Artificial General Intelligence (AGI)

Trí tuệ Nhân tạo Tổng quát (AGI) đại diện cho một cột mốc lý thuyết trong khoa học máy tính, nơi máy móc sở hữu sự linh hoạt về nhận thức để hiểu, học hỏi và áp dụng kiến thức vào nhiều nhiệm vụ đa dạng, ngang bằng hoặc vượt qua khả năng của con người. Không giống như các hệ thống AI hiện tại được thiết kế cho các chức năng cụ thể, AGI sẽ có khả năng suy luận tự chủ, giải quyết vấn đề trong các môi trường lạ và tổng quát hóa trải nghiệm từ lĩnh vực này sang lĩnh vực khác. Mặc dù AGI vẫn là chủ đề nghiên cứu và tranh luận chuyên sâu, đây là mục tiêu cuối cùng của các tổ chức nghiên cứu lớn như OpenAI và Google DeepMind, hứa hẹn sẽ định hình lại cách chúng ta tương tác với công nghệ.

Link to this sectionPhân biệt AGI với Narrow AI#

Để hiểu được bước nhảy vọt cần thiết để đạt đến AGI, điều cần thiết là phải phân biệt nó với Trí tuệ Nhân tạo (AI) mà chúng ta đang tương tác ngày nay.

• Trí tuệ Nhân tạo Hẹp (ANI): Còn được gọi là AI Yếu, danh mục này bao gồm tất cả các ứng dụng AI hiện có. Các hệ thống này vượt trội trong các nhiệm vụ cụ thể, được xác định trước. Ví dụ, Ultralytics YOLO26 là một model ANI tiên tiến được tối ưu hóa cao cho phát hiện đối tượng và phân đoạn hình ảnh. Mặc dù YOLO26 có thể nhận diện đối tượng nhanh hơn và chính xác hơn con người, nó không thể chơi cờ hay viết một bài thơ trừ khi được huấn luyện lại cụ thể cho những nhiệm vụ đó.
• AGI (AI Mạnh): Thường được gọi là AI Mạnh, một hệ thống AGI sẽ không bị giới hạn trong một phương thức duy nhất. Nó sẽ thể hiện học chuyển đổi thực sự, cho phép nó lấy logic đã học trong mô phỏng vật lý và áp dụng vào thị trường tài chính. Mức độ linh hoạt này bắt chước khả năng tính toán nhận thức rộng lớn của não người.

Link to this sectionCác Đặc điểm và Thách thức Cốt lõi#

Phát triển AGI đòi hỏi phải vượt qua những rào cản kỹ thuật đáng kể ngoài việc chỉ đơn thuần bổ sung thêm dữ liệu vào một mạng thần kinh (NN). Điều này bao gồm việc tạo ra các kiến trúc hỗ trợ:

• Suy luận Trừu tượng: Khả năng phân tích các tình huống phức tạp, mới lạ và hình thành các kết luận logic mà không cần dữ liệu huấn luyện cụ thể từ trước.
• Lẽ thường: Sự hiểu biết trực quan về nguyên nhân kết quả và các định luật vật lý, một đặc điểm vẫn còn khó để các model học sâu (DL) nắm bắt hoàn toàn.
• Ý thức: Một thách thức triết học và kỹ thuật về việc liệu một cỗ máy có thể sở hữu cảm xúc hay không, thường được thảo luận trong các thí nghiệm tư duy như Lập luận Phòng Trung Hoa.

Việc đạt được những đặc điểm này có thể đòi hỏi tài nguyên tính toán khổng lồ, dựa vào phần cứng tiên tiến từ các nhà đổi mới như NVIDIA và các kỹ thuật tối ưu hóa model hiệu quả.

Link to this sectionCác Ứng dụng Thực tế Giả định#

Vì AGI chưa tồn tại, các ứng dụng của nó vẫn mang tính suy đoán nhưng có khả năng thay đổi cuộc chơi. Các chuyên gia tại các tổ chức như Stanford HAI cho rằng AGI có thể cách mạng hóa các ngành công nghiệp bằng cách hoạt động như một tác nhân hoàn toàn tự chủ.

1. Nghiên cứu Khoa học Tự chủ: Không giống như AI trong chăm sóc sức khỏe hiện tại, vốn hỗ trợ bác sĩ bằng cách làm nổi bật các điểm bất thường trong ảnh quét, một AGI có thể độc lập xem xét các tài liệu y tế, đưa ra giả thuyết và thiết kế các thí nghiệm để chữa bệnh.

2. Robot Đa năng: Trong lĩnh vực robot học, AGI sẽ cho phép máy móc điều hướng trong các môi trường không cấu trúc. Một robot được hỗ trợ bởi AGI có thể thực hiện công việc gia đình, nấu ăn và chăm sóc người cao tuổi, thích nghi với bố cục và nhu cầu độc đáo của bất kỳ ngôi nhà nào mà không cần lập trình lại. Điều này tạo ra những khả năng mới cho AI trong robot học.

Link to this sectionHình dung về Giới hạn của AI hiện tại#

Mặc dù chúng ta chưa thể lập trình AGI, chúng ta có thể chứng minh khả năng của Narrow AI tiên tiến. Đoạn mã dưới đây sử dụng gói ultralytics để thực hiện một tác vụ suy luận. Điều này đại diện cho ANI vì model bị giới hạn trong việc phát hiện các đối tượng mà nó đã được huấn luyện cụ thể, thiếu sự hiểu biết tổng quát của một AGI.

from ultralytics import YOLO

# Load the YOLO26 model (Artificial Narrow Intelligence)
# This model excels at vision tasks but is limited to its training domain
model = YOLO("yolo26n.pt")

# Perform object detection on an image
results = model.predict("https://ultralytics.com/images/bus.jpg")

# The model identifies patterns, but does not 'understand' the scene context
results[0].show()

Link to this sectionCon đường phía trước: Từ ANI đến AGI#

Nghiên cứu hiện tại đang thu hẹp khoảng cách giữa các ứng dụng hẹp và trí tuệ tổng quát thông qua học đa phương thức. Các model như GPT-4 và các mô hình ngôn ngữ lớn (LLMs) đang bắt đầu cho thấy những tia sáng về khả năng suy luận tổng quát bằng cách xử lý văn bản, mã nguồn và hình ảnh đồng thời. Các công cụ như Nền tảng Ultralytics trao quyền cho các nhà phát triển huấn luyện các model ngày càng tinh vi, đóng góp vào nghiên cứu nền tảng có thể một ngày nào đó dẫn đến AGI thực sự. Hiện tại, làm chủ học có giám sát và tối ưu hóa các nhiệm vụ cụ thể vẫn là cách hiệu quả nhất để tận dụng giá trị của AI.