Bước ngoặt AI

Tầm nhìn về trí tuệ nhân tạo ngang tầm con người mà Alan Turing đã phác thảo vào những năm 1950 giờ đây đã trở thành hiện thực. Đôi mắt không bị che mờ bởi nỗi sợ hãi hay sự thổi phồng sẽ giúp chúng ta chuẩn bị cho những gì sắp tới.

Năm 1950, trong một bài báo có tiêu đề "Computing Machinery and Intelligence"1, Alan Turing đã đề xuất "trò chơi bắt chước" của ông. Ngày nay được biết đến với tên gọi Kiểm tra Turing, nó giải quyết một câu hỏi dường như hoàn toàn giả thuyết: liệu máy móc có thể thể hiện loại năng lực nhận thức linh hoạt, tổng quát đặc trưng cho tư duy con người, đến mức chúng có thể tự nhận là con người trước những người không biết gì về chúng?

Ba phần tư thế kỷ sau, câu trả lời dường như là "có". Vào tháng 3 năm 2025, mô hình ngôn ngữ lớn (LLM) GPT-4.5, do OpenAI phát triển tại San Francisco, California, đã được con người đánh giá trong một bài Kiểm tra Turing là giống con người tới 73% thời gian — nhiều hơn cả con người thật2. Hơn nữa, độc giả thậm chí còn ưa thích các tác phẩm văn học do LLM tạo ra hơn là những tác phẩm do các chuyên gia con người viết3.

Đây còn xa mới là tất cả. LLM đã đạt được thành tích huy chương vàng tại Olympic Toán học Quốc tế, hợp tác với các nhà toán học hàng đầu để chứng minh các định lý4, tạo ra các giả thuyết khoa học đã được xác nhận trong các thí nghiệm5, giải quyết các bài toán từ kỳ thi Tiến sĩ, hỗ trợ các lập trình viên chuyên nghiệp viết mã, sáng tác thơ và nhiều hơn nữa — bao gồm cả việc trò chuyện 24/7 với hàng trăm triệu người trên khắp thế giới. Nói cách khác, LLM đã cho thấy nhiều dấu hiệu của loại năng lực nhận thức rộng, linh hoạt mà Turing tập trung vào — cái mà chúng ta ngày nay gọi là "trí tuệ tổng quát", mặc dù Turing đã không sử dụng thuật ngữ này.


Tuy nhiên, nhiều chuyên gia ngần ngại khi cho rằng các mô hình AI hiện tại thể hiện trí tuệ nhân tạo tổng quát (AGI) — và một số người còn nghi ngờ liệu chúng có bao giờ đạt được điều đó hay không. Một cuộc khảo sát vào tháng 3 năm 2025 do Hiệp hội Thúc đẩy Trí tuệ Nhân tạo tại Washington DC thực hiện cho thấy 76% các nhà nghiên cứu hàng đầu cho rằng việc mở rộng các phương pháp AI hiện tại sẽ "khó có thể" hoặc "rất khó có thể" mang lại AGI (xem go.nature.com/4smn16b).
Điều gì giải thích cho sự khác biệt này? Chúng tôi cho rằng vấn đề một phần là do khái niệm, vì các định nghĩa về AGI còn mơ hồ và không nhất quán; một phần là do cảm xúc, vì AGI làm dấy lên nỗi sợ bị thay thế và xáo trộn; và một phần là do thực tế, vì thuật ngữ này bị ràng buộc với các lợi ích thương mại có thể làm sai lệch các đánh giá. Chính vì AGI chiếm ưu thế trong diễn ngôn công chúng, nên việc xem xét khái niệm này một cách khách quan hơn là đáng giá: như một câu hỏi về trí thông minh, thay vì một mối lo ngại cấp bách về sự biến động xã hội hoặc một cột mốc luôn bị trì hoãn trong hợp đồng kinh doanh.

Trong bài bình luận này, chúng tôi tiếp cận câu hỏi này từ các góc độ khác nhau — triết học, học máy, ngôn ngữ học và khoa học nhận thức — và đạt được sự đồng thuận sau các cuộc thảo luận sâu rộng. Dưới đây, chúng tôi trình bày lý do tại sao chúng tôi tin rằng, một khi bạn gạt bỏ những nhầm lẫn nhất định, và cố gắng đưa ra những so sánh công bằng và tránh những thiên vị lấy con người làm trung tâm, thì kết luận sẽ rất rõ ràng: theo các tiêu chuẩn hợp lý, bao gồm cả tiêu chuẩn của Turing, chúng ta có các hệ thống nhân tạo có trí tuệ tổng quát. Vấn đề lâu đời về việc tạo ra AGI đã được giải quyết. Việc nhận ra sự thật này là quan trọng — đối với chính sách, đối với rủi ro và đối với việc hiểu bản chất của tâm trí và thậm chí cả thế giới.

Các câu hỏi về định nghĩa

Chúng tôi giả định, như chúng tôi nghĩ Turing cũng sẽ làm, rằng con người có trí tuệ tổng quát. Một số người cho rằng trí tuệ tổng quát không tồn tại, ngay cả ở con người. Mặc dù quan điểm này mạch lạc và thú vị về mặt triết học, chúng tôi tạm gác lại ở đây vì nó quá xa rời phần lớn diễn ngôn về AI. Nhưng sau khi đưa ra giả định này, chúng ta nên mô tả trí tuệ tổng quát như thế nào?

Một định nghĩa không chính thức phổ biến về trí tuệ tổng quát, và là điểm khởi đầu cho các cuộc thảo luận của chúng tôi, là một hệ thống có thể thực hiện hầu hết mọi nhiệm vụ nhận thức mà con người có thể làm6,7. Những nhiệm vụ nào nên có trong danh sách này sẽ gây ra nhiều tranh cãi, nhưng cụm từ "một con người" cũng che giấu một sự mơ hồ quan trọng. Nó có nghĩa là một chuyên gia hàng đầu của con người cho mỗi nhiệm vụ? Khi đó, không có cá nhân nào đủ tiêu chuẩn — Marie Curie đã đoạt giải Nobel về hóa học và vật lý nhưng không phải là chuyên gia về lý thuyết số. Nó có nghĩa là một con người tổng hợp với năng lực trên diện rộng? Điều này cũng có vẻ là một tiêu chuẩn cao — Albert Einstein đã cách mạng hóa vật lý, nhưng ông không thể nói tiếng Quan Thoại.

Một định nghĩa loại trừ hầu hết mọi người không phải là định nghĩa về trí tuệ tổng quát; nó nói về một thứ khác, có lẽ là chuyên môn lý tưởng hoặc trí tuệ tập thể. Thay vào đó, trí tuệ tổng quát là về việc có đủ chiều rộng và chiều sâu về khả năng nhận thức, với "đủ" được neo bởi các trường hợp điển hình. Chiều rộng có nghĩa là khả năng trên nhiều lĩnh vực — toán học, ngôn ngữ, khoa học, lý luận thực tế, nhiệm vụ sáng tạo — trái ngược với trí tuệ "hẹp", chẳng hạn như máy tính bỏ túi hoặc chương trình chơi cờ vua. Chiều sâu có nghĩa là hiệu suất mạnh mẽ trong các lĩnh vực đó, không chỉ là sự tham gia hời hợt.

Trí tuệ tổng quát của con người chấp nhận các mức độ và sự biến đổi. Trẻ em, người lớn trung bình và một thiên tài được công nhận như Einstein đều có trí tuệ tổng quát ở các cấp độ và hồ sơ khác nhau. Cá nhân con người xuất sắc hoặc kém cỏi trong các lĩnh vực khác nhau. Sự linh hoạt tương tự nên áp dụng cho các hệ thống nhân tạo: chúng ta nên xem xét liệu chúng có các khả năng nhận thức cốt lõi ở các cấp độ tương đương với trí tuệ tổng quát ở cấp độ con người hay không.

Thay vì quy định một định nghĩa, chúng ta dựa vào cả các trường hợp thực tế và giả định về trí tuệ tổng quát — từ Einstein đến người ngoài hành tinh đến các nhà tiên tri — để xác định các đường nét của khái niệm và tinh chỉnh nó một cách có hệ thống hơn. Kết luận của chúng tôi: trong chừng mực các cá nhân con người có trí tuệ tổng quát, các LLM hiện tại cũng vậy.

Trí tuệ tổng quát không phải là gì

Chúng ta có thể bắt đầu bằng cách xác định bốn đặc điểm không bắt buộc đối với trí tuệ tổng quát.

Sự hoàn hảo. Chúng ta không mong đợi một nhà vật lý sánh ngang với những hiểu biết sâu sắc của Einstein, hoặc một nhà sinh vật học tái hiện những đột phá của Charles Darwin. Rất ít, nếu có, con người có chiều sâu hoàn hảo ngay cả trong các lĩnh vực chuyên môn. Trí tuệ tổng quát của con người không yêu cầu sự hoàn hảo; AGI cũng không nên vậy.

Tính phổ quát. Không một cá nhân nào có thể thực hiện mọi nhiệm vụ nhận thức, và các loài khác có những khả năng vượt trội hơn chúng ta: một con bạch tuộc có thể điều khiển tám cánh tay của nó một cách độc lập; nhiều loài côn trùng có thể nhìn thấy các phần của phổ điện từ mà con người không nhìn thấy. Trí tuệ tổng quát không yêu cầu sự thành thạo phổ quát các kỹ năng này; AGI không cần chiều rộng hoàn hảo.

Sự tương đồng với con người. Trí tuệ là một thuộc tính chức năng có thể được thực hiện trên các nền tảng khác nhau — một điểm mà Turing đã chấp nhận vào năm 1950 bằng cách gạt bỏ sinh học con người. Các hệ thống thể hiện trí tuệ tổng quát không cần sao chép kiến trúc nhận thức của con người hoặc hiểu các tham chiếu văn hóa của con người. Chúng ta sẽ không yêu cầu những điều này đối với người ngoài hành tinh thông minh; điều tương tự cũng áp dụng cho máy móc.
Siêu trí tuệ. Điều này thường được sử dụng để chỉ bất kỳ hệ thống nào vượt trội đáng kể về hiệu suất nhận thức của con người trong hầu hết mọi lĩnh vực. Siêu trí tuệ và AGI thường bị nhầm lẫn, đặc biệt là trong bối cảnh kinh doanh, trong đó "siêu trí tuệ" thường báo hiệu sự gián đoạn kinh tế. Không có con người nào đáp ứng tiêu chuẩn này; nó cũng không nên là yêu cầu đối với AGI.

Một chuỗi bằng chứng

Vậy, trí tuệ tổng quát là gì? Không có bài kiểm tra "ranh giới rõ ràng" nào cho sự hiện diện của nó — bất kỳ ngưỡng chính xác nào cuối cùng cũng sẽ tùy tiện. Điều này có thể làm thất vọng những người muốn có tiêu chí chính xác, nhưng sự mơ hồ là một đặc điểm, không phải là lỗi. Các khái niệm như "sự sống" và "sức khỏe" chống lại định nghĩa rõ ràng nhưng vẫn hữu ích; chúng ta nhận ra các trường hợp điển hình mà không cần ranh giới chính xác. Con người là những ví dụ điển hình về trí tuệ tổng quát; máy tính bỏ túi thiếu nó, mặc dù có khả năng siêu phàm trong các phép tính.

Khi chúng ta đánh giá trí tuệ hoặc khả năng tổng quát ở những người khác, chúng ta không cố gắng nhìn vào bên trong đầu họ để xác minh sự hiểu biết — chúng ta suy luận điều đó từ hành vi, cuộc trò chuyện và giải quyết vấn đề. Không có bài kiểm tra đơn lẻ nào là dứt khoát, nhưng bằng chứng tích lũy. Điều tương tự cũng áp dụng cho các hệ thống nhân tạo.

Giống như chúng ta đánh giá trí tuệ tổng quát của con người thông qua các bài kiểm tra ngày càng khắt khe, từ khả năng đọc viết cơ bản đến các kỳ thi tiến sĩ, chúng ta có thể xem xét một chuỗi bằng chứng ngày càng khắt khe, cho phép ngày càng có nhiều sự tin tưởng vào sự hiện diện của AGI.

Cấp độ bài kiểm tra Turing. Các dấu hiệu tương đương với giáo dục phổ thông cơ bản: vượt qua các kỳ thi phổ thông tiêu chuẩn, có các cuộc trò chuyện đầy đủ và thực hiện suy luận đơn giản. Một thập kỷ trước, việc đáp ứng những điều này có thể đã được chấp nhận rộng rãi là bằng chứng đủ mạnh cho AGI.

Nhấp để mở rộng...

Cấp độ chuyên gia. Ở đây, yêu cầu tăng lên: thành tích huy chương vàng tại các cuộc thi quốc tế, giải quyết các vấn đề trong kỳ thi tiến sĩ thuộc nhiều lĩnh vực, viết và gỡ lỗi mã phức tạp, thông thạo hàng chục ngôn ngữ, hỗ trợ nghiên cứu tiên phong hữu ích cũng như giải quyết vấn đề sáng tạo và thực tế một cách có năng lực, từ viết luận đến lên kế hoạch chuyến đi. Những thành tựu này vượt xa nhiều mô tả về AGI trong khoa học viễn tưởng. Siêu máy tính có tri giác HAL 9000, từ bộ phim "2001: A Space Odyssey" năm 1968 của đạo diễn Stanley Kubrick, thể hiện sự đa dạng kém hơn so với các LLM hiện tại. Và các LLM hiện tại thậm chí còn vượt xa những gì chúng ta yêu cầu ở con người: chúng ta công nhận trí tuệ tổng quát ở một cá nhân dựa trên bằng chứng yếu hơn nhiều.

Cấp độ siêu phàm. Những khám phá khoa học mang tính cách mạng và sự vượt trội nhất quán so với các chuyên gia hàng đầu của con người trên nhiều lĩnh vực. Bằng chứng như vậy chắc chắn sẽ không cho phép tranh luận hợp lý về sự hiện diện của trí tuệ tổng quát ở máy móc — nhưng nó không phải là bằng chứng bắt buộc cho sự hiện diện của nó, bởi vì không có con người nào thể hiện điều này.

Tầm nhìn của Turing đã thành hiện thực

Các LLM hiện tại đã bao gồm hai cấp độ đầu tiên. Khi các LLM giải quyết các vấn đề ngày càng khó khăn, các lời giải thích thay thế cho khả năng của chúng — ví dụ, rằng chúng là những 'bảng tra cứu' khổng lồ thu hồi các câu trả lời đã được tính toán trước hoặc 'vẹt ngẫu nhiên' nhai lại các quy luật nông cạn mà không nắm bắt được ý nghĩa hoặc cấu trúc — ngày càng bị bác bỏ.
Tuy nhiên, thường thì những tuyên bố như vậy lại xuất hiện trở lại với những dự đoán khác. Các giả thuyết rút lui trước mỗi thành công mới, luôn dự đoán thất bại ngay sau những thành tựu hiện tại, không phải là các lý thuyết khoa học hấp dẫn, mà là sự cam kết giáo điều đối với sự hoài nghi vĩnh cửu.

Nhấp để mở rộng...

Chúng tôi cho rằng bằng chứng hiện tại là rõ ràng. Bằng cách suy luận để có lời giải thích tốt nhất — cùng một lập luận mà chúng ta sử dụng khi gán trí tuệ tổng quát cho người khác — chúng ta đang quan sát thấy AGI ở mức độ cao. Những cỗ máy như những gì Turing hình dung đã xuất hiện. Những lập luận tương tự đã được đưa ra trước đây¹⁰ (xem thêm go.nature.com/49p6voq), và đã gây ra tranh cãi và phản ứng dữ dội. Lập luận của chúng tôi được hưởng lợi từ những tiến bộ đáng kể và thêm thời gian. Tính đến đầu năm 2026, trường hợp AGI rõ ràng hơn đáng kể.

Bây giờ chúng ta xem xét mười phản đối phổ biến đối với ý tưởng rằng các LLM hiện tại thể hiện trí tuệ tổng quát. Một số trong số chúng lặp lại những phản đối mà chính Turing đã xem xét vào năm 1950. Chúng tôi cho rằng mỗi phản đối hoặc là lẫn lộn trí tuệ tổng quát với các khía cạnh không thiết yếu của trí tuệ, hoặc áp dụng các tiêu chuẩn mà cá nhân con người không đáp ứng được.

Chúng chỉ là những con vẹt. Phản đối "vẹt ngẫu nhiên" cho rằng LLM chỉ đơn thuần nội suy dữ liệu huấn luyện. Chúng chỉ có thể kết hợp lại các mẫu mà chúng đã gặp, vì vậy chúng phải thất bại trong các vấn đề thực sự mới, hoặc "khả năng khái quát hóa ngoài phân phối". Điều này lặp lại "Phản đối của Lady Lovelace", lấy cảm hứng từ nhận xét năm 1843 của Ada Lovelace và được Turing diễn đạt thành tuyên bố rằng máy móc "không bao giờ có thể làm bất cứ điều gì thực sự mới"¹. Các LLM ban đầu chắc chắn đã mắc lỗi trong các vấn đề đòi hỏi suy luận và khái quát hóa vượt ra ngoài các mẫu bề mặt trong dữ liệu huấn luyện. Nhưng các LLM hiện tại có thể giải quyết các bài toán toán học mới, chưa được công bố, thực hiện suy luận thống kê trong ngữ cảnh gần như tối ưu trên dữ liệu khoa học¹¹ và thể hiện sự chuyển giao đa lĩnh vực, theo đó việc huấn luyện trên mã nguồn cải thiện khả năng suy luận chung trên các lĩnh vực không phải mã nguồn¹². Nếu các nhà phê bình yêu cầu những khám phá mang tính cách mạng như thuyết tương đối của Einstein, họ đang đặt ra tiêu chuẩn quá cao, bởi vì rất ít người cũng tạo ra những khám phá như vậy. Hơn nữa, không có gì đảm bảo rằng trí tuệ con người không phải là một phiên bản tinh vi của vẹt ngẫu nhiên. Tất cả trí tuệ, dù là con người hay nhân tạo, đều phải trích xuất cấu trúc từ dữ liệu tương quan; câu hỏi là mức độ sâu của sự trích xuất.

Chúng thiếu mô hình thế giới. LLM được cho là thiếu các biểu diễn về môi trường vật lý của chúng, những điều cần thiết cho sự hiểu biết thực sự. Nhưng có một mô hình thế giới chỉ yêu cầu khả năng dự đoán điều gì sẽ xảy ra nếu hoàn cảnh khác đi — để trả lời các câu hỏi phản thực tế. Hãy hỏi một LLM tiên tiến nhất về sự khác biệt giữa việc làm rơi một chiếc ly hoặc một chiếc gối trên sàn gạch, và nó sẽ dự đoán chính xác việc vỡ trong một trường hợp và không phải trường hợp kia. Khả năng của LLM trong việc giải các bài toán toán học và vật lý Olympic và hỗ trợ thiết kế kỹ thuật cho thấy chúng sở hữu các mô hình chức năng về các nguyên tắc vật lý. Theo các tiêu chuẩn này, LLM đã có mô hình thế giới. Hơn nữa, các mạng nơ-ron được phát triển cho các lĩnh vực chuyên biệt như lái xe tự động đã học được các mô hình dự đoán về các cảnh vật lý hỗ trợ suy luận phản thực tế và nhận thức vật lý tinh vi¹³.

Nhấp để mở rộng...

Chúng chỉ hiểu ngôn ngữ. Phản đối này tập trung vào việc các Mô hình Ngôn ngữ Lớn (LLM) chỉ được huấn luyện trên văn bản, do đó chúng bị giới hạn cơ bản trong các tác vụ dựa trên văn bản. Các mô hình tiên tiến hiện nay được huấn luyện trên hình ảnh và dữ liệu đa phương thức khác, khiến phản đối này trở nên lỗi thời. Hơn nữa, ngôn ngữ là công cụ mạnh mẽ nhất của con người để nén và nắm bắt kiến thức về thực tế. LLM có thể trích xuất kiến thức được nén này và áp dụng nó vào các tác vụ hoàn toàn phi ngôn ngữ: giúp các nhà nghiên cứu thiết kế thí nghiệm — ví dụ, đề xuất những gì cần kiểm tra tiếp theo trong sinh học và khoa học vật liệu — vượt ra ngoài hiệu suất ngôn ngữ đơn thuần. Chúng ta vẫn chưa gặp phải những hạn chế rõ ràng đối với hiệu suất của LLM mà phản đối này dự đoán.

Chúng không có cơ thể. Các nhà phê bình cho rằng, nếu không có sự hiện diện vật lý, sẽ không có trí tuệ tổng quát. Điều này phản ánh một thiên kiến lấy con người làm trung tâm, dường như chỉ được áp dụng cho AI. Con người sẽ gán trí tuệ cho một người ngoài hành tinh không có cơ thể giao tiếp qua radio, hoặc cho một bộ não được duy trì trong một bể chứa. Một thực thể phản hồi chính xác mọi câu hỏi, nhưng không bao giờ di chuyển hay hành động vật lý, sẽ được coi là có trí tuệ sâu sắc. Nhà vật lý Stephen Hawking tương tác với thế giới gần như hoàn toàn qua văn bản và giọng nói tổng hợp, nhưng những hạn chế về thể chất của ông không hề làm giảm trí tuệ của ông. Khả năng vận động có thể tách rời khỏi trí tuệ tổng quát.

Chúng thiếu khả năng tự chủ. Đúng là các LLM hiện tại không tự đặt ra mục tiêu độc lập hoặc chủ động hành động mà không được nhắc nhở, như con người làm. Ngay cả các hệ thống AI "tự chủ" — như các tác nhân lập trình tiên tiến — thường chỉ hoạt động khi người dùng kích hoạt một tác vụ, ngay cả khi chúng có thể tự động soạn thảo các tính năng và sửa lỗi. Nhưng trí tuệ không đòi hỏi sự tự chủ. Giống như Tiên tri của Delphi — được hiểu là một hệ thống chỉ đưa ra câu trả lời chính xác khi được hỏi — các LLM hiện tại không cần chủ động đặt ra mục tiêu để được coi là thông minh. Con người thường có cả trí tuệ tổng quát và sự tự chủ, nhưng chúng ta không nên kết luận rằng cái này đòi hỏi cái kia. Sự tự chủ quan trọng đối với trách nhiệm đạo đức, nhưng nó không cấu thành trí tuệ.

Chúng không có ý thức về bản thân. Các nhà phê bình phản đối rằng AGI đòi hỏi bộ nhớ tự truyện bền vững, bản sắc cá nhân ổn định và cập nhật bản thân liên tục, theo cách mà các LLM ngày nay còn thiếu. Các LLM tiên tiến ngày càng được triển khai với ngữ cảnh dài hạn và bộ nhớ dành riêng cho người dùng, do đó khoảng cách về trí nhớ và bản sắc giữa con người và các hệ thống dựa trên LLM đang thu hẹp lại. Mặc dù những tính năng này rất quan trọng đối với cách con người hoạt động trong xã hội, nhưng chúng không phải là yêu cầu đối với trí tuệ tổng quát. Chúng ta không phủ nhận trí tuệ của những người mắc chứng mất trí nhớ sâu sắc, những người có thể không nhớ chi tiết cá nhân nào, cũng như không phủ nhận trí tuệ của những người mắc chứng rối loạn đa nhân cách, mà các nhân cách của họ có thể không nhận thức về nhau. Ví dụ, một người mất trí nhớ thông minh có thể suy luận mạnh mẽ bằng cách sử dụng thông tin được ghi lại trong các sổ ghi chép bên ngoài, ngay cả khi những sổ ghi chép đó không bao giờ kết nối với nhau.

Chúng học kém hiệu quả. Một phản đối phổ biến là trẻ em học khái niệm từ ít ví dụ, trong khi LLM yêu cầu lượng dữ liệu khổng lồ: chúng có "hiệu quả lấy mẫu" thấp. Ngay cả khi điều này đúng, sự so sánh không hề đơn giản. Nó bỏ qua hàng tỷ năm "tiền huấn luyện" tiến hóa đã xây dựng các thiên kiến quy nạp phong phú — về đối tượng, không gian và nhân quả — từ rất lâu trước khi bắt đầu học hỏi từ kinh nghiệm. Quan trọng hơn, sự khác biệt về hiệu quả học tập không nhất thiết có nghĩa là mức độ trí tuệ khác nhau. Một kỳ thủ cờ vua mất mười năm để đạt được trình độ bậc thầy cũng giỏi cờ vua như người đạt được trình độ đó trong một năm.

Nhấp để mở rộng...

Họ ảo giác. Các Mô hình Ngôn ngữ Lớn (LLM) đôi khi tự tin trình bày thông tin sai lệch như thể đó là sự thật, làm dấy lên lo ngại về độ tin cậy. Hiện tượng ảo giác đang ngày càng ít xảy ra trong các mô hình hiện tại, nhưng điều đó không hề làm mất đi trí tuệ tổng quát. Con người dễ bị mắc sai lầm về trí nhớ, thiên kiến nhận thức và ảo ảnh tri giác, thường khẳng định chúng một cách tự tin.

Chúng thiếu lợi ích kinh tế. Trong một số giới, đặc biệt là trong ngành công nghiệp, định nghĩa về AGI đã thay đổi để chỉ những thứ phải tạo ra lợi nhuận kinh tế đáng kể. Nhưng khả năng kinh tế là một ứng dụng của trí tuệ tổng quát, không phải là yêu cầu để nó tồn tại. Lịch sử cho thấy nhiều ví dụ về những cá nhân xuất chúng nhưng tạo ra ít lợi ích kinh tế; chúng ta không vì thế mà phủ nhận trí tuệ tổng quát của họ.

Trí tuệ của chúng là "xa lạ". Các LLM đôi khi thất bại trong các nhiệm vụ rất đơn giản đối với chúng ta (như đếm số lần xuất hiện của chữ 'r' trong từ 'strawberry') trong khi lại hoạt động tốt trong các nhiệm vụ mà con người thấy khó khăn — từ các câu hỏi khoa học cấp tiến sĩ đến tổng hợp nhanh chóng qua các bộ sưu tập tài liệu khoa học khổng lồ. Nhưng tuyên bố của chúng tôi không phải là LLM có trí tuệ con người; mà là chúng hiện thực hóa một dạng trí tuệ tổng quát nào đó. Hơn nữa, các LLM tiên tiến ngày càng viết mã và sử dụng công cụ để bù đắp cho điểm yếu của mình, giống như con người tăng cường khả năng của họ bằng công nghệ, từ máy tính bỏ túi đến điện thoại thông minh. Hồ sơ điểm mạnh và điểm yếu kết quả là một dạng trí tuệ khá xa lạ, nhưng đó là lý do để mở rộng khái niệm về trí tuệ tổng quát của chúng ta, chứ không phải để phủ nhận rằng các hệ thống này sở hữu nó.

Trong suốt các phản đối này, các nhà phê bình yêu cầu những đặc điểm cụ thể mà không có nguyên tắc vững chắc nào yêu cầu đối với trí tuệ tổng quát. Nhiều người loại trừ những trí tuệ mà chúng ta dễ dàng nhận ra là như vậy; một số trong số họ loại trừ cả con người được coi là thông minh xuất chúng, hoặc tất cả con người.

Cuối cùng, một phản ứng khác, không hẳn là một phản đối, là cái mà Turing gọi là "giấu đầu": hậu quả của việc máy móc suy nghĩ sẽ quá khủng khiếp, vì vậy chúng ta hãy hy vọng chúng không thể. Điều này có thể hiểu được từ quan điểm cảm xúc và nhân văn. Nhưng như Turing đã lưu ý, điều này đòi hỏi sự an ủi, không phải sự bác bỏ — người ta có thể thông cảm với sự lo lắng mà không coi đó là một lập luận.

Tại sao điều này lại quan trọng
Việc công nhận các LLM hiện tại là AGI và là sự hiện thực hóa tầm nhìn về trí tuệ máy móc do Turing đặt ra là một lời cảnh tỉnh. Các hệ thống này không còn ở phía chân trời; chúng đã ở đây. Các khuôn khổ được thiết kế để đánh giá các công cụ hẹp không đủ để đánh giá lợi ích và rủi ro của chúng. Các câu hỏi về sự cùng tồn tại, trách nhiệm, nghĩa vụ pháp lý và quản trị sẽ có những chiều kích mới khi các hệ thống liên quan không phải là công cụ hẹp mà là trí tuệ tổng quát.

Trí tuệ, như chúng ta đã thấy, không yêu cầu quyền tự chủ mạnh mẽ — một phát hiện làm phức tạp thêm các cuộc tranh luận về trách nhiệm pháp lý và đạo đức của các hệ thống trí tuệ nhân tạo, vốn thường giả định rằng hai điều này đi đôi với nhau. Chúng ta cần những cách thức đánh giá và thiết lập trách nhiệm cho AI cẩn thận hơn, dựa trên thực nghiệm. Hơn nữa, các phương pháp quản trị thông thường khó có thể hoạt động đối với AGI, chính xác là do tính tổng quát của nó. Công nghệ thường được quản lý dựa trên các ứng dụng có thể có của nó, nhưng AGI có thể được sử dụng ở hầu hết mọi nơi.

Nhấp để mở rộng...

Một câu hỏi quan trọng khác liên quan đến mối quan hệ giữa trí tuệ con người và các dạng trí tuệ tổng quát đã được tạo ra và sẽ được tạo ra trong tương lai. Theo nhiều cách, các hệ thống này đáng ngạc nhiên là giống con người — chúng viết như chúng ta, nói chuyện như chúng ta và chia sẻ một số khiếm khuyết của chúng ta. Tuy nhiên, chúng vẫn xa lạ, phản ánh một con đường hoàn toàn khác để đạt được trí tuệ tổng quát, không bị ràng buộc bởi áp lực tiến hóa đã định hình các mục tiêu sinh tồn của nhận thức con người, một cơ thể nhỏ bé, năng lượng khan hiếm và giao tiếp băng thông thấp. Hiểu được sự xa lạ này là điều quan trọng. Các hệ thống này khác với chúng ta như thế nào, và những khác biệt đó là tạm thời hay cơ bản?

Câu trả lời có thể tiết lộ khía cạnh nào của trí tuệ tổng quát là phổ quát và khía cạnh nào là đặc điểm địa phương của di sản sinh học của chúng ta. Lần đầu tiên trong lịch sử loài người, chúng ta không còn đơn độc trong không gian của trí tuệ tổng quát. Chúng ta cũng có thể hiểu rõ hơn về rủi ro, bởi vì một trí tuệ tổng quát xa lạ có thể thất bại theo những cách đáng ngạc nhiên, hoặc thành công theo những cách không dễ dàng hiểu hoặc hướng dẫn. Nhìn nhận các hệ thống này đúng như bản chất của chúng sẽ giúp chúng ta làm việc với chúng ngày hôm nay và chuẩn bị cho những gì sắp tới.

Chỉ năm năm trước, chúng ta chưa có AGI; bây giờ chúng ta có. Chắc chắn sẽ có những dạng trí tuệ mạnh mẽ hơn nữa sớm xuất hiện. Điều này vừa đáng chú ý vừa đáng lo ngại. Đáng chú ý, bởi vì chúng ta may mắn được chứng kiến có lẽ là cuộc cách mạng khoa học và công nghệ quan trọng nhất trong lịch sử nhân loại. Đáng lo ngại, bởi vì tiến trình đang diễn ra nhanh chóng hơn bất kỳ tiền lệ lịch sử nào và có thể đang tăng tốc.

Năm 1965, khi xem xét tiến bộ của AI cho Tập đoàn RAND, triết gia Hubert Dreyfus đã so sánh các phương pháp phát triển trí tuệ nhân tạo cấp độ con người với việc cố gắng lên Mặt Trăng bằng cách leo cây (xem go.nature.com/3ywerhj). Trong nhiều thập kỷ, điều này có vẻ đúng. Nhưng khi bằng chứng ngày càng tăng, ngày càng rõ ràng là chúng ta đã đánh giá sai bản chất của Mặt Trăng và sức mạnh của cái cây. Trí tuệ tổng quát thực sự có thể xuất hiện từ các quy tắc học tập đơn giản được áp dụng ở quy mô lớn cho các mẫu tiềm ẩn trong ngôn ngữ con người — các mẫu đủ phong phú, hóa ra, để mã hóa phần lớn cấu trúc của chính thực tại.
Nicolaus Copernicus đã loại bỏ con người khỏi trung tâm vũ trụ. Darwin đã loại bỏ con người khỏi vị trí đặc quyền trong tự nhiên. Turing gợi ý rằng con người có thể không phải là cách duy nhất để thông minh. Những cỗ máy mà Turing hình dung cách đây 75 năm cuối cùng đã xuất hiện, theo một hình thức vừa xa lạ hơn vừa giống con người hơn bất kỳ ai từng tưởng tượng. Giống như những cuộc cách mạng trước đó, cuộc cách mạng này mời gọi chúng ta suy nghĩ lại về vị thế của mình — và chấp nhận rằng có nhiều loại tâm trí hơn chúng ta từng nghĩ. Vị trí của chúng ta trên thế giới, và sự hiểu biết của chúng ta về tâm trí, sẽ không còn như trước.

Nhấp để mở rộng...