Cộng đồng trí tuệ nhân tạo đang tham gia vào một cuộc tranh luận sôi nổi về con đường dẫn đến Trí tuệ Nhân tạo Tổng quát ( AGI ). Trong khi một số người cho rằng các mô hình ngôn ngữ lớn hiện tại chỉ cần kỹ thuật và kiến trúc hệ thống tốt hơn, những người khác tin rằng vẫn còn thiếu những đột phá khoa học cơ bản.
Sự phân chia giữa Kỹ thuật và Khoa học
Một bài viết gần đây đề xuất rằng AGI chủ yếu là một vấn đề kỹ thuật đã gây ra cuộc thảo luận gay gắt trong cộng đồng các nhà phát triển và nghiên cứu. Bài viết lập luận rằng các mô hình hiện tại như GPT-5 và Claude đang gặp phải rào cản hiệu suất, và giải pháp nằm ở việc xây dựng các hệ thống tốt hơn xung quanh chúng thay vì huấn luyện các mô hình lớn hơn. Tuy nhiên, các thành viên cộng đồng chia rẽ về cách tiếp cận này.
Nhiều nhà phát triển có kinh nghiệm chỉ ra bài học cay đắng - một nguyên tắc cho rằng các phương pháp tổng quát tận dụng nhiều tính toán hơn cuối cùng tỏ ra hiệu quả nhất. Họ lập luận rằng các giải pháp kỹ thuật phức tạp thường bị thay thế bởi các cách tiếp cận đơn giản hơn với nhiều dữ liệu và sức mạnh tính toán hơn. Sự hoài nghi này xuất phát từ việc quan sát các mô hình tương tự qua nhiều thập kỷ nghiên cứu AI , nơi các hệ thống được chế tạo thủ công phức tạp cuối cùng bị vượt qua bởi các phương pháp thống kê được mở rộng quy mô.
Các Thành Phần Hệ Thống AGI Được Đề Xuất:
- Dịch Vụ Quản Lý Ngữ Cảnh: Đồ thị tri thức bền vững, có thể truy vấn
- Dịch Vụ Bộ Nhớ: Bộ nhớ tình huống và ngữ nghĩa với khả năng hợp nhất học được
- Công Cụ Quy Trình Làm Việc: Điều phối xác định của các thành phần xác suất
- Lớp Phối Hợp Tác Nhân: Hệ thống đa tác nhân với giải quyết xung đột
- Điều Khiển Mô Hình Chuyên Biệt: Các mô hình chuyên về lĩnh vực với giao diện chuẩn hóa
Vấn đề những mảnh ghép còn thiếu
Cuộc thảo luận tiết lộ sự không chắc chắn sâu sắc về những gì thực sự còn thiếu trong các hệ thống AI hiện tại. Một số thành viên cộng đồng tin rằng khoảng cách này mang tính triết học hơn là kỹ thuật, đặt câu hỏi liệu chúng ta có thực sự hiểu đủ về ý thức hoặc trí thông minh để có thể thiết kế nó hay không. Những người khác tập trung vào các hạn chế thực tế, lưu ý rằng ngay cả những nhiệm vụ cơ bản như đếm đáng tin cậy hoặc duy trì bộ nhớ nhất quán qua các phiên làm việc vẫn là thách thức đối với các mô hình hiện tại.
Trí thông minh con người tiến hóa từ những sinh vật kém thông minh hơn nhiều so với LLM và không cần triết học. Chỉ cần thử và sai và cạnh tranh.
Quan điểm này làm nổi bật một câu hỏi cơ bản: liệu chúng ta có thể rút ngắn hàng triệu năm tiến hóa thông qua kỹ thuật thông minh, hay chúng ta cần hiểu các nguyên tắc cơ bản trước tiên?
Khả năng hiện tại so với Trí thông minh thực sự
Cộng đồng thể hiện cảm xúc trái chiều về khả năng AI hiện tại. Một số người chỉ ra rằng các công cụ như Claude Code đã chứng minh những gì nhiều người có thể coi là AGI cơ bản chỉ vài năm trước - chúng có thể lập kế hoạch, thực hiện các nhiệm vụ phức tạp và duy trì bối cảnh qua các tương tác. Tuy nhiên, những người khác lập luận rằng những hệ thống này là những bộ nhận dạng mẫu tinh vi hơn là các tác nhân thông minh thực sự.
Cuộc tranh luận mở rộng đến việc liệu các mô hình ngôn ngữ hiện tại có thể phục vụ như những khối xây dựng cho AGI hay đại diện cho một cách tiếp cận hoàn toàn khác sẽ không mở rộng được đến trí thông minh tổng quát. Các nhà phê bình lưu ý rằng bộ não sinh học không yêu cầu dữ liệu huấn luyện quy mô internet để phát triển trí thông minh, cho thấy các phương pháp hiện tại có thể không hiệu quả hoặc thiếu những hiểu biết quan trọng.
Các Hạn Chế Hiện Tại Của Mô Hình AI Đã Được Xác Định:
- Quản lý ngữ cảnh bị giới hạn ở hàng nghìn token so với nhiều năm kinh nghiệm của con người
- Thiếu bộ nhớ lâu dài giữa các phiên làm việc
- Không có khả năng cập nhật niềm tin khi bị mâu thuẫn bởi bằng chứng
- Hiệu suất kém trong thao tác biểu tượng và tính toán chính xác
- Lý luận đa bước không đáng tin cậy do bản chất ngẫu nhiên
Thách thức về định nghĩa
Một chủ đề lặp lại trong cuộc thảo luận là việc thiếu một định nghĩa rõ ràng cho chính AGI . Không có tiêu chí được thống nhất, việc đánh giá tiến độ hoặc xác định khi nào mục tiêu đã đạt được trở nên khó khăn. Một số người đề xuất AGI nên được định nghĩa là bất cứ thứ gì có khả năng thay thế công nhân con người, trong khi những người khác hình dung các khả năng lấy cảm hứng từ khoa học viễn tưởng hơn như ý thức hoặc nhận thức về bản thân.
Sự không chắc chắn về định nghĩa này làm phức tạp cuộc tranh luận giữa kỹ thuật và khoa học. Nếu chúng ta không biết chính xác những gì mình đang xây dựng, làm sao có thể xác định liệu đó là vấn đề kỹ thuật hay cần những đột phá nghiên cứu cơ bản? Cộng đồng vẫn chia rẽ về việc liệu các cách tiếp cận hiện tại cuối cùng sẽ thành công thông qua những cải tiến từng bước hay liệu cần những khám phá hoàn toàn mới.
Tham khảo: AGI is an Engineering Problem