Trong một cuộc phỏng vấn gần đây với Bloomberg, Yann LeCun, Giáo sư kiêm Giám đốc Khoa học AI tại Meta, đã đưa ra những nhận định sâu sắc về giới hạn cốt lõi của các mô hình ngôn ngữ lớn (LLM) hiện nay. Ông giải thích rằng việc chỉ dựa vào văn bản sẽ không bao giờ giúp AI đạt được trí thông minh thực tế như con người.
Bối cảnh & Nguyên nhân
Phát biểu của Yann LeCun diễn ra trong bối cảnh ngành công nghiệp AI đang chạy đua đổ hàng tỷ USD vào việc mở rộng quy mô các mô hình LLM với hy vọng đạt được trí tuệ nhân tạo tổng quát (AGI). Tuy nhiên, LeCun từ lâu đã là một người hoài nghi về hướng đi này. Theo ông, thế giới thực vô cùng phức tạp và hầu hết tri thức nhân loại không được truyền tải qua ngôn ngữ chữ viết mà thông qua trải nghiệm cảm giác trực tiếp.
Phân tích kỹ thuật & Công nghệ
Để làm rõ luận điểm của mình, Yann LeCun nhấn mạnh bản chất của dữ liệu đầu vào. Ông nhận định: 'Ngôn ngữ là một mô tả rất xấp xỉ, bị cắt giảm, lượng tử hóa và đơn giản hóa của thế giới'. Các mô hình LLM hiện tại hoạt động dựa trên việc xử lý dữ liệu rời rạc (discrete), trong khi thế giới vật lý xung quanh chúng ta là một không gian liên tục và đa chiều. Sự chênh lệch về băng thông thông tin giữa việc đọc văn bản và việc trực tiếp quan sát, tương tác với thế giới vật lý là quá lớn.
Ý kiến chuyên gia & Nhận định
Nhận định của LeCun tiếp tục củng cố trường phái thiết kế AI dựa trên kiến trúc thế giới (World Models) mà ông đang theo đuổi tại Meta. Thay vì chỉ dự đoán từ tiếp theo như LLM, hệ thống AI tương lai cần có khả năng hiểu các quy luật vật lý của thế giới thông qua video và cảm biến. Nhiều chuyên gia trong ngành cũng đồng tình rằng việc phụ thuộc hoàn toàn vào dữ liệu chữ viết sẽ sớm chạm trần công nghệ do giới hạn của kho dữ liệu nhân loại.
Tác động & Tương lai
Quan điểm này của Yann LeCun gửi đi một thông điệp quan trọng cho cộng đồng nghiên cứu AI tại Việt Nam và thế giới: việc tối ưu hóa LLM chỉ là giải pháp ngắn hạn. Để phát triển robot thông minh hay các trợ lý ảo có khả năng hoạt động hiệu quả trong thế giới thực, các kỹ sư cần chuyển dịch trọng tâm sang các kiến trúc AI đa phương thức (multimodal) và học máy tự giám sát thông qua video.