Ilya Sutskever Kêu gọi nghiên cứu AI cốt lõi: Mở rộng quy mô sẽ không đưa chúng ta đi xa hơn

Đồ họa cho thấy AI vượt qua các mô hình lớn hơn hướng tới tiến bộ dựa trên nghiên cứu và các mục tiêu học tập theo phong cách con người hơn.

Điều gì sẽ xảy ra khi các chiến lược đã đẩy toàn bộ lĩnh vực lên một tầm cao chưa từng có bắt đầu chững lại? Đối với trí tuệ nhân tạo, đây không còn là một câu hỏi giả định nữa. Sau nhiều năm đột phá nhờ mở rộng quy mô, xây dựng các mô hình ngày càng lớn hơn và cung cấp cho chúng lượng dữ liệu khổng lồ, lĩnh vực này đang đạt đến một điểm tới hạn. Lợi tức giảm dần của sức mạnh tính toán thô đã phơi bày giới hạn của việc mở rộng quy mô, buộc các nhà nghiên cứu phải đối mặt với một thách thức phức tạp hơn: làm thế nào để tạo ra các hệ thống học hỏi, thích ứng và khái quát hóa như con người. Sự thay đổi này báo hiệu bình minh của một kỷ nguyên mới, nơi nghiên cứu cơ bản, thay vì sức mạnh tính toán đơn thuần, sẽ thúc đẩy làn sóng đổi mới tiếp theo.

Trong quan điểm này, Dwarkesh Patel và Ilya Sutskever khám phá lý do tại sao chỉ mở rộng quy mô thôi là chưa đủ và cách tập trung vào phát triển dựa trên nghiên cứu đang định hình lại quỹ đạo của AI. Từ việc giải quyết những thiếu hiệu quả của học tăng cường đến việc giải quyết mục tiêu khái quát hóa khó nắm bắt, quá trình chuyển đổi này không chỉ là tiến bộ kỹ thuật mà còn là việc định nghĩa lại những gì AI có thể đạt được. Trên chặng đường này, bạn sẽ khám phá cách các phương pháp tiếp cận lấy cảm hứng sinh học và những nỗ lực hợp tác đang mở đường cho các hệ thống có khả năng thích ứng giống con người. Đây không chỉ là một bước ngoặt kỹ thuật mà còn là một bước ngoặt triết học, đặt ra những câu hỏi sâu sắc về các nguyên tắc nên định hướng tương lai của máy móc thông minh. Khi chúng ta đứng ở ngã ba đường này, con đường phía trước mời gọi cả sự tò mò và suy ngẫm.

Sự dịch chuyển của AI sang nghiên cứu

TL;DR Những điểm chính:

Trọng tâm trong phát triển AI đang chuyển từ việc mở rộng quy mô các mô hình lớn hơn sang nghiên cứu cơ bản, giải quyết các hạn chế của các hệ thống hiện tại và hướng tới học hỏi giống con người cũng như khả năng khái quát hóa mạnh mẽ.
Khả năng khái quát hóa vẫn là một thách thức lớn, với các nhà nghiên cứu đang khám phá các phương pháp tiếp cận lấy cảm hứng sinh học như tiên nghiệm tiến hóa và học liên tục để tạo ra các hệ thống AI thích ứng hơn.
Học tăng cường (RL) cho thấy nhiều hứa hẹn nhưng gặp khó khăn với những thiếu hiệu quả; việc kết hợp các hàm giá trị lấy cảm hứng từ cảm xúc con người có thể cải thiện tốc độ học và khả năng thích ứng.
Sự phát triển của AI siêu thông minh mang lại những cơ hội kinh tế tuyệt vời nhưng cũng đặt ra những lo ngại nghiêm trọng về sự điều chỉnh, an toàn và các ứng dụng có kiểm soát để giảm thiểu rủi ro.
Sự hợp tác giữa các nhà nghiên cứu, chính phủ và các tổ chức tư nhân là rất cần thiết để đảm bảo phát triển AI đổi mới, an toàn và lấy con người làm trung tâm, với trọng tâm là sự điều chỉnh và niềm tin xã hội.

Giới hạn của việc mở rộng quy mô và sự dịch chuyển sang nghiên cứu

Trong hơn một thập kỷ, tiến bộ của AI đã được thúc đẩy bởi các luật mở rộng quy mô và huấn luyện trước (pre-training). Từ năm 2012 đến 2025, các đột phá trong xử lý ngôn ngữ tự nhiên, thị giác máy tính và các lĩnh vực khác đã đạt được bằng cách sử dụng tập dữ liệu lớn hơn và các mô hình ngày càng mạnh mẽ hơn. Tuy nhiên, phương pháp này đang đạt đến giới hạn của nó. Chỉ đơn giản tăng kích thước mô hình không còn đảm bảo cải thiện hiệu suất tương xứng. Học tăng cường (RL), mặc dù mang lại nhiều hứa hẹn, nhưng lại gặp khó khăn về hiệu quả và khả năng khái quát hóa, cho thấy sự cần thiết của các chiến lược mới để giải quyết các phức tạp trong thế giới thực. Sự dịch chuyển sang phát triển dựa trên nghiên cứu là một phản ứng đối với những thách thức này, nhằm khám phá các nguyên tắc vượt ra ngoài sức mạnh tính toán thô.

Tại sao khả năng khái quát hóa vẫn là một thách thức

Khả năng khái quát hóa là một trong những trở ngại quan trọng nhất trong phát triển AI. Các mô hình hiện tại xuất sắc trong các tác vụ hẹp, được xác định rõ ràng nhưng thường thất bại khi áp dụng trên các lĩnh vực đa dạng. Ngược lại, học tập của con người vốn dĩ có khả năng thích ứng và hiệu quả. Bạn có thể tiếp thu các kỹ năng mới với ít ví dụ và áp dụng chúng linh hoạt trong các ngữ cảnh khác nhau. Để thu hẹp khoảng cách này, các nhà nghiên cứu đang khám phá các phương pháp tiếp cận lấy cảm hứng sinh học, chẳng hạn như các tiên nghiệm tiến hóa và học liên tục giống con người. Các phương pháp này nhằm mục đích tái tạo khả năng thích ứng của các hệ thống sinh học, mang lại tiềm năng tạo ra AI có thể hoạt động hiệu quả trong nhiều môi trường khác nhau. Đạt được mức độ linh hoạt này là rất cần thiết để đưa AI vượt ra ngoài những giới hạn hiện tại của nó.

Ilya Sutskever: Chúng ta đang chuyển từ kỷ nguyên mở rộng quy mô sang kỷ nguyên nghiên cứu

Khám phá thêm các hướng dẫn và bài viết từ thư viện rộng lớn của chúng tôi mà bạn có thể thấy phù hợp với sở thích của mình trong Nghiên cứu AI.

Học tăng cường: Hiệu quả thông qua các hàm giá trị

Học tăng cường đã cho thấy nhiều hứa hẹn trong các lĩnh vực như chơi game và robot, nhưng những thiếu hiệu quả của nó vẫn là một trở ngại đáng kể. Các hệ thống RL thường thiếu phản hồi trung gian, làm cho quá trình học tập trở nên chậm và tốn nhiều tài nguyên. Một hướng cải thiện đầy hứa hẹn nằm ở việc sử dụng các hàm giá trị, lấy cảm hứng từ cảm xúc con người. Ở con người, cảm xúc hoạt động như phần thưởng trung gian, hướng dẫn hành vi đến các mục tiêu dài hạn. Bằng cách kết hợp các cơ chế tương tự, các hệ thống RL có thể trở nên hiệu quả và hiệu suất hơn, cho phép học nhanh hơn và khả năng thích ứng tốt hơn. Cách tiếp cận này có thể cải thiện đáng kể tính thực tiễn của RL trong việc giải quyết các vấn đề trong thế giới thực.

Siêu trí tuệ và tác động kinh tế của nó

Khái niệm AI siêu thông minh, có khả năng học liên tục giống con người, đại diện cho cả cơ hội to lớn và những thách thức đáng kể. Các hệ thống như vậy có tiềm năng chuyển đổi các ngành công nghiệp, thúc đẩy tăng trưởng kinh tế và đổi mới chưa từng có. Tuy nhiên, sự phát triển của chúng cũng đặt ra những lo ngại nghiêm trọng về sự điều chỉnh và an toàn. Siêu trí tuệ hẹp, nơi AI xuất sắc trong các lĩnh vực cụ thể mà không vượt trội khả năng của con người một cách rộng rãi, cung cấp một giải pháp thay thế được kiểm soát và định hướng hơn. Cách tiếp cận này có thể cho phép các ứng dụng tập trung đồng thời giảm thiểu rủi ro liên quan đến sự phát triển AI không kiểm soát. Cân bằng đổi mới với an toàn sẽ là yếu tố then chốt khi AI tiếp tục phát triển.

Sự điều chỉnh và an toàn của AI: Một ưu tiên ngày càng tăng

Đảm bảo các hệ thống AI phù hợp với giá trị con người là một trong những thách thức phức tạp và cấp bách nhất trong lĩnh vực này. AI không được điều chỉnh đúng cách có thể dẫn đến những hậu quả không mong muốn, bao gồm các rủi ro hiện sinh tiềm tàng. Giải quyết vấn đề này đòi hỏi các giải pháp đổi mới, chẳng hạn như thiết kế các hệ thống AI ưu tiên mục tiêu lấy con người làm trung tâm hoặc áp đặt các giới hạn về khả năng của chúng. Việc triển khai tăng dần và tiếp xúc công khai với các công nghệ AI cũng rất cần thiết để thúc đẩy sự thích nghi và tin cậy của xã hội. Khi AI ngày càng được tích hợp vào cuộc sống hàng ngày, sự điều chỉnh và an toàn phải luôn được đặt lên hàng đầu trong các nỗ lực phát triển để đảm bảo rằng các hệ thống này phục vụ lợi ích tốt nhất của nhân loại.

Thúc đẩy đổi mới thông qua nghiên cứu và hợp tác

Sự dịch chuyển sang phát triển AI dựa trên nghiên cứu làm nổi bật tầm quan trọng của sự sáng tạo và hợp tác. Nghiên cứu hiệu quả thường cân bằng giữa sự đơn giản, thanh lịch và cảm hứng từ nhận thức của con người. Các kỹ thuật như tự chơi (self-play) và cài đặt đối kháng đang chứng tỏ giá trị trong việc nâng cao khả năng của AI và thúc đẩy sự đa dạng giữa các tác nhân. Bằng cách tham gia vào những tiến bộ này, bạn đóng góp vào nỗ lực chung để vượt qua giới hạn tiềm năng của AI. Sự hợp tác giữa các nhà nghiên cứu, chính phủ và các tổ chức tư nhân sẽ là yếu tố cần thiết để đảm bảo rằng sự phát triển AI vừa đổi mới vừa có trách nhiệm.

Con đường phía trước cho phát triển AI

Các chuyên gia dự đoán rằng các hệ thống học tập giống con người có thể xuất hiện trong vòng 5 đến 20 năm tới. Để đạt được cột mốc này sẽ đòi hỏi những nỗ lực phối hợp giữa các công ty AI, chính phủ và các nhà nghiên cứu để đảm bảo triển khai an toàn và công bằng. Các công nghệ mới nổi, chẳng hạn như giao diện não-máy tính tiên tiến, cũng có thể đóng vai trò trong việc duy trì sự liên quan của con người trong một thế giới do AI thống trị. Bằng cách luôn cập nhật thông tin và tích cực tham gia vào lĩnh vực này, bạn có thể giúp định hình một tương lai nơi AI phục vụ lợi ích tốt nhất của nhân loại.

Kỷ nguyên mới này của nghiên cứu AI không chỉ là về việc xây dựng các cỗ máy thông minh hơn, mà còn là về việc khám phá các nguyên tắc sẽ định hướng sự phát triển của chúng. Khi trọng tâm chuyển từ mở rộng quy mô sang hiểu biết, thời điểm này đại diện cho một bước ngoặt quan trọng trong lịch sử AI. Sự tham gia và đóng góp của bạn là rất quan trọng trong việc định hình tương lai của công nghệ tuyệt vời này.

Tín dụng truyền thông: Dwarkesh Patel

Đã được xếp vào: AI, Tin tức công nghệ, Tin tức hàng đầu

Các ưu đãi mới nhất từ Geeky Gadgets

Tiết lộ: Một số bài viết của chúng tôi bao gồm các liên kết liên kết (affiliate links). Nếu bạn mua hàng thông qua một trong các liên kết này, Geeky Gadgets có thể kiếm được hoa hồng liên kết. Tìm hiểu về Chính sách tiết lộ của chúng tôi.