Trí tuệ nhân tạo bước vào giai đoạn "AI thế giới thực"

Tác giả: Wang Jie

Vào cuối tháng 6 tại Hạ Môn, Trung Quốc, trong khuôn khổ Diễn đàn Kinh tế Thế giới mùa hè (Summer Davos), các nhà lãnh đạo ngành AI (bao gồm robot) từ khắp nơi trên thế giới đã tụ hội để thảo luận về sự phát triển hiện tại của ngành AI và các xu hướng quan trọng tiếp theo. Trong đó, Wang Jie, nhà đầu tư AI thế hệ đầu tiên của Trung Quốc, đồng Chủ nhiệm Trung tâm Nghiên cứu Kinh tế AI của Viện Kinh tế Kỹ thuật số Thâm Quyến, cho rằng ngành AI đã trải qua ba giai đoạn "tạo nội dung", "năng lực suy luận", "năng lực hành động" và sắp bước vào giai đoạn "AI thế giới thực". Toàn bộ các mắt xích trong ngành cũng cần chuẩn bị tương ứng để đón nhận giai đoạn này.

Dưới đây là toàn văn bài viết "Trí tuệ nhân tạo bước vào giai đoạn 'AI thế giới thực'", độc quyền đăng tải bởi Tencent Tech.

We are at AI's reality moment.

Trong vài năm qua, AI đã học cách tạo ra, suy luận và hành động. Giai đoạn tiếp theo không chỉ là liệu AI có thể đưa ra câu trả lời đẹp hơn trên màn hình hay không, mà là liệu AI có thể học hỏi từ phản hồi của thế giới thực và mang lại kết quả công việc có thể chấp nhận và bền vững trong thế giới thực. Hôm nay, chúng ta đang ở "khoảnh khắc thế giới thực" của sự phát triển AI.

Quan sát: AI đang liên tục rời xa thế giới benchmark

Trong vài năm qua, câu chuyện chính của ngành AI được tổ chức bởi các benchmark. Mỗi lần ra mắt mô hình đều đi kèm với một loạt điểm số: hiểu ngôn ngữ, kỳ thi chuyên ngành, suy luận toán học, tạo mã, kỹ thuật phần mềm, thao tác web, trả lời câu hỏi đa phương thức, nhiệm vụ tác tử. Điểm số tăng, ngành phấn khích; điểm số bão hòa, các benchmark mới được tạo ra. Benchmark trở thành những lá cờ cột mốc trên con đường dài phát triển AI.

Nhưng một sự thật ngày càng rõ ràng đang xuất hiện: AI đang liên tục rời xa thế giới benchmark. Nhiều bài kiểm tra từng được cho là đủ khó, đủ đại diện cho trí thông minh, đã bị các mô hình tiếp cận, san bằng và vượt qua hết lần này đến lần khác. Các nhà nghiên cứu tiếp tục định nghĩa các nhiệm vụ mới, bảng xếp hạng mới, bộ đánh giá mới, và các mô hình lại tiếp tục đuổi theo và nhổ bỏ những lá cờ mới. Đây tất nhiên là một phần của tiến bộ khoa học, nhưng cũng cho thấy benchmark đơn thuần ngày càng khó mang toàn bộ ý nghĩa của sự phát triển AI.

Thế giới benchmark về bản chất là một "thế giới lý thuyết": vấn đề được định nghĩa trước, câu trả lời có ranh giới rõ ràng, tiêu chí đánh giá có thể hình thức hóa, chi phí thất bại thường chỉ là một điểm số. Nó phù hợp để chứng minh mô hình có một năng lực nào đó, nhưng không đồng nghĩa với việc chứng minh mô hình có thể mang lại kết quả mà chúng ta mong đợi trong quy trình làm việc thực tế. Một mô hình trả lời đúng trong ngân hàng câu hỏi không có nghĩa là nó có thể hoàn thành nhiệm vụ ổn định trong quy trình mua sắm của doanh nghiệp, hợp tác chẩn đoán điều trị của bệnh viện, hệ thống lập kế hoạch sản xuất của nhà máy, đánh giá rủi ro của văn bản pháp lý, hay ứng phó khẩn cấp trong quản trị đô thị.

Vì vậy, khi chúng ta nói AI đang rời xa thế giới benchmark, không phải là benchmark không còn quan trọng. Ngược lại, benchmark vẫn là bảng điều khiển cần thiết cho tiến bộ công nghệ. Nhưng bảng điều khiển không phải là con đường, điểm số không phải là kết quả, trình diễn không phải là giao hàng. AI rời xa thế giới benchmark, đang đi đến thế giới nào? Câu trả lời là: thế giới thực. Toàn ngành đang bước vào giai đoạn "AI thế giới thực".

Sự chuyển đổi từ "thế giới lý thuyết" sang "thế giới thực"

Ba giai đoạn cũ của "thế giới lý thuyết"

Sự phát triển của AI đợt này đã trải qua ba giai đoạn cũ rõ ràng. Đầu tiên là giai đoạn "tạo nội dung", dạng điển hình là chatbot. Lần đầu tiên AI có giao diện ngôn ngữ tự nhiên, có thể viết, tóm tắt, dịch, đối thoại, giải thích, trở thành công cụ văn bản tổng quát cho lao động nhận thức của con người. Thứ hai là giai đoạn "năng lực suy luận", dạng điển hình là reasoner, tức các mô hình suy luận như GPT o1, DeepSeek R1. AI bắt đầu thể hiện khả năng phân tích, tìm kiếm, lập kế hoạch, chứng minh và tự kiểm tra mạnh mẽ hơn, có thể xử lý các vấn đề có chuỗi dài hơn và độ phức tạp cao hơn. Thứ ba là giai đoạn "năng lực hành động", dạng điển hình là agent. AI không chỉ trả lời câu hỏi, mà còn gọi công cụ, duyệt web, viết mã, vận hành phần mềm, thực hiện các nhiệm vụ nhiều bước.

Ba giai đoạn này rất quan trọng. Sinh ra mang lại ngôn ngữ cho AI, suy luận mang lại suy nghĩ cho AI, tác tử mang lại bàn tay ban đầu cho AI. Sau khi biết tạo ra, suy luận và hành động, điều tiếp theo không phải là thực hiện nhiều hành động hơn trong trình diễn, mà là đảm nhận kết quả trong môi trường thực tế. Thế giới thực sẽ cung cấp môi trường hành động dài hạn cho AI trong tương lai.

Tại sao ba giai đoạn trên được coi là giai đoạn cũ? Bởi vì chúng chủ yếu ở lại trong "thế giới lý thuyết" hoặc "thế giới gần thực". Mô hình đối mặt với các vấn đề đã được trừu tượng hóa, chứ không phải hệ thống kinh tế - xã hội hoàn chỉnh; nó tối ưu hóa phản hồi có thể tính toán, chứ không phải kết quả thực tế đa tác nhân, đa ràng buộc, chu kỳ dài; nó phô diễn khả năng có thể, chứ không phải kết quả công việc được người dùng, tổ chức, chế độ và thị trường cùng chấp nhận.

Giai đoạn mới "thế giới thực"

Chúng tôi đề xuất "AI thế giới thực" (Real-World AI) để phản ánh giai đoạn mới mà AI sắp bước vào. Định nghĩa của AI thế giới thực là: AI có thể học hỏi từ phản hồi thế giới thực, hoàn thành các nhiệm vụ thế giới thực và tạo ra kết quả thực tế. "Thế giới thực" ở đây bao gồm hai lớp ý nghĩa: Thứ nhất, phản hồi huấn luyện đến từ kết quả, người dùng, chế độ, chi phí và rủi ro trong môi trường thực tế, chứ không chỉ từ đáp án chuẩn; thứ hai, nhiệm vụ đến từ quy trình làm việc thực tế, chứ không chỉ từ ngân hàng câu hỏi, hộp cát hoặc trình diễn. Nó không phải là một nhãn mác chung chung, mà là tên gọi theo giai đoạn cho việc AI chuyển từ phô diễn năng lực sang giao hàng sản xuất, từ trí thông minh lý thuyết sang trí thông minh công việc.

Cốt lõi của AI thế giới thực không phải là kết nối AI với nhiều nút bấm hơn, mà là đưa AI vào một vòng khép kín: hiểu nhiệm vụ thực tế, nhận phản hồi thực tế, thực hiện hành động thực tế, điều chỉnh chiến lược của chính nó, và cuối cùng giao kết quả thực tế có thể chấp nhận. Nó yêu cầu năng lực mô hình vượt ra khỏi các lĩnh vực hiện đang tập trung chủ yếu như mã hóa, kỹ thuật phần mềm, toán học, an ninh mạng – các lĩnh vực "học thuật máy tính" – để tiến tới các bối cảnh công việc rộng lớn hơn của con người: tiếp thị, bán hàng, chuỗi cung ứng, sản xuất, tài chính, pháp lý, y tế, giáo dục, nghiên cứu khoa học, quản trị công cộng, cũng như robot và hệ thống tự động hóa trong thế giới vật lý.

Dưới đây là so sánh chính giữa thế giới thực và thế giới lý thuyết:

(Bảng so sánh được giữ nguyên trong bản dịch? Trong văn bản gốc có một bảng nhưng không được hiển thị đầy đủ trong nội dung được cung cấp. Có lẽ bảng đó bị thiếu. Tôi sẽ bỏ qua và tiếp tục.)

Theo nghĩa này, AI thế giới thực không phải là một mô hình, một sản phẩm hay một hướng thuật toán cụ thể, mà là hướng đi mới của toàn ngành. Nó sẽ kết nối hậu huấn luyện, học tăng cường, sử dụng công cụ, hệ thống bộ nhớ, tích hợp quy trình làm việc, phản hồi tổ chức, giám sát con người, cơ chế an toàn và đo lường giá trị kinh tế. Thế giới thực sẽ trở thành trường huấn luyện mới cho AI.

AI thế giới thực sẽ tạo ra trí thông minh thế giới thực (real-world intelligence). Trí thông minh thế giới thực là năng lực mô hình được hình thành sau khi AI nhận phản hồi từ thế giới thực, cũng là năng lực biến mục tiêu thành kết quả dưới các ràng buộc thực tế. Nó không đo lường hiệu suất tức thời của mô hình trên các bài toán tĩnh, mà là khả năng sử dụng liên tục, độ tin cậy và khả năng tạo giá trị của hệ thống AI trong các nhiệm vụ thực tế. Nếu cốt lõi của benchmark intelligence là "liệu có thể nhận được câu trả lời đúng trên một bài toán cho trước", thì cốt lõi của real-world intelligence là "liệu có thể hoàn thành kết quả được chấp nhận trong nhiệm vụ thực tế".

Tại sao nhất định phải từ "thế giới lý thuyết" sang "thế giới thực"?

Sự chuyển đổi này mang tính tất yếu công nghệ và cũng mang tính tất yếu kinh tế. Về mặt công nghệ, mô hình ngôn ngữ lớn đã mang lại năng lực ngôn ngữ cho AI, mô hình suy luận mang lại năng lực suy nghĩ mạnh hơn, và tác tử mang lại năng lực hành động ban đầu. Xét hành vi của con người, sau khi có ngôn ngữ, suy nghĩ và hành động, con người nhất định sẽ bước vào giai đoạn tương tác với thế giới thực. Trí thông minh không phải là năng lực ở lại trong đầu, mà là năng lực hoàn thành mục tiêu trong môi trường. Do đó, bước tiếp theo của AI cũng rất rõ ràng: bước vào thế giới thực.

Về mặt kinh tế, giá trị lớn nhất của cuộc cách mạng AI không thể mãi mãi dừng lại ở hỏi đáp, viết lách và đoạn mã. Sự giải phóng năng suất thực sự đến từ việc mở khóa các nhiệm vụ thực tế: một quy trình dịch vụ khách hàng được tự động hóa từ đầu đến cuối, một báo cáo thẩm định pháp lý được giao ổn định, một chuỗi cung ứng được tối ưu hóa động, một giả thuyết nghiên cứu được xác minh nhanh chóng, một robot phối hợp đáng tin cậy trong kho hàng hoặc gia đình. Chỉ khi AI bước vào quy trình làm việc thực tế, doanh nghiệp mới tính nó vào năng lực tổ chức, xã hội mới tính nó vào năng suất, và con người mới thực sự cảm nhận được quy mô của cuộc cách mạng công nghệ này.

Đây cũng là lý do tại sao "AI thế giới thực" có tính khả thi hơn so với chỉ thảo luận về AGI. AGI hỏi AI có tiếp cận trí thông minh con người hay không, AI thế giới thực hỏi AI có thể hoàn thành các nhiệm vụ thực tế hay không; AGI dễ dẫn dắt cuộc thảo luận đến năng lực vô hạn, AI thế giới thực kéo cuộc thảo luận trở lại phản hồi, kết quả, chi phí và giá trị. Nó không hạ thấp mục tiêu của AI, mà đặt mục tiêu của AI vào nơi cuối cùng nó phải đối mặt: thực tế.

Lộ trình và thuật ngữ

Lộ trình

Về lộ trình, lộ trình năm giai đoạn do OpenAI đề xuất năm 2024 về tổng thể đã nắm bắt hướng tiến hóa từ chatbot đến reasoner đến agent, nhưng nó không mô tả đầy đủ sự chuyển đổi từ thế giới lý thuyết sang thế giới thực. Và hai giai đoạn sau, innovator và organizer, nghiêng về các đặc điểm năng lực mà agent có thể có, chứ không phải các dạng kỹ thuật song song với chatbot, reasoner, agent; tiêu chuẩn không nhất quán. Quan trọng hơn, khi lộ trình này được đề xuất, ngành công nghiệp chưa thực sự bước vào giai đoạn agent, do đó nhận định về những gì sau agent tự nhiên mang tính không chắc chắn.

Tại thời điểm ngành công nghiệp chuyển từ thế giới lý thuyết sang thế giới thực, chúng ta cần một lộ trình có thể hướng dẫn công việc dài hạn hơn. Chúng tôi đề xuất khung năm giai đoạn như sau: Thứ nhất, Foundation AI, giai đoạn mô hình nền tảng, AI có được khả năng biểu diễn tổng quát và nén tri thức; Thứ hai, Generative AI, giai đoạn AI sinh tạo, AI có được khả năng sinh tạo ngôn ngữ tự nhiên và đa phương thức; Thứ ba, Reasoning AI, giai đoạn AI suy luận, AI có được khả năng tìm kiếm, lập kế hoạch, chứng minh và phản ánh mạnh mẽ hơn; Thứ tư, Agentic AI, giai đoạn AI tác tử, AI có được khả năng hành động: gọi công cụ, vận hành phần mềm, thực hiện các bước; Thứ năm, Real-World AI, giai đoạn AI thế giới thực, AI bước vào quy trình làm việc thực tế, học từ phản hồi thực tế và giao kết quả thực tế được con người, tổ chức và chế độ chấp nhận.

Lộ trình này đặt "AI thế giới thực" sau agent. Agent giải quyết vấn đề "AI có thể hành động hay không", Real-World AI giải quyết vấn đề "sau khi AI hành động, liệu có tạo ra hậu quả có thể chấp nhận hay không". Agent là giao diện, thế giới thực là vòng khép kín; Agent là bàn tay, AI thế giới thực là năng lực làm việc được tổ chức; Agent cho AI vào quy trình, AI thế giới thực cho AI được quy trình chấp nhận, được tổ chức tin tưởng, được kinh tế đo lường.

Xa hơn nữa, ngành có thể bước vào một giai đoạn lớn hơn: AI trở thành lớp vận hành của kinh tế và xã hội, tức "lớp kỹ thuật số" mà chúng tôi đã đề cập nhiều lần trước đây. Khi đó, AI không chỉ hoàn thành từng nhiệm vụ riêng lẻ, mà còn tham gia hỗ trợ quyết định, điều phối tổ chức, phân bổ nguồn lực, khám phá khoa học, vận hành đô thị và thao tác thế giới vật lý. Nhưng tương lai này có đến được hay không phụ thuộc vào việc hôm nay có vượt qua được cửa ải AI thế giới thực hay không. Không có phản hồi thực tế, không có trí thông minh thực tế; không có kết quả thực tế, không có năng suất thực tế.

Thuật ngữ

Trước đây, chúng ta đã có rất nhiều thuật ngữ mô tả sự phát triển AI đợt này: AGI, ASI, Generative AI, Agentic AI, Embodied AI, Physical AI, v.v. (World Model không phải là mô tả đặc điểm phát triển AI, mà là mô tả một hướng mô hình). Về tổng thể, các thuật ngữ này hầu hết xuất phát từ góc độ thuật toán, năng lực hoặc phương tiện, có thể gọi là "mô tả từ góc nhìn thuật toán". Chúng rất quan trọng, nhưng cũng dễ đưa cuộc thảo luận trong ngành vào các tranh luận trừu tượng như "mô hình có đủ thông minh không", "trí thông minh có vô hạn không", "khi nào vượt qua con người".

Một cái tên tốt nên có một cảm giác định hướng: nó không chỉ mô tả công nghệ là gì, mà còn nhắc nhở chúng ta cuối cùng sẽ đi đâu, và đang ở vị trí nào hiện tại. "AI thế giới thực" có cảm giác định hướng này. Nó không phủ nhận AGI, Physical AI hay Embodied AI, mà thay đổi cách đặt câu hỏi: không chỉ hỏi AI là gì về mặt kỹ thuật, mà hỏi AI có thể làm gì trong kinh tế và xã hội; không chỉ hỏi AI có tiếp cận trí thông minh con người hay không, mà hỏi AI có thể hoàn thành ổn định các nhiệm vụ thực tế, tạo ra giá trị thực tế và chịu hậu quả thực tế hay không.

"AI thế giới thực" cũng thống nhất thế giới kỹ thuật số và thế giới vật lý. Trong thế giới kỹ thuật số, AI thế giới thực có nghĩa là AI bước vào phần mềm doanh nghiệp, công việc tri thức, quy trình giao dịch, quy trình R&D, quy trình quản trị; trong thế giới vật lý, AI thế giới thực có nghĩa là robot, xe tự lái, sản xuất thông minh, dịch vụ gia đình và cơ sở hạ tầng đô thị học hỏi từ môi trường thực tế. Dù phương tiện là trình duyệt, API, phần mềm văn phòng, cánh tay robot, xe cộ hay robot hình người, câu hỏi cốt lõi đều giống nhau: liệu AI có thể hình thành vòng khép kín trong môi trường thực tế, hoàn thành nhiệm vụ và được thực tế chấp nhận hay không.

Vì vậy, chúng tôi giới thiệu đến toàn ngành thuật ngữ "AI thế giới thực / Real-World AI". Nó có thể kéo các nhà nghiên cứu, nhà khởi nghiệp, nhà đầu tư, người dùng doanh nghiệp và nhà hoạch định chính sách lên cùng một bản đồ: từ benchmark intelligence đến real-world intelligence; từ giai đoạn phô diễn năng lực đến giai đoạn mở khóa nhiệm vụ; từ cuộc đua mô hình đến cuộc đua năng suất; từ "AI trông có vẻ làm được" đến "AI thực sự làm được".

AI thế giới thực không phải là điểm kết thúc, mà là lối vào. Nó nhắc nhở chúng ta: công việc AI quan trọng nhất trong vài năm tới không chỉ là tạo ra các mô hình lớn hơn, ngữ cảnh dài hơn, trình diễn đẹp hơn, mà là biến thực tế thành vòng lặp huấn luyện, biến phản hồi thành năng lực, biến nhiệm vụ thành giá trị, biến AI thành lực lượng sản xuất thực sự có thể sử dụng trong xã hội loài người.

Để giai đoạn này thực sự đến, ngành cần hình thành một sự đồng thuận mới. Huấn luyện mô hình cần coi phản hồi từ quy trình làm việc thực tế là nguồn lực cốt lõi của hậu huấn luyện, chứ không chỉ chạy theo các bảng xếp hạng hiện có; ứng dụng AI cần đẩy sản phẩm từ hình thái trợ lý sang hình thái giao nhiệm vụ, chứ không chỉ nhúng cửa sổ trò chuyện AI vào phần mềm; người dùng doanh nghiệp cần đẩy đánh giá AI từ "có tốt để dùng không" sang "có thể hoàn thành ổn định các nhiệm vụ chính hay không"; nhà đầu tư cần đo lường lại tốc độ mở khóa nhiệm vụ, độ sâu vòng phản hồi và sản lượng trên một đơn vị chi phí, ngoài các tham số mô hình và hiệu ứng trình diễn; các nhà hoạch định chính sách cần thiết lập khuôn khổ về dữ liệu, trách nhiệm, an toàn và kiểm toán, để việc áp dụng trong thế giới thực có thể mở rộng trong lòng tin.

Đây là ý nghĩa của "AI thế giới thực" như một thuật ngữ. Nó tập trung một ngành công nghiệp phân tán thành một hướng chung: đưa AI rời khỏi sân khấu trình diễn, vào hiện trường sản xuất; rời khỏi ngân hàng câu hỏi, vào tổ chức; rời khỏi câu trả lời một lần, vào phản hồi liên tục; rời khỏi trí thông minh trừu tượng, vào giá trị thực tế. We are at AI's reality moment. Biên giới tiếp theo của AI không phải là một benchmark khác, biên giới tiếp theo là thế giới thực.

Thế giới thực sẽ trở thành trường huấn luyện mới cho AI.

Reality is becoming the next training loop for AI.