Trí tuệ nhân tạo và não bộ: Tương đồng về quy mô, khác biệt về thiết kế

Trong thập niên gần đây, Trí tuệ nhân tạo (AI) đã có bước tiến nhanh chóng. Tuy nhiên, những mô hình ngôn ngữ lớn (LLMs) như ChatGPT, Gemini và Claude từng chỉ là những công nghệ tò mò có thể bị đánh lừa hoặc làm cho mâu thuẫn với chính chúng. Ngày nay, chúng hoạt động đa năng hơn, có khả năng viết phần mềm, trợ giúp nghiên cứu khoa học, khai thác thông tin từ lượng lớn tài liệu, và cung cấp hướng dẫn có cấu trúc trong nhiều lĩnh vực.

Các hệ thống AI đa phương thức hiện không chỉ xử lý văn bản mà còn có thể hiểu hình ảnh, phân tích âm thanh, tạo video và kết hợp các luồng dữ liệu này một cách liền mạch. Những năng lực như ngôn ngữ, suy luận và sáng tạo vốn được gán cho con người hiện đã xuất hiện, ít nhất về mặt bề ngoài, trong các cỗ máy.

Ý tưởng cốt lõi của các mạng thần kinh nhân tạo không phải là điều mới. Năm 1943, Warren McCulloch và Walter Pitts đã đề xuất mô hình toán học đơn giản cho một neuron, trong đó đầu vào được nhân với trọng số, tổng hợp và áp dụng hàm phi tuyến tính để sản sinh đầu ra. Qua nhiều năm, với định lý xấp xỉ phổ quát, người ta hiểu rằng mạng lưới nhiều đơn vị đơn giản này có thể mô phỏng hầu hết các hàm số phức tạp.

Tuy nhiên, giới hạn chính là phần cứng và dữ liệu. Trong gần 15 năm qua, sự đột phá đến từ việc có được sức mạnh tính toán lớn nhờ GPU vốn được phát triển cho trò chơi điện tử, giúp huấn luyện các mạng với hàng triệu đến hàng tỷ tham số. Các kiến trúc mới như mạng neuron tích chập (CNN) chuyên về nhận dạng hình ảnh, mạng neuron hồi tiếp (RNN) xử lý chuỗi, và đặc biệt là kiến trúc transformer đã tạo bước ngoặt với cơ chế chú ý (attention) để tập trung vào những phần quan trọng của đầu vào.