(SeaPRwire) –   Như những con chim hồng tước trở lại Capistrano, những tiến bộ gần đây trong AI luôn đi kèm với một làn sóng lo ngại về một phiên bản nào đó của “sự đơn nhất”, thời điểm trong quá trình đổi mới công nghệ bùng nổ mà máy tính thoát khỏi sự kiểm soát của con người. Tuy nhiên, những người lo ngại rằng AI sẽ ném chúng ta, con người, vào thùng rác có thể nhìn vào thế giới tự nhiên để có cái nhìn cụ thể hơn về những gì mà AI hiện tại có thể và không thể làm. Hãy xem xét đến bạch tuộc. Những con bạch tuộc sống ngày nay là một kỳ quan của tiến hóa – chúng có thể biến hình gần như bất kỳ hình dạng nào và được trang bị với một loạt vũ khí và kỹ năng ẩn náu thông minh, cũng như khả năng dường như có thể quyết định sử dụng loại nào tùy thuộc vào thách thức. Tuy nhiên, bất chấp hàng thập kỷ nỗ lực, công nghệ robot vẫn chưa thể bắt chước bộ sưu tập năng lực này (không ngạc nhiên khi bạch tuộc hiện đại là kết quả của sự thích nghi trong 100 triệu thế hệ). Công nghệ robot còn rất xa mới có thể tạo ra Hal.

Bạch tuộc là một loài thân mềm, nhưng nó không chỉ là một cỗ máy phức tạp, và nhận thức không chỉ là truy cập vào một cơ sở dữ liệu to lớn. Cái nhìn cách mạng nhất về nhận thức động vật đến từ Donald Griffin, nhà nghiên cứu tiên phong về nhận thức động vật. Hàng thập kỷ trước, Griffin đã nói với tôi rằng ông nghĩ rằng một phạm vi rộng lớn các loài có một mức độ nhận thức nào đó đơn giản vì điều đó là hiệu quả tiến hóa (một luận điệu ông lặp lại tại một số hội nghị). Tất cả các loài còn sống sót đều đại diện cho các giải pháp thành công đối với các vấn đề sống còn và sinh sản.

Điều này có ý nghĩa, nhưng yêu cầu một điều kiện: luận điệu của Griffin chưa phải là sự đồng thuận (chưa) và cuộc tranh luận về nhận thức động vật vẫn gây tranh cãi trong nhiều thập kỷ. Bất chấp điều đó, giả định của Griffin cung cấp một khuôn khổ hữu ích để hiểu những hạn chế của AI vì nó nhấn mạnh sự bất khả thi của việc lập trình phản ứng trong một thế giới phức tạp và thay đổi.

Khuôn khổ của Griffin cũng đặt ra một thách thức: làm thế nào một phản ứng ngẫu nhiên đối với một thách thức trong môi trường có thể thúc đẩy sự phát triển nhận thức? Một lần nữa, hãy nhìn vào bạch tuộc để tìm câu trả lời. Cephlapods đã thích ứng với đại dương trong hơn 300 triệu năm. Chúng là thân mềm, nhưng theo thời gian, chúng mất vỏ, phát triển mắt tinh vi, xúc tu đa năng đáng kinh ngạc và một hệ thống phức tạp cho phép chúng thay đổi màu sắc và thậm chí kết cấu da trong phần nghìn giây. Do đó, khi một con bạch tuộc gặp kẻ săn mồi, nó có khả năng cảm nhận mối đe dọa và phải quyết định liệu nó có nên bỏ chạy, ngụy trang hay gây nhiễu đối thủ hoặc con mồi bằng một đám mực. Áp lực chọn lọc làm tăng cường mỗi khả năng này, cũng ưu đãi những con bạch tuộc có kiểm soát chính xác hơn đối với xúc tu, sắc tố, v.v., và cũng ưu đãi những con có não cho phép lựa chọn loại hệ thống hoặc kết hợp hệ thống để triển khai. Những áp lực chọn lọc này có thể giải thích tại sao não bạch tuộc lớn nhất trong số các động vật không xương sống và phức tạp hơn nhiều so với não ốc sên.

Có một khái niệm khác được đề cập ở đây. Đó là “khả năng dư thừa sinh thái”. Điều này có nghĩa là những hoàn cảnh ưu đãi cho một thích ứng cụ thể, chẳng hạn như áp lực chọn lọc ưu đãi sự phát triển hệ thống ngụy trang của bạch tuộc, cũng có thể ưu đãi những con vật có thêm neuron cho phép kiểm soát hệ thống đó. Đồng thời, nhận thức cho phép điều khiển khả năng đó có thể vượt ra ngoài giá trị của nó trong việc săn mồi hoặc tránh kẻ thù. Đây là cách mà nhận thức có thể phát sinh từ các nguồn hoàn toàn thực dụng, thậm chí cơ khí.

Dù có vẻ đơn giản, thông tin đưa vào để tạo ra bạch tuộc hiện đại vượt xa khả năng tổng hợp của tất cả máy tính trên thế giới, ngay cả khi tất cả những máy tính đó đều dành riêng cho việc tạo ra một con bạch tuộc có khả năng ra quyết định. Những con bạch tuộc ngày nay đã trải qua tỷ triệu thử nghiệm liên quan đến mọi kết hợp khả thi của thách thức. Mỗi một trong những tỷ triệu con vật đó đã dành cả cuộc đời để xử lý và phản ứng với hàng triệu mảnh thông tin mỗi phút. Trải qua 300 triệu năm, điều đó tương đương với một số lượng thử nghiệm thử sai không tưởng.

Tuy nhiên, nếu nhận thức có thể phát sinh từ các khả năng thực dụng thuần túy, và theo đó là khả năng của cá tính, đạo đức và hành vi Mạc-xi-a-vê-li, tại sao nhận thức không thể phát sinh từ các thuật toán AI thực dụng đang được tạo ra ngày nay? Một lần nữa, khuôn khổ của Griffin cung cấp câu trả lời: trong khi thiên nhiên có thể hướng tới nhận thức bằng cách cho phép sinh vật đối phó với tình huống mới, các kiến trúc sư AI lại chọn con đường lập trình cứng nhắc triệt để. Trái ngược với bạch tuộc, AI ngày nay vẫn là một cỗ máy phức tạp.

Để giải thích tại sao cần quay trở lại thời kỳ phổ biến AI trước đây. Vào giữa những năm 1980, tôi đã tư vấn cho Intellicorp, một trong những công ty đầu tiên thương mại hóa AI. Thomas Kehler, một nhà vật lý đồng sáng lập Intellicorp cũng như một số công ty AI tiếp theo, đã chứng kiến sự tiến hóa của các ứng dụng AI từ hệ thống chuyên gia giúp hàng không động giá vé một cách động đến các mô hình học máy điều khiển ChatGPT. Sự nghiệp của ông là lịch sử sống động về AI. Ông lưu ý rằng các tiên phong AI đã dành nhiều thời gian cố gắng phát triển các mô hình và kỹ thuật lập trình cho phép máy tính giải quyết vấn đề theo cách của con người. Yếu tố then chốt đối với máy tính có thể thể hiện khả năng suy luận chung là hiểu tầm quan trọng của bối cảnh. Thực tế, khuôn khổ này về gói dữ liệu và thông tin cảm giác có thể tương tự như những gì đang xảy ra trong não bạch tuộc khi nó phải quyết định cách săn mồi hoặc trốn thoát. Kehler lưu ý rằng cách tiếp cận lập trình này đã trở thành một phần c