Cùng nhau định hướng con đường đến Trí tuệ nhân tạo tổng quát (AGI)

Trong bối cảnh trí tuệ nhân tạo tổng quát (AGI) đang phát triển nhanh chóng, cuộc trò chuyện về nó đang chuyển từ tranh luận triết học sang tính ứng dụng thực tiễn, với tiềm năng to lớn để chuyển đổi các doanh nghiệp toàn cầu và tiềm năng con người.

Loạt sự kiện AGI Icons của Turing quy tụ các nhà đổi mới AI để thảo luận về những tiến bộ thiết thực và có trách nhiệm của các giải pháp AGI. Vào ngày 24 tháng 7, Turing đã tổ chức sự kiện AGI Icons thứ hai tại SHACK15, trung tâm dành riêng cho các doanh nhân và nhà đổi mới công nghệ của San Francisco. Với vai trò điều phối bởi Anita Ramaswamy, nhà báo chuyên mục tài chính tại The Information, tôi đã có buổi trò chuyện cùng Adam D’Angelo, CEO của Quora, để thảo luận về con đường đến với AGI và chia sẻ những hiểu biết sâu sắc về lộ trình phát triển, ứng dụng trong thế giới thực và các nguyên tắc triển khai có trách nhiệm.

Con Đường Từ AI đến AGI

“Ngôi sao Bắc Đẩu” dẫn đường cho nghiên cứu trí tuệ nhân tạo AI chính là theo đuổi “trí thông minh” ở cấp độ con người. Điều tạo nên sự khác biệt giữa AGI và AI tiêu chuẩn chính là khả năng vượt ra khỏi chức năng hạn hẹp để hướng tới tính tổng quát (bề rộng) và hiệu suất (chiều sâu) lớn hơn, thậm chí vượt qua khả năng của con người.

Đây chính là “con đường dẫn đến AGI”, nơi AI tiến tới các hệ thống tự chủ hơn, khả năng lập luận vượt trội, năng lực nâng cao và chức năng được cải thiện. Những tiến bộ này được chia thành năm cấp độ phân loại:

• Cấp độ 0: Không có AI – Các công cụ đơn giản như máy tính

• Cấp độ 1: AGI mới nổi – Các LLM hiện tại như ChatGPT

• Cấp độ 2: AGI có năng lực – Các hệ thống AI có thể thực hiện các nhiệm vụ cụ thể ngang bằng với người trưởng thành có kỹ năng

• Cấp độ 3: AGI chuyên gia – Hệ thống AI ở mức phân vị thứ 90 của người trưởng thành có kỹ năng

• Cấp độ 4: AGI bậc thầy – Hệ thống AI ở mức phân vị 99

• Cấp độ 5: AGI siêu phàm – Hệ thống AI vượt trội hơn tất cả con người

Trong cuộc thảo luận của chúng tôi, Adam đã định nghĩa khái niệm AGI là “phần mềm có thể làm mọi thứ mà con người có thể làm”. Ông hình dung một tương lai nơi AI tự cải thiện, cuối cùng đảm nhận các nhiệm vụ phức tạp của con người do các nhà nghiên cứu học máy đảm nhiệm.

Đi xa hơn nữa, tôi đã so sánh quan điểm của mình về AGI với “bộ não nhân tạo” có khả năng thực hiện các nhiệm vụ đa dạng như “dịch máy, truy vấn phức tạp và viết mã”. Đó là sự khác biệt giữa AGI và các dạng AI dự đoán và ML hạn chế hơn trước đó. Nó giống như một hành vi nổi lên.

Lộ Trình Phát Triển Thực Tế Trên Con Đường Đến Với AGI

Cũng giống như một chuyến đi đường bộ, câu hỏi thường trực về AGI là: “Chúng ta đã đến chưa?”. Câu trả lời ngắn gọn là chưa, nhưng khi nghiên cứu AI đang tăng tốc, câu hỏi đúng cần đặt ra là: “Làm cách nào để chúng ta có thể cân bằng tham vọng AGI với kỳ vọng thực tế?”.

Adam nhấn mạnh rằng việc tự động hóa gia tăng từ AGI sẽ thay đổi vai trò của con người thay vì loại bỏ họ, dẫn đến tăng trưởng kinh tế nhanh hơn và năng suất hiệu quả hơn. “Khi công nghệ này trở nên mạnh mẽ hơn, chúng ta sẽ đến một thời điểm mà 90% những gì mọi người đang làm ngày nay được tự động hóa, nhưng mọi người sẽ chuyển sang làm những việc khác.”

Hiện tại, phần lớn nền kinh tế thế giới bị hạn chế bởi số lượng người có sẵn để làm việc. Khi chúng ta đạt được AGI, chúng ta có thể phát triển nền kinh tế với tốc độ nhanh hơn nhiều so với hiện tại.

Chúng tôi không thể đưa ra một mốc thời gian chắc chắn khi nào AGI thực sự sẽ được hiện thực hóa, nhưng Adam và tôi đã tr ích dẫn một số trường hợp về những tiến bộ của AI đang mở đường cho những bước tiến của AGI trong tương lai. Ví dụ, các thí nghiệm của Turing với các công cụ dành cho nhà phát triển AI cho thấy năng suất của nhà phát triển tăng 33%, cho thấy tiềm năng thậm chí còn lớn hơn.

Ứng Dụng Và Ảnh Hưởng Trong Thế Giới Thực

Một trong những ứng dụng đầy hứa hẹn nhất của AGI nằm ở lĩnh vực phát triển phần mềm. Mô hình ngôn ngữ lớn (LLM), tiền thân của AGI, đã được sử dụng để nâng cao khả năng phát triển phần mềm và cải thiện chất lượng mã. Tôi thấy kỷ nguyên AI này gần với sinh học hơn là vật lý, nơi tất cả các loại hình công việc tri thức sẽ được cải thiện. Sẽ có nhiều năng suất hơn nữa được giải phóng từ và cho nhân loại.

Quan điểm của tôi đến từ kinh nghiệm, nơi tôi đã chứng kiến ​​năng suất cá nhân tăng gấp 10 lần khi sử dụng LLM và các công cụ dành cho nhà phát triển AI. Chúng tôi cũng đang sử dụng AI tại Turing để đánh giá năng lực kỹ thuật và kết nối các kỹ sư phần mềm và chuyên gia tên miền cấp độ Tiến sĩ phù hợp với đúng công việc.

Ví dụ, điều tôi đang thấy trong lĩnh vực đào tạo LLM là các nhà đào tạo tận dụng các mô hình này để nâng cao năng suất của nhà phát triển và rút ngắn thời gian thực hiện dự án. Bằng cách tự động hóa các tác vụ viết mã thông thường và cung cấp các đề xuất mã thông minh, LLM giải phóng các nhà phát triển để tập trung vào các khía cạnh chiến lược và sáng tạo hơn trong công việc của họ.

Adam kết luận: “LLM sẽ không viết tất cả các đoạn mã, nhưng việc hiểu các nguyên tắc cơ bản của phần mềm vẫn rất quan trọng. Máy tính bỏ túi không loại bỏ nhu cầu học số học.” Ông nói thêm, “Các nhà phát triển trở nên có giá trị hơn khi sử dụng các mô hình này. Sự hiện diện của LLM là một điều tích cực đối với công việc của nhà phát triển và sẽ có rất nhiều lợi ích cho các nhà phát triển.”

Chúng ta đang bước vào kỷ nguyên vàng của phát triển phần mềm, nơi một kỹ sư phần mềm có thể làm việc hiệu quả gấp 10 lần, sáng tạo nhiều hơn và mang lại lợi ích cho thế giới.

Thách Thức Về Kỹ Thuật Và Quản Trị

Bất chấp tiềm năng đầy hứa hẹn của AGI, những thách thức phải được giải quyết. Các quy trình đánh giá mạnh mẽ và khung pháp lý là cần thiết để cân bằng sự đổi mới AGI với an toàn công cộng.

Adam nhấn mạnh sự cần thiết của việc kiểm tra kỹ lưỡng và cơ chế sandbox để hạn chế các trường hợp xấu nhất. “Bạn muốn có một số loại quy trình đánh giá mạnh mẽ… và có được sự phân phối mà bạn đang thử nghiệm càng gần với mức sử dụng trong thế giới thực càng tốt.”

Và tôi đồng ý. Nút thắt cổ chai cho sự tiến bộ của AGI bây giờ là trí thông minh của con người, chứ không phải là sức mạnh tính toán hay dữ liệu. Trí tuệ của con người là rất quan trọng để tinh chỉnh và tùy chỉnh các mô hình AI, đó là lý do tại sao Turing tập trung vào việc tìm kiếm và kết nối các chuyên gia công nghệ hàng đầu để cân bằng các mô hình với trí thông minh của con người.

Chúng ta phải giải quyết trực diện những thách thức của AGI bằng cách tập trung vào khả năng hơn là quy trình, tính tổng quát và hiệu suất, và tiềm năng.

Quan Điểm Về Những Thách Thức: Cải Thiện Tương Tác Giữa Con Người Và AGI

Một số phương pháp hay nhất để giải quyết các thách thức của AGI bao gồm:

• Tập trung vào khả năng hay “AGI có thể làm gì” hơn là quy trình hay “nó làm như thế nào”.

• Cân bằng tính tổng quát và hiệu suất là những thành phần thiết yếu của AGI.

• Tập trung vào các nhiệm vụ nhận thức / siêu nhận thức và khả năng học tập hơn là các nhiệm vụ / kết quả vật chất.

• Đánh giá AGI bằng tiềm năng và khả năng của nó.

• Tập trung vào tính hợp lệ sinh thái bằng cách liên kết các tiêu chuẩn với các nhiệm vụ trong thế giới thực mà mọi người coi trọng.

• Hãy nhớ rằng con đường đến với AGI không phải là một điểm đến duy nhất, đó là một quá trình lặp đi lặp lại.

Bổ sung cho những phương pháp hay nhất này, Adam và tôi nhấn mạnh tầm quan trọng của việc cải thiện tương tác giữa con người và AGI. Adam nhấn mạnh giá trị của việc học cách thức và thời điểm sử dụng các mô hình này, coi chúng như những công cụ học tập mạnh mẽ có thể nhanh chóng dạy bất kỳ lĩnh vực con nào của lập trình trong khi nhấn mạnh tầm quan trọng của việc hiểu các nguyên tắc cơ bản.

Tương tự, tôi cho rằng việc biến mỗi con người thành người dùng thành thạo LLM có thể nâng cao đáng kể năng suất và sự hiểu biết trên nhiều lĩnh vực. LLM có thể giúp mọi người dễ dàng tiếp cận thông tin phức tạp, nâng cao năng suất trong nhiều lĩnh vực khác nhau. Nhưng nó đòi hỏi một cách tiếp cận theo giai đoạn, lặp đi lặp lại: bắt đầu với AI hỗ trợ con người, sau đó chuyển sang các tác nhân có sự giám sát của con người và cuối cùng là đạt được các tác nhân hoàn toàn tự động trong các nhiệm vụ được đánh giá tốt.

Với điều đó, sự khác biệt sau đào tạo là rất quan trọng, bao gồm tinh chỉnh được giám sát (SFT) và tận dụng trí thông minh của con người để xây dựng các mô hình tùy chỉnh. Các công ty có thể tìm nguồn và kết nối người đào tạo, kỹ sư và những người khác sẽ tăng tốc khả năng tinh chỉnh và kỹ thuật tùy chỉnh của họ. Hợp tác với các công ty hàng đầu như OpenAI và Anthropic cũng là chìa khóa để áp dụng các mô hình này trong các ngành dọc khác nhau.

Nguyên Tắc Phát Triển AGI Có Trách Nhiệm

“Sự phát triển của AGI phải có trách nhiệm và đạo đức, đảm bảo an toàn và minh bạch đồng thời thúc đẩy sự đổi mới.” – Adam D’Angelo

Phát triển AGI có trách nhiệm yêu cầu phải tuân thủ một số nguyên tắc cốt lõi:

• An toàn và Bảo mật: Đảm bảo các hệ thống AGI đáng tin cậy và chống lại việc sử dụng sai mục đích, đặc biệt là khi các mô hình mở rộng quy mô để phù hợp với dữ liệu đầu vào hoặc thuật toán mới.

• Minh bạch: Trung thực về khả năng, hạn chế và “cách thức hoạt động” của AGI.

• Cân Nhắc Về Đạo Đức: Giải quyết các vấn đề về công bằng, thiên vị và cách AGI sẽ tác động đến việc làm và các yếu tố kinh tế xã hội khác.

• Quy Định: Làm việc với chính phủ và các tổ chức khác để phát triển khung pháp lý cân bằng giữa tiến bộ với an toàn công cộng.

• Đánh Giá: Các tiêu chuẩn trong tương lai phải định lượng hành vi và khả năng của AGI so với các cân nhắc về đạo đức và cấp độ phân loại.

Kết Luận: Tập Trung Vào Con Đường Dẫn Đến AGI, Không Phải Là Một Điểm Đến Duy Nhất

Con đường đến với AGI rất phức tạp, nhưng mỗi điểm dừng trên con đường đó đều quan trọng đối với hành trình. Bằng cách hiểu được những cải tiến lặp đi lặp lại của AGI—cùng với ý nghĩa của nó—mọi người và doanh nghiệp sẽ có thể áp dụng có trách nhiệm công nghệ đang phát triển này. Đây là mấu chốt của sự phát triển AGI có trách nhiệm, nơi tính tương tác trong thế giới thực cho biết cách chúng ta điều hướng biên giới mới này.