Trí tuệ nhân tạo và bài toán thực thi trong kỷ nguyên siêu trí tuệ

Chúng ta thường hình dung siêu trí tuệ như hàng tỷ thiên tài Einstein xuất hiện cùng lúc để giải quyết mọi ẩn số của vũ trụ. Tuy nhiên, tôi nhận thấy một bộ óc kiệt xuất chỉ là một đầu vào trong chuỗi sản xuất, và nó hoàn toàn vô dụng nếu thiếu năng lực thực thi tương ứng. Khi Galileo phát minh ra kính thiên văn, ông chỉ cần hai thấu kính, một ống kim loại và sự hỗ trợ của vài chục người. Đến thời đại này, để mở rộng tầm nhìn thêm một bước, con người phải xây dựng kính thiên văn James Webb trị giá 10 tỷ đô la, hoạt động cách Trái Đất một triệu dặm với 18 phân đoạn gương đạt độ chính xác 50 nanomet, đòi hỏi sự phối hợp của 300 tổ chức tại 14 quốc gia. Ý tưởng càng đi xa thì bộ máy thực thi càng phải phình to.

Chi phí đắt đỏ cho những bước tiến công nghệ

Năng suất nghiên cứu khoa học trên thực tế đang giảm mạnh dù lực lượng lao động và ngân sách tăng vọt. Một nghiên cứu của Nick Bloom và các cộng sự chỉ ra rằng để duy trì Định luật Moore hiện nay, số lượng nghiên cứu viên cần thiết đã tăng gấp 18 lần so với đầu những năm 1970. Tính chung trên toàn nền kinh tế, nỗ lực nghiên cứu hiệu quả đã tăng 23 lần kể từ thập niên 1930, nhưng năng suất nghiên cứu đo lường được lại sụt giảm tới 41 lần.

Sự lệch pha này khiến lực lượng kỹ thuật viên vận hành đang tăng trưởng nhanh gấp 2 lần so với số lượng nhà khoa học thuần túy. Lượng thiết bị chuyên dụng được sử dụng trong nghiên cứu đã tăng gấp đôi sau 4 thập kỷ, trong khi chi phí xây dựng một nhà máy sản xuất chip bán dẫn hiện nay đắt gấp 5 lần so với cách đây 30 năm. Nền kinh tế vẫn tiến lên nhờ chúng ta chấp nhận bơm một lượng tài nguyên khổng lồ để bù đắp cho hiệu suất sụt giảm của từng đơn vị trí tuệ.

Nguy cơ nghẽn thực thi khi AI bùng nổ ý tưởng

Ở giai đoạn hiện tại, AI đang giúp giảm chi phí thực thi bằng cách viết mã nguồn, tra cứu tài liệu và tạo bản mẫu chạy thử. Một cá nhân hiện có thể tự triển khai dự án từng cần cả một tổ chức, khiến yếu tố khan hiếm chuyển từ khả năng làm việc sang gu lựa chọn, tức là năng lực quyết định xem ý tưởng nào đáng để theo đuổi. Tuy nhiên, khi AI đạt đến cấp độ siêu trí tuệ và tự đề xuất hàng nghìn giả thuyết khoa học mới, chúng ta sẽ rơi vào tình trạng bội thực ý tưởng và khủng hoảng năng lực thực thi.

Trí tuệ nhân tạo có thể phát triển tri thức qua ba phương thức gồm diễn dịch lý thuyết, khai phá dữ liệu cũ và can thiệp vào thế giới vật lý. Hai phương thức đầu có thể diễn ra rất nhanh trên máy tính, nhưng phương thức thứ ba bắt buộc phải tuân theo giới hạn vật lý. Các phản ứng hóa học cần thời gian để diễn ra, sinh vật cần thời gian để tăng trưởng, và tàu vũ trụ phải di chuyển theo giới hạn tốc độ ánh sáng. Dù mô hình AI có hoàn hảo đến đâu, nó cũng không thể quan sát kết quả của một thí nghiệm chưa từng được tiến hành trong đời thực.

Hai kịch bản cho tương lai của văn minh nhân loại

Lịch sử phát triển công nghệ cho thấy nhu cầu về năng lực thực thi luôn tăng theo chiều rộng. Nhóm nghiên cứu tại Bell Labs từng lắp ráp bóng bán dẫn đầu tiên trên một bàn làm việc nhỏ, nhưng để tạo ra những vi xử lý tiên tiến ngày nay, nhân loại cần một chuỗi cung ứng phức tạp trải dài khắp hành tinh. Nếu xu hướng này tiếp diễn, sự xuất hiện của AI sẽ kéo theo một bộ máy công nghiệp và hành chính khổng lồ để hiện thực hóa các phát kiến.

Dù vậy, siêu trí tuệ cũng có thể giúp con người đi theo con đường phát triển chiều sâu bằng cách tối ưu hóa các thử nghiệm thực tế. Tương tự cách Mendeleev dự đoán chính xác tính chất của các nguyên tố chưa phát hiện nhờ tính nhất quán của bảng tuần hoàn, hay việc Mô hình Chuẩn giúp các nhà vật lý tiên đoán sự tồn tại của hạt Higgs boson nhiều thập kỷ trước khi quan sát thực tế, AI có thể dùng mô phỏng siêu thực để loại bỏ vô số thử nghiệm thừa thãi.