Tại sao tôi rời OpenAI để gia nhập Conduit phát triển công nghệ thần giao cách cảm

Ngày 4 tháng 8 năm 2026

Vào thứ Năm, ngày 23 tháng 7, tôi đã từ chức tại OpenAI. Ngày 24, tôi bắt đầu công việc với tư cách là Nhà nghiên cứu sáng lập (Founding Researcher) tại Conduit. Chúng tôi đang xây dựng công nghệ thần giao cách cảm: các mô hình chuyển suy nghĩ thành văn bản, được huấn luyện trên dữ liệu thần kinh không xâm lấn.

Tôi sẽ nói về:

1. Chuyển suy nghĩ thành văn bản, hay còn gọi là thần giao cách cảm

Dự đoán của tôi: Trong vài năm tới, cách chính mà chúng ta giao tiếp với AI sẽ là bằng suy nghĩ của chính mình. Chúng sẽ không phải là một thực tập sinh hay đồng nghiệp tự động siêu thông minh mà bạn phải chật vật chạy theo. Chúng sẽ là một phần mở rộng tự nhiên và đầy hứng khởi của chính bạn.

Tôi đã viết ra những viễn cảnh về tương lai này ở bên dưới. Tôi coi chúng là những viễn cảnh lạc quan nhưng có tính khả thi cao.

Tôi đeo một chiếc băng đô lên đầu và mở máy tính xách tay tại Conduit. Bây giờ là 9 giờ sáng. Thiết bị của tôi kết nối với máy tính qua Bluetooth. Tôi mở Codex (không làm mất tính tổng quát).

Tôi suy nghĩ về công việc trong ngày khi nhìn vào mã nguồn, xem lại các ghi chú của ngày hôm qua và chuẩn bị cho buổi họp nhanh lúc 9:30 sáng. Tác nhân GPT-7 của tôi đã miệt mài xử lý bộ mã hóa mới mà tôi đang nghiên cứu hơn một ngày nay. Tôi xem xét công việc của nó. Tôi thấy bối rối trước các nhãn trên biểu đồ, khó chịu với kiểu ngôn ngữ máy móc trong đoạn văn đầu tiên và tò mò về các ký hiệu trong phương trình. Những suy nghĩ mơ hồ của tôi được gửi đến mô hình của Conduit, mô hình này sử dụng các tiền nghiệm (priors) về ngôn ngữ và những điều tôi có thể nói để xuất ra:

conduit://thought-stream → codex

$ decode --source=neural-latent --autosend --to=codex

Tôi đang xem các biểu đồ của bạn. Vui lòng dán nhãn lại phần chú giải và thêm một ô văn bản bên dưới với mô tả đơn giản cho từng đường kẻ.

Tôi hiểu đoạn thảo luận thứ 2 của bạn, nhưng vui lòng viết lại đoạn đầu tiên bằng kỹ năng "humanizer" (làm cho giống con người hơn).

Tạo một hộp văn bản giải thích các phương trình bằng ký hiệu rõ ràng hơn.

Tôi chỉ mất 10 giây để lướt qua biểu đồ, các đoạn văn và ký hiệu. Tôi đã bật chế độ tự động gửi, vì vậy sau mỗi đoạn 10 giây, mô hình Conduit giải mã suy nghĩ của tôi và gửi đến GPT-7, sau đó GPT-7 giao từng tác vụ cho một tác nhân phụ (subagent). Tôi nhìn vào biểu đồ, đoạn văn và các phương trình mới. Tôi tự hỏi liệu các hàm điều hòa cầu (spherical harmonics) có hữu ích hay không; Codex lập tức tạo ra một tác nhân phụ. Bị thuyết phục bởi biểu đồ, tôi quyết định tạo một bản trình chiếu nhanh với phiên bản đẹp mắt hơn, chỉ hiển thị đường cơ sở và hai đường hàng đầu để cho đồng nghiệp xem; Codex lại tạo ra một tác nhân phụ.

Tôi đi pha cà phê. Tâm trí tôi hầu như trống rỗng, nhưng tôi chợt nhớ lại những gì mình muốn nói với ứng viên mà tôi sẽ ăn trưa cùng vào ngày mai. Ở chế độ nền, Codex được nhắc nhở suy nghĩ về thông tin tôi có thể cần cho cuộc trò chuyện ăn trưa và quyết định rằng việc cập nhật biểu đồ quy mô dữ liệu tổng hợp trước khi trình bày là điều khôn ngoan; Codex tạo ra một tác nhân phụ.

Tôi không thực sự nói thành lời trong đầu khi đi pha cà phê. Tôi chỉ đọc các biểu đồ như cách tôi vẫn làm và pha cà phê như bình thường. Cảm giác như phép thuật vậy.

Các công ty AI hiện nay huấn luyện mô hình của họ để giao tiếp trực tiếp với các biểu diễn tiềm ẩn (latent representations) của Conduit. Những suy nghĩ đã được mã hóa của tôi được gửi trực tiếp đến Codex thay vì phải thông qua mô hình giải mã của Conduit trước. Điều đó có nghĩa là tôi có thể dễ dàng truyền đạt những suy nghĩ khó mô tả bằng văn bản, chẳng hạn như hình ảnh trong tâm trí.

Những ngày này, tôi hiếm khi tháo băng đô khi trò chuyện với AI. Thành thật mà nói, thật khó chịu khi không có nó. Với chiếc băng đô thần kinh, tôi cảm thấy mình có siêu năng lực đối với máy tính xách tay của mình! Nếu không có nó, tôi cảm thấy như đang nói chuyện với một người ngoài hành tinh siêu năng lực, kẻ đang cố gắng hết sức để giúp đỡ nhưng không chắc tôi muốn gì và sợ rằng tôi sẽ nổi giận nếu nó làm điều gì đó mà tôi không muốn. Thật tệ.

Conduit tiếp tục cải tiến khả năng đọc không xâm lấn, nhưng chúng tôi đã khởi động hai nỗ lực mới: đọc tổng quát xâm lấn và viết tổng quát.

Hầu hết mọi người hài lòng với việc gắn bó với băng đô thần kinh của họ, nhưng một số lượng đáng kể người dùng rất hào hứng với việc có được khả năng đọc độ trung thực cao hơn thông qua công nghệ xâm lấn.

Thú vị hơn là sự phấn khích gần đây đối với công nghệ viết. Tôi cảm thấy mình có siêu năng lực trong việc điều khiển máy tính xách tay. Nhưng các giác quan của tôi vẫn chỉ là con người. Nó giống như việc tôi có thể điều khiển cánh tay của mình nhưng lại mất hết cảm giác ở đó. Đúng, tôi vẫn có thể nhìn thấy cánh tay của mình và nó tốt hơn nhiều so với việc không có tay, nhưng vẫn thực sự kỳ lạ. Giống như Ian Waterman vậy. Tôi muốn cảm nhận những gì Codex của tôi cảm nhận. Giờ đây, khi Conduit đã thực hiện được việc đọc tổng quát, việc học cách thực hiện viết tổng quát sẽ tiết kiệm dữ liệu hơn gấp nhiều lần (OOMs).

Quan trọng hơn, tôi muốn mở khóa các ứng dụng khác của công nghệ viết. Tôi muốn làm cho bộ não của mình hiệu quả và có khả năng thích nghi thần kinh (neuroplastic) như khi tôi 18 tuổi.

AI của tôi là một phần mở rộng tự nhiên của chính tôi. Nó giống như giác quan thứ sáu và một chi khác trên cơ thể. Tôi băn khoăn về một vấn đề, cảm thấy như mình đang thực sự lướt web, nhìn thấy thoáng qua các trang web, nhận được những tia trực giác về vấn đề đó và cuối cùng rút ra câu trả lời. Cảm giác thật thú vị! Bộ não của tôi giống như Flash vậy. Nhờ công nghệ viết, tư duy của tôi nhanh hơn bao giờ hết ngay cả khi tôi tắt AI.

Năm 2035 trông "siêu nhân" đến mức nào phụ thuộc trực tiếp vào việc chúng ta, với tư cách là một xã hội, quyết định làm cho AI của mình "siêu nhân" đến đâu. Có lẽ chúng ta chọn cách điều tiết nhịp độ. Nhưng tôi thích việc đây thực sự là một tầm nhìn tương lai với con người trong vòng lặp (human-in-the-loop), nơi AI trực tiếp trao quyền cho con người thay vì thay thế chúng ta.

Những cây bút và diễn giả thanh lịch hơn tôi đã bàn luận về giao diện suy nghĩ-đến-AI này trong thập kỷ qua. Tôi sẽ dẫn liên kết đến họ cùng với các đoạn trích ngắn.

2. Làm thế nào để chúng ta xây dựng công nghệ chuyển suy nghĩ thành văn bản?

Về lý thuyết, điều đó rất đơn giản. Đầu vào của chúng ta là hoạt động não bộ và đầu ra mục tiêu là những gì người đó đang thực hiện tại thời điểm đó – ví dụ: văn bản mà người đó đã viết. Dựa trên hoạt động não bộ, chúng ta muốn dự đoán đầu ra có ý nghĩa tương tự với những gì người đó đã viết.

Để huấn luyện các mô hình có thể dự đoán văn bản từ tín hiệu não, chúng ta phải áp dụng bài học tương tự mà những người dự đoán văn bản từ âm thanh lời nói, hoặc văn bản từ văn bản trước đó đã học được: bài học cay đắng (the bitter lesson). Bài học này đại ý rằng bạn nên đổ nhiều tài nguyên tính toán hữu ích hơn vào mô hình của mình, và mô hình của bạn sẽ trở nên tốt hơn bất kỳ thuật toán khéo léo nào mà bạn có thể tự tay tạo ra. Điều đó có nghĩa là chúng ta phải mở rộng quy mô thu thập dữ liệu của mình lên gấp nhiều lần so với những gì đã từng được thực hiện trong giới học thuật.

Rất khó để thu thập đủ dữ liệu bằng các phương pháp xâm lấn. Ít ai muốn cấy chip vào não mình! Nhưng các phương pháp không xâm lấn đang trở nên tốt hơn nhiều. Phần cứng đang được cải thiện và rẻ hơn, mặc dù tôi xin lỗi vì đã không nói rõ chi tiết về phần cứng của chúng tôi.

Khi chúng ta huấn luyện trên nhiều dữ liệu hơn, mô hình dự đoán văn bản có ý nghĩa tương tự hơn với văn bản do chủ thể viết. Đúng là có một số sai số không thể giảm bớt do nhiễu, nhưng đối với hầu hết các phương thức, chúng ta vẫn chưa ở giai đoạn phải đối mặt với điều đó. Cụ thể, các định luật mở rộng (scaling laws) đang có vẻ khả quan: độ tương đồng cosine của các dự đoán không gian tiềm ẩn của chúng ta với các không gian tiềm ẩn mục tiêu tăng theo đường thẳng so với logarit của số giờ dữ liệu. Chúng ta đang ở kỷ nguyên GPT-2.

Chúng ta không cần giải mã hoàn hảo để trở nên hữu ích. Suy nghĩ của bạn sẽ giống như GPS trong thành phố: một tín hiệu GPS nhiễu không đủ để xác định vị trí chính xác của bạn. Nhưng kết hợp với bản đồ và lộ trình điều hướng — tương đương với LLM và ngữ cảnh — nó trở nên chính xác một cách đáng kinh ngạc.

Để tìm hiểu về cách chúng tôi thu thập dữ liệu, hãy xem bài đăng trên blog của Conduit. Nếu bạn là người thích học tập chủ động, hãy đến tham gia nghiên cứu cùng chúng tôi!

3. Tại sao tôi tham gia

3 lý do:

Tóm lại: Tôi rất hạnh phúc! Tôi đang làm việc với một vấn đề mà tôi bị ám ảnh, một vấn đề đầy tham vọng đến mức đáng sợ, cùng với một nhóm nhỏ những người mà tôi yêu quý.

4. Nhân tiện, xin chào!

Đối với những ai chưa biết tôi: xin chào! Tôi đã rời OpenAI hai tuần trước, sau 1,5 năm làm việc ở đó với tư cách là nhà nghiên cứu.

Tôi lớn lên ở bang Washington, nơi tôi chơi cờ vua chuyên nghiệp từ năm 5 đến 15 tuổi và dừng lại sau khi trở thành WIM (Kiện tướng quốc tế nữ). Lần đầu tiên tôi nghe về tiềm năng của AI thông minh hơn con người là khi tôi 12 tuổi, nhưng trong nhiều năm, tôi chỉ nghĩ đó là một ý tưởng kỳ lạ nhưng thú vị mà mọi người trên internet thích viết về nó.

Năm 18 tuổi, tôi theo học tại Harvard để nghiên cứu khoa học máy tính. Trong một lớp học, tôi biết về GPT-3 và cuối cùng đã đọc cuốn "Superintelligence" của Bostrom. Chà, thật là một khoảnh khắc thức tỉnh. Tôi bắt đầu đầu tư vào nghiên cứu an toàn AI, có một thời gian ngắn làm về chính sách AI và cuối cùng gia nhập nhóm căn chỉnh (alignment team) tại OpenAI. Tại OpenAI, ngoài công việc nghiên cứu, tôi dành thời gian cho nhiều dự án phụ khác nhau, bao gồm việc tạo bài thuyết trình giới thiệu về AGI của OpenAI và blog căn chỉnh của chúng tôi, đồng thời giúp tư vấn cho bộ phận AI Resilience của OpenAI Foundation.

Nếu bạn muốn trò chuyện về Conduit, hãy liên hệ với tôi qua [email protected]. Hãy đi uống cà phê, hoặc tôi sẽ dẫn bạn tham quan văn phòng xinh đẹp và khác biệt của chúng tôi ở San Francisco. Chúng tôi luôn tuyển dụng các nhà nghiên cứu, nhân sự hạ tầng và vận hành.