Kai-Fu Lee giải thích cách máy móc thông minh sẽ làm chủ bối cảnh, kích hoạt y học chính xác - và sử dụng lượng lớn năng lượng để tính toán.

Kai-Fu Lee, tác giả của “Các siêu cường AI: Trung Quốc, Thung lũng Silicon và Trật tự Thế giới Mới” và là cựu giám đốc điều hành của Google tại Trung Quốc, đã kết hợp với tác giả Chen Qiufan của “Waste Tide” để kể câu chuyện về AI trong tương lai gần . Lee gần đây đã được phỏng vấn bởi Tổng biên tập Noema, Nathan Gardels về cuốn sách mới của họ, “AI 2041 ”.

Gardels:  Bạn và đồng tác giả của mình, nhà văn khoa học viễn tưởng nổi tiếng người Trung Quốc Chen Qiufan, đã tạo ra một thể loại mới với cuốn sách của bạn, “AI 2041” bằng cách kết hợp tiểu thuyết đầu cơ với phân tích các công nghệ có thể thực hiện được. Bạn gọi đây là “khoa học viễn tưởng” và tác phẩm của Qiufan được  dán nhãn là  “chủ nghĩa hiện thực khoa học viễn tưởng”. Ý kiến của bạn khá tích cực, nếu không phải là một quan điểm không tưởng thực tế, thay vì quan điểm lạc hậu về AI được Elon Musk quảng bá, chẳng hạn, người cho rằng một ngày nào đó máy móc siêu thông minh sẽ thống trị chúng ta.

Cuốn sách đưa ra 10 viễn cảnh cho tương lai. Bạn có thể cho tôi một trong những điều hấp dẫn nhất không?

Lee:  Một lĩnh vực đã sẵn sàng cho một bước đột phá lớn là AI trong chăm sóc sức khỏe: Khám phá thuốc mới và cuối cùng là chẩn đoán và điều trị mới, có thể cải tiến toàn bộ hệ thống chăm sóc sức khỏe theo cách cải thiện cuộc sống trong vài thập kỷ tới.

Việc phát hiện ra ma túy là một kết quả dễ dàng và thấp vì nó không đòi hỏi bất kỳ sự gián đoạn đáng kể nào đối với các hoạt động y tế hiện tại. Thử nghiệm lâm sàng sẽ giống nhau, dược phẩm cũng vậy. Bác sĩ sẽ vẫn kê đơn thuốc và kết quả sẽ được đo như trước. Điều đó làm cho tiến độ diễn ra nhanh hơn. AI có thể sàng lọc các phân tử, mục tiêu và các bệnh tiềm ẩn có thể xảy ra. Nó có thể sàng lọc những kinh nghiệm trước đây về cách thuốc hoạt động hoặc không hoạt động. Nó có thể khám phá các cấu trúc phân tử của thuốc hoạt động trên nhiều loại người khác nhau. Khi làm như vậy, AI có thể suy luận và đề xuất các ứng cử viên mới cho các thử nghiệm lâm sàng.

Một số công ty thậm chí đã bắt đầu sử dụng AI cùng với các nhà khoa học mà không có việc làm bị thay thế hoặc bất kỳ ai tuyên bố máy móc vượt trội hơn con người; đó là sự cộng sinh thực sự. Và chi phí cho các công ty dược phẩm nghiên cứu phương pháp điều trị các bệnh hiếm gặp trước đây quá đắt để biện minh có thể giảm xuống do AI. Điều đó có nghĩa là các bệnh hiếm hơn có thể được nhắm mục tiêu. Điều đó cũng có nghĩa là, đối với các bệnh thông thường, nhiều loại thuốc có thể được đề xuất cho các loại người khác nhau có tiền sử gia đình hoặc dị ứng khác nhau, v.v., do đó có khả năng cải thiện tỷ lệ mọi người có thể khỏi bệnh. 

Cơ hội tổng thể cho AI trong y học là để nó trở thành trợ lý đầy đủ cho bác sĩ: đề xuất chẩn đoán và điều trị cho các trường hợp cụ thể. Đó là thuốc chính xác. Tôi không nghi ngờ gì rằng cuối cùng, với đủ dữ liệu, AI sẽ vượt trội hơn phần lớn các bác sĩ. 

Quá trình này sẽ mất nhiều thời gian vì có dữ liệu cá nhân nhạy cảm, quá trình xử lý có thể gây ra gián đoạn và có những tác động pháp lý, đạo đức và đạo đức về việc sử dụng phần mềm để điều trị mọi người. Ví dụ, hậu quả là gì nếu có sơ suất? Vì vậy, sự hiện diện của AI cần được chế tạo cẩn thận như một trợ lý đơn thuần cho bác sĩ, người sẽ thực hiện cuộc gọi cuối cùng. Theo nghĩa này, các khuyến nghị và thông tin từ AI nên được coi là một dạng đầu vào cho quyết định của con người: chỉ là một phần dữ liệu khác. 

Cuối cùng, con người đưa ra tất cả các quyết định. Nhưng trong vòng 20 đến 25 năm tới, các bác sĩ sẽ nhận ra rằng các công cụ AI đang trở nên thực sự sắc bén. Và sau đó, họ sẽ bắt đầu đưa ra các quyết định mang tính dập khuôn cao su do AI đưa ra - thậm chí họ có thể sợ hãi việc đảo ngược quyết định do AI đưa ra hoặc không đồng ý với quyết định đó. 

Khi khoảnh khắc đó đến, con người nói chung sẽ phải đối mặt với một quyết định then chốt. Chúng ta có sẵn sàng giao phó cuộc sống của mình cho AI không? 

“Tôi không nghi ngờ gì rằng cuối cùng, với đủ dữ liệu, AI sẽ làm tốt hơn phần lớn các bác sĩ”.

Người làm vườn:  Bạn có nghĩ rằng các ứng dụng trong vài thập kỷ tới sẽ giúp việc phát triển vắc-xin phòng các đại dịch giống COVID nhanh hơn không?

Lee:  Điều đó có thể xảy ra nhưng ít khả năng xảy ra hơn vì chúng tôi chưa có đủ dữ liệu lịch sử về COVID để đào tạo AI - tất cả những thành công và thất bại của các thử nghiệm lâm sàng, thông tin đáng tin cậy về những loại người mắc các loại bệnh tiềm ẩn và tiền sử gia đình bị nhiễm bệnh, cho dù điều trị có thành công hay không. Đợt bùng phát dịch SARS năm 2002 cung cấp quá ít mẫu. Cúm Tây Ban Nha cách đây quá lâu. 

Nhưng theo thời gian, AI có thể sớm đóng một vai trò gần như bình đẳng bên cạnh các nhà khoa học. Ví dụ, họ có thể đề xuất một mẫu vắc xin và sau đó sử dụng phần mềm để xác minh nó. 

Gardels:  Vì vậy, sự hỗ trợ của AI trong lĩnh vực này phụ thuộc vào sự sẵn có của dữ liệu, nhưng công nghệ đã có sẵn.

Lee:  Vâng, đúng vậy. AI đã có thể hữu ích trong một số phần của vấn đề. Ví dụ, hãy nhìn vào AlphaFold của DeepMind, một hệ thống học sâu đưa ra dự đoán về cấu trúc protein. Đó là một tập hợp con của vấn đề tạo ra vắc xin. Với một công cụ như vậy, một nhà khoa học có thể tạo ra vắc-xin, hoặc ít nhất là những hiểu biết sâu sắc, khám phá tốc độ đó. Hiện tại, những công cụ như vậy chỉ là thứ yếu, nhưng chúng đang được cải thiện. 

Phi vật chất hóa

Gardels:  Trong phân tích của bạn về câu chuyện của Chen Qiufan, “Mơ ước về sự sung túc”, bạn đề cập đến ý tưởng “phi vật chất hóa” - dung lượng nén ngày càng cho phép các thiết bị ngày càng nhỏ hơn, chẳng hạn như điện thoại di động, thực hiện các phép tính rộng lớn, trong khi internet vạn vật sẽ cung cấp dịch vụ hầu như miễn phí.

Điều này bị thách thức bởi nhà khoa học vật liệu  Vaclav Smil , người đã chỉ ra cho tôi gần đây rằng, trong khi điện thoại di động có thể nặng hơn trước đây, thì hiện nay trên thế giới có hàng tỷ chiếc điện thoại di động khác nhiều hơn. Vì vậy, ông lập luận: “Tổng lượng vật liệu đi vào điện thoại di động đã tăng lên chứ không phải giảm. Mọi người luôn mắc phải sai lầm cơ bản giữa phi vật chất hóa tương đối và tuyệt đối. Điều quan trọng là cường độ năng lượng tuyệt đối và việc sử dụng vật liệu. ” 

Ông không chỉ đề cập đến cường độ năng lượng của việc khai thác và sản xuất tất cả các thiết bị đó, mà còn là các máy chủ lưu trữ dữ liệu cho tính toán tiêu tốn một lượng lớn năng lượng. Nhiều người trong số các trang trại máy chủ đó được đặt trên đất rẻ tiền ở những nơi như Kazakhstan và chạy bằng nhiên liệu hóa thạch.

Cuối cùng, không phải sự phát triển tích cực của AI theo nghĩa tổng thể phụ thuộc vào quá trình chuyển đổi sang năng lượng tái tạo và một số hạn chế đối với việc tiêu thụ các dịch vụ thúc đẩy sự phổ biến của các thiết bị như vậy?

Lee:  Tôi đồng ý với mối quan tâm này. Nếu chúng ta muốn tiếp tục phát triển các dạng AI tiên tiến, thì năng lực tính toán phải phát triển nhanh chóng. Chỉ để đào tạo một thuật toán AI hoặc mô hình học sâu có thể tiêu tốn hàng triệu đô la và gây ra rất nhiều căng thẳng cho các trang trại máy chủ.

Tôi nghĩ hiện tại chúng tôi đang gặp một chút khó khăn bởi vì công nghệ hiện đại đòi hỏi quá nhiều tính toán. Khi các công ty bình thường tìm cách tạo ra những bước đột phá như Microsoft, Google và OpenAI đã làm, thì lượng sức mạnh tính toán cần thiết sẽ tăng lên. Do đó, điều quan trọng là phải đầu tư vào phần mềm và công cụ hiệu quả có thể làm cho các công nghệ hàng đầu trở nên thực tế hơn, có thể làm giảm một chút hiệu suất trong khi vẫn cung cấp khả năng tính toán mà chúng cần. 

Bên cạnh đó, tất nhiên, chúng ta cần hướng tới các nguồn năng lượng sạch, hy vọng rằng chúng rẻ hơn và dồi dào hơn rất nhiều. Trong cuốn sách, tôi đã nói về năng lượng phân tán kết hợp năng lượng mặt trời với các công nghệ pin tiên tiến ngoài lithium. Một cách lạc quan, chúng ta có thể giảm chi phí năng lượng xuống 10% so với hiện nay trong vài thập kỷ tới. Thậm chí điều đó có thể là không đủ, nhưng chúng ta phải cân bằng cả hai. 

“Cuối cùng, các bác sĩ có thể bắt đầu đưa ra các quyết định dập cao su do AI đưa ra - họ thậm chí có thể sợ hãi việc đảo ngược một quyết định do AI đưa ra hoặc không đồng ý với nó”.

Gardels:  Vì vậy, có hai khía cạnh cho điều này - cải thiện hiệu quả tính toán trong khi chuyển sang năng lượng sạch hơn và khả năng lưu trữ? 

Lee:  Đúng vậy. Nó giúp ích rất nhiều cho việc học tập sâu AI và con cháu của nó trở nên tốt hơn với nhiều dữ liệu hơn và năng lực tính toán cao hơn. Vì vậy, nếu bạn điều chỉnh thuật toán một chút mỗi lần, sau đó thêm nhiều dữ liệu hơn và tính toán nhiều hơn, hiệu suất có thể nhanh chóng trở nên tốt hơn và hiệu quả hơn nhiều. Chúng tôi chưa bao giờ thấy một công nghệ nào hoạt động như vậy. Những phát minh như điện hoặc internet là con số không và một: Khi bạn không có nó, bạn không có nó; khi bạn có nó, bạn đã có nó. Chúng không cải thiện với tốc độ hình học như AI. 

Cũng có mặt trái. Chúng ta phải xem xét làm thế nào để làm cho AI thông minh hơn mà không chỉ cung cấp thêm dữ liệu và sức mạnh tính toán vào nó. Trừ khi chúng ta tìm ra cách để làm điều đó, chúng ta có thể không bao giờ đạt đến một trí thông minh nhân tạo thực sự. 

Gardels:  Đâu là giới hạn đối với AI học sâu? Một số nhà phê bình cho rằng mặc dù máy móc thông minh có thể làm tốt hơn con người trong các nhiệm vụ đa dạng, cũng như học hỏi những nhiệm vụ mới, nhưng theo nghĩa đen, chúng không “hiểu” những gì chúng đang làm - “trí thông minh không suy nghĩ”.

Sự hiểu biết đến từ ngữ cảnh. Sự lao động độc nhất của con người trong việc lấp đầy các vết nứt giữa các bit dữ liệu với nhận thức không thể lập trình được là điều tạo ra ý nghĩa và tạo thành một thực tế toàn bộ. 

Hơn nữa, một số ý kiến cho rằng, tâm trí của chúng ta càng được rèn luyện bởi các tương tác hàng ngày với công nghệ kỹ thuật số để suy nghĩ như các thuật toán mà thiếu hiểu biết, thì bản thân chúng ta cũng sẽ trở nên kém thông minh hơn và nhân tạo hơn.

“Có lẽ chúng ta nên xem xét thực tế rằng con người và AI hoàn toàn khác nhau.”

Lee:  Tôi nghĩ rằng học sâu đã chứng minh rằng nó có thể nắm vững một số khái niệm về ngữ cảnh, mặc dù không giống với cách hiểu của con người. Nhưng nếu bạn đang xem xét phương pháp học tự giám sát như chúng ta thấy với GPT-3 và các công nghệ khác, thì về cơ bản chúng được đào tạo mà không cần giám sát bằng cách dựa trên bối cảnh của dữ liệu mà chúng có sẵn. Đó là, bạn không nói với robot, "đây là chó, đây là mèo, đây là người." Bạn không nói với nó sự thật cơ bản. Bạn chỉ cần nói "đây là rất nhiều văn bản, hãy học những gì bạn có thể."

Giả sử bạn đang đọc chương cuối cùng của một cuốn sách. Hiện nay, có các thuật toán học sâu có thể dự đoán câu tiếp theo hoặc trả lời câu hỏi về điều gì đó đã xảy ra trước đó bằng cách sử dụng ngữ cảnh. Công nghệ ngày nay, phần lớn thời gian, sẽ tạo ra một câu trả lời tốt hoặc tốt hơn của tôi, trong khi đôi khi nó chỉ là vô nghĩa. Điều đó không thể được thực hiện nếu không có một số khái niệm về ngữ cảnh. Nó không chỉ là ghi nhớ hàng triệu từ. Bạn cần biết cái nào quan trọng. Một AI do Microsoft và Alibaba xây dựng thậm chí còn vượt trội hơn con người trong Bộ dữ liệu trả lời câu hỏi của Stanford vào năm 2018. Điều đó khá ấn tượng. Nó cho thấy rằng AI có thể phát hiện một số ngữ cảnh. 

Điều đó nói rằng, tôi không cho rằng AI có linh hồn hay khả năng tự nhận thức, biết nó đang làm gì hoặc có cảm xúc và niềm tin và giao tiếp một cách chăm chú. Tôi không nghĩ nó đang làm điều đó. Nó chỉ là tìm ra một cách để tìm bối cảnh.

Nhưng xem xét chúng ta đã đạt được bao nhiêu tiến bộ, hãy nghĩ xem chúng ta sẽ ở đâu trong 20 hoặc 30 năm nữa. Sẽ có nhiều cải tiến hơn nữa về học tập tự giám sát ngày nay. 

Học tập tự giám sát khắc phục được vấn đề trước đây của học sâu đòi hỏi một nhãn hiệu chuyên gia chính xác về mọi thứ. Và điều đó đặt ra giới hạn về số lượng dữ liệu có thể được xử lý. Thực tế là AI có thể được đào tạo mà không cần sự giám sát của con người cho thấy công nghệ học sâu mạnh mẽ như thế nào. Nếu chúng ta cung cấp nhiều dữ liệu hơn và tính toán vào nó, nó sẽ ngày càng tốt hơn. 

Nhưng AI có thể nhận dạng ngữ cảnh không có nghĩa là nó sẽ thay thế con người hoặc đạt đến điểm kỳ dị hoặc AGI. Có thể là chúng tôi? Nó có thể làm tất cả những gì chúng ta có thể làm không? Ở mỗi giai đoạn phát triển, chúng ta đặt ra những câu hỏi đã được định sẵn về những gì con người chúng ta có thể làm: Nó có thể chơi cờ vua không? Nếu nó có thể chơi cờ vua, nó có thể chơi cờ vây không? Nếu nó có thể đạt được khả năng đọc hiểu, liệu nó có thể đạt đến nhận thức về bản thân như chúng ta đã có không? 

Nó có phần tự ái, nếu là tự nhiên, khi con người so sánh mọi thứ với chúng ta. Đó là lý do tại sao, trong hầu hết các bộ phim khoa học viễn tưởng, mọi vật thể bạn nhìn thấy - cho dù đó là người ngoài hành tinh, vật nuôi hay robot - bằng cách nào đó đều có hình dạng quen thuộc. Chúng tôi muốn nhìn thấy mọi thứ trong hình ảnh của chúng tôi. Có lẽ chúng ta nên xem xét thực tế rằng con người và AI hoàn toàn khác nhau. 

Những tiến bộ trong AI không nhất thiết tạo ra một tập hợp siêu phẩm chất của con người. Chúng ta làm những việc chúng ta làm vì cách chúng ta nhìn nhận thế giới, vì cách chức năng sinh lý của chúng ta. Có thể, được mã hóa trong DNA của chúng ta, có một thứ gọi là linh hồn - đặc biệt là nhận thức về bản thân và cảm xúc của con người đã hình thành bản năng và giúp chúng ta tồn tại. Nhưng điều đó không có nghĩa là không thể có một dạng sinh vật khác giống như thật. Chúng ta nên cởi mở với điều đó. Điều chúng ta nên quan tâm hơn là AI có thể làm được những gì mà chúng ta chưa bao giờ nghĩ rằng con người có thể làm được và cách tận dụng điều đó. Đó là một góc độ mang tính xây dựng hơn nhiều.

“Có thể, được mã hóa trong DNA của chúng ta, có một thứ gọi là linh hồn - đặc biệt là nhận thức về bản thân và cảm xúc của con người đã hình thành bản năng và giúp chúng ta tồn tại.”

Gardels:  Cuốn sách cuối cùng của bạn, “AI Superpowers,” bày tỏ hy vọng về sự hợp tác giữa hai quốc gia hàng đầu trong việc phát triển công nghệ này, Mỹ và Trung Quốc. Giờ đây, sự cạnh tranh giữa họ ngày càng gay gắt. Điều đó sẽ kìm hãm hay thúc đẩy những tiến bộ mà bạn thấy sẽ diễn ra vào năm 2041?

Lee:  Sự cạnh tranh được nhận thức ở cấp độ địa chính trị là có vấn đề vì nó có khả năng phân tách thế giới thành hai bộ công nghệ và tiêu chuẩn không thể tương tác với nhau. Điều đó rõ ràng là không hiệu quả. Mặt khác, động lực đó tạo ra nhiều tài trợ hơn cho công nghệ ở cả hai quốc gia, đó là một điều tốt. Tôi cho rằng Sputnik đã giúp thúc đẩy các nỗ lực không gian của Mỹ và Liên Xô theo cách này. 

Khi tôi viết “AI Superpowers”, tôi đã không dự đoán rằng sự cạnh tranh sẽ như thế này. Tôi đã hy vọng rằng những tiến bộ của AI ở phương Tây sẽ đánh thức Trung Quốc. Và sau đó, khi Trung Quốc phát triển các công ty internet của họ sử dụng AI theo những cách tiên tiến hơn phương Tây, nó sẽ đánh thức phương Tây. Tôi hy vọng rằng nhận thức lẫn nhau đó sẽ tạo ra những cách thức làm việc mới cùng nhau. Trong lĩnh vực chăm sóc sức khỏe chẳng hạn. Trung Quốc có nhiều dữ liệu hơn, Mỹ có nhiều công nghệ y tế tiên tiến hơn. Tham gia các tài sản này theo một hướng chung sẽ là một động lực lớn cho nhân loại nói chung.

Chà, điều đó đã không xảy ra. Điều tốt nhất mà chúng ta có thể hy vọng trong vài năm tới là có những vấn đề được cả hai quốc gia xác định là đủ quan trọng để hợp tác, như khí hậu hoặc chăm sóc sức khỏe. 

Một điểm sáng là, bất chấp những thách thức về địa chính trị, các học giả và nhà khoa học vẫn đang nỗ lực cùng nhau. Tại các hội nghị lớn về AI, bạn có thể thấy các nhà nghiên cứu Mỹ, châu Âu và Trung Quốc tiếp tục chia sẻ ý tưởng của họ để mọi người có thể đứng trên vai của những người khác. Hy vọng rằng chúng ta sẽ đạt được trạng thái mà Trung Quốc và Mỹ sẽ rất cạnh tranh trong một số lĩnh vực nhất định và hợp tác trong các lĩnh vực khác. Chúng tôi sẽ phải xem liệu chúng tôi có thể đến được đó không.

Enrico Nagel