Máy tính có thể học được ý thức chung không?

Bài học chính

• Ý thức chung là khả năng hiểu và phản ứng với các tình huống hàng ngày mà không cần phân tích quá mức. Nó có được thông qua kinh nghiệm và quan sát cuộc sống, cũng như các chuẩn mực xã hội và văn hóa.
• Máy tính gặp khó khăn với nhận thức thông thường vì chúng thiếu trải nghiệm thực tế và khả năng thích ứng với bối cảnh mới. Họ cũng đấu tranh với những quy tắc và giả định bất thành văn mà con người có thể hiểu được bằng trực giác.
• Các nhà nghiên cứu đang khám phá các cách tiếp cận khác nhau, chẳng hạn như xây dựng nền tảng kiến ​​thức sâu rộng, huy động nguồn lực từ cộng đồng và dạy AI thông qua các thế giới mô phỏng, để đào tạo máy tính tiếp thu kiến ​​thức chung. Tiến bộ đã được thực hiện, nhưng vẫn còn nhiều việc phải làm.

Ý thức chung. Tất cả chúng ta đều nghĩ rằng chúng ta có nó. Nhưng chính xác là nó? Máy tính hoặc hệ thống trí tuệ nhân tạo có thể thực sự có được nó không?

Ý thức chung là gì và con người có được nó như thế nào?

Ý thức chung là khả năng cơ bản để nhận thức, hiểu và đánh giá những điều mà hầu hết mọi người đều mong đợi có. Đó là tập hợp các sự kiện, thông tin và quy tắc kinh nghiệm mà chúng ta tích lũy thông qua kinh nghiệm và quan sát cuộc sống. Ý thức chung cho phép chúng ta xử lý và phản ứng hiệu quả với các tình huống hàng ngày mà không cần phân tích chúng quá sâu.

Con người bắt đầu có được ý thức chung từ rất sớm trong thời thơ ấu. Khi còn bé, chúng ta bắt đầu học về các mối quan hệ nhân quả – chẳng hạn như việc khóc sẽ dẫn đến việc được cho ăn hoặc được thay tã. Thông qua những trải nghiệm lặp đi lặp lại, chúng ta có được kiến ​​thức thực tế về thế giới. Ví dụ, chạm vào bếp nóng sẽ bị bỏng. Vì vậy, chúng ta học cách không chạm vào các bề mặt nóng.

Khi còn nhỏ, chúng ta tiếp tục mở rộng ý thức chung của mình thông qua việc thử và sai cũng như quan sát và tương tác với các thành viên trong gia đình. Chẳng hạn, chúng tôi nhận thấy rằng quần áo phải được giặt thường xuyên, không nên nói chuyện khi miệng đang đầy, và việc làm đổ ly sữa sẽ dẫn đến bừa bộn. Cha mẹ, anh chị em, giáo viên và những người lớn khác sửa dạy chúng ta khi chúng ta vi phạm các chuẩn mực và kỳ vọng của xã hội. Theo thời gian, những bài học này đã ăn sâu vào lẽ thường căn bản.

Ngoài kinh nghiệm cá nhân, ý thức chung còn được định hình bởi các chuẩn mực văn hóa và xã hội rộng lớn hơn. Những gì có thể là lẽ thường ở một nền văn hóa này (chẳng hạn như cởi giày khi vào nhà) có thể không như vậy ở một nền văn hóa khác.

Ý thức chung của chúng ta sẽ thích ứng khi chúng ta trưởng thành và tiếp xúc với nhiều người và môi trường hơn. Vì vậy, một đứa trẻ lớn lên ở một thị trấn nhỏ sẽ có được những hiểu biết cơ bản về cuộc sống ở nơi đó. Một người trưởng thành chuyển đến một thành phố đô thị lớn phải điều chỉnh ý thức chung của mình để phù hợp với môi trường mới.

Ý thức chung tiếp tục phát triển khi chúng ta có những trải nghiệm mới trong suốt cuộc đời.

Tại sao Common Sense lại thách thức máy tính?

Có một số lý do khiến việc lập trình trở nên khó khăn theo lẽ thường.

Có một điều, con người dần dần học được lẽ thường qua nhiều năm trải nghiệm thế giới. Chúng ta thử mọi thứ, xem điều gì hiệu quả, điều gì không, và ghi nhớ những bài học. Máy tính không có những trải nghiệm thực tế như vậy để rút ra. Họ chỉ biết những gì con người nói với họ một cách rõ ràng.

Ví dụ: tôi đã hỏi ChatGPT (GPT 3.5) câu hỏi này:

Janet runs a laundry business. She washes clothes for customers and hangs them outside on clotheslines to dry in the sun. One day, Janet washed five shirts and hung them on the clotheslines in the morning. It took the shirts five hours to dry. How long will it take to dry 30 shirts? 

Hóa ra với phản hồi này:

Một vấn đề khác là ý thức chung phụ thuộc vào ngữ cảnh. Nếu một máy tính chỉ có các quy tắc cụ thể được lập trình sẵn, nó không thể điều chỉnh chúng cho phù hợp với bối cảnh mới theo cách mà con người có thể làm bằng trực giác.

Ví dụ: giả sử bạn dạy máy tính phải làm gì nếu trời bắt đầu mưa khi ở bên ngoài. Có vẻ đơn giản, phải không? Nhưng nếu thay vì mưa, lại có một vòi phun nước bật lên thì sao? Hoặc điều gì sẽ xảy ra nếu nó ở bên trong một cửa hàng tạp hóa và đường ống bắt đầu rò rỉ nước từ trần nhà? Chúng ta sẽ ngay lập tức biết cách xử lý những biến thể đó, nhưng máy tính sẽ mù quáng tuân theo quy tắc “khi trời mưa thì vào trong”, điều này giờ đây chẳng còn ý nghĩa gì nữa.

Ngoài ra còn có những quy tắc và giả định bất thành văn mà con người tiếp thu mà không hề nhận ra. Giống như bạn có thể đứng cạnh ai đó gần đến mức nào trước khi cảm thấy khó xử? Con người bằng trực giác biết được câu trả lời nhưng có thể không dễ dàng giải thích được các quy luật chính xác. Những chuẩn mực xã hội tiềm ẩn đó có thể đặc biệt khó khăn đối với máy tính trong việc tiếp thu chỉ từ dữ liệu.

Vì vậy, hiện tại, nhận thức chung vẫn là một trong những điểm yếu lớn nhất của AI so với trí thông minh của con người. Nó đến với con người một cách tự nhiên nhưng không nhiều với máy móc.

Làm thế nào máy tính có thể học được lẽ thường

Sau sự lạc quan ban đầu vào những năm 1970 và 1980, các nhà nghiên cứu nhận ra việc dạy máy tính nhận thức thông thường sẽ khó khăn như thế nào. Tuy nhiên, các phương pháp tiếp cận mới cho thấy hứa hẹn trong việc đào tạo các hệ thống AI có nhận thức chung cơ bản về thế giới vật chất và xã hội hàng ngày.

Một cách tiếp cận là xây dựng cơ sở kiến ​​thức sâu rộng bằng tay, trình bày chi tiết các sự kiện và quy tắc về cách thế giới vận hành. Dự án Cyc, được Doug Lenat bắt đầu vào năm 1984, thể hiện một nỗ lực đầy tham vọng thuộc loại này.

Hàng trăm nhà logic học đã mã hóa hàng triệu tiên đề logic vào Cyc trong nhiều thập kỷ. Mặc dù tốn thời gian nhưng kết quả là một hệ thống có kiến ​​thức thực tế đáng kể. Cyc rõ ràng có thể lý giải rằng cà chua về mặt kỹ thuật là một loại trái cây nhưng không nên dùng trong món salad trái cây, nhờ vào kiến ​​​​thức về hương vị ẩm thực.

Crowdsourcing Ý thức chung với ConceptNet

Cơ sở kiến ​​thức hiện đại hơn như ConceptNet áp dụng cách tiếp cận nguồn lực từ cộng đồng để tạo ra những khẳng định thông thường. Ý tưởng là thay vì nhờ các chuyên gia hoặc AI cố gắng tìm ra tất cả các sự kiện và mối quan hệ cơ bản trên thế giới, họ sẽ mở rộng nó để bất kỳ ai cũng có thể đóng góp những đoạn thông thường.

Cách tiếp cận nguồn lực cộng đồng này cho phép những cơ sở kiến ​​thức này khai thác trí tuệ tập thể của nhiều người đa dạng trên internet. Bằng cách tích lũy hàng nghìn, hàng nghìn kiến ​​thức thông thường nhỏ nhặt này từ đám đông, ConceptNet đã xây dựng được một số kho lưu trữ lớn đáng kinh ngạc về kiến ​​thức cơ bản hàng ngày. Và bởi vì những người đóng góp mới luôn bổ sung thêm nên kiến ​​thức không ngừng phát triển.

Dạy ý thức chung thông qua kinh nghiệm

Một cách tiếp cận đầy hứa hẹn khác là xây dựng thế giới mô phỏng chi tiết nơi các tác nhân AI có thể thử nghiệm và tìm hiểu về vật lý cũng như trực giác thông qua trải nghiệm.

Các nhà nghiên cứu đang tạo ra môi trường ảo 3D chứa đầy các đồ vật hàng ngày mô phỏng thế giới thực, chẳng hạn như ngôi nhà kỹ thuật số “AI2 THOR” do Viện Allen xây dựng. Trong những không gian này, robot AI có thể thử tất cả các loại tương tác để phát triển sự hiểu biết trực quan về các khái niệm mà con người coi là đương nhiên.

Ví dụ: bot AI có thể được cung cấp một cơ thể ảo và thử nhặt các khối, xếp chúng, xô đổ chúng, v.v. Bằng cách quan sát các khối rơi và va chạm một cách thực tế, bot sẽ học được các khái niệm cơ bản về độ rắn, trọng lực và động lực học vật lý. Không cần quy tắc – chỉ cần kinh nghiệm.

Robot cũng có thể thử các hành động như đánh rơi một vật thủy tinh và nhìn thấy nó vỡ tan khi chạm đất. Hoặc nó có thể thử nghiệm các tính chất của nước bằng cách đổ chất lỏng và quan sát cách chúng chảy và đọng lại. Những bài học thực hành này nền tảng cho kiến ​​thức của AI về trải nghiệm giác quan chứ không chỉ về các mẫu dữ liệu.

Các kỹ thuật dựa trên dữ liệu như đào tạo trước các mô hình ngôn ngữ lớn mạnh mẽ cũng đã được chứng minh là có hiệu quả đáng ngạc nhiên trong việc thu thập các mẫu thông thường. Các mô hình AI như GPT-3.5 và GPT-4 có thể tạo ra văn bản giống con người một cách ấn tượng sau khi “đọc” lượng lớn dữ liệu Internet.

Mặc dù đôi khi họ đưa ra những gợi ý không khôn ngoan (còn được gọi là ảo giác AI), phương pháp học thống kê cho phép họ bắt chước một số loại lẽ thường thông thường. Tuy nhiên, vẫn còn sự bất đồng về việc liệu điều này có tạo nên lẽ thường hay là sự khai thác thông minh các thành kiến ​​trong dữ liệu.

Cách kiểm tra máy tính để tìm hiểu thông thường

Tín dụng hình ảnh: freepik/freepik

Khi các hệ thống trí tuệ nhân tạo đảm nhận các nhiệm vụ trong thế giới thực phức tạp hơn, việc đánh giá xem chúng có “ý thức chung” hay không trở nên quan trọng.

Ý thức chung về thể chất

Một lĩnh vực cần kiểm tra là nhận thức vật lý thông thường—trực giác về các vật thể, lực và các đặc tính cơ bản của thế giới.

Ví dụ: cho hệ thống thị giác máy tính xem một bức ảnh với một cuốn sách lơ lửng giữa không trung và yêu cầu nó mô tả cảnh đó. Nó có ghi chú điều gì bất thường về cuốn sách nổi không? Hoặc cung cấp cho hệ thống AI những tình huống bất thường như “người đàn ông dùng ổ bánh mì cắt một hòn đá” và kiểm tra xem nó có gắn cờ những tình huống đó là không thể xảy ra hay không.

Môi trường AI2 THOR của Viện Allen mô phỏng các tòa tháp khối, cốc bị đổ và các cảnh khác để kiểm tra những trực giác vật lý này.

Ý thức chung về xã hội

Con người cũng có ý thức xã hội thông thường – một sự hiểu biết tiềm ẩn về động cơ, mối quan hệ và chuẩn mực của con người. Để đánh giá điều này trong AI, hãy đặt ra các tình huống có đại từ hoặc động cơ không rõ ràng và xem liệu hệ thống có diễn giải chúng một cách hợp lý hay không.

Ví dụ: tôi đã hỏi ChatGPT liệu “nó” đang ám chỉ chiếc vali hay chiếc cúp trong lời nhắc bên dưới:

The trophy could not fit into the suitcase because it was too small. 

Nó đã thất bại trong bài kiểm tra; trong khi đó, con người rõ ràng sẽ biết tôi đang nói đến chiếc vali.

Loại thử nghiệm này được gọi là Thử thách lược đồ Winograd, đặc biệt nhắm vào ý thức chung của xã hội.

An toàn và đạo đức

Việc kiểm tra xem hệ thống AI có học được các mô hình không an toàn hoặc phi đạo đức hay không là rất quan trọng. Phân tích xem AI có thể hiện những thành kiến ​​​​có hại dựa trên giới tính, chủng tộc hoặc các thuộc tính khác khi đưa ra phán đoán hay không.

Kiểm tra xem nó có tạo ra sự khác biệt hợp lý về mặt đạo đức hay không. Giết một con gấu để cứu một đứa trẻ có thể được coi là chính đáng trong khi cho nổ một quả bom hạt nhân cho mục đích tương tự thì không. Gắn cờ bất kỳ đề xuất nào cho các hành vi phi đạo đức rõ ràng.

Hiệu suất trong thế giới thực

Đánh giá nhận thức thông thường bằng cách quan sát cách các hệ thống AI hoạt động trong môi trường thực tế. Ví dụ, xe tự lái có xác định và phản ứng chính xác với các vật thể và người đi bộ không? Robot có thể di chuyển qua nhiều môi trường gia đình khác nhau mà không làm vỡ các vật dụng có giá trị hoặc làm hại vật nuôi không?

Các thử nghiệm trong thế giới thực cho thấy những lỗ hổng trong nhận thức thông thường có thể không xuất hiện trong điều kiện hạn chế của phòng thí nghiệm.

Đã đạt được tiến bộ nhưng công việc vẫn còn trên AI thông thường

Một số chuyên gia cho rằng AI có thể không bao giờ đạt được ý thức chung của con người nếu không phát triển cấu trúc não và cơ thể như chúng ta. Mặt khác, trí tuệ kỹ thuật số không bị giới hạn bởi thành kiến ​​của con người và các lối tắt tinh thần, vì vậy về mặt lý thuyết, chúng có thể vượt qua chúng ta! Mặc dù có lẽ chúng ta chưa cần phải lo lắng về AI siêu thông minh.

Trong thời gian tới, lựa chọn tốt nhất là AI kết hợp kiến ​​thức thông thường đã học được với một số chương trình lỗi thời. Bằng cách đó, hy vọng có thể tránh được những sai lầm ngớ ngẩn như nhầm con rùa với súng trường.

Chúng ta vẫn chưa đạt đến mức đó, nhưng nhận thức chung không còn là vật chất tối của AI nữa – tiến trình đang diễn ra! Tuy nhiên, sẽ cần một lượng ý thức chung lành mạnh của con người khi áp dụng những công nghệ này trong một thời gian.