AGI (Artificial General Intelligence, trí tuệ nhân tạo tổng quát) là khái niệm chỉ hệ thống AI có thể học và làm tốt hầu hết công việc trí tuệ mà con người làm được, thay vì chỉ giỏi một nhóm tác vụ hẹp. Câu hỏi "bao giờ AGI xuất hiện" hiện không có câu trả lời chắc chắn: các nhà nghiên cứu, lãnh đạo công ty AI và nhà phê bình đưa ra những dự đoán chênh nhau từ vài năm tới nhiều thập kỷ, thậm chí cho rằng cách hiểu hiện nay về AGI chưa đủ rõ để dự đoán. Điều có thể làm là hiểu vì sao các ý kiến khác nhau, và theo dõi những dấu hiệu cụ thể thay vì tin vào một mốc thời gian.
AGI khác AI hiện nay thế nào
| AI hẹp | Mô hình nền tảng hiện nay | AGI (theo định nghĩa thường dùng) | |
|---|---|---|---|
| Phạm vi | Một tác vụ (chơi cờ, nhận diện ảnh) | Rất nhiều tác vụ ngôn ngữ, hình ảnh, lập trình | Hầu hết công việc trí tuệ của con người |
| Học cái mới | Phải huấn luyện lại | Học trong ngữ cảnh ở mức nhất định | Học nhanh từ ít ví dụ, liên tục |
| Tự chủ dài hạn | Không | Đang cải thiện qua AI agent, còn hạn chế | Theo đuổi mục tiêu phức tạp trong thời gian dài |
| Hiểu thế giới vật lý | Hẹp | Hạn chế | Tương đương con người |
Mô hình ngôn ngữ lớn đã làm mờ ranh giới giữa "AI hẹp" và "tổng quát": chúng làm được rất nhiều việc khác nhau nhưng vẫn mắc lỗi mà con người hiếm khi mắc, như tự tin đưa ra thông tin sai, hoặc kém ổn định khi tác vụ kéo dài nhiều bước.
Vì sao không có định nghĩa thống nhất
Mỗi bên định nghĩa AGI theo một cách:
- Theo năng lực: làm tốt ngang chuyên gia ở phần lớn bài kiểm tra trí tuệ.
- Theo kinh tế: làm được phần lớn công việc có giá trị kinh tế mà con người đang làm.
- Theo khả năng học: học kỹ năng mới hiệu quả như con người.
- Theo mức độ: một số nhóm nghiên cứu đề xuất thang nhiều cấp thay vì một ngưỡng duy nhất.
Với định nghĩa khác nhau, câu hỏi "AGI đã đến chưa" có thể có câu trả lời khác nhau cho cùng một hệ thống. Đây là lý do nên thận trọng khi đọc các tiêu đề tuyên bố "AGI sắp tới" hay "AGI còn rất xa".
Lập luận của phía cho rằng AGI đến sớm
- Năng lực mô hình tăng đều đặn khi tăng dữ liệu, tính toán và cải tiến thuật toán.
- Mô hình ngày càng giỏi suy luận nhiều bước, lập trình, dùng công cụ.
- Đầu tư khổng lồ vào hạ tầng tính toán và nhân lực.
- AI bắt đầu hỗ trợ chính nghiên cứu AI, có thể tạo vòng tăng tốc.
Lập luận của phía hoài nghi
- Dữ liệu chất lượng cao có hạn; chi phí năng lượng và chip tăng nhanh.
- Mô hình còn thiếu hiểu biết bền vững về thế giới vật lý, khả năng học liên tục, trí nhớ dài hạn.
- Điểm cao trên bài kiểm tra chuẩn không đồng nghĩa với năng lực tổng quát; mô hình có thể đã "thấy" dạng bài trong dữ liệu.
- Có thể cần những đột phá khái niệm chưa ai biết là gì.
Cả hai phía đều có các nhà nghiên cứu uy tín. Hiện chưa có bằng chứng quyết định cho bên nào.
Những dấu hiệu nên theo dõi
- Tự chủ dài hạn: AI agent hoàn thành đáng tin cậy những dự án kéo dài nhiều ngày, nhiều bước mà không cần người sửa. Xem bài AI Agents và tự động hóa tác vụ.
- Học nhanh kỹ năng mới: thích nghi với công cụ, lĩnh vực mới từ ít ví dụ.
- Đóng góp khoa học độc lập: tạo ra phát hiện mới được giới chuyên môn kiểm chứng.
- Độ tin cậy: giảm mạnh tỷ lệ lỗi tự tin, biết khi nào mình không biết.
- Thế giới vật lý: robot học kỹ năng mới trong môi trường thật.
- Tác động kinh tế đo được: năng suất và cơ cấu việc làm thay đổi rõ trên diện rộng.
Rủi ro và vấn đề an toàn
Dù AGI đến sớm hay muộn, các hệ thống ngày càng mạnh đã đặt ra câu hỏi về an toàn: làm sao đảm bảo AI theo đúng mục tiêu con người đặt ra (vấn đề căn chỉnh), ngăn lạm dụng cho tấn công mạng, vũ khí sinh học, thao túng thông tin, và xử lý tác động kinh tế, xã hội. Nhiều chính phủ đã thành lập cơ quan, viện nghiên cứu về an toàn AI; các công ty lớn công bố chính sách đánh giá rủi ro trước khi phát hành mô hình mới. Khung pháp lý hiện hành được tóm tắt trong bài đạo đức AI và pháp lý.
Người bình thường nên chuẩn bị gì
Không cần đoán đúng năm AGI xuất hiện để hành động hợp lý. Những việc có ích trong mọi kịch bản: học cách làm việc cùng công cụ AI hiện có, rèn kỹ năng khó tự động hóa như phán đoán, giao tiếp, hiểu biết chuyên ngành sâu, giữ tư duy phản biện với thông tin do AI tạo ra, và quan tâm tới chính sách công về AI. Với giáo dục, các thay đổi đã diễn ra ngay bây giờ, như phân tích trong bài mô hình ngôn ngữ lớn trong giáo dục.
Đọc tin về AGI một cách tỉnh táo
- Hỏi: người phát biểu định nghĩa AGI thế nào?
- Hỏi: họ có lợi ích gì từ việc dự đoán sớm hay muộn (gọi vốn, thu hút người dùng, quan điểm học thuật)?
- Phân biệt kết quả trên bài kiểm tra chuẩn với năng lực trong công việc thật.
- Ưu tiên nguồn có dữ liệu, phương pháp minh bạch thay vì tuyên bố gây sốc.
Câu hỏi thường gặp
ChatGPT có phải là AGI không?
Theo phần lớn định nghĩa, chưa. Các mô hình như ChatGPT làm được rất nhiều tác vụ nhưng vẫn có hạn chế về độ tin cậy, học liên tục, tự chủ dài hạn và hiểu thế giới vật lý.
AGI khác siêu trí tuệ (ASI) thế nào?
AGI thường được hiểu là ngang tầm con người ở hầu hết công việc trí tuệ. Siêu trí tuệ là mức vượt xa con người ở gần như mọi lĩnh vực. Cả hai khái niệm đều còn mang tính lý thuyết.
AGI có nguy hiểm không?
Nhiều nhà nghiên cứu coi rủi ro từ hệ thống AI rất mạnh là vấn đề nghiêm túc cần chuẩn bị, từ lạm dụng tới mất kiểm soát. Mức độ và xác suất rủi ro vẫn đang được tranh luận, và đây là lý do lĩnh vực an toàn AI được đầu tư ngày càng nhiều.
Ai đang dẫn đầu cuộc đua AGI?
Các phòng thí nghiệm AI lớn ở Mỹ và Trung Quốc đầu tư mạnh nhất, nhưng thứ hạng thay đổi nhanh theo từng thế hệ mô hình. Không có cách đo khách quan duy nhất cho "gần AGI nhất".



