Summary
Highlights
Demis Hassabis chia sẻ rằng ông muốn giữ AI trong phòng thí nghiệm lâu hơn để tập trung vào nghiên cứu khoa học thuần túy. Tuy nhiên, sự xuất hiện của chatbot và các mô hình nền tảng đa phương thức đã tạo ra một cuộc đua thương mại, thu hút nhiều nguồn lực hơn vào lĩnh vực này và đẩy nhanh tiến độ. Mặc dù có những lo ngại về sự chững lại về dữ liệu, DeepMind tin rằng có những cách để vượt qua, như dữ liệu tổng hợp và sự đổi mới khoa học.
Các mô hình AI vẫn gặp phải ảo giác, tức là chúng đưa ra câu trả lời khi đáng lẽ phải từ chối. Demis cho rằng cần tích hợp điểm tin cậy, tương tự như AlphaFold, để các mô hình có thể tự nhận ra sự không chắc chắn của mình. Ngoài ra, việc phát triển các mô hình thế giới (world models) là rất quan trọng để AI có thể hiểu được động lực không gian và bối cảnh vật lý của thế giới, điều mà các mô hình ngôn ngữ còn hạn chế. Genie và SIMA là những bước quan trọng trong việc tạo ra các mô hình thế giới tổng quát và tích hợp các tác nhân AI vào các môi trường mô phỏng.
Hannah Fry và Demis Hassabis thảo luận về việc sử dụng AI trong các thế giới mô phỏng. Demis nhấn mạnh tầm quan trọng của việc đảm bảo tính chân thực của các thế giới mô phỏng, tránh các lỗi vật lý. Ông cũng bày tỏ sự quan tâm đến việc chạy các thí nghiệm tiến hóa tác nhân trong môi trường mô phỏng để hiểu rõ hơn về nguồn gốc sự sống và ý thức. AI có thể giúp giám sát và phân tích những mô phỏng phức tạp này. Demis cũng lo ngại về bong bóng AI hiện tại nhưng tự tin vào vị thế của Google DeepMind.
Demis Hassabis nhấn mạnh tầm quan trọng của việc xây dựng AI một cách có trách nhiệm, tránh lặp lại những sai lầm của mạng xã hội. Ông tin rằng AI nên được thiết kế để hỗ trợ người dùng, thay vì tối đa hóa sự tương tác. Ông đề xuất một 'tính cách khoa học' cho AI, thân thiện và hữu ích nhưng cũng sẵn sàng phản biện một cách lịch sự khi cần thiết. Về tác động xã hội của AGI, Demis cho rằng xã hội cần chuẩn bị cho những thay đổi lớn về kinh tế và việc làm, tương tự như Cuộc cách mạng Công nghiệp, nhưng diễn ra nhanh hơn nhiều. Ông gợi ý cần có các hệ thống kinh tế và xã hội mới để phân phối rộng rãi lợi ích của AGI và đối phó với những câu hỏi triết học về mục đích con người trong một thế giới dư thừa.
Demis Hassabis thảo luận về câu hỏi liệu có điều gì mà con người có thể làm được mà máy móc không bao giờ làm được. Ông cho rằng câu hỏi này liên quan đến giới hạn của máy Turing. Ông tin rằng nếu AGI được xây dựng, nó có thể được sử dụng làm mô phỏng tâm trí để so sánh với tâm trí con người, từ đó làm nổi bật những đặc điểm độc đáo của con người như sự sáng tạo, cảm xúc hay ý thức. Demis nghiêng về giả thuyết rằng mọi thứ trong vũ trụ đều có thể tính toán được và có thể được mô hình hóa bởi máy Turing, dựa trên quan điểm rằng thông tin là đơn vị cơ bản nhất của vũ trụ. Ông nhấn mạnh tầm quan trọng của các thế giới mô phỏng trong việc khám phá giới hạn của những gì có thể. Việc tái tạo thực tế vật lý trong mô phỏng là một thách thức lớn nhưng là bước tiến quan trọng.
Demis Hassabis chia sẻ về những cảm xúc phức tạp khi đứng ở tuyến đầu của AI. Mặc dù công việc rất thú vị và ông đang thực hiện ước mơ của mình, nhưng ông cũng cảm nhận được trách nhiệm to lớn đối với những gì AI sẽ mang lại. Ông đã chuẩn bị cho khoảnh khắc này suốt cuộc đời mình thông qua việc chơi cờ vua, làm việc với máy tính, trò chơi điện tử và nghiên cứu khoa học thần kinh. Ông thừa nhận rằng có những khía cạnh khó khăn hơn dự kiến, như việc AI có thể thay thế một số kỹ năng sáng tạo. Demis mong muốn tất cả các nhà lãnh đạo AI cùng hợp tác để đảm bảo AI được phát triển an toàn và có trách nhiệm, mặc dù sự cạnh tranh vẫn rất khốc liệt. Ông lo ngại về các hệ thống dựa trên tác nhân sắp tới, vì chúng sẽ có tính tự chủ cao hơn và tiềm ẩn nhiều rủi ro hơn. Mục tiêu cuối cùng của ông là giúp thế giới quản lý AGI một cách an toàn cho toàn nhân loại, và sau đó ông có thể nghỉ ngơi.
Một năm qua là một năm phi thường đối với AI, với sự chuyển dịch trọng tâm từ các mô hình ngôn ngữ lớn sang AI tác nhân. Chúng ta đã chứng kiến AI tăng tốc khám phá thuốc và các mô hình đa phương thức được tích hợp vào robot và ô tô tự lái. Demis tự hào về Gemini 3, một mô hình đa phương thức của DeepMind, và sự tiến bộ của các mô hình thế giới.
AI đang giải quyết các vấn đề gốc rễ, như AlphaFold đã cho thấy khả năng khám phá thuốc. Các lĩnh vực khác đang được khám phá bao gồm khoa học vật liệu, siêu dẫn nhiệt độ phòng và pin tốt hơn. DeepMind cũng hợp tác với Commonwealth Fusion để tăng tốc nghiên cứu phản ứng tổng hợp và phát triển máy tính lượng tử.
AI đã giành được huy chương vàng trong Olympic Toán học Quốc tế nhưng vẫn mắc lỗi cơ bản trong toán học cấp trung học. Demis cho rằng sự thiếu nhất quán này là một trong những lý do chính khiến chúng ta chưa đạt được AGI. Các mô hình hiện tại rất giỏi ở một số lĩnh vực, nhưng lại cơ bản ở những lĩnh vực khác. Cần phải thu hẹp những khoảng trống này để đạt được một trí thông minh tổng quát có tính nhất quán.