Tại sao AI có thể vô địch Olympic Toán mà không giải được bài toán của trẻ con? Lãnh đạo Google đưa ra câu trả lời

Demis Hassabis, CEO của Google DeepMind, vừa tiết lộ một nghịch lý đáng suy ngẫm về trí tuệ nhân tạo hiện đại trong podcast "Google for Developers". Theo ông, các mô hình AI tiên tiến như Gemini của Google có thể giành huy chương vàng tại Olympic Toán học Quốc tế nhưng lại thường xuyên gặp khó khăn khi giải những bài toán cơ bản của học sinh trung học phổ thông.

Vấn đề này được ông Hassabis gọi là "sự thiếu nhất quán" trong AI, và ông cho rằng đây chính là rào cản lớn ngăn cản việc đạt được AGI - Trí tuệ Nhân tạo Tổng quát, giai đoạn mà AI có thể suy luận như con người. "Sự thiếu nhất quán trong AI là rào cản chính để đạt được AGI," ông Hassabis nhấn mạnh, đồng thời khẳng định đây chính là điều đang kìm hãm công nghệ này khỏi việc phát huy hết tiềm năng.

Trong cuộc trò chuyện, ông Hassabis cũng đề cập đến thuật ngữ "AJI" - "artificial jagged intelligence" (trí tuệ nhân tạo răng cưa) - do CEO Google Sundar Pichai đưa ra để mô tả trạng thái hiện tại của AI. Thuật ngữ này được sử dụng để miêu tả những hệ thống xuất sắc trong một số nhiệm vụ nhất định nhưng lại thất bại ở những nhiệm vụ khác.

Ông Hassabis cũng nhấn mạnh rằng việc giải quyết vấn đề thiếu nhất quán của AI sẽ cần nhiều hơn là chỉ tăng dữ liệu và sức mạnh tính toán. "Chúng ta cần kiểm thử tốt hơn và các tiêu chuẩn đánh giá mới, thách thức hơn để xác định chính xác những gì mà các mô hình xuất sắc và những gì chúng không thể làm được," ông giải thích.

Cuộc tranh luận về AGI tiếp tục chia rẽ ngành công nghệ. Trước đây, ông Hassabis đã có quan điểm thận trọng hơn về sự xuất hiện của AGI so với đồng sáng lập Google Sergey Brin, khi ông kêu gọi cần có những tiêu chuẩn cao hơn trước khi tuyên bố rằng AI đã đạt đến mức độ đó.

Trong khi đó, một sự thay đổi đáng chú ý đang diễn ra ở phía OpenAI. Sam Altman, CEO của OpenAI, người trước đây từng gợi ý rằng thuật ngữ AI AGI "đã cận kề", giờ đây đã có một sự quay đầu hoàn toàn. Tại chương trình "Squawk Box" của CNBC tuần trước, khi được hỏi liệu mô hình GPT-5 mới nhất của công ty có đưa thế giới đến gần hơn với việc đạt được AGI hay không, ông Altman đã trả lời một cách bất ngờ: "Tôi nghĩ đó không phải là một thuật ngữ thực sự hữu ích."

Ông Altman giải thích rằng thách thức với AGI là các công ty và cá nhân khác nhau định nghĩa nó theo những cách khác nhau. Một định nghĩa, ông nói, là một AI có thể thực hiện "một lượng đáng kể công việc trên thế giới." Nhưng điều này có vấn đề, vì loại công việc mà con người làm liên tục thay đổi.

"Tôi nghĩ điểm quan trọng của tất cả điều này là nó không thực sự quan trọng và đó chỉ là sự tăng trưởng theo cấp số nhân liên tục của khả năng mô hình mà chúng ta sẽ dựa vào cho ngày càng nhiều thứ hơn," ông Altman bổ sung.

Sự thay đổi quan điểm này của ông Altman đặc biệt đáng chú ý khi xem xét những tuyên bố trước đây của ông về AGI. Việc một trong những nhà lãnh đạo hàng đầu trong lĩnh vực AI đột nhiên coi thuật ngữ AGI là "không hữu ích" cho thấy sự phức tạp và những thách thức thực tế mà ngành công nghiệp đang đối mặt.

Hiện tượng mà ông Hassabis mô tả - AI vượt trội trong những nhiệm vụ phức tạp nhưng thất bại ở những nhiệm vụ đơn giản hơn - phản ánh một thực tế quan trọng về cách AI hoạt động. Khác với trí tuệ con người có xu hướng nhất quán trong các mức độ khó khăn khác nhau, AI hiện tại hoạt động dựa trên việc nhận dạng các mẫu trong dữ liệu huấn luyện. Điều này có nghĩa là nó có thể xuất sắc trong những lĩnh vực có nhiều dữ liệu chất lượng cao nhưng gặp khó khăn khi đối mặt với những tình huống không quen thuộc hoặc yêu cầu suy luận theo cách mới.

Sự thiếu nhất quán này cũng đặt ra câu hỏi về độ tin cậy của AI trong các ứng dụng thực tế. Nếu một hệ thống có thể giải quyết những vấn đề cực kỳ phức tạp nhưng lại có thể mắc lỗi cơ bản, việc triển khai nó trong những tình huống quan trọng sẽ trở thành một thách thức lớn.

Quan điểm của cả ông Hassabis và ông Altman đều phản ánh một sự trưởng thành trong cách ngành công nghiệp nhìn nhận AI. Thay vì những tuyên bố lạc quan về việc sớm đạt được AGI, các nhà lãnh đạo giờ đây tập trung vào việc hiểu rõ hơn những hạn chế hiện tại và tìm cách cải thiện chúng. Điều này có thể dẫn đến những phát triển thực tế và bền vững hơn trong lĩnh vực AI, thay vì những kỳ vọng không thực tế có thể dẫn đến thất vọng khi không được đáp ứng.

Cuối cùng, những thảo luận này nhấn mạnh rằng con đường đến AGI còn dài hơn nhiều so với những gì từng được dự đoán, và có thể đòi hỏi những đột phá cơ bản trong cách chúng ta thiết kế và huấn luyện các hệ thống AI.