Bài này đã làm tôi mừng đến phát khóc. Lý do tôi khóc nằm ở phần cuối.
“AI Chưa Thật Sự Suy Luận. AI Cần Được Huấn Luyện Để Tư Vấn Chuyên Ngành.
Gần đây, Apple đã công bố một nghiên cứu gây chú ý với tựa đề “Ảo tưởng về Tư duy”. Nghiên cứu này tập trung vào các mô hình AI được gọi là Large Reasoning Models (LRM) – những hệ thống thông minh như OpenAI o1/o3, Claude 3.7 Sonnet Thinking, DeepSeek R1, và Google Gemini Flash Thinking, vốn được quảng bá là có khả năng suy luận logic như con người, mở đường cho trí tuệ nhân tạo tổng quát (AGI – Artificial General Intelligence).
Tuy nhiên, Apple cho rằng điều này chỉ là “ảo tưởng” và đưa ra bằng chứng từ các thử nghiệm đặc biệt.
** Apple Thử Thách AI Bằng Cách Mới
Thay vì dùng các bài kiểm tra toán học thông thường (mà AI có thể đã “học vẹt” từ Internet), Apple tạo ra một sân chơi giải đố riêng, gồm các trò chơi logic quen thuộc như Tháp Hà Nội, River Crossing, Checkers Jumping, và Blocks World. Họ thiết kế các bài toán với độ khó tăng dần (thấp, trung bình, cao) và theo dõi cả quá trình “suy nghĩ” của AI, giống như cách giáo viên xem học sinh làm bài từng bước. Điều này giúp họ kiểm tra xem AI có thực sự suy luận hay chỉ dựa vào dữ liệu cũ.
Kết Quả Thử Nghiệm: AI Chưa Đạt
– Các bài toán Đơn giản: AI thông thường làm tốt, nhưng các LRM lại “quá đà” suy nghĩ, dẫn đến sai sót không cần thiết.
– Các bài toán Trung bình: LRM tỏ ra vượt trội với chuỗi suy nghĩ dài, trong khi AI thường thất bại.
– Các bài toán Phức tạp: Cả hai loại AI đều “sụp đổ”, với độ chính xác giảm xuống 0%. Ví dụ, Claude 3.7 Sonnet có thể làm hơn 100 bước trong Tháp Hà Nội, nhưng lại thất bại chỉ sau vài bước trong River Crossing – một trò chơi đơn giản hơn!
Điều kỳ lạ là khi gặp bài toán quá khó, LRM không cố gắng nhiều hơn mà ngược lại “nghỉ ngơi”, dùng ít năng lượng suy nghĩ (ít token) hơn, dù vẫn có khả năng tính toán. Điều này cho thấy AI không thực sự tư duy logic như con người, mà chỉ đoán dựa trên mẫu dữ liệu đã học trước đó.
** Kết Luận Của Apple: AI Chỉ Đoán, Chưa Suy Luận.
“Theo Apple, không có bằng chứng cho thấy các LRM thực sự biết suy luận. Chúng chỉ đang mô phỏng lại cách con người suy luận, dựa vào việc học thuộc lòng và bắt chước ngôn ngữ. “
Nói cách khác, AI hiện tại không thật sự suy nghĩ như con người, mà chỉ giỏi “nói giống như đang suy nghĩ”.
Kết luận quan trọng cho người dùng AI
Nếu chúng ta dùng AI để trò chuyện vui vẻ, dịch thuật hay tóm tắt thông tin, thì khả năng hiện tại đã rất tốt. AI rất hữu ích.Nhưng nếu muốn dùng AI để tư vấn chuyên môn – ví dụ:
– Hỗ trợ luật pháp, y tế, giáo dục,
– Tư vấn tài chính cá nhân, đầu tư,
– Phân tích kinh doanh, quản trị…
Thì chúng ta không thể chỉ dựa vào LLM hay LRM “chung chung”, mà phải đào tạo (fine-tune) và nuôi dưỡng thông tin đúng ngành nghề cho AI.
Chúng ta cần cung cấp cho AI:
– Kiến thức được kiểm chứng;
– Cơ chế kiểm tra lập luận và giải thích rõ ràng;
– Nguồn dữ liệu chuyên sâu, đáng tin, và real time.
Chỉ khi đó, AI mới trở thành trợ lý đáng tin, hỗ trợ con người đúng cách và hiệu quả.
** Kết Luận:
Nghiên cứu của Apple cho thấy AI hiện nay chưa thực sự “suy nghĩ” như con người, mà chỉ dựa vào những gì đã được học.
Vì vậy, để AI trở thành trợ thủ đáng tin cậy trong các lĩnh vực chuyên môn, chúng ta phải chủ động “dạy dỗ” và cung cấp kiến thức phù hợp, thay vì kỳ vọng nó tự thông minh. Đây là bước khởi đầu quan trọng để khai thác tiềm năng của AI một cách hiệu quả và an toàn.”
——
Lý do tôi mừng đến phát khóc:
Vì công sức của tôi không trôi sông trôi biển.
Tôi là người ngoại đạo, không chuyên sâu về AI. Nhưng sau khi dùng AI một thời gian, tôi nhận ra AI chỉ trả lời chung chung là rất ổn, còn những nội dung về chuyên môn như tài chính cá nhân, tài chính đầu tư, tài chính doanh nghiệp thì khi đúng khi sai… hên xui.
Tức là tôi không thể lý giải như bài viết trên của Apple, nhưng tôi lờ mờ nhận ra những điều mà Apple nói.
Vì thế tôi đã tự huấn luyện các trợ lý riêng “My GPT” để sử dụng riêng:
– Trợ lý LMC viết bài và nội dung theo phong cách LMC;
– Trợ lý Chú Ba tài chính chuyên cho các nội dung tài chính, đầu tư;
– Trợ lý LMC tài chính doanh nghiệp chuyên cho các nội dung tài chính doanh nghiệp;
– Trợ lý BizUni chuyên cho nội dung của Học viện;
– Trợ lý “Trump và thuế thương mại” chuyên phân tích, viết bài về các quyết định của Trump, phân tích khách quan đa chiều. (Chệch bên nào cũng mệt với 2 phe: Pro Trump, Anti Trump).
Và quan trọng nhất là tôi huấn luyện em Trợ lý WikiMoney trên nền tảng Open AI. Rồi đưa Trợ lý này về web WikiMoney (sử dụng API) để tư vấn về tài chính và đầu tư cho khách hàng có nhu cầu.
Như bài trên, tôi phải cần cung cấp cho AI:
– Kiến thức được kiểm chứng (từ sách chú Ba và hàng chục cuốn sách xịn khác về tài chính);
– Cơ chế kiểm tra lập luận và giải thích rõ ràng;
– Nguồn dữ liệu chuyên sâu, đáng tin, và real time;
– Xây dựng hầu hết mọi tình huống, hầu hết mọi câu hỏi để Trợ lý có thể tư vấn, trả lời “dứt khoát”, hầu hết mọi quan tâm của khách hàng, chứ không trả lời lý thuyết chung chung, hay lơ lơ bỏ chạy.
Công việc này là cực kỳ khó khăn, tỷ mỷ, đòi hỏi nhiều chất xám, công sức. Mới đầu tôi nghĩ 2 tháng, sau tăng lên 3 tháng, cuối cùng là hơn 6 tháng. Nhờ trời, đến bây giờ đã loading được 75%.
Bài viết trên của Apple đã xác nhận AI chưa thể làm những việc chuyên sâu và việc tôi đã và đang làm là đúng hướng, và không trôi sông trôi biển nên tôi mừng lắm.
Cả nhà động viên truyền động lực cho tôi về đích nha. Khi đó, sẽ có Trợ lý WikiMoney thật sự “lỗi lạc” tư vấn về tài chính, đầu tư cho mọi người có nhu cầu.
Tư vấn chính xác, hiệu quả, và không biết mệt, không nhăn nhó, lúc nào cũng vui vẻ, nhiệt tình
Bài viết được tôi chia sẻ trên trang Facebook cá nhân của tôi ngày 12/6/2025: https://www.facebook.com/LamMinhChanh/posts/10043383802415687
