Artificial General Intelligence (AGI) Là Gì? Mục Tiêu AI Mà Mọi Người Nói Về Nhưng Không Ai Có Thể Định Nghĩa Rõ Ràng

Tóm tắt ngắn gọn

• Trí tuệ nhân tạo tổng quát (AGI) đề cập đến AI có thể học hỏi và lý luận qua nhiều nhiệm vụ khác nhau.
• Các nhà nghiên cứu cho biết chatbot ngày nay mạnh mẽ nhưng vẫn còn xa mới đạt được trí tuệ tổng quát thực sự.
• Các chuyên gia không đồng ý về thời điểm AGI có thể xuất hiện hoặc cách nhận biết nó.

Trí tuệ nhân tạo tổng quát, hay AGI, là một trong những mốc quan trọng được nhắc đến nhiều nhất trong ngành công nghiệp AI. Các giám đốc công nghệ dự đoán nó, các nhà đầu tư đổ hàng tỷ đô la vào nghiên cứu về nó, và các nhà phê bình cảnh báo về những rủi ro khi nó xuất hiện. Nhưng chính xác AGI là gì vẫn còn chưa rõ ràng, và các nhà nghiên cứu vẫn chưa đồng thuận về việc “trí tuệ tổng quát” là gì, khi nào nó có thể xuất hiện, và làm thế nào để nhận biết khi nó đã có mặt. “Có nhiều định nghĩa khác nhau,” Malo Bourgon, CEO của Viện Nghiên cứu Trí tuệ Máy móc, nói với Decrypt. “Khi chúng ta bắt đầu nói về, hệ thống này có phải là AGI không? Hệ thống kia có phải là AGI không? Chính xác điều gì đủ tiêu chuẩn để gọi là AGI theo định nghĩa nào? Tôi nghĩ điều đó khá khó để xác định.”

Các nhân vật nổi bật, bao gồm CEO OpenAI Sam Altman, CEO Anthropic Dario Amodei, và CEO xAI Elon Musk, đã đưa ra ý kiến và dự đoán về sự xuất hiện của AGI. “Tôi nghĩ chúng ta sẽ đạt được AGI vào năm 2026,” Musk nói trong một cuộc phỏng vấn vào tháng 12 với chủ tịch điều hành của Quỹ XPRIZE, Peter Diamandis. “Tôi tự tin rằng vào năm 2030, AI sẽ vượt qua trí tuệ của tất cả con người cộng lại.” Khác với AI sinh tạo mà hầu hết mọi người quen thuộc nhờ ChatGPT, trí tuệ nhân tạo tổng quát, hay AGI, thường đề cập đến một hệ thống AI có thể hiểu, học hỏi và áp dụng kiến thức qua nhiều nhiệm vụ khác nhau ở mức độ giống như con người, thay vì chỉ thực hiện một chức năng chuyên biệt. Khái niệm này bắt nguồn từ những ngày đầu nghiên cứu AI vào những năm 1950.

Bắt đầu từ đầu những năm 2000, các nhà nghiên cứu như Ben Goertzel, Shane Legg, và Peter Voss đã phổ biến thuật ngữ “trí tuệ nhân tạo tổng quát” để phân biệt mục tiêu ban đầu của AI có khả năng rộng như con người với các hệ thống AI hẹp ngày càng thành công nhưng chỉ giới hạn trong phạm vi nhỏ hơn được phát triển trong các phòng thí nghiệm và trường đại học. Tuy nhiên, Bourgon cho biết đạt được “trí tuệ cấp con người” không phải là mục tiêu chung chung. “Có nhiều lý do từ lịch sử tiến hóa của chúng ta, cấu trúc não bộ, tốc độ hoạt động của các neuron, giới hạn của bộ nhớ làm việc và tốc độ hoạt động của não, khiến chúng ta mong đợi rằng nếu chúng ta có thể thiết kế hệ thống AI có đặc tính này, thì còn rất nhiều khả năng vượt xa chúng ta,” ông nói. Có người cho rằng AGI đã xuất hiện rồi Những tiến bộ gần đây trong các mô hình ngôn ngữ lớn và AI mạnh mẽ như Gemini, ChatGPT, Grok, và Claude, có thể viết luận, tạo hình ảnh, sinh mã, và trả lời các câu hỏi phức tạp, đã khiến nhiều người cho rằng AGI đã được đạt tới rồi. Nhưng theo Bourgon, điều họ thiếu là tính tự chủ. “Trong hầu hết các định nghĩa về AGI của mọi người, có cảm giác về tính tự chủ,” Bourgon nói. “Rằng những thứ này không chỉ đơn thuần là công cụ và chatbot, mà còn có tính chất đại diện, có khả năng hoàn thành nhiệm vụ trong nhiều môi trường khác nhau với mức độ tự chủ lớn.” Ben Goertzel, CEO của SingularityNET và một trong những nhân vật góp phần phổ biến thuật ngữ AGI, cho biết cách hiểu đó đã làm lệch khái niệm. “Thuật ngữ này giờ đã khá rối rắm trong truyền thông,” Goertzel nói với Decrypt. “Các CEO công nghệ thấy tiện lợi khi nói, ‘Này, chúng tôi đã ra mắt AGI rồi,’ và mọi người thổi phồng mọi thứ.” Trong lý thuyết, Goertzel giải thích, AGI đề cập đến các hệ thống AI có khả năng học hỏi và thực hiện nhiều nhiệm vụ vượt ra ngoài những gì chúng được huấn luyện rõ ràng. Các mô hình ngày nay, ông nói, mạnh mẽ nhưng về cơ bản khác biệt so với trí tuệ tổng quát.

“Chúng không đạt được điều đó bằng cách học để làm tất cả,” ông nói. “Chúng đạt được điều đó bằng cách nhồi nhét toàn bộ internet vào cơ sở kiến thức của chúng.” Trong khi các nhà phát triển AI đầu tư hàng tỷ đô la xây dựng trung tâm dữ liệu AI để cung cấp nhiều khả năng tính toán hơn cho các mô hình ngày càng mạnh mẽ, một trí tuệ tổng quát thực sự cần phải tổng quát hóa và tạo ra những hiểu biết mới thực sự vượt ra ngoài việc chỉ remix dữ liệu huấn luyện của nó, ông giải thích. “Nếu bạn lấy các hệ thống mạng neural sâu hiện tại và huấn luyện chúng trên âm nhạc đến năm 1900, chúng sẽ không bao giờ phát minh ra hip hop hay grindcore,” Goertzel nói. Goertzel lập luận rằng sự chuyển đổi sang AGI có khả năng sẽ không xuất hiện như một điểm dừng rõ ràng duy nhất. “Không nhất thiết phải có một ranh giới rõ ràng giữa AGI và tiền‑AGI,” ông nói, so sánh nó với các vùng xám trong sinh học về virus và retrovirus. Chúng ta vẫn biết chó còn sống và đá thì không, ông nói thêm, ngay cả khi một số trường hợp ngoại lệ là “mơ hồ” như trong trường hợp virus. Kyle Chan, nhà nghiên cứu tại Brookings chuyên về chính sách AI toàn cầu, cho biết cuộc tranh luận đã mở rộng để bao gồm nhiều kịch bản khác nhau. Phát triển ở nước ngoài “Có một phạm vi rộng về ý nghĩa của từ AGI,” Chan nói với Decrypt. “Ở một đầu, bạn có ý tưởng về tự cải thiện lặp đi lặp lại và bùng nổ trí tuệ, còn ở đầu kia, bạn có phiên bản ‘bình thường’ hơn — AI có thể làm nhiều việc như con người, hoặc AI như một công nghệ bình thường như internet hay máy tính.” Trong khi các phòng thí nghiệm AI của Mỹ tranh luận về những tác động tồn tại của AGI, Chan nói, cuộc trò chuyện ở Trung Quốc lại rất khác.

“AGI không phải là điều quá lớn ở Trung Quốc, đặc biệt là từ các nhà hoạch định chính sách, cộng đồng AI rộng lớn, ngành công nghiệp công nghệ,” ông nói. “Hầu hết mọi người tập trung vào việc kiếm tiền từ thứ này, đặc biệt về mặt vật lý, là một lĩnh vực mà tôi nghĩ Trung Quốc và các công ty công nghệ của họ cảm thấy có lợi thế so với Mỹ, nơi họ có thể xây dựng robot hoặc hệ thống tự hành, drone, bất cứ thứ gì dựa trên AI, vì họ có chuỗi cung ứng phần cứng mà Mỹ không có.” Chan thừa nhận rằng trong khi các nhà phát triển AI ở Trung Quốc không tập trung nhiều vào AGI như các đối tác Mỹ, nó vẫn nằm trong tầm mắt của họ. “Một số nhà sáng lập AI Trung Quốc có nói về AGI, và một số thậm chí nói về kiểu ASI,” ông nói. “Nhưng nhìn chung, AGI thực sự không phải là điều quá lớn ở Trung Quốc.” Dự đoán về thời điểm AGI có thể xuất hiện rất khác nhau. Đối với các nhà nghiên cứu công nghệ, chính nhãn hiệu này có thể ít quan trọng hơn những gì các hệ thống có thể làm. “Hiệu quả và khả năng của các hệ thống này là gì?” Bourgon nói. “Đó là tâm thế mà chúng ta nên hướng tới bây giờ.”