Khi AI học trong thế giới mô phỏng
17/09/26
 |
| Ảnh: Setu Choudhary |
Tại Kyoto, robot được học cách làm sushi, nhưng không phải trong quán ăn mà trong “giấc mơ” của mạng nơ-ron. Robot tập ép cơm thành nigiri, xoay cổ tay 10.000 lần để giữ rong biển quanh cuộn maki. Khi ngón tay nhôm chạm vào hạt cơm thật, nó biết lực ép nào vừa đủ. Đây là lời hứa của “mô hình thế giới”, các hệ thống AI mô phỏng cách môi trường vận hành, giúp tác nhân AI thử nghiệm nguyên nhân và kết quả trước khi hành động ngoài đời thực.
Trong khi mô hình ngôn ngữ thu hút phần lớn sự chú ý, ngành AI hiện tranh luận liệu mở rộng tham số, dữ liệu và sức mạnh tính toán có đủ tạo ra trí tuệ tổng quát hơn hay không. Một số nhà nghiên cứu nhận định cần kiến trúc mới. Mô hình thế giới là hướng đi tương tự: thay vì học chủ yếu từ mẫu ngôn ngữ, hình ảnh và video, hệ thống tạo môi trường cho AI học tập qua mô phỏng và trải nghiệm.
Từ tạo nội dung đến tái hiện động lực
Cần phân biệt mô hình AI và tác nhân AI. Mô hình AI học mẫu thống kê từ dữ liệu để dự đoán hoặc tạo đầu ra, còn tác nhân AI dùng các mô hình ấy để hành động tự chủ trong môi trường. Với nhiệm vụ số, dữ liệu rất dồi dào, nhưng đưa AI vào thế giới vật lý lại khó hơn nhiều, vì dữ liệu thực hiếm, đắt và chứa nhiều rủi ro.
Mô hình thế giới giúp tác nhân học cách hành động trong môi trường. Có hai dạng chính: mô hình nội tại, nằm trong kiến trúc của tác nhân như mô phỏng tinh gọn để lập kế hoạch; và mô hình tương tác, tạo ra môi trường phong phú cho phép người dùng khám phá, còn tác nhân luyện tập bên trong.
Khát vọng là chuyển từ tạo nội dung sang tái hiện động lực. AI không chỉ đưa ra công thức sushi, các bot sao chép cách hạt cơm phản ứng trước áp lực. Mục tiêu cuối cùng là tại tạo đủ chính xác các khía cạnh của thế giới thật để tác nhân học và thực hành ngoài đời thực. Tuy nhiên, biểu diễn động lực sâu của thực tại khó hơn nhiều so với bắt chước bề mặt của ngôn ngữ hay hình ảnh.
Vì sao mô hình thế giới quan trọng
Tư duy con người hình thành thông qua tiếp xúc với môi trường ba chiều. Trẻ em học trọng lực bằng việc thả bóng, học vật lý nhờ xếp rồi làm đổ khối gỗ. Tương tự, não người dùng mô phỏng và dự đoán để lập kế hoạch. Mô hình thế giới cố tái tạo một phần năng lực này cho máy móc: cho phép tác nhân thử nhiều tương lai khác biệt trong không gian mô phỏng trước khi hành động thật.
Ý tưởng trên không mới. Năm 1943, Kenneth Craik tuyên bố sinh vật mang trong đầu những “mô hình thu nhỏ” của thực tại, giúp dự báo kịch bản tương lai. Năm 2018, David Ha và Jürgen Schmidhuber chứng minh tác nhân AI có thể học chơi trò lái xe chỉ từ dữ liệu điểm ảnh, rồi được huấn luyện hoàn toàn trong “thế giới mơ” (không gian trừu tượng nén lại từ môi trường trò chơi). Từ đó, tác nhân có thể rèn luyện trực giác nhân tạo, ra quyết định nhanh và không cần phân tích từng khả năng.
Các đột phá gần đây trong lĩnh vực tạo video càng thúc đẩy xu hướng này. Khi AI tạo cảnh quả việt quất rơi xuống nước, bong bóng nổi lên, hay dao cắt mỏng lát cà chua, giới nghiên cứu đặt câu hỏi: mô hình chỉ tạo hình ảnh, hay bắt đầu học cách thế giới vận hành? Đầu năm 2024, OpenAI cho biết tiến bộ trong tạo video có thể mở đường tới hệ thống mô phỏng thế giới có năng lực cao.
Từ trò chơi đến robot
Các phòng thí nghiệm lớn đang đầu tư mạnh. Google DeepMind có dòng Genie, biến câu lệnh thành thế giới số tương tác. World Labs của Fei-Fei Li phát triển Marble, cho phép biến nhiều loại đầu vào thành môi trường có thể chỉnh sửa và tải xuống. Runway ra mắt GWM-1, hướng tới môi trường khám phá và huấn luyện robot. Yann LeCun – người rời Meta và thành lập Advanced Machine Intelligence, lại tỏ ra hoài nghi cách dự báo bằng tạo điểm ảnh, ông nhận định mô hình nên dự đoán ở dạng trừu tượng, nén gọn hơn.
Trò chơi chỉ là bước đầu. Lời hứa lớn nằm ở robot và AI có thân thể vật lý. Robot học xếp bát trong nhà bếp chưa chắc xử lý được chiếc chảo ở căn bếp khác. Mô hình thế giới có thể tạo không gian luyện tập đa dạng, nơi robot học kinh nghiệm từ “hàng nghìn cuộc đời” nhưng không cần chạm vào đời thật.
Bên cạnh đó, Nvidia giới thiệu nền tảng mô hình thế giới cho AI vật lý, Meta chứng minh mô hình ấy có thể giúp robot nắm và di chuyển vật thể trong môi trường chưa từng được huấn luyện. 1X gây chú ý với robot hình người dọn kệ và gợi ý món ăn từ tủ lạnh. Dù còn cần người điều khiển, mỗi tương tác đều tạo dữ liệu vật lý nhằm cải thiện hệ thống của hãng.
Rủi ro của "hang Plato số"
Mô hình thế giới không tiếp xúc trực tiếp với đời thực, mà học qua dữ liệu tái hiện, tương tự “hang Plato số”, nơi máy chỉ nhìn thấy cái bóng của thế giới. Khi mô hình nén động lực, thứ mất đi không chỉ là thông tin, đó còn là trực giác vật lý và nhân quả. Nước có thể chảy đẹp nhưng thiếu độ nhớt; kim loại có thể uốn nhưng thiếu sức cản; những tình huống hiếm như trẻ lao ra đường hay gỗ mục gãy bất ngờ có thể biến mất khỏi mô phỏng, dù chính chúng quyết định an toàn ngoài đời.
Rủi ro tăng lên nếu mô hình tái tạo cả động lực xã hội: nét mặt, tư thế, sự khó chịu, phản ứng cảm xúc. Điều này có thể khiến trợ lý AI tinh tế hơn, nhưng cũng tăng tính thuyết phục và dễ thao túng. Khi các hệ thống đi vào thiết bị đeo, robot gia đình và không gian sống, Al sẽ thu thập dòng dữ liệu không gian và hành vi chưa từng có.
Thiết kế trước khi quá muộn
Mô hình thế giới còn non trẻ, nhưng đủ chín để được xem xét nghiêm túc. Bài học của “song đề Collingridge” là khi hậu quả của công nghệ trở nên rõ ràng, nó thường không dễ thay đổi. Vì vậy, cần xác định sớm mô hình này phải học từ dữ liệu nào, mô phỏng động lực nào, phần thưởng được đặt ra, và loại tri thức không nên để tác nhân tự tiếp nhận.
Tuy nhiên, tiềm năng của công nghệ trên vẫn rất lớn, giúp xe tự hành an toàn hơn, robot phẫu thuật luyện tập với vô số biến thể trước khi gặp bệnh nhân, máy móc đảm nhận các việc nguy hiểm, bẩn thỉu hoặc nhàm chán, và tạo ra bước tiến mới cho khám phá khoa học. Nhưng khi bản đồ không dừng lại ở miêu tả mà bắt đầu định hình thế giới, các quyết định thiết kế hiện tại sẽ ấn định loại tác nhân AI bước ra đời thật trong tương lai.
shared via noema,
