Tóm tắt
Trí tuệ nhân tạo (AI) là một trong những chủ đề được tranh luận nhiều nhất hiện nay và dường như có rất ít sự hiểu biết chung về sự khác biệt và tương đồng giữa trí tuệ con người và trí tuệ nhân tạo. Các cuộc thảo luận về nhiều chủ đề liên quan, chẳng hạn như độ tin cậy, khả năng giải thích và đạo đức, đều mang đặc điểm của các quan niệm lấy con người làm trung tâm và nhân cách hóa một cách ngầm định (Ví dụ, việc theo đuổi trí tuệ giống con người như là tiêu chuẩn vàng cho Trí tuệ Nhân tạo). Để tạo ra sự đồng thuận hơn và chứng minh các mục tiêu nghiên cứu khả thi trong tương lai, bài báo này trình bày ba khái niệm về sự tương đồng và khác biệt giữa trí tuệ con người và trí tuệ nhân tạo:
1) Những hạn chế cơ bản của trí tuệ con người (và trí tuệ nhân tạo)
2) Trí tuệ con người như một trong nhiều hình thức trí tuệ tổng quát khả thi
3) Tác động tiềm tàng cao của nhiều hình thức (tích hợp) ứng dụng AI lai hẹp. Hiện tại, các hệ thống AI sẽ có những phẩm chất và khả năng nhận thức khác biệt về cơ bản so với các hệ thống sinh học. Vì lý do này, một vấn đề nổi bật nhất là làm thế nào chúng ta có thể sử dụng (và “hợp tác” với) các hệ thống này một cách hiệu quả nhất có thể? Đối với những nhiệm vụ nào và trong điều kiện nào, việc giao phó quyết định cho AI là an toàn và khi nào cần đến sự phán đoán của con người? Làm thế nào chúng ta có thể tận dụng những điểm mạnh cụ thể của trí tuệ con người và trí tuệ nhân tạo? Làm thế nào để triển khai các hệ thống AI một cách hiệu quả nhằm bổ sung và bù đắp những hạn chế vốn có của nhận thức con người (và ngược lại)? Chúng ta nên theo đuổi việc phát triển các “đối tác” AI có trí tuệ ngang tầm con người hay nên tập trung hơn vào việc bổ sung những hạn chế của con người? Để trả lời những câu hỏi này, những người làm việc với các hệ thống AI trong môi trường làm việc hoặc trong việc hoạch định chính sách cần phải phát triển một mô hình tư duy phù hợp về các cơ chế “tâm lý” tiềm ẩn của AI. Vì vậy, để có được các hệ thống AI-con người hoạt động tốt, cần phải chú trọng hơn nữa đến nhận thức về trí tuệở con người. Vì mục đích này, một khuôn khổ ban đầu cho nội dung giáo dục được đề xuất.
Lời giới thiệu: Trí tuệ nhân tạo và trí tuệ con người, những thế giới khác biệt
Trí tuệ nhân tạo tổng quát ở cấp độ con người
Những tiến bộ gần đây trong công nghệ thông tin và trí tuệ nhân tạo (AI) có thể cho phép phối hợp và tích hợp tốt hơn giữa con người và công nghệ. Do đó, khá nhiều sự chú ý đã được dành cho việc phát triển AI nhận thức con người (Human-Aware AI), nhằm mục đích tạo ra AI thích ứng như một “thành viên nhóm” với khả năng và hạn chế nhận thức của các thành viên nhóm là con người. Ngoài ra, các phép ẩn dụ như “bạn đồng hành”, “đối tác”, “bản ngã thứ hai”, “Cộng tác viên thông minh”, “bạn thân” và “sự hiểu biết lẫn nhau” nhấn mạnh mức độ hợp tác, tương đồng và bình đẳng cao trong “các nhóm lai”. Khi các đối tác AI nhận thức con người hoạt động như “cộng tác viên là con người”, chúng phải có khả năng cảm nhận, hiểu và phản ứng với nhiều phẩm chất hành vi phức tạp của con người, như sự chú ý, động lực, cảm xúc, sự sáng tạo, lập kế hoạch hoặc lập luận. Do đó, những “đối tác AI” hay “đồng đội” này phải được trang bị các khả năng nhận thức giống con người (hoặc hình người) cho phép hiểu biết lẫn nhau và hợp tác (tức là “nhận thức của con người”).
Tuy nhiên, cho dù các tác nhân AI có trở nên thông minh và tự chủ đến đâu ở một số khía cạnh nhất định, ít nhất là trong tương lai gần, chúng có lẽ vẫn sẽ là những cỗ máy vô thức hoặc các thiết bị chuyên dụng hỗ trợ con người trong các nhiệm vụ cụ thể, phức tạp. Là những cỗ máy kỹ thuật số, chúng được trang bị một hệ điều hành hoàn toàn khác (kỹ thuật số so với sinh học) và có những phẩm chất và khả năng nhận thức khác biệt tương ứng so với các sinh vật sinh học, như con người và các loài động vật khác. Nhìn chung, các tác nhân kỹ thuật số có khả năng suy luận và giải quyết vấn đề chỉ so sánh rất hời hợt với các đối tác sinh học của chúng . Vì vậy, điều ngày càng trở nên quan trọng là các chuyên gia làm việc với các hệ thống AI tiên tiến (ví dụ: trong các nhóm quân sự hoặc hoạch định chính sách) cần phát triển một mô hình tư duy phù hợp về các năng lực nhận thức khác nhau của hệ thống AI so với nhận thức của con người. Vấn đề này sẽ ngày càng trở nên quan trọng khi các hệ thống AI trở nên tiên tiến hơn và được triển khai với mức độ tự chủ cao hơn. Do đó, bài báo này cố gắng làm rõ hơn và cung cấp cái nhìn sâu sắc hơn về các đặc điểm cơ bản, sự khác biệt và tính đặc thù của trí tuệ con người/sinh học và trí tuệ nhân tạo/kỹ thuật số. Trong phần cuối, một khuôn khổ toàn cầu để xây dựng nội dung giáo dục về “Nhận thức về trí tuệ” được giới thiệu. Khuôn khổ này có thể được sử dụng để phát triển các chương trình giáo dục và đào tạo cho những người phải sử dụng hoặc “hợp tác với” các hệ thống AI tiên tiến trong tương lai gần và xa.
Với việc ứng dụng các hệ thống trí tuệ nhân tạo (AI) ngày càng có tính tự chủ cao, ngày càng nhiều nhà nghiên cứu xem xét sự cần thiết phải giải quyết một cách mạnh mẽ các vấn đề phức tạp thực sự của “trí tuệ cấp độ con người” và rộng hơn là trí tuệ nhân tạo tổng quát , hay AGI. Nhiều định nghĩa khác nhau về A(G)I đã được đề xuất. Nhiều định nghĩa trong số đó quy về: công nghệ chứa đựng hoặc bao hàm trí tuệ (giống con người). Điều này gây ra vấn đề. Hầu hết các định nghĩa đều sử dụng thuật ngữ “trí tuệ” như một yếu tố thiết yếu của chính định nghĩa, điều này làm cho định nghĩa trở nên trùng lặp. Thứ hai, ý tưởng rằng A(G)I nên giống con người dường như không có cơ sở. Ít nhất trong môi trường tự nhiên, có nhiều hình thức và biểu hiện khác của các hành vi phức tạp và thông minh rất khác với các khả năng nhận thức cụ thể của con người. Cuối cùng, giống như những gì thường thấy trong lĩnh vực sinh học, các định nghĩa về Trí tuệ Nhân tạo (AGI) này sử dụng trí tuệ con người làm cơ sở hoặc phép tương tự trung tâm để lý luận về hiện tượng AGI – ít quen thuộc hơn. Do có nhiều khác biệt giữa nền tảng và kiến trúc cơ bản của trí tuệ sinh học và trí tuệ nhân tạo, cách lý luận lấy con người làm trung tâm này có lẽ là không chính đáng. Vì những lý do này, chúng tôi đề xuất một định nghĩa (không lấy con người làm trung tâm) về “trí tuệ” như sau: “ khả năng thực hiện các mục tiêu phức tạp ”. Những mục tiêu này có thể liên quan đến các nhiệm vụ hẹp, hạn chế (AI hẹp) hoặc các lĩnh vực nhiệm vụ rộng (AGI). Dựa trên định nghĩa này, và trên một định nghĩa về AGI, chúng tôi định nghĩa AGI ở đây là: “ Các năng lực phi sinh học để tự chủ và hiệu quả đạt được các mục tiêu phức tạp trong nhiều môi trường khác nhau”. Các hệ thống AGI cần có khả năng tự động và hiệu quả xác định và trích xuất các đặc điểm quan trọng nhất cho quá trình hoạt động và học tập của chúng trên nhiều nhiệm vụ và bối cảnh khác nhau. Nghiên cứu AGI liên quan khác với nghiên cứu AI thông thường ở chỗ nó đề cập đến tính linh hoạt và toàn diện của trí tuệ, và bằng cách thực hiện thực tiễn kỹ thuật theo một hệ thống có thể so sánh với trí tuệ con người ở một khía cạnh nào đó.
“Trí tuệ thực sự” là gì?
Ẩn chứa trong khát vọng xây dựng các hệ thống Trí tuệ Nhân tạo Tổng quát (AGI) sở hữu trí thông minh giống con người là tiền đề rằng trí thông minh (chung) của con người là hình thức trí thông minh “thực sự”. Điều này thậm chí đã được thể hiện một cách ngầm định trong thuật ngữ “Trí tuệ Nhân tạo”, như thể nó không hoàn toàn là thực, tức là, thực giống như trí thông minh phi nhân tạo (sinh học). Thật vậy, với tư cách là con người, chúng ta tự nhận mình là những thực thể có trí thông minh cao nhất từng được quan sát trong Vũ trụ. Và như một sự mở rộng của điều này, chúng ta thích xem mình là những sinh vật lý trí có khả năng giải quyết nhiều vấn đề phức tạp trong mọi hoàn cảnh bằng kinh nghiệm và trực giác của mình, được bổ sung bởi các quy tắc logic, phân tích quyết định và thống kê. Do đó, không có gì đáng ngạc nhiên khi chúng ta khó chấp nhận ý tưởng rằng chúng ta có thể kém thông minh hơn một chút so với những gì chúng ta vẫn tự nhủ, tức là “sự sỉ nhục tiếp theo đối với nhân loại”. Điều này đi xa đến mức sự tiến bộ nhanh chóng trong lĩnh vực trí tuệ nhân tạo đi kèm với việc định nghĩa lại liên tục về những gì nên được coi là “trí thông minh (chung) thực sự”. Khái niệm về trí thông minh, tức là khả năng tự chủ và hiệu quả đạt được các mục tiêu phức tạp, sau đó liên tục được điều chỉnh và thu hẹp hơn nữa thành: “những việc mà chỉ con người mới có thể làm được”. Theo đó, trí tuệ nhân tạo (AI) được định nghĩa là “nghiên cứu cách làm cho máy tính thực hiện những việc mà hiện tại con người làm tốt hơn”. Điều này bao gồm việc nghĩ ra các giải pháp sáng tạo, sử dụng linh hoạt thông tin theo ngữ cảnh và bối cảnh, sử dụng trực giác và cảm xúc, khả năng thực sự “suy nghĩ và hiểu biết”, hoặc việc đưa cảm xúc vào xem xét (đạo đức). Những điều này sau đó được coi là các yếu tố cụ thể của trí thông minh thực sự. Chẳng hạn, giám đốc AI của Facebook và người phát ngôn trong lĩnh vực này, Yann LeCun, đã đề cập tại một Hội nghị tại MIT về Tương lai của Công việc rằng máy móc vẫn còn rất xa so với việc có được “bản chất của trí thông minh”. Điều đó bao gồm khả năng hiểu thế giới vật chất đủ tốt để đưa ra dự đoán về các khía cạnh cơ bản của nó—quan sát một điều và sau đó sử dụng kiến thức nền để tìm ra những điều khác cũng phải đúng. Một cách khác để diễn đạt điều này là máy móc không có khả năng nhận thức thông thường, giống như tàu ngầm không thể bơi. Khi những khả năng độc quyền của con người trở thành điểm định hướng then chốt trên đường chân trời, chúng ta có thể bỏ lỡ một số vấn đề quan trọng cần được chú ý trước tiên.
- Về các nhiệm vụ nhận thức, có lẽ chúng ta không thông minh như mình nghĩ. Vậy tại sao chúng ta lại phải tập trung mạnh vào trí tuệ nhân tạo tổng quát (AGI) giống con người ?
- Có nhiều dạng trí thông minh khác nhau và do đó, trí thông minh tổng quát không nhất thiết phải giống với trí thông minh tổng quát của người máy (hay “trí thông minh tổng quát ở cấp độ con người”).
- Trí tuệ nhân tạo tổng quát (AGI) thường không cần thiết; nhiều vấn đề phức tạp cũng có thể được giải quyết hiệu quả bằng cách sử dụng nhiều trí tuệ nhân tạo chuyên biệt (narrow AI).
Có lẽ chúng ta không thông minh như chúng ta nghĩ
Chúng ta thực sự thông minh đến mức nào? Câu trả lời cho câu hỏi đó phần lớn phụ thuộc vào góc nhìn mà vấn đề được xem xét, và do đó, phụ thuộc vào các thước đo và tiêu chí về trí thông minh được lựa chọn. Ví dụ, chúng ta có thể so sánh bản chất và khả năng trí thông minh của con người với các loài động vật khác. Trong trường hợp đó, chúng ta tỏ ra rất thông minh. Nhờ khả năng học hỏi khổng lồ, chúng ta sở hữu kho tàng năng lực nhận thức rộng lớn nhất để tự chủ giải quyết các vấn đề phức tạp và đạt được các mục tiêu phức tạp. Bằng cách này, chúng ta có thể giải quyết vô số các vấn đề về toán học, khái niệm, không gian, kinh tế, tổ chức xã hội, chính trị, v.v. Các loài linh trưởng – chỉ khác chúng ta một chút về mặt di truyền – lại tụt hậu xa so với chúng ta về mặt này. Do đó, chúng ta có thể chính đáng đánh giá con người, so với các loài động vật khác mà chúng ta biết, là rất thông minh.
Khả năng nhận thức hạn chế
Tuy nhiên, chúng ta cũng có thể nhìn xa hơn ” quan điểm tương đối giữa các loài” này và cố gắng đánh giá trí thông minh của chúng ta theo các thuật ngữ tuyệt đối hơn , tức là sử dụng thang điểm từ 0 đến mức khả thi về mặt vật lý. Ví dụ, chúng ta có thể xem khả năng tính toán của bộ não con người như một hệ thống vật lý. Quan điểm phổ biến trong lĩnh vực này giữa các nhà khoa học về trí tuệ nhân tạo là trí thông minh cuối cùng là vấn đề của thông tin và tính toán, và (do đó) không phải là của thịt, máu và các nguyên tử carbon. Về nguyên tắc, không có định luật vật lý nào ngăn cản việc các hệ thống vật lý (bao gồm các quark và nguyên tử, giống như bộ não của chúng ta) có thể được xây dựng với sức mạnh tính toán và trí thông minh lớn hơn nhiều so với bộ não con người. Điều này ngụ ý rằng không có lý do vật lý nào không thể vượt qua khiến máy móc một ngày nào đó không thể trở nên thông minh hơn chúng ta về mọi mặt. Do đó, trí thông minh của chúng ta tương đối cao so với các loài động vật khác, nhưng xét về mặt tuyệt đối, nó có thể rất hạn chế về khả năng tính toán vật lý, mặc dù chỉ bởi kích thước hạn chế của bộ não và số lượng tối đa các tế bào thần kinh và tế bào thần kinh đệm có thể có.
Để định nghĩa và đánh giá rõ hơn trí thông minh (sinh học) của chính mình, chúng ta cũng có thể thảo luận về sự tiến hóa và bản chất của khả năng tư duy sinh học. Là một mạng lưới thần kinh sinh học bằng xương bằng thịt, cần thiết cho sự sống còn, bộ não của chúng ta đã trải qua quá trình tối ưu hóa tiến hóa kéo dài hơn một tỷ năm. Trong khoảng thời gian dài này, nó đã phát triển thành một hệ thống hiệu quả cao để điều chỉnh các chức năng sinh học thiết yếu và thực hiện các nhiệm vụ nhận thức vận động và nhận dạng mẫu, chẳng hạn như kiếm thức ăn, chiến đấu và bỏ chạy, và giao phối. Gần như trong suốt quá trình tiến hóa của chúng ta, mạng lưới thần kinh của bộ não đã được tối ưu hóa hơn nữa cho các quá trình vận động nhận thức và sinh học cơ bản này, vốn cũng là nền tảng của các kỹ năng thực tiễn hàng ngày của chúng ta, như nấu ăn, làm vườn hoặc công việc nhà. Có lẽ do sự thành thạo trong các loại nhiệm vụ này mà chúng ta có thể quên rằng các quá trình này được đặc trưng bởi độ phức tạp tính toán cực kỳ cao. Ví dụ, khi chúng ta buộc dây giày, hàng triệu tín hiệu truyền vào và ra qua một số lượng lớn các hệ thống cảm biến khác nhau, từ các thể gân và thoi cơ ở tứ chi đến võng mạc, cơ quan thính giác và các kênh bán nguyệt trong đầu. Lượng thông tin khổng lồ này từ nhiều hệ thống vận động-cảm nhận khác nhau được xử lý liên tục, song song, dễ dàng và thậm chí không cần sự chú ý có ý thức, trong mạng lưới thần kinh của não bộ. Để đạt được điều này, não bộ có một số cơ chế hoạt động phổ quát (vốn có), chẳng hạn như liên kết và học tập liên kết, tăng cường và tạo thuận lợi, bão hòa và ức chế bên.
Những khả năng sinh học và vận động nhận thức cơ bản này đã được phát triển và hình thành qua hàng triệu năm. Rất lâu sau trong quá trình tiến hóa của chúng ta – thực tế là chỉ gần đây – các khả năng nhận thức và chức năng lý trí mới bắt đầu phát triển. Những khả năng nhận thức này có lẽ chỉ mới xuất hiện chưa đến 100 nghìn năm, có thể được coi là “phôi thai” trên thang thời gian tiến hóa. Thêm vào đó, lớp thành tựu rất mỏng manh của con người này nhất thiết phải được xây dựng trên nền tảng trí tuệ thần kinh “cổ xưa” này để thực hiện các chức năng sinh tồn thiết yếu. Vì vậy, các khả năng nhận thức “cao hơn” của chúng ta được phát triển từ và cùng với các cơ chế điều chỉnh sinh học (thần kinh) này. Kết quả là, không có gì đáng ngạc nhiên khi khả năng của bộ não chúng ta trong việc thực hiện các chức năng nhận thức gần đây này vẫn còn khá hạn chế. Những hạn chế này thể hiện ở nhiều khía cạnh khác nhau, ví dụ như:
- Lượng thông tin nhận thức mà chúng ta có thể xử lý một cách có ý thức (bộ nhớ làm việc, phạm vi hoặc sự chú ý của chúng ta) là rất hạn chế. Dung lượng bộ nhớ làm việc của chúng ta xấp xỉ 10–50 bit mỗi giây.
- Hầu hết các nhiệm vụ nhận thức, như đọc văn bản hoặc tính toán, đòi hỏi sự tập trung hoàn toàn của chúng ta và thường cần rất nhiều thời gian để thực hiện. Máy tính cầm tay có thể thực hiện các phép tính phức tạp hơn chúng ta hàng triệu lần.
- Mặc dù chúng ta có thể xử lý nhiều thông tin song song, nhưng chúng ta không thể đồng thời thực hiện các nhiệm vụ nhận thức đòi hỏi sự cân nhắc và chú ý, tức là “đa nhiệm”.
- Kiến thức và kỹ năng nhận thức mà con người tích lũy được (trí nhớ) có xu hướng suy giảm theo thời gian, nhiều hơn so với các kỹ năng vận động cảm giác. Do khả năng “lưu giữ” thông tin hạn chế này, chúng ta dễ dàng quên đi phần lớn những gì mình đã học.
Thiên kiến nhận thức ăn sâu
Khả năng xử lý thông tin hạn chế của chúng ta đối với các nhiệm vụ nhận thức không phải là yếu tố duy nhất quyết định trí thông minh nhận thức. Ngoại trừ khả năng xử lý tổng thể hạn chế, quá trình xử lý thông tin nhận thức của con người cho thấy những sự sai lệch có hệ thống. Những sai lệch này được thể hiện qua nhiều thiên kiến nhận thức. Thiên kiến nhận thức là những khuynh hướng, sở thích hoặc khuynh hướng có hệ thống, xảy ra phổ biến, làm sai lệch hoặc bóp méo quá trình xử lý thông tin theo những cách khiến kết quả không chính xác, không tối ưu hoặc đơn giản là sai. Nhiều thiên kiến xảy ra gần như theo cùng một cách trong nhiều tình huống ra quyết định khác nhau. Tài liệu nghiên cứu đã mô tả và minh họa hơn 200 thiên kiến. Những khuynh hướng này phần lớn là ngầm định và vô thức, và chúng ta cảm thấy chúng khá tự nhiên và hiển nhiên khi nhận thức được những khuynh hướng nhận thức này. Đó là lý do tại sao chúng thường được gọi là “trực giác”. Suy luận thiên vị có thể dẫn đến những kết quả khá chấp nhận được trong các tình huống tự nhiên hoặc hàng ngày, đặc biệt khi tính đến chi phí thời gian của việc suy luận. Tuy nhiên, con người thường đi chệch khỏi tính hợp lý và/hoặc các nguyên tắc logic, tính toán và xác suất theo những cách không nên, dẫn đến các quyết định không tối ưu về thời gian và công sức đầu tư (chi phí) dựa trên thông tin hiện có và lợi ích kỳ vọng.
Thiên kiến phần lớn là do các đặc điểm và cơ chế vốn có (hoặc cấu trúc) của não bộ như một mạng lưới thần kinh . Về cơ bản, các cơ chế này – chẳng hạn như liên kết, tạo thuận lợi, thích nghi hoặc ức chế bên – dẫn đến sự thay đổi dữ liệu ban đầu hoặc dữ liệu có sẵn và quá trình xử lý của nó (ví dụ: đánh giá tầm quan trọng của nó). Chẳng hạn, ức chế bên là một quá trình thần kinh phổ biến dẫn đến sự khuếch đại sự khác biệt trong hoạt động thần kinh (tăng cường độ tương phản), rất hữu ích cho các chức năng vận động nhận thức, duy trì tính toàn vẹn thể chất và cân bằng nội môi (tức là các chức năng sinh tồn sinh học). Hệ thần kinh của chúng ta đã được tối ưu hóa trong hàng triệu năm đối với các chức năng này. Tuy nhiên, các chức năng nhận thức “cao hơn”, như tư duy khái niệm, suy luận xác suất hoặc tính toán, chỉ mới được phát triển gần đây trong quá trình tiến hóa. Những chức năng này có lẽ chỉ mới xuất hiện chưa đầy 100 nghìn năm, và do đó, có thể được coi là “phôi thai” trên thang thời gian tiến hóa. Thêm vào đó, quá trình tiến hóa không thể phát triển các chức năng nhận thức mới này từ đầu, mà thay vào đó phải xây dựng lớp thành tựu phôi thai và mỏng manh này của con người từ di sản thần kinh “cổ xưa” của nó để thực hiện các chức năng sinh tồn thiết yếu. Vì các chức năng nhận thức thường yêu cầu tính toán chính xác và trọng số dữ liệu phù hợp, nên các phép biến đổi dữ liệu – như ức chế bên – có thể dễ dàng dẫn đến sự biến dạng có hệ thống (tức là sai lệch) trong quá trình xử lý thông tin nhận thức. Một số ví dụ về các sai lệch lớn do đặc tính vốn có của mạng lưới thần kinh sinh học gây ra bao gồm: Sai lệch neo, sai lệch hồi tưởng (xu hướng nhận thức sai lầm các sự kiện là không thể tránh khỏi hoặc có nhiều khả năng xảy ra hơn sau khi chúng đã xảy ra), sai lệch khả dụng (đánh giá tần suất, tầm quan trọng hoặc khả năng xảy ra của một sự kiện dựa trên mức độ dễ dàng mà các trường hợp liên quan xuất hiện trong tâm trí), và sai lệch xác nhận (xu hướng lựa chọn, diễn giải và ghi nhớ thông tin theo cách xác nhận những định kiến, quan điểm và kỳ vọng của bản thân). Ngoài những hạn chế (cấu trúc) vốn có của mạng lưới thần kinh (sinh học), các thiên kiến cũng có thể bắt nguồn từ các nguyên tắc tiến hóa chức năng thúc đẩy sự sống sót của tổ tiên chúng ta, những người săn bắn hái lượm và sống trong các nhóm nhỏ, gắn bó chặt chẽ. Thiên kiến nhận thức có thể do sự không phù hợp giữa các “phương pháp phán đoán nhanh” được hợp lý hóa về mặt tiến hóa và bối cảnh hoặc môi trường hiện tại. Theo quan điểm này, cùng một phương pháp phán đoán nhanh đã tối ưu hóa cơ hội sống sót của tổ tiên chúng ta trong môi trường (tự nhiên) của họ có thể dẫn đến hành vi không thích nghi (thiên vị) khi chúng được sử dụng trong các thiết lập (nhân tạo) hiện tại của chúng ta. Các thiên kiến được xem là ví dụ về sự không phù hợp này bao gồm: Thiên kiến hành động (ưu tiên hành động ngay cả khi không có lý do chính đáng để làm điều đó), Bằng chứng xã hội (xu hướng phản ánh hoặc sao chép hành động và ý kiến của người khác), Thảm kịch của tài nguyên chung (ưu tiên lợi ích cá nhân hơn lợi ích chung của cộng đồng), và Thiên kiến nhóm nội bộ (ưu tiên nhóm của mình hơn các nhóm khác).
Bản chất cố hữu (vốn có trong hệ thần kinh và/hoặc được khắc sâu trong quá trình tiến hóa) của tư duy thiên vị khiến cho các phương pháp đơn giản và trực tiếp như các can thiệp đào tạo hoặc các khóa học nâng cao nhận thức khó có thể hiệu quả trong việc giảm thiểu thiên vị. Khó khăn trong việc giảm thiểu thiên vị này dường như được hỗ trợ bởi các tài liệu nghiên cứu.
Trí thông minh tổng quát không giống với trí thông minh giống con người
Những khác biệt cơ bản giữa trí tuệ sinh học và trí tuệ nhân tạo
Chúng ta thường suy nghĩ và cân nhắc về trí thông minh với quan niệm lấy con người làm trung tâm về trí thông minh của chính mình như một tham chiếu rõ ràng và không mơ hồ. Chúng ta có xu hướng sử dụng quan niệm này làm cơ sở để lý luận về các hiện tượng trí thông minh khác, ít quen thuộc hơn, chẳng hạn như các dạng trí thông minh sinh học và nhân tạo khác. Điều này có thể dẫn đến những câu hỏi và ý tưởng thú vị. Một ví dụ là cuộc thảo luận về cách thức và thời điểm đạt được “trí thông minh ở cấp độ con người”. Chẳng hạn, Ackermann (2018) viết: “Trước khi đạt đến siêu trí tuệ, trí tuệ nhân tạo tổng quát có nghĩa là một cỗ máy sẽ có khả năng nhận thức tương tự như một con người”. Vì vậy, các nhà nghiên cứu đã thảo luận rất nhiều về thời điểm chúng ta sẽ đạt được trí tuệ nhân tạo tổng quát. Chúng tôi cho rằng những loại câu hỏi này không hoàn toàn chính xác. Về nguyên tắc, có rất nhiều loại trí thông minh (tổng quát) khác nhau có thể hình dung được, trong đó trí thông minh giống con người chỉ là một trong số đó. Điều này có nghĩa là, ví dụ, sự phát triển của trí tuệ nhân tạo được quyết định bởi các ràng buộc của vật lý và công nghệ, chứ không phải bởi các ràng buộc của tiến hóa sinh học. Vì vậy, cũng giống như trí thông minh của một vị khách ngoài hành tinh giả định đến thăm hành tinh Trái đất của chúng ta có thể có cấu trúc (vô) hữu cơ khác với các đặc điểm, điểm mạnh và điểm yếu khác nhau so với cư dân loài người, điều này cũng sẽ áp dụng cho các dạng trí tuệ (tổng quát) nhân tạo. Dưới đây, chúng tôi tóm tắt ngắn gọn một vài điểm khác biệt cơ bản giữa trí tuệ con người và trí tuệ nhân tạo:
- Cấu trúc cơ bản: Trí tuệ sinh học (carbon) dựa trên “phần mềm sinh học” (wetware), về cơ bản khác với trí tuệ nhân tạo (dựa trên silicon). Trái ngược với phần mềm sinh học, trong các hệ thống silicon, hay kỹ thuật số, “phần cứng” và “phần mềm” hoạt động độc lập với nhau. Khi một hệ thống sinh học học được một kỹ năng mới, kỹ năng đó sẽ chỉ giới hạn trong chính hệ thống đó. Ngược lại, nếu một hệ thống AI học được một kỹ năng nhất định, thì các thuật toán cấu thành có thể được sao chép trực tiếp sang tất cả các hệ thống kỹ thuật số tương tự khác.
- Tốc độ: Tín hiệu từ các hệ thống AI lan truyền với tốc độ gần bằng tốc độ ánh sáng. Ở người, tốc độ dẫn truyền thần kinh diễn ra với tốc độ tối đa là 120 m/s, cực kỳ chậm so với thang thời gian của máy tính.
- Khả năng kết nối và giao tiếp: Con người không thể giao tiếp trực tiếp với nhau. Họ giao tiếp thông qua ngôn ngữ và cử chỉ với băng thông hạn chế. Điều này chậm hơn và khó khăn hơn so với việc giao tiếp của các hệ thống AI có thể kết nối trực tiếp với nhau. Nhờ kết nối trực tiếp này, họ cũng có thể cộng tác dựa trên các thuật toán tích hợp.
- Khả năng cập nhật và mở rộng: Hệ thống AI hầu như không có bất kỳ hạn chế nào về việc cập nhật, mở rộng quy mô hoặc cấu hình lại để có được các thuật toán phù hợp cũng như khả năng xử lý và lưu trữ dữ liệu cần thiết cho các nhiệm vụ mà chúng phải thực hiện. Khả năng mở rộng cấu trúc nhanh chóng và cải tiến tức thì này hầu như không áp dụng được cho con người.
- Ngược lại, sinh học làm được rất nhiều việc với rất ít: bộ não hữu cơ tiết kiệm năng lượng hơn máy tính hàng triệu lần. Não người tiêu thụ ít năng lượng hơn một bóng đèn, trong khi một siêu máy tính có hiệu năng tính toán tương đương lại sử dụng lượng điện đủ để cung cấp năng lượng cho cả một ngôi làng.
Những khác biệt về cấu trúc cơ bản, tốc độ, khả năng kết nối, khả năng cập nhật, khả năng mở rộng và mức tiêu thụ năng lượng chắc chắn sẽ dẫn đến những phẩm chất và hạn chế khác nhau giữa trí tuệ con người và trí tuệ nhân tạo. Ví dụ, tốc độ phản hồi của chúng ta đối với các kích thích đơn giản chậm hơn hàng nghìn lần so với các hệ thống nhân tạo. Các hệ thống máy tính có thể dễ dàng được kết nối trực tiếp với nhau và do đó có thể là một phần của một hệ thống tích hợp. Điều này có nghĩa là các hệ thống AI không nhất thiết phải được coi là các thực thể riêng lẻ có thể dễ dàng hoạt động song song với nhau hoặc có những hiểu lầm lẫn nhau. Và nếu hai hệ thống AI tham gia vào một nhiệm vụ thì chúng có nguy cơ mắc lỗi do hiểu lầm trong giao tiếp là rất thấp (hãy nghĩ đến các phương tiện tự lái đang đến gần ngã tư). Xét cho cùng, chúng là những bộ phận được kết nối nội tại của cùng một hệ thống và cùng một thuật toán.
Tính phức tạp và nghịch lý Moravec
Vì bộ não sinh học (dựa trên carbon) và máy tính kỹ thuật số (dựa trên silicon) được tối ưu hóa cho các loại nhiệm vụ hoàn toàn khác nhau, trí tuệ con người và trí tuệ nhân tạo thể hiện những khác biệt cơ bản và có lẽ rất lớn. Do những khác biệt này, việc sử dụng chính tâm trí của chúng ta làm cơ sở, mô hình hoặc phép tương tự để suy luận về trí tuệ nhân tạo có thể rất sai lệch. Điều này có thể dẫn đến những quan niệm sai lầm, ví dụ như về khả năng được cho là của con người và trí tuệ nhân tạo trong việc thực hiện các nhiệm vụ phức tạp. Những sai sót liên quan đến khả năng xử lý thông tin thường xuất hiện trong các tài liệu tâm lý học, trong đó “độ phức tạp” và “độ khó” của nhiệm vụ được sử dụng thay thế cho nhau. Độ phức tạp của nhiệm vụ sau đó được đánh giá theo cách lấy con người làm trung tâm, nghĩa là: bằng mức độ mà con người chúng ta có thể thực hiện hoặc làm chủ nó. Vì vậy, chúng ta sử dụng độ khó để thực hiện hoặc thành thạo một nhiệm vụ như một thước đo độ phức tạp của nó, và hiệu suất thực hiện nhiệm vụ (tốc độ, lỗi) như một thước đo kỹ năng và trí thông minh của người thực hiện nhiệm vụ. Mặc dù điều này đôi khi có thể chấp nhận được trong nghiên cứu tâm lý học, nhưng nó có thể gây hiểu lầm nếu chúng ta cố gắng hiểu trí thông minh của các hệ thống AI. Đối với chúng ta, việc nhân hai số ngẫu nhiên có sáu chữ số khó hơn nhiều so với việc nhận ra một người bạn trên ảnh. Nhưng khi nói đến việc đếm hoặc các phép toán số học, máy tính nhanh hơn và tốt hơn hàng nghìn lần, trong khi các hệ thống tương tự chỉ mới gần đây đạt được những bước tiến trong nhận dạng hình ảnh (chỉ thành công khi công nghệ học sâu, dựa trên một số nguyên tắc của mạng lưới thần kinh sinh học, được phát triển). Nói chung: các nhiệm vụ nhận thức tương đối khó đối với bộ não con người (và do đó chúng ta thấy khó khăn một cách chủ quan) không nhất thiết phải phức tạp về mặt tính toán (ví dụ, về mặt số học khách quan, logic và các phép toán trừu tượng). Và ngược lại: các nhiệm vụ tương đối dễ đối với bộ não (nhận dạng mẫu, nhiệm vụ vận động cảm giác, nhiệm vụ được huấn luyện tốt) không nhất thiết phải đơn giản về mặt tính toán. Hiện tượng này, điều dễ dàng đối với “công nghệ” thần kinh cổ xưa của con người nhưng lại khó khăn đối với công nghệ kỹ thuật số hiện đại của máy tính (và ngược lại), được gọi là Nghịch lý Moravec. Hans Moravec (1988) đã viết: “Việc khiến máy tính thể hiện khả năng của người lớn trong các bài kiểm tra trí thông minh hoặc chơi cờ caro tương đối dễ dàng, nhưng lại khó hoặc không thể giúp chúng có được kỹ năng của một đứa trẻ một tuổi khi nói đến nhận thức và khả năng vận động.”
Trí thông minh vận động nhận thức vượt trội của con người
Nghịch lý Moravec ngụ ý rằng mạng lưới thần kinh sinh học thông minh theo những cách khác với mạng lưới thần kinh nhân tạo. Trí thông minh không chỉ giới hạn ở những vấn đề hoặc mục tiêu mà chúng ta, với tư cách là con người được trang bị trí thông minh sinh học, thấy khó khăn. Trí thông minh, được định nghĩa là khả năng hiện thực hóa các mục tiêu phức tạp hoặc giải quyết các vấn đề phức tạp, còn hơn thế nữa. Theo Moravec (1988), lý luận cấp cao đòi hỏi rất ít tính toán, nhưng các kỹ năng vận động cảm giác cấp thấp lại đòi hỏi nguồn lực tính toán khổng lồ. Nếu chúng ta thể hiện độ phức tạp của một vấn đề theo số lượng phép tính cơ bản cần thiết để giải quyết nó, thì trí thông minh vận động cảm giác sinh học của chúng ta vượt trội hơn nhiều so với trí thông minh nhận thức. Trí thông minh vận động cảm giác hữu cơ của chúng ta đặc biệt giỏi trong việc xử lý liên kết các bất biến bậc cao hơn (“mẫu”) trong thông tin môi trường. Chúng phức tạp hơn về mặt tính toán và chứa nhiều thông tin hơn so với các yếu tố riêng lẻ đơn giản. Một ví dụ về khả năng nhận thức-vận động vượt trội của chúng ta là Hiệu ứng Ưu thế Đối tượng : chúng ta nhận thức và diễn giải toàn bộ đối tượng nhanh hơn và hiệu quả hơn so với các yếu tố riêng lẻ (đơn giản hơn) tạo nên các đối tượng đó. Do đó, các chữ cái cũng được nhận thức chính xác hơn khi được trình bày như một phần của từ so với khi được trình bày riêng lẻ, tức là hiệu ứng ưu thế. Vì vậy, độ khócủa một nhiệm vụ không nhất thiết phản ánh độ phức tạp vốn có của nó. Như Moravec (1988) đã nói: “Chúng ta đều là những vận động viên xuất chúng ở cả lĩnh vực nhận thức và vận động, giỏi đến mức khiến những điều khó khăn trở nên dễ dàng. Tuy nhiên, tư duy trừu tượng là một kỹ năng mới, có lẽ chỉ mới xuất hiện chưa đến 100 nghìn năm. Chúng ta vẫn chưa làm chủ được nó. Về bản chất, nó không quá khó; chỉ là khi thực hiện nó chúng ta mới thấy khó mà thôi.”
Giả thuyết về Trí tuệ nhân tạo tổng quát (AGI) giống con người
Vì vậy, nếu tồn tại các hệ thống AI có trí tuệ tổng quát có thể được sử dụng cho nhiều vấn đề và mục tiêu phức tạp, thì những máy AGI đó có lẽ sẽ có một hồ sơ trí tuệ hoàn toàn khác, bao gồm cả các phẩm chất nhận thức khác, so với con người. Điều này thậm chí còn đúng nếu chúng ta xây dựng được các tác nhân AI thể hiện hành vi tương tự như chúng ta và nếu chúng có khả năng thích ứng với cách suy nghĩ và giải quyết vấn đề của chúng ta để thúc đẩy sự hợp tác giữa con người và AI. Trừ khi chúng ta quyết định cố tình làm suy giảm khả năng của các hệ thống AI (điều này sẽ không khôn ngoan lắm), thì năng lực và khả năng cơ bản của con người và máy móc liên quan đến việc thu thập và xử lý thông tin, phân tích dữ liệu, suy luận xác suất, logic, dung lượng bộ nhớ, v.v. vẫn sẽ không giống nhau. Do những khác biệt này, chúng ta nên tập trung vào các hệ thống bổ sung hiệu quả cho chúng ta, và làm cho hệ thống con người-AI mạnh mẽ và hiệu quả hơn. Thay vì theo đuổi AI ở cấp độ con người, sẽ có lợi hơn nếu tập trung vào các máy móc tự động và các hệ thống (hỗ trợ) lấp đầy hoặc mở rộng những khoảng trống đa dạng của trí tuệ nhận thức của con người. Ví dụ, trong khi con người – do sự chậm chạp và những hạn chế khác của bộ não sinh học – buộc phải suy nghĩ theo lối suy luận dựa trên các mục tiêu, đức tính, quy tắc và chuẩn mực được thể hiện bằng ngôn ngữ (mơ hồ), thì trí tuệ nhân tạo (AI) đã thiết lập được khả năng tuyệt vời trong việc xử lý và tính toán trực tiếp trên dữ liệu phức tạp. Do đó, đối với việc thực hiện các nhiệm vụ nhận thức cụ thể (hẹp) (logic, phân tích, tính toán), trí tuệ kỹ thuật số hiện đại có thể hiệu quả và năng suất hơn trí tuệ sinh học. Do đó, AI có thể giúp đưa ra câu trả lời tốt hơn cho các vấn đề phức tạp bằng cách sử dụng lượng dữ liệu lớn, các bộ nguyên tắc và mục tiêu đạo đức nhất quán, lý luận xác suất và logic. Do đó, chúng tôi phỏng đoán rằng cuối cùng, việc phát triển các hệ thống AI để hỗ trợ quá trình ra quyết định của con người có thể là cách hiệu quả nhất dẫn đến việc đưa ra những lựa chọn tốt hơn hoặc phát triển các giải pháp tốt hơn cho các vấn đề phức tạp. Vì vậy, sự hợp tác và phân chia nhiệm vụ giữa con người và hệ thống AI sẽ phải được xác định chủ yếu bởi những đặc điểm riêng biệt của chúng. Ví dụ, các nhiệm vụ hoặc các thành phần nhiệm vụ đòi hỏi năng lực mà hệ thống AI vượt trội sẽ phải được con người nắm vững ít hơn (hoặc không hoàn toàn), do đó có thể cần ít đào tạo hơn. Hệ thống AI hiện đã tốt hơn con người rất nhiều trong việc thu thập (lựa chọn) và xử lý (cân nhắc, ưu tiên, phân tích, kết hợp) một lượng lớn dữ liệu một cách logic và chính xác về mặt toán học. Chúng thực hiện điều này nhanh chóng, chính xác và đáng tin cậy. Chúng cũng ổn định (nhất quán) hơn con người, không bị căng thẳng và cảm xúc, có sự kiên trì tuyệt vời và khả năng ghi nhớ kiến thức và kỹ năng tốt hơn nhiều so với con người. Là một cỗ máy, chúng phục vụ con người một cách hoàn toàn và không có bất kỳ “lợi ích cá nhân” hay “mục đích ngầm” nào. Dựa trên những phẩm chất này, hệ thống AI có thể đảm nhận hiệu quả các nhiệm vụ, hoặc các thành phần nhiệm vụ, từ con người. Tuy nhiên, điều quan trọng là mọi người cần tiếp tục thành thạo những nhiệm vụ đó ở một mức độ nhất định, để họ có thể đảm nhận công việc hoặc có hành động thích hợp nếu hệ thống máy móc gặp sự cố.
Nhìn chung, con người phù hợp hơn các hệ thống AI trong việc thực hiện nhiều nhiệm vụ nhận thức và xã hội đa dạng hơn trong nhiều hoàn cảnh và sự kiện (không lường trước được) khác nhau. Hiện tại, con người cũng giỏi hơn trong tương tác tâm lý xã hội. Ví dụ, các hệ thống AI khó có thể hiểu được ngôn ngữ và biểu tượng của con người. Điều này đòi hỏi một khung tham chiếu rất rộng, điều mà ít nhất cho đến nay và trong tương lai gần, rất khó đạt được trong AI. Do tất cả những khác biệt này, con người vẫn giỏi hơn trong việc phản ứng (với tư cách là một nhóm linh hoạt) với các tình huống bất ngờ và khó lường, đồng thời sáng tạo ra các khả năng và giải pháp trong các nhiệm vụ mở và không rõ ràng, cũng như trong nhiều hoàn cảnh khác nhau, và có thể không lường trước được. Con người sẽ phải tận dụng tối đa những phẩm chất đặc trưng của mình (tức là những gì con người tương đối giỏi) và rèn luyện để nâng cao các năng lực liên quan. Ngoài ra, các thành viên trong nhóm là con người sẽ phải học cách đối phó tốt với những hạn chế chung của AI. Với sự phân công nhiệm vụ hợp lý như vậy, tận dụng những phẩm chất và hạn chế cụ thể của con người và hệ thống AI, những thành kiến trong quyết định của con người có thể được khắc phục và hiệu suất tốt hơn có thể được kỳ vọng. Điều này có nghĩa là việc tăng cường hiệu quả của một nhóm bằng máy móc thông minh có ít ràng buộc và thành kiến về nhận thức hơn, có thể mang lại giá trị thặng dư lớn hơn so với việc nỗ lực hợp tác giữa con người và AI đã phát triển cùng những thành kiến (của con người). Mặc dù sự hợp tác trong nhóm với hệ thống AI có thể cần thêm đào tạo để xử lý hiệu quả sự không phù hợp về thành kiến này, nhưng sự đa dạng này có lẽ sẽ tốt hơn và an toàn hơn. Điều này cũng mở ra khả năng kết hợp giữa mức độ kiểm soát cao của con người và mức độ tự động hóa cao, điều này có khả năng tạo ra các hệ thống AI-con người hiệu quả và an toàn nhất. Tóm lại: trí tuệ con người không phải là tiêu chuẩn vàng cho trí tuệ tổng quát; thay vì hướng tới AGI giống con người , việc theo đuổi AGI nên tập trung vào AGI kỹ thuật số/silicon hiệu quả kết hợp với cấu hình và phân bổ nhiệm vụ tối ưu.
Khả năng giải thích và lòng tin
Những tiến bộ liên quan đến học máy nhân tạo, hay đặc biệt là học sâu (học tăng cường), đã mang tính cách mạng. Học sâu mô phỏng một mạng lưới tương tự như mạng lưới thần kinh nhiều lớp trong não bộ của chúng ta. Dựa trên lượng dữ liệu khổng lồ, mạng lưới này học cách nhận dạng các mẫu và liên kết với độ chính xác cao, sau đó kết nối chúng với các hành động mà không cần biết các mối liên hệ nhân quả cơ bản. Điều này ngụ ý rằng rất khó để cung cấp cho AI học sâu một số loại minh bạch về cách thức hoặc lý do tại sao nó đưa ra một lựa chọn cụ thể, ví dụ như bằng cách thể hiện một lý luận dễ hiểu (đối với con người) về quá trình ra quyết định của nó, giống như chúng ta. Ngoài ra, việc suy luận về các quyết định giống như con người là một quá trình rất dễ thay đổi và tùy tiện (ít nhất là ở con người). Con người thường không nhận thức được nhận thức hoặc thái độ ngầm định của mình, và do đó không thể báo cáo đầy đủ về chúng. Do đó, đối với nhiều người, việc tự phân tích trạng thái tinh thần của mình, trong phạm vi ý thức, và gắn kết kết quả phân tích này với các nhãn và mô tả bằng lời nói là khá khó khăn. Thứ nhất, bộ não con người hầu như không tiết lộ cách nó tạo ra những suy nghĩ có ý thức. Điều nó thực sự làm là tạo cho chúng ta ảo tưởng rằng sản phẩm của nó tiết lộ hoạt động bên trong của nó. Nói cách khác: những suy nghĩ có ý thức của chúng ta không cho chúng ta biết gì về cách thức những suy nghĩ đó hình thành. Cũng không có dấu hiệu chủ quan nào phân biệt các quá trình suy luận đúng với các quá trình sai lầm. Do đó, người ra quyết định không có cách nào để phân biệt giữa những suy nghĩ đúng, xuất phát từ kiến thức và chuyên môn thực sự, và những suy nghĩ sai xuất phát từ các quá trình tiến hóa thần kinh không phù hợp, khuynh hướng và trực giác nguyên thủy. Vì vậy, ở đây chúng ta có thể đặt câu hỏi: chẳng phải đáng tin cậy hơn khi có một hộp đen thực sự, hơn là lắng nghe một hộp đen bịa đặt hay sao? Ngoài ra, Việc đòi hỏi khả năng giải thích, khả năng quan sát hoặc tính minh bạch có thể khiến các hệ thống trí tuệ nhân tạo hạn chế lợi ích tiềm năng của chúng đối với xã hội loài người, chỉ ở mức độ mà con người có thể hiểu được.
Tất nhiên, chúng ta không nên tin tưởng một cách mù quáng vào kết quả do AI tạo ra. Giống như các lĩnh vực công nghệ phức tạp khác (ví dụ: Mô hình hóa & Mô phỏng), hệ thống AI cần được kiểm chứng (đáp ứng các thông số kỹ thuật) và xác nhận (đáp ứng các mục tiêu của hệ thống) liên quan đến các mục tiêu mà hệ thống được thiết kế. Nói chung, khi một hệ thống được kiểm chứng và xác nhận đúng cách, nó có thể được coi là an toàn, bảo mật và phù hợp với mục đích. Do đó, nó xứng đáng được chúng ta tin tưởng vì những lý do (hợp lý) dễ hiểu và khách quan (mặc dù vẫn có thể xảy ra sai sót). Tương tự, mọi người tin tưởng vào hiệu suất của máy bay và điện thoại di động mặc dù chúng ta hầu như hoàn toàn không biết gì về các quá trình phức tạp bên trong của chúng. Giống như bộ não của chúng ta, mạng lưới thần kinh nhân tạo về cơ bản là không minh bạch. Do đó, niềm tin vào AI nên chủ yếu dựa trên hiệu suất khách quan của nó. Điều này tạo thành một nền tảng quan trọng hơn so với việc tạo dựng niềm tin dựa trên những ấn tượng chủ quan (dễ bị đánh lừa), những câu chuyện hoặc hình ảnh nhằm mục đích tạo niềm tin và thu hút người dùng. Dựa trên nghiên cứu xác thực thực nghiệm, các nhà phát triển và người dùng có thể xác minh rõ ràng mức độ hiệu quả của hệ thống so với tập hợp các giá trị và mục tiêu mà máy móc được thiết kế. Đến một lúc nào đó, con người có thể muốn tin tưởng rằng các mục tiêu có thể đạt được với chi phí thấp hơn và kết quả tốt hơn, khi chúng ta chấp nhận các giải pháp ngay cả khi chúng có thể kém minh bạch hơn đối với con người.
Tác động của nhiều công nghệ AI hẹp
Trí tuệ nhân tạo tổng quát (AGI) như là Chén Thánh
Trí tuệ nhân tạo tổng quát (AGI), giống như trí tuệ tổng quát của con người, sẽ có nhiều ưu điểm rõ ràng so với trí tuệ nhân tạo chuyên biệt (AI hẹp, hạn chế, yếu). Một hệ thống AGI sẽ linh hoạt và thích ứng hơn nhiều. Dựa trên các quy trình huấn luyện và suy luận tổng quát, nó sẽ tự động hiểu cách giải quyết nhiều vấn đề trong nhiều lĩnh vực khác nhau liên quan đến bối cảnh của chúng. Hệ thống AGI cũng yêu cầu ít sự can thiệp của con người hơn để giải quyết các vấn đề còn tồn đọng giữa các yếu tố, khía cạnh và quan điểm khác nhau trong các tình huống phức tạp. AGI sẽ thực sự hiểu các vấn đề và có khả năng nhìn nhận chúng từ nhiều góc độ khác nhau (như con người – lý tưởng – cũng có thể làm được). Một đặc điểm của các công cụ AI (hẹp) hiện nay là chúng thành thạo một nhiệm vụ rất cụ thể, nơi chúng thường có thể thực hiện ở mức độ siêu phàm. Những nhiệm vụ cụ thể này đã được xác định và cấu trúc rõ ràng. Các hệ thống AI hẹp ít phù hợp, hoặc hoàn toàn không phù hợp, với các nhiệm vụ hoặc môi trường nhiệm vụ thiếu cấu trúc, tính nhất quán, quy tắc hoặc hướng dẫn, trong đó có thể xảy ra đủ loại sự kiện bất ngờ, hiếm gặp hoặc không phổ biến (ví dụ: trường hợp khẩn cấp). Việc biết và tuân theo các quy trình cố định thường không dẫn đến các giải pháp phù hợp trong những hoàn cảnh thay đổi này. Trong bối cảnh những thay đổi (không lường trước được) về mục tiêu hoặc hoàn cảnh, tính phù hợp của AI hiện tại bị giảm đáng kể vì nó không thể suy luận từ góc độ tổng quát và thích ứng phù hợp. Cũng như với các hệ thống AI hẹp, con người cần phải giám sát những sai lệch này để cho phép hiệu suất hệ thống linh hoạt và thích ứng. Do đó, việc theo đuổi AGI có thể được coi là việc tìm kiếm một loại chén thánh.
Trí tuệ nhân tạo đa chiều (Multiple Narrow AI) đang là xu hướng quan trọng nhất hiện nay!
Tuy nhiên, triển vọng cao của Trí tuệ Nhân tạo Tổng quát (AGI) không có nghĩa là AGI sẽ là yếu tố quan trọng nhất trong nghiên cứu và phát triển AI trong tương lai, ít nhất là trong ngắn hạn và trung hạn. Khi suy ngẫm về những lợi ích tiềm năng to lớn của trí tuệ tổng quát, chúng ta thường coi các ứng dụng AI hẹp là những thực thể riêng biệt, hoàn toàn có thể bị vượt trội bởi một AGI rộng hơn, được cho là có thể xử lý mọi thứ. Nhưng cũng giống như thế giới hiện đại của chúng ta đã phát triển nhanh chóng thông qua sự đa dạng của các đổi mới công nghệ cụ thể (có giới hạn), ở cấp độ hệ thống, toàn bộ và phạm vi rộng lớn của các ứng dụng AI mới nổi cũng sẽ có tác động đột phá về công nghệ và xã hội. Điều này sẽ càng trở nên quan trọng hơn đối với thế giới dữ liệu lớn trong tương lai, nơi mọi thứ được kết nối với nhau thông qua Internet vạn vật . Vì vậy, việc phát triển và xây dựng các biến thể AI (không giống con người) vượt trội trong các lĩnh vực mà con người vốn dĩ có những hạn chế sẽ mang lại lợi nhuận và lợi ích cao hơn nhiều. Có vẻ không quá xa vời khi cho rằng nhiều biến thể của các ứng dụng AI hẹp cũng dần dần được kết nối rộng rãi hơn. Theo cách này, có thể kỳ vọng vào sự phát triển hướng tới một lĩnh vực ứng dụng AI tích hợp ngày càng rộng lớn hơn. Ngoài ra, hiện nay đã có thể huấn luyện một mô hình ngôn ngữ AI (Generative Pre-trained Transformer3, GPT-3) với một tập dữ liệu khổng lồ và sau đó cho nó học các nhiệm vụ khác nhau dựa trên một số ít ví dụ—học một lần hoặc học ít lần. GPT-3 (được phát triển bởi OpenAI) có thể làm điều này với các nhiệm vụ liên quan đến ngôn ngữ, nhưng không có lý do gì mà điều này không thể thực hiện được với hình ảnh và âm thanh, hoặc với sự kết hợp của cả ba.
Ngoài ra, nghịch lý Moravec ngụ ý rằng việc phát triển các “đối tác” AI với nhiều loại phẩm chất (ở cấp độ) con người sẽ rất khó đạt được, trong khi giá trị gia tăng của chúng (tức là vượt ra ngoài giới hạn khả năng của con người) sẽ tương đối thấp. Các ứng dụng AI hiệu quả nhất chủ yếu sẽ liên quan đến việc bổ sung các ràng buộc và hạn chế của con người. Với những động lực hiện tại cho sự tiến bộ công nghệ mang tính cạnh tranh, nhiều dạng hệ thống AI hẹp (kết nối) sẽ là động lực chính thúc đẩy tác động của AI đến xã hội chúng ta trong ngắn hạn và trung hạn. Trong tương lai gần, điều này có thể ngụ ý rằng các ứng dụng AI sẽ vẫn rất khác biệt và ở nhiều khía cạnh gần như không thể so sánh được với các tác nhân con người. Điều này có thể đúng ngay cả khi giả thuyết về sự phù hợp giữa trí tuệ nhân tạo tổng quát (AGI) với nhận thức của con người được đạt được trong tương lai dài hạn. Trí tuệ là một khái niệm đa chiều (định lượng, định tính). Tất cả các chiều của AI đều phát triển và tiến bộ theo con đường riêng của chúng với động lực riêng. Do đó, theo thời gian, ngày càng nhiều khả năng AI cụ thể (hẹp) có thể dần dần phù hợp, vượt qua và vượt trội hơn khả năng nhận thức của con người. Với những lợi thế to lớn của trí tuệ nhân tạo (AI), ví dụ như trong lĩnh vực khả năng truy cập và xử lý dữ liệu, việc hiện thực hóa trí tuệ nhân tạo tổng quát (AGI) có lẽ sẽ đồng thời vượt trội hơn trí tuệ con người ở nhiều khía cạnh. Điều này ngụ ý rằng thời điểm giả định mà năng lực nhận thức của con người và trí tuệ nhân tạo đạt đến mức tương đương, tức là AGI ở cấp độ con người, có lẽ sẽ khó xác định một cách có ý nghĩa.
Vì vậy, khi AI thực sự hiểu chúng ta như một “người bạn”, “đối tác”, “bản ngã khác” hay “người đồng hành”, giống như cách chúng ta hợp tác với những người khác, nó sẽ vượt trội hơn chúng ta ở nhiều lĩnh vực cùng một lúc. Nó sẽ có một hồ sơ năng lực và khả năng hoàn toàn khác, và do đó sẽ không dễ để thực sự hiểu được cách nó “suy nghĩ” và đưa ra quyết định. Tuy nhiên, trong thời gian này, khi khả năng của robot mở rộng và chuyển từ các công cụ đơn giản sang các hệ thống tích hợp hơn, điều quan trọng là phải điều chỉnh kỳ vọng và nhận thức của chúng ta đối với robot một cách phù hợp. Vì vậy, chúng ta sẽ phải nâng cao nhận thức và hiểu biết của mình về sự phát triển và tiến bộ liên tục của nhiều hình thức hệ thống AI (tích hợp). Điều này liên quan đến, ví dụ, bản chất đa diện của trí thông minh. Các loại tác nhân khác nhau có thể có sự kết hợp khác nhau của trí thông minh ở các cấp độ rất khác nhau. Ví dụ, một tác nhân có trí thông minh tổng quát có thể được trang bị khả năng xuất sắc trong lĩnh vực nhận dạng hình ảnh và điều hướng, tính toán và suy luận logic, đồng thời lại kém trong lĩnh vực tương tác xã hội và giải quyết vấn đề theo định hướng mục tiêu. Nhận thức về bản chất đa chiều của trí tuệ cũng liên quan đến cách chúng ta phải đối phó ( và tận dụng) hiện tượng nhân cách hóa. Đó là xu hướng của con người trong tương tác giữa người và robot là gán cho các vật thể phi nhân loại có vẻ ngoài tương tự chúng ta những đặc điểm, cảm xúc và ý định giống con người. Hiểu rõ những vấn đề về yếu tố con người này là rất quan trọng để tối ưu hóa tính hữu ích, hiệu suất và sự an toàn của các hệ thống tương tác giữa người và trí tuệ nhân tạo.
Từ góc nhìn này, câu hỏi liệu “Trí tuệ nhân tạo tổng quát ở cấp độ con người” có được hiện thực hóa hay không hiện không phải là câu hỏi quan trọng nhất. Theo hầu hết các nhà khoa học về trí tuệ nhân tạo, điều này chắc chắn sẽ xảy ra, và câu hỏi then chốt không phải là LIỆU điều này có xảy ra hay không, mà là KHI NÀO . Tuy nhiên, ở cấp độ hệ thống, nhiều ứng dụng trí tuệ nhân tạo chuyên biệt có khả năng vượt trội hơn trí tuệ con người trong phạm vi ngày càng rộng lớn.
Kết luận và Khung lý thuyết
Bài viết này tập trung vào việc làm rõ hơn những đặc điểm, sự khác biệt và tính đặc thù cơ bản của trí tuệ con người và trí tuệ nhân tạo. Trước tiên, chúng tôi trình bày các ý tưởng và lập luận để mở rộng và phân biệt quan niệm của chúng ta về trí tuệ, cho dù đó là trí tuệ con người hay trí tuệ nhân tạo. Trọng tâm của quan niệm rộng hơn, đa diện này về trí tuệ là ý kiến cho rằng bản thân trí tuệ là vấn đề của thông tin và tính toán, độc lập với chất nền vật lý của nó. Tuy nhiên, bản chất của chất nền vật lý này (sinh học/carbon hay kỹ thuật số/silicon) sẽ quyết định đáng kể phạm vi khả năng nhận thức và những hạn chế tiềm tàng của nó. Khả năng nhận thức hữu cơ của con người mới được phát triển gần đây trong quá trình tiến hóa của loài người. Những khả năng “phôi thai” này được xây dựng trên nền tảng của một bộ máy mạng lưới thần kinh sinh học đã được tối ưu hóa cho sự cân bằng nội môi và các chức năng vận động nhận thức (phức tạp). Do đó, nhận thức của con người được đặc trưng bởi nhiều hạn chế và biến dạng về cấu trúc trong khả năng xử lý một số dạng thông tin phi sinh học. Ví dụ, mạng lưới thần kinh sinh học không có khả năng thực hiện các phép tính số học, mà máy tính bỏ túi của tôi làm tốt hơn hàng triệu lần. Những hạn chế vốn có và ăn sâu này, xuất phát từ nguồn gốc sinh học và tiến hóa của trí thông minh con người, có thể được gọi là “được lập trình sẵn”.
Theo nghịch lý Moravic , chúng tôi lập luận rằng hành vi thông minh không chỉ giới hạn ở những gì chúng ta, với tư cách là loài người, thấy khó khăn. Vì vậy, chúng ta không nên nhầm lẫn độ khó của nhiệm vụ (chủ quan, lấy con người làm trung tâm) với độ phức tạp của nhiệm vụ (khách quan). Thay vào đó, chúng tôi ủng hộ một khái niệm linh hoạt về trí thông minh và sự thừa nhận nhiều hình thức và cấu tạo khả thi của nó. Điều này ngụ ý sự đa dạng cao trong các loại trí thông minh sinh học hoặc các hình thức trí thông minh cao (chung) khác với nhiều hồ sơ trí thông minh và phẩm chất nhận thức khả thi (có thể vượt trội hơn chúng ta ở nhiều khía cạnh). Điều này sẽ giúp chúng ta nhận thức rõ hơn về những tiềm năng khả thi nhất của các ứng dụng AI trong tương lai ngắn hạn và trung hạn. Ví dụ, từ quan điểm này, trọng tâm nghiên cứu chính của chúng ta nên tập trung vào những thành phần của phổ trí thông minh mà tương đối khó đối với bộ não con người và tương đối dễ đối với máy móc. Điều này chủ yếu liên quan đến thành phần nhận thức đòi hỏi tính toán, phân tích số học, thống kê, tính toán xác suất, phân tích dữ liệu, suy luận logic, ghi nhớ, v.v.
Theo đó, chúng tôi đã ủng hộ một quan điểm khiêm tốn hơn về trí thông minh tổng quát của con người. Điều này cũng ngụ ý rằng trí tuệ nhân tạo tổng quát (AGI) ở cấp độ con người không nên được coi là “tiêu chuẩn vàng” của trí thông minh (cần được theo đuổi với ưu tiên hàng đầu). Do có nhiều khác biệt cơ bản giữa trí tuệ tự nhiên và trí tuệ nhân tạo, việc đạt được AGI giống con người sẽ rất khó khăn ngay từ đầu (và cũng với giá trị gia tăng tương đối hạn chế). Trong trường hợp AGI được hoàn thiện trong tương lai (xa), nó có thể sẽ có một hồ sơ về năng lực và khả năng nhận thức hoàn toàn khác so với con người chúng ta. Khi một AGI như vậy tiến bộ đến mức có thể “hợp tác” như con người, đồng thời nó cũng có khả năng hoạt động ở nhiều khía cạnh ở mức độ vượt trội hơn nhiều so với khả năng của chúng ta. Tuy nhiên, hiện tại, việc hướng tới AGI bao gồm phạm vi rộng lớn các khả năng nhận thức và vận động cảm giác của con người sẽ không thực tế và hữu ích. Thay vào đó, các ứng dụng AI sinh lợi nhất trong ngắn hạn và trung hạn có thể sẽ dựa trên nhiều hệ thống AI hẹp. Những ứng dụng trí tuệ nhân tạo chuyên biệt này có thể sẽ bắt kịp trí tuệ con người trong nhiều lĩnh vực ngày càng rộng lớn hơn.
Từ quan điểm này, chúng tôi chủ trương không nên quá tập trung vào vấn đề Trí tuệ Nhân tạo Tổng quát (AGI), liệu AI có vượt trội hơn chúng ta, cướp mất việc làm của chúng ta hay không, hoặc làm thế nào để trang bị cho nó tất cả các khả năng của con người. Với tình trạng hiện tại của công nghệ, có lẽ nên tập trung hơn vào toàn bộ hệ thống các đổi mới AI đa dạng với con người là yếu tố kết nối và giám sát quan trọng. Điều này cũng bao hàm việc thiết lập và chính thức hóa các ranh giới pháp lý và các mục tiêu phù hợp (hiệu quả, đạo đức, an toàn) cho các hệ thống AI. Vì vậy, yếu tố con người (nhà lập pháp, người dùng, “cộng tác viên”) cần có hiểu biết sâu sắc về đặc điểm và khả năng của trí tuệ sinh học và trí tuệ nhân tạo (trong mọi loại nhiệm vụ và điều kiện làm việc). Cả trong môi trường làm việc và trong việc hoạch định chính sách, các ứng dụng AI hiệu quả nhất sẽ là bổ sung và bù đắp cho những hạn chế sinh học và nhận thức vốn có của con người. Vì lý do này, các vấn đề nổi bật liên quan đến việc sử dụng nó một cách thông minh như thế nào? Đối với những nhiệm vụ nào và trong điều kiện nào thì việc giao phó quyết định cho AI là an toàn và khi nào thì cần đến sự phán đoán của con người? Làm thế nào chúng ta có thể tận dụng những điểm mạnh của trí tuệ con người và làm thế nào để triển khai các hệ thống AI một cách hiệu quả nhằm bổ sung và bù đắp cho những hạn chế vốn có của nhận thức con người. Xem ( Hoffman và Johnson, 2019 ; Shneiderman, 2020a ; Shneiderman, 2020b ) để biết các tổng quan gần đây.
Tóm lại: Cho dù các tác nhân AI tự động có trở nên thông minh đến đâu ở một số khía cạnh nhất định, ít nhất là trong tương lai gần, chúng vẫn sẽ là những cỗ máy vô thức. Những cỗ máy này có hệ điều hành khác biệt về cơ bản (sinh học so với kỹ thuật số) với khả năng và phẩm chất nhận thức khác biệt tương ứng so với con người và các loài động vật khác. Vì vậy, trước khi một “sự hợp tác nhóm” đúng nghĩa có thể bắt đầu, các thành viên nhóm là con người sẽ phải hiểu những khác biệt này, tức là, quá trình xử lý thông tin và trí thông minh của con người khác với – nhiều biến thể cụ thể và khả thi – của các hệ thống AI như thế nào. Chỉ khi con người phát triển được sự hiểu biết đúng đắn về những khác biệt “giữa các loài” này, họ mới có thể tận dụng hiệu quả những lợi ích tiềm năng của AI trong các nhóm người-AI (trong tương lai). Với tính linh hoạt, đa năng và khả năng thích ứng cao của con người so với các hệ thống AI, thách thức đầu tiên đặt ra là làm thế nào để đảm bảo sự thích nghi của con người với những khả năng cứng nhắc hơn của AI? Nói cách khác: làm thế nào chúng ta có thể đạt được một nhận thức đúng đắn về sự khác biệt giữa trí tuệ con người và trí tuệ nhân tạo?
Khung chương trình đào tạo nâng cao nhận thức về tình báo
Đối với câu hỏi này, vấn đề Nhận thức về Trí tuệ ở các chuyên gia cần được giải quyết mạnh mẽ hơn. Bên cạnh các công cụ máy tính để phân phối thông tin nhận thức liên quan trong các hệ thống người-máy, điều này đòi hỏi giáo dục và đào tạo tốt hơn về cách xử lý các đặc điểm, tính chất riêng biệt và khả năng rất mới và khác biệt của các hệ thống AI. Ví dụ, điều này bao gồm việc hiểu đúng các đặc điểm cơ bản, khả năng và hạn chế của các thuộc tính hệ thống nhận thức của AI mà không có những quan niệm sai lầm lấy con người làm trung tâm và/hoặc nhân cách hóa. Nói chung, “Nhận thức về Trí tuệ” này rất quan trọng để hiểu rõ hơn, nghiên cứu và xử lý các khả năng và thách thức đa dạng của trí tuệ máy móc. Thách thức thực tiễn về yếu tố con người này có thể được giải quyết, chẳng hạn, bằng cách phát triển các hình thức đào tạo và môi trường học tập mới, có mục tiêu và dễ cấu hình (thích ứng) cho các hệ thống người-AI. Các hình thức và môi trường đào tạo linh hoạt này (ví dụ: mô phỏng và trò chơi) nên tập trung vào việc phát triển kiến thức, sự hiểu biết và kỹ năng thực hành liên quan đến các đặc điểm, khả năng và hạn chế cụ thể, phi nhân loại của hệ thống AI và cách xử lý chúng trong các tình huống thực tế. Mọi người sẽ phải hiểu các yếu tố quan trọng quyết định mục tiêu, hiệu suất và lựa chọn của AI? Điều này trong một số trường hợp thậm chí có thể bao gồm cả khái niệm đơn giản rằng AI hào hứng với hiệu suất đạt được mục tiêu của chúng giống như tủ lạnh hào hứng với việc giữ cho sữa lắc của bạn luôn ngon. Họ phải học khi nào và trong điều kiện nào thì việc đưa ra quyết định là an toàn để giao cho AI và khi nào thì cần hoặc cần thiết sự phán đoán của con người? Và nói chung hơn: nó “suy nghĩ” và quyết định như thế nào? Tầm quan trọng của loại kiến thức, kỹ năng và thực hành này sẽ ngày càng lớn hơn khi mức độ tự chủ (và tính tổng quát) của các hệ thống AI tiên tiến ngày càng tăng.
Một chương trình đào tạo về Nhận thức Trí tuệ Nhân tạo (AI) như vậy sẽ trông như thế nào? Nó cần bao gồm ít nhất một mô-đun về các đặc điểm nhận thức của AI. Về cơ bản, đây là một môn học tương tự như những môn học cũng được đưa vào chương trình giảng dạy về nhận thức của con người . Mô-đun rộng về “Khoa học Nhận thức của AI” này có thể bao gồm một loạt các chủ đề phụ, bắt đầu bằng việc xem xét lại khái niệm “Trí tuệ”, loại bỏ những hiểu lầm mang tính nhân bản và lấy con người làm trung tâm. Ngoài ra, mô-đun này nên tập trung vào việc cung cấp kiến thức về cấu trúc và hoạt động của hệ điều hành AI hay “tâm trí AI”. Tiếp theo có thể là các môn học như: Nhận thức và diễn giải thông tin của AI, nhận thức của AI (bộ nhớ, xử lý thông tin, giải quyết vấn đề, thiên kiến), xử lý các khả năng và hạn chế của AI trong các lĩnh vực “con người” như sáng tạo, khả năng thích ứng, tính tự chủ, sự phản tư và nhận thức (bản thân), xử lý các hàm mục tiêu (đánh giá hành động liên quan đến lợi ích chi phí), đạo đức AI và an ninh AI. Thêm vào đó, một chương trình giảng dạy như vậy nên bao gồm các mô-đun kỹ thuật cung cấp cái nhìn sâu sắc về hoạt động của hệ điều hành AI. Do tốc độ phát triển chóng mặt của công nghệ và ứng dụng AI, nội dung của chương trình giảng dạy về lĩnh vực này cũng rất năng động và liên tục phát triển dựa trên sự tiến bộ của công nghệ. Điều này có nghĩa là chương trình giảng dạy, các công cụ và môi trường đào tạo cần phải linh hoạt, mang tính trải nghiệm và thích ứng, điều này khiến hình thức làm việc của trò chơi nghiêm túc (serious gaming) trở nên lý tưởng. Dưới đây, chúng tôi cung cấp một khung tổng quan cho việc phát triển các chương trình giáo dục mới về nhận thức AI. Các chủ đề phụ này vượt ra ngoài việc học cách “vận hành”, “kiểm soát” hoặc tương tác hiệu quả với các ứng dụng AI cụ thể (tức là tương tác người-máy thông thường):
- Hiểu rõ các đặc điểm hệ thống cơ bản của trí tuệ nhân tạo (AI) (“bộ não AI”). Hiểu rõ những phẩm chất và hạn chế cụ thể của AI so với trí tuệ con người.
- Hiểu được sự phức tạp của các nhiệm vụ và môi trường từ góc nhìn của các hệ thống trí tuệ nhân tạo.
- Hiểu rõ vấn đề về sự thiên lệch trong nhận thức của con người, so với sự thiên lệch trong trí tuệ nhân tạo.
- Hiểu rõ các vấn đề liên quan đến việc kiểm soát AI, khả năng dự đoán hành vi (quyết định) của AI, xây dựng lòng tin, duy trì nhận thức tình huống (sự tự mãn), phân bổ nhiệm vụ linh hoạt (ví dụ: tiếp quản nhiệm vụ của nhau) và trách nhiệm (trách nhiệm giải trình).
- Làm thế nào để xử lý các khả năng và hạn chế của trí tuệ nhân tạo trong lĩnh vực “sáng tạo”, khả năng thích ứng của trí tuệ nhân tạo, “nhận thức về môi trường” và khả năng khái quát hóa kiến thức.
- Học cách đối phó với những hạn chế về nhận thức và tri giác cũng như những lỗi có thể xảy ra của trí tuệ nhân tạo, những điều có thể khó hiểu.
- Niềm tin vào hiệu quả hoạt động của AI (có thể bất chấp tính minh bạch hạn chế hoặc khả năng “giải thích”) dựa trên quá trình xác minh và thẩm định.
- Học cách đối phó với khuynh hướng tự nhiên của chúng ta hướng tới chủ nghĩa lấy con người làm trung tâm và sự nhân cách hóa (“lý thuyết về tâm trí”) khi suy luận về tương tác giữa người và robot.
- Làm thế nào để tận dụng sức mạnh của trí tuệ nhân tạo nhằm giải quyết những hạn chế vốn có của quá trình xử lý thông tin của con người (và ngược lại).
- Hiểu rõ các đặc điểm và phẩm chất cụ thể của hệ thống người-máy và có khả năng quyết định khi nào, vì mục đích gì và bằng cách nào sự kết hợp tích hợp giữa năng lực của con người và trí tuệ nhân tạo có thể phát huy tối đa tiềm năng tổng thể của hệ thống.
Tóm lại: do tốc độ phát triển chóng mặt của công nghệ và ứng dụng AI, chúng ta cần một khái niệm đa dạng hơn về trí thông minh và sự thừa nhận về nhiều hình thức và sự kết hợp khả thi của nó. Một khái niệm được sửa đổi về trí thông minh cũng bao gồm sự hiểu biết tốt về các đặc điểm cơ bản, khả năng và hạn chế của các thuộc tính hệ thống nhận thức khác nhau (sinh học, nhân tạo) mà không có những quan niệm sai lầm lấy con người làm trung tâm và/hoặc nhân hình hóa. “Nhận thức về trí thông minh” này rất quan trọng để hiểu rõ hơn và đối phó với vô số khả năng và thách thức của trí tuệ máy móc, ví dụ như để quyết định khi nào nên sử dụng hoặc triển khai AI liên quan đến các nhiệm vụ và bối cảnh của chúng. Do đó, việc phát triển chương trình giảng dạy với các hình thức đào tạo và môi trường học tập mới, có mục tiêu và dễ cấu hình cho các hệ thống tương tác người-AI được khuyến nghị. Công việc tiếp theo nên tập trung vào các công cụ, phương pháp và nội dung đào tạo đủ linh hoạt và thích ứng để có thể theo kịp những thay đổi nhanh chóng trong lĩnh vực AI và với sự đa dạng của các nhóm mục tiêu và mục tiêu học tập.
Lời cảm ơn
Các tác giả xin cảm ơn J. van Diggelen và LJHM Kester vì những đóng góp hữu ích cho bản thảo này. Bài báo này là sản phẩm của 1) chương trình BIHUNT (Tác động hành vi của việc hợp tác nhóm NIC, V1719) do Bộ Quốc phòng Hà Lan tài trợ và chương trình Hoạch định Chính sách Thông minh do Tổ chức Nghiên cứu Khoa học Ứng dụng Hà Lan (TNO) tài trợ.
Tiếp theo là vấn đề Trí tuệ nhân tạo nhận thức con người, tức là điều chỉnh AI sao cho phù hợp với đặc điểm nhận thức của con người.
Đóng góp của tác giả
Việc tìm kiếm tài liệu, phân tích, xây dựng ý tưởng và viết bản thảo được thực hiện bởi JEK. Tất cả các tác giả được liệt kê đều đã đóng góp đáng kể, trực tiếp và về mặt trí tuệ cho công trình này và đã phê duyệt bản thảo để xuất bản.
