Các nhà nghiên cứu của Google DeepMind đã nêu bốn lộ trình công nghệ có thể đưa trí tuệ nhân tạo tổng quát (AGI) đến siêu trí tuệ nhân tạo (ASI): mở rộng mô hình và dữ liệu, chuyển đổi mô hình công nghệ, hợp tác giữa các tác nhân và tự cải thiện đệ quy (RSI).
Tim Genewein, nhà khoa học nghiên cứu tại Google DeepMind, đã đăng bài viết về các lộ trình phát triển sau AGI trên Viện DeepMind (DeepMind Institute). Bài viết mô tả ASI là hệ thống liên tục vượt qua các nhóm lớn chuyên gia con người trong nhiều nhiệm vụ thuộc các lĩnh vực mà con người quan tâm. Nội dung dựa trên báo cáo kỹ thuật “From AGI to ASI” do các nhà nghiên cứu đồng biên soạn. Viện DeepMind cho biết bài viết không nên được xem là quan điểm chính thức của Google.
Google DeepMind đã công bố báo cáo này vào ngày 12 tháng 6, trong đó nêu cải thiện đệ quy là một trong những lộ trình để AGI phát triển thành ASI. Bài viết lần này đưa ra bốn lộ trình sau AGI và đồng thời chỉ ra các hạn chế đối với việc mở rộng mô hình và dữ liệu.
△ Mở rộng mô hình và dữ liệu là lộ trình tăng quy mô mô hình và dữ liệu để nâng cao hiệu suất. Bài viết chỉ ra thiếu hụt nguồn cung dữ liệu chất lượng cao, lợi suất giảm dần khi quy mô tăng và hạn chế tài nguyên như điện năng, chip có thể trở thành trở ngại.
△ Chuyển đổi mô hình công nghệ là lộ trình xuất hiện một bước chuyển công nghệ khác với hiện tại. Bài viết xếp đây là một trong bốn lộ trình.
△ Hợp tác giữa các tác nhân là lộ trình nâng cao năng lực phối hợp của các tác nhân AI để cải thiện hiệu suất. Trong cùng mạch này, các nhà nghiên cứu DeepMind trước đó từng đưa ra một kịch bản kinh tế cho rằng việc làm và tiền lương có thể thay đổi mạnh nếu hợp tác giữa các tác nhân vượt qua ngưỡng tới hạn.
△ Tự cải thiện đệ quy là lộ trình AI tham gia thiết kế thuật toán, viết mã, cải tiến cấu trúc mô hình và tự động hóa thí nghiệm để hỗ trợ nâng cao hiệu suất của thế hệ AI tiếp theo.
Bài viết cũng xem xét tác động của đầu tư phần cứng, hiệu quả thuật toán và sự gia tăng năng lực tính toán đối với quy mô hệ thống AI và chi phí xử lý các nhiệm vụ nhận thức.
Genewein cho biết cần có các chuẩn đánh giá và phương pháp mô hình hóa mới để đánh giá tiến bộ về năng lực AI. Ông cũng cho rằng cần sự tham gia của các phòng thí nghiệm nghiên cứu tiên phong và các tổ chức thuộc nhiều cấp độ.
Comment 0