Biên Niên Sử AI
Từ Aristotle, Turing đến ChatGPT
Lịch sử của một giấc mơ kéo dài hàng nghìn năm: Khi con người tìm cách chế tạo lại chính trí tuệ của mình
Mở đầu: AI không bắt đầu bằng ChatGPT
Một buổi sáng năm 2022, hàng triệu người trên thế giới lần đầu tiên mở một cửa sổ trò chuyện và đặt câu hỏi cho một thực thể không có khuôn mặt, không có giọng nói, không có ký ức cá nhân nhưng lại có thể trả lời bằng những câu văn mạch lạc như một con người.
Nó có thể viết một bài luận, giải thích một khái niệm triết học, sửa một đoạn mã máy tính, sáng tác một bài thơ, hoặc tranh luận về những câu hỏi vốn từng được xem là lãnh địa riêng của trí tuệ con người.
Tên của nó là ChatGPT.
Đối với nhiều người, đó là khoảnh khắc đánh dấu sự khởi đầu của kỷ nguyên AI.
Nhưng lịch sử thường không bắt đầu ở khoảnh khắc mà số đông nhận ra một điều gì đó. Những cuộc cách mạng lớn thường được thai nghén từ rất lâu trước khi chúng xuất hiện trước công chúng.
Chiếc iPhone đầu tiên năm 2007 không phải là ngày điện thoại thông minh ra đời. Internet những năm 1990 không phải là ngày nhân loại bắt đầu kết nối. Và ChatGPT cũng không phải là ngày con người bắt đầu giấc mơ tạo ra trí tuệ nhân tạo.
AI không bắt đầu từ những trung tâm dữ liệu khổng lồ, những GPU của NVIDIA hay những phòng nghiên cứu tại Silicon Valley.
Nó bắt đầu từ một câu hỏi cổ xưa hơn:
Liệu tư duy có phải là một thứ có thể được mô tả bằng quy luật, được chuyển thành ký hiệu, và cuối cùng được tái tạo bởi một cỗ máy?
Đây không chỉ là một câu hỏi công nghệ.
Đây là một câu hỏi về bản chất con người.
Bởi trong suốt lịch sử, con người luôn cố gắng tạo ra những phiên bản phản chiếu của chính mình.
Chúng ta tạo ra những bức tượng giống con người.
Chúng ta kể những câu chuyện về những sinh vật nhân tạo có sự sống.
Chúng ta chế tạo những cỗ máy bắt chước chuyển động của cơ thể.
Và cuối cùng, chúng ta bắt đầu thử tạo ra thứ khó nhất:
Một cỗ máy có thể suy nghĩ.
Biên niên sử AI vì thế không chỉ là lịch sử của thuật toán.
Nó là lịch sử của một tham vọng kéo dài hàng nghìn năm: giải mã bí mật của trí tuệ và tìm cách tái tạo nó.
Chương 1
Mùa hè 1956: Ngày con người đặt tên cho giấc mơ
Ngày 18 tháng 6 năm 1956, tại khuôn viên xanh mướt của Đại học Dartmouth ở Hanover, New Hampshire, một nhóm các nhà khoa học tập trung trong một hội thảo mùa hè kéo dài nhiều tuần.
Họ không biết rằng cuộc gặp này sau này sẽ được xem là khoảnh khắc khai sinh của một lĩnh vực làm thay đổi thế giới.
John McCarthy, một trợ lý giáo sư toán học trẻ tuổi tại Dartmouth, đã sử dụng một thuật ngữ mới trong đề xuất hội thảo:
Artificial Intelligence – Trí tuệ nhân tạo.
Cái tên nghe có vẻ đơn giản, nhưng ẩn chứa trong đó là một tuyên bố cực kỳ táo bạo:
Trí tuệ không phải là đặc quyền bí ẩn chỉ tồn tại trong bộ não sinh học.
Nó có thể được nghiên cứu.
Có thể được mô tả.
Và nếu có thể mô tả, có thể chế tạo.
Trong bản đề xuất gửi Quỹ Rockefeller để xin tài trợ, McCarthy và các cộng sự tuyên bố:
“Mọi khía cạnh của việc học tập hoặc bất kỳ đặc điểm nào khác của trí tuệ, về nguyên tắc, có thể được mô tả chính xác đến mức một cỗ máy có thể được tạo ra để mô phỏng nó.”
Ngày nay, tuyên bố này nghe giống như một dự đoán thiên tài.
Nhưng vào năm 1956, nó gần như là một lời hứa không tưởng.
Thế giới lúc đó vừa bước ra khỏi Thế chiến II và đang bước vào một kỷ nguyên mới.
Máy tính điện tử vẫn còn rất sơ khai.
IBM 650 – một trong những máy tính thương mại đầu tiên được sản xuất hàng loạt – mới chỉ xuất hiện vài năm trước đó.
Elvis Presley đang trở thành biểu tượng văn hóa mới.
Phong trào dân quyền tại Mỹ đang bắt đầu tạo ra những thay đổi xã hội sâu sắc.
Chiến tranh Lạnh khiến cuộc cạnh tranh khoa học giữa Mỹ và Liên Xô trở thành một cuộc chạy đua sinh tồn.
Trong bối cảnh đó, một nhóm nhà khoa học trẻ tuyên bố rằng họ có thể tạo ra một thứ giống như trí tuệ con người.
Không có gì ngạc nhiên khi các nhà tài trợ tỏ ra thận trọng.
Nhóm nghiên cứu ban đầu xin 13.500 USD từ Quỹ Rockefeller.
Họ chỉ nhận được 7.500 USD.
Gần một nửa ngân sách biến mất.
Nhưng có một nghịch lý thú vị:
Sự hoài nghi của các nhà tài trợ có thể đã đúng về thời gian, nhưng sai về hướng đi.
Những nhà sáng lập AI đã đánh giá quá cao tốc độ tiến bộ.
Họ không tạo ra trí tuệ nhân tạo trong một mùa hè.
Họ mất hơn sáu thập kỷ.
Nhưng ý tưởng nền tảng của họ lại hoàn toàn chính xác.
Đây là mô hình quen thuộc trong lịch sử công nghệ:
Những người tiên phong thường sai về khi nào một điều sẽ xảy ra.
Nhưng đôi khi họ đúng về điều gì sẽ xảy ra.
Overpromising: Sai lầm hay chiến lược?
Lịch sử AI chứa đầy những lời hứa lớn.
Và điều thú vị là chính những lời hứa đó thường trở thành động lực thúc đẩy ngành công nghiệp phát triển.
Google là một ví dụ.
Năm 1996, Larry Page và Sergey Brin bắt đầu một dự án tìm kiếm có tên BackRub.
Một năm sau, họ đổi tên thành Google.
Tên gọi này xuất phát từ “Googol” – thuật ngữ toán học chỉ số 1 với 100 số 0 phía sau.
Một cái tên quá lớn đối với một công cụ tìm kiếm còn non trẻ.
Nhưng chính sự phi thực tế đó lại truyền tải một tầm nhìn:
Không chỉ tìm kiếm vài triệu trang web.
Mà là tổ chức toàn bộ thông tin của thế giới.
Ngày nay, chúng ta nhìn lại và thấy tham vọng đó không còn quá điên rồ.
Nhưng tại thời điểm ban đầu, nó cũng là một dạng “overpromising”.
Thung lũng Silicon hiểu một nguyên tắc quan trọng:
Những ý tưởng thay đổi thế giới hiếm khi bắt đầu bằng những tuyên bố khiêm tốn.
Con người không đầu tư hàng tỷ USD vào một tương lai bình thường.
Họ đầu tư vào những giấc mơ dường như không thể.
AI cũng vậy.
Giấc mơ về một cỗ máy có trí tuệ có thể đã được phóng đại.
Nhưng chính sự phóng đại đó tạo ra năng lượng cần thiết để biến nó thành hiện thực.
Chương 2
Trước khi có AI, đã có giấc mơ về trí tuệ nhân tạo
Nếu Dartmouth là nơi AI được đặt tên, thì nguồn gốc của nó phải được tìm kiếm xa hơn rất nhiều.
Bởi trước khi có máy tính, con người đã đặt câu hỏi liệu tư duy có thể được cơ giới hóa hay không.
Aristotle và tham vọng biến suy nghĩ thành quy luật
Khoảng hơn 2.300 năm trước, Aristotle xây dựng hệ thống logic hình thức đầu tiên của nhân loại.
Ông nhận ra rằng suy luận của con người không hoàn toàn hỗn loạn.
Nó có cấu trúc.
Ví dụ:
Mọi con người đều phải chết.
Socrates là con người.
Vì vậy Socrates phải chết.
Đằng sau ví dụ đơn giản này là một ý tưởng mang tính cách mạng:
Nếu suy nghĩ tuân theo quy luật, liệu suy nghĩ có thể được tự động hóa?
Trong nhiều thế kỷ sau đó, đây trở thành một trong những câu hỏi lớn nhất của triết học và toán học.
Thomas Hobbes, nhà triết học người Anh thế kỷ XVII, từng cho rằng:
Lý luận chẳng khác gì một dạng tính toán.
Đối với Hobbes, suy nghĩ là quá trình xử lý các biểu tượng.
Nếu con người có thể suy luận bằng cách thao tác các khái niệm, có lẽ máy móc cũng có thể làm điều tương tự.
Gottfried Wilhelm Leibniz cũng theo đuổi một giấc mơ tương tự.
Ông muốn tạo ra một “ngôn ngữ phổ quát của tư duy” – một hệ thống trong đó mọi tranh luận của con người có thể được giải quyết bằng tính toán.
Thay vì tranh cãi:
“Hãy tính toán.”
Đó là một ý tưởng tưởng như viễn tưởng.
Nhưng nó chính là nền móng triết học của AI hiện đại.
Ada Lovelace: Người nhìn thấy tương lai trước khi máy tính tồn tại
Nếu Aristotle đặt nền móng cho logic, Hobbes và Leibniz đặt câu hỏi liệu tư duy có thể được tính toán, thì Ada Lovelace là người đầu tiên nhìn thấy một khả năng xa hơn:
Máy móc không chỉ có thể tính toán.
Máy móc có thể xử lý ý tưởng.
Năm 1843, Ada Lovelace – con gái của nhà thơ nổi tiếng Lord Byron – viết những ghi chú cho công trình về Analytical Engine của Charles Babbage.
Babbage là một thiên tài của thời đại Victoria.
Ông bị ám ảnh bởi một vấn đề rất thực tế: các bảng toán học được sử dụng trong hàng hải, thiên văn học và kỹ thuật thường chứa đầy sai sót do con người tính toán thủ công.
Ông muốn tạo ra một cỗ máy có thể tự động thực hiện các phép tính chính xác.
Analytical Engine của Babbage chưa bao giờ thực sự hoàn thiện, nhưng về mặt ý tưởng, nó đã chứa gần như đầy đủ các thành phần của một máy tính hiện đại:
- bộ nhớ,
- bộ xử lý,
- chương trình điều khiển,
- dữ liệu đầu vào.
Nhưng điều khiến Ada Lovelace trở nên đặc biệt không phải là việc bà mô tả cách máy hoạt động.
Mà là việc bà nhìn thấy thứ mà chính Babbage chưa nhìn thấy.
Bà nhận ra rằng:
Nếu âm nhạc, hình ảnh hay ngôn ngữ có thể được biểu diễn bằng các ký hiệu toán học, thì một cỗ máy xử lý ký hiệu hoàn toàn có thể thao tác với chúng.
Một chiếc máy tính trong tương lai không chỉ là một “máy tính toán”.
Nó có thể trở thành một “cỗ máy biểu diễn”.
Hơn một thế kỷ sau, ý tưởng này chính là nền tảng của thế giới kỹ thuật số.
Một bức ảnh trên Instagram, một bài hát trên Spotify, một bộ phim trên Netflix hay một câu trả lời của ChatGPT đều có chung một bản chất:
Chúng được chuyển đổi thành những chuỗi ký hiệu mà máy móc có thể xử lý.
Ada Lovelace đã nhìn thấy điều đó vào năm 1843, trước cả khi điện năng trở thành nền tảng của máy tính.
Nhưng bà cũng để lại một câu hỏi vẫn còn vang vọng trong thời đại AI:
Liệu một cỗ máy có thể thực sự sáng tạo?
Hay nó chỉ đang thực hiện những gì con người đã ra lệnh?
Bà viết rằng Analytical Engine “không có tham vọng tự tạo ra bất cứ điều gì”.
Nó chỉ làm những gì chúng ta bảo nó làm.
Đây chính là Lovelace’s Critique – một trong những tranh luận quan trọng nhất của AI hiện đại.
Khi ChatGPT viết một bài thơ, tạo một hình ảnh hay đưa ra một ý tưởng mới, liệu nó có thực sự sáng tạo?
Hay nó chỉ đang tái tổ hợp những mẫu hình đã học được từ hàng tỷ ví dụ?
Câu hỏi của Ada Lovelace từ 180 năm trước vẫn chưa có câu trả lời cuối cùng.
Chương 3
Alan Turing và khoảnh khắc trí tuệ trở thành một bài toán khoa học
Nếu Ada Lovelace nhìn thấy khả năng của máy tính trước khi máy tính tồn tại, thì Alan Turing là người biến câu hỏi về trí tuệ máy thành một vấn đề khoa học cụ thể.
Turing xuất hiện ở một thời điểm đặc biệt trong lịch sử.
Thế giới đang bị cuốn vào Thế chiến II.
Một cuộc chiến không chỉ diễn ra bằng xe tăng, máy bay và tàu chiến.
Nó còn diễn ra trong không gian bí mật của thông tin.
Mật mã Enigma của Đức Quốc xã được xem là một trong những hệ thống mã hóa phức tạp nhất thời đó.
Các thông điệp quân sự được mã hóa bằng hàng triệu khả năng kết hợp khác nhau.
Để giải mã chúng bằng tay gần như là điều bất khả thi.
Turing và nhóm của ông tại Bletchley Park đã xây dựng cỗ máy Bombe để tìm kiếm các cấu trúc trong mật mã Enigma.
Đó là một trong những chiến công tính toán quan trọng nhất thế kỷ XX.
Nhưng đóng góp lớn nhất của Turing không nằm ở cỗ máy giải mã.
Nó nằm trong một câu hỏi triết học:
Máy móc có thể suy nghĩ không?
Máy Turing: Định nghĩa lại giới hạn của tính toán
Năm 1936, khi mới 24 tuổi, Turing công bố một công trình toán học mang tính nền tảng:
“On Computable Numbers”.
Trong đó, ông đưa ra khái niệm Máy Turing.
Ý tưởng rất đơn giản:
Một cỗ máy lý thuyết có thể đọc, ghi và xử lý các ký hiệu theo những quy tắc nhất định.
Nhưng từ mô hình đơn giản đó, Turing chứng minh một điều cực kỳ quan trọng:
Không phải mọi vấn đề đều có thể được giải quyết bằng tính toán.
Có những giới hạn cố hữu mà không một chiếc máy nào có thể vượt qua, dù nó mạnh đến đâu.
Điều này tạo ra một nghịch lý thú vị.
Turing vừa là người mở đường cho giấc mơ tạo ra trí tuệ nhân tạo, vừa là người chứng minh rằng máy móc luôn tồn tại những giới hạn không thể vượt qua.
Giống như anh em nhà Wright trước khi chế tạo máy bay đã phải hiểu về lực cản không khí, Turing hiểu rằng muốn tạo ra trí tuệ nhân tạo, trước hết phải hiểu giới hạn của chính trí tuệ nhân tạo.
Turing Test: Khi định nghĩa trí tuệ thay đổi
Năm 1950, Turing xuất bản bài báo nổi tiếng:
“Computing Machinery and Intelligence”.
Ngay từ dòng đầu tiên, ông đặt ra câu hỏi:
“Máy móc có thể suy nghĩ không?”
Nhưng thay vì tranh luận về bản chất của suy nghĩ – một vấn đề có thể kéo dài vô tận trong triết học – Turing thay đổi hoàn toàn cách đặt câu hỏi.
Ông đề xuất một trò chơi:
Một người trò chuyện với hai đối tượng phía sau màn hình.
Một là con người.
Một là máy tính.
Nếu người đó không thể phân biệt đâu là máy, đâu là người, liệu chúng ta có nên coi máy là có trí tuệ?
Đây là bước chuyển cực kỳ quan trọng.
Turing không cố định nghĩa trí tuệ.
Ông đo lường biểu hiện của trí tuệ.
Đó là một cách tiếp cận rất hiện đại:
Thay vì hỏi bên trong một hệ thống có gì, hãy quan sát nó có thể làm gì.
Ngày nay, mỗi khi chúng ta tranh luận liệu ChatGPT có “hiểu” hay không, chúng ta vẫn đang quay lại câu hỏi của Turing.
Nếu một hệ thống có thể giao tiếp, suy luận, sáng tạo và hỗ trợ con người ở mức gần như không thể phân biệt với một chuyên gia, liệu việc nó “thực sự hiểu” còn là vấn đề quan trọng nhất?
Hay chúng ta đang cố giữ một định nghĩa cũ về trí tuệ trong một thế giới đã thay đổi?
Chương 4
Kỷ nguyên Symbolic AI: Khi con người cố gắng viết ra trí tuệ
Năm 1956, khi Dartmouth Conference diễn ra, niềm tin lớn nhất của những người sáng lập AI là:
Trí tuệ chính là khả năng thao tác ký hiệu.
Nếu con người có thể suy nghĩ bằng các khái niệm, thì máy tính cũng có thể suy nghĩ bằng cách xử lý các biểu tượng.
Đây là thời kỳ được gọi là:
Symbolic AI – Kỷ nguyên trí tuệ biểu tượng.
Niềm tin cốt lõi rất đơn giản:
Con người chỉ cần viết đủ quy tắc.
Máy tính sẽ trở nên thông minh.
Tìm kiếm: nền tảng đầu tiên của AI
Một trong những ý tưởng quan trọng nhất của AI thời kỳ đầu là:
Mọi vấn đề có thể được chuyển thành bài toán tìm kiếm.
Một mê cung?
Tìm đường đi.
Một ván cờ?
Tìm nước đi tối ưu.
Một bài toán logic?
Tìm chuỗi suy luận đúng.
Robot Shakey của Stanford năm 1968 là một ví dụ điển hình.
Shakey được xem là robot đầu tiên có khả năng:
- nhận biết môi trường,
- lập kế hoạch,
- tự quyết định hành động.
Nếu giao nhiệm vụ:
“Đi đến thư viện lấy một cuốn sách”,
Shakey không hiểu khái niệm “thư viện”.
Nó không biết sách là gì.
Nó chỉ thao tác với bản đồ kỹ thuật số:
Phòng A → hành lang → phòng B → vị trí mục tiêu.
Ở một góc nhìn nào đó, Shakey giống như một đứa trẻ học thuộc lòng đường đi mà không hiểu nơi mình đang đến.
Nhưng vào thời điểm đó, nó là một kỳ tích.
Con người bắt đầu tin rằng chỉ cần thêm nhiều quy tắc hơn, máy móc sẽ tiến gần tới trí tuệ thực sự.
Niềm tin ấy kéo dài nhiều thập kỷ.
Cho đến khi một vấn đề lớn xuất hiện.
Một vấn đề mà sau này trở thành một trong những thách thức trung tâm của AI:
Grounding Problem – Bài toán kết nối ký hiệu với thế giới thực.
Chương 5
Căn phòng Trung Quốc và câu hỏi: Hiểu hay chỉ mô phỏng?
Năm 1980, triết gia John Searle đưa ra một thí nghiệm tưởng tượng nổi tiếng:
Chinese Room – Căn phòng Trung Quốc.
Hãy tưởng tượng một người không biết tiếng Trung bị nhốt trong một căn phòng.
Bên ngoài, người ta đưa vào những câu hỏi bằng tiếng Trung.
Bên trong có một cuốn sách hướng dẫn:
Nếu nhận được ký hiệu này, hãy trả lời bằng ký hiệu kia.
Người trong phòng không hiểu bất kỳ từ nào.
Nhưng nhờ làm theo quy tắc, họ vẫn có thể tạo ra những câu trả lời hoàn hảo.
Đối với người bên ngoài, căn phòng dường như biết tiếng Trung.
Nhưng thực tế:
Không ai trong căn phòng hiểu tiếng Trung cả.
Searle dùng lập luận này để phản biện AI biểu tượng:
Một hệ thống có thể xử lý ký hiệu rất giỏi.
Nhưng xử lý ký hiệu không đồng nghĩa với hiểu ý nghĩa.
Một máy tính có thể biết rằng:
“Socrates là người.”
“Người thì phải chết.”
“Socrates phải chết.”
Nhưng nó không biết Socrates từng đi bộ trên đường phố Athens.
Nó không biết cái chết có ý nghĩa gì đối với một con người.
Nó chỉ biết mối quan hệ giữa các ký hiệu.
Chương 6
Mùa đông AI: Khi giấc mơ đi nhanh hơn thực tế
Cuối những năm 1960, AI dường như đang đứng trước một tương lai huy hoàng.
Những nhà nghiên cứu tin rằng chỉ trong vài thập kỷ, máy tính sẽ có khả năng trò chuyện, suy luận và giải quyết những vấn đề phức tạp giống con người.
Nhưng lịch sử công nghệ hiếm khi diễn ra theo đường thẳng.
Khoảng cách giữa một ý tưởng vĩ đại và một sản phẩm thực tế đôi khi dài hơn rất nhiều so với dự đoán.
AI bắt đầu gặp phải một vấn đề cơ bản:
Thế giới thực quá phức tạp.
Một hệ thống dựa trên hàng nghìn quy tắc có thể hoạt động tốt trong môi trường được kiểm soát.
Nhưng chỉ cần bước ra khỏi phòng thí nghiệm, mọi thứ trở nên hỗn loạn.
Con người không suy nghĩ bằng hàng triệu luật “nếu – thì”.
Chúng ta hiểu thế giới bằng kinh nghiệm, trực giác, ngữ cảnh và những kiến thức khó có thể viết thành công thức.
Một đứa trẻ không cần hàng nghìn quy tắc để nhận biết một con chó.
Nó chỉ cần nhìn thấy đủ nhiều ví dụ.
Nhưng AI thời kỳ đó chưa có khả năng học từ ví dụ.
Nó chỉ biết làm theo những gì con người đã viết.
Năm 1973, chính phủ Anh công bố báo cáo Lighthill, chỉ trích mạnh mẽ những tuyên bố quá lạc quan của AI.
Nhiều dự án bị cắt giảm ngân sách.
Một “mùa đông AI” bắt đầu.
Đến cuối những năm 1980, một mùa đông thứ hai xuất hiện khi các hệ thống chuyên gia – niềm hy vọng lớn của AI thương mại – không thể đáp ứng kỳ vọng.
Những hệ thống này từng được xem là tương lai của doanh nghiệp.
Chúng có thể đưa ra chẩn đoán y khoa, tư vấn tài chính, hỗ trợ ra quyết định.
Nhưng vấn đề là:
Chúng quá mong manh.
Một chuyên gia con người có thể xử lý tình huống bất ngờ bằng kinh nghiệm.
Một hệ thống chuyên gia chỉ biết những gì đã được nạp vào.
Khi thế giới thay đổi, nó không biết phải làm gì.
AI nhận ra một bài học quan trọng:
Có lẽ vấn đề không phải là viết thêm nhiều quy tắc.
Có lẽ vấn đề là:
Để máy móc tự tìm ra quy luật.
Đây chính là bước ngoặt dẫn tới kỷ nguyên tiếp theo.
Chương 7
Kỷ nguyên Machine Learning: Khi máy tính bắt đầu học
Sự thay đổi lớn nhất trong lịch sử AI không đến từ việc tạo ra những chương trình thông minh hơn.
Nó đến từ việc thay đổi cách chúng ta định nghĩa trí tuệ.
Trong kỷ nguyên Symbolic AI, tư duy được xem là:
Con người → viết quy tắc → máy thực hiện
Nhưng Machine Learning đưa ra một mô hình hoàn toàn khác:
Con người → cung cấp dữ liệu → máy tự tìm quy luật
Đây là một sự thay đổi mang tính triết học.
Con người không còn cố gắng viết ra toàn bộ trí tuệ.
Con người tạo ra một môi trường để trí tuệ có thể xuất hiện.
Giống như cách một đứa trẻ học ngôn ngữ.
Không ai dạy một đứa trẻ bằng cách viết ra toàn bộ ngữ pháp.
Nó nghe.
Nó quan sát.
Nó thử sai.
Nó dần hình thành mô hình về thế giới.
Machine Learning đưa ý tưởng đó vào máy tính.
Nhưng để điều này trở thành hiện thực, ba yếu tố phải xuất hiện cùng lúc:
Dữ liệu.
Sức mạnh tính toán.
Thuật toán.
Trong nhiều thập kỷ, AI chỉ có một hoặc hai yếu tố.
Nhưng đến thế kỷ XXI, cả ba hội tụ.
Internet tạo ra một lượng dữ liệu chưa từng có trong lịch sử.
GPU từ ngành công nghiệp game trở thành công cụ tính toán mạnh mẽ cho mạng thần kinh.
Và những thuật toán mới cho phép máy học sâu hơn.
Đó là thời điểm Deep Learning xuất hiện.
Chương 8
Từ Deep Blue đến AlphaGo: Khoảnh khắc máy móc vượt khỏi trực giác con người
Năm 1997, thế giới chứng kiến một khoảnh khắc lịch sử.
Deep Blue của IBM đánh bại Garry Kasparov – nhà vô địch cờ vua thế giới.
Đối với nhiều người, đây là bằng chứng rằng máy tính đã vượt qua con người.
Nhưng thực tế phức tạp hơn.
Deep Blue chiến thắng bằng sức mạnh tính toán.
Nó có thể phân tích hàng triệu nước đi mỗi giây.
Nó có một thư viện khổng lồ các chiến thuật.
Nhưng nó không chơi cờ giống con người.
Nó không “hiểu” vẻ đẹp của một nước cờ.
Nó không có trực giác.
Nó chỉ tìm kiếm.
Gần hai thập kỷ sau, AlphaGo của DeepMind tạo ra một bước ngoặt sâu sắc hơn.
Cờ vây khác cờ vua ở một điểm quan trọng:
Không gian khả năng quá lớn.
Số lượng nước đi có thể xảy ra trong cờ vây lớn hơn số nguyên tử trong vũ trụ quan sát được.
Không thể chỉ dựa vào tìm kiếm.
AlphaGo phải học.
Nó sử dụng mạng thần kinh để đánh giá vị trí.
Nó chơi hàng triệu ván đấu với chính mình.
Nó khám phá những chiến lược mà các kỳ thủ hàng đầu chưa từng nghĩ tới.
Khi AlphaGo đánh bại Lee Sedol năm 2016, điều khiến thế giới kinh ngạc không chỉ là chiến thắng.
Mà là một nước đi.
Nước đi thứ 37 trong ván đấu thứ hai.
Các chuyên gia ban đầu nghĩ rằng đó là một sai lầm.
Nhưng sau đó họ nhận ra:
AlphaGo đã tìm thấy một khả năng sáng tạo mà con người bỏ qua.
Lần đầu tiên, một hệ thống AI không chỉ bắt chước con người.
Nó mở rộng không gian tư duy của con người.
Chương 9
Transformer và sự ra đời của ChatGPT
Nếu AlphaGo đánh dấu bước ngoặt của AI trong việc học cách nhìn thấy chiến lược, thì Transformer mở ra bước ngoặt trong việc hiểu ngôn ngữ.
Năm 2017, nhóm nghiên cứu Google công bố kiến trúc Transformer.
Một ý tưởng nghe có vẻ kỹ thuật, nhưng tác động của nó lại mang tính cách mạng:
Thay vì đọc từng từ một cách tuần tự, Transformer cho phép AI xem xét mối quan hệ giữa các từ trong toàn bộ câu.
Nó học được ngữ cảnh.
Một từ có thể mang nhiều ý nghĩa.
“Apple” có thể là một loại trái cây.
Hoặc một công ty công nghệ.
Ý nghĩa phụ thuộc vào những từ xung quanh.
Transformer giúp máy tính xử lý chính điều mà con người làm một cách tự nhiên:
Hiểu ngôn ngữ trong bối cảnh.
ChatGPT không phải là một phát minh xuất hiện trong một đêm.
Nó là kết quả của một chuỗi dài các ý tưởng:
Logic của Aristotle.
Máy tính của Babbage.
Tầm nhìn của Ada Lovelace.
Lý thuyết của Turing.
Mạng thần kinh của Pitts và McCulloch.
Deep Learning.
Transformer.
Và cuối cùng:
Hàng nghìn tỷ từ do nhân loại tạo ra trên Internet.
ChatGPT giống như một tấm gương khổng lồ phản chiếu tri thức của nhân loại.
Nhưng nó cũng đặt lại câu hỏi của Ada Lovelace:
Nó đang sáng tạo?
Hay chỉ đang tổng hợp?
Nó hiểu?
Hay chỉ đang mô phỏng sự hiểu biết?
Có lẽ câu trả lời phức tạp hơn cả hai lựa chọn.
Chương 10
Prometheus và nỗi sợ tạo ra một trí tuệ khác
Nỗi sợ AI không bắt đầu với Terminator.
Nó đã tồn tại trong những câu chuyện cổ xưa nhất của nhân loại.
Người Hy Lạp có Talos – một người máy bằng đồng khổng lồ bảo vệ đảo Crete.
Người Do Thái có Golem – sinh vật bằng đất sét được tạo ra để bảo vệ cộng đồng nhưng cuối cùng trở thành mối đe dọa.
Năm 1818, Mary Shelley viết Frankenstein.
Không phải câu chuyện về một con quái vật.
Mà là câu chuyện về trách nhiệm của người sáng tạo.
Prometheus lấy lửa từ các vị thần và trao cho nhân loại.
Nhưng ngọn lửa có thể sưởi ấm.
Và cũng có thể thiêu rụi.
AI chính là ngọn lửa Prometheus của thế kỷ XXI.
Nó có thể trở thành công cụ mạnh nhất từng được tạo ra.
Nhưng cũng có thể tạo ra những rủi ro chưa từng có.
Những lo ngại hiện nay là có thật:
AI có thể thay đổi thị trường lao động.
Thông tin giả có thể trở nên khó phân biệt hơn.
Deepfake có thể làm lung lay niềm tin xã hội.
Các hệ thống tự động trong chiến tranh có thể thay đổi bản chất xung đột.
Nhưng lịch sử cũng cho thấy công nghệ hiếm khi chỉ có một mặt.
AI cũng đang mở ra những khả năng chưa từng có.
AlphaFold của DeepMind đã giúp dự đoán cấu trúc protein – một bài toán sinh học từng mất hàng thập kỷ để giải quyết.
Halicin – một loại kháng sinh mới – được phát hiện nhờ sự hỗ trợ của AI.
Trong nhiều lĩnh vực, AI không thay thế con người.
Nó mở rộng giới hạn của những gì con người có thể làm.
Kết luận
2062 hay 2028?
Năm 2018, nhà nghiên cứu Toby Walsh xuất bản cuốn sách “2062: The World That AI Made”.
Trong đó, ông dự đoán rằng khoảng năm 2062, máy móc có thể đạt đến trí tuệ ngang con người.
2062 nghe giống như một khoảng thời gian hợp lý.
Đủ xa để tránh sự lạc quan thái quá.
Đủ gần để thế hệ hiện tại có thể hình dung.
Nhưng lịch sử công nghệ nhiều lần cho thấy:
Những thay đổi lớn thường đến nhanh hơn dự đoán.
Không ai biết chính xác Internet sẽ thay đổi thế giới như thế nào.
Không ai dự đoán smartphone sẽ trở thành một phần mở rộng của con người.
Không ai nghĩ rằng chỉ vài năm sau khi xuất hiện, Generative AI sẽ trở thành công cụ được hàng trăm triệu người sử dụng.
Vậy nếu 2062 là một dự đoán quá thận trọng thì sao?
Nếu AGI không xuất hiện sau hơn ba thập kỷ nữa?
Nếu nó xuất hiện vào năm 2028?
Nếu trong vài năm tới, chúng ta tạo ra những hệ thống có thể:
- tự nghiên cứu,
- tự viết phần mềm,
- tự lập kế hoạch,
- tự cải thiện khả năng của chính mình?
Khi đó, câu hỏi lớn nhất của nhân loại sẽ không còn là:
“Máy móc có thể suy nghĩ hay không?”
Có lẽ câu hỏi đúng hơn là:
Con người sẽ làm gì khi trí tuệ không còn là đặc quyền duy nhất của con người?
Bởi lịch sử AI chưa bao giờ chỉ là câu chuyện về việc chế tạo một cỗ máy thông minh.
Nó là câu chuyện về hành trình con người tìm kiếm câu trả lời cho một bí ẩn lớn hơn:
Trí tuệ thực sự là gì?
Và trong quá trình cố gắng tạo ra một trí tuệ khác, có lẽ chúng ta cuối cùng sẽ hiểu rõ hơn chính mình.
Biên niên sử AI vẫn đang được viết.
Không chỉ bằng những dòng code.
Mà bằng từng quyết định của con người hôm nay.
Và khi thế hệ tương lai nhìn lại từ năm 2062, có thể họ sẽ hỏi:
“AI đã thay đổi thế giới như thế nào?”
Nhưng cũng có thể họ sẽ hỏi một câu hỏi khác:
“Khoảnh khắc nào con người nhận ra rằng họ không còn là nền văn minh duy nhất sở hữu trí tuệ?”
