Triết học: Từ môn học 'kén người' đến chìa khóa giải mã đạo đức AI

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

19-07-2026 20:34:01 Nguồn: QbitAI

Khi trí tuệ nhân tạo bước vào xã hội, công tác quản trị không thể chậm nhịp

Kim Lỗi đưa tin từ Thượng Hải

QbitAI | Kênh chính thức QbitAI

Ai mà ngờ được, triết học – một chuyên ngành vốn ít người theo đuổi – nay lại trở thành chủ đề nóng hổi của AI.

Đây là phát hiện bất ngờ của chúng tôi khi tham quan WAIC năm nay: hàm lượng triết học trong đó thực sự khá cao.

△ Hình ảnh do AI tạo ra

Ví dụ, tại phiên thảo luận song song "Tâm trí và Trí tuệ · Diễn đàn Sinh thái Thanh niên" thuộc Diễn đàn Mở về Trí tuệ Khoa học tại WAIC, vị khách mời đầu tiên lên diễn thuyết chính là Giáo sư Tôn Ninh từ Khoa Triết học, Đại học Phúc Đán; tại phiên chính của Diễn đàn Mở về Trí tuệ Khoa học với chủ đề "Đổi mới nguyên bản trong kỷ nguyên AI bản địa", Giáo sư Tôn Hướng Thần từ Khoa Triết học, Đại học Phúc Đán cũng đã góp mặt trong cuộc đối thoại đỉnh cao.

Không chỉ dừng lại ở đó, trong khuôn khổ WAIC, "Sách trắng về phát triển trí tuệ nhân tạo trong khoa học nhân văn và xã hội năm 2026" do Phòng thí nghiệm Quốc gia về Phát triển và Quản trị Thông minh thuộc Đại học Phúc Đán công bố đã tiếp tục đặt tư duy chuyên sâu, độ tin cậy trong nghiên cứu khoa học và quản trị AI dưới ánh đèn sân khấu.

Nhưng nói đi cũng phải nói lại, cơn sốt triết học tưởng chừng đột ngột này thực ra đều có dấu vết để lần theo.

Vài năm trước khi tham dự các hội nghị AI, mọi người bàn tán nhiều nhất về tham số, sức mạnh tính toán và các bảng xếp hạng; còn hiện nay, AI đã có thể viết luận văn, thực hiện chứng minh toán học, tạo cấu trúc protein và thậm chí dùng các tác nhân thông minh (agent) để mô phỏng xã hội.

Mặc dù AI đang trên đà phát triển mạnh mẽ về năng lực, nhưng những vấn đề nảy sinh theo đó lại ngày càng tiệm cận với triết học:

Trong bài diễn thuyết mang tên "Trước trí tuệ, phải có thế giới", Tôn Ninh đã đưa vấn đề trở về với cội nguồn.

Ngay từ những năm 90 của thế kỷ trước, nhà khoa học nhận thức Stevan Harnad đã đặt ra vấn đề nền tảng ký hiệu (symbol grounding problem), truy vấn xem hệ thống ký hiệu có được ý nghĩa thực sự thông qua cảm nhận và tương tác như thế nào. Cùng thời điểm đó, kỹ sư robot Rodney Brooks cũng đưa ra giả thuyết nền tảng vật lý và để lại một câu nói đầy sức ảnh hưởng: "Thế giới tự thân nó chính là mô hình tốt nhất".

△ Giáo sư Khoa Triết học, Đại học Phúc Đán, Tôn Ninh

Theo hướng tư duy này, Tôn Ninh cho rằng một trí tuệ bắt rễ sâu sắc vào thế giới ít nhất cần có cơ thể, môi trường, tha nhân và lịch sử. Cơ thể khiến hành động phải trả giá, môi trường cung cấp phản hồi, tha nhân mang lại quy phạm, còn lịch sử giúp biến thất bại thành kinh nghiệm.

Ông tóm tắt lại bằng hai câu:

Trước trí tuệ, phải có thế giới. Trước tâm trí, phải có mối quan hệ.

Điều này cũng đã định hình tông giọng cho các cuộc thảo luận trong ngày hôm đó.

Diễn đàn thanh niên này được đồng tổ chức bởi Phòng thí nghiệm Quốc gia về Phát triển và Quản trị Thông minh Đại học Phúc Đán, Viện Nghiên cứu Trí tuệ Khoa học Thượng Hải, Khoa Triết học Đại học Phúc Đán, Viện Nghiên cứu Công nghệ Tương lai Phúc Đán Thanh Phố Thượng Hải và Datawhale.

Trên sân khấu có cả các nhà khoa học trẻ, triết gia, nhà khoa học xã hội và các doanh nhân. Mọi người trò chuyện từ mô hình tự tiến hóa đến chứng minh toán học, từ động lực học protein đến mô phỏng xã hội, cuối cùng chốt lại ở vấn đề quản trị và công nghiệp.

Những vấn đề tưởng chừng tản mát ở các ngành học khác nhau đã được kết nối lại với nhau như vậy.

AI bắt đầu tự thực hiện nghiên cứu khoa học

Ngay sau khi các triết gia truy vấn "Trí tuệ là gì", nhà sáng lập Siêu Diễn Trí Tuệ (Chaoyan Intelligence) Trần Dũng Siêu đã mang đến một câu hỏi cụ thể hơn: Liệu AI có thể trở thành những nhà khoa học mới?

△ Nhà sáng lập Siêu Diễn Trí Tuệ, Trần Dũng Siêu

Các mô hình lớn (Large Models) trước đây chủ yếu học kiến thức nhân loại đã có từ dữ liệu internet. Mô hình tự tiến hóa mà Trần Dũng Siêu nhắc đến lại hy vọng có thể đi sâu vào các nhiệm vụ thực tế, học tập liên tục từ quá trình nghiên cứu khoa học và phản hồi của môi trường.

Cụ thể, mô hình có thể tự nghĩ ra ý tưởng, viết code, chạy thí nghiệm, phân tích dữ liệu, sau đó đúc kết lại các quỹ đạo thành công và thất bại để tiếp tục điều chỉnh dữ liệu, mô hình và Harness.

Tại hiện trường, Trần Dũng Siêu còn trình diễn một nhóm kết quả khá bắt mắt.

Apex Search do đội ngũ của ông phát triển đã tạo ra 34 bài báo và gửi các bài báo này đến các hệ thống đánh giá học thuật như ACL, ARR. Theo kết quả ông tiết lộ tại chỗ, khoảng 10 bài có cơ hội lọt vào Findings hoặc hội nghị chính, hai bài báo đạt 3,67 điểm, cao hơn khoảng 95% số bài nộp từ con người.

Một số ý kiến phản biện thậm chí còn đánh giá đây là "nghiên cứu đầu tiên trong lĩnh vực", "thí nghiệm nghiêm ngặt", "đề tài đánh trúng trọng tâm".

Nói cách khác, các thành quả nghiên cứu do AI tạo ra đã có thể vượt qua vòng kiểm duyệt đầu tiên của các phản biện viên là con người.

Nhưng vấn đề cũng theo đó mà đến.

Trong phiên tọa đàm "Sự biến đổi của xã hội" sau đó, Giáo sư Ngụy Trung Ngọc từ Khoa Dữ liệu lớn Đại học Phúc Đán đặt vấn đề: Nếu AI tạo ra và nộp hàng chục bài báo cùng lúc, cuối cùng có vài bài đạt điểm cao, thì chúng ta rốt cuộc nên đánh giá năng lực nghiên cứu của nó như thế nào? Điều này chứng tỏ năng lực nghiên cứu của hệ thống đã đạt đến trình độ công bố tại các hội nghị đỉnh cao, hay nó chỉ vô tình tìm ra lỗ hổng trong cơ chế bình duyệt (peer review) hiện tại?

Khi các bài báo được tạo ra ngày càng nhanh, việc đánh giá có lẽ sẽ trở nên khó khăn hơn cả việc tạo ra chúng.