Chuỗi Nguyên Nhân AI Giải Thích Như Bạn Năm Tuổi: Từ Radar Thời Chiến Tranh Lạnh Đến Robot và Nền Kinh Tế
AI không bắt đầu với ChatGPT. Bản đồ nghiên cứu Pattern Nexus đầy đủ nguồn này theo dõi bài báo về nơ-ron nhân tạo năm 1943, máy tính radar thời Chiến tranh Lạnh, hệ thống internet dự đoán, mô hình t…
Share
Các bạn, hãy lắng nghe. Trí tuệ nhân tạo không đột ngột xuất hiện khi ChatGPT mở cửa sổ trò chuyện. Nghiên cứu đã có từ nhiều thế hệ trước. Máy tính đã xử lý tín hiệu radar và hỗ trợ quyết định quân sự trong thời kỳ Chiến tranh Lạnh. Các hệ thống dự đoán đã định hình những gì bạn tìm kiếm, xem và mua từ lâu trước khi mọi người bắt đầu gọi mọi thứ là “AI.” Chatbot đã làm cho công nghệ trở nên rõ ràng. Nó không tạo ra lĩnh vực cơ bản.
- Năm 1943 là một nền tảng, không phải là một sản phẩm ra mắt. McCulloch và Pitts đã mô tả một mô hình toán học của các nơ-ron nhân tạo. AI không đến như một phát minh hoàn chỉnh.
- Chiến tranh Lạnh đã xây dựng lớp hệ thống điều khiển. SAGE đã kết nối radar, tính toán, hiển thị và con người vào hỗ trợ quyết định phòng không theo thời gian thực. Nó không phải là một mạng nơ-ron tự học hiện đại.
- Internet đã làm cho dự đoán trở nên bình thường. Các gợi ý tìm kiếm, động cơ gợi ý, bộ lọc, dịch thuật và phát hiện gian lận đã đưa các thuật toán ngày càng tinh vi vào cuộc sống hàng ngày.
- Chatbot là giao diện. Một mô hình tạo ra phản hồi; các công cụ bổ sung, hướng dẫn, hệ thống truy xuất và phần mềm biến một mô hình hội thoại thành một quy trình làm việc hoặc đại lý.
- Thế hệ trở nên có ý nghĩa kinh tế khi nó trở thành hành động. Một câu trả lời là một chuyện. Một hệ thống được ủy quyền có thể tìm kiếm, lập kế hoạch, vận hành phần mềm, theo dõi kết quả và lặp lại là một chuyện khác.
- Robot học AI vào lao động thể chất. Cảm biến, động cơ, điều khiển và các mô hình đã được đào tạo kết nối thế giới kỹ thuật số với kho, nhà máy, công trường xây dựng và, cuối cùng, nhiều ngôi nhà hơn.
- Sự thay thế công việc bắt đầu ở cấp độ nhiệm vụ. Một robot không cần phải thành thạo mọi phần của một nghề để giảm lượng lao động mà một doanh nghiệp mua.
- Liên kết cuối cùng là kinh tế. Khi quyền sở hữu máy móc sản xuất trở nên quan trọng hơn và tiền lương trở nên ít trung tâm hơn đối với sản xuất, các câu hỏi trở thành thu nhập, sức mua, năng lượng, tín dụng và phân phối.
Đó là toàn bộ điểm của việc theo dõi một chuỗi nguyên nhân: đừng nhìn chằm chằm vào video robot, câu trả lời chatbot hoặc tiêu chuẩn mô hình của tháng này. Hãy theo dõi những gì mỗi lớp cho phép tiếp theo, chi phí để xây dựng nó và phần nào của nền kinh tế thay đổi khi nó hoạt động.
- Ý tôi về chuỗi nguyên nhân
- Những năm 1940: ý tưởng về các nơ-ron nhân tạo
- Radar Chiến tranh Lạnh và tính toán theo thời gian thực
- Bạn đã sử dụng AI trước khi biết tên của nó
- Nghiên cứu đã làm cho các mô hình hiện đại trở nên khả thi
- Một chatbot không phải là tất cả AI
- Mô hình, công cụ, đại lý và đội nhóm
- Dự đoán, thế hệ và hành động
- Đưa hệ thống vào một cơ thể
- Những gì robot thực sự học
- Nơi ngành công nghiệp thực sự đứng vào năm 2026
- Tại sao các nghề không tự động an toàn
- Cách một nhiệm vụ trở thành cú sốc thị trường lao động
- Tại sao sự tiện lợi thúc đẩy việc áp dụng
- Vòng phản hồi phát triển AI
- Cơ sở hạ tầng vật lý và tài chính
- Vấn đề tiền lương, sở hữu và nhu cầu
- Chuỗi an toàn và trách nhiệm bị bỏ qua
- Bằng chứng mà tôi đang theo dõi
- Nghiên cứu Pattern Nexus trước đây của tôi
- Câu hỏi thường gặp
- Nguồn
AI không bắt đầu với một chatbot. Giao diện công cộng đã thay đổi. Nghiên cứu cơ bản đã có từ hàng thập kỷ trước.
Tự động hóa và học hỏi là khác nhau. Một máy tính radar cũ có thể tự động hóa các phép tính mà không cần là một mô hình học máy hiện đại.
Một nhiệm vụ hữu ích là đủ để có ý nghĩa. Ngưỡng kinh tế không phải là “robot làm mọi công việc.” Mà là “robot thay đổi chi phí và nhân sự của đủ nhiệm vụ.”
Đừng nhầm lẫn một buổi trình diễn với một lực lượng lao động. Doanh số, thí điểm, triển khai sản xuất, thời gian hoạt động và chi phí mỗi giờ hữu ích là những phép đo khác nhau.
01 · KHUNG CẢNH
Ý tôi là gì khi tôi bảo bạn theo dõi chuỗi nguyên nhân
Đây là cách đơn giản nhất mà tôi có thể giải thích. Một chuỗi nguyên nhân là những gì xảy ra khi một phát triển làm cho một phát triển khác trở nên khả thi, rẻ hơn hoặc hấp dẫn hơn. Một máy tính tốt hơn cho phép một mô hình lớn hơn. Một mô hình tốt hơn làm cho tự động hóa phần mềm trở nên hữu ích hơn. Tự động hóa hữu ích tạo ra nhu cầu cho nhiều máy tính hơn. Nhận thức và lập kế hoạch tốt hơn cải thiện robot. Robot làm cho nhiều loại công việc có thể tự động hóa. Sự thay đổi trong công việc dẫn đến thay đổi đầu tư, việc làm, thu nhập và, cuối cùng, nền kinh tế.
Đó không phải là tuyên bố rằng mọi phát minh đều theo một kế hoạch bí mật. Đó không phải là tuyên bố rằng mọi công nghệ đều mới, rằng mọi công ty sẽ thành công, hoặc rằng tiến bộ theo một đường cong mượt mà hoàn hảo. Nó có nghĩa là những điều mà mọi người khăng khăng tranh luận riêng biệt là những phần tương tác của một hệ thống.
Đọc điều này như một chuỗi: ý tưởng toán học → tính toán thời gian thực → dữ liệu số → học máy → mô hình sinh tạo quy mô lớn → công cụ và tác nhân → nhận thức và điều khiển robot → tự động hóa hữu ích → lao động được tổ chức lại → thu nhập và sở hữu thay đổi → phản ứng kinh tế vĩ mô.
Nếu bạn chỉ nhìn vào liên kết cuối cùng, bạn sẽ nghĩ rằng AI xuất hiện từ hư không. Nếu bạn đi qua chuỗi, nhiều điều trông đột ngột trở nên dễ hiểu.
02 · CÁC NỀN TẢNG
Những năm 1940: Chúng tôi đã mô hình hóa nơ-ron nhân tạo trước khi ông bà bạn có máy tính tại nhà
Vào năm 1943, Warren McCulloch và Walter Pitts đã xuất bản A Logical Calculus of the Ideas Immanent in Nervous Activity. Họ đã chỉ ra cách các nơ-ron nhân tạo đơn giản có thể được đại diện bằng các quy tắc logic và tổ chức thành các mạng. Đây là một tổ tiên khái niệm quan trọng của nghiên cứu mạng nơ-ron, không phải là phát minh của mọi hình thức AI sau này và chắc chắn không phải là một phiên bản hoạt động của ChatGPT.[1]
Hãy tưởng tượng vẽ một nơ-ron nhân tạo rất đơn giản trên giấy. Nó nhận tín hiệu. Tùy thuộc vào các tín hiệu kết hợp, nó bật lên hoặc tắt đi. Bây giờ kết nối nhiều đơn vị đó lại với nhau. Câu hỏi trở thành liệu hành vi phức tạp có thể xuất hiện từ các tập hợp của các hoạt động tương đối đơn giản hay không. Bài báo năm 1943 đã giúp biến điều đó thành một vấn đề toán học thay vì chỉ là một lập luận triết học.
Lĩnh vực này sau đó được đặt tên. Đề xuất năm 1955 cho Dự án Nghiên cứu Mùa hè Dartmouth năm 1956 về Trí tuệ Nhân tạo đã hỏi rõ ràng liệu các khía cạnh của việc học và trí thông minh có thể được mô tả đủ chính xác để máy móc có thể mô phỏng chúng hay không. Ngôn ngữ, trừu tượng, giải quyết vấn đề và cải tiến đã có trong chương trình nghị sự trước khi hầu hết các gia đình có điều khiển từ xa cho tivi, chứ chưa nói đến điện thoại thông minh.[2]
Giải thích như thể bạn năm tuổi: Đầu tiên chúng tôi đã tìm ra cách mô tả những mảnh nhỏ của trí thông minh bằng toán học. Chỉ sau đó chúng tôi mới xây dựng đủ máy móc, dữ liệu và phương pháp đào tạo để làm cho các phiên bản cực kỳ phức tạp trở nên hữu ích.
03 · LỚP TÍNH TOÁN QUÂN SỰ
Các radar trong Chiến tranh Lạnh đã là một phần của hệ thống quyết định hỗ trợ máy móc
Phần tiếp theo không phải là một ứng dụng. Đó là phòng không. Trong những năm đầu của Chiến tranh Lạnh, Hoa Kỳ cần phát hiện máy bay đến, kết hợp các quan sát radar từ nhiều địa điểm, hiểu máy bay đang đi đâu và phối hợp phản ứng trước khi quá muộn. Con người với bút chì và cuộc gọi điện thoại không đủ nhanh cho vấn đề mà quân đội muốn giải quyết.
Dự án Whirlwind của MIT, Phòng thí nghiệm Lincoln và IBM đã đóng góp cho SAGE: Môi trường Đất bán tự động. Hệ thống này liên kết các trạm radar, thông tin liên lạc, máy tính số lớn, màn hình và người điều hành. Cài đặt AN/FSQ-7 đầu tiên đã hoạt động vào năm 1958. Một tín hiệu radar trở thành thông tin số; thông tin số trở thành một đường theo dõi; đường theo dõi trở thành một bức tranh không khí; bức tranh không khí thông báo một phản ứng.[3][4]
Hãy để tôi nói rõ, vì các sự phân biệt là quan trọng. SAGE không phải là một mô hình ngôn ngữ lớn sớm, và một phép tính theo dõi radar không tự động là học máy. Phần lớn hệ thống được lập trình rõ ràng là tính toán thời gian thực và điều khiển có con người tham gia. Mối liên hệ với AI ngày nay là kiến trúc: thu thập tín hiệu, xây dựng một mô hình của một thế giới đang thay đổi, dự đoán hoặc đánh giá những gì tiếp theo, và giúp mọi người hành động.
Kiến trúc đó đã di cư vào tính toán dân sự: hệ thống mạng, màn hình tương tác, kỹ thuật độ tin cậy, giao tiếp giữa các máy và phần mềm thời gian thực. Chiến tranh Lạnh không bí mật phát minh ra mọi mô hình AI hiện đại. Nó đã giúp chi trả và tăng tốc một số cơ sở hạ tầng tính toán và các ngành kỹ thuật mà các công nghệ sau này phụ thuộc vào.
Và vâng, các chương trình bí mật đã tồn tại. Những khả năng không được công bố của chúng không phải là sự thay thế cho bằng chứng. Chuỗi tài liệu công khai đã đủ quan trọng mà không cần giả vờ biết những gì vẫn còn ẩn giấu.
04 · INTERNET HÀNG NGÀY
Bạn Đã Sử Dụng Các Hệ Thống Dự Đoán Trong Khi Tưởng Tượng AI Là Kẻ Hủy Diệt
Nhảy tới internet mà hầu hết chúng ta thực sự nhớ. Bạn gõ vào một thanh tìm kiếm và các gợi ý xuất hiện. Một trang web gợi ý một sản phẩm khác. Bộ lọc email loại bỏ spam. Một ngân hàng đánh dấu một giao dịch thẻ không bình thường. Một chiếc điện thoại đoán từ tiếp theo. Netflix gợi ý một cái gì đó để xem. Một số hệ thống này sử dụng các mô hình thống kê hoặc học máy đã được đào tạo; những cái khác dựa nhiều hơn vào các quy tắc hoặc phương pháp xếp hạng. Chúng không phải là một công nghệ giống hệt nhau, và không phải mọi trình kiểm tra chính tả đều là “AI.” Nhưng chúng đã làm cho dự đoán máy móc trở nên bình thường.
Google đã ra mắt Google Suggest vào tháng 12 năm 2004, cung cấp các gợi ý tìm kiếm trong khi một người vẫn đang gõ. Google sau đó đã đổi tên tính năng này thành Tự động hoàn thành. Đây là một ví dụ quan sát được về việc dự đoán trở thành một giao diện người tiêu dùng bình thường gần hai thập kỷ trước khi bùng nổ AI hội thoại.[5]
Dưới đây là sự phân biệt dễ dàng. Một hệ thống đánh vần cũ có thể tham khảo một từ điển và một danh sách các quy tắc sửa lỗi. Một hệ thống dự đoán tiên tiến hơn có thể sử dụng thống kê về các tìm kiếm trước đó, ngôn ngữ hoặc hành vi người dùng để xếp hạng các khả năng có thể xảy ra. Một mô hình ngôn ngữ hiện đại học được các mối quan hệ phong phú hơn và có thể tạo ra các phản hồi trong một tập hợp bối cảnh rộng hơn. Tất cả ba đều có thể hữu ích. Chúng không phải đều có cùng một độ tinh vi.
Trong khi đó, internet đã sản xuất nhiều tài liệu kỹ thuật số hơn để đào tạo và đánh giá các mô hình. Nhiều người dùng tạo ra nhiều văn bản, hình ảnh, giao dịch, vị trí, tương tác và phản hồi hơn. Các chip và mạng tốt hơn đã làm cho việc xử lý tất cả các tài liệu đó trở nên rẻ hơn. Các công ty có động lực tài chính để cải thiện dự đoán vì dự đoán tốt hơn có thể cải thiện tìm kiếm, quảng cáo, gợi ý, logistics, an ninh và giữ chân khách hàng.
Vì vậy, trong khi mọi người đang chờ đợi một bộ xương kim loại bước qua cửa, các hệ thống học máy đã ảnh hưởng đến các quyết định hàng ngày từ phía sau một màn hình bình thường. Chatbot không bắt đầu quá trình đó. Nó làm cho đầu ra của máy nói lại với bạn.
Tôi đã ghi lại sự chuyển đổi rộng hơn đó trong Internet Đã Hoang Dã: Từ AOL Đến AI, Cách 25 Năm Xây Dựng Lớp Kiểm Soát Kỹ Thuật Số.
05 · QUY MÔ VÀ KIẾN TRÚC MÔ HÌNH
Đột Phá Không Phải Là Một Tờ Giấy Ma Thuật. Đó Là Nhiều Thứ Cuối Cùng Hoạt Động Cùng Nhau.
Vào những năm 2010, nghiên cứu mạng nơ-ron đã được hưởng lợi từ các GPU nhanh hơn, kỹ thuật đào tạo tốt hơn, tập dữ liệu lớn và các khung phần mềm giúp các thí nghiệm dễ lặp lại hơn. Các hệ thống học sâu ngày càng có khả năng nhận diện hình ảnh, giọng nói, dịch thuật và các nhiệm vụ hẹp khác. Không phải mọi cải tiến đều là một mạng nơ-ron, nhưng hệ sinh thái máy tính tổng thể đang trở nên mạnh mẽ hơn nhiều.
Bài báo năm 2017 Attention Is All You Need đã giới thiệu kiến trúc transformer. Các cơ chế chú ý của nó đã cung cấp cho các nhà nghiên cứu một cách khác để xử lý các mối quan hệ qua các chuỗi trong khi cho phép đào tạo song song hiệu quả. Transformers đã trở thành một khối xây dựng trung tâm cho nhiều mô hình ngôn ngữ sau này. Bài báo đó rất quan trọng. Nó vẫn không đến một cách độc lập: nó phụ thuộc vào toán học, silicon, dữ liệu, phương pháp đào tạo và hàng thập kỷ nghiên cứu xử lý ngôn ngữ trước đó.[6]
Bây giờ hãy nghĩ về những gì xảy ra khi bạn làm cho một mô hình đã được đào tạo lớn hơn, cải thiện việc đào tạo và cung cấp cho nó những cách tốt hơn để sử dụng ngữ cảnh. Nó có thể học các mối quan hệ thống kê hữu ích giữa các từ, mã, hình ảnh và các tài liệu khác trên các tập dữ liệu khổng lồ. Việc đào tạo không biến một mô hình thành một bách khoa toàn thư không thể sai. Nó thay đổi các tham số nội bộ của mô hình để nó có thể tạo ra các đầu ra mới để phản hồi các đầu vào.
Giải thích như bạn đang năm tuổi: Chúng tôi đã dành hàng thập kỷ để cải thiện công thức, thu thập nguyên liệu và xây dựng một nhà bếp lớn hơn nhiều. Công chúng đã nhận thấy khi bữa ăn cuối cùng được phục vụ trong một cửa sổ trò chuyện.
06 · CỬA SỔ VÀ MÁY
Một Chatbot Là Cách Bạn Nói Chuyện Với Mô Hình. Nó Không Phải Là Toàn Bộ Máy.
Đây là một trong những sự phân biệt cơ bản mà mọi người vẫn thường bỏ lỡ. Một chatbot là một lớp tương tác. Một mô hình ngôn ngữ là hệ thống đã được đào tạo cơ bản xử lý đầu vào và tạo ra đầu ra. Sản phẩm hoàn chỉnh cũng có thể bao gồm tìm kiếm, truy xuất, kiểm soát an toàn, tính năng bộ nhớ, hệ thống tệp, công cụ phần mềm và các mô hình khác.
Các mô hình ngôn ngữ xử lý văn bản bằng cách sử dụng các đơn vị gọi là tokens. Một token không phải lúc nào cũng là một từ hoàn chỉnh; nó có thể đại diện cho một phần của một từ, dấu câu hoặc một đoạn khác. Một mô hình ngôn ngữ ước lượng các token đầu ra nào phù hợp với ngữ cảnh và tạo ra một phản hồi. Nó có thể thực hiện các biến đổi phức tạp, công việc giống như lý luận và các quy trình đã học trong quá trình tạo ra các token đó, nhưng một câu trả lời trôi chảy không phải là bằng chứng cho thấy câu trả lời đó là đúng.
Hãy nghĩ về chatbot như một quầy dịch vụ. Bạn đặt một câu hỏi tại quầy. Phía sau có thể là một thư viện, công cụ chuyên môn, hồ sơ, một máy tính, những nhân viên khác và một hệ thống để quyết định điều gì sẽ xảy ra tiếp theo. Nếu bạn đánh giá toàn bộ hoạt động chỉ bằng quầy dịch vụ, bạn sẽ bỏ lỡ cơ chế phía sau nó.
AI cũng bao gồm các hệ thống không phải là chatbot: thị giác máy, dự đoán cấu trúc protein, phát hiện gian lận, nhận diện giọng nói, hệ thống điều khiển, hệ thống gợi ý và robot. Một mô hình hội thoại đa năng chỉ là một loại trong một lĩnh vực lớn hơn.
07 · LỚP QUY TRÌNH LÀM VIỆC
Bây giờ hãy cung cấp cho mô hình công cụ, hướng dẫn, bộ nhớ và các mô hình khác
Bây giờ chúng ta sẽ vượt qua việc đặt một câu hỏi và đọc một câu trả lời. Hãy cho một mô hình quyền tìm kiếm tài liệu. Để nó chạy một máy tính. Kết nối nó với một môi trường lập trình. Cung cấp một mục tiêu và một loạt các ràng buộc. Yêu cầu nó kiểm tra một kết quả và sửa đổi công việc của nó. Bạn đã chuyển từ một phản hồi đơn lẻ sang một quy trình làm việc.
Một đại lý là một hệ thống có thể chọn và thực hiện các hành động hướng tới một mục tiêu, thường thông qua một tương tác giữa một mô hình, phần mềm, công cụ và phản hồi. Nó có thể lập kế hoạch các bước, gọi một công cụ bên ngoài, đánh giá những gì đã xảy ra và quyết định điều gì sẽ làm tiếp theo. Mức độ tự chủ phụ thuộc vào quyền hạn, thiết kế và giám sát của nó; không phải mọi chatbot sử dụng công cụ đều hoàn toàn tự động.
Bây giờ hãy sử dụng các hệ thống khác nhau cho các chức năng khác nhau. Một mô hình ngôn ngữ xử lý các hướng dẫn; một mô hình thị giác diễn giải một bức ảnh; một cơ sở dữ liệu trả lời một truy vấn thực tế; một nhà lập kế hoạch chuyên biệt tổ chức các bước; một bài kiểm tra phần mềm xác minh mã. Một số nhóm sử dụng nhiều bản sao của cùng một mô hình với các vai trò khác nhau. Những người khác kết hợp các mô hình thực sự khác biệt. Điều đó có thể giống như một đội, nhưng nhiều đại lý không tự động có nghĩa là công việc tốt hơn. Họ cũng có thể lặp lại cùng một lỗi, phát sinh chi phí thêm hoặc đồng ý một cách tự tin về một giả định sai lầm.
Đây là nơi mà Bài tập Pattern: Sụp đổ quy trình AI trong 11 phút của tôi tham gia vào chuỗi. Câu chuyện không phải là một clip âm nhạc. Nó là cách mà một ý tưởng di chuyển nhanh chóng qua nhiều giai đoạn phần mềm đến một kết quả hoàn chỉnh, và cách mà nút thắt còn lại chuyển sang xác minh, ngữ cảnh và giao tiếp.
Một câu để nhớ: một mô hình cung cấp một khả năng; hệ thống xung quanh xác định khả năng đó được phép làm gì.
08 · TỪ ĐẦU RA ĐẾN HÀNH ĐỘNG
AI Dự đoán, AI Tạo sinh và AI Thực hiện Hành động Có Liên Quan, Không Thay Thế Cho Nhau
| Lớp | Giải thích cho trẻ năm tuổi | Ví dụ thực tế |
|---|---|---|
| Dự đoán | “Điều gì có thể xảy ra hoặc phù hợp ở đây?” | Đề xuất một tìm kiếm, đánh dấu một giao dịch, dự đoán nhu cầu. |
| Phân loại | “Tôi đang nhìn vào loại gì?” | Xác định một khiếm khuyết, khuôn mặt hoặc email đáng ngờ. |
| Tạo sinh | “Tạo một phiên bản mới của một cái gì đó.” | Sản xuất văn bản, mã phần mềm, hình ảnh, âm thanh hoặc một thiết kế. |
| Hành động đại lý | “Sử dụng các công cụ được phép để làm việc hướng tới một mục tiêu.” | Nghiên cứu, chỉnh sửa một tệp, kiểm tra mã hoặc thực hiện một quy trình làm việc. |
| Kiểm soát vật lý | “Di chuyển một máy thực tế trong thế giới.” | Nắm một bộ phận, điều hướng một căn phòng, kiểm tra một địa điểm hoặc vận hành thiết bị. |
AI tạo sinh mở rộng phạm vi đầu ra mà một hệ thống có thể sản xuất. Nhưng tôi muốn tinh chỉnh một điều từ phiên bản đơn giản hóa của lập luận này: AI tạo sinh không tự động là loại nguy hiểm, và không phải mọi robot đều chứa một chatbot. Nguy hiểm vật lý xảy ra khi nhận thức, lập kế hoạch và hành động được kết hợp với các động cơ thực tế hoặc các công cụ có hậu quả khác mà không đủ độ tin cậy hoặc giám sát. Một máy công nghiệp tự động thông thường cũng có thể nguy hiểm. Một mô hình tạo văn bản không thể ảnh hưởng đến thế giới có một hồ sơ rủi ro khác với một hệ thống điều khiển thiết bị nặng.
Ngưỡng quan trọng là quyền hạn và hậu quả. Hệ thống có chỉ có thể tư vấn cho bạn không? Nó có thể chỉnh sửa một tệp không? Nó có thể chi tiền không? Nó có thể phát lệnh cho thiết bị không? Nó có thể ảnh hưởng đến sức khỏe, sinh kế hoặc an toàn thể chất của người khác không? Mỗi khả năng bổ sung tạo ra một lớp trách nhiệm bổ sung.
09 · AI CÓ THÂN THỂ
Bây giờ hãy đặt hệ thống vào một cơ thể
Một robot hình người không chỉ là một mô hình ngôn ngữ được gắn vào một cặp chân. Nó là một sự kết hợp kỹ thuật của các camera, cảm biến độ sâu, cảm biến lực và mô-men xoắn, bộ truyền động, kiểm soát cân bằng, hệ thống năng lượng, hệ thống an toàn, phần mềm lập kế hoạch và các mô hình đã học. Một số chức năng chạy qua các bộ điều khiển nhanh, thông thường. Những chức năng khác có thể được thông báo bởi các mô hình lớn đã học kết nối những gì robot nhìn thấy và nghe với hành động dự định.
Một cụm từ hữu ích ở đây là vision-language-action, hay VLA. Thay vì chỉ đọc một câu và viết một câu khác, một mô hình theo phong cách VLA có thể liên kết một cảnh hình ảnh và một hướng dẫn với các hành động mà một robot có thể thực hiện. Công việc robotics của Google DeepMind, bao gồm bản phát hành Robotics 1.5 vào tháng 9 năm 2025 và bản cập nhật Robotics 2 vào tháng 7 năm 2026, công khai tài liệu những nỗ lực kết hợp nhận thức, lập kế hoạch, lệnh động cơ và hành vi toàn thân. Đây là những cột mốc nghiên cứu và phát triển sản phẩm, không phải là bằng chứng cho thấy mọi nhiệm vụ gia đình được quảng cáo đều hoạt động đáng tin cậy trong mọi ngôi nhà.[7][8]
Hãy tưởng tượng một robot bên cạnh một máy giặt. Nó cần xác định vị trí quần áo, phân biệt vải với cửa, mở máy, nắm một vật linh hoạt, tránh bị kẹt ngón tay, di chuyển mà không bị ngã và biết liệu nó có thành công hay không. Chỉ có ngôn ngữ thì không đủ. Hệ thống điều khiển của nó phải liên tục hòa giải ý định với phản hồi cảm giác từ thế giới thực.
Đó là sự khác biệt giữa việc viết một danh sách hướng dẫn để giặt đồ và thực sự giặt đồ. Khi AI bắt đầu thu hẹp khoảng cách đó, công nghệ sẽ thay đổi các danh mục về mặt kinh tế. Nó không còn chỉ bán thông tin hoặc đầu ra phần mềm. Nó cũng có thể cung cấp lao động.
10 · CÁC KỸ NĂNG TÍCH LŨY
Robot Đến Với Một Cơ Thể. Điều Đó Không Có Nghĩa Là Nó Đến Với Kiến Thức Sử Dụng Nó.
Con người dành nhiều năm để phát triển sự phối hợp động cơ trong khi cơ thể chúng ta lớn lên và thay đổi. Một robot được chế tạo đến với hình dạng cơ khí đã được lắp ráp, và nó cũng có thể đến với khả năng nhận thức và di chuyển đã được đào tạo trước. Đó là một lợi thế thực sự trong việc tiêu chuẩn hóa. Nhưng tay, sự cân bằng, bộ điều khiển và hành vi đã học của nó không hoàn hảo một cách kỳ diệu ngay từ ngày đầu tiên.
Các hệ thống robot có thể được cải thiện thông qua các buổi trình diễn của con người, điều khiển từ xa, mô phỏng, học tăng cường, dữ liệu nhiệm vụ được chọn lọc và kinh nghiệm thực địa được đánh giá cẩn thận. Sự lặp lại là quan trọng, nhưng chỉ lặp lại không phải là học. Thực hiện một nhiệm vụ nhiều lần trong khi các tham số của mô hình triển khai vẫn cố định không nhất thiết làm cho mô hình thông minh hơn. Các kỹ sư có thể thu thập dữ liệu, đào tạo một mô hình mới và phát hành một bản cập nhật, hoặc một hệ thống có thể sử dụng thích ứng trực tuyến được thiết kế rõ ràng. Đó là những cơ chế khác nhau.
Bây giờ hãy xem điều gì xảy ra khi một cải tiến hữu ích có thể được phân phối cho nhiều robot tương tự. Một bản cập nhật phần mềm có thể chuyển giao một khả năng đã học qua một đội mà không yêu cầu mỗi đơn vị phải lặp lại toàn bộ lịch sử đào tạo một cách độc lập. Đó không phải là chuyển giao kỹ năng ngay lập tức không giới hạn: các cơ thể, bộ kẹp, cảm biến, môi trường và yêu cầu an toàn khác nhau có thể ngăn cản việc chuyển giao trực tiếp. Nhưng nó có thể thay đổi kinh tế của việc cải thiện công việc vật lý.
Một người học một nhiệm vụ phức tạp thường không thể tải kỹ năng trực tiếp vào hệ thần kinh của một nghìn đồng nghiệp. Các máy móc tiêu chuẩn hóa đôi khi có thể chia sẻ các cải tiến phần mềm đã được xác thực qua nhiều đơn vị. Đó là một lý do tại sao việc học ở cấp độ đội và các nền tảng phần cứng chung lại quan trọng đến vậy.
11 · KIỂM TRA THỰC TẾ THÁNG 9 NĂM 2026
Bảy Nghìn Người Máy Bán Ra Là Một Tín Hiệu. Nó Không Phải Là Bảy Nghìn Công Nhân Thay Thế Hoàn Toàn Năng Suất.
Đây là một phép đo hữu ích thay vì một video quảng cáo khác. Theo số liệu từ Liên đoàn Robot Quốc tế được báo cáo vào ngày 21 tháng 9 năm 2026, khoảng 7.000 robot hình người đã được bán ra toàn cầu vào năm 2025 cho các ứng dụng công nghiệp và dịch vụ chuyên nghiệp. Danh mục của IFR không bao gồm robot tiêu dùng, quân sự và y tế, và nhiều giao dịch mua là cho nghiên cứu và phát triển hơn là triển khai lao động trưởng thành. Báo cáo tương tự đã trích dẫn khoảng 542.000 robot công nghiệp thông thường và 199.000 robot dịch vụ chuyên nghiệp được lắp đặt vào năm 2024, mặc dù các danh mục và năm đó không thể thay thế cho nhau một cách trực tiếp.[9]
Sự phân biệt đó là quan trọng. Một giao dịch bán không phải là một sự triển khai thành công. Một thử nghiệm nhà máy không phải là bằng chứng cho khả năng cạnh tranh chi phí trên toàn nền kinh tế. Một video năm phút không cho bạn biết điều gì xảy ra vào giờ thứ sáu của một ca làm việc, vào ngày thứ ba không có bảo trì, hoặc khi robot gặp một công cụ hỏng, sàn ướt, bộ phận có hình dạng lạ hoặc chuyển động con người không được lên kế hoạch.
| Những gì mọi người thể hiện | Những gì tôi muốn đo lường |
|---|---|
| Robot có thể thực hiện một nhiệm vụ một lần | Tỷ lệ thành công qua nhiều lần lặp lại và cài đặt |
| Robot hoạt động trong một buổi trình diễn | Số giờ hoạt động sản xuất mà không cần can thiệp |
| Robot được bán hoặc đặt trước | Số lượng thực tế được triển khai trong công việc hữu ích |
| Công ty cho thấy giá mua thấp | Chi phí toàn diện: điện, dịch vụ, giám sát, bảo hiểm, thời gian ngừng hoạt động và phần mềm |
| Robot học một kỹ năng mới | Chuyển giao cho các nhiệm vụ, tòa nhà và máy móc khác |
| Công ty nói “mục đích chung” | Phạm vi các nhiệm vụ được xác minh độc lập bên ngoài phòng thí nghiệm |
Đó chính xác là lý do tại sao tôi đang theo dõi ngành công nghiệp. Công nghệ có thể đang tiến bộ có ý nghĩa trong khi số liệu triển khai hiện tại vẫn nhỏ. Thổi phồng hiện tại làm cho nghiên cứu yếu đi. Bỏ qua sự phát triển vì nó chưa trưởng thành làm cho phân tích không đầy đủ.
12 · LAO ĐỘNG THỂ CHẤT
Đừng Nói Với Tôi Rằng Nghề Là An Toàn Bởi Vì Mỗi Công Trường Là Khác Nhau
Tôi đã làm việc trong ngành nghề. Tôi hiểu phản biện này tốt hơn những người chỉ lặp lại các luận điểm của một công ty robot. Một ngôi nhà cũ không phải là một phòng thí nghiệm sạch sẽ. Không có gì thẳng hàng. Bạn mở một bức tường và tìm thấy ba vấn đề mà không ai đề cập. Vật liệu bị cong vênh. Việc tiếp cận rất tệ. Thời tiết thay đổi kế hoạch. Ai đó phải ứng biến và nhận ra điều gì đang thực sự xảy ra.
Tất cả đều đúng. Nhưng đó là một lập luận về độ khó của việc tự động hóa toàn bộ nghề nghiệp, không phải là bằng chứng rằng không có nhiệm vụ nào trong số đó có thể được tự động hóa.
Lấy một công việc lợp mái hoặc chống thấm. Công việc hoàn chỉnh bao gồm chẩn đoán rò rỉ, ước lượng vật liệu, giao tiếp với chủ sở hữu, chuẩn bị vật tư, loại bỏ vật liệu, dọn dẹp, đo đạc, chuẩn bị bề mặt, lắp đặt, kiểm tra, ghi chép và giải quyết những bất ngờ. Các phần khác nhau của chuỗi đó có các yêu cầu tự động hóa khác nhau. Di chuyển vật liệu, chuẩn bị lặp đi lặp lại, kiểm tra, đo đạc và lắp đặt tiêu chuẩn có thể dễ dàng cơ giới hóa hơn là chẩn đoán trong một tòa nhà không quen thuộc.
Một doanh nghiệp không cần một người thợ robot hoàn hảo trước khi có thể thay đổi mô hình nhân sự của mình. Nếu máy móc xử lý các phần lặp đi lặp lại và các chuyên gia con người xử lý các ngoại lệ, số giờ lao động cho mỗi công việc hoàn thành có thể thay đổi. Nó cũng có thể tạo ra công việc mới trong giám sát, thiết lập, sửa chữa và tích hợp hệ thống. Tác động việc làm ròng phụ thuộc vào nhu cầu, chi phí, năng suất, quy định và mức độ công việc mới xuất hiện khi các nhiệm vụ cũ trở nên rẻ hơn.
Phân tích tương tự áp dụng cho kho bãi, nông nghiệp, bán lẻ, chăm sóc người cao tuổi và công việc văn phòng. Câu hỏi đúng không phải là “AI có thể làm toàn bộ công việc của tôi hôm nay không?” Mà là “Những nhiệm vụ nào tạo ra phần lớn giờ làm có trả lương của tôi, việc tự động hóa chúng một cách đáng tin cậy sẽ tốn bao nhiêu, và ai sẽ thu được lợi ích?”
13 · CÁC NHIỆM VỤ TRỞ THÀNH THAY ĐỔI KINH TẾ
Cách Một Nhiệm Vụ Tự Động Trở Thành Cú Sốc Thị Trường Lao Động
Quá trình chuyển đổi thường không bắt đầu bằng việc một máy móc thay thế mọi người trong một tòa nhà. Nó bắt đầu bằng việc ai đó loại bỏ một nhiệm vụ khỏi quy trình làm việc. Một người thực hiện nhiều sản lượng hơn với sự hỗ trợ của phần mềm. Một nhóm xử lý khối lượng lớn hơn mà không cần tuyển dụng. Một công ty loại bỏ một vai trò cấp đầu vào trong khi vẫn giữ lại các người đánh giá cấp cao. Một robot làm việc bên cạnh nhân viên cho đến khi ban quản lý tổ chức lại quy trình xung quanh máy móc.
Có một số kết quả có thể xảy ra: mọi người trở nên năng suất hơn và kiếm được nhiều hơn, doanh nghiệp mở rộng sản lượng, giá cả giảm và nhu cầu tăng, công nhân chuyển sang các chức năng khác, việc tuyển dụng chậm lại, hoặc số lượng nhân viên giảm. Những kết quả này có thể xảy ra đồng thời trong các ngành khác nhau. Không thể biện minh cho việc chuyển đổi một thống kê về sự tiếp xúc với nhiệm vụ thành một dự đoán về mất mát nhân sự.
Chỉ số toàn cầu năm 2025 của Tổ chức Lao động Quốc tế cho thấy một trong bốn công nhân có một nghề nghiệp có một số mức độ tiếp xúc với AI sinh sinh. Kết luận của ILO là biến đổi, thay vì thay thế toàn cầu, là mô hình có khả năng xảy ra ngay lập tức hơn vì nhiều nghề vẫn cần đầu vào của con người và các nhiệm vụ đa dạng. Công việc của IMF năm 2024 ước tính riêng rằng gần 40% việc làm toàn cầu có tiếp xúc với AI, với mức độ tiếp xúc cao hơn ở các nền kinh tế phát triển. Các biện pháp của họ khác nhau; không có cái nào là số lượng người đã bị thay thế.[10][11]
Tiếp xúc là nơi bạn bắt đầu đo lường. Những thay đổi thực tế trong việc tuyển dụng, tiền lương, giờ làm, năng suất, tạo doanh nghiệp và việc làm là nơi bạn kiểm tra kết quả kinh tế. Đó là những con số quan trọng hơn là việc một robot có thể nhảy múa hay không.
14 · SỰ CHẤP NHẬN CỦA CON NGƯỜI
Robot Rửa Chén Thay Đổi Cuộc Đối Thoại
Đây là một phần khác của chuỗi. Con người có thể phản đối tự động hóa về lý thuyết và chấp nhận một sản phẩm tự động cụ thể vì nó tiết kiệm công sức cho họ. Chúng tôi đã thấy mọi người chấp nhận các công cụ gợi ý, dịch vụ định vị, loa thông minh và camera kết nối vì lý do thực tiễn trong khi vẫn tiếp tục bày tỏ lo ngại về giám sát và quyền riêng tư.
Khi một robot gia đình có khả năng có thể đáng tin cậy mang hàng tạp hóa, dọn dẹp sàn nhà, gấp quần áo hoặc giúp người lớn tuổi với các nhiệm vụ thường nhật với mức giá chấp nhận được, nhiều hộ gia đình sẽ có lý do để xem xét nó. Điều đó không có nghĩa là mọi người đều chấp nhận nó, và cũng không có nghĩa là các hộ gia đình sẽ ngay lập tức mua một cái. Giá cả, an toàn, an ninh mạng, khả năng tiếp cận và sở thích cá nhân sẽ định hình sự chấp nhận.
Nhưng sự tiện lợi thay đổi hành vi, và hành vi thay đổi có thể làm bình thường hóa một công nghệ. Tại nơi làm việc, động lực là khác: một doanh nghiệp phải đối mặt với các đối thủ cạnh tranh. Nếu một công ty cải thiện sản lượng trên mỗi giờ lao động có trả lương, các công ty khác có thể cảm thấy áp lực để phản ứng. Không ai phải tổ chức một âm mưu toàn cầu duy nhất để các động lực trong hàng ngàn doanh nghiệp chỉ ra cùng một hướng.
Đó là điều làm cho câu chuyện hệ thống này trở nên mạnh mẽ. Người tiêu dùng thấy sự tiện lợi. Nhà tuyển dụng thấy năng suất. Nhà sản xuất thấy một thị trường lặp lại. Nhà đầu tư thấy tài sản có thể mở rộng. Công ty tiện ích thấy nhu cầu điện. Người lao động thấy một thỏa thuận tiền lương có thể thay đổi. Mỗi người tham gia đang phản ứng với một phần khác nhau của cùng một cỗ máy.
15 · PHÁT TRIỂN TỰ TĂNG CƯỜNG
AI Có Thể Giúp Xây Dựng Thế Hệ AI Tiếp Theo — Nhưng Vật Lý Vẫn Có Quyền Lựa Chọn
Bây giờ hãy kết nối quy trình phát triển trở lại với chính nó. AI có thể giúp viết và kiểm tra phần mềm. Nó có thể hỗ trợ thiết kế chip, khám phá vật liệu, lập lịch, kỹ thuật và phân tích kết quả thí nghiệm. Các hệ thống tốt hơn có thể giúp các nhà nghiên cứu phát triển các hệ thống cải tiến. Các chip tốt hơn làm cho việc đào tạo và suy diễn trở nên khả thi hơn. Tự động hóa cải tiến có thể hỗ trợ các nhà máy và mạng lưới logistics được sử dụng để sản xuất nhiều cơ sở hạ tầng tính toán hơn.
Đó là vòng phản hồi. Một khả năng góp phần vào sự phát triển của khả năng tương lai. Nhưng mọi người cần ngừng coi từ tăng trưởng theo cấp số nhân như một quy luật tự nhiên. Một vòng phản hồi có thể tăng tốc; nó cũng có thể gặp giới hạn, chịu đựng sự giảm lợi nhuận hoặc đảo ngược. Sự sẵn có của năng lượng, sản xuất chip, nước, đất, chi phí vốn, khả năng mạng, độ tin cậy và quy định xác định những gì thực sự có thể được triển khai.
Vòng lặp không phải là “AI sẽ trở nên toàn năng.” Nó là “các cải tiến ở một lớp có thể giảm chi phí hoặc thời gian phát triển của một lớp khác.” Đó là một giả thuyết có thể kiểm tra. Nếu chi phí giảm và khả năng tăng lên, chúng ta nên có thể quan sát sự thay đổi trong hiệu suất mô hình, sản lượng sản xuất, chi tiêu cơ sở hạ tầng và số lượng triển khai hữu ích.
Tôi đã viết về sự tương tác của vốn, phần cứng và cơ sở hạ tầng trong AI Không Phải Là Một Bong Bóng — Nó Là Một Động Cơ Tài Chính-Công Nghiệp.
16 · THEO DÕI CÁC TÀI NGUYÊN
Chatbot Là Phần Bạn Có Thể Thấy. Việc Xây Dựng Là Đồng, Thép, Chip, Năng Lượng và Tín Dụng.
Mỗi triển khai AI lớn đều dựa trên cơ sở hạ tầng vật lý: chất bán dẫn, bộ nhớ, làm mát, mạng lưới, đất, tòa nhà, máy biến áp, trạm biến áp, truyền tải, phát điện và năng lượng đáng tin cậy. Một robot thêm động cơ, hộp số, bộ truyền động, pin, cảm biến, gia công, bảo trì và một chuỗi cung ứng cho các bộ phận thay thế. Phần mềm không được miễn trừ khỏi vật lý chỉ vì giao diện trông không trọng lượng.
Dự báo trường hợp cơ bản của Cơ quan Năng lượng Quốc tế năm 2025 cho rằng tiêu thụ điện năng của các trung tâm dữ liệu toàn cầu sẽ tăng lên khoảng 945 TWh vào năm 2030, gần gấp đôi mức năm 2024. Đó là một kịch bản, không phải là một kết quả đo lường vào năm 2030, và các trung tâm dữ liệu phục vụ AI bên cạnh các khối lượng công việc kỹ thuật số khác. Nhưng quy mô giải thích tại sao năng lượng, khả năng truy cập lưới và thời gian xây dựng dài lại thuộc về một bài viết về AI.[12]
Khi các công ty tài trợ cho các trung tâm dữ liệu và các tài sản lâu dài khác, câu chuyện liên kết với vốn chủ sở hữu, nợ, cho thuê, tài sản thế chấp, chi tiêu tiện ích và giá điện địa phương. Điều kiện tài chính ảnh hưởng đến các dự án nào có thể được xây dựng. Các dự án hoàn thành thay đổi tải điện, nhu cầu công nghiệp, việc làm địa phương và cạnh tranh cho thiết bị. Giá trị sản xuất của các cơ sở xác định liệu khoản đầu tư cuối cùng có thu hồi được chi phí vốn hay không.
Đó là lý do tại sao việc đưa tin về AI của tôi cũng thảo luận về điều kiện tiền tệ, lãi suất và chuỗi cung ứng vật lý. Liên kết không phải là Cục Dự trữ Liên bang thiết lập trí tuệ của một mô hình. Liên kết là tài chính và các hạn chế về tài nguyên hình thành cách nhanh chóng mà các mô hình và máy hữu ích có thể trở thành một hệ thống công nghiệp được triển khai.
Nghiên cứu liên quan: Các Trung Tâm Dữ Liệu AI Là Một Động Cơ Lạm Phát: Cuộc Đua Xây Dựng Một Lưới Riêng.
17 · CÂU HỎI VỀ CUỘC CHƠI KINH TẾ CUỐI CÙNG
Khi Máy Móc Sản Xuất Nhiều Hơn, Ai Được Trả Tiền và Ai Mua Sản Phẩm?
Đây là nơi tôi muốn mọi người ngừng nghĩ về một robot đơn lẻ và nhìn vào cấu trúc kinh tế. Trong hệ thống hiện tại, hầu hết các hộ gia đình dựa vào thu nhập từ lao động hoặc các khoản chuyển nhượng khác để mua hàng hóa và dịch vụ. Các doanh nghiệp bán sản phẩm. Người lao động chi tiêu tiền lương. Các doanh nghiệp và chính phủ trả tiền cho nhà cung cấp, nhân viên, người cho vay và chủ sở hữu. Tín dụng giúp di chuyển chi tiêu qua thời gian.
Tự động hóa có thể làm cho xã hội trở nên giàu có hơn bằng cách tăng sản lượng và giảm chi phí. Nó cũng có thể thay đổi sự phân chia của cải đó. Nếu máy móc hoặc phần mềm thuộc sở hữu của một số doanh nghiệp và cá nhân tương đối nhỏ, một phần lớn hơn của lợi nhuận kinh tế có thể chảy về tay các chủ sở hữu. Liệu người lao động có được hưởng lợi hay không phụ thuộc vào các nhiệm vụ mới, sức mạnh thương lượng, cạnh tranh, thuế, giá cả, dịch vụ công và cách mà các công ty và chính phủ phân phối lợi ích.
Một giả thuyết rất đơn giản: một doanh nghiệp từng cần mười người cho một khối lượng công việc nhất định. Các hệ thống mới cho phép sáu người sản xuất cùng một khối lượng. Nếu doanh số giữ nguyên và bốn người còn lại không tìm được công việc tương đương, hóa đơn tiền lương địa phương sẽ giảm. Nếu chi phí thấp hơn cho phép doanh số mở rộng đáng kể, doanh nghiệp có thể giữ lại công nhân, thuê cho các nhiệm vụ khác hoặc tạo ra hàng hóa rẻ hơn để hỗ trợ nhu cầu ở nơi khác. Công nghệ không tự nó xác định kết quả nào trong số đó thắng. Quyền sở hữu, chính sách, cạnh tranh và nhu cầu đều quan trọng.
Đó là lý do tại sao các cuộc thảo luận về thu nhập cơ bản phổ quát, bảo hiểm tiền lương, đào tạo lại, sở hữu chung, giờ làm việc ngắn hơn và các cơ sở thuế khác nhau lại xuất hiện xung quanh tự động hóa tiên tiến. Chúng là những phản ứng đề xuất khác nhau đối với một sự thay đổi có thể xảy ra trong mối quan hệ giữa năng lực sản xuất và tiền lương. Không cái nào nên được coi là một kết quả tự động hoặc đã được chứng minh của các mô hình ngày nay.
Cấu trúc dài hơn của tôi nằm trong Nền Kinh Tế Trí Tuệ Toàn Cầu: AI, Robotics, Việc Làm, Tiền Tệ và Sự Chuyển Giao 2030–2035 và Lý Do Thực Sự Họ Xây Dựng Robot Hình Người: Sự Kết Thúc Của Lao Động Con Người Là Nền Tảng Của Kinh Tế.
18 · CHUỖI NGUYÊN NHÂN ĐẠO ĐỨC
Mỗi Khi Bạn Thêm Khả Năng, Bạn Thêm Một Cách Mới Để Một Sai Lầm Trở Nên Quan Trọng
Đạo đức AI không chỉ đơn thuần là yêu cầu một chatbot phải lịch sự. Hãy suy nghĩ qua hệ thống. Để xây dựng một mô hình, các nhà phát triển thu thập dữ liệu. Dữ liệu có thể chứa thông tin riêng tư, lỗi và thiên kiến xã hội. Việc đào tạo có thể bảo tồn hoặc khuếch đại một số mẫu đó. Một sản phẩm đặt mô hình đã được đào tạo vào trong giao diện người dùng. Một tác nhân thêm công cụ và quyền hạn. Một robot thêm một cơ thể. Một tổ chức triển khai nó ở quy mô lớn. Mỗi liên kết thay đổi ai có thể bị tổn thương, cách mà lỗi lan truyền và ai nên chịu trách nhiệm sửa chữa chúng.
Một trích dẫn giả mạo trong một phản hồi trò chuyện là xấu. Một trích dẫn giả mạo được nhúng trong một báo cáo tài chính có thể làm hỏng một quyết định. Một chẩn đoán sai trong một quy trình y tế có thể gây hại cho một bệnh nhân. Một lệnh sai gửi đến thiết bị nặng có thể làm bị thương một người. Đầu ra của mô hình giống hệt nhau không có cùng một hậu quả trong mọi môi trường.
Khung Quản Lý Rủi Ro AI của Viện Tiêu Chuẩn và Công Nghệ Quốc Gia nhấn mạnh tính hợp lệ và độ tin cậy, an toàn, bảo mật và khả năng phục hồi, tính minh bạch, khả năng giải thích, quyền riêng tư và công bằng. Những đặc điểm này phải được xem xét trong thiết kế, triển khai, đánh giá và sử dụng liên tục, không chỉ được dán lên một sản phẩm ở cuối.[13]
Dưới đây là những câu hỏi mà tôi luôn quay lại: Ai đã cung cấp dữ liệu? Ai được lợi từ hệ thống? Ai có thể kiểm tra những gì nó đã làm? Ai có thể tắt nó đi? Ai phải trả tiền khi nó sai? Ai trở nên phụ thuộc vào nó? Ai sở hữu năng lực sản xuất kết quả? Và điều gì xảy ra khi người bị ảnh hưởng không có cách nào có ý nghĩa để thách thức quyết định?
Những điều đó không tách rời khỏi câu chuyện công nghệ. Chúng là hậu quả của việc đặt một hệ thống đã học vào trong một cấu trúc xã hội và kinh tế thực tế.
19 · BẢNG ĐO LƯỜNG
Các Số Liệu Tôi Muốn Trước Khi Ai Đó Nói Với Tôi Mọi Thứ Hoặc Là Tốt Hoặc Là Bị Định Mệnh
Tôi không quan tâm đến việc đưa ra một tuyên bố khổng lồ chỉ vì một video quảng cáo trông ấn tượng. Tôi muốn một phép đo cho tôi biết công nghệ đang ở đâu trong chuỗi nguyên nhân thực tế.
| Tuyên bố | Bằng chứng sẽ củng cố nó | Điều gì sẽ làm yếu đi |
|---|---|---|
| AI đang trở nên rẻ hơn để sử dụng. | Chi phí tương đương cho mỗi nhiệm vụ hữu ích đã được xác minh giảm. | Tiết kiệm được báo cáo biến mất sau khi xem xét, tích hợp và lỗi. |
| Các tác nhân đang thay thế quy trình làm việc. | Kết quả hoàn thành nhiệm vụ độc lập và sử dụng doanh nghiệp bền vững. | Cứu trợ con người thường xuyên và công việc nhiều bước không đáng tin cậy. |
| Robot đang trở thành lao động hữu ích. | Thời gian hoạt động cao hơn, nhiệm vụ thành công mỗi ca, chi phí tổng thể thấp hơn. | Các thí điểm yêu cầu điều khiển từ xa liên tục hoặc không bao giờ mở rộng. |
| Học tập đội tàu đang gia tăng. | Kỹ năng đã được xác thực chuyển giao cho nhiều robot tương tự. | Mỗi địa điểm mới yêu cầu đào tạo lại tùy chỉnh tốn kém. |
| Tự động hóa đang thay đổi việc làm. | Các thay đổi cụ thể về nhiệm vụ trong tiền lương, tuyển dụng, giờ làm việc và sản lượng. | Năng suất tăng trong khi tổng số tuyển dụng và tiền lương thực tế cũng tăng. |
| Cơ sở hạ tầng là một nút thắt. | Các kết nối bị trì hoãn, tồn đọng thiết bị, chi phí dự án tăng. | Xây dựng lưới nhanh hơn và hiệu suất tính toán cao hơn làm giảm bớt các ràng buộc. |
Bằng chứng công khai cũng có giới hạn. Các công ty không công bố mọi tập dữ liệu đào tạo, cấu trúc chi phí hoặc thí điểm thất bại. Các dự án bí mật, theo định nghĩa, không hoàn toàn có thể nhìn thấy. Điều đó không cho phép chúng ta lấp đầy các khoảng trống bằng sự chắc chắn. Nó bảo chúng ta phải nêu rõ những gì được quan sát, những gì được suy luận và những gì vẫn chưa biết.
20 · CHUỖI NGHIÊN CỨU PATTERN NEXUS
Nếu Bạn Muốn Phiên Bản Dài Hơn, Tôi Đã Viết Các Phần Riêng Biệt
Bài viết này là bản đồ có thể đọc được. Các tài liệu và bài viết riêng biệt dưới đây đi sâu vào lịch sử, cơ sở hạ tầng kỹ thuật số, phát triển mô hình, tự động hóa, robotics, kinh tế và khoa học thần kinh. Chúng không thể thay thế cho nhau và không phải tất cả đều mang cùng một trạng thái bằng chứng: một số là phân tích lịch sử, một số tài liệu công nghệ đã được triển khai và một số phát triển các kịch bản về những gì có thể xảy ra tiếp theo.
- Một Đường Cong Dài Của Trí Tuệ: Cách 80 Năm Kỹ Thuật Đã Tạo Ra Các Mô Hình Ngôn Ngữ Hiện Đại — đường băng kỹ thuật và lịch sử dài phía sau các mô hình ngôn ngữ hiện đại.
- Dòng Lệnh: Cách Tính Toán Chiến Tranh Lạnh, AI Sớm và Sự Ra Đời Của Silicon Valley Đã Biến Thông Tin Thành Quyền Lực (1956–1969) — lớp cơ sở hạ tầng quân sự, thương mại và tính toán.
- Internet đã hoang dã: Từ AOL đến AI, 25 năm xây dựng lớp kiểm soát kỹ thuật số — cách dự đoán, mạng lưới và việc thu thập dữ liệu hàng ngày trở nên bình thường.
- Bài tập Mẫu: Sụp đổ quy trình AI trong 11 phút — điều gì xảy ra khi các giai đoạn sản xuất sụp đổ thành một quy trình AI phối hợp.
- AI không phải là một bong bóng — Nó là một động cơ tài chính-công nghiệp — vòng lặp giữa vốn tài chính và cơ sở hạ tầng tính toán vật lý.
- Các trung tâm dữ liệu AI là một động cơ lạm phát: Cuộc đua xây dựng một lưới điện tư nhân — tại sao hệ thống năng lượng quan trọng đối với tốc độ triển khai.
- Lý do thực sự họ đang xây dựng robot hình người: Sự kết thúc của lao động con người như nền tảng của nền kinh tế — luận thuyết về lao động vật lý và quyền sở hữu.
- Nền kinh tế trí tuệ toàn cầu: AI, Robotics, Việc làm, Tiền bạc và Chuyển đổi 2030–2035 — khung kịch bản kinh tế đầy đủ.
- Hướng tới việc tải lên tâm trí trong kỷ nguyên tăng tốc AI theo cấp số nhân — lộ trình khám phá ban đầu của tôi vào năm 2024, được tái sản xuất như một công trình lịch sử, không phải là một tuyên bố rằng các dự đoán đã lỗi thời của nó đã xảy ra.
Tôi có thể nghiên cứu nhiều chủ đề và vẫn làm việc trên một câu hỏi liên kết. Điều gì đang trở nên khả thi, các hệ thống cũ hơn nào mà nó phụ thuộc vào, nút thắt mới nào mà nó tạo ra, và điều gì xảy ra khi đủ người bắt đầu sử dụng nó?
21 · CÂU HỎI THƯỜNG GẶP
Các câu hỏi mà mọi người sẽ hỏi dù sao đi nữa
AI có được phát minh vào năm 1943 không?
Không có một bài báo nào phát minh ra toàn bộ lĩnh vực. Mô hình McCulloch–Pitts năm 1943 là một tiền thân quan trọng của mạng nơ-ron; lĩnh vực này đã có tên gọi “trí tuệ nhân tạo” trong đề xuất Dartmouth năm 1955 cho dự án mùa hè năm 1956.
Radar trong Chiến tranh Lạnh đã sử dụng AI kiểu ChatGPT chưa?
Không. SAGE kết hợp radar, tính toán thời gian thực lập trình, theo dõi, hiển thị và quyết định của con người. Mối liên hệ là sự tiến hóa của cảm biến và kiểm soát máy tính, không phải là các thuật toán giống hệt nhau.
Tất cả các tính năng tự động sửa lỗi cũ đều là AI sao?
Không. Một số tính năng ban đầu sử dụng từ điển và quy tắc; những tính năng khác sử dụng kỹ thuật thống kê hoặc học máy. Điểm hữu ích là các hệ thống dự đoán và tự động đã bước vào đời sống hàng ngày từ lâu trước khi có các sản phẩm chatbot hiện đại.
Chatbot có phải là cùng một thứ với mô hình không?
Không. Chatbot là một sản phẩm tương tác hướng tới người dùng. Một mô hình là một thành phần; sản phẩm cũng có thể sử dụng các công cụ, truy xuất, lưu trữ, các mô hình khác và hệ thống an toàn.
Robot có học mọi thứ mà nó làm trong thời gian thực không?
Không. Một số mô hình được cập nhật ngoại tuyến bằng cách sử dụng dữ liệu thu thập được. Một số hệ thống có khả năng thích ứng trực tuyến hạn chế. Sự lặp lại không tự động là học tham số.
Việc học của một robot có thể được chia sẻ với các robot khác không?
Có khả năng, có, khi phần cứng, nhiệm vụ, đào tạo và xác thực cho phép cập nhật phần mềm hoặc mô hình đã học được chuyển giao. Việc chuyển giao khó khăn hơn giữa các cơ thể khác nhau và môi trường không thể đoán trước.
Các robot hình người đã thay thế công nhân ở khắp mọi nơi chưa?
Không. Báo cáo tháng 9 năm 2026 về doanh số năm 2025 cho thấy một thị trường nhỏ và chưa trưởng thành, với nhiều đơn vị được sử dụng trong nghiên cứu và thí điểm. Tự động hóa thông thường hiện có phổ biến hơn nhiều.
Các nghề thủ công có an toàn không?
Không tự động. Môi trường không thể đoán trước và công việc khéo léo vẫn còn khó khăn, nhưng tự động hóa một phần công việc có thể thay đổi nhu cầu lao động trước khi toàn bộ nghề nghiệp được tự động hóa.
Việc tiếp xúc với AI có nghĩa là một công nhân mất việc không?
Không. Việc tiếp xúc đo lường khả năng tương tác tiềm năng với một công nghệ. Kết quả lao động phụ thuộc vào chi phí, nhu cầu, sự chấp nhận, sự bổ sung của con người và cách mà nơi làm việc được tổ chức lại.
Việc tự động hóa nhiều hơn có đảm bảo một nền kinh tế hậu lao động không?
Không. Nó đặt ra câu hỏi về tiền lương, quyền sở hữu sản xuất, giá cả và phân phối. Tốc độ và kết quả không được xác định trước bởi các mô hình ngày nay.
22 · NGUỒN
Các nguồn và ghi chú nghiên cứu
- [1] McCulloch, W. S., và Pitts, W. (1943), “Một phép tính logic của các ý tưởng hiện hữu trong hoạt động thần kinh,” Tạp chí Sinh học Toán học. Bài báo gốc / DOI.
- [2] McCarthy et al. (1955), “Một đề xuất cho Dự án Nghiên cứu Mùa hè Dartmouth về Trí tuệ Nhân tạo” (dự án năm 1956). Đề xuất PDF.
- [3] Phòng thí nghiệm Lincoln MIT, “SAGE: Hệ thống Phòng không Môi trường Đất Tự động Bán tự động.” Lịch sử tổ chức.
- [4] IBM, “SAGE”; Astrahan và Jacobs (1983), “Lịch sử thiết kế của máy tính SAGE — AN/FSQ-7.” Lịch sử IBM; Bài báo lịch sử.
- [5] Google, “Tôi có một gợi ý,” ngày 10 tháng 12 năm 2004; Lịch sử tìm kiếm của Google. Thông báo ra mắt; Nhìn lại Google.
- [6] Vaswani et al. (2017), “Sự chú ý là tất cả những gì bạn cần.” Bài báo nghiên cứu.
- [7] Google DeepMind (25 tháng 9 năm 2025), “Gemini Robotics 1.5 Đưa các tác nhân AI vào thế giới vật lý.” Thông báo kỹ thuật.
- [8] Google DeepMind (30 tháng 7 năm 2026), “Gemini Robotics 2 Đưa trí thông minh toàn thân đến robot.” Thông báo kỹ thuật.
- [9] Reuters (21 tháng 9 năm 2026), “Doanh số robot hình người đạt 7.000 trên toàn cầu trong năm ngoái,” báo cáo số liệu và giới hạn danh mục của Liên đoàn Robot Quốc tế. Báo cáo.
- [10] Tổ chức Lao động Quốc tế (20 tháng 5 năm 2025), “AI sinh ra và việc làm: Chỉ số toàn cầu tinh chỉnh về sự tiếp xúc nghề nghiệp.” Bài làm việc và phát hiện.
- [11] Quỹ Tiền tệ Quốc tế (14 tháng 1 năm 2024), “AI sẽ biến đổi nền kinh tế toàn cầu. Hãy đảm bảo rằng nó mang lại lợi ích cho nhân loại.” Phân tích IMF.
- [12] Cơ quan Năng lượng Quốc tế (2025), Năng lượng và AI, nhu cầu năng lượng và tóm tắt điều hành. Kịch bản điện năng trung tâm dữ liệu.
- [13] Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ, “Câu hỏi thường gặp về Khung Quản lý Rủi ro AI.” Khung rủi ro.
Các bạn ơi, chatbot là phần mà bạn đã nhận thấy vì nó cuối cùng đã phản hồi. Hệ thống cơ bản đã tích lũy ý tưởng, dữ liệu, sức mạnh tính toán, mạng lưới và vốn trong nhiều thập kỷ. Bây giờ phần mềm bắt đầu hành động, và các máy bắt đầu di chuyển. Đừng dừng phân tích ở màn hình. Theo dõi công việc, cơ sở hạ tầng, chủ sở hữu, tiền lương và sức mua. Đó là chuỗi nguyên nhân.
Article overview
AI không bắt đầu với ChatGPT. Bản đồ nghiên cứu Pattern Nexus đầy đủ nguồn này theo dõi bài báo về nơ-ron nhân tạo năm 1943, máy tính radar thời Chiến tranh Lạnh, hệ thống internet dự đoán, mô hình transformer, tác nhân, AI thể chất và robot hình người vào những câu hỏi thực sự về việc làm, năng lượng, quyền sở hữu sản xuất, tiền lương và nền kinh tế.
Phản Ứng Của Bạn Là Gì?
Thích
0
Không Thích
0
Yêu
0
Hài hước
0
Wow
0
Buồn
0
Giận dữ
0








Các bình luận (0)
Security Check
Please complete the captcha to verify you are human.