Triết lý AI dành cho những người ghét triết học

Lựa chọn thực tế

Hầu hết mọi người coi triết lý về trí tuệ nhân tạo là một cuộc tranh luận xem liệu robot có linh hồn hay không. Đây là một sai lầm gây lãng phí thời gian và che đậy những rủi ro thực sự. Trong thế giới chuyên nghiệp, triết lý của công nghệ này thực chất là một cuộc thảo luận về trách nhiệm pháp lý, độ chính xác và chi phí lao động của con người. Đó là về việc ai sẽ chịu trách nhiệm khi một mô hình gây ra sai sót khiến công ty thiệt hại hàng triệu đô la. Đó là về việc liệu một nhân viên sáng tạo có sở hữu phong cách mà họ đã dành hàng thập kỷ để hoàn thiện hay không. Chúng ta đang rời xa kỷ nguyên tự hỏi liệu máy móc có thể suy nghĩ hay không. Chúng ta hiện đang ở trong kỷ nguyên quyết định mức độ tin tưởng của chúng ta khi để chúng hành động thay mặt mình. Sự thay đổi gần đây trong ngành đã chuyển từ các chat bot kể chuyện cười sang các tác nhân có thể đặt chuyến bay và viết code. Sự thay đổi này buộc chúng ta phải đối mặt với cơ chế của sự tin tưởng thay vì sự bí ẩn của ý thức. Nếu bạn ghét triết học, hãy coi đó như một loạt các cuộc đàm phán hợp đồng. Bạn đang thiết lập các điều khoản cho một loại nhân viên mới không bao giờ ngủ nhưng thường xuyên bị ảo giác. Mục tiêu là xây dựng một khung làm việc nơi lợi ích của tốc độ không vượt quá rủi ro của việc hỏng hóc toàn bộ hệ thống.

Cơ chế của logic máy tính

Để hiểu tình trạng hiện tại của ngành, bạn phải bỏ qua các thuật ngữ marketing. Một large language model không phải là một bộ não. Nó là một bản đồ thống kê khổng lồ về ngôn ngữ con người. Khi bạn nhập một prompt, hệ thống không suy nghĩ về câu hỏi của bạn. Nó đang tính toán từ nào có khả năng xuất hiện tiếp theo dựa trên hàng nghìn tỷ ví dụ. Đây là lý do tại sao các hệ thống này rất giỏi về thơ ca nhưng lại rất tệ về toán học cơ bản. Chúng hiểu các mô hình về cách mọi người nói về các con số, nhưng chúng không hiểu logic của chính các con số đó. Sự phân biệt này rất quan trọng đối với bất kỳ ai sử dụng các công cụ này trong môi trường kinh doanh. Nếu bạn coi đầu ra là một hồ sơ thực tế, bạn đang sử dụng công cụ không chính xác. Nó là một bộ tổng hợp sáng tạo, không phải là một cơ sở dữ liệu. Sự nhầm lẫn thường xuất phát từ việc các mô hình này bắt chước sự đồng cảm của con người tốt như thế nào. Chúng có thể nghe có vẻ tử tế, thất vọng hoặc hữu ích, nhưng đây chỉ là những tấm gương ngôn ngữ. Chúng phản ánh tông giọng của dữ liệu mà chúng được huấn luyện.

Sự thay đổi mà chúng ta thấy gần đây liên quan đến việc hướng tới việc đặt các mô hình này dựa trên dữ liệu thực tế. Thay vì để mô hình đoán câu trả lời, các công ty hiện đang kết nối chúng với các tệp nội bộ của riêng họ. Điều này làm giảm khả năng mô hình bịa đặt thông tin. Nó cũng thay đổi tính chất của cuộc trò chuyện. Chúng ta không còn hỏi mô hình biết gì nữa. Chúng ta đang hỏi cách mô hình truy cập những gì chúng ta biết. Đây là sự chuyển dịch từ nghệ thuật tạo sinh sang tiện ích chức năng. Triết lý ở đây rất đơn giản. Đó là sự khác biệt giữa một người kể chuyện và một nhân viên lưu trữ hồ sơ. Hầu hết người dùng muốn nhân viên lưu trữ, nhưng công nghệ được xây dựng để trở thành người kể chuyện. Việc hòa giải hai danh tính đó là thách thức chính đối với các nhà phát triển hiện nay. Bạn phải quyết định xem mình muốn một công cụ sáng tạo hay một công cụ chính xác, vì hiện tại, rất khó để đạt được cả hai ở mức tối đa cùng một lúc.

Cổ phần toàn cầu và lợi ích quốc gia

Tác động của những lựa chọn này không giới hạn ở các văn phòng cá nhân. Các chính phủ hiện đang coi việc phát triển các mô hình này là vấn đề an ninh quốc gia. Tại Hoa Kỳ, các lệnh hành pháp tập trung vào sự an toàn và bảo mật của các hệ thống mạnh mẽ nhất. Tại Châu Âu, Đạo luật AI đã tạo ra một khuôn khổ pháp lý phân loại các hệ thống theo rủi ro. Điều này tạo ra một tình huống mà triết lý của một nhà phát triển ở California có thể ảnh hưởng đến tính hợp pháp của một sản phẩm ở Berlin. Chúng ta đang thấy một thế giới phân mảnh nơi các khu vực khác nhau có những ý tưởng rất khác nhau về những gì một cỗ máy được phép làm. Một số quốc gia coi công nghệ này là cách để thúc đẩy sản lượng kinh tế bằng mọi giá. Những quốc gia khác coi đó là mối đe dọa đối với cấu trúc xã hội và thị trường lao động. Điều này tạo ra một bộ quy tắc riêng biệt cho từng thị trường, khiến các công ty nhỏ khó cạnh tranh hơn với những gã khổng lồ có đủ khả năng chi trả cho các đội ngũ pháp lý lớn.

Chuỗi cung ứng toàn cầu cho công nghệ này cũng là một điểm căng thẳng. Phần cứng cần thiết để chạy các mô hình này nằm trong tay một vài người. Điều này tạo ra một loại động lực quyền lực mới giữa các quốc gia thiết kế chip, các quốc gia sản xuất chúng và các quốc gia cung cấp dữ liệu. Đối với người dùng trung bình, điều này có nghĩa là các công cụ bạn dựa vào có thể phải chịu các cuộc chiến tranh thương mại hoặc kiểm soát xuất khẩu. Triết lý của AI hiện gắn liền với triết lý về chủ quyền. Nếu một quốc gia dựa vào mô hình nước ngoài cho hệ thống chăm sóc sức khỏe hoặc pháp lý của mình, họ sẽ mất đi một mức độ kiểm soát đối với cơ sở hạ tầng của chính mình. Đây là lý do tại sao chúng ta thấy sự thúc đẩy đối với các mô hình địa phương và sovereign clouds. Mục tiêu là đảm bảo rằng logic quản lý một quốc gia không thuộc sở hữu của một tập đoàn ở phía bên kia hành tinh. Đây là khía cạnh thực tế của cuộc tranh luận thường bị lạc mất trong các cuộc nói chuyện về các kịch bản khoa học viễn tưởng.

Một buổi sáng với trí tuệ tổng hợp

Hãy xem xét một ngày điển hình của một quản lý tiếp thị tên là Sarah. Cô bắt đầu buổi sáng bằng cách yêu cầu một trợ lý tóm tắt ba tá email. Trợ lý thực hiện việc này trong vài giây, nhưng Sarah phải kiểm tra xem nó có bỏ sót chi tiết quan trọng nào về việc cắt giảm ngân sách hay không. Sau đó, cô sử dụng một công cụ tạo sinh để tạo hình ảnh cho một chiến dịch mới. Cô dành một giờ để điều chỉnh prompt vì máy liên tục tạo ra những người trong ảnh với sáu ngón tay. Vào buổi chiều, cô sử dụng một trợ lý lập trình để sửa lỗi trên trang web của công ty, mặc dù cô không biết cách lập trình. Cô về cơ bản là một nhạc trưởng của một dàn nhạc kỹ thuật số. Cô không làm công việc thủ công, nhưng cô chịu trách nhiệm cho màn trình diễn cuối cùng. Đây là thực tế mới của công việc. Nó thiên về chỉnh sửa và xác minh hơn là sáng tạo từ đầu. Sarah làm việc hiệu quả hơn, nhưng cô cũng mệt mỏi hơn. Gánh nặng tinh thần khi liên tục kiểm tra lỗi của máy móc khác với gánh nặng khi tự mình thực hiện công việc

Các ưu đãi cho công ty của Sarah cũng đã thay đổi. Họ không còn thuê những người viết cấp thấp nữa. Họ thuê một biên tập viên cấp cao, người sử dụng ba mô hình khác nhau để tạo ra cùng một lượng nội dung. Điều này tiết kiệm tiền trong ngắn hạn, nhưng nó tạo ra một vấn đề dài hạn. Thế hệ biên tập viên cấp cao tiếp theo sẽ đến từ đâu nếu không có ai làm công việc cấp thấp? Đây là hệ quả của logic hiệu quả hiện tại. Chúng ta đang tối ưu hóa cho hiện tại trong khi có khả năng làm rỗng tương lai. Cổ phần cho những người sáng tạo thậm chí còn cao hơn. Các nhạc sĩ và họa sĩ minh họa đang thấy tác phẩm của họ được sử dụng để huấn luyện chính các mô hình hiện đang cạnh tranh với họ để giành việc làm. Đây không chỉ là một sự thay đổi trên thị trường. Đó là sự thay đổi về giá trị mà chúng ta đặt vào nỗ lực của con người. Chúng ta phải tự hỏi liệu chúng ta có đang coi trọng kết quả hơn quy trình hay không, và điều gì sẽ xảy ra với văn hóa của chúng ta khi quy trình bị ẩn bên trong một hộp đen.

• Các nhà lãnh đạo công ty phải quyết định xem họ coi trọng tốc độ hơn tư duy ban đầu hay không.
• Nhân viên phải học cách kiểm toán đầu ra của máy móc như một kỹ năng chính.
• Các nhà lập pháp phải cân bằng nhu cầu đổi mới với việc bảo vệ lực lượng lao động.
• Những người sáng tạo phải tìm cách chứng minh tác phẩm của họ là do con người tạo ra để duy trì giá trị của nó.
• Các nhà giáo dục phải suy nghĩ lại cách họ chấm điểm học sinh khi các câu trả lời chỉ cách một cú nhấp chuột.

Chi phí ẩn của tự động hóa

Chúng ta thường nói về lợi ích của công nghệ này mà không đề cập đến hóa đơn. Chi phí đầu tiên là quyền riêng tư. Để làm cho các mô hình này hữu ích hơn, chúng ta phải cung cấp cho chúng nhiều dữ liệu hơn. Chúng ta được khuyến khích đưa lịch trình cá nhân, ghi chú riêng tư và bí mật doanh nghiệp của mình vào các hệ thống này để có kết quả tốt hơn. Nhưng dữ liệu đó đi đâu? Hầu hết các công ty tuyên bố họ không sử dụng dữ liệu khách hàng để huấn luyện mô hình của họ, nhưng lịch sử internet cho thấy các chính sách có thể thay đổi. Một khi dữ liệu của bạn nằm trong hệ thống, gần như không thể lấy nó ra. Đây là một sự đánh đổi vĩnh viễn giữa quyền riêng tư và sự tiện lợi. Chúng ta cũng đang thấy sự gia tăng lớn trong tiêu thụ năng lượng. Việc huấn luyện một mô hình lớn duy nhất đòi hỏi đủ điện năng để cung cấp cho hàng ngàn ngôi nhà trong một năm. Khi chúng ta tiến tới các hệ thống phức tạp hơn, chi phí môi trường sẽ chỉ tăng lên. Chúng ta phải tự hỏi liệu khả năng tạo ra một bức ảnh vui nhộn về một con mèo có đáng với lượng khí thải carbon mà nó tạo ra hay không.

Ngoài ra còn có cái giá của sự thật. Khi việc tạo ra văn bản và hình ảnh thực tế trở nên dễ dàng hơn, giá trị của bằng chứng sẽ giảm xuống. Nếu bất cứ thứ gì cũng có thể bị làm giả, thì không có gì có thể được chứng minh. Điều này đã và đang ảnh hưởng đến hệ thống chính trị và tòa án pháp lý của chúng ta. Chúng ta đang bước vào một thời kỳ mà giả định mặc định là những gì chúng ta thấy trên màn hình là một lời nói dối. Điều này tạo ra mức độ ma sát xã hội cao. Nó làm cho việc đồng ý về các sự kiện cơ bản trở nên khó khăn hơn. Triết lý của AI ở đây là về sự xói mòn của một thực tế chung. Nếu mọi người đều nhìn vào một phiên bản của thế giới đã được lọc và thay đổi bởi một thuật toán, chúng ta sẽ mất khả năng giao tiếp hiệu quả giữa những sự chia rẽ đó. Chúng ta đang đánh đổi một nền tảng xã hội ổn định để lấy một trải nghiệm cá nhân hóa và giải trí hơn. Đây là một lựa chọn mà chúng ta đang thực hiện mỗi khi sử dụng các công cụ này mà không đặt câu hỏi về nguồn gốc hoặc ý định của chúng.

Bạn có câu chuyện, công cụ, xu hướng hoặc câu hỏi về AI mà bạn nghĩ chúng tôi nên đề cập không? Gửi cho chúng tôi ý tưởng bài viết của bạn — chúng tôi rất muốn nghe từ bạn.

Ràng buộc kỹ thuật và hệ thống cục bộ

Đối với những người dùng chuyên nghiệp, cuộc trò chuyện không chỉ dừng lại ở đạo đức. Đó là về giới hạn của phần cứng và phần mềm. Một trong những rào cản lớn nhất là context window. Đây là lượng thông tin mà một mô hình có thể giữ trong bộ nhớ hoạt động của nó tại một thời điểm. Mặc dù các cửa sổ này đang phát triển, chúng vẫn bị hạn chế. Nếu bạn đưa cho một mô hình một cuốn sách dài một nghìn trang, cuối cùng nó sẽ bắt đầu quên phần đầu khi đến phần cuối. Điều này dẫn đến sự không nhất quán trong các dự án dài. Ngoài ra còn có vấn đề về giới hạn API và độ trễ. Nếu doanh nghiệp của bạn dựa vào một mô hình của bên thứ ba, bạn đang phụ thuộc vào thời gian hoạt động và giá cả của họ. Một thay đổi đột ngột trong điều khoản dịch vụ của họ có thể phá vỡ toàn bộ quy trình làm việc của bạn. Đây là lý do tại sao nhiều người dùng nâng cao đang chuyển sang lưu trữ cục bộ và thực thi cục bộ. Họ đang chạy các mô hình nhỏ hơn trên phần cứng của riêng mình để duy trì quyền kiểm soát và tốc độ.

Tích hợp quy trình làm việc là thách thức lớn tiếp theo. Không đủ để có một hộp trò chuyện trên trang web. Giá trị thực sự đến từ việc kết nối các mô hình này với các công cụ hiện có như bảng tính, cơ sở dữ liệu và phần mềm quản lý dự án. Điều này đòi hỏi sự hiểu biết sâu sắc về cách cấu trúc dữ liệu để mô hình có thể hiểu được nó. Chúng ta đang thấy sự trỗi dậy của RAG, hay Retrieval-Augmented Generation. Đây là một phương pháp trong đó mô hình tra cứu thông tin cụ thể từ một nguồn đáng tin cậy trước khi trả lời. Đó là một cách để thu hẹp khoảng cách giữa bản chất thống kê của mô hình và nhu cầu thực tế của người dùng. Tuy nhiên, điều này làm tăng thêm một lớp phức tạp cho hệ thống. Bạn phải quản lý công cụ tìm kiếm, cơ sở dữ liệu và mô hình cùng một lúc. Đây là một giải pháp bảo trì cao đòi hỏi một bộ kỹ năng cụ thể để quản lý hiệu quả.

• Quantization cho phép các mô hình lớn chạy trên phần cứng cấp người tiêu dùng bằng cách giảm độ chính xác của các trọng số.
• Fine tuning đang trở nên ít phổ biến hơn vì RAG cung cấp độ chính xác thực tế tốt hơn với ít nỗ lực hơn.
• Tokenization vẫn là một chi phí ẩn có thể làm cho một số ngôn ngữ đắt đỏ hơn để xử lý so với các ngôn ngữ khác.
• Thực thi cục bộ là cách duy nhất để đảm bảo quyền riêng tư 100 phần trăm cho dữ liệu doanh nghiệp nhạy cảm.
• Model distillation đang tạo ra các phiên bản nhỏ hơn, nhanh hơn của các mô hình khổng lồ để sử dụng trên thiết bị di động.

Con đường thực tế phía trước

Triết lý của AI không phải là sự xao nhãng khỏi công việc. Đó chính là công việc. Mỗi khi bạn chọn một mô hình, bạn đang đưa ra lựa chọn về loại logic mà bạn muốn thống trị cuộc sống của mình. Bạn đang quyết định rủi ro nào là chấp nhận được và chi phí nào là quá cao. Công nghệ đang thay đổi nhanh chóng, nhưng nhu cầu của con người vẫn như cũ. Chúng ta muốn những công cụ làm cho chúng ta tốt hơn, không phải những công cụ thay thế chúng ta. Chúng ta muốn các hệ thống minh bạch, không phải các hệ thống hoạt động trong bóng tối. Sự nhầm lẫn xung quanh chủ đề này thường là cố ý. Các công ty dễ dàng bán một chiếc hộp ma thuật hơn là bán một công cụ thống kê phức tạp. Bằng cách loại bỏ những thứ thừa thãi và tập trung vào các ưu đãi, bạn có thể thấy công nghệ này thực sự là gì. Đó là một sáng tạo mạnh mẽ, đầy khiếm khuyết và sâu sắc của con người. Nó phản ánh những ý tưởng tốt nhất và những thói quen tồi tệ nhất của chúng ta. Mục tiêu là sử dụng nó với đôi mắt mở, hiểu rõ những sự đánh đổi bạn đang thực hiện trong mỗi tương tác. Bạn có thể tìm hiểu thêm về các xu hướng mới nhất trong học máy để đón đầu những thay đổi này. Để có cái nhìn sâu sắc hơn về đạo đức của các hệ thống này, các tài nguyên như Viện Stanford về AI lấy con người làm trung tâm và MIT Technology Review cung cấp dữ liệu tuyệt vời. Bạn cũng có thể theo dõi các thay đổi pháp lý trong phần công nghệ của New York Times.

Lưu ý của biên tập viên: Chúng tôi tạo trang web này như một trung tâm tin tức và hướng dẫn AI đa ngôn ngữ dành cho những người không phải là chuyên gia máy tính, nhưng vẫn muốn hiểu trí tuệ nhân tạo, sử dụng nó tự tin hơn và theo dõi tương lai đang đến gần.