AI hành xử giống bộ não hơn là cơ sở dữ liệu – vai trò của khoa học nhận thức trong câu chuyện nguồn gốc giúp giải thích tại sao
AI behaves more like a brain than a database – cognitive science’s role in its origin story helps explain why

Khi mọi người suy nghĩ về những gì ChatGPT hoặc các mô hình ngôn ngữ lớn khác đang làm đằng sau hậu trường, việc sử dụng thuật ngữ ngành máy tính là điều rất phổ biến. Bạn có thể cho rằng có một cơ sở dữ liệu, hoặc một chuỗi các bước logic đang được thực thi, nhằm đưa ra phản hồi cho truy vấn của bạn.
Hình dung các phản hồi của AI giống như việc máy tính của bạn đang mở một tệp tin là một hướng suy nghĩ hợp lý. Nhưng điều đó không chính xác. Hiểu được ảnh hưởng trung tâm của khoa học nhận thức trong quá trình tiến hóa của AI sẽ giúp giải thích lý do tại sao.
AI’s
Lịch sử của AI không chỉ là câu chuyện của khoa học máy tính. Những tiến bộ nền tảng tạo nên AI ngày nay được tạo ra bởi những người có mục tiêu tìm hiểu tâm trí con người chứ không phải để giúp bạn làm bài tập về nhà hay lên lịch trình du lịch. Sự khác biệt này rất quan trọng, bởi vì nó giúp giải thích rõ hơn lý do tại sao các hệ thống này lại “hành xử” theo cách chúng đang làm.
Chúng tôi là những nhà khoa học nhận thức, những người giảng dạy cho sinh viên về các cội nguồn liên ngành của lĩnh vực chúng tôi, bao gồm cả mối liên hệ sâu sắc và thường bị lãng quên của nó với khoa học máy tính và AI. Có một lịch sử chung thường bị bỏ quên trong các cuộc trò chuyện về những gì AI đang làm.
AI’s lineage is often overlooked
Nguồn gốc của AI thường bị bỏ quên
Thuật ngữ “trí tuệ nhân tạo” được đặt ra vào năm 1956 tại một hội workshop ở Đại học Dartmouth. Vào thời điểm đó, người ta cho rằng một cỗ máy có thể trở nên thông minh nếu bạn viết ra đúng tập hợp các quy tắc cho nó tuân theo.
Tuy nhiên, thay vì chế tạo một cỗ máy tuân theo các quy tắc, nhà tâm lý học Frank Rosenblatt đã chế tạo ra một cỗ máy vào năm 1958 – chiếc Perceptron – có khả năng học hỏi từ các ví dụ. Rosenblatt đã không tham dự hội thảo ở Dartmouth, nhưng ông đang suy nghĩ về cách làm cho một cỗ máy trở nên thông minh theo một cách hoàn toàn khác biệt và mang tính con người hơn. Phát hiện quan trọng của ông là xây dựng một mạng lưới thần kinh nhân tạo: một thuật toán máy tính mô phỏng lỏng lẻo cấu trúc của bộ não.
Cách tiếp cận này được xây dựng dựa trên công trình của các nhà tâm lý học như Donald Hebb, những người đang nghiên cứu về bộ não và hành vi. Cụ thể, Hebb đã khám phá ra cách các kết nối thần kinh mạnh mẽ hơn khi được sử dụng, một hiểu biết nền tảng sau này đã đặt nền móng cho học máy (machine learning) .
Những tiến bộ tiếp theo diễn ra vào những năm 1980, khi các nhà tâm lý học tìm cách giải thích cách con người thực hiện các tác vụ nhận thức phức tạp, chẳng hạn như nhận dạng từ ngữ và hình thành ký ức. Các nhà khoa học máy tính và nhận thức cùng nhau – David Rumelhart, Geoffrey Hinton và Ronald Williams – đã tìm ra cách huấn luyện các mạng thần kinh nhân tạo có nhiều lớp, một ý tưởng sau này được biết đến với tên gọi “học sâu” (deep learning) . Các mạng thần kinh nhiều lớp này có khả năng thực hiện các tác vụ phức tạp hơn và khái quát hóa những gì chúng “học được” để áp dụng vào các ví dụ mới.
Trong những thập kỷ tiếp theo, các kỹ sư và nhà khoa học máy tính đã giúp mở rộng quy mô năng lực tính toán, phát triển các chip đồ họa, kiến trúc transformer và nhiều thứ khác. Nếu không có các hệ thống này, AI hiện đại vẫn sẽ chật vật trong việc nhận dạng các chữ cái và từ ngữ, chứ chưa thể có những cuộc trò chuyện thực tế bằng ngôn ngữ tự nhiên.
Tuy nhiên, những hiểu biết nền tảng lại xuất phát từ việc nghiên cứu tâm trí: AI nên học hỏi từ các ví dụ, và kiến trúc của nó nên dựa trên bộ não con người.
Những ý tưởng nền tảng này đóng vai trò quan trọng vì lý do thực tiễn. AI hiện đại không được sinh ra từ các quy tắc – nó phát triển từ các ví dụ. Và những thứ lớn lên từ việc phát triển thì không thể đoán trước được như các hệ thống dựa trên quy tắc.
Its origin helps explain its ‘behavior’
Nguồn gốc của nó giúp giải thích ‘hành vi’ của nó
Trực giác và mô hình tâm trí của con người về cách công nghệ hoạt động chi phối cách mọi người sử dụng nó. Ý tưởng coi AI như phần mềm – mang tính quyết định, chuyên truy xuất sự thật – khiến mọi người hiểu sai các đầu ra mà chúng cung cấp.
AI “hallucinations”
Hiện tượng “ảo giác” ở AI là phổ biến; các chatbot thường đưa ra những thông tin sai lệch. Việc coi AI như một cơ sở dữ liệu khiến hành vi này trở nên khó hiểu. Làm thế nào một hệ thống có thể tra cứu một câu trả lời không tồn tại?
Nhưng trí nhớ con người không “tra cứu” các câu trả lời. Nó mang tính tái tạo và không hoàn hảo, lấp đầy các khoảng trống bằng những chi tiết hợp lý. Nhờ công trình tiên phong của nhà tâm lý học Elizabeth Loftus, các nhà nghiên cứu biết rằng ký ức giả rất tiếc là điều phổ biến và có thể được cấy ghép tương đối dễ dàng.
Một hệ thống “tra cứu thứ gì đó” sẽ đưa ra cùng một câu trả lời mỗi lần, nhưng do đó nó bị hạn chế trong việc phản hồi một tập hợp các câu hỏi hữu hạn. Tâm trí con người không hoạt động theo cách đó, và AI cũng vậy. Cái giá phải trả cho việc có khả năng khái quát hóa các câu hỏi và tác vụ mới là một hệ thống dễ bịa đặt thông tin (confabulation) .
Việc coi AI giống như một bộ não nguyên thủy cũng giúp giải thích các hành vi khó hiểu bổ sung, chẳng hạn như việc nhận được các câu trả lời khác nhau cho cùng một câu hỏi. Hãy hỏi đứa con nhỏ của bạn hai lần xem chúng muốn ăn gì vào bữa tối và bạn có thể nhận được những yêu cầu khác nhau. Việc định framing (khung ngữ cảnh) cũng rất quan trọng khi tương tác với hệ thống AI, vì các hệ thống này có thể được thúc đẩy để đưa ra câu trả lời mà bạn thích. Chúng hoạt động theo phương thức xác suất, giống như trí nhớ của con người, chứ không hoạt động theo phương thức tất định như một chiếc máy tính bỏ túi.
Không điều nào trong số này có nghĩa là AI chắc chắn suy nghĩ giống như con người, nếu như các hệ thống đó thực sự có suy nghĩ. Con người và AI thường “nhận thức” sự việc theo những cách khác nhau; thị giác máy tính có thể phát hiện ra những điểm bất thường tinh vi mà người sàng lọc bằng mắt thường có thể bỏ sót, nhưng cũng có thể diễn giải sai một thứ gì đó, chẳng hạn như một biển báo giao thông bị bôi bẩn.
Why those origins still matter
Tại sao những nguồn gốc đó vẫn quan trọng
Nếu AI hiện đại không thể đoán trước, làm thế nào con người có thể hiểu được nó?
Câu trả lời là bằng cách hiểu công nghệ này xuất phát từ đâu. Việc nhận ra rằng các hệ thống AI giống với bộ não hơn là cơ sở dữ liệu có thể giúp mọi người xây dựng các mô hình tâm trí chính xác hơn về những gì AI có thể làm, đồng thời dẫn đến những cách tốt hơn để hiểu cách các hệ thống này hoạt động.
Người dùng quá tin tưởng vào những điều sai lầm. Với một tỷ lệ đáng kể người dùng ChatGPT cho biết họ sử dụng ChatGPT giống như một công cụ tìm kiếm, có vẻ như mọi người đang coi các đầu ra là sự thật được truy xuất chứ không phải là những phỏng đoán trôi chảy và tự tin. Sự hiểu lầm này có thể khiến người dùng bỏ qua bước xác minh mà họ có thể sẽ áp dụng đối với một con người, và từ đó có khả năng đưa ra các quyết định – bao gồm cả các quyết định tài chính – dựa trên thông tin bịa đặt.
Các tổ chức đang vật lộn với các mô hình tâm trí khác nhau. Các giảng viên vẫn bị chia rẽ giữa việc cấm hoàn toàn các công cụ AI và tích hợp chúng vào bài tập khóa học, coi AI là công cụ tạo ra câu trả lời cần được kiểm tra hoặc tin tưởng như những cộng tác viên. Sự chia rẽ này đang gây ra sự nhầm lẫn và tạo ra các rạn nứt giữa (và trong nội bộ) các nhà giáo dục và học sinh của họ.
Khoa học máy tính đang tái khám phá các câu hỏi của khoa học nhận thức. Các hệ thống ngày nay thậm chí còn mờ đục đối với chính những người tạo ra chúng. Một cách tiếp cận để hiểu chúng, đó là thăm dò những gì đi vào và những gì đi ra, giống với chủ nghĩa hành vi, một lĩnh vực tâm lý học từng chiếm ưu thế chuyên nghiên cứu các hành vi có thể quan sát được. Các nhà nghiên cứu giờ đây đang hướng tới tính khả giải thích (interpretability): mở các mô hình ra để xem điều gì đang diễn ra bên trong – gần gũi hơn về mặt tinh thần với thần kinh học – và giải quyết các vấn đề mà các nhà khoa học nhận thức đã suy ngẫm trong nhiều thập kỷ.
Sự trao đổi diễn ra theo cả hai chiều. Cũng giống như khoa học máy tính dựa vào các câu hỏi và phương pháp của khoa học nhận thức, khoa học nhận thức cũng dựa vào khả năng tiếp cận của chính các mô hình AI, sử dụng chúng để kiểm tra và tinh chỉnh các lý thuyết về tâm trí. Khoa học máy tính và khoa học nhận thức đã tách ra từ một dự án duy nhất vào nhiều thập kỷ trước: tìm hiểu cách thức hoạt động của trí tuệ. Các lĩnh vực này càng trao đổi nhiều câu hỏi và công cụ cho nhau, nhân loại sẽ càng có vị thế tốt hơn.
Các tác giả không làm việc cho, tư vấn cho, sở hữu cổ phần trong hoặc nhận tài trợ từ bất kỳ công ty hay tổ chức nào có thể được hưởng lợi từ bài viết này, và không công bố bất kỳ mối liên hệ nào có liên quan ngoài các chức danh học thuật của họ.
có thể bạn cũng quan tâm
-

Cân đối, mảnh mai, quyến rũ và săn chắc: Những tiêu chuẩn thể hình mâu thuẫn mà các cô gái trẻ New Zealand phải đối mặt trên mạng
Fit, thin, curvy and toned: the contradictory body ideals young NZ women face online
-

Thay đổi tư duy về cách đánh giá học sinh có thể cải thiện sức khỏe tinh thần của các em
Rethinking how we assess students could improve their well-being