Cách mạng Trí tuệ Nhân tạo: Con đường tiến đến Trí thông minh Siêu việt

Chúng ta đang trên bờ vực của một sự thay đổi sánh ngang với sự xuất hiện của loài người trên Trái Đất. — Vernor Vinge

Cảm giác khi đứng ở đây như thế nào nhỉ?

XEM BÀI GỐC: Waitbutwhy

Tham gia NHÓM KÍN
Thảo luận trên Fanpage

(Phần 2 đang cập nhật)

Có vẻ như đứng ở đó thì cảm giác rất căng thẳng – nhưng rồi bạn phải nhớ một điều là: khi đứng trên đồ thị thời gian, bạn không thể nhìn thấy những gì sắp đến. Vì vậy, đây mới là cảm giác thực sự khi đứng ở đó:

Và cảm giác này khá là bình thường…

_______________

Hãy tưởng tượng bạn dùng một cỗ máy thời gian trở về năm 1750 – thời điểm mà cả thế giới luôn luôn bị mất điện, truyền thông đường dài đồng nghĩa với việc hét to lên hoặc bắn một khẩu pháo vào không khí, và tất cả các phương tiện vận chuyển chạy bằng cách ăn cỏ khô. Khi đến đó, bạn bắt lấy một anh chàng, đưa anh ta đến năm 2015, sau đó đưa anh ta đi một vòng và xem cách anh ta phản ứng với mọi thứ. Chúng ta sẽ không thể hiểu được cảm giác của anh ta khi nhìn thấy những chiếc thùng thép sáng bóng đua nhau trên một đường cao tốc, nói chuyện với những người đang ở phía bên kia của đại dương, xem những trận thể thao cách đó 1.000 dặm, nghe một buổi biểu diễn âm nhạc đã diễn ra cách đây 50 năm và chơi với cái đồ hình chữ nhật kì diệu mà anh ta để có thể dùng để chụp lại một tấm ảnh thực, hoặc ghi lại một khoảnh khắc sống động, tạo ra một bản đồ với một chấm màu lam chuyển động huyền bí cho thấy anh ta đang ở đâu, nhìn vào khuôn mặt của ai đó và trò chuyện với họ mặc dù họ đang ở bên kia đất nước, hoặc hàng loạt các phép thuật không tưởng khác. Và tất cả mới chỉ là trước khi bạn cho anh ta xem Internet hoặc giải thích cho anh ta về những thứ như Trạm Vũ trụ Quốc tế, Máy Gia tốc Hạt Lớn, vũ khí hạt nhân, hoặc thuyết tương đối rộng.

Trải nghiệm này sẽ không làm anh ta bất ngờ hay sốc hay thậm chí là sững sốt – những từ đó không đủ lớn. Anh ta thực sự có thể đột quỵ chết luôn.

Nhưng đây mới là điều thú vị – nếu anh ta quay trở lại năm 1750 và cảm thấy ghen tị vì chúng ta đã nhìn thấy phản ứng của anh ta và quyết định anh ta muốn thử điều tương tự, anh ta sẽ lấy cỗ máy thời gian và trở về quá khứ với cùng một khoảng cách thời gian, bắt lấy một người ở năm 1500, đưa gã đến năm 1750, và cho gã thấy mọi thứ. Chắc chắn gã năm 1500 này sẽ bị sốc bởi rất nhiều thứ – nhưng gã sẽ không chết. Trải nghiệm của gã sẽ ít điên rồ hơn nhiều, bởi vì mặc dù năm 1500 so với 1750 rất khác nhau, chúng còn lâu mới khác nhau nhiều bằng năm 1750 so với 2015. Gã 1500 sẽ học được một số thứ xoắn não vể không gian và vật lý, gã sẽ ấn tượng với sự tận tâm của châu Âu khi ở phong cách đế quốc mới, và gã sẽ phải thực hiện một số sửa đổi quan trọng trong quan niệm của mình về bản đồ thế giới. Nhưng việc nhìn cuộc sống hàng ngày tại năm 1750 – vận chuyển, truyền thông, vân vân – chắc chắn sẽ không làm cho gã chết.

Không, để cho anh chàng 1750 có được niềm vui như chúng ta đã có với anh ta, anh ta sẽ phải trở về quá khứ xa hơn nhiều – có lẽ là khoảng năm 12.000 trước Công Nguyên, trước khi cuộc Cách mạng Nông nghiệp lần Thứ nhất làm xuất hiện các thành phố đầu tiên và khái niệm về nền văn minh ra đời. Nếu một người đến từ một thế giới thuần săn bắt-hái lượm – tức là thế giới mà khi con người, ít hay nhiều, chỉ là một loài động vật khác –  nhìn thấy các đế quốc rộng lớn của con người vào năm 1750, với các nhà thờ cao chót vót, những chiếc thuyền vượt biển, khái niệm về “bên trong”, cùng núi tri thức và khám phá mà con người đã thu nhặt cũng như tích lũy được – có lẽ hắn sẽ chết.

Và rồi lỡ như sau khi chết, hắn ghen tị và muốn làm điều tương tự thì sao? Nếu hắn đi ngược về 12.000 năm trước đó, tức đến năm 24.000 trước Công Nguyên, bắt một chàng trai, đưa người này đến năm 12.000 trước Công Nguyên và cho người này thấy mọi thứ, người này sẽ phản ứng kiểu, “Được rồi, có cái gì đáng cho tôi thấy?” Để người năm 12.000 trước Công Nguyên như hắn có một niềm vui tương tự, hắn phải đi ngược về hơn 100.000 năm và bắt lấy một người nào đó để cho họ thấy lửa cũng như ngôn ngữ lần đầu tiên.

Để một người bị đưa tới tương lai và chết vì sốc với những thứ họ trải nghiệm được, họ phải đi tới tương lại đủ xa để đạt được cái gọi là “mức độ tiến bộ chết người,” hoặc một Đơn vị Tiến bộ Chết người (DPU). Vậy một DPU tiêu tốn 100.000 năm trong thời kỳ săn bắt-hái lượm, nhưng tại thời kỳ tiền Cách mạng Cách mạng Nông nghiệp, nó chỉ mất khoảng 12.000 năm. Thế giới hậu Cách mạng Công nghiệp đã vận động nhanh đến nỗi một người ở năm 1750 chỉ cần tiến tới vài trăm năm để DPU có thể xảy ra.

Vấn đề này – việc tiến bộ của con người càng ngày càng nhanh hơn theo thời gian – là điều mà nhà chủ nghĩa vị lai Ray Kurzweil gọi là Law of Accelerating Returns – Quy luật Lợi tức Tăng dần của lịch sử nhân loại. Điều này xảy ra vì các xã hội tiên tiến hơn có khả năng phát triển với tốc độ nhanh hơn các xã hội ít tiên tiến hơn – bởi vì chúng tiến tiến hơn. Nhân loại thế kỷ 19 đã biết nhiều hơn và có công nghệ tốt hơn nhân loại thế kỷ 15, vì vậy không có gì ngạc nhiên khi nhân loại đã tiến bộ nhanh hơn nhiều trong thế kỷ 19 so với thế kỷ 15 – nhân loại thế kỷ 15 không thể bì kịp nhân loại thế kỷ 19.

Điều này cũng đúng trên quy mô nhỏ hơn. Bộ phim Back to the Future trình chiếu vào năm 1985, và “quá khứ” diễn ra năm 1955. Trong bộ phim, khi Michael J. Fox trở lại năm 1955, cậu đã bị choáng váng bởi sự mới mẻ của TV, giá của Soda, sự thiếu thốn tình yêu đối với cây guitar điện chói lọi, và sự biến thể trong tiếng lóng. Đó là một thế giới khác, vâng – nhưng nếu bộ phim lấy mốc xảy ra là ngày hôm nay và quá khứ là năm 1985, bộ phim hẳn có thể đã hài hước hơn nhiều với sự khác biệt lớn hơn nhiều. Nhân vật chính sẽ xuất hiện trong thời kỳ trước khi máy tính cá nhân, internet hoặc điện thoại di động ra đời – Marty McFly của ngày hôm nay, một thiếu niên sinh ra vào cuối những năm 90, sẽ bối rối hơn nhiều khi đến năm 1985 so với Marty McFly của bộ phim khi đến năm 1955.

Nguyên nhân của việc này cũng giống với thứ chúng ta vừa thảo luận – Quy luật Lợi tức Tăng dần. Tốc độ tiến bộ trung bình từ năm 1985 đến năm 2015 cao hơn tốc độ giữa năm 1955 và năm 1985 – bởi vì thế giới năm 1985 là một thế giới tiên tiến hơn – sự thay đổi trong 30 năm gần đây lớn hơn nhiều so với 30 năm trước đó.

Vậy – sự tiến bộ đang ngày càng leo lên mức cao hơn và diễn ra ngày càng nhanh hơn. Điều này gợi lên một vài thứ khá dữ dội về tương lai của chúng ta, đúng chứ?

Kurzweil gợi ý rằng sự tiến bộ của cả thế kỷ 20 lẽ ra đã có thể đạt được trong 20 năm ở tốc độ tiến bộ của năm 2000 – nói cách khác, vào năm 2000, tốc độ tiến bộ đã nhanh gấp năm lần so với tốc độ tiến bộ trung bình của thế kỉ 20. Ông tin rằng một sự tiến bộ tương đương với cả thế kỷ 20 đã xảy ra trong khoảng từ năm 2000 đến năm 2014 và rằng một sự tiến bộ tương đương với cả thế kỷ 20 khác sẽ xảy ra vào năm 2021, tức chỉ trong 7 năm sau đó. Trong một vài thập kỷ nữa, ông tin rằng sự tiến bộ tương đương với cả thế kỷ 20 sẽ xảy ra nhiều lần trong cùng một năm, và thậm chí sau đó, trong vòng chưa đầy một tháng. Nhìn chung, vì Quy luật Lợi tức Tăng dần, Kurzweil tin rằng thế kỷ 21 sẽ đạt được sự tiến bộ gấp 1.000 lần so với thế kỷ 20.

Nếu điều Kurzweil và những người khác cùng ý kiến với ông ấy nói là đúng, thì chúng ta có thể sẽ bị chết sững bởi năm 2030 giống như anh chàng năm 1750 của chúng ta sẽ chết sững bởi năm 2015 – tức là DPU tiếp theo có thể chỉ mất vài thập kỷ – và thế giới vào năm 2050 có lẽ sẽ khác biệt so với thế giới ngày nay nhiều đến nỗi chúng ta khó có thể nhận ra nó.

Đây không phải là khoa học viễn tưởng. Đây là điều mà nhiều nhà khoa học thông minh và hiểu biết hơn cả bạn lẫn tôi tin tưởng chắc chắn – và nếu bạn nhìn vào lịch sử, đây là những gì theo logic chúng ta nên dự đoán.

Vậy thì tại sao, khi bạn nghe tôi nói điều gì đó tựa như “bạn có thể sẽ hoàn toàn không nhận ra thế giới 35 năm tới,” bạn lại nghĩ, “Nghe hay đó … nhưng thôi khỏi đi“? Đây là ba lý do chúng ta luôn hoài nghi đối với những dự báo lạ lùng về tương lai:

1) Khi nói đến lịch sử, chúng ta nghĩ theo những đường thẳng. Khi tưởng tượng về sự tiến bộ của 30 năm tới, chúng ta sẽ nhìn lại quá trình tiến bộ của 30 năm trước và dùng nó như một chỉ thị cho những thứ có thể xảy ra. Khi chúng ta suy nghĩ về mức độ thay đổi mà thế giới có thể đạt được trong thế kỷ 21, chúng ta thường chỉ lấy sự tiến bộ trong thế kỷ 20 và thêm nó vào năm 2000. Đó cũng là sai lầm mà anh chàng năm 1750 của chúng ta mắc phải khi bắt lấy một người từ 1500 và mong đợi gã cũng sẽ sửng sốt giống như mình khi tiến tới cùng một khoảng cách trong tương lai. Suy nghĩ tuyến tính là cách suy nghĩ trực quan nhất của chúng ta, tuy nhiên chúng ta nên suy nghĩ theo cấp số nhân. Nếu là một người thông minh hơn trong vấn đề này, họ sẽ dự đoán những tiến bộ trong 30 năm tới không phải bằng cách nhìn vào 30 năm trước, nhưng bằng cách nhìn vào tốc độ tiến bộ hiện tại và đánh giá dựa trên đó. Họ sẽ đánh giá chính xác hơn, nhưng vẫn còn rất xa mới đúng sự thật. Để nghĩ về tương lai một cách chính xác nhất, bạn cần phải tưởng tượng mọi thứ vận động với tốc độ nhanh hơn nhiều so với bây giờ.

2) Quỹ đạo của lịch sử gần đây thường kể một câu chuyện méo mó. Thứ nhất, ngay cả một đường cong cấp số nhân rất dốc cũng trông có vẻ  tuyến tính nếu bạn chỉ nhìn vào một miếng nhỏ của nó, tương tự khi bạn nhìn vào một đoạn nhỏ của một vòng tròn khổng lồ ở khoảng cách gần, nó trông có vẻ gần như là một đường thẳng. Thứ hai, sự tăng trưởng theo cấp số nhân không hoàn toàn mịn và đồng đều. Kurzweil giải thích rằng sự tiến bộ xảy ra trong các đoạn đường cong “chữ S”:

Một chữ S được tạo ra bởi làn sóng tiến bộ khi một mô hình mới bao phủ thế giới. Đường cong đi qua ba giai đoạn:

• Sự tăng trưởng chậm (giai đoạn đầu của tăng trưởng theo cấp số nhân)

2. Tăng trưởng nhanh (giai đoạn muộn, bùng nổ tăng trưởng theo cấp số nhân)

3. Sự chững lại khi một mô hình cụ thể trưởng thành

Nếu bạn chỉ nhìn vào lịch sử gần đây, phần đường cong chữ S mà bạn đang nhìn lúc này có thể che khuất nhận thức của bạn về tốc độ tiến bộ của mọi thứ. Khoảng thời gian giữa năm 1995 và 2007 chứng kiến ​​sự bùng nổ của Internet, sự tiếp nhận của cộng đồng đối với Microsoft, Google và Facebook, sự ra đời của mạng xã hội cũng như sự xuất hiện của điện thoại di động và sau đó là điện thoại thông minh. Đó là Giai đoạn 2: sự bùng nổ tăng trưởng của chữ S. Nhưng khoảng thời gian từ năm 2008 đến năm 2015 lại ít đột phá hơn, ít nhất là ở mặt trận công nghệ. Hôm nay một người suy nghĩ về tương lai có thể sẽ xem xét những năm gần đây để đánh giá tốc độ phát triển hiện tại, nhưng làm vậy là bỏ quên bức tranh lớn hơn. Trên thực tế, một sự bùng nổ tăng trưởng – một Giai đoạn 2 mới, có thể đang chuẩn bị xuất hiện ngay bây giờ.

3) Kinh nghiệm của chúng ta khiến chúng ta trở nên những ông già cứng đầu khi nói về tương lai. Chúng ta đánh giá thế giới dựa vào những kinh nghiệm cá nhân của mình, và những kinh nghiệm đó đã in sâu tốc độ tăng trưởng của quá khứ gần đây vào trong đầu chúng ta, khiến chúng ta xem đó là “chuyện đương nhiên.” Chúng ta cũng bị giới hạn bởi trí tưởng tượng của mình, thứ dùng kinh nghiệm để gợi lên những tiên đoán về tương lai – nhưng thường thì những gì mà chúng ta biết đơn giản là không cung cấp cho chúng ta đủ những công cụ để suy nghĩ chính xác về tương lai. Khi chúng ta nghe về một dự đoán tương lai mà mâu thuẫn với quan niệm, dựa trên kinh nghiệm, của chúng ta về cách mọi thứ hoạt động, bản năng khiến chúng ta cho rằng dự đoán đó thật gà mờ. Nếu tôi nói với bạn, ở các đoạn sau của bài đăng này, rằng bạn có thể sống được 150 hoặc 250 tuổi, hoặc bất tử luôn, thì bản năng của bạn sẽ là: “Thật ngu ngốc – nếu có một điều tôi biết từ lịch sử, mọi người đều chết.” Phải, không ai trong quá khứ mà không chết. Nhưng cũng không ai bay máy bay trước khi máy bay được phát minh.

Vì vậy, trong khi “thôi khỏi đi” có thể khiến bạn cảm đúng khi đọc bài đăng này, có lẽ nó thực sự sai. Thực tế là, nếu chúng ta thực sự suy nghĩ theo logic và mong muốn các mô hình lịch sử tiếp diễn, thì chúng ta nên kết luận rằng, nhiều, rất nhiều, vô cùng nhiều thứ sẽ thay đổi trong những thập kỷ tới, so với những gì trực giác chúng ta mong đợi. Logic cũng cho thấy nếu giống loài tiên tiến nhất trên hành tinh tiếp tục tiến những bước xa hơn và lớn hơn với một tốc độ cao hơn bao giờ hết, vào một thời điểm nào đó, họ sẽ tạo ra một bước nhảy vọt tuyệt vời đến nỗi làm thay đổi hoàn toàn sự sống và nhận thức của họ về bản chất của một con người – giống như việc sự tiến hoá liên tục có những bước nhảy liên quan đến trí thông minh cho đến một ngày, nó thực hiện một bước nhảy vọt tuyệt vời là con người, và bước nhảy vọt này đã làm thay đổi hoàn toàn ý nghĩa cuộc sống của mọi sinh vật trên hành tinh Trái Đất. Và nếu bạn dành thời gian để đọc về những gì đang diễn ra trong giới khoa học và công nghệ ngày hôm nay, bạn sẽ bắt đầu nhận thấy rất nhiều dấu hiệu lặng lẽ gợi ý rằng cuộc sống hiện tại của chúng ta không thể chịu được bước nhảy vọt sắp tới.

_______________

Nếu bạn giống tôi, bạn đã từng nghĩ rằng Trí tuệ Nhân tạo (AI) là một khái niệm khoa học viễn tưởng ngớ ngẩn, nhưng gần đây bạn đã nghe nó được đề cập tới bởi những người nghiêm túc, và bạn không thực sự hiểu gì.

Có ba lý do khiến rất nhiều người bối rối về thuật ngữ AI:

1) Chúng ta kết hợp AI với phim. Star Wars. Terminator. 2001: A Space Odyssey. Thậm chí là The Jetsons. Chúng là những chuyện hư cấu, những nhân vật robot cũng là hư cấu. Vì vậy, nó làm cho AI nghe có một chút hư cấu với chúng ta.

2) AI là một chủ đề rộng. Nó trải dài từ cái máy tính trong điện thoại của bạn đến chiếc ôtô tự lái đến một cái gì đó trong tương lai mà có thể thay đổi thế giới đáng kể. AI bao gồm tất cả những thứ này, nên hơi khó hiểu.

3) Chúng ta sử dụng AI trong cuộc sống hàng ngày của chúng ta, nhưng chúng ta thường không nhận ra đó là AI. John McCarthy, người đã đặt ra thuật ngữ “Trí tuệ Nhân tạo” vào năm 1956, phàn nàn rằng “ngay khi nó hoạt động, không ai gọi nó là AI nữa.” Vì hiện tượng này, AI thường nghe giống như một dự đoán tương lai hoang đường hơn là thực tế. Đồng thời, điều này cũng làm cho AI giống như một khái niệm phổ biến từ quá khứ mà không bao giờ đạt được kết quả. Ray Kurzweil nói ông nghe người ta bảo nhau rằng AI đã héo úa vào những năm 1980, ông so sánh chuyện này với chuyện “khăng khăng Internet đã chết trong thời kỳ bùng nổ .com đầu thập niên 2000”.

Vậy chúng ta hãy làm rõ mọi thứ. Trước tiên, hãy ngừng suy nghĩ về robot. Một con robot là một thùng chứa cho AI, đôi khi mô phỏng hình dạng con người, đôi khi không – nhưng bản thân AI là máy tính bên trong robot. AI là não, và robot là cơ thể của nó – nếu nó thậm chí có một cơ thể. Ví dụ, phần mềm và dữ liệu đằng sau Siri là AI, giọng nữ chúng ta nghe là hiện thân của AI đó, và không có robot nào liên quan cả.

Thứ hai, bạn có thể đã nghe thuật ngữ “điểm kì dị” hoặc “điểm kì dị công nghệ”. Thuật ngữ này đã được sử dụng trong toán học để mô tả một tình huống giống như tiệm cận mà các quy tắc thông thường không còn áp dụng được nữa. Nó còn được sử dụng trong vật lý để mô tả các hiện tượng như một lỗ đen nhỏ, dày đặc hoặc điểm mà tất cả chúng ta từng phải chôn chân ngay trước khi Big Bang diễn ra. Nhắc lại một lần nữa, các tình huống mà các quy tắc thông thường không áp dụng được. Năm 1993, Vernor Vinge đã viết một bài luận nổi tiếng, trong đó ông đã áp dụng thuật ngữ này để chỉ thời khắc tương lai khi trí tuệ của công nghệ của chúng ta vượt qua chúng ta – thời khắc mà đối với ông là khi cuộc sống mà chúng ta vẫn biết sẽ thay đổi mãi mãi và các quy tắc bình thường sẽ không còn áp dụng được nữa . Ray Kurzweil sau đó đã xáo trộn mọi thứ một chút bằng cách định nghĩa điểm kỳ dị là thời điểm Quy luật Lợi tức Tăng dần đã đạt tốc độ cực đại, lớn đến mức tiến bộ công nghệ diễn ra ở tốc độ dường như vô hạn, và sau đó chúng ta sẽ sống trong một thế giới hoàn toàn mới. Tôi nhận ra rằng nhiều nhà tư tưởng về AI hiện nay đã ngừng sử dụng thuật ngữ này, và nó cũng hay gây nhầm lẫn, vì vậy tôi sẽ không sử dụng nó ở đây nhiều (mặc dù chúng ta sẽ tập trung vào ý tưởng đó xuyên xuất bài đăng).

Cuối cùng, mặc dù có rất nhiều thể loại hoặc hình thức AI khác nhau vì AI là một khái niệm rộng, các danh mục quan trọng mà chúng ta cần phải suy nghĩ đều dựa trên tầm cỡ của AI. Có ba danh mục tầm cỡ AI chính:

AI Tầm cỡ 1) Trí tuệ Nhân tạo Hẹp (ANI): Đôi khi được gọi là AI yếu, Trí tuệ Nhân tạo Hẹp là AI chuyên về một lĩnh vực. Có AI có thể đánh bại nhà vô địch cờ vua thế giới trong cờ vua, nhưng đó là điều duy nhất nó làm được. Yêu cầu nó tìm ra một cách tốt hơn để lưu trữ dữ liệu trên một ổ đĩa cứng, và nó sẽ nhìn bạn trơ trơ ra.

AI Tầm cỡ 2) Trí tuệ Nhân tạo Tổng hợp (AGI): Đôi khi được gọi là AI mạnh, hoặc AI trình độ con người, Trí tuệ Nhân tạo Tổng hợp ý chỉ một máy tính thông minh như một con người nói chung – một cỗ máy có thể thực hiện bất kỳ nhiệm vụ trí tuệ nào mà một con người có thể thực hiện. Tạo ra AGI là một nhiệm vụ khó khăn hơn nhiều so với việc tạo ra ANI, và chúng ta vẫn chưa làm được điều đó. Giáo sư Linda Gottfredson mô tả trí tuệ là “một loại năng lực tinh thần tổng hợp, bao gồm nhiều thứ, trong đó có khả năng lý luận, lập kế hoạch, giải quyết các vấn đề, suy nghĩ một cách trừu tượng, hiểu được những ý tưởng phức tạp, học tập nhanh chóng và học hỏi từ kinh nghiệm” AGI có thể làm tất cả những điều đó một cách dễ dàng giống như bạn.

AI Tầm cỡ 3) Trí tuệ Nhân tạo Siêu việt (ASI): Nhà triết học của Oxford và nhà tư tưởng hàng đầu về AI, Nick Bostrom định nghĩa trí thông minh siêu việt là “loại trí tuệ thông minh hơn trí tuệ của con người trong mọi lĩnh vực, bao gồm sáng tạo khoa học, kiến thức thường thức và các kỹ năng xã hội.” Trí tuệ Nhân tạo Siêu việt bao gồm từ các máy tính chỉ thông minh hơn con người chút xíu cho đến các máy tính thông mình hơn con người hàng tỷ tỷ lần. ASI là lý do tại sao chủ đề về AI rất gây phấn khích và là lí do tại sao những từ như “bất tử” và “tuyệt chủng” sẽ xuất hiện trong những bài viết này nhiều lần.

Cho đến bây giờ, con người đã chinh phục được tầm cỡ thấp nhất của AI -ANI theo nhiều cách, và chúng ở khắp mọi nơi. Cuộc cách mạng về AI là con đường từ ANI, thông qua AGI, đến ASI – một con đường mà chúng ta có thể còn, cũng có thể không còn sống để chứng kiến, nhưng nó, dù bằng cách nào, cũng sẽ thay đổi mọi thứ.

Hãy cùng nhìn sâu vào hình dáng của con đường này, hình dáng mà các nhà tư tưởng hàng đầu trong lĩnh vực tin tưởng, và tìm hiểu tại sao cuộc cách mạng này có thể xảy ra sớm hơn bạn nghĩ:

Chúng ta đang ở đâu – Một thế giới chạy trên ANI

Trí tuệ Nhân tạo Hẹp là trí tuệ máy móc ngang bằng hoặc vượt quá trí thông minh và năng suất của con người ở một việc cụ thể. Ví dụ:

• Ô tô có đầy các hệ thống ANI, từ cái máy tính quyết định khi nào phanh chống khóa nên phát huy tác dụng cho đến cái máy tính hiển thị các thông số của hệ thống phun nhiên liệu. Xe tự lái của Google, thứ đang được thử nghiệm, sẽ có các hệ thống ANI mạnh để nó có thể cảm nhận và phản ứng với thế giới xung quanh.

• Điện thoại của bạn là một nhà máy ANI nhỏ. Khi bạn điều hướng bằng ứng dụng bản đồ của mình, nhận các đề xuất âm nhạc phù hợp từ Pandora, kiểm tra thời tiết ngày mai, nói chuyện với Siri hoặc hàng chục hoạt động hàng ngày khác, bạn đang sử dụng ANI.

• Bộ lọc thư rác trên email của bạn là một loại ANI cổ điển – nó ban đầu được nạp trí thông minh về cách thức tìm ra cái nào là thư rác, cái nào thì không, sau đó nó làm quen với sở thích cụ thể của bạn, học hỏi và tự điều chỉnh trí thông minh cho phù hợp với bạn. Nest Thermostat cũng làm điều tương tự, nó tìm ra thói quen điển hình của bạn và hành động phù hợp.

• Bạn có biết toàn bộ quá trình đáng sợ diễn ra khi bạn tìm kiếm một sản phẩm trên Amazon rồi sau đó thấy nó là một sản phẩm “được đề xuất cho bạn” trên một trang web khác hoặc khi Facebook bằng một cách gì đó biết được người nào phù hợp để bạn kết bạn không? Đó là một mạng lưới các hệ thống ANI, cùng nhau làm việc để thông báo cho nhau rằng bạn là ai, bạn thích gì, và rồi sử dụng những thông tin đó để quyết định xem sẽ cho bạn thấy gì. Điều tương tự xảy ra với mục “Những người đã mua thứ này cũng đã mua …” của Amazon – nó là một hệ thống ANI có nhiệm vụ thu thập thông tin từ hành vi của hàng triệu khách hàng và tổng hợp các thông tin đó để khéo léo bán thêm cho bạn, khiến bạn mua thêm nhiều thứ.

• Google Translate là một hệ thống ANI cổ điển khác – tốt một cách ấn tượng ở một nhiệm vụ hẹp. Nhận dạng bằng giọng nói là một ví dụ tương tự, và có một loạt các ứng dụng sử dụng hai ANI này làm thành một nhóm, cho phép bạn nói một câu bằng một ngôn ngữ và điện thoại sẽ phát ra cùng câu đó trong ngôn ngữ khác.

• Khi máy bay của bạn hạ cánh, không phải con người quyết định máy bay nên đến cổng nào. Cũng như không phải con người xác định giá vé của bạn.

• Các tuyển thủ chơi Cờ đam, Cờ vua, Scrabble, Backgammon và Othello tốt nhất thế giới bây giờ đều là các hệ thống ANI.

• Trình tìm kiếm của Google là một bộ não ANI lớn với các phương pháp vô cùng phức tạp để xếp hạng trang và cho bạn thấy những gì phù hợp, một cách cụ thể. Newsfeed của Facebook cũng tương tự.

• Và đó chỉ là trong thế giới tiêu dùng. Các hệ thống ANI tinh vi được sử dụng rộng rãi trong các phân ngành và ngành công nghiệp như quân sự, sản xuất và tài chính (các thương nhân AI với thuật toán tần số cao hiện chiếm hơn một nửa số cổ phần được giao dịch trên thị trường Mỹ), cũng như trong các hệ thống chuyên môn như để giúp bác sĩ chẩn đoán và, nổi tiếng nhất, là Watson của IBM, thứ có đủ số liệu và hiểu được Treybek.

Các hệ thống ANI như hiện nay không có gì là đặc biệt đáng sợ. Trong tình huống xấu nhất thì các ANI bị lập trình lỗi cũng chỉ có thể gây ra một thảm hoạ cục bộ như làm tắt lưới điện, làm cho một nhà máy điện hạt nhân trục trặc, hoặc gây ra thảm họa cho thị trường tài chính (như vụ Flash Crash năm 2010, khi một chương trình ANI phản ứng sai với một tình huống không lường trước và khiến thị trường chứng khoán sụt giảm nhanh chóng, lấy đi giá trị thị trường lên tới 1 nghìn tỷ đô la, chỉ một phần trong số đó phục hồi khi sai sót được điều chỉnh).

Mặc dù ANI không có khả năng gây ra thảm họa diệt chủng, chúng ta nên xem hệ sinh thái ngày càng lớn và phức tạp của các ANI tương đối vô hại này như tiền thân của cơn bão có khả năng biến đổi thế giới đang sắp đến. Mỗi một sáng kiến mới về ANI lại lặng lẽ đặt thêm một viên gạch khác lên con đường dẫn tới AGI và ASI. Hay như cách Aaron Saenz nhìn nhận, các hệ thống ANI trên thế giới của chúng ta “giống như các axit amin trong chất lỏng nguyên thủy của Trái Đất ban đầu” – một thứ vô nghĩa của cuộc sống, một ngày bất ngờ, đã thức dậy.

Sao nó lại khó khăn đến vậy?

Chỉ khi biết được việc cố tạo ra một chiếc máy tính thông minh như chúng ta thách thức tới cỡ nào, bạn mới đánh giá cao trí thông minh của con người. Xây dựng những tòa nhà chọc trời, đưa con người vào không gian, tìm hiểu những chi tiết về cách Big Bang xảy ra – tất cả đều dễ dàng hơn việc hiểu được bộ não của chính mình và chế ra cái tuyệt vời tương tự. Hiện tại, bộ não con người là vật thể phức tạp nhất trong vũ trụ từng được biết đến.

Điều thú vị là những phần thực sự khó trong việc cố gắng xây dựng AGI (một máy tính thông minh như con người nói chung, không chỉ ở một chuyên ngành hẹp) không phải những cái mà bạn thường nghĩ. Chế tạo một máy tính có thể nhân hai con số gồm mười chữ số trong nửa giây là cực kỳ dễ dàng. Chế tạo một máy tính có thể nhìn vào con chó và trả lời đó là con chó hay con mèo – đặc biệt khó khăn. Chế tạo AI có thể đánh bại bất kỳ người nào trong môn cờ vua ư? Đã xong. Còn chế tạo AI có thể đọc được đoạn văn từ cuốn sách ảnh của một đứa bé sáu tuổi, không chỉ nhận ra từ ngữ mà còn hiểu được ý nghĩa của chúng? Google hiện đang chi hàng tỷ đô la để cố gắng làm việc đó. Những thứ khó khăn với chúng ta – như tính toán, chiến lược thị trường tài chính, và dịch ngôn ngữ – là rất dễ dàng đối với máy tính, trong khi những thứ dễ dàng với chúng ta – như hình ảnh, chuyển động, và nhận thức – lại hoàn toàn khó khăn đối với nó. Hay như nhà khoa học máy tính Donald Knuth nói, “AI bây giờ đã thành công trong việc thực hiện tất cả những gì đòi hỏi ‘suy nghĩ’, nhưng vẫn thất bại trong việc thực hiện hầu hết những gì con người và động vật làm được ‘mà không cần suy nghĩ’.”

Điều bạn nhanh chóng nhận ra khi nghĩ về chuyện này là: những điều tưởng như dễ dàng đối với chúng ta lại thực sự phức tạp không thể tin được, và chúng chỉ có vẻ dễ dàng bởi vì chúng – những kỹ năng đó – đã được tối ưu hóa trong chúng ta (và hầu hết các loài động vật) bởi hàng trăm triệu năm tiến hóa. Khi bạn đưa tay tới một vật thể, các cơ, gân, xương trong vai, khuỷu tay, và cổ tay của bạn ngay lập tức thực hiện một loạt các hoạt động vật lý, kết hợp cùng với đôi mắt của bạn, cho phép bạn di chuyển bàn tay theo một đường thẳng trong không gian ba chiều. Lí do bạn có vẻ chả cần phải nỗ lực gì là vì bạn đã hoàn thiện phần mềm trong não để thực hiện nó. Tương tự đó cũng là lí do tại sao các phần mềm độc hại không thể vượt qua bài kiểm tra nhận dạng từ ngữ méo mó khi bạn đăng ký một tài khoản mới trên một trang web, không phải do chúng ngu, mà là do bộ não của bạn cực kỳ ấn tượng trong việc đó.

Ngược lại, thực hiện phép nhân số lớn hoặc chơi cờ vua là những hoạt động mới đối với các sinh vật và chúng ta chưa có đủ thời gian để thành thạo chúng, do đó máy tính không cần phải làm việc quá sức để đánh bại chúng ta. Hãy suy nghĩ đi – bạn sẽ thích làm việc nào hơn, chế tạo một chương trình có thể thực hiện phép nhân số lớn hay một chương trình có thể hiểu bản chất của chữ B, đủ để bạn có thể cho nó xem một chữ B thuộc một trong hàng ngàn phông chữ hoặc nét viết tay bất kỳ và nó có thể lập tức nhận ra đó là một chữ B?

Một ví dụ vui – khi bạn nhìn vào hình này, cả bạn lẫn máy tính đều có thể nhận ra rằng đó là hình chữ nhật với hai sắc thái riêng biệt, xen kẽ:

Vậy là hòa. Nhưng nếu bạn bỏ phông đen đi và để lộ toàn bộ hình ảnh…

…bạn sẽ không chút khó khăn gì đưa ra một mô tả đầy đủ về các hình trụ mờ, đục, các thanh và góc 3D khác nhau, nhưng máy tính thì sẽ thất bại thảm hại. Nó sẽ mô tả những gì nó nhìn thấy – một loạt các hình dạng hai chiều trong nhiều sắc thái khác nhau – mà đó thực sự là những gì có trong hình. Bộ não của bạn đang thực hiện nhiều điều kì diệu để diễn giải ngụ ý về chiều sâu, sự pha trộn giữa bóng râm, và vị trí chiếu sáng mà bức ảnh đang cố miêu tả. Và nhìn vào hình dưới đây, máy tính sẽ thấy một sự cắt dán giữa màu trắng, đen và xám hai chiều, trong khi bạn dễ dàng nhìn thấy bản chất thật sự của nó – là một bức ảnh chụp một tảng đá 3D hoàn toàn màu đen:

Nguồn: Matthew Lloyd

Và tất cả mọi thứ chúng ta vừa nói đến vẫn chỉ nằm ở việc nhận thông tin có sẵn và xử lý chúng. Để đạt độ thông minh như con người, máy tính sẽ phải hiểu những thứ như sự khác nhau giữa các biểu cảm tinh tế trên khuôn mặt, sự khác biệt giữa hài lòng, nhẹ nhõm, hạnh phúc, thỏa mãn và vui vẻ, và tại sao Braveheart tuyệt vời trong khi The Patriot thật là tồi tệ.

Có vẻ thật khó khăn.

Vậy làm sao chúng ta đạt được nó?

Mấu chốt Đầu tiên để Tạo ra AGI: Gia tăng Sức mạnh Tính toán

Một việc chắc chắn cần xảy ra để AGI trở nên khả thi là việc tăng cường sức mạnh phần cứng máy tính. Nếu muốn một hệ thống AI thông minh như bộ não, nó sẽ cần phải đạt năng lực tính toán bằng với bộ não.

Một cách biểu thị năng lực này là tổng số phép tính trên một giây (cps) mà bộ não có thể thực hiện, và bạn có thể tìm ra con số này bằng cách xác định cps tối đa của mỗi cấu trúc trong bộ não và sau đó cộng chúng lại với nhau.

Ray Kurzweil đã nghĩ ra một con đường tắt bằng cách lấy ước tính chuyên nghiệp của một ai đó cho cps của một cấu trúc và lấy trọng lượng của cấu trúc đó so với toàn bộ bộ não, sau đó nhân các con số theo tỉ lệ tương ứng để có được ước tính tổng thể. Nghe có vẻ đáng nghi, nhưng ông đã làm điều này với nhiều ước tính chuyên nghiệp khác nhau của các khu vực khác nhau, và tổng số vẫn luôn nằm trong cùng một khoảng – cỡ 1016, tức 10 triệu tỉ, cps.

Hiện nay, siêu máy tính nhanh nhất thế giới, Tianhe-2 của Trung Quốc, thực ra đã đánh bại con số đó, đạt tốc độ 34 triệu tỉ cps. Nhưng Tianhe-2 cũng là một thằng tồi, chiếm tận 720 mét vuông không gian, sử dụng 24 megawatt điện năng (bộ não chỉ cần 20 watt), và tiêu tốn 390 triệu đô la để chế tạo. Vẫn chưa đủ phù hợp cho việc sử dụng rộng rãi, hoặc thậm chí là cho việc sử dụng trong thương mại hay công nghiệp.

Kurzweil gợi ý rằng chúng ta nên nghĩ về trạng thái của máy tính bằng cách xem bạn có thể mua bao nhiêu cps với giá 1.000 đô la. Khi con số này đạt tới mức độ con người – 10 triệu tỷ cps – thì có nghĩa là AGI có thể trở thành một phần thực sự của cuộc sống.

Định luật Moore là một nguyên tắc đáng tin cậy về mặt lịch sử, định luật này nói rằng sức mạnh tính toán tối đa của thế giới tăng gấp đôi mỗi hai năm, nghĩa là tiến bộ về phần cứng máy tính, như sự tiến bộ chung của con người xuyên suốt lịch sử, tăng lên theo cấp số nhân. Hãy xem cách điều này liên quan đến chỉ số cps/$1.000 của Kurzweil, chúng ta hiện đang ở mức khoảng 10 nghìn tỷ cps/$1.000, đúng với quỹ đạo dự đoán của biểu đồ này:

Vậy là các máy tính $1.000 trên thế giới đang đánh bại bộ não của chuột và ở mức một phần nghìn bộ não con người. Điều này nghe có vẻ không đáng kể cho đến khi bạn nhớ ra rằng chúng ta đã ở mức khoảng một phần nghìn tỉ vào năm 1985, một phần tỉ vào năm 1995, và một phần triệu vào năm 2005. Đạt mức một phần nghìn vào năm 2015 cho thấy chúng ta đang ở tốc độ vừa đúng để có thể có một chiếc máy tính giá cả phải chăng đủ sức làm đối thủ của bộ não vào năm 2025.

Vậy về mặt phần cứng, sức mạnh thô hiện tại đã khả dụng, ở Trung quốc, và chúng ta sẽ sẵn sàng cho các thiết bị tầm cỡ AGI giá cả phải chăng trong vòng 10 năm nữa. Tuy nhiên,  sức mạnh tính toán thô lại không làm cho máy tính thông minh nói chung – câu hỏi tiếp theo là, làm thế nào để mang trí thông minh của con người đến tất cả những sức mạnh đó?

Mấu chốt Thứ hai để Tạo ra AGI: Làm cho Nó Thông minh

Đây là phần khó chịu. Sự thật là, không ai thực sự biết dùng cách gì để làm cho nó thông minh – chúng ta vẫn đang tranh luận về cách làm cho một máy tính có mức độ thông minh bằng con người và có khả năng biết đâu là một con chó, đâu là một chữ B nghuệch ngoạc và đâu là một bộ phim tầm thường. Tuy nhiên, ngoài kia vẫn có hàng loạt các chiến lược xa vời mà một ngày, một trong số chúng sẽ thành công. Dưới đây là ba chiến lược phổ biến nhất tôi đọc được:

Việc này giống như chuyện các nhà khoa học trăn trở vì đứa trẻ ngồi cạnh họ trong lớp học quá thông minh và cứ làm tốt bài kiểm tra hoài, và mặc dù họ có tiếp tục học tập chăm chỉ thế nào, họ cũng không thể làm tốt được như đứa trẻ đó, vì vậy họ cuối cùng quyết định “Kệ bà nó đi! Mình chỉ cần sao chép câu trả lời của đứa trẻ.” Khá hợp lý đấy chứ – chúng ta đang bối rối trong việc cố gắng xây dựng một máy tính siêu phức tạp, và ngẫu nhiên là trong đầu mỗi người chúng ta lại có một nguyên mẫu hoàn hảo.

Thế giới khoa học đang nỗ lực áp dụng kỹ thuật đảo ngược lên bộ não để tìm hiểu cách sự tiến hóa tạo ra một thứ xuất sắc đến vậy – những ước tính lạc quan nói rằng chúng ta có thể làm được điều này vào năm 2030. Một khi làm được điều đó, chúng ta sẽ biết tất cả những bí mật của bộ não, làm sao nó  hoạt động mạnh mẽ và hiệu quả đến thế, và chúng ta có thể lấy cảm hứng từ nó và ăn cắp sáng kiến ​​của nó. Một ví dụ về kiến ​​trúc máy tính bắt chước bộ não là mạng thần kinh nhân tạo. Nó ban đầu là một mạng lưới các bóng bán dẫn kiểu “nơron”, được kết nối với nhau với đầu vào và đầu ra, và nó không biết gì cả – giống như một bộ não trẻ sơ sinh. Nó “học” bằng cách cố gắng thực hiện một tác vụ, ví dụ như nhận dạng chữ viết tay. Lúc đầu, việc đốt cháy các nơron và các suy đoán nối tiếp nhau của nó để giải mã từng chữ sẽ là hoàn toàn ngẫu nhiên. Nhưng khi nó được cho biết nó đã đoán cái gì đó đúng, các liên kết bóng bán dẫn trên đường dẫn bị đốt cháy mà đã tạo ra câu trả lời đó sẽ được tăng cường; khi nó được cho biết là đã sai, các liên kết trên đường dẫn đó sẽ bị suy yếu. Sau nhiều lần thử nghiệm và phản hồi, mạng lưới này đã tự hình thành các đường dẫn thần kinh thông minh và cỗ máy đã trở nên tối ưu hóa cho tác vụ đó. Bộ não cũng học giống thế này chút xíu nhưng theo một cách phức tạp hơn, và khi tiếp tục nghiên cứu bộ não, chúng ta sẽ khám phá những cách mới để tận dụng mạch điện thần kinh.

Trường phái sao chép dữ dội hơn liên quan đến một chiến lược gọi là “mô phỏng toàn bộ não”, mục tiêu của chiến lược này là cắt lát một bộ não thật thành các lớp mỏng, quét từng phần, sử dụng phần mềm để tái tạo một mô hình 3D chính xác, và sau đó đặt mô hình này vào một máy tính mạnh. Bấy giờ chúng ta sẽ có một máy tính chính thức có khả năng làm mọi thứ mà bộ não có thể làm – nó chỉ cần học hỏi và thu thập thông tin. Nếu các kỹ sư thực sự giỏi, họ sẽ có thể mô phỏng một bộ não thật với độ chính xác cao đến mức tính cách và trí nhớ của bộ não sẽ còn nguyên vẹn khi cấu trúc bộ não được tải lên máy tính. Nếu bộ não thuộc về Jim ngay trước khi ông qua đời, máy tính sẽ thức dậy như một Jim, một AGI mạnh mẽ mức độ con người, và bây giờ chúng ta có thể làm việc để biến Jim thành một ASI thông minh không thể tưởng tượng, điều hẳn sẽ làm Jim vô cùng phấn khích.

Chúng ta đã tiến đến đâu trên con đường mô phỏng toàn bộ não? Chà, cho đến nay, chúng ta vẫn chưa vừa mới mô phỏng được một bộ não sâu biển dài 1mm, bao gồm chỉ tổng cộng 302 neuron. Bộ não con người chứa tận 100 tỷ. Nếu điều đó làm cho dự án này trông có vẻ vô vọng, hãy nhớ đến sức mạnh của sự tăng trưởng theo cấp số nhân – bây giờ chúng ta đã chinh phục được bộ não con sâu, bộ não một con kiến hẳn có thể đạt được sớm thôi, tiếp theo là một con chuột, và đột nhiên điều này trông có vẻ hợp lý hơn nhiều.

Vậy nếu chúng ta quyết định rằng bài kiểm tra của đứa trẻ thông minh là quá khó để sao chép, chúng ta có thể thử sao chép cách cậu ta học cho bài kiểm tra như một cách thay thế.

Đây là điều chúng ta đã biết. Xây dựng một máy tính mạnh mẽ như bộ não là điều khả thi – sự tiến hóa của bộ não chúng ta là bằng chứng. Và nếu bộ não quá phức tạp để chúng ta có thể mô phỏng, thì thay vào đó, chúng ta có thể thử mô tả sự tiến hóa. Thực tế là, ngay cả khi chúng ta mô phỏng được một bộ não, điều đó có lẽ cũng chỉ giống như việc cố gắng chế tạo một chiếc máy bay bằng cách sao chép chuyển động đập cánh của loài chim – thông thường, máy móc được thiết kế tốt nhất bằng cách sử dụng một phương pháp tiếp cận mới, thiên về máy móc, chứ không phải bằng cách bắt chước y hệt sinh học.

Vậy làm cách nào chúng ta có thể mô phỏng sự tiến hóa để chế tạo AGI? Phương pháp làm chuyện đó, gọi là “các thuật toán di truyền,” sẽ hoạt động tựa như sau: sẽ có một quá trình thực-hiện-và-đánh-giá xảy ra lặp đi lặp lại (giống như các sinh vật sinh học “thực hiện” qua việc sống sót và được “đánh giá” qua việc chúng có sinh sản hay không). Một nhóm các máy tính sẽ cố gắng thực hiện các tác vụ, và những máy tính thành công nhất sẽ được phối với nhau bằng cách hòa trộn một nửa chương trình của mỗi máy tính thành một máy tính mới. Những máy tính kém thành công hơn sẽ bị loại. Trong nhiều, rất nhiều lần lặp đi lặp lại, quá trình chọn lọc tự nhiên này sẽ tạo ra các máy tính tốt hơn và tốt hơn nữa. Thách thức sẽ là việc tạo ra một chu kỳ đánh giá và nhân giống tự động để quá trình tiến hóa này có thể tự chạy một mình.

Nhược điểm của việc sao chép sự tiến hóa nằm ở chỗ, sự tiến hóa thường mất một tỷ năm để làm việc, và chúng ta muốn làm điều này trong vài thập kỷ.

Nhưng chúng ta có rất nhiều lợi thế so với sự tiến hóa. Thứ nhất, sự tiến hóa không có dự đoán và hoạt động ngẫu nhiên – nó tạo ra những đột biến không hữu ích nhiều hơn những đột biến hữu ích, còn chúng ta có thể kiểm soát quá trình để nó chỉ sinh ra các đột biến hữu ích và các điều chỉnh đúng mục tiêu. Thứ hai, sự tiến hóa không hướng đến bất cứ điều gì, kể cả trí thông minh – đôi khi một môi trường thậm chí có thể lựa chọn chống lại trí tuệ cao hơn (vì nó sử dụng rất nhiều năng lượng). Chúng ta, ngược lại, có thể chỉ đạo quá trình tiến hóa này hướng đến việc tăng cường trí thông minh. Thứ ba, để lựa chọn trí thông minh, sự tiến hóa phải đổi mới bằng nhiều cách khác nhau để tạo điều kiện thuận lợi cho trí thông minh –  như cải tiến cách tế bào tạo ra năng lượng – trong khi chúng ta có thể loại bỏ những gánh nặng đó và sử dụng những thứ như điện năng. Không nghi ngờ gì nữa, chúng ta sẽ nhanh hơn nhiều so với sự tiến hóa – tuy nhiên, vẫn chưa rõ liệu chúng ta có thể cải thiện được sự tiến hóa đủ để làm cho chiến lược này trở nên khả thi hay không.

Đây là khi các nhà khoa học tuyệt vọng và cố gắng lập trình để bài kiểm tra tự bản thân nó hoàn thành nó. Nhưng đây có thể là phương pháp hứa hẹn nhất mà chúng ta có.

Ý tưởng là chúng ta sẽ thiết kế một máy tính có hai kỹ năng chính là nghiên cứu về AI và mã hoá những thay đổi vào chính nó – cho phép nó không chỉ học mà còn cải thiện kiến trúc của chính mình. Chúng ta sẽ dạy các máy tính trở thành các nhà khoa học máy tính để chúng có thể khởi động sự phát triển của chính chúng. Và đó sẽ là công việc chính của chúng – tìm ra cách làm cho chúng thông minh hơn. Chúng ta sẽ nói thêm về điều này sau.

Những tiến bộ thần tốc về phần cứng và thử nghiệm đột phá với phần mềm đang diễn ra đồng thời, và AGI có thể đến với chúng ta một cách nhanh chóng cũng như bất ngờ vì hai lý do chính:

1) Sự tăng trưởng theo cấp số nhân là rất dữ dội và tốc độ tiến bộ nhìn như của ốc sên có thể sẽ nhanh chóng tăng lên.

2) Về phương diện phần mềm, sự tiến bộ có lẽ nhìn hơi chậm chạp, nhưng chỉ cần một phát kiến là có thể ngay lập tức thay đổi tốc độ tiến bộ (giống như nền khoa học, trong khoảng thời gian con người nghĩ rằng Trái Đất là trung tâm của vũ trụ, đã gặp khó khăn trong việc tính toán vũ trụ hoạt động như thế nào, nhưng sau đó khám phá về chuyện mặt trời mới là trung tâm đã bất ngờ làm mọi thứ dễ dàng hơn nhiều). Hoặc, khi nói đến việc máy tính tự cải thiện chính mình, chúng ta dường như còn đang ở rất xa, nhưng có khi chúng ta thực sự chỉ còn thiếu một tinh chỉnh trên hệ thống để khiến nó trở nên hiệu quả gấp 1.000 lần và nhảy đến mức độ trí thông minh bằng con người.

Vào một thời điểm nào đó, chúng ta chế được AGI rồi – máy tính với trí thông minh mức độ con người. Khi đó thế giới sẽ có một bầy người và máy tính sống cùng nhau trong bình đẳng.

Ồ, không hề.

Vấn đề là, AGI có cùng mức độ thông minh và khả năng tính toán như một con người sẽ vẫn có những lợi thế đáng kể so với con người. Như:

Phần cứng:

• Tốc độ. Các nơron thần kinh của não chạy hết công suất ở tần số khoảng 200 Hz, trong khi các vi xử lý hiện nay (chậm hơn nhiều so với khi chúng ta chế được AGI) đã chạy ở tần số 2 GHz, nhanh gấp 10 triệu lần so với các nơron của chúng ta. Và việc truyền thông nội bộ của não, đạt tốc độ khoảng 120 m/s, thua xa khả năng của máy tính, thứ có thể truyền tin quang học với tốc độ ánh sáng.

• Kích thước và dung lượng. Bộ não bị giới hạn kích thước bởi hình dạng của hộp sọ, mà dù sao nó cũng không thể lớn hơn nữa, không thì việc truyền thông nội bộ 120 m/s sẽ mất quá nhiều thời gian để đi từ cấu trúc não này sang cấu trúc não khác. Máy tính có thể mở rộng đến bất kỳ kích thước vật lý nào, cho phép thêm nhiều phần cứng hơn để làm việc, bộ nhớ hoạt động (RAM) cũng lớn hơn, và bộ nhớ dài hạn (dung lượng lưu trữ ổ cứng) thì có dung lượng và độ chính xác cao hơn chúng ta.

• Độ tin cậy và độ bền. Không chỉ có bộ nhớ của máy tính là chính xác hơn. Các bóng bán dẫn máy tính cũng chính xác hơn các nơron sinh học, và chúng ít bị hư hỏng (và có thể được sửa chữa hoặc thay thế nếu bị). Bộ não của con người thì dễ bị mệt mỏi, trong khi máy tính có thể chạy không nghỉ, ở hiệu suất cao nhất, 24/7.

Phần mềm:

• Khả năng chỉnh sửa, khả năng nâng cấp và hàng loạt khả năng khác. Không giống như não của con người, phần mềm máy tính có thể nhận được cập nhật cũng như sửa chữa và có thể dễ dàng được thử nghiệm. Việc nâng cấp cũng có thể bao trùm đến những lĩnh vực mà bộ não con người yếu. Phần mềm thị giác của con người là cực kỳ tiên tiến, trong khi khả năng kỹ thuật phức tạp của con người thì khá yếu. Máy tính có thể sánh ngang với con người về mặt phần mềm thị giác trong khi vẫn có thể tối ưu hóa trong kỹ thuật và bất kỳ lĩnh vực nào khác.

• Năng lực tập thể. Loài người đánh bại tất cả các loài khác trong việc xây dựng một trí thông minh tập thể rộng. Bắt đầu bằng sự phát triển của ngôn ngữ và sự hình thành của các cộng đồng lớn và dày đặc, tiến bộ thông qua các sáng chế về chữ viết và mực in, và bây giờ được tăng cường thông qua các công cụ như internet, trí thông minh của toàn nhân loại là một trong những lý do chính giúp chúng ta có thể vượt xa tất cả các loài sinh vật khác. Và máy tính sẽ giỏi về khoản đó hơn chúng ta nhiều. Một mạng lưới toàn cầu của AI đang chạy một chương trình cụ thể nào đó có thể thường xuyên đồng bộ với chính nó để bất cứ điều gì một máy tính học được sẽ ngay lập tức được tải lên cho tất cả các máy tính khác. Nhóm máy tính cũng có thể cùng nhau đạt được một mục tiêu, bởi vì máy tính sẽ không có những quan điểm và động cơ phản đối hay vụ lợi không cần thiết như loài người.

AI, có khả năng sẽ đạt tới tầm cỡ AGI bằng cách được lập trình để tự cải thiện bản thân, sẽ không thấy “trí tuệ mức độ người” như một mốc quan trọng – nó chỉ là một dấu ấn phù hợp theo quan điểm của con người chúng ta – và AI không có lý do gì để “dừng lại” ở mức độ của chúng ta. Và với những ưu điểm vượt trội của AI so với chúng ta, ngay cả khi AGI chỉ đạt trí thông minh tương đương con người, rõ ràng là nó sẽ chỉ ở lại mức trí thông minh tương đương con người trong một thời gian ngắn trước khi tiến lên lĩnh vực trí tuệ siêu việt.

Điều này khi xảy ra có thể sẽ gây sốc cho chúng ta. Lý do là vì từ quan điểm của chúng ta, A) trong khi trí thông minh của các loại động vật khác là khác nhau, đặc điểm chính mà chúng ta biết về trí thông minh của bất kỳ loài động vật nào là chúng đều thấp hơn chúng ta, và B) chúng ta nghĩ người thông minh nhất thế giới sẽ thông minh hơn NHIỀU những người ngu ngốc nhất. Đại loại như thế này:

Vậy là khi AI tiến lên về phía chúng ta, chúng ta sẽ chỉ thấy nó đơn giản là trở nên thông minh hơn, như một con vật. Sau đó, khi nó đạt đến năng lực thấp nhất của nhân loại – Nick Bostrom sử dụng thuật ngữ “thằng ngốc trong thôn” – chúng ta sẽ phản ứng kiểu: “Ồ, wow, nó giống một kẻ ngốc. Dễ thương ghê! “Điều duy nhất chúng ta không ngờ là, trên biểu đồ phổ thông minh, tất cả mọi người, từ thằng ngốc trong thôn đến Einstein, đều nằm trong một phạm vi rất hẹp – vì vậy, ngay sau khi chạm vào mức thằng ngốc và được tuyên bố là AGI, nó sẽ đột nhiên thông minh hơn cả Einstein và chúng ta sẽ không biết chuyện gì vừa xảy ra:

Rồi chuyện gì xảy ra… sau đó?

Một Vụ bùng nổ Trí thông minh

Tôi hy vọng bạn thích quãng thời gian bình thường, bởi vì đây là lúc chủ đề này trở nên bất thường và đáng sợ, và nó sẽ cứ như thế kể từ chỗ này trở đi. Tôi muốn tạm dừng ở đây để nhắc nhở bạn rằng: mọi thứ tôi sắp nói đều là khoa học thực sự và các dự báo thực sự về tương lai từ một loạt các nhà tư tưởng và các nhà khoa học được kính trọng nhất. Hãy nhớ kĩ điều đó.

Dù sao đi nữa, như tôi đã nói ở trên, hầu hết các mô hình hiện tại của chúng ta để tiến đến AGI đều liên quan đến việc AI tự cải thiện để tới đích. Và một khi đã đến được AGI, ngay cả các hệ thống hình thành và phát triển thông qua các phương pháp không liên quan đến tự cải thiện giờ đây cũng sẽ đủ thông minh để bắt đầu tự cải thiện nếu chúng muốn.

Và đây là lúc chúng ta đi đến một khái niệm khá căng: tự cải thiện đệ quy. Nó hoạt động như thế này:

Một hệ thống AI ở một mức độ nào đó – giả sử là mức thằng ngốc trong thôn – được lập trình với mục đích tự nâng cao trí