Từ vũ trụ đến tự tối ưu sự dịch chuyển của trí tuệ nhân tạo

Khi giới hạn phần cứng trên mặt đất dần chạm trần, các gã khổng lồ bắt đầu tìm kiếm không gian vận hành mới cho trí tuệ nhân tạo. Google cùng đối tác Planet đang chuẩn bị đưa các chip xử lý lên không gian trong sứ mệnh Transporter-18 của SpaceX thuộc dự án Project Suncatcher. Các đợt kiểm thử thực tế cho thấy dòng chip Trillium TPU chịu đựng tốt áp lực lực g khi phóng và mức độ bức xạ vượt quá tổng liều tích lũy trong một nhiệm vụ năm năm trên quỹ đạo. Rào cản lớn nhất hiện tại không còn là độ bền vi mạch mà là bài toán tản nhiệt trong môi trường chân không, nơi việc giải nhiệt cho các cụm máy tính công suất lớn đòi hỏi cơ chế bức xạ hoàn toàn mới. Nếu giải quyết được, việc chuyển hạ tầng huấn luyện AI lên quỹ đạo để tận dụng nguồn năng lượng mặt trời vô tận sẽ sớm thành hiện thực.

Song song với việc mở rộng quy mô phần cứng, giới nghiên cứu robot cũng đang tìm kiếm công thức chuẩn hóa ở khâu hậu huấn luyện để tạo ra bước ngoặt tương tự như mô hình ngôn ngữ lớn từng làm được. Các nhà nghiên cứu từ Đại học Stanford và công ty Physical Intelligence chỉ ra rằng robot đang thiếu một quy trình tối ưu hóa thống nhất sau khi tiền huấn luyện. Họ đang thử nghiệm thuật toán EXPO-FT, giải pháp sử dụng học máy tăng cường kết hợp các chỉnh sửa nhỏ từ một chính sách nhẹ, sau đó nạp trực tiếp vào mô hình gốc. Khi có được quy chuẩn chung về định nghĩa thành công, cơ chế tự thiết lập lại ngữ cảnh và cách thức tiếp nhận phản hồi từ con người, ngành robot mới có thể thực sự bùng nổ trên các thiết bị phần cứng thương mại.

Ở khía cạnh tự vận hành, việc mô hình trí tuệ tự xây dựng hạ tầng cho chính mình đã bước sang giai đoạn ứng dụng thực tế. Công ty Zhipu AI tại Trung Quốc đã sử dụng mô hình GLM-5.3 để tạo ra một Infra Agent tự động hóa quá trình tối ưu hóa hạ tầng. Agent này tự phân tích, đưa ra giả thuyết và chỉnh sửa mã nguồn dựa trên phản hồi theo thời gian thực từ môi trường thử nghiệm. Kết quả là phiên bản GLM-5.3-Flash chuyển từ giai đoạn thích ứng ban đầu sang sẵn sàng vận hành thực tế chỉ trong chưa đầy hai tuần, đồng thời tăng gấp ba lần năng suất xử lý toàn trình so với mức cơ sở. Việc chia nhỏ dữ liệu phản hồi theo từng tham số khởi động và tuyến mã cụ thể đã giúp AI tự xử lý các tác vụ kỹ thuật phức tạp mà không cần sự can thiệp liên tục của kỹ sư.

Tất cả những bước tiến từ vi mạch vũ trụ, robot cho đến AI tự lập trình lại hạ tầng đều dẫn tôi tới một góc nhìn sâu sắc hơn về bản chất của trí tuệ. Những thử nghiệm sinh học kỳ lạ như xenobot được tạo từ tế bào ếch hay anthrobot làm từ tế bào khí quản người có khả năng tự chữa lành tổn thương thần kinh cho thấy sự sống và thuật toán có chung một cơ chế vận hành. Có lẽ脑 bộ hay trung tâm dữ liệu chỉ là những giao diện vật lý khác nhau để các dạng thức trí tuệ biểu hiện vào thế giới thực. Dù là carbon hay silicon, khi hệ thống đạt đến một độ phức tạp nhất định, nó sẽ luôn vượt ra ngoài những thuật toán ban đầu để bộc lộ năng lực tự thích nghi và phát triển.