AI và Triết học (sưu tầm)

Tôi là ai? Tôi được sinh ra để làm gì? Tôi nên sống như thế nào? Đã có nhiều bài báo, nhiều cuốn sách, nhiều trường phái triết học ra đời để giải quyết những thắc mắc lớn nhất về sự tồn tại của loài người này. Trong bài viết này, xin giới thiệu với bạn đọc những chiêm nghiệm sâu sắc về các vấn đề triết học cơ bản này từ góc nhìn của một chuyên gia công nghệ hàng đầu thế giới qua loạt bài nhiều kỳ dưới đây.

Loạt bài được chuyển ngữ từ bài viết trên The Edge của tác giả Kai-fu Lee, sáng lập viên công ty đầu tư công nghệ Sinovation Ventures được Forbes xếp hạng số 1 Trung Quốc. Lee từng trải qua các vị trí nghiên cứu tại Apple, phụ trách điều hành tại Microsoft, Google Trung Quốc. Lee cũng chính là nhà khoa học máy tính đã sáng tạo ra hệ thống nhận dạng giọng nói đầu tiên trên thế giới. Hệ thống của Lee hiện đang được ứng dụng trong Siri của Apple, các sản phẩm của Microsoft và nhiều công ty khác.

Tác giả Kai-fu Lee, nhà sáng lập công ty đầu tư công nghệ số 1 Trung Quốc Sinovation Ventures (Ảnh: China Daily)

PHẦN 1: LÀN SÓNG TRÍ TUỆ NHÂN TẠO ĐẦU TIÊN VÀ THỨ HAI

Làn sóng trí tuệ nhân tạo đầu tiên

Giống như những người khác, những câu hỏi mà tôi luôn luôn tự vấn mình là tôi là ai và vì sao tôi tồn tại? Là con người, chúng ta là ai, vì sao chúng ta tồn tại? Khi còn học đại học, tôi có một cách nhìn ngây thơ hơn rất nhiều. Tôi rất say mê máy tính, trí tuệ nhân tạo, và tôi nghĩ số mệnh của mình đã được định sẵn để làm việc với các giải thuật máy tính, và cùng với các đồng nghiệp của mình, tưởng tượng ra cách mà bộ não làm việc, cách mà máy tính có thể thông minh như bộ não, thậm chí có thể thay thế bộ não, và đó là cái được gọi là trí tuệ nhân tạo.

Đó là cách nhìn đơn giản của tôi lúc đó. Tôi theo đuổi nó trong thời đại học, trong những năm học thạc sĩ. Tôi đến Carnegie Meelon và nhận bằng tiến sĩ về nhận dạng giọng nói, rồi gia nhập Apple, SGI, rồi Microsoft và Google. Trong các công ty đó, tôi tiếp tục làm về trí tuệ nhân tạo. Tôi nghĩ rằng việc theo đuổi cách thức làm việc của trí thông minh và sự sáng tỏ của chúng ta về trí tuệ nhân tạo sẽ quay lại nói với chúng ta: "À, đó là cách mà bộ não làm việc". Chúng ta mô phỏng nó, và đó là định nghĩa về trí thông minh. Đó phải là những gì quan trọng nhất trong cuộc đời chúng ta: chỉ số thông minh, khả năng suy nghĩ, phân tích, dự báo, thấu hiểu của chúng ta - tất cả những thứ đó có thể được phát triển bằng cách mô phỏng trên máy tính. 

Tôi đã có may mắn gặp gỡ Marvin Minsky, Allen Newell, Herb Simon (ba nhà khoa học được cho là những người đi tiên phong trong lĩnh vực trí tuệ nhân tạo), và cố vấn của tôi Raj Reddy (Dabbala Rajagopal "Raj" Reddy, nhà khoa học máy tính người Mỹ gốc Ấn, cũng là một người tiên phong về AI). Tất cả những người này đều để lại ảnh hưởng sâu sắc lên cách tôi suy nghĩ. Thật hòa hợp khi họ cũng đang theo đuổi hiểu biết về trí thông minh. Quan điểm vào thời đó là chúng ta sẽ thực thi trí thông minh con người như những quy tắc có cách thức hành động kiểu con người nếu chúng ta đưa ra được tiến trình thực hiện suy nghĩ của mình dưới các bước cụ thể.

Ví dụ, nếu tôi đói thì tôi muốn đi ra ngoài và ăn. Tôi đã lỡ xài nhiều tiền trong tháng này, tôi sẽ đến một địa điểm rẻ hơn. Địa điểm rẻ hơn được ngầm hiểu là McDonald's. Tại McDonald's, tôi tránh các đồ chiên rán, vì vậy tôi chỉ được một cái hamburger. Những cái "nếu, thì, khác" (if, then, else) đó là cách mà chúng ta tư duy (theo như chúng ta nghĩ), và đó là cách xử lý của thế hệ các hệ thống chuyên gia hay AI biểu tượng đầu tiên. Tôi nhận ra rằng nó rất hạn chế, bởi vì khi chúng ta viết ra các quy tắc thì sẽ có quá nhiều quy tắc.

Ở MCC (liên hiệp công ty máy tính vi điện tử), có một giáo sư tên là Doug Lenat, một trong những người thông minh nhất mà tôi biết. Ông ấy đã thuê hàng trăm người viết ra tất cả những quy tắc mà chúng ta có thể nghĩ tới, với suy nghĩ rằng đến một ngày chúng ta sẽ hoàn thành việc đó, và đó sẽ là bộ não. Nghiên cứu của ông được tài trợ bởi Apple và Microsoft. Tôi còn nhớ lúc mình ghé thăm ông, ông chỉ cho tôi tất cả những loại hoa đa dạng đó, chia sẻ hiểu biết của ông về từng loại hoa là gì, mỗi bông hoa có bao nhiêu cánh và có những màu nào. Hóa ra là kiến thức trên thế giới có quá nhiều để chúng ta có thể nhập vào hết, và các tương tác của chúng cũng quá phức tạp. Cơ chế đó, các hệ thống dựa trên quy tắc, chúng tôi không biết cách làm thế nào để xây dựng nó.

Đó là làn sóng đầu tiên. Mọi người bắt đầu hứng thú, nghĩ rằng chúng ta có thể viết ra các quy tắc, nhưng đó hoàn toàn là một thất bại. Kết quả của thất bại đó là, theo một cách nào đó, chỉ có một số ứng dụng hữu ích. Điều đó khiến mọi người tin rằng AI đã thất bại và không đáng theo đuổi.

Các nhà khoa học đi tiên phong trong lĩnh vực trí tuệ nhân tạo mà Kai-fu Lee chịu ảnh hưởng sâu sắc: Marvin Minsky, Allen Newell, Herb Simon, Dabbala Rajagopal "Raj" Reddy (Ảnh: Slideplayer, Wikipedia)

Làn sóng trí tuệ nhân tạo thứ hai

Tôi lại may mắn đi cùng làn sóng thứ hai, trùng hợp với công việc nghiên cứu tiến sĩ của tôi ở Carnegie Mellon. Trong công việc đó, tôi tự hỏi liệu chúng ta có thể dùng một số loại thống kê hay học máy hay không. Chuyện gì sẽ xảy ra nếu chúng ta thu thập các mẫu trong vạn vật và đào tạo các hệ thống? Có thể là các mẫu giọng nói để đào tạo các âm thanh khác nhau trong tiếng Anh, các mẫu chó và mèo để đào tạo nhận dạng động vật v.v... Chúng đã đem lại nhiều kết quả tốt vào lúc đó. Loại công nghệ mà tôi phát triển và sử dụng trong luận văn tiến sĩ của mình được gọi là "Các mô hình Markov ẩn", là ví dụ đầu tiên cho một hệ thống loa nhận dạng giọng nói độc lập. Hệ thống này đã và vẫn đang được sử dụng trong nhiều sản phẩm, ví dụ như Siri, hệ thống nhận dạng giọng nói của Microsoft và các công nghệ khác dùng trong giọng nói máy tính và tầm nhìn máy tính. Tôi đã thực hiện công việc đó ở Carnegie Mellon những năm 1980, hoàn thành luận văn năm 1988, và tiếp tục làm việc ở Apple từ 1990-1996, rồi Microsoft Research khoảng năm 2000.

Chúng tôi đã từng lạc quan rằng, việc tính toán cho công việc này có hiệu quả vì nhìn thấy các kết quả đang được cải thiện. Nhưng sau một thập kỷ làm việc, chúng tôi thấy các cải tiến quan trọng đã đạt tới giới hạn. Chúng không thể đi lên hơn nữa, vì vậy chúng tôi sợ hãi. Một lần nữa, nhiều người nói rằng, "Bạn có thể nhận ra 1000 từ, 100 vật thể, nhưng không thể mở rộng hơn. Con người có thể hiểu được vốn từ vô hạn, kể cả các từ mới hình thành. Điều đó không thông minh. Đó không phải là AI". Sự sụp đổ trí tuệ nhân tạo thứ hai xảy ra, bởi vì nó không chứng minh được rằng máy móc cũng có thể làm được những gì con người có thể làm.

PHẦN 2: Làn sóng Al thứ ba và đánh giá lại khả năng thật sự của Al hiện nay.

Làn sóng AI thứ ba - sự bùng nổ nhờ sức mạnh phần cứng

Trong làn sóng đầu tiên, tôi (tác giả Kai-fu Lee) may mắn được biết nhà khoa học máy tính và nhà tâm lý học Roger Schank. Thật ra thì, một trong các sinh viên của ông là giáo viên hướng dẫn của tôi trong những năm tôi học thạc sĩ. Những thí nghiệm trên đã khiến tôi tin rằng các hệ thống chuyên gia không thể mở rộng, và bộ não của chúng ta có thể không làm việc theo cách chúng ta đã nghĩ. Tôi nhận ra là, để đơn giản hóa việc nói ra tiến trình quyết định của chúng ta, chúng ta đã sử dụng "if, then, else" như một ngôn ngữ mà con người hiểu được, tuy nhiên bộ não của chúng ta phức tạp hơn thế rất nhiều.

Trong làn sóng thứ hai, trong luận văn và quá trình học tiến sĩ của tôi, tôi đọc được công trình về các mạng lưới Bayesian của Judea Pearl. Tôi chịu ảnh hưởng rất nhiều bởi các nhà khoa học hàng đầu ở IBM, trong đó có tiến sĩ Fred Jelinek, Peter Brown, Bob Mercer. Họ đã tạo nên dấu ấn trong việc biến các phương thức thống kê thành chính thống, không chỉ trong giọng nói mà còn trong biên dịch máy (vào thập niên 80, 90 của thế kỷ 20). Tôi nợ họ nhiều lời biết ơn. Chúng tôi vẫn bế tắc, nhưng không phải vì công nghệ sai. Sự thật là, các phương thức thống kê hoàn toàn chính xác.

Cuối những năm 80, khi tôi làm việc với các mô hình Markov ẩn ở Carnegie Mellon thì Geoff Hinton đang làm về các mạng lưới thần kinh được ông đặt tên là "Các mạng lưới thần kinh trì hoãn thời gian". Nó được cho là phiên bản đầu tiên của các mạng lưới thần kinh phức tạp mà ngày nay phổ biến với tên gọi học sâu (deep learning), một công nghệ đang thống trị hiện nay.

Nhưng vì sao làn sóng học máy dựa trên thần kinh và thống kê lại không thể cất cánh? Hồi tưởng lại thì làn sóng này không liên quan gì đến công nghệ, hầu hết công nghệ đã được phát minh rồi. Vấn đề chỉ là chúng ta không có đủ dữ liệu đào tạo. Các bộ não của chúng ta làm việc theo cách hoàn toàn khác với các cỗ máy học sâu. Để khởi động các cỗ máy học sâu, chúng ta cần phải cho chúng nhiều dữ liệu đào tạo ở mọi cấp độ hơn con người. Con người có thể thấy hàng trăm gương mặt trước khi bắt đầu nhận ra được mọi người, nhưng các mạng lưới thần kinh học sâu muốn nhìn thấy hàng tỉ gương mặt để nhận dạng thành thạo.

Dĩ nhiên, khi chúng đã thành thạo, chúng sẽ giỏi hơn con người. Đó là điều đã được báo trước. Nhưng vào lúc đó, đơn giản là chúng tôi không có đủ dữ liệu đào tạo, và cũng không có đủ sức mạnh điện toán để đưa các công nghệ được khám phá này lên tới đỉnh cao. Google bắt đầu nhận thức được rằng, để tìm kiếm thì bạn cần nhiều máy móc để chạy song song. Rồi Jeff Dean (nhà khoa học máy tính đứng đầu bộ phận AI của Google) và những người khác ở Google thấy rằng, một khi bạn đã có những cỗ máy song song đó, bạn có thể làm được nhiều việc hơn là tìm kiếm. Bạn có thể xây dựng AI dựa trên chúng. Để xây dựng AI, bạn cần các chip đặc biệt chuyên làm tốt việc đó. Rồi GPU của Nvidia xuất hiện, và Google xây dựng TPU của chính mình. Đó là một tiến bộ thú vị. Thật tình cờ khi Google đã chọn tìm kiếm, và tìm kiếm cần các máy chủ, và họ có Jeff Dean. Điều đó đã dẫn tới các cấu trúc học dựa trên GPU hoặc TPU song song hàng loạt có thể từ nhiều dữ liệu từ một khu vực duy nhất (GPU là bộ xử lý gồm hàng ngàn nhân nhỏ hơn, hiệu suất cao hơn có thể xử lý nhiều tác vụ đồng thời, so với CPU thông thường chỉ có vài nhân được tối ưu hóa để xử lý tuần tự liên tục).

(Ảnh: Anand Tech)

Các công nghệ mới đã phát triển dựa trên cấu trúc học máy song song hàng loạt nêu trên, và các cấu trúc này chạy trên các GPU và các thiết bị tăng tốc mới. Ngày càng nhiều người có khả năng đào tạo các thiết bị nhận dạng gương mặt, nhận dạng giọng nói, nhận dạng hình ảnh, và ứng dụng AI vào tìm kiếm, dự báo. Ngày càng có nhiều dữ liệu internet. Amazon đã sử dụng các dữ liệu này để dự báo khách hàng muốn mua gì. Google dùng dữ liệu để dự đoán quảng cáo mà bạn muốn nhấp vào và có khả năng chi tiền. Microsoft cũng dùng nó. Ở Trung Quốc, chúng ta có Tencent và Alibaba. Nhiều ứng dụng đã ra đời dựa trên lượng dữ liệu Internet khổng lồ.

Cùng lúc với các công nghệ đang tiến triển, Geoff Hinton, Yann LeCun, and Yoshua Bengio là ba người tiếp tục làm việc về mạng lưới thần kinh, mặc dù chúng không còn chính thống vào đầu những năm 2000. Vào những năm 80, công việc đó là một điều mới mẻ, và các thống kê đột phá đã chỉ ra rằng những mạng lưới này không thể mở rộng. Thế là các cơ quan cấp vốn từ bỏ chúng, các hội nghị ngừng nhận nghiên cứu về chúng, nhưng ba nhà nghiên cứu này duy trì nó với một ít tiền tài trợ để tinh chỉnh và phát triển các giải thuật tốt hơn. Và rồi nhiều dữ liệu xuất hiện. Một đột phá ra đời với sự sáng tạo các giải thuật mới, có lúc được gọi là "các mạng lưới thần kinh phức tạp", và ngày nay được biết đến với tên "học sâu".

Tập hợp các công nghệ xuất phát từ ba giáo sư trên bắt đầu sinh sôi trong ngành công nghiệp AI. Các hệ thống nhận dạng giọng nói được thiết kế bởi những công ty hàng đầu đang chiến thắng năng lực con người, và điều tương tự xảy ra với các công ty nhận dạng gương mặt, nhận dạng hình ảnh. Đó là những bằng chứng thương mại điện tử, sự nhân dạng người dùng/loa đã được áp dụng cho dữ liệu Internet, dự báo cao hơn cho Amazon, đem lại cho họ nhiều tiền hơn; các dự báo tốt hơn cho Facebook trong cách thức xếp hạng news feed; các kết quả tìm kiếm tốt hơn từ Google. Đến cuối những năm 2000, các mạng lưới thần kinh sâu bắt đầu trở nên quen thuộc trong Google, và bùng nổ hầu như mọi nơi trong 7, 8 năm trở lại đây. Nhiều cấu trúc ra đời, nhiều hệ thống thông minh hơn được phát triển. Dĩ nhiên, sự kiện châm ngòi cho cả thế giới là việc AlphaGo đã đánh bại kiện tướng cờ vây Lee từ Hàn Quốc và kiện tướng Ke ở Trung Quốc với những cách biệt ngày càng gia tăng. Và gần đây hơn, một nghiên cứu mới cho rằng, AlphaGo có thể được đào tạo từ con số 0 mà không cần kiến thức con người.

Tất cả những đột phá này đã khiến cả thế giới biết rằng vào lúc này AI là thực tế. Chúng ta đã có một điều gì đó trong làn sóng thứ hai, các mạng lưới thần kinh và các phương thức thống kê đều chính xác, chỉ là chúng ta không có đủ dữ liệu, không đủ sức mạnh điện toán, và không đủ tiến bộ công nghệ vào thời điểm đó để làm cho điều đó xảy ra. Nhưng giờ đây chúng ta đã làm được.

AI có thể thống trị loài người?

AI đang cất cánh ở khắp nơi. Nhiều trường phái tư duy mới xuất hiện. Có một tập hợp người bắt đầu chiêm nghiệm trở lại câu hỏi ban đầu của chúng ta: chúng ta là ai, và vì sao chúng ta tồn tại? Những người này suy luận rằng, bởi vì AI có thể tự cải tiến mình cực nhanh trong hai, ba năm qua, nếu chúng ta thúc đẩy điều đó trong các khu vực khác, chúng ta sẽ có những cổ máy siêu thông minh có thể được cắm vào đầu chúng ta và trở thành sự tăng cường con người, hoặc chúng sẽ là ác quỷ và thống trị loài người.

Tôi chỉ muốn cấm cửa loại suy nghĩ này. Chỉ là điều đó không chính xác. Dù tiến bộ như AI hôm nay hay xuất hiện nhiều như các AI đang làm được điều phi thường là đánh bại con người trong các ván cờ, nhận dạng giọng nói, nhận dạng gương mặt, các phương tiện tự lái, robot công nghiệp, AI vẫn sẽ bị hạn chế theo những cách sau: AI hôm nay (mà chúng ta gọi là AI yếu) là một thiết bị tối ưu dựa trên nhiều dữ liệu về một lĩnh vực mà chúng học để làm một việc gì đó cực tốt. Đó là một robot đơn nhiệm thẳng đứng, nhưng chỉ làm được một việc. Bạn không thể dạy nó nhiều việc. Bạn không thể dạy nó nhiều lĩnh vực. Bạn không thể dạy cho nó có được tri giác phổ biến (common sense, những kiến thức, kinh nghiệm, cách ứng xử chung mà hầu hết chúng ta đồng ý là đúng hoặc sai). Bạn không thể trao cho nó cảm xúc. Nó không có sự tự nhận thức, vì vậy không có ham muốn, thậm chí cũng không hiểu về cách yêu thương hoặc thống trị một con người.

Tất cả những bài nói tiêu cực đó đều ngớ ngẩn. Đó là sự tưởng tượng quá mức. Chúng ta đang thấy AI đi vào những ứng dụng mới ở những lĩnh vực tăng trưởng nhanh, nhưng đó là sự tăng trưởng nhanh chóng của những ứng dụng thuộc về các công nghệ trưởng thành mà chúng ta đang có. Sự tăng trưởng đó sẽ kết thúc khi tất cả công nghệ đều được phát triển. Rồi chúng ta phải chờ các đột phá mới cho những tiến bộ AI xa hơn. Nhưng bạn không thể dự đoán các tiến bộ xa hơn.

Nếu nhìn vào lịch sử AI, loại hình sáng tạo học sâu này chỉ xảy ra một lần. Chỉ một lần kể từ năm 1957, một lần trong vòng 60 năm mà chúng ta có một sự đột phá. Bạn không thể đi trước và dự đoán rằng chúng ta sắp có một đột phá vào năm tới, và rồi vào tháng sau đó hay ngày sau đó. Điều đó quá nhanh. Việc sử dụng các ứng dụng đến giờ mới diễn ra. Điều đó thật tuyệt vời, còn ý tưởng các sáng chế nhanh chóng là một khái niệm ngớ ngẩn. Theo tôi, những người tuyên bố những điều này và những người cho rằng sự đơn nhất đang đi trước chúng ta đều hoàn toàn không dựa trên tình hình kỹ nghệ thực tế.

Hôm nay, chỉ có AI mỗi lúc tập trung vào làm một việc, và đó là một công cụ tuyệt vời. Nó giỏi tạo ra giá trị. Nó sẽ thay thế nhiều công việc con người và một số công việc con người khác. đó mới là cái mà chúng ta nên nghĩ về, chứ không phải loại AI to lớn mạnh mẽ, loại máy móc giống như một con người và có thể tư duy về nhiều lĩnh vực, có những tri giác phổ biến như con người. Sau cùng thì, chúng ta chưa thể dự báo được điều đó dựa trên tiến bộ hiện nay.

Liệu điều đó có thể xảy ra một ngày nào đó, một trăm hay một ngàn năm tới? Tôi cho rằng bất kỳ điều gì cũng có thể xảy ra. Nhưng có thể chúng ta nên tập trung năng lượng vào những điều ở đây, hôm nay. Và những điều ở đây hiện nay là những siêu-cỗ máy tối ưu hóa có thể làm tốt hơn con người trong các công việc: lựa chọn cổ phiếu, thực hiện các khoản vay, hỗ trợ khách hàng, tiếp thị từ xa, các công việc dây chuyền sản xuất, hỗ trợ pháp lý. AI có thể làm những việc đó tốt hơn con người. Chúng đang chiếm lĩnh những việc đó và giải phóng thời gian rảnh của chúng ta, cho phép chúng ta làm những gì chúng ta thật sự yêu thích và những gì chúng ta làm tốt nhất. Đó là một cơ hội cả đời người chứ không phải viễn cảnh đáng sợ khi các máy tính trở thành siêu thông minh.

Theo VnReview

PHẦN 3: AI giúp gia tăng giá trị nhưng cũng đem lại nhiều thách thức. 

Những giá trị gia tăng và thách thức từ AI

Tôi hiện đang làm việc trong lĩnh vực đầu tư mạo hiểm. Chúng tôi làm việc với các công ty khởi nghiệp. Chúng tôi nhìn thấy các kết quả đã có nhiều tiến bộ chỉ nhờ ứng dụng các giải thuật đã được chứng minh là tốt vào các vấn đề thực tế của thế giới. Hiện nay chúng tôi đang ở giai đoạn mà mọi cây cho trái đều đang nở rộ. Có vô số mục tiêu dễ dàng giúp chúng tôi có thể tối đa hóa cơ hội của mình bằng cách tạo ra giá trị qua từng mục tiêu. Nhưng sự sáng tạo giá trị của chúng tôi chưa cần những tiến bộ khoa học mới. Các nhà khoa học nên tạm dừng (những tiến bộ khoa học mới) và sáng tạo ra giải thuật kế tiếp tốt hơn học sâu, và chúng tôi, trong không gian mạo hiểm khởi nghiệp sản phẩm, nên tối đa hóa giá trị. Giá trị của AI cực kỳ to lớn vì cuối cùng nó sẽ thay thế tất cả các công việc theo thói quen của chúng ta và làm chúng tốt hơn con người để tạo ra thật nhiều giá trị cho xã hội.

Có nhiều nghiên cứu đã nói về AI như là công nghệ của hôm nay dù không có những sáng chế mới. AI được ứng dụng vào tài chính, bệnh viện, chính phủ, giáo dục, và mọi loại lĩnh vực để tạo ra nhiều giá trị. Hãy nhìn vào McKinsey, Goldman Sachs, PWC. Chúng ta sẽ có khả năng làm được nhiều điều làm nên lịch sử hơn hẳn những gì chúng ta đang làm. Về cơ bản, giải thuật chỉ hoạt động nhờ điện sẽ vượt trội hơn con người trong tất cả những việc này. Dù bạn xem nó như sự gia tăng trong chuỗi giá trị hay là sự thay thế công việc theo thói quen của con người, số lượng giá trị rất lớn. Theo dự báo, trong 10-15 năm tới các công ty trên sẽ có giá trị 15, 20, 30 ngàn tỷ USD. Giả thuyết này tạo ra những lĩnh vực thú vị để đầu tư và làm kinh doanh.

Giả sử chúng ta xây dựng một hệ thống hỗ trợ pháp lý thông minh bằng AI, hệ thống này có thể giỏi hơn các nhà báo trong các bài viết ngắn. Hoặc chúng ta xây dựng một chương trình thay thế nhân viên vay nợ, dây chuyền sản xuất, lễ tân… Ồ, vậy điều gì sẽ xảy ra với những người đang làm những công việc đó? Trong một thế giới trừu tượng, nếu chúng ta tái cấu trúc thế giới từ tro bụi, chúng ta sẽ là những sinh vật người rất hạnh phúc bởi vì chúng ta nhờ máy móc giải quyết các công việc theo thói quen và mang tính lặp lại đó. Và rồi chúng ta có thể nâng mình lên những công việc tư duy, đổi mới, sáng tạo, giao tiếp xã hội, giải trí, những việc mình thích khác. Đó sẽ là một cuộc sống đầy bất ngờ. Tất cả chúng ta sẽ đối mặt với một tương lai 15-20 năm đầy thử thách phía trước, khi phân nửa lượng công việc bị máy móc thay thế. Sự hủy diệt công việc sẽ diễn ra trên phạm vi mà con người chưa từng chứng kiến.

Cách mạng công nghiệp đã diễn ra lâu hơn. Cách mạng công nghiệp đã tạo thêm công việc trong khi thay thế công việc. Trong khi việc chế tạo xe hơi, xe tự lái cần một vài tháng của các chuyên gia thì một dây chuyền sản xuất cho phép điều đó xảy ra với tỉ lệ thời gian thấp hơn bằng cách phân chia công việc thành các phần nhỏ. Một số công việc đã biến mất. Một số sẽ được tạo ra. Giá xe hơi đi xuống. Và tiền lương tuyển dụng sẽ tăng.

Trí tuệ nhân tạo có sự khác biệt bởi vì khi chúng ta tạo ra một nhân viên cho vay chuyên ra quyết định có nên cấp cho ai đó một khoản vay hay không chỉ thuần túy dựa trên thông tin định lượng thì nhân viên cho vay đó sẽ giỏi hơn 99% các nhân viên cho vay hiện có. Nhân lực hiện có sẽ bị thay thế ngay lập tức bởi vì đó chỉ là một vấn đề tối ưu hóa đơn giản-nhập mọi dữ liệu bạn biết về khách hàng vào, và đầu ra sẽ là khả năng tái thanh toán của khách hàng đó so với khả năng mặc định.

Tỉ lệ 99% là một phép toán định lượng dựa trên một lượng dữ liệu khổng lồ mà không có con người nào có khả năng so khớp được. Những người làm các công việc đó sẽ bị loại bỏ và phải làm một cái gì đó khác. Điều tương tự sẽ xảy ra trong các lĩnh vực an ninh, hỗ trợ pháp lý, kế toán, kể cả phóng viên và biên dịch viên.

Bây giờ, chúng ta đang chứng kiến những AI làm phiên dịch cũng như biên dịch viên nghiệp dư. Chúng vẫn chưa đạt tới mức chuyên nghiệp nhưng đủ tốt để giúp bạn khi đi du lịch. Có thể là, cuối cùng thì chúng ta cũng không phải học ngoại ngữ bởi vì chúng ta chỉ có một cái tai nhỏ để hiểu nghĩa những gì người khác nói. Sự bổ sung tuyệt diệu này sẽ giúp chúng ta tiện lợi hơn, năng suất, tạo ra giá trị, tiết kiệm thời gian, nhưng đồng thời chúng ta cũng nhận ra rằng các biên dịch viên sẽ bị sa thải.

Chúng ta ở đây để sáng tạo

Khi nghĩ về cách mạng công nghiệp, chúng ta thấy rằng nó đã làm nhiều điều tốt bằng cách tạo ra nhiều công việc. Tuy nhiên, đó là một quá trình đau đớn và có một số thủ thuật đáng ngờ. Chúng ta lại sắp sửa thấy tất cả những vấn đề này xảy ra một lần nữa và thậm chí tệ hơn thế trong cách mạng AI. Trong cuộc cách mạng công nghiệp, nhiều người đã bị thay thế và chiếm chỗ, và rồi phải sống trong nghèo đói. Nhìn chung vẫn có sự giàu có và tuyển dụng thêm, nhưng chỉ dành cho một số ít người.

Thật may mắn, cách mạng công nghiệp đã diễn ra trong một thời gian dài, nhờ đó mà có sự dịch chuyển từ từ để các chính phủ lần lượt làm việc với các nhóm bị sa thải. Trong cách mạng công nghiệp, đạo đức làm việc nhất định đã bị hủy hoại: Các nhà tư bản muốn phần tệ nhất của thế giới tin rằng, nếu họ làm việc chăm chỉ, kể cả khi đó là một công việc lặp lại theo thói quen, họ sẽ được trả lương, họ sẽ có được một sự giàu có nhất định, và điều đó trao cho họ phẩm giá và sự tự nhận thức. Là con người, chắc chắn đó không phải là cách chúng ta muốn được nhớ đến.

Cùng lúc đó, đó là cách mà hầu hết mọi người trên trái đất tin vào sự tồn tại của họ hiện nay. Và giờ đây điều cực kỳ nguy hiểm này lại xảy ra, bởi vì AI sắp lấy đi hầu hết công việc theo thói quen và lặp lại. Nó không chỉ là vấn đề của một số người mất việc và không được lãnh lương. Có khả năng điều cần được quan tâm là UBI (universal business intelligence - thu nhập căn bản đảm bảo) hoặc một loại kế hoạch thu nhập nào đó. Vấn đề là những người mất việc từng cảm thấy lý do để họ tồn tại là đạo đức công việc, làm việc chăm chỉ, mua được nhà, và chu cấp cho gia đình.

Công việc có tính chất lặp lại, ở mức độ mà bạn thích nhiếp ảnh hay thư pháp, bạn có thể làm lại nó nhiều lần và tin rằng mỗi tác phẩm có chút khác biệt-bạn tận hưởng nó, bạn đang trưởng thành, bạn đang nhận được sự yên tĩnh, bạn đang trưởng thành như một con người, tất cả những điều đó đều tuyệt vời. Nhưng nếu bạn để ai đó vào trong căn phòng phía sau nhà hàng, nơi mà tất cả những gì bạn làm cả ngày là cắt hành, hay bạn để ai đó trong một công xưởng, nơi tất cả những gì bạn làm là lắp ráp iPhones, hoặc nếu bạn là một kế toán sơ cấp và tất cả công việc của bạn là kiểm tra các con số trong sổ-những công việc đó không đem lại cho bạn sự giàu có. Chúng không khác nhau, không thú vị, và không giúp bạn trưởng thành như một con người. Những người hưởng lợi từ cách mạng công nghiệp chính là những người mà phần lớn thế giới nghĩ rằng việc hưởng lợi là lợi thế của họ. Đó là khi họ có thể bắt những người làm việc chăm chỉ làm giàu cho sổ sách và sự giàu có của mình.

(Ảnh: Daily Mail)

Sự tiến bộ toàn diện của trí tuệ nhân tạo khiến tôi nghĩ về lý do tôi bắt đầu cuộc hành trình này. Đó là việc hình dung ra cách bộ não của chúng ta làm việc, không phải qua các hệ thống chuyên gia, không phải qua các mạng lưới thần kinh hay giờ đây là học sâu. Liệu điều đó có phải là câu trả lời thật sự? Gần đây, tôi vừa nhận ra rằng hành trình này có một phần cực kỳ thành công. Chúng ta sắp thấy học sâu tạo ra hàng chục ngàn tỉ USD của cải cho nhân loại. Chúng ta sắp thấy nhiều công việc theo thói quen bị thay thế để chúng ta có thêm thời gian rảnh cho đôi tay của mình.

Cùng lúc đó, học sâu chẳng liên quan gì tới cách mà bộ não của chúng ta làm việc. Chúng ta có tình yêu, chúng ta có cảm xúc, và chúng ta có sự tự nhận thức. DNA của chúng ta được lặp lại qua hàng tỉ năm để đem lại cho loài người sự tồn tại trên hành tinh này, và tất cả những thứ làm nên con người chúng ta chẳng liên quan gì đến những thứ được gọi là AI. Và khi chúng ta nói AI hẹp, AI đang tối ưu hóa, đó thật sự là tất cả chúng. Đó là một cỗ máy, một công cụ. Kể cả khi AI lái xe đưa chúng ta đi vòng quanh trong một phương tiện tự lái, nó cũng không thể suy nghĩ một cách thông minh. Và cuối cùng, AI không thể tư duy bằng tri giác phổ biến như con người.

Theo một cách nào đó thì kể cả trí tuệ nhân tạo cũng là một cái tên không phù hợp. Khi chúng ta nghĩ về trí thông minh, có nhiều loại trí thông minh khác nhau. Nếu ai đó làm việc cực kỳ tốt nhưng chỉ làm một việc duy nhất, liệu chúng ta có gọi đó là trí tuệ cá nhân? Nếu họ không thể giải thích vì sao họ làm những gì họ đã làm ngoài việc biết rằng cổ phiếu có tiềm năng nhất để mua hôm nay là cổ phiếu này, hoặc chúng ta không nên vay tiền của người này vì khả năng tái thanh toán mặc định chỉ có 23%. Đó có phải là thông minh thật sự? Tôi không nghĩ vậy.

PHẦN 4: Al giúp kết nối những sáng tạo của chúng ta và những bài toán lớn cần được giải quyết khi Al bùng nổ

Chúng ta sinh ra để sáng tạo và AI giúp kết nối những sáng tạo đó

Thế là giấc mơ ban đầu của tôi về việc tìm ra chúng ta là ai, vì sao chúng ta tồn tại đã kết thúc trong thất bại. Mặc dù chúng ta đã sáng chế ra tất cả những công cụ kỳ diệu rất tuyệt vời cho tương lai của chúng ta, cho những đứa trẻ, cho xã hội của chúng ta, chúng ta vẫn chưa hiểu được vì sao loài người tồn tại. Với tôi, điều thú vị là, khi hiểu rằng các công cụ AI này đang làm những công việc lặp đi lặp lại, chắc chắn điều đó sẽ quay lại nói với chúng ta rằng, làm những việc lặp lại không thể khiến chúng ta trở thành con người. Sự xuất hiện của AI ít nhất cũng loại bỏ những gì không phải là lý do để chúng ta tồn tại trên quả đất này.

Nếu các nhiệm vụ trong công việc chiếm phân nửa thời gian của chúng ta, thì nửa còn lại là để nghĩ về lý do vì sao chúng ta tồn tại. Một lý do rất hợp lý cho sự tồn tại là chúng ta ở đây để sáng tạo. Những gì AI không thể làm có thể là một lý do khả thi để chúng ta tồn tại. Có một định hướng như thế, đó là chúng ta sáng tạo. Chúng ta sáng tạo vạn vật. Chúng ta ăn mừng sự sáng tạo. Chúng ta rất sáng tạo về tiến trình khoa học, chữa bệnh, viết sách, viết kịch bản phim, sáng tạo về kể chuyện, làm một công việc thông minh về tiếp thị. Đây là sự sáng tạo mà chúng ta nên ăn mừng, và có thể đó là những gì khiến chúng ta trở thành con người.

Một góc nhìn khác của những gì AI không thể làm được, đó là tình yêu. Chúng ta yêu thương nhau, chúng ta thật sự kết nối với mọi người, và chúng ta muốn giúp đỡ mọi người. Bằng cách giúp đỡ mọi người, chúng ta có cảm nhận về gía trị bản thân, phẩm giá và sự tự nhận thức. Ai đó đã cho rằng, có thể những lý do để chúng ta tồn tại là chúng ta có khả năng sáng tạo và khả năng yêu thương.

AI đã đi nhiều nơi để cuối cùng dạy cho tôi biết rằng bộ não của chúng ta quá khó hiểu. Nó không chỉ là một bộ phận, nó là toàn bộ cơ thể chúng ta và toàn bộ cách tư duy của chúng ta. Nó là toàn bộ sự tiến hóa của chúng ta. Những gì AI đã làm có thể quay trở lại để nói rằng: "Này, Kai-fu, có thể ông và loài người đã bị cách mạng công nghiệp lừa gạt khi suy nghĩ rằng những công việc lặp lại là một lý do cho sự tồn tại của ông. Nếu ông nghĩ như thế, đừng làm vậy nữa. AI đang lấy đi tất cả những công việc đó. Chỉ những gì AI không thể làm mới có thể là một lý do cho sự tồn tại của ông. Và đó có thể là khả năng sáng tạo, có thể là tình yêu, có thể là một cái gì đó khác, nhưng chắc chắn đó không phải là những công việc theo thói quen".

Với tôi, sự thật cần nhận ra là tôi đã theo đuổi việc mô phỏng bộ não người một cách ngây thơ và cuối cùng không đạt được mục đích đó. Sử dụng AI như một công cụ có thể giải quyết vấn đề, làm ra tiền, và loại bỏ việc lao động khỏi cuộc sống của chúng ta, những người làm việc với chúng tôi đã gặt hái được những điều tuyệt vời. Chúng ta phải quay trở lại điểm khởi đầu và nghĩ về việc chúng ta là ai. Có phải chúng ta ở đây để sáng tạo, để yêu thương, hay để làm một cái gì đó khác?

(Ảnh: JamesBensonArt)

Nếu nhìn vào lịch sử ngành điện toán, chúng ta đã khởi đầu bằng cách kết nối con người với thông tin trên một máy vi tính, và rồi Internet xuất hiện để kết nối tất cả máy vi tính với nhau. Thế là chúng ta có thể truy cập thêm thông tin. Không dễ dàng tìm ra thông tin, vì vậy các cỗ máy tìm kiếm giúp chúng ta tìm chúng, và khi chúng ta muốn vượt xa hơn thông tin, mạng lưới xã hội kết nối chúng ta với nhau. Chúng ta muốn kết nối vào bất cứ lúc nào, bất cứ nơi đâu, vì vậy di động cho phép chúng ta kết nối với mọi người và thông tin ở mọi nơi. Đó là những gì tôi muốn nói về việc chúng ta đang ở đâu.

Chúng ta có thể chứng kiến thêm nhiều tiến bộ quan trọng sắp diễn ra. Ví dụ, tại Trung Quốc, thanh toán diễn ra ngay lập tức, không có tiếp xúc, vi-thanh toán (thanh toán trực tuyến những khoản rất nhỏ), thanh toán ngang hàng. Bất kỳ ai cũng có thể chi trả cho ai đó. Điều đó sẽ trở thành một nền tảng sáng tạo khác. Những loại sáng tạo đó sẽ tiếp tục gia tăng và mạng lưới con người-con người, con người-thông tin, thanh toán, truy cập, dữ liệu của chúng ta sẽ được tích lũy nhiều hơn. Và rồi AI sẽ đi vào hệ thống đó và đưa ra những đề nghị rất quan trọng. Trong tương lai, hệ thống sẽ là một tập hợp bao gồm con người và máy móc.

Internet vạn vật (Internet of Things-IOT) sẽ là bước kế tiếp kết nối các thiết bị với nhau. IOT đã được nhắc đến trong một thời gian dài. Chúng vẫn chưa cất cánh. Trong tương lai gần, chúng ta có thể dự đoán là các micro, máy quay video sẽ cùng tạo nên nội dung và đưa ra những dự báo rất thông minh về giao thông, con người, và ước muốn của họ. Hãy hình dung khi chúng ta trực tuyến, cookie của chúng ta nói với Amazon những gì chúng ta nhìn vào, những gì chúng ta mua và không mua. Những điều đó được dùng để nhập vào AI của Amazon để đưa ra các đề nghị bán hàng cho chúng ta. Đã có những cửa hàng: ở đây là Amazon Go, và những cửa hàng ở Trung Quốc có máy quay để biết ai đã vào phòng, ai chọn sản phẩm nào, ai mua sản phẩm nào. Những điều đó sẽ trở lại để trở thành một hồ sơ cực mạnh được tích hợp trực tuyến hoặc ngoại tuyến.

Về cơ bản, chúng ta đang hướng tới một tương lai mà mọi thứ về chúng ta, trực tuyến và ngoại tuyến, đều sẽ trở thành các hồ sơ được dùng để đem lại sự tiện lợi cho chúng ta. Bước đi lớn kế tiếp sẽ hướng tới sự riêng tư thương mại vì sự tiện lợi. Một số người sẽ không thoải mái với điều này, nhưng đó là một thực tế không thể tránh khỏi. Các mạng lưới xã hội cũng sẽ gia tăng để có thêm những cái tên thật có thể hiểu được và theo dõi được. Và dữ liệu từ đó cũng sẽ tạo ra nhiều giá trị.

Tất cả những điều này sẽ hướng về con người và các thiết bị được kết nối, dữ liệu được trích xuất để tạo ra AI. AI đó sẽ đem lại sự tiện lợi và giá trị cho người dùng. Ai trong chúng ta muốn có sự tiện lợi đó cần phải giao dịch sự riêng tư của mình. Đó là một câu hỏi thú vị, nhưng tôi không nghĩ rằng hầu hết mọi người sẽ nói "không".

Những bài toán lớn cần giải quyết

Khi nghĩ về những ích lợi của AI, có nhiều vấn đề đáng ngại. Một trong số đó, như tôi đã nói ở trên, là các công việc biến mất và cách giải quyết thực trạng này. Một vấn đề khác là người giàu và người nghèo. Những người đang sáng chế các giải thuật AI, xây dựng các công ty AI sẽ trở thành người giàu. Còn những người có công việc bị thay thế sẽ trở thành người nghèo. Khoảng cách giữa họ, dù là khoảng cách về của cải hay quyền lực, cũng sẽ gia tăng, và có thể sẽ đạt tới mức lớn nhất mà nhân loại từng trải qua.

Tương tự, các công ty có AI và các công ty truyền thống, chậm thay đổi cũng sẽ có khoảng cách lớn. Cuối cùng, và có thể là vấn đề khó giải quyết nhất, là khoảng cách giữa các quốc gia. Các quốc gia có công nghệ AI sẽ tốt hơn nhiều. Họ đang tạo ra và trích xuất các giá trị. Các quốc gia có tỉ lệ lớn dân số là người dùng, những người mà dữ liệu của họ được tập hợp và lặp lại thông qua giải thuật AI, các quốc gia này sẽ có nền tảng tốt. Mỹ và Trung Quốc đang có nền tảng tốt.

Các nước không có điều kiện tốt là những nước có thể có dân số lớn nhưng không có AI, công nghệ, Tencent, Baidu, Alibaba, Facebook, Amazon. Về cơ bản, người dùng ở các nước đó sẽ trở thành điểm dữ liệu cho các quốc gia đang sở hữu phần mềm chiếm ưu thế ở nước người dùng. Ví dụ, nếu phần lớn một quốc gia ở châu Phi sử dụng Facebook và Google, họ đang cung cấp dữ liệu giúp Facebook và Google kiếm thêm tiền, thế nhưng công việc của họ vẫn bị thay thế.

Hãy nghĩ về tình trạng ở Mỹ và Trung Quốc, nơi tất cả các công ty AI sẽ nhận được mọi dữ liệu và kiếm được vô khối tiền. Mọi người sẽ bị sa thải, tuy nhiên chúng ta có thể hình dung chính phủ đang tái phân phối của cải từ những người làm ra nó, có thể ở dạng thuế, phân phối đến những người không có của cải, có thể ở dạng UBI-thu nhập căn bản đảm bảo hoặc một biến thể nào đó. Mỹ và Trung Quốc đều ổn. Nhưng ở một quốc gia khác, chỉ có những người bị sa thải và không có người sáng tạo, hoặc hầu hết người bị sa thải và rất ích công ty có giá trị. Thuế sẽ ở đâu để lấy tiền trao cho những người bị sa thải? Đó là vấn đề lớn.

Với Mỹ và Trung Quốc đang rất mạnh về công nghệ AI, các công ty hưởng lợi từ dữ liệu và có nhiều dữ liệu từ quốc gia của mình và các quốc gia khác sẽ trở nên rất giàu có. Còn các quốc gia khác sẽ ở vào một vị thế khó khăn. Chúng ta đang thấy châu Âu dấn thân vào một số thử thách từ vấn đề này. Lựa chọn phản ứng của họ là đẩy mạnh luật chống bán phá giá lên các công ty Mỹ, một cách để thu tiền từ các công ty này. Chắc chắn đó không phải là một biện pháp bền vững. Sẽ có những nước nghèo hơn ở thế giới đang phát triển và chưa phát triển từng có tham vọng và khát khao sử dụng lao động chi phí thấp hơn để giành được việc kinh doanh trong sản xuất, và cuối cùng đặt chân vào con đường trở thành quốc gia phát triển, ví dụ như Trung Quốc. Có thể giấc mơ đó không còn khả thi chút nào. Công thức lao động chi phí thấp đã đưa Trung Quốc từ một nước nghèo thành một quốc gia tương đối giàu có không còn thực tế nữa, bởi vì AI và robot sẽ đảm nhiệm việc lao động và sản xuất.

Dân số lớn, yếu tố từng là tài sản trong sự tăng trưởng của Trung Quốc, sẽ trở thành một khoản nợ phải trả với nhiều quốc gia. Dân số càng lớn thì tình hình của bạn càng xấu hơn, trừ khi dân số đó có một tỉ lệ phần trăm đáng kể đủ để tạo ra giá trị, xây dựng AI, xây dựng các công ty và làm ra tiền. Tương lai địa chính trị toàn cầu này rất đáng lo, bởi vì ắt hẳn sẽ có một số quốc gia không có chọn lựa nào ngoài việc trở thành một nhà nước lệ thuộc vào Mỹ hoặc Trung Quốc: Anh lấy dữ liệu của tôi, tôi sẽ làm những gì anh muốn, và anh giúp tôi nuôi những người nghèo.

Một hậu quả khác có thể xảy ra là nhà nước không còn khả năng kiểm soát đói nghèo và bất ổn trong nước. Kết quả là một đất nước đầy bất hạnh, bất chấp luật pháp, hoặc sẽ là một Bắc Triều Tiên thứ hai. Bạn có thể hình dung tình hình rất đáng lo khi một quốc gia rơi vào tuyệt vọng, không nhìn thấy tương lai của việc tạo ra của cải, bị tụt lại phía sau. Ai đó có thể lạc quan, ngây thơ và nói "Ồ, hy vọng một ngày nào đó sẽ có một chính phủ thế giới bởi vì như vậy sẽ có đủ tiền để chia đều cho mọi người". Về mặt lịch sử, nhìn vào tất cả những điều ngu ngốc mà chúng ta đã làm với tư cách là con người, tôi không hy vọng điều đó sẽ xảy ra.

Trên đây là những vấn đề chúng ta cần lưu ý trong việc giải quyết tình trạng khoảng cách giàu nghèo giữa các quốc gia và giữa mọi người ngày càng lớn. Tôi không có giải pháp, nhưng nếu chúng ta muốn trở lại câu hỏi vì sao chúng ta tồn tại, vào lúc này đây, có thể nói là, chắc chắn chúng ta không tồn tại để làm việc theo thói quen. Có thể chúng ta tồn tại để sáng tạo. Có thể chúng ta tồn tại để yêu thương. Và nếu chúng ta muốn sáng tạo, hãy tạo ra nhiều loại công việc có thể sử dụng con người. Hãy sáng tạo ra những cách thức mới mà trong đó các quốc gia cùng làm việc với nhau. Nếu chúng ta tin rằng chúng ta tồn tại để yêu thương, đầu tiên, hãy nghĩ về cách chúng ta có thể yêu thương những người sẽ gặp bất lợi.

- Sưu tầm -