Artificial General Intelligence (AGI)

Trí tuệ nhân tạo tổng quát (AGI) là một dạng trí tuệ nhân tạo (AI) giả định có năng lực ngang bằng hoặc vượt con người trên hầu như mọi tác vụ nhận thức, đồng thời học tác vụ mới mà không cần được xây dựng hay huấn luyện lại cho từng tác vụ. Theo hầu hết định nghĩa, mọi hệ thống AI đang được sử dụng hiện nay đều là trí tuệ nhân tạo hẹp (ANI), chỉ có năng lực trong phạm vi được huấn luyện; tuy nhiên, model ngôn ngữ lớn (LLM) có thể viết, lập trình và suy luận trên nhiều lĩnh vực đã khiến ranh giới này trở thành chủ đề tranh luận sôi nổi. Trong cách dùng hiện đại, AI mạnh là từ đồng nghĩa với AGI. Mark Gubrud sử dụng thuật ngữ này vào năm 1997; các nhà nghiên cứu Shane Legg và Ben Goertzel phổ biến thuật ngữ này vào khoảng năm 2002.

Định nghĩa AGI#

AGI chưa có một định nghĩa thống nhất; các đề xuất chính đo lường những khía cạnh khác nhau:

• Sản lượng kinh tế: Hiến chương của OpenAI định nghĩa AGI là “các hệ thống có tính tự chủ cao, vượt trội hơn con người trong phần lớn công việc có giá trị kinh tế”.
• Hiệu năng và tính tổng quát: Một nhóm Google DeepMind đề xuất Các cấp độ AGI, đánh giá hệ thống theo hai trục: mức độ thực hiện so với người trưởng thành có kỹ năng, từ Mới nổi (ngang bằng hoặc tốt hơn đôi chút so với người không có kỹ năng) đến Siêu nhân (tốt hơn mọi người), và khả năng đạt hiệu năng đó trong một tác vụ hay trên nhiều tác vụ phi vật lý, bao gồm cả học kỹ năng mới.
• Hiệu quả học tập: Bài viết "Đo lường trí thông minh" (2019) của François Chollet định nghĩa trí thông minh là hiệu quả tiếp thu kỹ năng: tốc độ hệ thống thành thạo các tác vụ chưa từng gặp, khi dữ liệu và kiến thức nền bị giới hạn, thay vì lượng kỹ năng hệ thống đã tích lũy.
• Tâm trí và sự thấu hiểu: Câu hỏi triết học đặt ra là liệu máy móc có thực sự thấu hiểu và có tâm trí hay không; đây là ý nghĩa ban đầu của AI mạnh trong lập luận Phòng Trung Hoa năm 1980 của John Searle.

Khung Levels of AGI phân loại một hệ thống bằng tối đa ba câu hỏi, trước hết là mức độ tổng quát:

Các tác giả xếp các chatbot năm 2023 như ChatGPT, Bard và Llama 2 vào mức AGI sơ khởi (Emerging AGI), đồng thời liệt kê mọi cấp độ tổng quát cao hơn là chưa đạt được; trong khi đó, các hệ thống chuyên biệt đã trải dài trên thang đo đến mức Siêu nhân (Superhuman), nơi họ xếp AlphaFold, AlphaZero và Stockfish.

AGI so với AI hẹp và Siêu trí tuệ#

• ANI: Hoạt động xuất sắc trong một phạm vi xác định và cần dữ liệu mới cùng quá trình huấn luyện lại để làm bất cứ điều gì ngoài phạm vi đó. Model phát hiện Ultralytics YOLO26 được huấn luyện trên COCO nằm ở cột AI hẹp trong khung Levels: model này tìm và gán nhãn 80 lớp đối tượng trong vài mili giây cho mỗi ảnh, nhưng không thể học lớp mới, trả lời câu hỏi hay lập kế hoạch hành động nếu không được huấn luyện lại hoặc có các hệ thống khác hỗ trợ.
• AGI: Đạt năng lực tương đương người có kỹ năng ở hầu hết tác vụ nhận thức và áp dụng những gì đã học sang các lĩnh vực chưa từng được huấn luyện; đây là khả năng mà học chuyển giao hiện nay chỉ cung cấp giữa các tác vụ có liên quan chặt chẽ.
• Siêu trí tuệ nhân tạo (ASI): Vượt qua những người giỏi nhất trong hầu như mọi lĩnh vực. Một hệ thống tự cải thiện trí tuệ nhanh hơn khả năng theo dõi của con người là kịch bản đằng sau điểm kỳ dị công nghệ.
• AI mạnh: Từ đồng nghĩa với AGI trong cách dùng hiện đại. Theo nghĩa ban đầu của Searle, đó là một cỗ máy thực sự có tâm trí; đây là một khẳng định về sự thấu hiểu mà các bài kiểm tra năng lực không đề cập đến.

LLM tiên phong làm mờ ranh giới giữa các nhóm này. Một model có thể soạn hợp đồng, giải toán thi đấu và mô tả hình ảnh, nhưng năng lực không đồng đều—một kiểu hình được gọi là trí tuệ gồ ghề—và trọng số của model ngừng học khi quá trình huấn luyện kết thúc.

Các vấn đề còn bỏ ngỏ#

• Học liên tục: Model sau khi triển khai chỉ thích ứng trong cửa sổ ngữ cảnh; huấn luyện thêm bằng dữ liệu mới có nguy cơ gây quên thảm họa các kỹ năng trước đó.
• Độ tin cậy: Model vượt qua các kỳ thi chuyên môn vẫn đưa ra những câu trả lời sai nhưng đầy tự tin, chẳng hạn như ảo giác, và thất bại khó đoán trước khi gặp những biến thể đơn giản của các tác vụ mà chúng giải được.
• Thế giới vật lý: Các hệ thống AI hiện thân phải nhận thức, lập kế hoạch và hành động trong môi trường thực; model thế giới dự đoán cách cảnh vật thay đổi là một hướng tiếp cận được đề xuất để cung cấp vốn hiểu biết thông thường cần thiết.
• Căn chỉnh và kiểm soát: Nghiên cứu an toàn AI, bao gồm siêu căn chỉnh, tìm hiểu cách bảo đảm một hệ thống có thể vượt xa người giám sát vẫn theo đuổi những mục tiêu mà con người mong muốn.

Đo lường tiến độ hướng tới AGI#

Do các định nghĩa khác nhau nên cách kiểm tra cũng khác nhau. Các benchmark ARC-AGI dựa theo định nghĩa của Chollet, sử dụng những câu đố mới mà con người dễ dàng giải được và chấm điểm trên tập kiểm thử ẩn để tránh ghi nhớ đáp án. ARC-AGI-3, ra mắt vào tháng 3 năm 2026, thay các câu đố dạng lưới tĩnh bằng hàng trăm môi trường trò chơi tương tác không có hướng dẫn hay mục tiêu được nêu rõ; vì vậy, một agent phải khám phá, suy luận quy tắc và lập kế hoạch. Khi ra mắt, người thử nghiệm đạt 100%, còn các hệ thống AI tiên phong đạt 0,51%. Tháng 9 năm 2026, ARC Prize Foundation cho biết GPT-6 Astra của OpenAI đạt 62,7% theo harness kiểm thử tiêu chuẩn và 99,9% theo harness duy trì trạng thái suy luận của model giữa các lượt; tổ chức này cũng tuyên bố rằng đạt điểm tối đa trên benchmark không chứng minh được AGI. Ngược lại, các bài kiểm tra thiên về kiến thức như Humanity's Last Exam đo lường năng lực trả lời câu hỏi ở cấp độ chuyên gia.

Các dự báo về thời điểm AGI có thể xuất hiện rất khác nhau. Trong khảo sát 2.778 nhà nghiên cứu từng công bố bài tại các hội nghị AI hàng đầu, được công bố năm 2024, dự báo tổng hợp cho thấy có 50% khả năng máy móc tự vận hành sẽ vượt con người trong mọi tác vụ có thể có vào năm 2047, sớm hơn 13 năm so với khảo sát của cùng nhóm một năm trước đó.