Vài câu hỏi triết học về Trí năng Nhân tạo

(𝐏𝐡𝐢𝐥𝐨𝐬𝐨𝐩𝐡𝐲 𝐨𝐟 𝐀𝐈 – eVersion 0.31)

Trần Đình Thắng

Tóm tắt

Triết học về trí năng nhân tạo^[1] (AI) thăm dò các câu hỏi liên quan đến bản chất, khả năng và giới hạn của AI. Các chủ đề chính bao gồm liệu máy móc có thể thực sự suy nghĩ hay hiểu như con người, vấn đề nhận thức và ý thức của máy. Các luận cứ như Luận Cứ Căn Phòng Tiếng Hoa của John Searle và các phản biện từ các triết gia như Hubert Dreyfus, Ludwig Wittgenstein, Daniel Dennett là trung tâm trong các cuộc tranh luận.

Từ khoá

AI, AI mạnh, AI yếu, bài toán khó nhằn về ý thức, bài toán khung, cảm riêng (qualia), biểu diễn, biểu diễn khung, luận cứ căn phòng tiếng Hoa, lý thuyết tâm trí tính toán, nét họ hàng giống nhau, phép kiểm Turing, sự hiểu, sự nghĩ, tác tử trí năng, tâm trí, tiến trình tâm trí, tính toán, trạng thái ý thức, trí năng, trí năng nhân tạo, ý thức.

——&——

Khi được hỏi, ‘Máy có thể suy nghĩ được như người không?’ thì lặng thinh giây lát, Richard Bellman đáp, ‘Câu này tôi chỉ hiểu được mỗi dấu hỏi thôi!’ Tuy nhiên, bằng một bài báo có cái tít khiêm tốn “Máy tính và trí năng” , Turing đề nghị gác hoàn toàn vấn đề về trí năng máy sang một bên. Turing khẳng định rằng, điều quan trọng, không phải là cơ chế, mà là sự thể hiện của trí năng. Ni (he) giải thích, vì đời sống bên trong của những sinh vật khác là không thể biết được nên phương tiện duy nhất để đo lường trí năng của chúng ta phải dựa vào hành vi bên ngoài. Với cái nhìn sâu sắc này, Turing đã lách qua được cuộc tranh cãi triết học kéo dài hàng thế kỷ về bản chất của trí năng: Phép thử Turing ra đời. (Huttenlocher, D. & Schmidt, E. & Kissinger, H. A., 2021; p. 32)

Triết Lý AI – Khám Phá Và Tranh Cãi

Có thể xem ‘trí năng nhân tạo’^[2] (AI) chính thức bắt đầu vào năm 1956, được phát động qua một hội thảo do DARPA tài trợ tại Đại học Dartmouth, Hanover, New Hampshire. Chính tại hội thảo này John McCarthy lần đầu tiên đề xuất thuật ngữ ‘trí năng nhân tạo’ và mục đích của nó được phát biểu rõ ràng:

“Nghiên cứu này nhằm tiến hành trên cơ sở phỏng đoán rằng, mọi khía cạnh của sự học hoặc bất kỳ đặc tính trí năng nào khác, về nguyên tắc, đều có thể được mô tả chính xác đến mức có thể tạo ra một cỗ máy để mô phỏng nó.”^[3] (Bringsjord, S. & Govindarajulu, N. S., Summer 2024 Edition^[4])

Những chương trình (cỗ máy) trong giai đoạn này được gọi là AI cổ điển.

Dù vậy, những hoạt động sơ khai ban đầu của lĩnh vực này đã được tiến hành trước đó. Chẳng hạn, bài báo của Turing, bắt đầu với câu hỏi ‘Máy có thể suy nghĩ được không?’, thực chất có thể thay bằng câu hỏi ‘Về mặt ngôn ngữ, có thể phân biệt một cỗ máy với một người được không?’ được thể hiện bằng ‘phép thử Turing’ lừng danh. (Turing, October 1950, pp. 433–460)

Trí năng nhân tạo (AI) theo như cách hiểu thông thường, là lĩnh vực nghiên cứu và phát triển các hệ thống, máy tính hoặc máy móc có khả năng thực hiện các công việc đòi hỏi trí năng của con người như học tập (learning), suy luận (reasoning), giải quyết vấn đề (problem solving), nhận dạng giọng nói, và thị giác máy tính. Lịch sử phát triển của AI bắt đầu từ những năm 1950.

Chủ đề của bài báo này là về ‘trí năng nhân tạo’ dưới góc nhìn triết học, tức triết lý về AI. Có một cách tiếp cận triết lý AI bằng các câu hỏi kiểu Kant: AI là gì? AI có thể làm gì? AI phải như thế nào? Song chúng tôi sẽ đi theo một tiếp cận khác: triết lý AI sẽ phân tích các khái niệm của AI, bình luận về những khái niệm nào có khả năng nhất quán hoặc không nhất quán, chẳng hạn như: hành vi, tính toán (computation), lập luận (reasoning), ý thức, thông minh, ngôn ngữ, ý nghĩa & biểu diễn (meaning & representation), học, nhận dạng mẫu, tâm trí, căn cước & cái ta (identity & the self), tri giác (perception), hành động (action), vấn đề khung (frame problem)… Trí năng nhân tạo (AI) có mối liên hệ khoa học chặt chẽ hơn với triết học so với các ngành khoa học khác, vì AI có nhiều khái niệm chung với triết học, chẳng hạn, hành động, ý thức, nhận thức, ý chí tự do. Là là một lĩnh vực liên ngành, bao gồm nhiều chủ đề từ khoa học máy tính, triết học, tâm lý học đến đạo đức và pháp luật. Song do giới hạn của bài viết, bài viết này chỉ tìm hiểu một số khía cạnh quan trọng của triết lý AI, nhằm khám phá các câu hỏi triết học cơ bản liên quan đến trí năng nhân tạo và những tranh cãi nổi bật trong lĩnh vực này.

Do đó, bài báo sẽ không quan tâm đến những chi tiết lịch sử bộ môn này dưới góc độ công nghệ cũng như những tiến triển về mặt kỹ thuật của nó. (Stuart J. Russell and Peter Norvig, 2010)

Các câu hỏi triết học cơ bản

Các định nghĩa về Al khác nhau rất nhiều, song với góc độ triết học, có hai câu hỏi quan trọng cần đặt ra là: Chúng ta quan tâm đến tư duy/suy nghĩ (thinking) hay hành vi (behavior)?

AI có thể phô ra trí năng tổng quát không?

Có thể tạo ra một cỗ máy có thể giải quyết TẤT CẢ các vấn đề mà con người giải quyết bằng trí năng của họ không? Câu hỏi này xác định phạm vi những gì máy móc có thể làm trong tương lai và định hướng nghiên cứu AI. (Wiki-PAI, 2024^[5]) Nói cách khác, liệu một cỗ máy có thể thực sự suy nghĩ, giống như con người suy nghĩ, thay vì chỉ tạo ra những kết quả có vẻ như là kết quả của suy nghĩ hay không? Câu hỏi này dẫn đến hai lập trường chính:

AI yếu (weak AI): Cho rằng máy móc chỉ có thể mô phỏng một số khía cạnh của trí năng con người mà không bao giờ đạt được sự hiểu biết thực sự [như con người]. AI yếu là trí năng nhân tạo nhằm thực hiện một phần có giới hạn của tâm trí, còn gọi là AI hẹp (narrow AI), tập trung vào một nhiệm vụ hẹp. Nói theo Searle, AI yếu “sẽ có ích để kiểm định các giả thuyết về tâm trí, nhưng không có ích khi kiểm định tâm trí”. Thật ra đến giờ cũng chưa có sự phân biệt chặt chẽ giữa AI yếu và AI mạnh. Có thể chỉ ra những triển khai cụ thể về AI yếu: AlphaGo, xe tự lái, robot, TikiTok trong những lĩnh vực cụ thể như y khoa, quân sự, mạng xã hội…

AI mạnh (strong AI): Cho rằng máy móc có thể phát triển trí năng tương đương hoặc vượt trội hơn con người. Nói cách khác, AI “mạnh” tìm cách tạo ra những con người nhân tạo, tức là những cỗ máy có tâm trí y như tâm trí của con người, bao gồm cả ý thức. Mặt khác, AI “yếu” chỉ tìm cách xây dựng những cỗ máy xử lý thông tin dường như có một số đặc điểm trí năng của con người (Searle, 1997, pp. 55–93).
Như vậy, bước đầu tiên cần phải có câu trả lời cho câu hỏi “thông minh” hoặc “trí năng” là gì?

Thông minh

Phép kiểm Turing

Mở đầu bài báo lừng danh “Máy tính và trí năng”, Turing cho rằng nên thay câu hỏi ‘Một cỗ máy có thể suy nghĩ được không?’ bằng câu hỏi ‘Về mặt ngôn ngữ, có thể nào một cỗ máy không thể phân biệt được với con người?’ và thay vì ông cho rằng không thể đi sâu vào các định nghĩa của ‘cỗ máy’, ‘suy nghĩ’.… Turing quan tâm đến “sự thể hiện của trí năng”, ông đã tìm sâu “liệu máy móc có thể phô ra hành vi thông minh hay không” (Turing, October 1950, p. 438) và, từ đấy, ni đề xuất những thứ có thể được coi là tiền thân cho các phép kiểm sau này của ông. Tuy nhiên, trên thực tế thì có ít nhất ba phiên bản chính của bài kiểm Turing, hai trong số đó có trong bài báo “Máy tính và trí năng” và một phiên bản được gọi là “Diễn giải chuẩn” (Standard interpretaion) (Turing Test, 2024^[6]). và có ý kiến cho rằng ba phiên bản này không tương đương nhau, và sức mạnh và điểm yếu của chúng là khác nhau.

Có thể trình bày lại bài viết gốc của Turing như sau. Một trò chơi gồm ba tay chơi. Tay chơi A là một cố máy, tay chơi B là người và tay chơi Q (đóng vai người hỏi). Các tay chơi này được cách ly hoàn toàn trong các phòng kín: Q không thể nhìn thấy A hoặc B và chỉ có thể giao tiếp với họ thông qua các phiếu ghi bằng chữ (text)^[7]. Bằng cách đặt câu hỏi cho A và B, Q cố gắng xác định xem A và B, ai là người, ai là máy. Vai trò của A là cố gắng lừa Q nhằm đưa ra quyết định sai, trong khi B cố gắng hỗ trợ người thẩm vấn đưa ra quyết định đúng. Cỗ máy được xem là vượt qua bài kiểm nếu Q không thể biết, giữa A và B, đâu là người, đây là máy. Ví dụ cuộc trò chuyện được diễn ra như sau:

Giữa Q và cỗ máy A:

Q: Ông là người hay máy?

A: Là người, dĩ nhiên.

Q: Sao chứng minh ông là người?

A: Thế làm sao chứng minh ông là người?

Q: Tôi có cơ thể.

A: Thì tôi cũng có cơ thể.

Q: Viết thử cho tôi bài thơ lục bát về đời ông.

A: Thôi nào, tôi biết làm thơ đâu.

Q: Vậy 2 cộng 3 bằng mấy?

A: Quá dễ!

…

Giữa Q và người B:

Q: Ông là người hay máy?

B: Là người, dĩ nhiên.

Q: Sao chứng minh ông là người?

B: Thì tôi có cơ thể

Q: Ông biết viết không?

B: Dĩ nhiên

Q: Viết thử cho tôi câu thơ lục bát mà ông ưng ý nhất.

B: Đêm ôm vợ thấy lòng giật thót – Thương con thuyền đầu bãi đứng chơ vơ.

…

Nếu Q không thể phân biệt đâu là máy (A), đâu là người (B) thì có thể xem như cỗ máy này đã vượt qua bài kiểm được thể hiện bằng ngôn ngữ (linguistic indistinguishability), ở đây là chữ (text), và trong ca này, có thể nói, theo Turing, có thể xem cỗ máy A có trí năng, tâm trí y như con người. (Bringsjord, S. & Govindarajulu, N. S., Summer 2024 Edition^[8])

Bất chấp những luận cứ gặng xét^[9], phép thử Turing cho đến nay vẫn là trung tâm của AI và các cuộc thảo luận về những cơ sở của phép thử này.

Thông minh là đạt được mục tiêu

Nghiên cứu về trí năng nhân tạo ở thế kỷ 21 định nghĩa trí năng dựa trên hành vi hướng đến mục tiêu. Nó coi trí năng là một tập hợp các vấn đề mà cỗ máy cần phải giải quyết — nó càng giải quyết được nhiều vấn đề và các giải pháp của nó càng tốt thì chương trình càng thông minh. Người sáng lập AI, John McCarthy đã định nghĩa trí năng là “bộ phận có năng lực tính toán để đạt được các mục tiêu trong thế giới.” (McCarthy, 1999^[10])

Stuart Russell và Peter Norvig đã hình thức hóa định nghĩa này bằng các tác tử thông minh trừu tượng (abstract intelligent agents) như sau:

“Tác tử là bất cứ thứ gì có khả năng tri giác, nhận thức được môi trường của nó thông qua các cảm biến (sensor) và tác động lên môi trường đó thông qua các tác tử đó. Các cảm biến của tác tử có thể tương đương mắt, tai và các cơ quan khác, và tay, chân, miệng và các bộ phận cơ thể khác để thực hiện tác động. Một tác tử robot thay thế máy ảnh và công cụ tìm phạm vi hồng ngoại cho các cảm biến và các động cơ khác nhau cho bộ phận tác động. Một tác tử tổng quát được sơ đồ hóa trong hình.” (Bringsjord, S. & Govindarajulu, N. S., Summer 2024 Edition^[11])

Một “thước đo hiệu suất” sẽ định nghĩa tiêu chí thành công cho tác tử này. (Stuart J. Russell and Peter Norvig, 2010, p. 34)

Những định nghĩa như thế này cố gắng nắm bắt được bản chất của trí năng. Chúng có lợi thế là, không giống như phép thử Turing, chúng không kiểm những đặc điểm không thông minh của con người như mắc lỗi đánh máy chẳng hạn. Chúng có bất lợi là chúng có thể không phân biệt được giữa “những thứ có thể suy nghĩ (things that think)” và “những thứ không thể suy nghĩ được”. Theo định nghĩa này, ngay cả một thiết bị điều nhiệt cũng có trí năng thô sơ nào đó. (Stuart J. Russell and Peter Norvig, 2010, pp. 48-52)

Tuy nhiên, ở một trường hợp tổng quát hơn, loại AI này cũng gặp phải những vấn đề về ký thuật, chẳng hạn phải giải quyết sự kết nối giữa agent với môi trường như thế nào, nói theo câu lừng danh của Wittgenstein “Thế giới là tất cả những gì xảy ra” (Wittgenstein L. , 2018, p. 53), thế giới, tức môi trường, của một agent sẽ phải gồm những gì?

Bài toán khung (frame problem^[12]) được Minsky đưa ra đầu tiên. Mọi chương trình sử dụng tác tử đều có cùng một kiểu: đầu vào của chúng là những đối tượng tri giác thông qua các cảm biến và trả vê một hành động cho bộ chấp hành^[13]. Bài toán này là một vấn đề quan trọng đối với các nhà nghiên cứu AI. Một số nhà triết học, chẳng hạn, Dreyfus (Dreyfus H. , 1972, p. 279), cho rằng vấn đề về khung là một dấu hiệu cho thấy sự thất bại không thể tránh khỏi của toàn bộ lĩnh vực AI. Sau này, một bài báo quan trọng của Marvin Minsky (Minsky, 1975, pp. 211–277) đã trình bày một phiên bản của mạng ngữ nghĩa được gọi là [các] khung; một khung là một biểu diễn (representation) cho một đối tượng hoặc một phạm trù, với các thuộc tính và các quan hệ với các đối tượng hoặc phạm trù khác. Về mặt ký thuật trong AI, có thể nói ‘khung’ là một cấu trúc dữ liệu để biểu diễn tri thức (các đối tượng thuộc thế giới thực), kỹ thuật này (frame) dựa vào những đặc trưng xác định bản chất của đối tượng cần được biểu diễn. Chẳng hạn, ta có thẻ có frame CACHUA với các đặc trưng chính, hình dáng: tròn, màu: đỏ,… Tuy nhiên cách tiếp cận dựa vào sự xác định bản chất của thế giới thực sẽ gặp vấn đề khi có những trái cà chua hình vuông, màu xanh lá! Triết gia Áo, Ludwig Wittgenstein, đã thẳng thừng bác bỏ cái gọi là “bản chất” của sự vật là mục tiêu mà các triết gia kể từ Plato đã tìm kiếm: “Chẳng có cái gì gọi là bản chất! Đó chỉ là ‘𝑐𝑟𝑎𝑣𝑖𝑛𝑔 𝑓𝑜𝑟 𝑔𝑒𝑛𝑒𝑟𝑎𝑙𝑖𝑡𝑦’ – ảo tưởng của con người!”. (Wittgenstein L. , The Blue and Brown Books, 1965, p. 17) Chúng ta không thể đóng khung sự vật bằng một định nghĩa. Wittgenstein viết, cách tiếp cận tốt hơn, đó là cách tiếp cận nét họ hàng giống nhau (family resemblances) và khái niệm này có nghĩa là, phải tìm tri thức thông qua nét tương đồng giữa sự vật qua ví dụ cụ thể: Trò chơi (game) là gì.

“Và kết quả của những cân nhắc này là: ta thấy một mạng lưới phức tạp gồm các nét giống nhau chồng chéo đan xen nhau: những nét giống nhau ở mức độ đôi khi tổng quát, đôi khi chi tiết.” (Wittgenstein L. , Những Tìm Sâu Triết Học, 2019, §66)

Ông cho rằng việc xác định và lập danh mục tất cả mọi thứ, mỗi thứ đều có đường ranh cứng phân định cái này với cái khác là hoàn toàn sai lầm. Ông đề nghị, nếu ta muốn tìm một mô tả cho, chẳng hạn, X, thì ta nên thêm vào phần mô tả “Tính chất này và những thứ tương tự” … Cách tiếp cận này đã hình thành nên các lý thuyết về AI và học máy. Với công nghệ hiện nay, AI đã có khả năng sử dụng cơ sở dữ liệu lớn (big data) để học cách phân loại (types) và hình mẫu (patterns).

Trở lại bài toán khung, AI thời kỳ đầu cố gắng mã cứng (hard-code) những đối tượng thuộc thế giới bên ngoài. Tuy nhiên có các lĩnh vực, như dịch ngôn ngữ và nhận dạng đối tượng thị giác, thì đầy mơ hồ đã khiến AI bị đình trệ (Mùa đông AI): một đứa bé 1 tuổi có thể nhận diện khuôn mặt mẹ một cách dễ dàng nhưng những thế hệ AI đầu tiên thì không thể. Có thể nói là AI thời kỳ này đi theo mô hình trong Tractatus của Wittgenstein, nghĩa là, ngôn ngữ “khung” có thể mô hình được thế giới một cách nghiêm ngặt (Wittgenstein L. , 2018, pp. 65–76): đối tượng khung sẽ được chỉ định bằng các đặc trưng của một đối tượng cọp. Vì thế một khung CỌP bao gồm các đặc trưng (Lông: vàng có vằn, Nặng: 1-250Kg, Số chân: 4,…) sẽ thất bại đối với cọp lông trắng hoặc cọp có 3 chân. Với cách tiếp cận nét họ hàng giống nhau trong Những Tìm Sâu Triết Học, giờ đây không còn loại logic chặt chẽ đúng sai nghiêm ngặt của Tractatus mà là loại logic mờ (fuzzy logic), và thay vì người lập trình phải dạy cho máy, dạy cái gì, công việc này giờ giao lại cho máy: máy phải tự học, phần lớn nhờ vào công nghệ mạng nơ rôn.

AI mạnh – Máy móc có thể có tâm trí, ý thức, những trạng thái tâm trí^[14]?

Chắc chắn các hệ thống AGI (Artificial general intelligence) trong tương lai sẽ vượt qua hiệu suất của con người. Chắc chắn các triết gia không quan tâm cũng như cũng rất khó lật đổ AI “yếu”, họ chỉ quan tâm AI mạnh qua các câu hỏi: Máy móc có trí năng, hiểu biết thực sự như của con người hay không? Máy móc có thể có ý thức, chúng có cái ta (the self) của riêng chúng không? Đây là những câu hỏi triết học, liên quan đến bài toán những tâm trí khác (problem of other minds) và bài toán khó nhằn về ý thức (the hard problem of consciousness). John Searle^[15] đưa ra câu hỏi xoay quanh một góc nhìn để định nghĩa:

• “AI mạnh”: Một hệ ký hiệu vật lý có thể có TÂM TRÍ và những TRẠNG THÁI TÂM TRÍ.
• “AI yếu”: Một hệ ký hiệu vật lý có thể HÀNH ĐỘNG một cách thông minh.

Ý định của Searle là để tách biệt AI mạnh khỏi AI yếu, cho phép ông có thể tập trung vào AI mạnh mà ông cho là thú vị hơn. Ông cho rằng, giả sử có cỗ máy có thể có hành vi thông minh đến đâu đi nữa, vẫn sẽ còn đó những câu hỏi triết học khó nhằn này.

[Các từ “tâm trí” (mind) và “ý thức” (consciousness) được dùng bởi các cộng đồng khác nhau theo những cách khác nhau. Ví dụ, một số nhà tư tưởng thời đại mới (New Age) dùng từ “ý thức” để mô tả một cái gì đó tương tự như “đà sống” (“élan Vital”) của Bergson: một thứ chất lỏng tràn đầy năng lượng, tràn ngập vô hình trong cuộc sống và đặc biệt là tâm trí. Các nhà văn khoa học viễn tưởng sử dụng từ này để mô tả một số tính bản chất quan trọng khiến ta trở thành con người: một cỗ máy hoặc người ngoài hành tinh “có ý thức” sẽ được xem như một thứ hoàn toàn người, với trí năng, ham muốn, có ý chí, sự nhìn sâu (insight), lòng tự hào, v.v. (Các nhà văn khoa học viễn tưởng cũng sử dụng các từ “có tình” (sentience), “sự khôn ngoan”, “sự tự nhận thức” hoặc “ma”—như trong loạt truyện tranh và anime Ghost in the Shell—để mô tả tính bản chất này của con người). Đối với những người khác, các từ “tâm trí” hoặc “ý thức” được sử dụng như một loại đồng nghĩa thế tục cho linh hồn.

Đối với các nhà triết học, nhà thần kinh học và nhà khoa học nhận thức, những từ này được sử dụng theo cách vừa chính xác vừa trần tục hơn: chúng đề cập đến trải nghiệm quen thuộc hàng ngày về việc có một “ý nghĩ trong đầu”, như nhận thức, giấc mơ, ý định hay kế hoạch, và cách ta thấy cái gì đó, biết cái gì đó, muốn nói cái gì đó hay hiểu một cái gì đó. Triết gia John Searle nhận xét: “Không khó để đưa ra một định nghĩa đời thường về ý thức”. Điều bí ẩn và hấp dẫn không phải là ý thức là gì mà là nó là như thế nào: làm thế nào mà một ít mô mỡ và điện lại tạo ra trải nghiệm (quen thuộc) này về nhận thức, ý nghĩa hoặc tư duy?

Các nhà triết học gọi đây là vấn đề khó nhằn về ý thức. Nó là phiên bản mới nhất của một vấn đề cổ điển trong triết học tâm trí được gọi là “vấn đề thân-tâm”. Một vấn đề liên quan là vấn đề về ý nghĩa hoặc sự hiểu (mà các nhà triết học gọi là “tính ý hướng”): Sự kết nối giữa những suy nghĩ của ta và những thứ ta đang nghĩ đến (tức là các đối tượng và những tình huống trong thế giới ngoài kia) là gì? Vấn đề thứ ba là vấn đề về trải nghiệm (hay “hiện tượng học”): Nếu hai người nhìn thấy cùng một thứ, liệu họ có cùng trải nghiệm không? Hay có những thứ “trong đầu họ” (được gọi là “cảm riêng –qualia” có thể khác nhau ở mỗi người?)

Các nhà sinh học thần kinh tin rằng tất cả những vấn đề này sẽ được giải quyết khi chúng ta bắt đầu xác định những tương quan thần kinh của ý thức: mối quan hệ thực sự giữa cỗ máy trong đầu ta và các thuộc tính chất tập tụ (collective properties) của nó; chẳng hạn như tâm trí, kinh nghiệm và sự hiểu. Một số nhà phê bình gay gắt nhất về trí năng nhân tạo đồng ý rằng bộ não chỉ là một cỗ máy, ý thức và trí năng là kết quả của các tiến trình vật lý trong não. Câu hỏi triết học hóc là: liệu một chương trình máy tính, chạy trên một máy kỹ thuật số xáo trộn các ký số 0 và 1, có thể sao đúp (duplicate) khả năng các tế bào thần kinh để tạo ra tâm trí, với các trạng thái tâm thần (như hiểu hoặc nhận thức), và cuối cùng, kinh nghiệm của ý thức?] (Wiki-PAI, 2024)

Phòng tiếng Hoa của Searle

Không còn nghi ngờ gì nữa, luận cứ nổi tiếng nhất trong triết lý AI là luận cứ căn phòng tiếng Hoa (CTH)^[16], được thiết kế để lật đổ AI “Mạnh”. Searle yêu cầu chúng ta tưởng tượng có một căn phòng tiếng Hoa như sau. Đó là một căn phòng kín, bên trong là Searle và ni chỉ biết tiếng Anh. Trong căn phòng này có một tài liệu hướng dẫn rất chi tiết cách chuyển đổi các câu chữ tiếng Anh sang câu chữ tiếng Hoa và ngược lại. Một người nào đó ở ngoài căn phòng sẽ đưa vào một mẩu giấy ghi một câu hỏi viết bằng tiếng Hoa vào khe cửa của căn phòng. Searle trong sẽ dựa vào tài liệu hướng dẫn để trả lời câu hỏi đó bằng tiếng Hoa và viết trên mẫu giấy câu trả lời cũng bằng tiếng Hoa qua khe cửa. Lấy một ví dụ đơn giản. Người ngoài căn phòng đưa vào câu hỏi “這房子鬧鬼嗎?” (“Nhà này có ma không?”). Searle, dù không hiểu gì về câu hỏi này, nhưng vẫn máy móc thao tác theo chỉ dẫn trong tài liệu hướng dẫn rằng, và chuyển đổi “這房子鬧鬼嗎” thành câu trả lời “我不知道” (“Tôi không biết”), và cứ thế…

ChatGPT ra mắt vào tháng 11 năm 2022, dựa trên mô hình ngôn ngữ lớn GPT-3.5 và GPT-4. Celeste Biever đã viết trong một bài báo trên Nature rằng “ChatGPT đã vượt qua phép thử Turing.” Do đó, có thể lấy ví dụ một phần cuộc trò chuyện bằng tiếng Hoa với ChatGPT theo đúng tinh thần của CTH của Searle.^[17]

– 你好，我叫你芬，一個女孩嗎？

(Chào em, anh gọi em là Hương, một cô gái nhé?)

+ 你好，芬在这里。我可以帮你做什么吗？

(Xin chào, Hương đây. Em có thể làm gì để giúp anh không?)

– 週日，芬通常去哪裡？

(Chủ nhật Hương thường hay đi đâu chơi?)

+日，芬通常會做一些放鬆和有趣的事情。比如說，芬可能會：讀書：芬喜歡讀一些有趣的書籍，無論是小說還是非小說，這是一種很好的放鬆方式。運動：芬也可能會去公園跑步或做瑜伽，保持身體健康。逛街：有時候芬會去購物中心或市場逛逛，買一些日常用品或者新衣服。…

(Vào Chủ nhật, Hương thường làm điều gì đó thư giãn và vui vẻ. Chẳng hạn, Hương có thể:

Đọc sách: Hương thích đọc những cuốn sách thú vị, dù là tiểu thuyết hay phi hư cấu, đó là một cách tuyệt vời để thư giãn. Tập thể dục: Hương cũng có thể chạy bộ trong công viên hoặc tập yoga để giữ sức khỏe. Mua sắm: Đôi khi Hương sẽ đến trung tâm mua sắm hoặc chợ để mua một số nhu yếu phẩm hàng ngày hoặc quần áo mới. …)

– 芬，你明白什麼是想念什麼是愛嗎？

(Hương hiểu thế nào là nhớ nhung hay yêu thương không?

+ 想念是對某人或事物的深深懷念和渴望。

愛是一種強烈的情感，包含關心、支持和奉獻。

(Nhớ nhung là sự khao khát sâu sắc và khao khát một ai đó hoặc một cái gì đó.

Tình yêu là một cảm xúc mạnh mẽ bao gồm sự quan tâm, hỗ trợ và tận tâm.)^[18]

– 所以芬說你愛我！

(Vậy Hương nói yêu tôi đi!)

+ 哥哥，芬愛你！

(Anh ơi, Hương yêu anh!)

Searle cho rằng, nhìn từ bên ngoài, chúng ta thấy một hệ thống này (tức căn phòng + người ngồi trong phòng, tài liệu hướng dẫn) nhận thông tin đầu vào là các câu tiếng Hoa và trả về đầu ra cũng là các câu bằng tiếng Hoa phô ra nét “thông minh” qua cuộc trò chuyện bằng tiếng Hoa, về cơ bản thì đó là tất cả những gì máy tính làm.

Hệ thống giả định của Searle mô tả rõ ràng là một chương trình và đã vượt qua phép kiểm Turing, nhưng cũng rõ ràng như vậy (theo Searle) hệ thống này không hiểu bất cứ điều gì về đầu vào và đầu ra [tiếng Hoa] của nó. Và Searle kết luận: trong căn phòng này, không có thứ gì cho thấy có SỰ HIỂU tiếng Hoa! Searle kết luận rằng căn phòng Trung Hoa, hay bất kỳ hệ thống ký hiệu vật lý nào khác, không thể có tâm trí.^[19] Dường như Searle đang dựa vào lập luận rằng, một tính chất của cái toàn bộ phải có trong các thành phần, tức tính hợp dôi (emergence, mặc dù cả H và O₂ đều không có tính ướt, nhưng H₂0, hợp của chúng, tức là nước, lại có tính ướt!). Ý nghĩa thực sự của thử nghiệm tư duy của Searle dựa trên bốn ngầm định sau:

1. Các chương trình máy tính là hình thức (cú pháp: thao tác đơn thuận trên các ký hiệu, là tài liệu hướng dẫn trong ví dụ).

2. Tâm trí con người có nội dung tâm trí (ngữ nghĩa).

3. Bản thân cú pháp không đủ để tạo ngữ nghĩa.

4. Não bộ (brains) làm phát sinh tâm trí.

Từ ba ngầm định đầu tiên, Searle kết luận rằng các chương trình không đủ để nảy sinh tâm trí.

Đã có nhiều gặng xét về Luận cứ của Searle, chẳng hạn Systems Reply của Crevier, Robot reply của Cole 2004, Brain simulator reply của Cole 2004… Cụ thể, D. Dennett đã gặng xét:

“…đối với nhiều phiên bản của Searle về thí nghiệm tưởng tượng này trong thập kỷ qua, và trong khi các triết gia và những người khác luôn tìm thấy những sai sót trong thí nghiệm tưởng tượng của ông dưới góc nhìn một lập luận logic, không thể phủ nhận rằng “kết luận” của thí nghiệm này tiếp tục có vẻ “rõ thấy” với nhiều người. Tại sao? Bởi vì không ai có thể thực sự tưởng tượng được thí nghiệm tưởng tượng trường hợp đó một cách chi tiết.”

và

“Searle, miệt mài thao tác vô thức trong căn phòng đấy, dù không hiểu tiếng Hoa, nhưng ni không ở một mình trong căn phòng ấy. Có có nhiều thứ khác, và xét như là toàn bộ, ta có thể cho rằng có sự hiểu ở đấy.”

Và D. Dennett đã dựng nên một thí nghiệm khác để bác bỏ thí nghiệm của Searle MỘT CÁCH CHI TIẾT.^[20] (Dennett, 1993, p. 436)

Để kết luận, bất kỳ câu chuyện thành công nào của AI, Searle sẽ chỉ ra một cách đúng đắn và vẫn tuyên bố rằng không thể tìm thấy sự hiểu^[21] ở đâu trong các câu chuyện thành công đấy dưới góc nhìn triết học của ông.

Chống AI mạnh theo Gödel

“Bốn thập kỷ trước, J.R. Lucas (1964) đã lập luận rằng, rem (định lý) không đầy đủ thứ nhất của Gödel sẽ dẫn đến ‘không có máy móc nào có thể đạt tới trí năng ở mức độ con người’. Lập luận của ni dù không thuyết phục, nhưng Lucas đã khởi xướng một cuộc tranh luận tạo ra những luận cứ mạnh hơn. Một trong những người bảo vệ không biết mệt mỏi của Lucas là nhà vật lý Roger Penrose, người nỗ lực đầu tiên để minh oan cho Lucas bằng một cuộc tấn công kiểu Gödel vào AI “Mạnh” được nêu rõ trong bài báo The Emperor’s New Mind (1989). Nỗ lực đầu tiên này không thành công, và Penrose đã xuất bản một trường hợp phức tạp hơn và khó hơn của Gödel, được trình bày trong Chương 2 và 3 của cuốn Shadows of the Mind (1994) của ông – song bài báo này cũng chịu nhiều gặng xét từ các triết gia David Chalmers, nhà logic học Solomon Feferman và nhà khoa học máy tính Drew McDermott. (Bringsjord, S. & Govindarajulu, N. S., Summer 2024 Edition^[22])

Chống AI theo Dreyfus

Ngoài các luận cứ kiểu Gödel và kiểu Searle được trình bày ngắn gọn ở trên, cuộc tấn công thứ ba nhằm vào AI “Mạnh” (thuộc loại [tính toán] ký hiệu) đã được thảo luận rộng rãi (mặc dù với sự gia tăng của học máy thống kê đã làm giảm sự chú ý tương ứng đến nó). ), cụ thể là, những luận cứ được đưa ra bởi triết gia Hubert Dreyfus. Nói một cách đơn giản, những gặng xét của ông dựa trên những hiểu biết sâu sắc của các nhà triết học lục địa hiện đại như Merleau-Ponty và Heidegger, ý tưởng cốt lõi là kiến thức chuyên môn của con người không dựa trên sự thao tác máy móc trên những thông tin ký hiệu và AI chắc chắn sẽ thất bại nếu dựa trên mô hình [tính toán] ký hiệu. (Dreyfus H. , 1972, pp. 67–68)

Bằng một loạt bài báo và sách, bao gồm Alchemy and AI (1965), What Computers Can’t Do (1972; 1979; 1992) và Mind over Machine (1986), Dreyfus có một đánh giá bi quan về sự tiến bộ của AI và phê bình về cơ sở triết học của lĩnh vực này. Những phản đối của Dreyfus được thảo luận trong hầu hết các phần giới thiệu về triết lý trí năng nhân tạo, bao gồm Russell & Norvig (2021), chẳng hạn trong đấy, dẫn lại Dreyfus về bài toán khung, hoặc trí năng và chuyên môn của con người phụ thuộc chủ yếu vào các tiến trình vô thức hơn là những thao tác ký hiệu, và những tính toán kiểu này không bao giờ có thể được nắm bắt đầy đủ trong các quy tắc hình thức.

Dreyfus lập luận rằng khả năng giải quyết vấn đề và khả năng chuyên môn của con người phụ thuộc vào nhận thức nền tảng của chúng ta về moi trường, bối cảnh, về điều gì là quan trọng và thú vị trong tình huống đó, hơn là vào tiến trình tìm kiếm thông qua sự kết hợp các khả năng để tìm ra thứ chúng ta cần. Dreyfus mô tả khái niệm này vào năm 1986 như là sự khác biệt giữa “biết-rằng” (“knowing-that”) và “biết-thế nào” (“knowing-how”), dựa trên sự phân biệt giữa “xa-tay” (“vorhanden”) và “ngay-tay” (“zuhanden”)^[23] của Heidegger. (Wiki^[24])

Biết-rằng là khả năng giải quyết vấn đề từng bước một, có ý thức của chúng ta. Chúng ta sử dụng những kỹ năng này khi gặp phải một vấn đề khó khăn đòi hỏi chúng ta phải dừng lại, lùi lại và tìm kiếm từng ý tưởng một. Vào những thời điểm như thế, các ý tưởng trở nên rất chính xác và đơn giản: chúng trở thành những ký hiệu phi-ngữ cảnh mà chúng ta vận dụng bằng cách sử dụng logic và ngôn ngữ. Đây là những kỹ năng mà Newell và Simon đã thể hiện bằng cả thí nghiệm tâm lý và chương trình máy tính. Dreyfus đồng ý rằng các chương trình của họ mô phỏng đầy đủ những kỹ năng mà ông gọi là “biết-rằng”.

Mặt khác, “biết-thế nào” là cách chúng ta giải quyết mọi việc một cách bình thường. Chúng ta hành động mà không hề sử dụng loại lý luận kiểu ký hiệu với ý thức, chẳng hạn như khi chúng ta nhận ra một khuôn mặt, lái xe đi làm hoặc tìm ra điều thích hợp để nói. Chúng ta dường như chỉ đơn giản chuyển sang phản ứng thích hợp mà không xem xét bất kỳ lựa chọn thay thế nào. Dreyfus lập luận rằng đây là bản chất của chuyên môn: khi trực giác của chúng ta đã được rèn luyện đến mức chúng ta quên mất các quy tắc và chỉ đơn giản là “đánh giá tình huống” rồi phản ứng.

Theo Dreyfus, nhận thức của con người về tình huống này dựa trên mục tiêu, cơ thể và văn hóa của chúng ta – tất cả những trực giác, thái độ và kiến ​​thức vô thức của chúng ta về thế giới. “Bối cảnh” hay “môi trường” này (liên quan đến Dasein của Heidegger) là một dạng kiến ​​thức không được lưu trữ trong não chúng ta theo cách ký hiệu mà theo một cách nào đó bằng trực giác. Nó ảnh hưởng đến những gì chúng ta chú ý và những gì chúng ta không chú ý, những gì chúng ta mong đợi và những khả năng chúng ta không xem xét: chúng ta phân biệt giữa điều thiết yếu và điều không thiết yếu. Những thứ không cần thiết được đưa vào “ý thức bên lề” (fringe consciousness) của chúng ta (nói theo cách của William James): hàng triệu thứ chúng ta nhận biết nhưng ngay lúc này chúng ta chưa thực sự nghĩ đến.

Dreyfus không tin rằng các chương trình AI, như chúng được triển khai vào những năm 70 và 80, có thể nắm bắt được “cái môi trường/bối cảnh “ này hoặc thực hiện kiểu giải quyết vấn đề nhanh chóng mà nó cho phép. Ông lập luận rằng kiến ​​thức vô thức của chúng ta không bao giờ có thể được nắm bắt theo cách [tính toán] ký hiệu. Nếu AI không thể tìm ra cách giải quyết những vấn đề này, thì nó chắc chắn sẽ thất bại, một bài tập “trèo cây với mắt nhìn lên mặt trăng”. Khi ý tưởng của Dreyfus lần đầu tiên được giới thiệu vào giữa những năm 1960, chúng đã vấp phải sự chế giễu và thái độ thù địch rõ ràng. Tuy nhiên, đến những năm 1980, nhiều góc nhìn của ni đã được các nhà nghiên cứu làm việc trong lĩnh vực robot và lĩnh vực kết nối mới khám phá lại—các phương pháp tiếp cận ngày nay được gọi là “ký hiệu-con” (sub-symbol) vì chúng tránh nhấn mạnh vào các ký hiệu cấp cao trong nghiên cứu AI ban đầu. Trong thế kỷ 21, các phương pháp tiếp cận dựa trên thống kê đối với học máy mô phỏng cách não sử dụng tiến trình vô thức để nhận thức, nhận thấy sự bất thường và đưa ra phán đoán nhanh chóng. Những kỹ thuật này rất thành công và hiện đang được sử dụng rộng rãi. Nhà sử học và nhà nghiên cứu AI Daniel Crevier viết: “thời gian đã chứng minh tính chính xác và khả năng nhận thức sâu sắc trong một số nhận xét của Dreyfus.” Dreyfus nói vào năm 2007, “Tôi nghĩ mình đã thắng và mọi chuyện đã xong—họ đã bỏ cuộc.”^[25] (Dreyfus W. , 2024^[26])

Chống AI theo Nagel

Thomas Nagel là một triết gia nổi tiếng được biết đến với những công trình nghiên cứu về ý thức, đặc biệt là qua bài báo có ảnh hưởng lớn “Là dơi, nghĩa là như thế nào?”^[27] (Nagel, T. & Trần Đình Thắng, 2024^[28]) Mặc dù Nagel không tập trung nhiều vào trí năng nhân tạo, nhưng góc nhìn của ông về ý thức có ý nghĩa quan trọng đối với cuộc tranh luận về AI mạnh. Dưới đây là một số điểm chính liên quan đến góc nhìn của Nagel có thể áp dụng cho AI mạnh:

– Trải nghiệm chủ quan: Trong “Là dơi, nghĩa là như thế nào”, Nagel lập luận rằng trải nghiệm chủ quan, hay cảm giác khi trở thành một sinh vật có ý thức, là một khía cạnh cơ bản của ý thức. Điều này đặt ra thách thức cho AI mạnh, vì nó đặt câu hỏi liệu một cỗ máy có thể có những trải nghiệm chủ quan hay không.

– Bài toán khó nhằn về ý thức: Sự nhấn mạnh của Nagel vào khía cạnh chủ quan của trải nghiệm phù hợp với điều mà David Chalmers sau này gọi là “bài toán khó nhằn về ý thức” – khó trong việc giải thích cách thức và lý do tại sao chúng ta có những trải nghiệm hiện tượng định tính. Vấn đề này làm dấy lên nghi ngờ về việc liệu AI có thể đạt được ý thức thực sự hay không, trái ngược với việc chỉ mô phỏng nó.

Xim quy gọn (Reductionism): Nagel chỉ trích các cách tiếp cận quy gọn (reduction) nhằm cố gắng giải thích ý thức hoàn toàn bằng các tiến trình vật lý. Trong cuốn sách “The View from Nowhere” (1986), ông lập luận về tính không thể quy gọn của trải nghiệm chủ quan, điều này gợi ý sự hoài nghi về triển vọng tái tạo ý thức trong AI chỉ thông qua các phương tiện tính toán.

– Các khái niệm hiện tượng: Công trình của Nagel ngụ ý rằng có những khía cạnh của ý thức có thể gắn liền với các thể sống sinh học. Điều này tạo ra rào cản tiềm tàng đối với AI mạnh, vì nó cho thấy trí thông minh của máy có thể thiếu một số khía cạnh cơ bản nhất định trong trải nghiệm của con người.

AI Mạnh: Những Luận Cứ Ủng Hộ

Trí năng mạnh (Strong AI) là khái niệm cho rằng máy móc có thể phát triển trí năng tương đương hoặc vượt trội hơn con người, có khả năng suy nghĩ, hiểu biết và ý thức như con người.

Giới làm AI

Những người ủng hộ AI mạnh cho rằng tiến bộ nhanh chóng trong công nghệ, đặc biệt là trong lĩnh vực học sâu (deep learning) và mạng nơ-ron nhân tạo, cho thấy khả năng phát triển AI mạnh là hoàn toàn có thể. Máy móc hiện nay đã có khả năng thực hiện các tác vụ phức tạp như nhận diện hình ảnh, xử lý ngôn ngữ tự nhiên và thậm chí đánh bại con người trong các trò chơi phức tạp như cờ vây. Theo lý thuyết tâm trí tính toán (computational theory of mind) cho rằng trí năng là một tiến trình tính toán và nếu chúng ta có thể mô phỏng tiến trình này trên máy tính, thì máy tính đó sẽ có trí năng. Theo góc nhìn này, không có lý do gì mà máy móc không thể đạt được trí năng giống như con người nếu chúng ta có đủ sức mạnh tính toán và các thuật toán phù hợp. Một luận cứ mạnh mẽ khác là khả năng tự học và tự cải thiện của các hệ thống AI. Nếu một hệ thống AI có thể học hỏi từ kinh nghiệm và tự cải thiện các thuật toán của mình, nó có thể phát triển trí năng mạnh mẽ hơn theo thời gian và với những thành tựu hiện tại của AI trong nhiều lĩnh vực khác nhau, từ y tế, tài chính đến nghệ thuật, đều chỉ ra rằng AI đã vượt qua nhiều giới hạn trước đây và tiếp tục mở rộng khả năng của mình. Điều này chứng tỏ tiềm năng của AI trong việc đạt được AI mạnh.

Ludwig Wittgenstein

Ludwig Wittgenstein, một trong những triết gia có ảnh hưởng nhất thế kỷ 20, đã có những đóng góp quan trọng vào triết học ngôn ngữ, triết học tâm trí. Song, Wittgenstein, người đã mất vào 1951, và từ ‘trí năng nhân tạo’ thì mãi đến năm 1956 mới có mặt – kết nối này là có thể hay không? Câu trả lời là có thể, vì những vấn đề triết học có liên quan đến AI, thì đã manh nha từ rất lâu. Những ý tưởng của Wittgenstein, dù trực tiếp xa hoặc gần đến trí năng nhân tạo (AI), đã có những tác động sâu sắc đến cách các nhà nghiên cứu và triết gia suy nghĩ về ngôn ngữ, hiểu biết và hành động của con người trong bối cảnh AI. Dưới đây là một số cách mà tư tưởng của Wittgenstein đã ảnh hưởng đến lĩnh vực AI:

• Triết học ngôn ngữ và những trò chơi ngôn ngữ (Language Games). Wittgenstein nổi tiếng với khái niệm “trò chơi ngôn ngữ” và cách thức ngôn ngữ có nghĩa trong các ngữ cảnh cụ thể như thế nào. Ông cho rằng ngôn ngữ không chỉ đơn thuần là một hệ thống ký hiệu mà chúng ta sử dụng để mô tả thế giới, mà còn là một tập hợp các hoạt động xã hội và ngữ cảnh mà từ ngữ có được ý nghĩa, đấy là, các ‘dạng sinh hoạt’ (form of life). Wittgenstein viết: “Một nụ cười nhoẻn miệng chỉ có ở khuôn mặt con người.” (Wittgenstein L. , Những Tìm Sâu Triết Học, 2019, §583) để làm rõ ý này. Có thể lấy ví dụ khác, bức hình thỏ-vịt của Wittgenstein: dường như có thể NHẬN DẠNG là thỏ nếu môi trường xung quanh nó là những con thỏ khác (bài toán nhận dạng)! Trong AI, đặc biệt là trong lĩnh vực xử lý ngôn ngữ tự nhiên (NLP), các nhà nghiên cứu đã phải đối mặt với thách thức của việc làm cho máy móc hiểu ngôn ngữ trong các ngữ cảnh (context) khác nhau. Những ý tưởng này của Wittgenstein về ngôn ngữ đã giúp làm sáng tỏ rằng việc hiểu ngôn ngữ không thể chỉ dựa trên các quy tắc cú pháp và từ vựng, mà còn phải xem xét các ngữ cảnh và cách sử dụng ngôn ngữ trong thực tế. Ni cho rằng, không thể nắm bắt một loại ngôn ngữ nào đó nếu không tham gia vào một dạng sinh hoạt nhất định.
• Sự hiểu (understanding). Wittgenstein nhấn mạnh rằng sự hiểu không chỉ là vấn đề về nhận thức mà còn là vấn đề về thực hành và khả năng tham gia vào các hoạt động có ý nghĩa. Điều này liên quan đến khái niệm “know-how” hay loại kiến thức thực hành mà Hubert Dreyfus cũng đã sử dụng trong các luận điểm chống lại trí năng nhân tạo. Tuy nhiên, khác với Turing, tức là góc nhìn cho rằng thông minh chính là sự thể hiện hành vi thông minh, Wittgenstein viết rằng “những gì mà chúng ta gọi là “sự hiểu “, thì đấy không phải là hành vi cho chúng ta thấy sự hiểu – bất kể nó có thể là gì – mà là một trạng thái mà hành vi này là một dấu hiệu.” (Wittgenstein L. , Philosophical Grammar, 1974, p. 84)
• Trong AI, điều này có nghĩa là các hệ thống thông minh không chỉ cần khả năng xử lý và phân tích dữ liệu mà còn cần khả năng tham gia vào các hoạt động thực tế theo cách có nghĩa. Ví dụ, các robot cần phải biết cách tương tác với thế giới vật lý và xã hội một cách linh hoạt và hiệu quả, chứ không chỉ dựa vào các quy tắc và lập trình sẵn.
• Vấn đề về ý nghĩa (Meaning). Wittgenstein cho rằng [ý] nghĩa của một từ hay câu nằm trong cách sử dụng của nó trong dạng sinh hoạt sống động. Điều này đã thách thức các góc nhìn truyền thống trong AI về việc biểu diễn tri thức và ngữ nghĩa. Trong các hệ thống AI, việc biểu diễn ngữ nghĩa thường gặp khó khăn trong việc nắm bắt đầy đủ ý nghĩa của các từ và câu trong các ngữ cảnh khác nhau. Các tiếp cận hiện đại trong AI, chẳng hạn như học sâu (deep learning) và các mô hình ngôn ngữ như GPT-3 và GPT-4, đã cố gắng giải quyết vấn đề này bằng cách học từ dữ liệu lớn và các ngữ cảnh sử dụng ngôn ngữ thực tế. Tuy nhiên, việc đảm bảo rằng các mô hình này thực sự hiểu và có thể sử dụng ngôn ngữ một cách ý nghĩa vẫn là một thách thức lớn.
• Chống lại lập trường hình thức (formalism). Wittgenstein chống lại góc nhìn hình thức hóa tuyệt đối trong triết học, cho rằng nhiều khía cạnh của ngôn ngữ và sự hiểu của con người không thể được biểu diễn theo cách hoàn toàn hình thức. Điều này có liên quan mật thiết đến các tranh luận về khả năng của AI trong việc đạt được trí năng thực sự.
• Các hệ thống AI dựa trên các quy tắc và logic hình thức đã gặp phải nhiều giới hạn khi cố gắng mô phỏng sự hiểu và suy nghĩ của con người. Tư tưởng của Wittgenstein gợi ý rằng để tiến gần hơn đến trí năng thực sự, AI cần phải vượt qua các phương pháp hình thức hóa đơn thuần và tìm cách tích hợp các khía cạnh ngữ cảnh, thực hành và xã hội của trí năng con người.

Về cơ bản, Wittgenstein rất khác với các nhà lý thuyết AI. Có thể cho rằng Wittgenstein bác bỏ hoàn toàn khả năng AI và cũng có thể cho rằng ông có ảnh hưởng không ít đến AI. Chẳng hạn, với câu hỏi ‘Phải chăng suy nghĩ là một tiến trình tâm trí’, dường như ni chấp nhận góc nhìn duy vật lý về tâm trí, nhưng:

Từ “suy nghĩ” được sử dụng theo một cách nào đó rất khác với, ví dụ, “đau đớn”, “buồn”, v.v.: chúng ta không nói “Tôi nghĩ” như một biểu hiện của trạng thái tâm trí . Cùng lắm ta nói “Tôi đang suy nghĩ”. “Để tôi yên, tôi đang nghĩ về…” Và tất nhiên ta không có ý nói như vậy: “Hãy để tôi yên, tôi đang cư xử như thế này, thế kia.” Vì vậy, ‘suy nghĩ’ không phải là hành vi. (Wittgenstein L. , Remarks On The Philosophy of Psychology: Volume II. , 1980, p. 4)

“ [V]ấn đề nảy sinh ở đây có thể được diễn đạt bằng câu hỏi: “Liệu máy móc có thể suy nghĩ được không?” …. Và vấn đề trong câu hỏi này không hẳn là do chúng ta chưa biết một chiếc máy nào có thể thực hiện được công việc đó.… Vấn đề nằm ở chỗ câu “Một cỗ máy suy nghĩ (nhận thức, mong muốn)”: dường như vô nghĩa thế nào đó. Giống như chúng ta hỏi “Số ba (3) có màu sắc không?” (Wittgenstein L. , The Blue & The Brown Books, 2007, p. 47)

hoặc để trả lời cho câu hỏi của Turing ‘Máy móc có thể suy nghĩ không’^[29] (Turing, October 1950), Wittgenstein cho rằng câu hỏi này đòi hỏi một câu trả lời mang tính khái niệm hơn là một câu trả lời thực nghiệm:

Một cỗ máy có thể suy nghĩ hay không? — Nó có đau không? – Vậy có nên xem cơ thể con người là một cỗ máy? Chắc chắn nó đủ gần với một cỗ máy như vậy. (Wittgenstein L. , Những Tìm Sâu Triết Học, 2019, §359)

Nhưng một cỗ máy thì không thể suy nghĩ! – Đây có phải là một phát biểu thường nghiệm? Không. Ta chỉ nói về một con người – và một thứ giống như thế – mà ta cho rằng chúng có thể suy nghĩ. Ta cũng nói về búp bê; và có lẽ ngay cả các bóng ma. Hãy xem từ “suy nghĩ” như là một công cụ! (Wittgenstein L. , Những Tìm Sâu Triết Học, 2019, §360)

Daniel Dennett

Daniel Dennett là một trong những triết gia hàng đầu về nhận thức và trí năng nhân tạo. Trong cuốn sách “Giải thích Ý thức”^[30], Dennett đưa ra những góc nhìn cách mạng về ý thức, thách thức nhiều định kiến truyền thống. Dưới đây là một số ý chính từ cuốn sách của ông, và cách những ý tưởng này liên quan đến tranh luận về trí năng mạnh. Với Thuyết Nhiều Bản Nháp (Multiple Drafts Theory), Dennett cho rằng không có một vị trí trung tâm duy nhất trong não mà tại đó ý thức xảy ra. Thay vào đó, ý thức là kết quả của nhiều tiến trình xử lý thông tin diễn ra đồng thời trong não. Những tiến trình này không cần phải đồng bộ hay tập trung vào một điểm cụ thể, mà chúng tạo ra nhiều “bản nháp” của trải nghiệm ý thức, và những bản nháp này liên tục được sửa đổi và cập nhật. Với Ý Thức Như Một Tiến Trình, Dennett lập luận rằng ý thức không phải là một hiện tượng đơn lẻ mà là một tập hợp các tiến trình nhận thức. Theo góc nhìn này, ý thức là sản phẩm của các tiến trình xử lý thông tin phức tạp và không cần một “chủ thể quan sát” trung tâm nào để diễn giải. Điều này có ý nghĩa quan trọng đối với những tranh luận về AI mạnh, bởi nếu ý thức chỉ là một tiến trình xử lý thông tin phức tạp, thì việc tạo ra một hệ thống AI có thể thực hiện các tiến trình này không còn là điều không thể. Với Chống Lại Luận Cứ Phòng Tiếng Hoa, Dennett cũng đưa ra những phản biện chống lại luận cứ CTH của John Searle (Dennett, 1993, pp. 435–440). Ông cho rằng, luận cứ này dựa trên một hiểu lầm về cách hoạt động của ý thức và trí năng. Dennett cho rằng, chỉ vì một hệ thống không hiểu ngôn ngữ theo cách mà con người hiểu thi không có nghĩa là nó không thể có ý thức. Ý thức, theo Dennett, có thể không yêu cầu sự hiểu “từ bên trong” mà chúng ta thường gán cho nó. Với Cơ Chế Tự Điều Chỉnh, Dennett nhấn mạnh tầm quan trọng của cơ chế tự điều chỉnh trong việc hình thành ý thức. Ông cho rằng, khả năng của một hệ thống để điều chỉnh và thay đổi các tiến trình bên trong của nó là yếu tố then chốt để tạo ra ý thức. Điều này có nghĩa là một hệ thống AI, nếu được thiết kế với khả năng tự điều chỉnh và học hỏi từ kinh nghiệm, có thể tiệm cận ý thức theo cách của ý thức con người. Cuối cùng, với Ý Thức và Trí năng Nhân tạo, Góc nhìn của Dennett về ý thức có ảnh hưởng sâu sắc đến cách chúng ta hiểu về trí năng nhân tạo. Nếu ý thức là kết quả của các tiến trình xử lý thông tin phức tạp và không yêu cầu một “chủ thể quan sát” trung tâm, thì việc phát triển trí năng mạnh không còn quá xa vời. Điều này ủng hộ ý tưởng rằng AI có thể đạt được các cấp độ cao hơn của nhận thức và ý thức thông qua việc mô phỏng các tiến trình nhận thức của con người. Để kết luận, Daniel Dennett trong “Consciousness Explained” đã cung cấp một cái nhìn mới mẻ về ý thức, thách thức nhiều góc nhìn truyền thống. Ông cho rằng ý thức là kết quả của các tiến trình xử lý thông tin phức tạp và không cần một trung tâm điều khiển duy nhất. Những ý tưởng này không chỉ ảnh hưởng đến triết học về nhận thức mà còn có ý nghĩa quan trọng đối với tranh luận về AI mạnh. Theo góc nhìn của Dennett, việc phát triển một hệ thống AI có thể đạt được ý thức không phải là điều không thể, miễn là hệ thống đó có khả năng tự điều chỉnh và thực hiện các tiến trình nhận thức phức tạp.

Kết Luận

Tranh luận về trí năng mạnh phản ánh những câu hỏi sâu sắc và phức tạp về bản chất của trí năng, ý thức và khả năng của công nghệ. Những luận cứ ủng hộ trí năng mạnh thường dựa trên tiến bộ công nghệ và khả năng mô phỏng tiến trình trí năng của con người, trong khi những luận cứ phản đối thường tập trung vào các hạn chế cơ bản của thuật toán, vấn đề ý thức, tính chủ quan và các hậu quả đạo đức. Liệu giới nghiên cứu AI đơn thuần có tham gia và áp dụng những cuộc tranh luận triết học về AI hay không? Nói chung, góc nhìn của các nhà nghiên cứu AI là việc triết lý hóa đôi khi rất thú vị, nhưng tiến trình đi lên của công nghệ AI không thể bị dừng lại, sẽ thành công và cuối cùng sẽ khiến việc triết lý AI trở nên vô nghĩa. Hoà cùng sự lạc quan này của giới làm AI lý thuyết, D. Dennett gợi ý rằng với mức độ phức tạp phù hợp, hệ thống AI có thể đạt được một dạng ý thức nào đó, riêng chúng tôi (Trần Đình Thắng), đang viết bài báo còn lạc quan hơn: chúng ta có thể xây dựng những hệ thống AI không những có ý thức, mà còn có thể chỉ ra các điều kiện để cho phép các hệ thống này có cái TA (the self).

Hình: Marvin Minsky, Claude Shannon, Ray Solomonoff và một số nhà khoa học khác tại Dartmouth Summer Research Project về Artificial Intelligence, Margaret Minsky. Nguồn: Cantor’s Paradise

Tài liệu tham khảo

Boden, M. A. (2018). Artificial Intelligence: A Very Short Introduction. Oxford.

Bringsjord, S. & Govindarajulu, N. S. (Summer 2024 Edition). Artificial Intelligence. The Stanford Encyclopedia of Philosophy, Edward N. Zalta & Uri Nodelman (eds.). Retrieved from https://plato.stanford.edu/archives/sum2024/entries/artificial-intelligence

Carter., M. (2007). Minds and Computers An Introduction to the Philosophy of Artificial Intelligence. Edinburgh University Press.

Dennett, D. (1993). Consciousness Explained. Penguin Books.

Dreyfus, H. (1972). What Computers Can’t Do. New York: MIT Press.

Dreyfus, W. . (2024, 7 1). Hubert Dreyfus’s views on artificial intelligence. Retrieved from Wiki: https://en.wikipedia.org/wiki/Hubert_Dreyfus%27s_views_on_artificial_intelligence

Frana, Philip L. & Klein, Michael J. . (2021). Encyclopedia of Artificial Intelligence – The Past, Present, and Future of AI. ABC-CLIO.

Huttenlocher, D. & Schmidt, E. & Kissinger, H. A. (2021). The Age of AI – And Our Human Future, John. Murray Press.

McCarthy, J. (1999). What is AI? – Basic Questions. Retrieved from Stanford Edu.

Minsky, M. L. (1975). A framework for representing knowledge. The Psychology of Computer Vision, 211–277.

Nagel, T. (2024). Là dơi, nghĩa là như thế nào? Retrieved from https://tapchitriet.com/

Searle, J. (1997). The Mystery of Consciousness. New York: New York, NY: New York Review of Books.

Stuart J. Russell and Peter Norvig. (2010). Artificial Intelligence A Modern Approach (3rd Ed.). New Jersey: Prentice Hall.

Test, W. -T. (2024, 6 30). Turing Test. Retrieved from Wiki: https://en.wikipedia.org/wiki/Turing_test

Turing, A. M. (October 1950). Computing Machinery And Intelligence. Mind, Volume LIX, Issue 236, 433–460. doi:https://doi.org/10.1093/mind/LIX.236.433

Wiki-PAI. (2024, 6 30). Philosophy of artificial intelligence. Retrieved from Wiki: https://en.wikipedia.org/wiki/Philosophy_of_artificial_intelligence

Wittgenstein, L. (1965). The Blue and Brown Books. Harper Perennial Modern Thought.

Wittgenstein, L. (1974). Philosophical Grammar. Basil Blackwell, Oxford.

Wittgenstein, L. (1980). Remarks On The Philosophy of Psychology: Volume II. . Basil Blackwell, Oxford.

Wittgenstein, L. (2007). The Blue & The Brown Books. Blackwell Publishing Ltd.

Wittgenstein, L. (2018). Luận Văn Logic Triết Học. . TP. HCM: Domino.

Wittgenstein, L. (2019). Những Tìm Sâu Triết Học. TP HCM: Domino.

1. Mặc dù từ ‘trí tuệ nhân tạo’ đã phổ biến từ lâu ở Việt Nam, chúng tôi quyết định dùng ‘trí năng’ để chỉ một loại năng lực, năng lực này sẽ được hiểu tổng quát, không chỉ áp dụng cho con người, mà còn để chỉ những tồn tại như cây cỏ, gỗ đá,… trong trường hợp này, ta có thể nói, trí năng của chúng rất thô. Có thể rép cách Tàu dịch ‘artificial intelligence’ là ‘nhân công trí năng’ (人工智能). ↑
2. cujm ‘trí năng nhân tạo’ đôi khi sẽ viết tắt là ‘trí năng’, hoặc ‘AI’ ↑
3. (McCarthy et al. 1955: 1) ↑
4. https://plato.stanford.edu/archives/sum2024/entries/artificial-intelligence ↑
5. https://en.wikipedia.org/wiki/Philosophy_of_artificial_intelligence ↑
6. https://en.wikipedia.org/wiki/Turing_test ↑
7. thực ra từ gốc của bài báo này là teletype, máy đánh chữ điện báo ↑
8. The Stanford Encyclopedia of Philosophy, mục Artificial Intelligence, Summer 2024 Edition; Address: https://plato.stanford.edu/archives/sum2024/entries/artificial-intelligence ↑
9. ‘Thực tế là rất khó để chúng ta biết được điều gì thực sự đang diễn ra bên trong con robot làm tôi nhớ lại Bài kiểm Turing kết hợp với Căn phòng tiếng Hoa, bởi vì chúng ta không bao giờ có thể biết con robot ‘Lebenswelt’ này trông như thế nào hoặc thậm chí nó có bất kỳ thứ gì không.’ – Dennett, D., 1994, “The Practical Requirements for Making a Conscious Robot,” Philosophical Transactions of the Royal Society of London, 349: 133–146. ↑
10. Standford – Professor John McCarthy. What is AI? – Basic Questions; Link: http://jmc.stanford.edu/artificial-intelligence/what-is-ai/index.html ↑
11. The Stanford Encyclopedia of Philosophy, mục Artificial Intelligence, Summer 2024 Edition; Link: https://plato.stanford.edu/archives/sum2024/entries/artificial-intelligence ↑
12. Frame (khung) ở đây xuất phát từ “frame of reference/hệ quy chiếu” trong vật lý học. ↑
13. actuator ↑
14. mental states ↑
15. Dân lại theo (Dennett, 1993). Phát biểu gốc của Searle: “The appropriately programmed computer really is a mind, in the sense that computers given the right programs can be literally said to understand and have other cognitive states.” ↑
16. Chinese Room Argument (CRA) của John Searle ↑
17. Ví dụ này được tạo ra trên ChatGPT 3.5; link: https://chatgpt.com/ ↑
18. Sử dụng Google để dịch. Dấu ‘+’ là ChatGPT. ↑
19. Ban đầu thí nghiệm này Searle nhắm vào AI Ký Hiệu (Symbolic AI), nhưng sau này được tổng quát hoá để áp dụng cho lập trường kết nối (connectionism) và ngành robot. ↑
20. Dennett, Daniel (1991), Consciousness Explained, The Penguin Press, trang 436 ↑
21. chính xác hơn, nó không cho thấy được ‘tính ý hướng’ của các HT AI mạnh. ↑
22. The Stanford Encyclopedia of Philosophy, mục Artificial Intelligence, Summer 2024 Edition; Link: https://plato.stanford.edu/archives/sum2024/entries/artificial-intelligence ↑
23. hình như có cách dịch là ‘cái có đó’ và ‘cái cho ta’. ↑
24. Hubert Dreyfus’s views on artificial intelligence; link: https://en.wikipedia.org/wiki/Hubert_Dreyfus%27s_views_on_artificial_intelligence ↑
25. Dẫn lại theo Fearn, Nicholas (2007), The Latest Answers to the Oldest Questions: A Philosophical Adventure with the World’s Greatest Thinkers. ↑
26. https://en.wikipedia.org/wiki/Hubert_Dreyfus%27s_views_on_artificial_intelligence ↑
27. xem ‘Là dơi, nghĩa là như thế nào?’, Thomas Nagel, Trần Đình Thắng dịch; TAPCHITRIET số 12. ↑
28. TAPCHITRIET, số 12; link: https://tapchitriet.com/ ↑
29. “I propose to consider the question, “Can machines think?” This should begin with definitions of the meaning of the terms “machine” and “think.” The definitions might be framed so as to reflect so far as possible the normal use of the words, but this attitude is dangerous, If the meaning of the words “machine” and “think” are to be found by examining how they are commonly used it is difficult to escape the conclusion that the meaning and the answer to the question, “Can machines think?” is to be sought in a statistical survey such as a Gallup poll. But this is absurd. Instead of attempting such a definition I shall replace the question by another, which is closely related to it and is expressed in relatively unambiguous words.” ↑
30. Consciousness Explained” (1991) ↑