổi là: các bài toán kỹ thuật đắt đỏ rốt cuộc đang được giải quyết ở quy mô lớn. Cảm biến rẻ hơn. Pin nhẹ hơn. Các giao thức không dây phổ biến ở khắp nơi. Chính khoản đầu tư từng tạo ra robot công nghiệp cho dây chuyền nhà máy giờ đã âm thầm làm cho robot tiêu dùng trở nên khả thi theo một cách mà năm năm trước chưa thể. Từ kho hàng đến phòng khách ngắn hơn những gì nó trông.

Nhưng bà có một lo ngại rằng sự háo hức xung quanh bước chuyển đó thường bỏ qua phần quan trọng. Robot vật lý có những ràng buộc tự nhiên. Bạn biết giới hạn lực. Bạn biết động học. Bạn có thể dự đoán, mô phỏng, và thiết kế để vượt qua các cách nó có thể thất bại. AI tạo sinh không đi kèm các bảo đảm như vậy. Nó phi định thức. Nó “ảo giác”. Không ai đã lập bản đồ đầy đủ được điều gì xảy ra khi bạn đặt nó vào một hệ thống có hiện diện vật lý trong nhà của một người mắc chứng sa sút trí tuệ, hoặc trong nhà của một đứa trẻ không thể nhận ra khi nào mọi thứ đã xảy ra sai.

Bà đã thấy điều gì xảy ra khi một cảm biến bị bẩn và robot mất nhận thức về không gian. Bà cũng đã nghĩ về việc xây dựng thứ gì đó học những chi tiết thân mật về cuộc sống của một người, các thói quen của họ, trạng thái nhận thức của họ, những khoảnh khắc họ hoang mang, rồi hành động tự động dựa trên thông tin đó. Bà nói rằng các cơ chế dự phòng an toàn đã không theo kịp.

“Tôi không lo về robot,” bà nói. “Tôi lo về AI.”

📬 Đăng ký nhận Bản tin hàng ngày

Bản tin miễn phí, nhanh và vui vẻ của chúng tôi về kinh tế toàn cầu, được gửi mỗi sáng vào các ngày trong tuần.

Đăng ký