Tại sao ý kiến về AI lại chia rẽ sâu sắc đến vậy?

Tại sao ý kiến về AI lại chia rẽ sâu sắc đến vậy?

Trong một ngành công nghiệp không ngừng vận động, báo cáo Chỉ số AI (AI Index) thường niên của Stanford là cơ hội để chúng ta hít thở và nhìn lại bức tranh toàn cảnh. (Rốt cuộc, đây là một cuộc marathon, không phải cuộc đua nước rút.) Báo cáo năm nay, vừa được công bố hôm nay, chứa đựng những con số đáng chú ý. Giá trị lớn nhất của báo cáo nằm ở việc đưa ra các số liệu xác thực cho những cảm tính mà chúng ta đang có, chẳng hạn như cảm giác Mỹ đang chạy đua quyết liệt hơn bất kỳ quốc gia nào khác về AI: quốc gia này đang sở hữu 5.427 trung tâm dữ liệu và đang tăng lên. Con số này gấp hơn 10 lần so với bất kỳ quốc gia nào khác.

Báo cáo cũng là lời nhắc nhở rằng chuỗi cung ứng phần cứng mà ngành AI dựa vào đang có những điểm nghẽn lớn. Có lẽ sự thật đáng kinh ngạc nhất là: "Một công ty duy nhất, TSMC, đang sản xuất gần như mọi chip AI hàng đầu, khiến chuỗi cung ứng phần cứng AI toàn cầu phụ thuộc vào một nhà máy sản xuất (foundry) tại Đài Loan." Chỉ một nhà máy duy nhất! Thật khó tin.

Tuy nhiên, điểm chính rút ra từ Chỉ số AI năm 2026 là trạng thái của AI hiện nay đầy rẫy những mâu thuẫn. Đồng nghiệp Michelle Kim của tôi đã nhận định rất đúng trong bài viết về báo cáo này: "Nếu bạn theo dõi tin tức AI, bạn có lẽ đang cảm thấy bị 'rung lắc'. AI là một cơn sốt vàng. AI là một bong bóng. AI đang lấy đi việc làm của bạn. AI thậm chí không thể đọc được đồng hồ." (Báo cáo của Stanford ghi nhận rằng mô hình lý luận hàng đầu của Google DeepMind, Gemini Deep Think, đã đạt huy chương vàng tại Olympic Toán học Quốc tế nhưng lại không thể đọc đồng hồ kim một nửa thời điểm.)

Michelle đã làm rất tốt việc tóm tắt những điểm nổi bật của báo cáo. Nhưng tôi muốn đi sâu vào một câu hỏi mà tôi không thể gỡ bỏ: Tại sao lại khó khăn đến vậy để biết chính xác điều gì đang diễn ra trong thế giới AI hiện nay?

Khoảng cách lớn nhất dường như nằm giữa các chuyên gia và người không chuyên. "Các chuyên gia AI và công chúng nhìn nhận quỹ đạo của công nghệ này rất khác nhau," các tác giả của Chỉ số AI viết. "Khi đánh giá tác động của AI đến việc làm, 73% chuyên gia Mỹ có cái nhìn tích cực, so với chỉ 23% của công chúng — một khoảng cách 50 điểm phần trăm. Những sự chia cắt tương tự cũng xuất hiện đối với nền kinh tế và chăm sóc y tế."

Đó là một khoảng cách khổng lồ. Chuyện gì đang xảy ra vậy? Các chuyên gia biết điều gì mà công chúng không biết? (Ở đây, "chuyên gia" nghĩa là các nhà nghiên cứu dựa tại Mỹ đã tham gia các hội nghị AI vào năm 2023 và 2024.)

Tôi nghi ngờ một phần của vấn đề là chuyên gia và người không chuyên dựa quan điểm của họ trên những trải nghiệm rất khác nhau. "Mức độ bạn ngỡ ngàng trước AI hoàn toàn tương quan với mức độ bạn sử dụng AI để viết code," một nhà phát triển phần mềm đã đăng trên X (Twitter) gần đây. Có thể đó chỉ là nói đùa, nhưng chắc chắn có điều gì đó đúng ở đó.

Các mô hình mới nhất từ các phòng lab hàng đầu hiện nay tốt hơn bao giờ hết trong việc tạo ra code. Vì các nhiệm vụ kỹ thuật như viết code có kết quả đúng hoặc sai rõ ràng, việc đào tạo mô hình để thực hiện chúng dễ dàng hơn so với các nhiệm vụ mang tính mở hơn. Hơn nữa, các mô hình có thể viết code đang chứng minh khả năng sinh lời, vì vậy các nhà sản xuất mô hình đang dồn lực để cải thiện chúng. Điều này có nghĩa là những người sử dụng các công cụ này để viết code hoặc các công việc kỹ thuật khác đang trải nghiệm công nghệ ở trạng thái tốt nhất của nó. Ngoài các trường hợp sử dụng đó, bạn sẽ thấy nhiều hỗn lộn hơn. Các mô hình ngôn ngữ lớn (LLM) vẫn mắc những lỗi ngớ ngẩn. Hiện tượng này đã được gọi là "ranh giới gồ ghề" (jagged frontier): Mô hình rất giỏi làm một số việc nhưng kém hơn ở những việc khác.

Nhà nghiên cứu AI có tầm ảnh hưởng Andrej Karpathy cũng có một số suy nghĩ. "Phán xét theo dòng thời gian của tôi, có một khoảng cách ngày càng lớn trong việc hiểu khả năng của AI," ông viết trả lời bài đăng trên X đó. Ông lưu ý rằng những người dùng chuyên sâu (power users — đọc là những người dùng LLM để viết code, toán học hoặc nghiên cứu) không chỉ cập nhật các mô hình mới nhất mà thường còn sẵn sàng trả 200 USD mỗi tháng cho các phiên bản tốt nhất. "Những cải tiến gần đây trong các lĩnh vực này trong năm nay thực sự đáng kinh ngạc," ông tiếp tục.

Vì LLM vẫn đang cải thiện rất nhanh, một người trả tiền để sử dụng Claude Code về cơ bản sẽ đang sử dụng một công nghệ khác hoàn toàn so với một người đã thử dùng phiên bản miễn phí của Claude để lên kế hoạch đám cưới sáu tháng trước. Hai nhóm này đang nói chuyện nhưng không hiểu nhau.

Vậy điều này để lại chúng ta ở đâu? Tôi nghĩ có hai thực tế. Vâng, AI tốt hơn nhiều so với những gì nhiều người nhận ra. Và vâng, nó vẫn khá tệ ở nhiều thứ mà nhiều người quan tâm (và có thể nó sẽ vẫn như vậy). Bất kỳ ai đặt cược về tương lai ở cả hai phía đều nên ghi nhớ điều này.