Trí tuệ nhân tạo đã thực sự thông minh?
Bài viết này là nhận định của cây bút Noah Smith thuộc chuyên mục Bloomberg Opinion của hãng tin Bloomberg. Ông Smith còn là trợ lý giáo sư tài chính tại Đại học Stony Brook.
Ảnh: AFP/Getty Images
Trong thế giới kinh doanh, công nghệ học máy (machine learning) thường đi kèm cụm từ trí tuệ nhân tạo (AI). Đó là bốn chữ kiểu khoa học viễn tưởng, gợi lên hình ảnh những chiếc máy tính tháo vát trong khi thực tế, sản phẩm chưa chắc đạt đến mức ấy. Công nghệ học máy sử dụng thuật toán để dự báo mọi thứ, từ chuyện hình ảnh bảo mật web có chứa mèo hay không cho đến chuyện người dùng Google muốn tìm kiếm gì, hoặc chiếc ô tô tự lái có nên phanh để tránh tai nạn không. Chưa ai biết làm thế nào để cung cấp cho hệ thống máy tính sự linh hoạt trí tuệ để lý luận và học hỏi như con người.
Dù có vài điểm yếu, chủ đề AI và máy học vẫn nóng. Nhiều hãng khởi nghiệp trí tuệ nhân tạo được bơm vốn ngày càng cao trong những năm gần đây.
Nhiều hãng công nghệ lớn như Alphabet (công ty mẹ của Google), Apple và Amazon đang đầu tư mạnh cho AI. Mức lương khởi điểm của chuyên gia mảng này có thể lên đến nửa triệu USD mỗi năm. Rất nhiều startup AI được thâu tóm. Lãnh đạo doanh nghiệp thường cảnh giác với việc tạo ra những công nghệ có thể làm gián đoạn mô hình kinh doanh đã có, song những gã khổng lồ công nghệ thì lại chẳng lo.
Điều quan trọng là cần lưu ý công nghệ máy học chưa tạo ra dấu ấn trong nền kinh tế. Hay nói theo cách của nhà kinh tế Robert Solow, bạn có thể thấy thời đại máy học ở mọi nơi nhưng tuyệt nhiên không có trong thống kê kinh tế. Mức tuyển dụng ở Mỹ đang tốt, và chưa có bằng chứng cho việc máy móc đang gánh nhiều việc làm của con người.
Năng suất lao động thì chỉ tăng chậm, nói cách khác là ổn định. Thêm vào đó, sự bùng nổ đầu tư AI chưa đủ lớn để tạo ra sự bùng nổ đầu tư nói chung.
Song giống như cách mạng máy tính ba thập niên trước, cuộc cách mạng máy học cuối cùng sẽ có ảnh hưởng. Câu hỏi được đặt ra là nó sẽ ảnh hưởng ra sao.
Một vài nhà kinh tế cố gắng đi tìm câu trả lời sơ bộ. Trong quyển Máy móc dự báo: Kinh tế học đơn giản về trí tuệ nhân tạo, ba nhà nghiên cứu về kinh tế học của công nghệ máy học Ajay Agrawal, Joshua Gans và Avi Goldfarb nỗ lực đưa ra lời giải. Công nghệ này vừa rộng, vừa mới nên câu trả lời của họ chắc chắn có tính phỏng đoán và bao quát cao.
Ba chuyên gia nhìn công nghệ máy học theo cách cổ điển. Trước hết, họ xác định sản phẩm là gì, sau đó suy nghĩ cung - cầu của sản phẩm. Họ cho rằng công nghệ đại diện cho sự gia tăng khả năng dự báo. Bất cứ tác vụ dự đoán, dự báo nào giờ đây cũng dễ dàng và rẻ hơn. Các nhà kinh tế không chỉ xem xét lý thuyết. Họ còn làm việc với Creative Destruction Lab, vườn ươm startup tại Trường Quản lý Rotman thuộc Đại học Toronto (Canada) để tập hợp nhiều ví dụ thực tiễn tiên tiến nhằm minh họa, củng cố ý kiến chung.
Ba chuyên gia nhìn chung là chưa hình dung ra một thế giới tự động hóa hoàn toàn, với máy móc thay thế con người ở mọi bước trong quá trình sản xuất. Thay vào đó, họ thấy máy học được triển khai có chọn lọc tại một số nút trong chuỗi giá trị, nơi dữ liệu phong phú. Con người thì đảm nhiệm và tập trung vào phần còn lại.
Có hai nhiệm vụ nhận thức mà con người sẽ làm giỏi hơn hẳn thuật toán thông minh trong tương lai gần, đó là đưa ra dự báo trên mẫu dữ liệu nhỏ và xác định kết cấu của thành công, thất bại. Con người vẫn hiểu rõ những gì họ muốn, hiểu rõ cách thế giới hoạt động hơn là thuật toán.
Nếu ba chuyên gia trên đúng, công nghệ máy học sẽ cách mạng hóa việc làm của người lao động trí thức tương tự như cách điện và động cơ cách mạng hóa công cụ máy móc, cách mạng hóa việc làm của người lao động chân tay. Máy học sẽ giúp con người bỏ qua bớt một số nhiệm vụ tư duy, trí tuệ, giúp tăng năng suất đáng kể.
Nếu ba chuyên gia dự báo sai, nếu các nhiệm vụ phù hợp cho công nghệ máy học tăng rất nhanh, tương lai sẽ có nhiều người lao động bị thay thế và bị buộc phải liên tục thay đổi mô tả công việc. Học máy cũng có thể đẩy nhanh xu hướng loại bỏ các công việc thường ngày, gia tăng bất bình đẳng và giảm số lượng người thuộc tầng lớp trung lưu.
Đây là hình ảnh đơn giản về tính kinh tế của công nghệ máy học : Trong thực tế, kinh tế học không chỉ gồm cung và cầu. Trong báo cáo mới, nhà kinh tế nổi danh Hal Varian, người từng giúp Google thiết kế hệ thống định giá, giải thích vài câu hỏi hóc búa về cách máy móc thông minh thay đổi cấu trúc công nghiệp của các nền kinh tế tiên tiến. Ông cho rằng không phải thay đổi nào cũng có ích.
Tính năng phân biệt giá của công nghệ máy học có thể giúp doanh nghiệp xác định chính xác người tiêu dùng sẽ chi bao nhiêu tiền cho sản phẩm, từ đó vắt kiệt từng xu của người tiêu dùng. Hiệu ứng mạng lưới máy học có thể trầm trọng hóa sức thống trị vốn đã cao của doanh nghiệp lớn. Thuật toán có thể kết hợp với nhau thao túng thị trường và con người thậm chí không nhận ra là chúng đang “thông đồng” với nhau.
Vì thế, cách tốt nhất để biết máy học sẽ có tác động ra sao đến nền kinh tế là chờ đợi. Dù vậy, con người cần dự đoán và sẵn sàng cho nhiều vấn đề có thể xảy ra. Cũng như máy tính, internet và ngành công nghiệp nói chung, công nghệ máy học cuối cùng sẽ đem lại cho con người không ít ngạc nhiên.
Theo TNO
