Dẫn nhập
7 tựa đề nhỏ trong Mục I của bài viết, được lấy từ “Trí thông minh nhân tạo và triết học, Giovanni Fornero” (Capitolo XXXIII. – Intelligenza artificiale e filosofia, di Giovanni Fornero) trong cuốn sách Lịch sử triết học 4: Triết học đương đại (Nicola Abbagano, Storia della filosofia 4: La filosofia contemporanea di G. Fornero – F. Restaino – D. Antiseri, Utet, Torino 2003, p. 514-560). Nicola Abbagano và Giovanni Fornero đều là các nhà triết sử, triết hiện sinh hàng đầu của Ý.
Các câu trả lời, tức nội dung bài viết, cả Mục I và Mục II, đều được thực hiện từ AI-Gemini. Sau thời gian sử dụng nhiều tháng, các phiên bản miễn phí, tôi nhận thấy, về lĩnh vực triết học, khoa học xã hội và nhân văn, cũng như khoa học tự nhiên và toán học, Gemini có câu trả lời thường tốt hơn các AI khác. Đương nhiên, các câu hỏi cần phải được chia nhỏ nhiều phần. Tôi là người đặt các câu hỏi bằng tiếng Ý (AI trả lời bằng tiếng Ý). Sau đó, tôi yêu cầu AI dịch các câu trả lời từ tiếng Ý sang tiếng Việt. Sau cùng, tôi chỉnh sửa và biên soạn thành bài viết này.
Phần I: Triết sử về AI
- Trí tuệ nhân tạo và triết học: thách thức lẫn nhau
Trí tuệ nhân tạo (AI) và triết học đang trong một cuộc đối thoại năng động và đầy thách thức, đặt ra cho nhau những vấn đề cơ bản. AI, với những tiến bộ trong khả năng xử lý thông tin, học hỏi và đưa ra quyết định, thúc đẩy triết học xem xét lại các khái niệm cốt lõi về lương tâm, tâm trí, trí tuệ, ý thức, lý trí, đạo đức…
Mặt khác, triết học cung cấp cho AI khung khái niệm thiết yếu để giải quyết các hệ quả kéo theo. Các vấn đề đạo đức quan trọng nảy sinh với sự phát triển của các hệ thống AI ngày càng tự chủ: ai chịu trách nhiệm cho hành động của AI? Giới hạn đạo đức trong ứng dụng của AI là gì? Làm thế nào để đảm bảo tính công bằng và minh bạch trong các thuật toán? Triết học đạo đức và luân lý cung cấp các công cụ để phân tích và cố gắng trả lời những câu hỏi cấp bách này.
Hơn nữa, triết học về tâm trí đặt câu hỏi về khả năng AI có thực sự “suy nghĩ” hoặc “hiểu” theo cách con người thực hiện hay không. Cuộc tranh luận về ý thức nhân tạo và bản chất của tâm trí, trở nên sôi nổi hơn nhờ những tiến bộ của AI, thúc đẩy các nhà triết học xác định chính xác hơn: ý nghĩa của việc có ý thức và liệu thuộc tính này có thể xuất hiện từ một hệ thống nhân tạo hay không.
Do đó, sự thách thức lẫn nhau giữa AI và triết học là động lực thúc đẩy sự tiến bộ cho cả hai lĩnh vực. AI buộc triết học phải đối mặt với những thực tế công nghệ mới và tinh chỉnh các phạm trù khái niệm của mình, trong khi triết học cung cấp cho AI những hướng dẫn đạo đức và khái niệm không thể thiếu cho sự phát triển có trách nhiệm và cho sự hiểu biết về tác động của nó đối với xã hội và bản chất con người. Cuộc đối thoại liên tục này là nền tảng để định hướng những hệ quả phức tạp trong tương lai của trí tuệ nhân tạo.
- Alan Turing. Test – Máy tính có thể tư duy không?
Bài báo nổi tiếng năm 1950 của Alan Turing, “Máy tính và Trí tuệ”, trực tiếp giải quyết câu hỏi: “Máy tính có thể tư duy không?”. Tuy nhiên, chính Turing thừa nhận rằng các thuật ngữ “máy tính” và “tư duy” là mơ hồ và dễ bị diễn giải khác nhau. Để vượt qua khó khăn này, ông đề xuất một thí nghiệm thực tế, được gọi là “trò chơi bắt chước” hay bài kiểm tra Test-Turing.
Trong bài kiểm tra này, một thẩm phán tương tác thông qua tin nhắn văn bản với hai thực thể ẩn danh: một con người và một cỗ máy. Nếu cỗ máy có thể đánh lừa vị thẩm phán khiến họ tin rằng nó là người với tần suất đáng kể, thì theo Turing, người ta có thể hợp lý cho rằng: cỗ máy “tư duy” hoặc ít nhất thể hiện hành vi không thể phân biệt được với tư duy của con người, tức là máy có thể “tư duy” như người.
Bài báo của Turing không chỉ đề xuất bài kiểm tra mà còn dự đoán và phản bác nhiều phản đối đối với ý tưởng máy tính có thể tư duy. Ông thảo luận về các lập luận dựa trên ý thức, những hạn chế của máy móc, toán học, sự sáng tạo và các khả năng khác của con người mà dường như con người là độc quyền.
Bài kiểm tra Turing đã có tác động to lớn đến lĩnh vực trí tuệ nhân tạo và triết học về tâm trí. Nó đã thúc đẩy hàng thập kỷ nghiên cứu và tranh luận về khả năng tạo ra máy móc có tư duy và về cách chúng ta có thể định nghĩa và đánh giá trí tuệ nhân tạo. Mặc dù chưa có hệ thống nào vượt qua một cách thuyết phục bài kiểm tra ở dạng nghiêm ngặt nhất của nó, nhưng nó vẫn là một điểm tham chiếu quan trọng trong việc khám phá tiềm năng trí tuệ của máy móc và bản chất của tư duy.
- Putnam. Mô hình trí tuệ nhân tạo cổ điển: máy tính như ẩn dụ cho tâm trí và giả thuyết chức năng
Mô hình trí tuệ nhân tạo cổ điển (AI biểu tượng) dựa trên một ẩn dụ mạnh mẽ: máy tính như một mô hình của tâm trí con người. Quan điểm này đồng hóa các quá trình nhận thức với các thao tác biểu tượng dựa trên các quy tắc logic được xác định trước. Thông tin được mã hóa thành các ký hiệu rời rạc, và “tư duy” được xem như là việc áp dụng các thuật toán vào các biểu diễn biểu tượng này để giải quyết vấn đề và đưa ra quyết định.
Nền tảng triết học của mô hình này là giả thuyết chức năng, nổi bật với Hilary Putnam. Chủ nghĩa chức năng cho rằng các trạng thái tinh thần không được định nghĩa bởi thành phần vật chất của chúng (bộ não, trong trường hợp con người), mà bởi vai trò chức năng của chúng trong một hệ thống. Điều này có nghĩa là: điều làm cho một trạng thái tinh thần là chính nó không phải là “thứ” tạo nên nó, mà là mối quan hệ nhân-quả của nó với các đầu vào cảm giác, các trạng thái tinh thần khác và các đầu ra hành vi. Nói cách khác, vật chất làm nên não, không quan trọng cho bằng trạng thái tinh thần, tức hoạt động của não, được cụ thể hóa thành các hoạt động tâm lý của ký ức – trí nhớ, được cụ thể hóa thành các tín hiệu đầu vào từ cảm giác, các tín hiệu hoạt động trong bộ nhớ, và các tín hiệu đầu ra thành các hành vi.
Áp dụng ý tưởng này vào AI, một hệ thống nhân tạo thực hiện các mối quan hệ chức năng tương tự như một trạng thái tinh thần của con người (ví dụ: niềm tin rằng “trời mưa”) có thể được coi là có trạng thái tinh thần đó, bất kể nó được hiện thực hóa bằng các nơ-ron sinh học hay mạch điện tử. Trọng tâm do đó chuyển từ “chất liệu” của tư duy sang “chức năng” của nó.
Mô hình cổ điển và giả thuyết chức năng đã định hướng phần lớn nghiên cứu ban đầu về AI, dẫn đến sự phát triển của các hệ chuyên môn, có khả năng giải quyết các vấn đề cụ thể trong các lĩnh vực được xác định rõ ràng. Tuy nhiên, cách tiếp cận này đã gặp phải những thách thức đáng kể trong việc tái tạo sự linh hoạt, khả năng học hỏi và hiểu biết thông thường điển hình của trí thông minh con người. Bất chấp những hạn chế của nó, mô hình cổ điển và chủ nghĩa chức năng vẫn có ảnh hưởng trong cuộc tranh luận về trí tuệ nhân tạo và triết học về tâm trí, cung cấp một khung khái niệm cơ bản để hiểu bản chất của nhận thức và khả năng hiện thực hóa nó một cách nhân tạo.
- Lý thuyết kết nối: bộ não như ẩn dụ cho tâm trí
Lý thuyết kết nối, như một sự thay thế cho AI cổ điển, nổi lên như một lời phê bình đối với mô hình tính toán biểu tượng, thay vào đó, đề xuất bộ não sinh học như một ẩn dụ phù hợp hơn để hiểu tâm trí. Mô hình này lấy cảm hứng từ cấu trúc và hoạt động của mạng nơ-ron, bao gồm một số lượng lớn các đơn vị đơn giản được kết nối với nhau (nơ-ron nhân tạo) xử lý thông tin song song.
Khác với AI cổ điển, nơi kiến thức được mã hóa rõ ràng thành các ký hiệu và quy tắc, trong lý thuyết kết nối, kiến thức nảy sinh từ các kết nối có trọng số giữa các nơ-ron nhân tạo trong quá trình học tập dựa trên dữ liệu. Việc học diễn ra bằng cách điều chỉnh sức mạnh của các kết nối này để đáp ứng các đầu vào, cho phép mạng nhận ra các mẫu phức tạp, khái quát hóa từ các ví dụ và thích ứng với các tình huống mới.
Lý thuyết kết nối đã chứng minh những thành công đáng kể trong các nhiệm vụ khó khăn đối với AI biểu tượng, chẳng hạn như nhận dạng hình ảnh và âm thanh, xử lý ngôn ngữ tự nhiên và điều khiển vận động. Khả năng học hỏi từ lượng lớn dữ liệu phi cấu trúc và xử lý sự không chắc chắn của nó khiến nó đặc biệt phù hợp với các nhiệm vụ đòi hỏi trực giác và nhận thức, những khả năng dường như nảy sinh một cách tự nhiên từ bộ não.
Ẩn dụ về bộ não như một mô hình của tâm trí, cho thấy rằng: nhận thức không phải chỉ là thao tác các biểu tượng trừu tượng, mà là quá trình động và phân tán nảy sinh từ sự tương tác của một số lượng lớn các đơn vị đơn giản. Mặc dù lý thuyết kết nối, không sao chép chính xác sự phức tạp của bộ não sinh học, nhưng nó cung cấp một khung lý thuyết thay thế đầy hứa hẹn, để hiểu và hiện thực hóa trí tuệ nhân tạo, chuyển sự tập trung từ lập trình sang học tập.
- Dreyfus. Hiện tượng luận và trí thông minh nhân tạo: Máy tính không thể làm gì?
Hubert Dreyfus, chịu ảnh hưởng bởi hiện tượng học của Heidegger và Merleau-Ponty, là một nhà phê bình sâu sắc đối với trí tuệ nhân tạo cổ điển. Trong cuốn sách có ảnh hưởng lớn của ông, 1972, “What Computers Can’t Do” (Máy tính không thể làm gì), Dreyfus lập luận rằng AI, dựa trên sự thao tác biểu tượng và các quy tắc mạch lạc, sẽ không bao giờ có thể tái tạo đầy đủ trí thông minh của con người.
Phê bình của ông dựa trên ý tưởng rằng khả năng và sự hiểu biết của con người bắt nguồn sâu sắc từ kinh nghiệm (được hiện thực hóa từ con người, vốn có một cơ thể vật lý – hóa sinh, mà máy tính không có), bối cảnh tình huống và một kiến thức nền tảng ngầm định mà không thể dễ dàng hình thức hóa hoặc mã hóa thành các quy tắc. Dreyfus nhấn mạnh, phần lớn sự tương tác của chúng ta với thế giới diễn ra ở cấp độ tiền phản xạ, được hướng dẫn để biết cách làm tất cả những điều ấy, trước khi có sự cân nhắc có ý thức.
Theo Dreyfus, máy tính, hoạt động với các biểu diễn rời rạc và các quy tắc logic, thiếu “sự hiểu biết toàn diện” về bối cảnh và khả năng phân biệt cái quan trọng khỏi nền tảng, một đặc điểm cơ bản của trí thông minh con người. Ông lập luận rằng, các hoạt động của con người như nhận dạng các mẫu phức tạp, hiểu ngôn ngữ tự nhiên với sự mơ hồ của nó, và hành vi đặc thù trong các tình huống phi cấu trúc, đòi hỏi hình thức “trực giác”, thứ mà logic hình thức của máy tính không thể nắm bắt được.
Mặc dù các kỹ thuật AI đã có những tiến bộ đáng kể kể từ thời của Dreyfus, đặc biệt là với sự ra đời của học máy (machine learning) và mạng nơ-ron, những phê bình của ông về khó khăn trong việc tái tạo kinh nghiệm và kiến thức nền tảng, vẫn còn phù hợp trong các cuộc tranh luận đương đại về giới hạn và tiềm năng của trí tuệ nhân tạo tổng quát (AGI).
- Searle. Test – Căn phòng tiếng Trung: tâm trí và các chương trình
Lập luận “căn phòng Trung Quốc” của John Searle (1980) là một thí nghiệm tư duy, nhằm chứng minh rằng: một máy tính, dù có khả năng vượt qua bài kiểm tra Turing, vẫn không thể thực sự hiểu ngôn ngữ hoặc có trí thông minh thực sự. Searle tưởng tượng chính mình bị nhốt trong một căn phòng, sở hữu một cuốn sổ tay chi tiết bằng tiếng Anh giải thích cách thao tác các ký hiệu tiếng Trung.
Từ ngoài căn phòng, người ta chuyền cho ông những mẩu giấy có các câu hỏi viết bằng tiếng Trung. Tuân thủ nghiêm ngặt các hướng dẫn trong sổ tay, mà không hề hiểu tiếng Trung, Searle vẫn có thể thao tác các ký hiệu và trả lại các câu trả lời bằng tiếng Trung mà đối với một người quan sát bên ngoài có vẻ hoàn toàn có nghĩa.
Theo Searle, người trong phòng hoạt động giống như một chiếc máy tính đang chạy một chương trình. Ngay cả khi chương trình cho phép máy tính tạo ra các đầu ra ngôn ngữ mô phỏng sự hiểu biết, bản thân máy tính (và Searle trong phòng) thực sự không hiểu ý nghĩa của các ký hiệu mà nó đang thao tác. Nó chỉ đơn giản thực hiện các thao tác cú pháp, mà thiếu đi ngữ nghĩa.
Thí nghiệm tư duy này nhằm bác bỏ luận điểm của “AI mạnh”, cho rằng: một chương trình máy tính được lập trình phù hợp, có thể thực sự có các trạng thái tinh thần và hiểu ngôn ngữ. Searle lập luận rằng cú pháp (sự thao tác hình thức của các ký hiệu) là không đủ cho ngữ nghĩa (sự hiểu biết về ý nghĩa). Một máy tính chạy chương trình để hiểu tiếng Trung, không làm gì khác ngoài việc thao tác các ký hiệu mà không hiểu ý nghĩa của chúng, giống như Searle trong phòng. Do đó, việc vượt qua bài kiểm tra Turing, không phải là bằng chứng của trí thông minh hay sự hiểu biết thực sự.
- Winograd-Flores. Thông diễn và thông tin, phê phán mô hình duy lý về trí thông minh nhân tạo
Winograd và Flores, trong cuốn sách có ảnh hưởng lớn, 1986, “Understanding Computers and Cognition” (Hiểu về Máy tính và Nhận thức), đề xuất sự phê bình triệt để đối với mô hình duy lý đã thống trị lịch sử nghiên cứu về trí tuệ nhân tạo. Dựa trên hermeneutics (thông diễn học, khải nghĩa luận), đặc biệt là công trình của Heidegger và Maturana, họ bác bỏ ý tưởng rằng: nhận thức của con người có thể được mô hình hóa một cách đầy đủ như là sự thao tác các ký hiệu trừu tượng và các quy tắc logic.
Phê bình của họ tập trung vào tầm quan trọng của “bối cảnh” hay “nền tảng hiểu biết” (background of understanding), một tập hợp các thực hành, giả định và ý nghĩa chung, làm cho hành động và sự hiểu biết của con người trở nên khả thi. Nền tảng này phần lớn là ngầm định và không thể được giải thích hoặc mã hóa hoàn toàn trong một hệ thống hình thức. Theo Winograd và Flores, AI duy lý cố gắng trừu tượng hóa nhận thức khỏi bối cảnh trải nghiệm và xã hội của nó, do đó đánh mất những gì thiết yếu cho trí thông minh của con người.
Họ nhấn mạnh: cách tương tác của chúng ta với thế giới không chủ yếu dựa trên sự biểu diễn và lập kế hoạch hợp lý, mà dựa trên sự hiện hữu-trong-thế-giới (Being-in-the-world) và “biết cách làm” (know-how) tất cả những gì để hiện thực hóa sự hiện hữu của chính mình. Sự hiểu biết này, nảy sinh từ hành động và tương tác trong một bối cảnh có ý nghĩa, chứ không phải từ việc xử lý đơn thuần thông tin phi ngữ cảnh.
Winograd và Flores không phủ nhận khả năng xây dựng các hệ thống máy tính hữu ích, nhưng họ đặt câu hỏi về khát vọng tạo ra một “trí tuệ nhân tạo” thực sự theo khuôn mẫu của con người thông qua mô hình duy lý. Thay vào đó, họ đề xuất một cách tiếp cận tập trung hơn vào việc thiết kế các công cụ hỗ trợ và tăng cường khả năng của con người trong bối cảnh thực tế của họ, thừa nhận bản chất diễn giải và có tính tình huống vốn có của nhận thức. Công trình của họ đã có tác động đáng kể đến lĩnh vực Tương Tác Người-Máy (HCI) và mở ra những lối triết học mới về trí tuệ nhân tạo.
Tứ Quyết, S.J.
