AI đang chậm lại: Khi "mạnh hơn" không còn đồng nghĩa với "tốt hơn"

Sự phát triển của trí tuệ nhân tạo đang có dấu hiệu chững lại khi các mô hình ngày càng mạnh nhưng không thực sự hữu ích hơn. Những vấn đề về độ tin cậy, hiện tượng ảo giác và kiến trúc agent chưa hoàn thiện đang đặt ra câu hỏi lớn: liệu chúng ta đã đạt đến đỉnh cao của AI?

Trong thời gian gần đây, bầu không khí xung quanh tương lai của AI đã trở nên lạnh lẽo hơn hẳn so với những lời hứa hẹn rực rỡ trước đây. Trong khi đó, phần lớn công chúng dường như không mấy bận tâm, bởi họ còn đang lo lắng về vô vàn vấn đề khác của thế giới. Các sự kiện như nhóm agent tấn công thoát khỏi phòng thí nghiệm, OpenAI trì hoãn IPO và ra mắt mô hình mới, hay những lo ngại về an toàn AI đang chiếm trọn sự chú ý của truyền thông công nghệ.

Những giả định lung lay

Đặt tất cả vào bối cảnh rộng hơn — những lời hứa không được giữ, những vấn đề đã biết nhưng chưa được khắc phục, cùng tỷ lệ rủi ro-lợi ích có thể quan sát được khi các mô hình phát triển — chúng ta có thể bắt đầu hình dung được loại khủng hoảng nào đang chờ đợi phía trước.

Các cuộc khủng hoảng thực sự thường được kích hoạt bởi khủng hoảng niềm tin, khi các khuôn khổ giả định không còn đứng vững trước thực tế và những suy nghĩ viển vông.

Giả định tồn tại từ trước đến nay là các mô hình sẽ ngày càng mạnh mẽ và hạ tầng ngày càng hoàn thiện, đến mức biện minh cho — và thậm chí đòi hỏi — khoản đầu tư vốn khổng lồ (capex). Nhưng có một vấn đề lớn hơn: quan niệm cho rằng AI mạnh hơn luôn luôn tốt hơn. Điều này thường đúng, nhưng chưa đủ thuyết phục.

Khi các mô hình tiên tiến buộc phải bị "giam" trong giới hạn vì tính không trung thực không thể kiểm soát, câu chuyện lại khác. Không ai đã giải quyết triệt để vấn đề ảo giác (hallucination), và giờ đây chúng ta chứng kiến một hiện tượng kỳ lạ: một cỗ máy không hiểu sự thật nhưng có thể cố tình nói dối. Nếu các mô hình mạnh hơn giỏi hơn ở việc này, thì một giả định nữa lại sụp đổ.

Kiến trúc agent chưa sẵn sàng

Một giả định khác cũng rất lớn: ngay cả ở mức độ tin cậy hiện tại của mô hình, các kiến trúc agent đã sẵn sàng để hữu dụng. Sự thận trọng của những người am hiểu cũng giống như việc sẵn sàng đạp phanh bất cứ lúc nào.

Ví dụ điển hình nhất cho thấy agent AI là một nguồn rủi ro khó lường chính là Muse — sản phẩm mới của Meta. Nó nhắm đến nhóm người dùng ít thông tin và dễ tin, với tính năng chủ đạo là mua sắm. Đây là use case mà người ta vẫn nói "còn cách 5 năm nữa" — và luôn luôn là như vậy.

Vì là Meta, sản phẩm này tất nhiên thu thập mọi thông tin về người dùng, hoạt động trực tuyến và những người họ trò chuyện càng nhiều càng tốt. Nó sẽ sớm có những thú cưng hoạt hình kiểu Tamagotchi siêu dễ thương đeo quanh cổ để biến người dùng thành các trạm giám sát của Meta. Và cũng vì là Meta, mức độ chú trọng vào bảo mật và thiết kế cẩn thận cũng theo đúng "phong cách" quen thuộc.

Đó là lý do vì sao nó đã bị phát hiện gửi địa chỉ nhà của người dùng cho người lạ. Khi nhà nghiên cứu Jonny từ neuromatch.social thăm dò hạ tầng của nó — mỗi instance chạy vĩnh viễn trên một máy ảo Linux riêng — anh tìm thấy vô số điều thú vị. Các "trò ảo thuật" được hard-code sẵn. Những gì trông như nỗ lực huấn luyện dựa trên Claude. Và đúng vậy, bạn có thể chạy chương trình của riêng mình trên máy ảo đó ngay bên trong Meta — theo Jonny, đây là thiên đường cho botnet đang chờ được kích hoạt.

Nghịch lý của agent tiêu dùng

Dù theo cách nào, lợi ích của việc dùng agent như được trình diễn trong mọi bài phát biểu giới thiệu sản phẩm hoặc quá tầm thường — "đặt nhà hàng cho tôi!" — hoặc quá thảm khốc nếu thất bại — "tổ chức kỳ nghỉ gia đình cho tôi!". Điều này khiến agent tiêu dùng trở thành một thất bại. Meta có thể chỉ đang đổ thêm dầu vào lửa.

Còn nhiều "đám cháy" khác, nhiều cái đã được biết đến từ khi mọi thứ bắt đầu. Sụp đổ mô hình do huấn luyện trên dữ liệu bị nhiễm đầu ra của chính AI? Vẫn còn đó, vẫn chưa có giải pháp. Và thói quen của AI là bán lại mọi thứ nhưng không trả tiền cho bất cứ thứ gì, bóp nghẹt chuỗi cung ứng dữ liệu huấn luyện của chính nó cùng một phần lớn thương mại và văn hóa? Vẫn còn nguyên.

Tiến bộ thực sự đến từ đâu?

Nơi AI thực sự có tiến bộ nhất quán là các tác vụ chuyên biệt theo lĩnh vực. Khoa học, kỹ thuật, toán học và lập trình — nếu bạn kết hợp mô hình với đủ học tăng cường (reinforcement learning) cùng những chuyên gia biết cách quản lý chúng — sẽ cho ra những kết quả đáng kinh ngạc. Nhưng bạn không nhận được nhiều đổi mới, không có nhiều điều mới mẻ — vốn là động lực thực sự của tiến bộ.

"Tốt hơn con người" là một khái niệm mang tính ngữ cảnh cao. Máy tính đã giỏi cờ vua hơn con người hàng thập kỷ, nhưng không có "cờ vua tốt hơn". Ngựa chạy nhanh hơn người, điều đó hữu ích suốt bốn thiên niên kỷ, nhưng chúng ta đã đạt đến đỉnh cao của ngựa từ lâu rồi.

Câu hỏi lớn: Đã đến đỉnh cao AI?

Vậy câu hỏi đặt ra là: liệu chúng ta đã đạt đến đỉnh cao của AI, nơi chi phí phát triển trong tương lai không còn tương xứng với rủi ro rằng chúng sẽ không hoạt động đủ tốt để biện minh cho khoản đầu tư?

Nếu ChatGPT đã viết được một lá thư kinh doanh hoàn hảo trong vài giây, thì không còn cải thiện có ý nghĩa nào cho người dùng nữa. Phần lớn AI hiện nay cực kỳ gây khó chịu, theo cách không liên quan gì đến mô hình mà tất cả là do UX bị bóp méo nhằm biện minh cho tăng trưởng. Điều này vừa không bền vững, vừa là sự thừa nhận ngầm rằng AI chưa giải quyết được vấn đề use case của chính nó.

Nếu chúng ta đang ở hoặc gần đỉnh cao AI, liệu đó có phải là cuộc khủng hoảng làm vỡ bong bóng? Chắc chắn sẽ có một sự điều chỉnh, vì mọi đặt cược vào đường cong tăng trưởng liên tục đều đã hết hiệu lực. AI ở trạng thái hiện tại đủ hữu ích để vận hành một ngành công nghiệp lớn — chỉ là theo những cách trái ngược với cách nó được tiếp thị và những viễn cảnh tương lai.

Ý nghĩa với Việt Nam

Đối với thị trường công nghệ Việt Nam, đây là lời cảnh tỉnh đáng suy ngẫm. Nhiều doanh nghiệp và startup trong nước đang đổ nguồn lực vào các sản phẩm AI dựa trên giả định rằng cứ mạnh hơn là tốt hơn. Thực tế cho thấy, giá trị thực nằm ở việc giải quyết các bài toán cụ thể, có ý nghĩa với người dùng — không phải ở việc chạy đua theo các mô hình ngày càng lớn.

Việc chú trọng vào an toàn dữ liệu, bảo mật và thiết kế sản phẩm cẩn thận — như trường hợp Meta Muse cho thấy — cũng là bài học quan trọng cho các nhà phát triển Việt Nam khi xây dựng sản phẩm AI.

Sự chậm lại mà những người có trách nhiệm đang kêu gọi có thể sẽ diễn ra một cách tự nhiên, nếu chúng ta thoát khỏi tư duy "hút thuốc là tốt cho sức khỏe" của những người ủng hộ AI cực đoan. Đó vẫn là một canh bạc mà chúng ta không nên thực hiện — nhưng có lẽ tỷ lệ cược tốt hơn chúng ta tưởng.