Một phân tích gần đây của một nhà nghiên cứu AI tại Anthropic khẳng định rằng khả năng trí tuệ nhân tạo sẽ tiếp tục tăng trưởng theo cấp số nhân đã châm ngòi cho cuộc tranh luận gay gắt trong cộng đồng công nghệ. Nhà nghiên cứu này cho rằng các mô hình AI sẽ đạt được hiệu suất ngang bằng con người trong nhiều ngành công nghiệp vào năm 2026-2027, nhưng các nhà phê bình đang phản bác với những câu hỏi cơ bản về bản chất của tiến bộ công nghệ.
Dự đoán Lịch trình từ Phân tích Gốc:
- Giữa năm 2026: Các mô hình có thể hoạt động tự động trong 8 giờ
- Cuối năm 2026: Ít nhất một mô hình đạt được hiệu suất ngang bằng chuyên gia con người trên nhiều ngành công nghiệp
- Cuối năm 2027: Các mô hình thường xuyên vượt trội hơn các chuyên gia trong nhiều nhiệm vụ
Tranh cãi giữa đường cong tăng trưởng theo cấp số nhân và đường cong Sigmoid
Bất đồng chính xoay quanh việc liệu sự phát triển AI có tuân theo đường cong tăng trưởng theo cấp số nhân thực sự hay đường cong sigmoid hình chữ S phổ biến hơn được thấy ở hầu hết các công nghệ. Phân tích ban đầu chỉ ra các chỉ số như các mô hình AI hoàn thành các tác vụ kỹ thuật phần mềm ngày càng dài hơn, với khả năng tăng gấp đôi mỗi bảy tháng. Tuy nhiên, các thành viên cộng đồng nhanh chóng chỉ ra rằng hầu như tất cả tiến bộ công nghệ cuối cùng đều gặp phải giới hạn.
Việc so sánh với sự lây lan ban đầu của COVID-19 đã thu hút sự chỉ trích đặc biệt. Trong khi đại dịch ban đầu tăng trưởng theo cấp số nhân, cuối cùng nó cũng đạt đến trạng thái ổn định khi hết người mới để lây nhiễm - một ví dụ điển hình của hành vi sigmoid. Nhiều người cho rằng AI đối mặt với những ràng buộc tương tự, từ hạn chế dữ liệu huấn luyện đến thực tế kinh tế.
Các Chỉ Số Tiến Bộ AI Chính Được Trích Dẫn:
- Thời gian hoàn thành nhiệm vụ tăng gấp đôi mỗi 7 tháng (nghiên cứu của METR)
- Các mô hình hiện có thể hoàn thành các nhiệm vụ dài tới 2+ giờ
- Tỷ lệ thành công 50% khi đối đầu với các chuyên gia con người trong đánh giá GDPval
- 44 nghề nghiệp được kiểm tra trên 9 ngành công nghiệp
Dữ liệu huấn luyện và ràng buộc kinh tế nổi lên như những mối quan tâm chính
Một điểm tranh cãi lớn tập trung vào việc các hệ thống AI sẽ tìm dữ liệu huấn luyện mới ở đâu. Các mô hình hiện tại đã tiêu thụ hầu hết nội dung có ý nghĩa trên internet, dẫn đến câu hỏi về những cải tiến trong tương lai. Một số thành viên cộng đồng lo ngại về sự suy giảm chất lượng đến từ việc huấn luyện AI trên nội dung do AI tạo ra, tạo ra một vòng lặp phản hồi tiềm tàng của các lỗi.
Chỉ vì mô hình phù hợp cho đến nay không có nghĩa là nó sẽ tiếp tục phù hợp.
Các yếu tố kinh tế cũng đóng vai trò quan trọng trong cuộc thảo luận. Các khoản đầu tư vốn khổng lồ đổ vào phát triển AI - ước tính hàng trăm tỷ đô la Mỹ - tạo ra động lực riêng của chúng. Một số nhà quan sát cho rằng khi nguồn tài trợ này cuối cùng chậm lại, tăng trưởng theo cấp số nhân rõ ràng có thể nhanh chóng trở nên bằng phẳng.
Mối quan ngại của cộng đồng về tiến bộ AI:
- Hạn chế dữ liệu huấn luyện (nội dung internet đã được sử dụng hết)
- Chất lượng suy giảm do dữ liệu huấn luyện được tạo bởi AI
- Ràng buộc kinh tế từ yêu cầu vốn khổng lồ
- Khoảng cách giữa hiệu suất benchmark và tính hữu dụng trong thế giới thực
- Xung đột lợi ích từ việc nhân viên các công ty AI đưa ra dự đoán
Hiệu suất thực tế so với thành công trong benchmark
Có lẽ cuộc tranh luận gay gắt nhất xoay quanh khoảng cách giữa hiệu suất benchmark và tính hữu dụng trong thế giới thực. Trong khi các mô hình AI cho thấy kết quả ấn tượng trên các bài kiểm tra tiêu chuẩn, nhiều người thực hành báo cáo rằng công nghệ vẫn thất bại một cách đáng kể theo những cách mà con người không bao giờ làm. Tỷ lệ thành công 50% được trích dẫn trong một số nghiên cứu đã thu hút sự hoài nghi đặc biệt - các nhà phê bình cho rằng điều này khiến AI không phù hợp cho hoạt động tự động trong hầu hết các bối cảnh chuyên nghiệp.
Các thành viên cộng đồng sử dụng công cụ AI hàng ngày mô tả một bức tranh tinh tế hơn. Họ thừa nhận những cải tiến đáng kể trong vài năm qua nhưng vẫn hoài nghi về những tuyên bố rằng AI sẽ thay thế lao động con người vào năm 2026-2027. Công nghệ xuất sắc trong một số nhiệm vụ nhất định trong khi vẫn còn hạn chế đáng ngạc nhiên ở những nhiệm vụ khác.
 |
|---|
| Infographic này phân loại các vai trò công việc theo nhiều lĩnh vực kinh tế khác nhau, phản ánh cuộc tranh luận đang diễn ra về tác động của AI đối với việc làm và khả năng ứng dụng thực tế |
Câu hỏi về xung đột lợi ích
Thêm một lớp khác vào cuộc tranh luận là việc phân tích ban đầu đến từ một nhân viên của một công ty AI lớn. Các nhà phê bình đã lưu ý đến những động cơ tài chính rõ ràng để các nhà nghiên cứu AI duy trì dự đoán lạc quan, đặc biệt khi các công ty của họ đang tìm kiếm đầu tư liên tục. Điều này đã khiến một số người bác bỏ phân tích này như một cách đối phó thuần túy từ ai đó có sinh kế phụ thuộc vào sự cường điệu về AI.
Cuộc thảo luận phản ánh những căng thẳng rộng lớn hơn trong ngành công nghệ giữa tiến bộ công nghệ thực sự và áp lực tiếp thị đi kèm với các khoản đầu tư vốn mạo hiểm khổng lồ. Như một thành viên cộng đồng đã lưu ý, mô hình hứa hẹn những đột phá chuyển đổi chỉ trong 1-2 năm tới đã trở thành một điệp khúc quen thuộc trong nhiều lĩnh vực công nghệ.
Trong khi cuộc tranh luận tiếp tục, hầu hết người tham gia đều đồng ý rằng AI sẽ tiếp tục cải thiện - câu hỏi là liệu sự cải thiện đó có tuân theo đường cong tăng trưởng theo cấp số nhân ấn tượng được dự đoán bởi các công ty AI hay mô hình sigmoid khiêm tốn hơn điển hình của hầu hết các công nghệ. Câu trả lời có thể sẽ quyết định không chỉ tương lai của phát triển AI, mà còn cả sự ổn định của làn sóng đầu tư hiện tại đang hỗ trợ nó.
Tham khảo: Failing to Understand the Exponential, Again