Từ 'Nước đi 37' đến AGI: Hành trình 10 năm AI chinh phục khoa học và tương lai
Mười năm trước, hệ thống AI AlphaGo đã tạo nên cột mốc lịch sử khi trở thành chương trình đầu tiên đánh bại nhà vô địch thế giới trong môn cờ vây phức tạp. Thành tựu này, mà các chuyên gia từng dự đoán phải mất thêm một thập kỷ nữa mới đạt được, đã chính thức khai mở kỷ nguyên AI hiện đại. Đặc biệt, 'Nước đi 37' (Move 37) trong trận đấu với kỳ thủ Lee Sae Dol đã trở thành huyền thoại, chứng minh tiềm năng vượt trội của trí tuệ nhân tạo và báo hiệu rằng chúng ta đã sở hữu những kỹ thuật nền tảng để giải quyết các vấn đề khoa học thực tế.
Bước ngoặt từ một nước đi táo bạo
Vào năm 2016, hơn 200 triệu người trên toàn cầu đã theo dõi trận đấu giữa AlphaGo và nhà vô địch thế giới Lee Sae Dol tại Seoul. Ván thứ hai đã ghi dấu ấn bởi 'Nước đi 37' – một nước đi khác biệt đến mức các bình luận viên chuyên nghiệp ban đầu còn tưởng đó là một sai lầm nghiêm trọng. Tuy nhiên, thực tế đã chứng minh đây chính là bước ngoặt xoay chuyển hoàn toàn cục diện bàn cờ. Khoảng một trăm nước đi sau đó, quân cờ nằm chính xác ở vị trí cần thiết để AlphaGo giành chiến thắng vang dội.
Đó là biểu hiện rõ ràng của khả năng nhìn xa trông rộng đáng kinh ngạc và năng lực của AI trong việc vượt qua giới hạn bắt chước con người để khám phá những chiến lược hoàn toàn mới mẻ. Cờ vây từ lâu đã được xem là môi trường thử nghiệm lý tưởng cho nghiên cứu AI bởi độ phức tạp cực cao, với khoảng 10^170 vị trí có thể xảy ra – nhiều hơn cả số nguyên tử trong vũ trụ.
Để chinh phục trò chơi này, AlphaGo đã sử dụng mạng thần kinh sâu kết hợp với các thuật toán tìm kiếm tiên tiến và học tăng cường – một hướng tiếp cận mà DeepMind tiên phong khai phá. Hệ thống tự học bằng cách phân tích dữ liệu từ các cao thủ con người, sau đó tiến hành tự chơi hàng trăm nghìn ván đấu để đúc kết chiến thuật tối ưu.
Mở rộng sang các lĩnh vực khoa học đột phá
Sau thành công của AlphaGo, đội ngũ nghiên cứu đã phát triển AlphaGo Zero – hệ thống tự học từ các nước đi ngẫu nhiên để trở thành kỳ thủ mạnh nhất lịch sử. Không dừng lại ở đó, họ tiếp tục tổng quát hóa với AlphaZero, mô hình có khả năng tự học để làm chủ nhiều bộ môn cờ đối kháng như cờ vây, cờ vua và Shogi chỉ với luật chơi cơ bản.
Bằng việc thành công làm chủ các biến số vô tận trên bàn cờ vây, AlphaGo đã cho thấy tiềm năng của AI trong việc giúp con người thấu hiểu sự phức tạp của thế giới vật lý. Nỗ lực đầu tiên là giải quyết bài toán cuộn gấp protein – thử thách tồn tại suốt nửa thế kỷ nhằm dự đoán cấu trúc 3D của protein, chìa khóa then chốt để thấu hiểu bệnh lý và phát triển dược phẩm mới.
Vào năm 2020, hệ thống AlphaFold 2 đã hóa giải thành công bài toán khoa học nan giải này. Từ bước ngoặt đó, các nhà nghiên cứu tiếp tục giải mã cấu trúc của toàn bộ 200 triệu protein mà nhân loại từng biết đến và cung cấp miễn phí cho giới khoa học thông qua cơ sở dữ liệu mở. Ngày nay, hơn 3 triệu nhà nghiên cứu trên toàn thế giới đang sử dụng dữ liệu từ AlphaFold để thúc đẩy các dự án quan trọng, từ phát triển vaccine sốt rét đến chế tạo enzyme phân hủy nhựa.
Hướng tới trí tuệ nhân tạo tổng quát (AGI)
Kể từ sau chiến thắng của AlphaGo, cách tiếp cận đột phá này đã được áp dụng vào nhiều lĩnh vực khoa học và toán học:
- Suy luận toán học: AlphaProof và AlphaGeometry 2 – hậu duệ trực tiếp của kiến trúc AlphaGo – đã đạt thành tích tương đương huy chương bạc tại Kỳ thi Olympic Toán quốc tế, chứng minh khả năng suy luận nâng cao của AI.
- Khám phá thuật toán: Tác nhân lập trình AlphaEvolve tìm kiếm các phương án thiết lập mã nguồn để phát hiện thuật toán hiệu quả hơn, bao gồm cả phương thức nhân ma trận hoàn toàn mới.
- Cộng tác khoa học: Nguyên lý tìm kiếm và suy luận từ AlphaGo được tích hợp vào "cộng sự khoa học AI", giúp phân tích dữ liệu và đưa ra giả thuyết khoa học độc lập.
Để đạt được trí tuệ nhân tạo tổng quát (AGI), AI cần hiểu được thế giới vật lý thông qua đa phương thức. Gemini – mô hình AI quy mô nhất và toàn năng nhất của Google DeepMind – được xây dựng theo hướng này ngay từ đầu, có khả năng thấu hiểu qua ngôn ngữ, âm thanh, video, hình ảnh và mã lệnh.
Sự giao thoa giữa mô hình thế giới của Gemini, năng lực tìm kiếm của AlphaGo và khả năng sử dụng công cụ chuyên sâu sẽ là chìa khóa quyết định để tiến tới AGI. Một thành phần quan trọng khác là sự sáng tạo – không chỉ dừng lại ở việc đưa ra chiến thuật mới như 'Nước đi 37', mà còn có khả năng phát minh thực thụ.
Mười năm sau chiến thắng lịch sử của AlphaGo, trí tuệ nhân tạo tổng quát đang ở ngay ngưỡng cửa của hiện thực hóa. Ngọn lửa sáng tạo nhen nhóm từ AlphaGo ngày ấy đã thúc đẩy những đột phá phi thường, giờ đây đang hội tụ để mở ra kỷ nguyên vàng của khám phá và tiến bộ vượt bậc cho nhân loại.
