Giáo sư Yann LeCun có một bài phát biểu đáng chú ý ở AI Action Summit 2025 vừa qua. Tôi theo dõi và sử dụng AI để tóm tắt những nét chính và đăng ở Bình Dân Học AI. Tuy nhiên, trong bài này tôi muốn trình bày một cách dễ hiểu hơn cho người mới, không quen với công nghệ AI.
AI (trí tuệ nhân tạo) đang phát triển nhanh đến mức nhiều người cảm thấy vừa hào hứng vừa hoang mang. Một số người nghĩ AI sẽ sớm thông minh như con người, số khác lo lắng AI sẽ lấy mất việc làm. Nhưng theo Yann LeCun – một trong những "Bố già" AI đang làm việc tại Meta (Facebook) và cũng là giáo sư của Đại học New York, AI hiện nay vẫn còn nhiều hạn chế và chưa thể đạt đến mức thông minh như chúng ta tưởng tượng. Trong bài phát biểu tại AI Action Summit 2025, ông đã đưa ra quan điểm rằng cách chúng ta đang huấn luyện AI chưa thực sự hiệu quả và cần một cách tiếp cận mới.
AI cần học như cách con người học tập
Hãy tưởng tượng một đứa trẻ học đi. Nó không cần ngã cả triệu lần mới biết cách giữ thăng bằng, mà chỉ cần quan sát, thử nghiệm vài lần, rồi điều chỉnh. Tuy nhiên, AI hiện tại lại không học theo cách này. Các hệ thống AI bây giờ giống như một con robot bị bịt mắt, cứ thử đi thử lại hàng triệu lần cho đến khi tìm ra cách đúng. Đây là cách hoạt động của học củng cố (Reinforcement Learning - RL), một phương pháp phổ biến nhưng theo LeCun, nó rất tốn thời gian và tài nguyên.
LeCun cho rằng thay vì học kiểu "mò mẫm", AI nên học giống con người là quan sát trước, tưởng tượng ra kết quả, rồi mới hành động. Điều này giống như khi bạn chơi cờ vua: bạn không cần thử mọi nước đi mà có thể dự đoán vài bước trước khi quyết định. Đây chính là cách tiếp cận mà AI cần có, gọi là mô hình thế giới (World Models), một hệ thống giúp AI có thể "tưởng tượng" được hậu quả của hành động trước khi thực hiện.
Những hạn chế của AI hiện nay
Một vấn đề lớn với AI hiện nay là nó rất giỏi làm những việc phức tạp như giải toán, viết bài, hay vẽ tranh, nhưng lại không thể làm được những điều đơn giản mà con người làm dễ dàng. Ví dụ, một AI có thể đỗ kỳ thi luật sư, nhưng không thể cầm một cái chén mà không làm rơi vỡ. Đây là nghịch lý Moravec (Moravec’s Paradox), chỉ ra rằng những việc mà con người làm theo bản năng như đi đứng, nhận diện khuôn mặt hay cầm nắm vật thể lại khó hơn nhiều so với những việc mang tính trí tuệ như toán học hay lập trình.
Một vấn đề khác là mô hình tạo sinh (Generative Models) như ChatGPT có thể viết rất hay, nhưng nó không thực sự "hiểu" những gì mình nói. Hãy tưởng tượng một con vẹt nói tiếng người: nó có thể nhại lại câu chữ, nhưng không hiểu ý nghĩa thật sự. AI hiện tại cũng giống vậy, nó chỉ tạo ra câu trả lời dựa trên xác suất thống kê từ dữ liệu cũ chứ không có "tư duy thực sự".
Cách tiếp cận mới: JEPA (Joint Embedding Predictive Architecture)
LeCun đề xuất một phương pháp mới có tên JEPA (Joint Embedding Predictive Architecture), giúp AI học một cách "tinh tế" hơn. Thay vì cố gắng dự đoán từng bước chính xác như các mô hình sinh, JEPA giúp AI học cách "cảm nhận" và xây dựng hiểu biết tổng quát về thế giới.
Hãy tưởng tượng bạn nhìn thấy một bức ảnh một nửa bị che khuất. Bạn vẫn có thể đoán được phần bị che là gì nhờ vào kinh nghiệm và trí tưởng tượng. JEPA hoạt động theo cách tương tự: nó không cần biết chính xác từng chi tiết, mà chỉ cần hiểu bức tranh lớn. Điều này giúp AI có thể lập kế hoạch tốt hơn và tránh những lỗi "ảo giác" như các AI hiện nay.
AI cần được cả cộng đồng kiểm soát
LeCun cũng nhấn mạnh một vấn đề quan trọng: AI không nên chỉ được kiểm soát bởi một số công ty lớn như Google, OpenAI hay Meta. Nếu AI chỉ do một nhóm nhỏ kiểm soát, nó có thể bị thiên vị theo góc nhìn của họ. Thay vào đó, AI cần được phát triển theo mô hình mã nguồn mở (Open Source AI), nơi mọi người đều có thể đóng góp và điều chỉnh để phù hợp với từng nền văn hóa khác nhau.
Hãy tưởng tượng nếu chỉ có một hãng xe duy nhất trên thế giới, mọi người sẽ phải đi cùng một loại xe, không có sự lựa chọn. AI cũng vậy, nó cần phải đa dạng và không bị độc quyền.
Túm lại,
LeCun tin rằng nếu muốn AI đạt được mức trí tuệ thật sự, chúng ta cần thay đổi cách tiếp cận. Thay vì dựa vào học củng cố (RL) và mô hình sinh, chúng ta nên tập trung vào mô hình thế giới (World Models) và học không giám sát (Self-Supervised Learning - SSL). Điều này sẽ giúp AI học nhanh hơn, thông minh hơn, và có khả năng tư duy sâu sắc hơn. Đồng thời, AI nên được phát triển theo hướng mở để đảm bảo công bằng và đa dạng văn hóa.
AI hiện tại giống như một đứa trẻ đang học nói nhưng chưa thực sự hiểu ý nghĩa của lời mình nói. Để AI trở nên thông minh như con người, chúng ta cần giúp nó học theo cách con người học, không chỉ ghi nhớ, mà còn phải hiểu và suy luận.
