Nghịch lý của Trí tuệ Nhân tạo: Khi lợi ích cá nhân dẫn đến sự suy giảm trí tuệ tập thể

Chúng ta đang đứng trên bờ vực của kỷ nguyên mà con người trở nên dư thừa. Vào năm 2023, CEO của IBM tuyên bố rằng khoảng 7.800 vị trí có thể bị thay thế bởi AI. Duolingo, Atlassian và Klarna đều đã cắt giảm nhân sự hoặc tuyên bố mục tiêu giữ nguyên quy mô nhân sự để nhường chỗ cho các trợ lý ảo. Jack Dorsey cũng thẳng thắn về việc muốn giữ số lượng nhân viên của Block ổn định trong khi AI gánh vác sự tăng trưởng.

Các thư ký làm việc trên máy đánh chữ khoảng năm 1925

Về mặt logic nội tại, quỹ đạo này rất thuyết phục: công việc nhận thức lặp đi lặp lại được tự động hóa, các vị trí cấp junior giảm bớt và năng suất tăng trưởng theo cấp số nhân. Tuy nhiên, kết quả nghiên cứu của một nhóm tại Anh đã khiến chúng ta cần phải dừng lại và suy nghĩ lại.

Vào mùa xuân năm 2024, các nhà nghiên cứu đã yêu cầu khoảng 300 nhà văn viết truyện ngắn. Một số được hỗ trợ bởi GPT-4, số khác làm việc độc lập. Kết quả cho thấy các câu chuyện có sự hỗ trợ của AI được đánh giá sáng tạo hơn trung bình so với nhóm không dùng AI. Tuy nhiên, khi xem xét toàn bộ kho tàng truyện, bức tranh trở nên mờ ảo: những câu chuyện có sự hỗ trợ của AI lại có nét tương đồng với nhau nhiều hơn. Mỗi nhà văn đã được nâng cao về mặt cá nhân, nhưng về mặt tập thể, họ lại đang hội tụ về một điểm chung. Các nhà nghiên cứu gọi đây là "bi kịch của tài nguyên chung" (tragedy of the commons).

Đó là cốt lõi của vấn đề: lợi ích cá nhân, thiệt hại tập thể. Điều này mô tả logic ẩn giấu trong mối quan hệ của chúng ta với trí tuệ nhân tạo.

Nguồn gốc xã hội của trí thông minh

Thực tế, AI không thực sự "nghĩ". Nó ghi nhớ cách chúng ta đã cùng nhau suy nghĩ. Và chúng ta sắp ngừng cung cấp cho nó những thứ đáng để ghi nhớ.

Hãy tưởng tượng bạn huấn luyện một mô hình ngôn ngữ lớn (LLM) trên các văn bản từ Ai Cập năm 3000 TCN, rồi Athens năm 300 TCN, Rome năm 300 SCN, và cuối cùng là internet hiện đại. Mỗi mô hình trong chuỗi này sẽ thông minh hơn mô hình trước, không phải vì kiến trúc thay đổi, mà vì nền văn minh cung cấp dữ liệu đã thay đổi.

Hình 1. Các nền tảng văn minh của trí thông minh

Trí thông minh cơ bản của một LLM không phải là hàm số của số lượng tham số hay sức mạnh tính toán. Nó là hàm số của sự phức tạp xã hội của nền văn minh mà ngôn ngữ của nó đã được tiêu hóa. Mỗi thời đại đã thúc đẩy ranh giới nhận thức thông qua các hình thức giải quyết vấn đề tập thể mới, từ các trường đại học thời trung cổ đến các xã hội khoa học hiện đại.

Nhà nhân chủng học Edwin Hutchins từng nhận định rằng hệ thống ký hiệu vật lý là "mô hình hoạt động của hệ thống xã hội văn hóa từ đó con người đã bị loại bỏ". Đó chính xác là mô tả của một LLM như ChatGPT: một mô hình của lý luận xã hội con người với yếu tố con người bị lược bỏ. Vấn đề là: Điều gì sẽ xảy ra với mô hình khi lý luận xã hội tạo ra dữ liệu huấn luyện bắt đầu suy giảm?

Sự sụp đổ mô hình và sự tự tin thái quá

Vào năm 2024, một nghiên cứu trên tạp chí Nature đã chỉ ra rằng các mô hình AI sẽ bị suy giảm khi được huấn luyện trên dữ liệu được tạo ra đệ quy bởi các mô hình khác. Phân phối đầu ra sẽ hẹp lại theo các thế hệ tiếp theo. Các quan điểm thiểu số, kiến thức hiếm và các góc nhìn khác biệt dần biến mất. Mô hình sẽ hội tụ về một mức trung bình thống kê: trôi chảy, hợp lý nhưng rỗng tuếch.

Điều này đại diện cho sự nén tâm trí xã hội. Đồng thời, hiện tượng "sự sụp đổ kiến thức" cũng xảy ra khi công chúng dựa quá nhiều vào nội dung do AI tạo ra. Khi mọi người chọn cách "hỏi Grok" để giải quyết các cuộc tranh luận thay vì đối mặt với sự bất đồng gay gắt, họ lan truyền một hội chứng quá tự tin vào sự hiểu biết của mình. Những điểm mù ngày càng lớn hơn khi chúng ta được bao bọc bởi những cỗ máy luôn chiều chuộng.

Tự động hóa tư duy

Các nhà nghiên cứu từ Microsoft và Đại học Carnegie Mellon đã nghiên cứu 319 nhân viên tri thức trong 936 nhiệm vụ thực tế. Kết quả cho thấy trong 40% các nhiệm vụ có hỗ trợ của AI, người tham gia báo cáo rằng họ không hề thực hiện bất kỳ tư duy phản biện nào. Sự tự tin vào đầu ra của AI càng cao, nỗ lực nhận thức họ đầu tư càng ít.

Đây là "sự tự động hóa tư duy", nơi ma sát của sự khám phá bị thiếu vắng và đầu ra tinh thần xuất hiện như từ một dây chuyền lắp ráp. Nicholas Carr và các nhà nghiên cứu khác đã chỉ ra rằng khi mọi người biết thông tin có sẵn qua Google, họ nỗ lực ghi nhớ ít hơn. Hãy tưởng tượng hiệu ứng này được khuếch đại bởi một hệ thống không chỉ truy xuất thông tin mà còn tạo ra phân tích và lập luận.

Kết quả là một thế giới nơi năng suất cá nhân tăng lên nhưng tốc độ tư duy tập thể của con người bắt đầu giảm đi.

Nghịch lý Lợi thế Xã hội (Social Edge)

Nếu khả năng của AI phụ thuộc vào sự phức tạp xã hội của việc sản xuất ngôn ngữ con người — và nếu việc triển khai AI làm giảm sự phức tạp đó thông qua việc chuyển giao nhận thức và đồng nhất hóa đầu ra sáng tạo — thì công nghệ này đang dần làm suy yếu điều kiện cho sự tiến bộ của chính nó.

Đây là Nghịch lý Lợi thế Xã hội. Các nhà nghiên cứu về tiến hóa như Michael Tomasello và Robin Dunbar đã lập luận rằng nhận thức con người khác biệt với các linh trưởng khác nhờ khả năng hoạt động hợp tác với mục tiêu chia sẻ. Ngôn ngữ không phải là đường ống thông tin, mà là công nghệ điều phối xã hội.

Mọi token trong kho dữ liệu huấn luyện đều là hóa thạch của sự tương tác xã hội — một dấu vết của đàm phán, tranh luận, hoặc truyền tải văn hóa. Trí thông minh mà các hệ thống AI thể hiện chưa bao giờ là của riêng cá nhân. Nó được rèn giũa trong những khoảng cách giữa con người với con người.

Hình 3. Một lượng tiền khổng lồ đang được chi cho AI nhưng cơ sở hạ tầng xung quanh và các nhà điều hành con người chưa sẵn sàng cho thế giới AI-first

Nếu những khoảng không gian đó được phép thu hẹp do sự phụ thuộc quá mức vào tương tác người-máy, chúng ta sẽ gặp rắc rối. Những cỗ máy mà chúng ta đang tin tưởng giao phó tương lai của sự khám phá sẽ chậm lại khi nó quan trọng nhất.

Tương lai của công việc và Lãnh đạo

Các CEO như Dario Amodei (Anthropic) hay Sam Altman (OpenAI) thường tập trung vào việc mở rộng quy mô tính toán và dữ liệu. Tuy nhiên, họ bỏ qua một điểm mù chiến lược lớn: chất lượng dữ liệu huấn luyện trong tương lai được quyết định bởi các yếu tố xã hội và có thể đang bị suy giảm.

Khung Social Edge cho rằng các tổ chức thành công nhất trong thập kỷ tới sẽ không phải là những người sử dụng AI để loại bỏ tương tác con người, mà là những người sử dụng nó để tạo ra nhiều tương tác con người hơn.

Bằng chứng cho thấy AI đang thay thế kiến thức được mã hóa (tài sản của nhân viên cấp junior) trong khi bổ trợ cho kiến thức ngầm (tài sản của chuyên gia dày dạn kinh nghiệm). Nhưng kiến thức ngầm không tự nhiên sinh ra; nó đến từ việc thực hiện công việc, từ việc hấp thụ các quy chuẩn tổ chức và mắc sai lầm. Các vị trí cấp đầu vào thực chất là con đường để tạo ra thế hệ tiếp theo của các chuyên gia. Loại bỏ con đường này đồng nghĩa với việc cắt đứt nguồn cung kiến thức xã hội mà các hệ thống AI trong tương lai sẽ phụ thuộc.

Kết luận

Lợi thế Xã hội không chỉ là một ẩn dụ. Nó là ranh giới thực tế giữa những gì AI có thể làm tốt và những gì nó sẽ gặp khó khăn do những mâu thuẫn nội tại cơ bản.

Các tổ chức sẽ thịnh vượng không phải là những nơi có tỷ lệ sử dụng AI cao nhất, mà là những nơi hiểu rằng khả năng của AI là di sản từ sự phức tạp của cuộc sống xã hội con người. Và tài sản di sản này, nếu được tiêu thụ mà không tái đầu tư, cuối cùng sẽ cạn kiệt.

Trong kỷ nguyên AI, những khác biệt nhỏ về chất lượng lãnh đạo có thể tạo ra sự khác biệt lớn về kết quả — một khoản lợi nhuận phi tuyến mà tôi gọi là "lãnh đạo lồi" (convex leadership). Những nhà lãnh đạo này chuyển đổi sự dồi dào nhận thức thành tham vọng cấu trúc, tránh biến các đường ống sáng tạo của mình thành những vũng nước tù đọng của những công việc bận rộn được đánh bóng hào nhoáng.