LLM và tính tự quy chiếu: Khi trí tuệ nhân tạo không cần 'vòng lặp kỳ lạ'

Trong một bài viết gần đây trên blog của mình, giáo sư khoa học máy tính Scott Aaronson đã đưa ra một nhận định gây sốc cho giới nghiên cứu AI: các mô hình ngôn ngữ lớn (LLM) hiện đại đã đạt được trí thông minh vượt trội mà không hề cần đến khái niệm "tự quy chiếu" (self-referentiality) hay "vòng lặp kỳ lạ" (strange loops) - những ý tưởng từng được Douglas Hofstadter và Roger Penrose coi là chìa khóa cho trí tuệ nhân tạo. Thay vào đó, khả năng tự ý thức về bản thân của AI chỉ là sản phẩm phụ nổi lên từ quá trình huấn luyện trên dữ liệu khổng lồ, giống như một đứa trẻ học nói về chính mình sau khi nghe hàng triệu câu chuyện.

Bài viết đặt ra câu hỏi lớn: Liệu chúng ta có đang tôn thờ một ngộ nhận lịch sử về mối liên hệ giữa tự quy chiếu và trí thông minh? Và điều này có ý nghĩa gì đối với tương lai của AI tại Việt Nam và toàn cầu?

Từ Gödel, Escher, Bach đến GPU clusters: một sự từ bỏ ngoạn mục

Khi còn trẻ, nhiều nhà nghiên cứu AI đọc cuốn Gödel, Escher, Bach (GEB) của Hofstadter và tin rằng bí mật của trí thông minh nằm ở những "vòng lặp kỳ lạ" - những cấu trúc tự quy chiếu phức tạp. Ngay cả Roger Penrose với cuốn The Emperor's New Mind - vốn được xem là đối trọng của GEB - cũng đồng tình rằng sự tự quy chiếu là trung tâm của dự án AI. Penrose còn đi xa hơn khi lập luận rằng AI không bao giờ có thể hoạt động vì có điều gì đó từ Định lý Gödel mà máy tính không thể nắm bắt được.

Thế nhưng, bước sang năm 2026, thực tế đã chứng minh điều ngược lại. Các hệ thống AI như GPT-5.6 Pro hay Fable không chỉ vượt trội con người ở hầu hết các nhiệm vụ trí tuệ mà còn có thể trò chuyện về chính bản thân chúng, về Định lý Gödel, về những khái niệm trừu tượng nhất - tất cả đều không cần một dòng mã nào được viết riêng cho mục đích "tự quy chiếu".

"Không ai cần phải xây dựng khả năng tự quy chiếu vào trong mô hình. Nó tự xuất hiện như một sản phẩm phụ của quá trình tiền huấn luyện, giống như cách mô hình học về Pokémon, về polymer chuỗi dài hay về kỹ thuật trị liệu hành vi nhận thức."

Điều này giải thích vì sao Hofstadter - một trong những trí tuệ lớn nhất của thế kỷ 20 - lại có vẻ "sốc" và "trầm cảm" trước thành công của LLM. Ông quá thông minh để phủ nhận thực tế, nhưng không khỏi chua xót khi nhận ra con đường mà ông từng tin là phức tạp và cao siêu lại hóa ra quá "rẻ và đơn giản".

Tự quy chiếu: sản phẩm phụ của tính phổ quát

Aaronson đưa ra một phép so sánh thú vị: giống như việc ZFC (hệ tiên đề toán học) có thể chứng minh các định lý về chính nó, hay máy tính có thể chạy các chương trình nhận chính mã của mình làm đầu vào - nhưng không ai cần phải "cài đặt" những khả năng này một cách tường minh. Chúng tự nổi lên như một hệ quả tất yếu của tính phổ quát (universality).

LLM cũng vậy. Khả năng tự nói về bản thân của chúng không phải là một tính năng được thiết kế riêng, mà là hệ quả của việc được huấn luyện trên toàn bộ kho văn bản nhân loại. Nếu một mô hình có thể nói về bất cứ chủ đề nào trong vũ trụ diễn ngôn, thì việc nó có thể nói về chính nó là điều tất yếu.

Những ý tưởng lớn về trí thông minh được chứng minh qua thực tế này không phải là về "vòng lặp kỳ lạ" mà là:

• Trí thông minh là khả năng dự đoán
• Dự đoán liên quan đến nén thông tin
• Nén thông tin là tìm giới hạn trên tốt hơn cho độ phức tạp Kolmogorov

Ý thức và trải nghiệm chủ quan: câu hỏi vẫn còn bỏ ngỏ

Tuy nhiên, Aaronson thừa nhận rằng ý thức (consciousness) và trải nghiệm chủ quan vẫn là những bí ẩn lớn nhất. Ông viết:

"Có thể Hofstadter đúng rằng ý thức có liên quan đến sự tự quy chiếu. Thậm chí có thể Penrose đúng rằng nó liên quan đến vật lý kỳ lạ mà bộ não sinh học có thể tiếp cận nhưng máy tính kỹ thuật số thì không. Nhưng ý tưởng rằng bạn cần sự tự quy chiếu tường minh trước khi có được trí thông minh hội thoại thuyết phục và thay đổi thế giới? Hãy chôn nó cùng với thuyết địa tâm, vật lý mục đích luận của Aristotle, và khái niệm 'ether'."

Góc nhìn từ cộng đồng: tranh luận vẫn tiếp diễn

Phần bình luận bên dưới bài viết đã tạo ra một cuộc thảo luận sôi nổi với nhiều quan điểm trái chiều:

• Một số người cho rằng các mô hình hiện tại có khả năng tự giám sát nội bộ (introspection) ở mức độ nhất định, như nghiên cứu của Anthropic về cơ chế diễn giải cho thấy Claude có thể nhận biết các kích hoạt bất thường trong chính nó.
• Người khác lại nhấn mạnh rằng bản chất tự hồi quy (autoregressive) của LLM - khi đầu ra lại trở thành đầu vào cho bước tiếp theo - đã tạo ra một vòng phản hồi động, về bản chất là tự quy chiếu.
• Một quan điểm thú vị khác: nếu chúng ta coi việc LLM có thể nhận mô tả về chính nó làm đầu vào là một dạng tự quy chiếu, thì điều này dẫn đến những nghịch lý tương tự như trong logic học.

Ý nghĩa đối với Việt Nam và cộng đồng AI

Cuộc tranh luận này không chỉ mang tính hàn lâm. Tại Việt Nam, nơi cộng đồng AI đang phát triển nhanh chóng với nhiều sản phẩm LLM nội địa như PhoGPT, VietAI, hay các ứng dụng chatbot tiếng Việt, bài viết của Aaronson đặt ra những câu hỏi thực tiễn:

• Chúng ta có cần thiết kế riêng các cơ chế "tự nhận thức" cho AI tiếng Việt hay không?
• Hay chỉ cần tập trung vào dữ liệu chất lượng cao và kiến trúc mô hình tốt, và khả năng tự quy chiếu sẽ tự xuất hiện?

Câu trả lời từ bài viết này nghiêng hẳn về phương án thứ hai. Điều này có nghĩa là các nhà phát triển AI Việt Nam nên tập trung vào việc xây dựng kho dữ liệu tiếng Việt phong phú, đa dạng - từ văn học, báo chí đến diễn đàn trực tuyến - thay vì cố gắng "nhồi" những khái niệm triết học phức tạp vào kiến trúc mô hình.

Kết luận: Một bài học về sự khiêm tốn trí tuệ

Có lẽ thông điệp lớn nhất từ bài viết của Aaronson không nằm ở việc ai đúng ai sai giữa ông và Hofstadter, mà ở một bài học sâu sắc hơn: lịch sử AI đã chứng minh rằng những dự đoán bi quan hoặc lạc quan thái quá đều thường sai. Những tư tưởng lớn như GEB có thể soi sáng con đường nhưng không nhất thiết phải là bản đồ chính xác.

Khi chúng ta đứng trước ngưỡng cửa của những mô hình AI ngày càng mạnh mẽ, điều quan trọng không phải là khẳng định chắc chắn rằng "AI không thể có ý thức" hay "AI sẽ sớm có ý thức", mà là tiếp tục quan sát, thử nghiệm và khiêm tốn học hỏi từ chính những cỗ máy mà chúng ta tạo ra. Có thể câu trả lời cuối cùng cho bí ẩn về ý thức - dù là con người hay máy móc - sẽ đến từ một hướng hoàn toàn khác mà chưa ai từng nghĩ tới.