Lịch Sử Trí Tuệ Nhân Tạo — Từ Huyền Thoại Đến Kỷ Nguyên AI

Ít ai biết rằng giấc mơ về một cỗ máy biết suy nghĩ đã có từ thời Hy Lạp cổ đại. Những bức tượng biết nói, những người máy bằng vàng của thần Hephaestus, hay người khổng lồ bằng đồng Talos canh gác bờ biển Crete — tất cả đều là những phiên bản đầu tiên của khát vọng chế tạo ra trí thông minh nhân tạo. Phải mất hơn hai nghìn năm, giấc mơ đó mới bắt đầu thành hình.

Tổng quan

Những nền tảng đầu tiên

Thế kỷ 17 chứng kiến những bước đi triết học quan trọng. Gottfried Leibniz mơ về một “ngôn ngữ phổ quát của lý trí” — characteristica universalis — nơi mọi tranh luận triết học đều có thể giải quyết bằng tính toán, giống như hai kế toán viên cầm bút chì ngồi xuống và nói: “Chúng ta hãy cùng tính toán.” Thomas Hobbes, trong cuốn Leviathan, tuyên bố: “Lý trí chẳng qua là sự tính toán.”

Mãi đến thế kỷ 20, những nền tảng toán học mới thực sự được đặt ra. Alan Turing, với bài báo kinh điển “Computing Machinery and Intelligence” năm 1950, đã đặt ra câu hỏi mang tính cách mạng: liệu một cỗ máy có thể tư duy? Ông đề xuất một phép thử đơn giản — sau này được gọi là Turing Test — nếu một máy có thể trò chuyện mà người đối diện không phân biệt được với con người, thì có thể nói nó biết “nghĩ”.

Hội thảo Dartmouth và kỷ nguyên lạc quan (1956)

Mùa hè năm 1956, tại khuôn viên trường Dartmouth College, một nhóm các nhà khoa học trẻ tụ họp lại trong một hội thảo kéo dài hai tháng. Trong số họ có John McCarthy — người đặt ra thuật ngữ “Artificial Intelligence”, Marvin Minsky, Claude Shannon, Allen Newell và Herbert Simon. Họ mang theo một tham vọng táo bạo: chế tạo một cỗ máy có thể mô phỏng mọi khía cạnh của trí thông minh con người.

Tại hội thảo này, Newell và Simon trình diễn Logic Theorist — chương trình AI đầu tiên trên thế giới, có khả năng chứng minh các định lý toán học. Các nhà khoa học lạc quan đến mức Simon dự đoán: “Trong vòng mười năm, một máy tính sẽ trở thành nhà vô địch cờ vua thế giới.” Và Minsky tuyên bố trên tạp chí Life: “Trong ba đến tám năm nữa, chúng ta sẽ có một cỗ máy với trí thông minh ngang người bình thường.”

Họ đã sai. Nhưng những sai lầm đó là cần thiết.

Mùa đông đầu tiên (1974–1980)

Đến đầu thập niên 1970, những lời hứa hão bắt đầu sụp đổ. Các chương trình AI chỉ giải được những phiên bản đồ chơi của các vấn đề thực tế. Bộ nhớ máy tính quá nhỏ — Ross Quillian phải giới hạn chương trình xử lý ngôn ngữ của mình ở vỏn vẹn 20 từ vì chỉ bấy nhiêu đã đầy bộ nhớ. Sức mạnh tính toán còn quá yếu: Hans Moravec viết vào năm 1976 rằng máy tính còn “yếu hơn hàng triệu lần” so với mức cần thiết để đạt được trí thông minh thực sự.

Năm 1973, báo cáo Lighthill của chính phủ Anh chỉ trích dữ dội AI vì thất bại trong việc đạt được “những mục tiêu hoành tráng”. Chính phủ Anh và Mỹ lần lượt cắt tài trợ. Kỷ nguyên đầu tiên của AI kết thúc trong thất vọng — giới báo chí gọi đây là “mùa đông AI” đầu tiên.

Hệ chuyên gia và mùa đông thứ hai (1980–1990)

Nhưng AI không chết. Một hướng đi mới xuất hiện: hệ chuyên gia (expert systems). Thay vì cố gắng tái tạo trí thông minh tổng quát, các nhà nghiên cứu xây dựng những chương trình chuyên về một lĩnh vực hẹp. Năm 1980, hệ chuyên gia R1 của CMU giúp Digital Equipment Corporation tiết kiệm 40 triệu đô la mỗi năm. Các tập đoàn trên khắp thế giới đổ tiền vào AI, và đến năm 1985, ngành công nghiệp AI đã đạt giá trị hơn một tỷ đô la.

Nhật Bản khởi động dự án máy tính thế hệ thứ năm với ngân sách 850 triệu đô la. Anh thành lập dự án Alvey trị giá 350 triệu bảng. DARPA thành lập Sáng kiến Tính toán Chiến lược.

Rồi mọi thứ lại sụp đổ lần nữa. Đến cuối thập niên 1980, thị trường hệ chuyên gia bão hòa. Các công ty như Symbolics và Lisp Machines phá sản. Năm 1991, dự án máy tính thế hệ thứ năm của Nhật Bản chính thức kết thúc trong thất bại. Mùa đông AI thứ hai bắt đầu.

Cuộc cách mạng deep learning (2006–2017)

Trong bóng tối của mùa đông, một cuộc cách mạng thầm lặng đang diễn ra. Năm 2006, Geoffrey Hinton công bố một phương pháp huấn luyện mạng nơ-ron nhiều lớp — thứ mà sau này được gọi là deep learning. Kết hợp với sức mạnh tính toán từ GPU và lượng dữ liệu khổng lồ từ internet, deep learning bắt đầu vượt qua mọi phương pháp AI trước đó.

Năm 2012, một mạng nơ-ron do Alex Krizhevsky (học trò của Hinton) xây dựng đã đánh bại mọi đối thủ trong cuộc thi nhận dạng ảnh ImageNet với cách biệt không tưởng. Năm 2016, AlphaGo của DeepMind đánh bại Lee Sedol — kỳ thủ cờ vây số một thế giới — trong một trận đấu lịch sử được hàng triệu người theo dõi. Giấc mơ 60 năm trước bắt đầu thành hiện thực.

Kỷ nguyên Transformer và ChatGPT (2017–nay)

Năm 2017, các nhà nghiên cứu tại Google công bố một bài báo có tựa đề “Attention Is All You Need”, giới thiệu kiến trúc transformer. Không ai ngờ rằng đây sẽ là phát minh quan trọng nhất của AI trong thập kỷ.

Transformer cho phép các mô hình ngôn ngữ xử lý văn bản với độ chính xác chưa từng có. GPT-3 của OpenAI (2020), với 175 tỷ tham số, có thể viết thơ, soạn email, lập trình và trả lời câu hỏi như một chuyên gia. ChatGPT ra mắt tháng 11 năm 2022, đạt 100 triệu người dùng sau hai tháng — tốc độ nhanh nhất trong lịch sử công nghệ.

AI hôm nay và ngày mai

Năm 2024, giải Nobel Vật lý được trao cho Geoffrey Hinton và John Hopfield vì những đóng góp nền tảng cho học máy. Giải Nobel Hóa học được trao cho Demis Hassabis, John Jumper và David Baker vì AI dự đoán cấu trúc protein — một minh chứng cho thấy AI không chỉ là công cụ, mà đã trở thành một phương pháp khoa học mới.

Nhưng câu chuyện AI vẫn còn dang dở. Những lo ngại về an toàn, đạo đức, và tác động xã hội của AI ngày càng lớn. Các chính phủ trên thế giới đang gấp rút xây dựng khung pháp lý. Câu hỏi của Turing năm 1950 — “Máy móc có thể tư duy không?” — giờ đây đã trở thành: “Chúng ta muốn máy móc tư duy như thế nào?”

Hành trình từ những bức tượng biết nói thời Hy Lạp đến ChatGPT là một hành trình dài 2.500 năm. Và nó vẫn chưa kết thúc.