Nhà nghiên cứu AI Gary Marcus đã tuyên bố rằng những phát triển gần đây trong các mô hình ngôn ngữ lớn chứng minh việc ông ủng hộ lâu dài cho AI neurosymbolic là đúng từ đầu. Lập luận của ông tập trung vào việc các công ty AI hàng đầu hiện trang bị cho các mô hình của họ các trình thông dịch Python và các công cụ lý luận tượng trưng, đánh dấu điều mà ông coi là sự xác nhận cho các phương pháp kết hợp mạng neural với điện toán tượng trưng truyền thống.
Phản ứng của cộng đồng công nghệ khá trái chiều, với nhiều người đặt câu hỏi liệu điều này có thực sự đại diện cho sự xác nhận chính đáng hay chỉ đơn giản là thay đổi mục tiêu. Marcus đã dành nhiều năm tranh luận rằng các phương pháp học sâu thuần túy là không đủ để đạt được trí tuệ nhân tạo mạnh mẽ, thay vào đó ủng hộ các hệ thống lai kết hợp mạng neural với khả năng lý luận tượng trưng.
Cuộc Tranh Luận Cốt Lõi: Chiến Thắng Hay Đầu Hàng?
Tranh cãi trung tâm xoay quanh việc liệu quan điểm hiện tại của Marcus có đại diện cho sự nhất quán trí tuệ hay một sự rút lui chiến lược. Các nhà phê bình cho rằng việc ông ca ngợi các LLM sử dụng công cụ mâu thuẫn với sự hoài nghi trước đây của ông về các mô hình ngôn ngữ lớn như một nền tảng cho các hệ thống AI. Họ chỉ ra rằng các công ty như OpenAI đã chứng minh khả năng tạo mã với Codex từ năm 2021, khiến việc tích hợp các công cụ lập trình trở thành một sự tiến hóa tự nhiên hơn là một sự thay đổi cơ bản hướng tới AI neurosymbolic.
Tuy nhiên, những người ủng hộ lưu ý rằng Marcus đã duy trì một quan điểm nhất quán từ năm 2001, tranh luận cho các phương pháp lai kết hợp mạng neural với khả năng thao tác ký hiệu. Bài báo năm 2018 của ông đã nêu rõ rằng học sâu không nên bị từ bỏ mà thay vào đó được tái khái niệm hóa như một công cụ trong số nhiều công cụ, thay vì là một giải pháp toàn diện.
Dòng thời gian lịch sử quan trọng:
- 2001: Marcus công bố nghiên cứu về các hệ thống thần kinh điều khiển ký hiệu
- 2018: Marcus lập luận rằng deep learning nên là "một công cụ trong số nhiều công cụ, không phải là giải pháp vạn năng"
- 2021: OpenAI phát hành Codex , thể hiện khả năng tạo mã lệnh
- 2022: Các công ty AI lớn bắt đầu tích hợp trình thông dịch Python và sử dụng công cụ
- 2025: Marcus tuyên bố được minh oan khi các phương pháp neurosymbolic được chấp nhận rộng rãi
Bối Cảnh Lịch Sử và Sự Phát Triển Của Ngành
Cuộc thảo luận đã làm nổi bật lịch sử phức tạp của nghiên cứu AI, nơi các mô hình khác nhau đã cạnh tranh để thống trị trong nhiều thập kỷ. AI Neurosymbolic, cố gắng kết hợp điểm mạnh nhận dạng mẫu của mạng neural với khả năng lý luận logic của các hệ thống tượng trưng, phần lớn bị lu mờ bởi thành công của các phương pháp học sâu thuần túy trong những năm 2010.
Việc tích hợp hiện tại các công cụ lập trình và khả năng lý luận tượng trưng vào LLM đại diện cho một sự hội tụ thực tế mà một số người coi là xác nhận phương pháp neurosymbolic. Các hệ thống AI hiện đại hiện thường xuyên sử dụng trình thông dịch Python , gọi API bên ngoài, và thực hiện các nhiệm vụ lý luận có cấu trúc vượt ra ngoài việc khớp mẫu.
Các Thành Phần của AI Neurosymbolic:
- Mạng Nơ-ron: Nhận dạng mẫu và học thống kê
- Hệ Thống Ký Hiệu: Lý luận logic và xử lý dựa trên quy tắc
- Tích Hợp Công Cụ: Trình thông dịch Python , lời gọi API , tiện ích bên ngoài
- Kiến Trúc Lai: Kết hợp điểm mạnh của cả hai phương pháp
- Ứng Dụng Gần Đây: Tạo mã, lý luận toán học, giải quyết vấn đề có cấu trúc
Sự Hoài Nghi Của Cộng Đồng và Thực Tế Kỹ Thuật
Cộng đồng công nghệ vẫn chia rẽ về việc liệu những phát triển này có thực sự đại diện cho tương lai neurosymbolic mà Marcus đã hình dung. Một số cho rằng việc thêm công cụ vào LLM chỉ đơn giản là một quyết định kỹ thuật thực tế hơn là một sự thay đổi kiến trúc cơ bản. Các mô hình cơ bản vẫn chủ yếu dựa vào kiến trúc transformer và học thống kê, với các thành phần tượng trưng phục vụ như các tiện ích bên ngoài hơn là các hệ thống lý luận tích hợp.
Nếu ông ấy tuyên bố rằng việc cung cấp cho LLM một trình thông dịch Python là một chiến thắng lớn cho mô hình của ông, thì các công ty AI lớn đã 'chiến thắng' từ năm 2022.
Những người khác cho rằng sự phân biệt ít quan trọng hơn kết quả thực tế. Dù đạt được thông qua các phương pháp neural thuần túy hay các hệ thống lai, thế hệ công cụ AI hiện tại chứng minh các khả năng tiếp cận những mục tiêu mà các nhà nghiên cứu neurosymbolic đã theo đuổi từ lâu.
Nhìn Về Phía Trước
Cuộc tranh luận phản ánh những câu hỏi rộng lớn hơn về hướng phát triển tương lai của nghiên cứu và phát triển AI. Trong khi ngành đã đạt được tiến bộ đáng kể thông qua việc mở rộng quy mô các mô hình transformer, vẫn còn những câu hỏi về việc liệu phương pháp này có thể đạt được trí tuệ mạnh mẽ, có thể tổng quát hóa mà nhiều nhà nghiên cứu đang tìm kiếm.
Sự hồi sinh của sự quan tâm đến các phương pháp neurosymbolic, được chứng minh bởi các hội nghị học thuật và sáng kiến nghiên cứu gần đây, gợi ý rằng lĩnh vực này có thể sẵn sàng khám phá các phương pháp kiến trúc đa dạng hơn. Liệu điều này có đại diện cho sự xác nhận cho quan điểm lâu dài của Marcus hay chỉ đơn giản là sự tiến hóa tự nhiên của một lĩnh vực đang trưởng thành vẫn là một câu hỏi mở.
Thời điểm hiện tại làm nổi bật cách tiến bộ khoa học thường liên quan đến việc tích hợp dần dần các ý tưởng cạnh tranh hơn là chiến thắng hoàn toàn của một mô hình so với mô hình khác. Khi các hệ thống AI trở nên có khả năng và phức tạp hơn, chúng có thể tự nhiên kết hợp các yếu tố từ nhiều truyền thống nghiên cứu, khiến các cuộc tranh luận về tính thuần khiết tư tưởng ít liên quan hơn so với hiệu quả thực tế.
Tham khảo: How a3 and Erlang 4 Accidentally Vindicated Neuromorphic AI