Phỏng vấn Fei-Fei Li: AI không thay thế con người, mà là công cụ khuếch đại năng lực

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

16-08-2026 18:45:47 Nguồn: QbitAI

AI không phải là kẻ thay thế, mà là kính lúp khuếch đại năng lực cá nhân

Văn Đình, đưa tin từ QbitAI | Kênh chính thức QbitAI

Làm sao AI có thể thay thế con người được chứ?

Đúng vậy, câu nói này là của Lý Phi Phi (Fei-Fei Li).

Trong tập phỏng vấn mới nhất của Huberman Lab, Lý Phi Phi còn thảo luận về những chủ đề vô cùng thú vị như "Tại sao Socrates là 'kỹ sư gợi ý' (prompt engineer) đỉnh cao nhất trong lịch sử nhân loại", "Tại sao không thể cấm đoán học sinh sử dụng AI một cách cứng nhắc", đồng thời đưa ra một câu trả lời đầy khẳng định:

Dù là trong lĩnh vực y tế, điện ảnh, truyền hình hay giáo dục, AI không phải là kẻ thay thế con người, mà là kính lúp khuếch đại năng lực cá nhân.

Nội dung xuyên suốt đầy ấn tượng, các ghi chú trọng tâm như sau:

Bài viết này đã được AI hiệu đính kỹ lưỡng từ bản ghi chép nội dung phỏng vấn mà không làm thay đổi ý nghĩa gốc.

Chúc bạn đọc vui vẻ!

AI còn thiếu điều gì?

Người dẫn chương trình (Andrew Huberman): Phi Phi, hôm nay chúng ta hãy bắt đầu trò chuyện về AI từ thị giác nhé. Nhiều người cảm thấy cảm nhận ánh sáng và AI rất xa vời, nhưng thực tế đó lại là một điểm khởi đầu lớn cho sự phát triển của AI?

Lý Phi Phi: Đúng vậy, thị giác là nền tảng của trí tuệ. Chúng ta có thể hiểu nó dọc theo hai mạch chính: tiến hóa sinh học và thị giác máy tính.

Xét từ góc độ tiến hóa sinh học, 540 triệu năm trước, các sinh vật biển cổ đại lần đầu tiên "nhìn thấy" ánh sáng, sự xuất hiện của các tế bào cảm quang đã trực tiếp thúc đẩy sự bùng nổ loài trong kỷ Cambri. Đối với con người cũng vậy, một nửa hoạt động thần kinh trong vỏ não của chúng ta liên quan đến thị giác, trẻ sơ sinh cũng học cách "nhìn" trước rồi mới học cách "nói".

Đối với AI, đóng góp của thị giác thể hiện chủ yếu ở hai phương diện: cung cấp cảm hứng thuật toán và thúc đẩy sự thức tỉnh dữ liệu.

Thứ nhất là cảm hứng thuật toán. Vào những năm 50 của thế kỷ trước, các nhà khoa học phát hiện ra rằng hệ thống thị giác của động vật có vú có cấu trúc thần kinh phân tầng, điều này đã trực tiếp truyền cảm hứng cho việc thiết kế các mạng thần kinh sơ khai.

Ngày nay, dù quy mô tham số mô hình đã tăng vọt, nhưng nguồn gốc của nó vẫn có thể truy xuất về các nghiên cứu thị giác sinh học.

Thứ hai là sự thức tỉnh dữ liệu. Đầu thế kỷ này, hiệu quả của các thuật toán luôn không mấy lý tưởng. Năm 2006, khi đang nghiên cứu tại Princeton, tôi mới nhận ra rằng thứ gây cản trở có lẽ không phải là thuật toán, mà là do dữ liệu huấn luyện quá ít.

Bạn hãy thử nghĩ xem, một đứa trẻ đến 6 tuổi đã có thể nhận diện hàng chục nghìn thứ như bàn, ghế, hoa... đó là nhờ vào lượng hình ảnh khổng lồ mà chúng đã nhìn thấy trong quá trình trưởng thành.

Được truyền cảm hứng từ điều này, chúng tôi không còn cố chấp với thuật toán nữa mà chuyển sang khởi xướng dự án ImageNet, tích lũy bộ dữ liệu hình ảnh lên đến hàng chục triệu.

Đến năm 2012, khi bộ dữ liệu lớn, mạng thần kinh sâu và sức mạnh tính toán GPU hội tụ, AI hiện đại mới thực sự bước vào bước ngoặt.

Người dẫn chương trình: Khoảng năm 2012, khả năng nhận diện hình ảnh của AI đột ngột tiến lên một bậc thang lớn. Trước đây ngay cả những khuôn mặt tương tự cũng không phân biệt được, nhưng sau năm 2012, nó có thể nhận diện chính xác ai là ai ngay lập tức. Rốt cuộc điều gì đã xảy ra đằng sau đó?

Lý Phi Phi: Chính là sự hội tụ của ba yếu tố mà tôi vừa nhắc tới: "Sức mạnh tính toán song song của GPU tăng lên, công nghệ mạng thần kinh trưởng thành và Internet mang lại dữ liệu khổng lồ".

Lấy cuộc thi nhận diện hình ảnh ImageNet làm ví dụ, con người phân biệt một nghìn loại vật phẩm, tỷ lệ sai sót chỉ khoảng 4%, và hầu hết những lần chúng ta nhận sai không phải do nhìn quá vội vàng, mà thuần túy là do vật thể trông quá giống nhau hoặc nhầm lẫn giữa các chủng loại.

Trong khi đó, tỷ lệ sai sót của mạng thần kinh những năm đầu dù đã giảm đáng kể nhưng vẫn không thể so sánh với con người; mãi đến năm 2016, độ chính xác của thuật toán mới lần đầu tiên vượt qua con người.

Lộ trình phát triển của hướng âm thanh và thính giác cũng gần như y hệt với nhận diện hình ảnh.

Sau khi kiến trúc Transformer ra đời vào năm 2016-2017, hiệu suất đã nhanh chóng bỏ xa mô hình kinh điển đầu tiên trong lĩnh vực hình ảnh là AlexNet;

Sau đó, nhờ cấu trúc mạng hoàn thiện hơn, tài liệu văn bản khổng lồ, cộng thêm sự hỗ trợ của sức mạnh tính toán GPU, trải qua đúng 5 năm lặp lại và tối ưu hóa, ChatGPT mới chính thức ra đời vào năm 2022.

Người dẫn chương trình: Tôi nghĩ con người có một thiên bẩm đặc biệt gọi là sự tồn tại của vật thể (object permanence).

Ví dụ như chúng ta chỉ nhìn thấy một đoạn đuôi mèo, kết hợp với môi trường trong phòng là có thể lập tức phán đoán đây là một con mèo nuôi trong nhà chứ không phải con cáo.

Bạn nghĩ khi nào AI mới có thể sở hữu khả năng suy luận độc lập kết hợp với bối cảnh như vậy?

Lý Phi Phi: Các mô hình lớn hiện nay dựa vào dữ liệu khổng lồ, quả thực có thể đưa ra những phán đoán tương tự, nhưng logic nền tảng hoàn toàn khác biệt so với não người.

Trẻ nhỏ chỉ cần nhìn thấy vài con mèo là có thể suy luận ra tất cả các con mèo khác; nhưng AI phải quét qua hầu hết tất cả hình ảnh mèo trên mạng, dựa vào các quy luật thống kê trong dữ liệu để phân biệt.

Logic học tập của hai bên khác biệt một trời một vực, đằng sau đó vẫn còn hàng loạt bài toán khoa học cần giải quyết.

Người dẫn chương trình: Sau đó AI còn có thể làm cho ảnh tĩnh chuyển động, ví dụ như khiến con mèo trong ảnh đuổi theo con chuột, điều này lại được thực hiện như thế nào?