AI không thông minh hơn nhà toán học, nó chỉ có trí nhớ tốt hơn

Khi một hệ thống AI giải được một bài toán khó, lời giải thích thông thường là nó đã trở nên thông minh hơn.

Có lẽ nó đã hấp thụ hàng triệu ví dụ toán học. Có lẽ học tăng cường (reinforcement learning) đã dạy nó các chiến lược lập luận tốt hơn. Có lẽ nó đang bắt đầu phát triển một thứ gì đó giống với trực giác toán học thực thụ.

Tất cả những lời giải thích này có thể đều chứa đựng một phần sự thật. Nhưng chúng đã bỏ qua một khả năng đơn giản hơn:

AI có quyền truy cập vào bộ nhớ làm việc (working memory) lớn hơn nhiều so với não bộ con người.

Hay chính xác hơn, nó có quyền truy cập vào một không gian làm việc bằng ký hiệu (symbolic workspace) bên ngoài khổng lồ, thực hiện nhiều chức năng mà bộ nhớ làm việc thực hiện ở con người.

Sự khác biệt này có thể đặc biệt quan trọng trong toán học.

Một nhà toán học con người chỉ có thể giữ một số lượng nhỏ các yếu tố xa lạ trong tâm trí cùng một lúc. Một mô hình AI có thể giữ toàn bộ đề bài, hàng trăm phương trình trung gian, một vài hướng tiếp cận đã bị loại bỏ, các định nghĩa, ràng buộc và những kết luận trước đó bên trong cửa sổ ngữ cảnh (context window) của nó.

Chúng ta thường diễn giải hiệu suất đạt được là bằng chứng của khả năng lập luận vượt trội. Nhưng một phần trong đó có thể phản ánh việc loại bỏ một trong những giới hạn sinh học quan trọng nhất đối với khả năng lập luận của con người: dung lượng bộ nhớ làm việc cực kỳ hạn chế của chúng ta.

Bộ nhớ làm việc là hệ thống tinh thần cho phép chúng ta lưu giữ và thao tác với thông tin trong thời gian ngắn.

Khi giải một phương trình, bạn phải nhớ mỗi biến đại diện cho điều gì, những phép tính nào đã được thực hiện và mục tiêu hiện tại là gì. Trong quá trình chứng minh, bạn có thể cần phải theo dõi các giả định, các bổ đề trung gian, các trường hợp ngoại lệ và nhiều trường hợp có thể xảy ra.

Bộ nhớ làm việc của con người bị hạn chế một cách đáng kể.

Dung lượng chính xác của nó phụ thuộc vào nhiệm vụ và cách thông tin được tổ chức, nhưng giới hạn chung là điều hiển nhiên từ kinh nghiệm hàng ngày. Hãy thử nhân hai số có ba chữ số trong đầu bạn. Các phép tính cơ bản thì đơn giản. Khó khăn chủ yếu đến từ việc phải ghi nhớ các kết quả trung gian trong khi thực hiện các phép tính bổ sung.

Việc viết các con số ra giấy làm thay đổi bài toán.

Giấy không làm bạn thông minh hơn. Nó mở rộng bộ nhớ làm việc hiệu dụng của bạn.

Nguyên tắc tương tự cũng áp dụng ở các cấp độ toán học cao hơn. Một nhà toán học sử dụng ký hiệu, giấy nháp, sơ đồ và các bổ đề đã viết trước đó không chỉ để truyền đạt lời giải, mà còn để làm cho việc lập luận trở nên khả thi về mặt nhận thức.

Các chuyên gia bù đắp bằng cách "gom nhóm" (chunking). Một người mới bắt đầu nhìn thấy một chuỗi ký hiệu dài. Một chuyên gia nhận ra một cấu trúc quen thuộc và coi nó như một đối tượng khái niệm duy nhất. Điều này cho phép nhiều thông tin hơn được chứa đựng bên trong cùng một giới hạn bộ nhớ làm việc sinh học.

Nhưng gom nhóm không loại bỏ giới hạn. Nó chỉ nén thông tin lại.

Một mô hình AI đối mặt với một ràng buộc rất khác.

Tầm quan trọng của bộ nhớ làm việc đối với toán học không chỉ mang tính lý thuyết. Nó có thể thấy rõ qua sự khác biệt giữa con người với nhau.

Bộ nhớ làm việc có mối liên hệ chặt chẽ với trí thông minh tổng quát, điều này đặt ra một câu hỏi hiển nhiên: liệu nó có dự đoán độc lập hiệu suất toán học, hay nó chỉ là một thước đo không hoàn hảo khác của IQ?

Một số nghiên cứu cho thấy nó đóng góp một phần vượt ra ngoài các thước đo trí thông minh thông thường. Ví dụ, Alloway và Passolunghi (2011) đã kiểm tra bộ nhớ làm việc, khả năng ngôn ngữ và kỹ năng toán học ở trẻ em. Họ phát hiện ra rằng các thước đo bộ nhớ làm việc đóng góp riêng biệt vào hiệu suất toán học thay vì chỉ đơn thuần tái tạo mối liên hệ giữa toán học và khả năng ngôn ngữ tổng quát.

Trong một nghiên cứu dọc kéo dài sáu năm, Alloway và Alloway (2010) đã đo lường trẻ em ở độ tuổi lên năm và sau đó kiểm tra thành tích học tập của chúng sáu năm sau đó. Hiệu suất bộ nhớ làm việc sớm dự đoán khả năng đọc viết và tính toán sau này ngay cả khi IQ đã được đưa vào phân tích. Thực tế, bộ nhớ làm việc là yếu tố dự báo kết quả học tập sau này mạnh mẽ hơn so với thước đo IQ được sử dụng trong nghiên cứu.

Blankenship và các đồng nghiệp (2015) cũng báo cáo tương tự rằng bộ nhớ làm việc giải thích sự biến thiên độc đáo trong sự trôi chảy toán học và tính toán sau khi kiểm soát thống kê về IQ và độ tuổi. Một phân tích tổng hợp lớn của Friso-van den Bos và các đồng nghiệp (2013) cũng tìm thấy mối quan hệ nhất quán giữa bộ nhớ làm việc và toán học trong các nghiên cứu ở trường tiểu học, mặc dù cường độ của mối quan hệ thay đổi tùy theo loại bộ nhớ làm việc và nhiệm vụ toán học được đo lường.

Những phát hiện này không nên bị thổi phồng. Bộ nhớ làm việc và trí thông minh chồng chéo đáng kể, và kiểm soát thống kê không thể tách biệt hoàn toàn chúng như các cơ chế tâm lý độc lập. Bằng chứng cũng không ngụ ý rằng việc đào tạo bộ nhớ làm việc thương mại sẽ nhất thiết tạo ra những cải thiện lớn về trí thông minh hoặc toán học.

Tuy nhiên, kết luận hẹp hơn vẫn rất quan trọng: trong số những trẻ em có trí thông minh đo lường tương đương, sự khác biệt về khả năng lưu giữ, cập nhật và thao tác thông tin vẫn dự đoán sự khác biệt về hiệu suất toán học.

Điều này cung cấp một manh mối quan trọng để hiểu về AI. Nếu hiệu suất toán học của con người bị giới hạn một phần bởi nút thắt cổ chai của bộ nhớ làm việc, thì việc cung cấp cho máy móc một không gian làm việc bằng ký hiệu khổng lồ sẽ thay đổi bản chất của cuộc chơi. Máy móc có thể tỏ ra thông minh hơn về mặt toán học một phần vì nó ít bị hạn chế hơn nhiều bởi một giới hạn nhận thức vốn kìm hãm hiệu suất của con người.

Một mô hình ngôn ngữ hiện đại có thể xử lý một chuỗi token khổng lồ cùng một lúc. Chuỗi này có thể bao gồm câu hỏi gốc, các định nghĩa, ví dụ, các phép tính trung gian và chính quá trình lập luận trước đó của mô hình.

Cửa sổ ngữ cảnh không giống hệt với bộ nhớ làm việc của con người. Nó được hiểu rõ hơn như một cuốn sổ tay bên ngoài khổng lồ kết hợp với một hệ thống không hoàn hảo để tìm kiếm và sử dụng những gì đã được viết trong đó.

Sự khác biệt này rất quan trọng.

Con người sở hữu một dạng bộ nhớ nội tại chủ động. Chúng ta có thể âm thầm chọn một con số, giữ nó trong tâm trí, biến đổi nó và thay thế nó bằng một giá trị mới mà không cần nói hay viết bất cứ điều gì.

Các mô hình ngôn ngữ tiêu chuẩn yếu hơn nhiều trong việc duy trì loại trạng thái tinh thần riêng tư, được cập nhật liên tục này. Dạng bộ nhớ ổn định nhất của chúng thường là chuỗi các token đã được tạo ra.

Nếu mô hình viết:

x=6

và sau đó viết:

x+3=9,

những tuyên bố đó vẫn nằm trong ngữ cảnh. Mô hình có thể chú ý đến chúng một lần nữa khi tạo bước tiếp theo.

Do đó, quá trình lập luận của nó thường được ngoại hóa. Văn bản không chỉ là báo cáo về một quá trình tư duy đã hoàn thành. Văn bản là một phần của cơ chế mà qua đó quá trình lập luận diễn ra.

Con người cũng làm điều tương tự khi sử dụng giấy nháp. Sự khác biệt chính nằm ở quy mô.