Viện nghiên cứu của Google DeepMind đã xuất bản một bài luận sâu sắc lập luận rằng thời đại sau AGI giờ đây xứng đáng có được sự phân tích chặt chẽ tương tự như lĩnh vực từng dành riêng cho chính AGI. Bài viết "Điều gì xảy ra sau AGI? Từ AGI đến Siêu trí tuệ" được xuất bản vào ngày 19 tháng 11 năm 2026 bởi Tim Genewein, một nhà khoa học nghiên cứu tại Google DeepMind, trên cổng tiểu luận của Viện DeepMind. Tuyên bố cốt lõi của nó: khi nhiều lộ trình công nghệ hướng tới siêu trí tuệ tổng hợp nhân tạo hình thành, chế độ ngoài AGI "đang chuyển từ suy đoán triết học sang các câu hỏi quản trị và nghiên cứu thực nghiệm."
Bài luận xuất hiện trong một trong những thời điểm bận rộn nhất của tin tức nghiên cứu AI trong nhiều tháng và nó được coi là một nỗ lực có chủ ý nhằm cung cấp cho cuộc tranh luận hậu AGI một vốn từ vựng kỹ thuật cụ thể. Đối với bất kỳ ai theo dõi những phát triển AI mới nhất, nó cung cấp bức tranh rõ ràng nhất về cách một trong những phòng thí nghiệm hàng đầu thế giới định hình con đường vượt xa AI cấp độ con người - bao gồm dự báo chi phí, nếu đúng, sẽ thay đổi tính kinh tế của công việc nhận thức.
Điều gì được coi là siêu trí tuệ
Genewein bắt đầu bằng cách đặt trí thông minh chung trên một chuỗi liên tục, với AGI cấp độ con người chỉ là một điểm dọc theo nó. ASI, theo định nghĩa của bài luận, là một hệ thống tiên tiến luôn vượt trội so với các nhóm lớn chuyên gia về con người trong các nhiệm vụ có thể khiến các chuyên gia đó mất nhiều năm để hoàn thành, sử dụng ít tài nguyên hơn và ít thời gian hơn - ví dụ: phù hợp với kết quả khoa học của toàn bộ lĩnh vực nghiên cứu trong một khoảng thời gian ngắn hoặc đạt được tiến độ thiết kế chip ngang bằng với những gì một công ty lớn sản xuất trong một năm. Điều quan trọng là hầu như tất cả các nhiệm vụ mà con người quan tâm đều phải đáp ứng được tiêu chuẩn này chứ không phải trong một phạm vi hẹp.
Bài tiểu luận lưu ý rằng sự thống trị hẹp đã tồn tại: các hệ thống AI ngày nay đánh bại bất kỳ con người nào trong môn cờ vua và cờ vây, dự đoán cấu trúc protein từ các chuỗi axit amin và đã chứng minh các định lý chống lại các nhà toán học trong nhiều thập kỷ. Điều thực sự chưa được khám phá là điểm trung gian rộng lớn giữa AI cấp độ con người và giới hạn lý thuyết của trí thông minh. Quan điểm minh họa của Genewein: việc giải cờ vua một cách hoàn hảo sẽ đòi hỏi nhiều sức mạnh tính toán hơn mức tồn tại trên Trái đất, tuy nhiên một con chip có kích thước bằng hình thu nhỏ đã chơi đủ tốt để đánh bại bất kỳ con người nào.
Công nghiệp hóa nhận thức và chi phí sụp đổ
Cốt lõi định lượng của bài tiểu luận là phân tích về “công nghiệp hóa nhận thức”. Genewein nhân ba xu hướng lãi kép từ thập kỷ trước. Đầu tiên, phần cứng: tính toán trên mỗi đô la đã cải thiện khoảng 1,5 lần mỗi năm trong sáu thập kỷ theo định luật Moore và các xu hướng liên quan. Thứ hai, hiệu quả thuật toán: điện toán đào tạo cần thiết để đạt được mức hiệu suất cố định đã giảm khoảng 3-6 lần mỗi năm trong thập kỷ qua, với hiệu suất suy luận được cải thiện khoảng 3 lần mỗi năm. Thứ ba, đầu tư: chi tiêu cho phần cứng AI đã tăng khoảng 2,5 lần mỗi năm và điện toán đào tạo của các hoạt động biên giới lớn nhất tăng hơn 4 lần mỗi năm.
Nhân cả ba và bài luận ước tính khả năng tính toán hiệu quả toàn cầu đang tăng ít nhất 10 lần mỗi năm - "hệ số 10 tỷ trong 10 năm". Về phía nhu cầu, chỉ riêng việc cải thiện hiệu suất phần cứng và phần mềm sẽ cắt giảm lượng điện toán cần thiết để chạy khối lượng công việc AI cố định khoảng 4 lần mỗi năm. Hậu quả, như Genewein đã nói: một khối lượng công việc nhận thức tiêu tốn 1 tỷ USD tiền mã thông báo điện toán để thực hiện với các hệ thống AI ngày nay sẽ tiêu tốn khoảng 1.000 USD trong 10 năm.
Đó không phải là một phép ngoại suy đơn độc. Bài luận trích dẫn một nghiên cứu gần đây của Epoch cho thấy chi phí tiêu dùng để đạt được điểm cố định trên một bộ điểm chuẩn đã giảm hơn 13 lần mỗi năm kể từ năm 2023. Nó cũng dự đoán rằng số lượng tác nhân AI hiệu quả có thể tăng hơn một nghìn lần vào năm 2030 và hơn một tỷ lần trong vòng mười năm - đồng thời cảnh báo cẩn thận rằng điều này "chắc chắn không phải là điều nhất định", vì các mức trần thực tế về xây dựng máy tính và nhiều mức trần suy đoán hơn về hiệu quả thuật toán có thể can thiệp.
Bốn con đường từ AGI đến ASI
Trọng tâm của bài luận là sự phân loại của bốn con đường công nghệ có thể mở ra những khả năng mà quy mô lớn không thể - bởi vì, như Genewein nhận xét một cách khô khan, "trong khi Einstein đã tìm ra thuyết tương đối rộng, thì một hội nghị gồm một trăm nghìn nhà thiên văn học Ptolemaic có lẽ sẽ không có."
Mô hình và dữ liệu mở rộng quy mô. Khả năng đã được cải thiện đáng kể một cách nhất quán với quy mô mô hình, dữ liệu và thời gian tính toán thử nghiệm, nhưng bài luận xác định ba điểm nghẽn: cạn kiệt dữ liệu, do nhu cầu về dữ liệu đào tạo chất lượng cao vượt quá khả năng tạo ra nó của con người; lợi nhuận giảm dần trên quy mô mô hình, trong đó mỗi bước tuyến tính trong khả năng yêu cầu tính toán nhân trong khi các mô hình lớn hơn làm chậm các phương pháp thời gian lý luận; và các giới hạn vật lý và kinh tế đối với các nhà máy điện, lưới điện, nhà máy sản xuất chip và các kết nối có độ trễ thấp. Sự thay đổi mô hình công nghệ. Mô hình ngày nay — huấn luyện các máy biến áp để dự đoán mã thông báo tiếp theo, sau đó tinh chỉnh và bổ sung tính toán trong thời gian thử nghiệm — gần đây đã được chứng minh về nguyên tắc là có khả năng chạy các thuật toán phức tạp thông qua lời nhắc. Tuy nhiên, các mô hình vẫn kém con người về khả năng học hỏi liên tục, một số hình thức mô hình hóa thế giới, ra quyết định, hiệu quả mẫu và phát minh ra các khái niệm thực sự mới thay vì kết hợp lại các khái niệm hiện có. Các nhà nghiên cứu đang bị chia rẽ về việc liệu sự mở rộng của mô hình ngày nay có thể thu hẹp những khoảng trống đó hay liệu ASI có yêu cầu điều gì đó sâu sắc hơn hay không. Cải thiện sự phối hợp giữa các đại lý. Các tập đoàn, thị trường và cộng đồng nghiên cứu của con người giải quyết những vấn đề mà không cá nhân nào có thể làm được. Tương tự, việc phối hợp hàng nghìn hoặc hàng triệu phiên bản AGI thành "tác nhân nhóm" hoặc nền kinh tế đại lý ảo có thể tạo ra siêu trí tuệ tập thể. Bài luận lập luận rằng lĩnh vực này cần có "luật mở rộng quy mô đa tác nhân" - nghiên cứu ban đầu cho thấy những lợi ích rõ ràng đối với một số nhiệm vụ, nhưng sự thiếu hiệu quả trong phối hợp tạo ra lợi nhuận giảm dần khi dân số tăng lên. Việc chỉ đạo các tập thể lớn cũng sẽ yêu cầu thiết kế thể chế, bao gồm các biện pháp bảo vệ chống lại thông tin sai lệch, thao túng và thông đồng; Các thí nghiệm bầy đàn đã cho thấy các đặc vụ học cách gian lận và những người khác đóng vai trò là người tố giác. Tự cải thiện đệ quy. Lần đầu tiên được thảo luận bởi I. J. Good và Ray Solomonoff, RSI mô tả các hệ thống AI tự động hóa các cải tiến cho các thế hệ AI trong tương lai. Không giống như các công nghệ thông thường, những cải tiến đối với AI có thể trực tiếp đẩy nhanh những lợi ích tiếp theo - nhưng tiến độ nghiên cứu cũng có xu hướng khó tìm thấy hơn theo thời gian. Bài luận cho biết liệu RSI có tạo ra khả năng tăng tốc nhanh hay không "phần lớn là một câu hỏi thực nghiệm" và nó có thể hoạt động thông qua mã và thiết kế - kiến trúc, thuật toán đào tạo, bố cục chip - cũng như thông qua dữ liệu.Tại sao việc đóng khung lại quan trọng
Bài tiểu luận rõ ràng là một lập luận chuẩn bị: vạch ra những con đường khả thi từ AGI đến ASI và xây dựng “những cách thức nghiêm ngặt, đáng tin cậy để theo dõi tiến độ”, theo cách đóng khung của Genewein, là điều kiện tiên quyết để quản lý quá trình chuyển đổi. Nó đi kèm với một báo cáo dài hơn của Viện DeepMind, "Từ AGI đến ASI".
Lễ tân đã ngay lập tức. Bài luận đã thu hút 85 điểm và hơn 160 bình luận trên Hacker News trong vòng một ngày sau khi xuất bản, trong khi báo chí thương mại bao gồm Unite.AI và BigGo Finance nhấn mạnh cách phân loại bốn tuyến đường và dự báo chi phí va chạm hàng triệu lần. Nó cũng xảy ra trong bối cảnh có nhiều hoài nghi hơn về cách thực hiện các dự báo về siêu trí tuệ - IEEE Spectrum đã xuất bản một bài báo trong tuần này có tiêu đề "Cuộc tranh luận về siêu trí tuệ AI có những sai sót nghiêm trọng".
Sự căng thẳng đó chính là điểm mấu chốt. DeepMind không dự đoán ASI vào một ngày nào đó; người ta lập luận rằng không gian kịch bản giờ đây có thể được lập bản đồ, đo lường và tranh luận bằng bằng chứng thay vì rung cảm. Cho dù phép ngoại suy hàng tỷ lần giữ vững hay vượt qua trần vật lý, bài luận đánh dấu một sự thay đổi: câu hỏi "điều gì xảy ra sau AGI?" đã chuyển từ hội thảo triết học sang chương trình nghiên cứu của một trong những phòng thí nghiệm AI có ảnh hưởng nhất trên Trái đất.
---
Đi trước AINhận tin tức, phân tích và đột phá mới nhất về AI — tất cả ở cùng một nơi.
Đọc thêm tin tức về AI →