Chúng ta chắc chắn đang ở giữa “mùa hè AI”, thời kỳ mà cả các nhà khoa học và công chúng đều rất hào hứng với khả năng học tập của máy tính. Các mô hình AI sáng tạo như ChatGPT và MidjTHER đang cho phép nhiều người hơn bao giờ hết dùng thử loại công cụ mạnh mẽ này. Nhưng sự phơi bày đó cũng tiết lộ những sai sót sâu sắc trong cách các chương trình AI được viết và đào tạo dựa trên dữ liệu, và điều đó có thể gây ra những hậu quả lớn cho ngành.

Dưới đây là những lựa chọn của chúng tôi về mười lỗ hổng lớn nhất trong các mô hình AI tổng quát hiện nay.

1. AI quá háo hức để làm hài lòng

Nếu chúng ta xem các thuật toán AI như thể chúng là những sinh vật sống, thì chúng giống như những con chó—chúng thực sự muốn làm bạn vui, ngay cả khi điều đó có nghĩa là để lại một con gấu trúc chết trước hiên nhà. Trí tuệ nhân tạo nhu cầu để tạo phản hồi cho truy vấn của bạn, ngay cả khi nó không có khả năng cung cấp cho bạn câu trả lời thực tế hoặc hợp lý. Chúng ta đã thấy điều này trong các ví dụ từ ChatGPT, Bard và những người khác: Nếu AI không có đủ thông tin thực tế trong cơ sở kiến ​​thức của mình, thì nó sẽ lấp đầy khoảng trống bằng những thứ nghe có vẻ đúng, theo thuật toán của nó. Đó là lý do tại sao khi bạn hỏi ChatGPT về tôi, nó nói chính xác là tôi viết cho PCMag, nhưng nó cũng nói rằng tôi đã viết thanh kiếm man rợ của conan vào những năm 1970. Tôi ước!

2. AI đã lỗi thời

Một vấn đề quan trọng khác là với các bộ dữ liệu mà các công cụ này được đào tạo. Họ có một ngày giới hạn. Các mô hình AI sáng tạo được cung cấp một lượng lớn dữ liệu và chúng sử dụng nó để tập hợp các phản hồi của mình. Nhưng thế giới luôn thay đổi và không mất nhiều thời gian để dữ liệu đào tạo trở nên lỗi thời. Cập nhật AI là một quá trình lớn phải được thực hiện từ đầu mỗi lần vì cách dữ liệu được kết nối với nhau trong nguồn có nghĩa là không thể thực hiện từng phần việc bổ sung và đánh trọng số thông tin bổ sung. Và dữ liệu không được cập nhật càng lâu thì càng trở nên kém chính xác.

3. AI Vi Phạm Bản Quyền

Đạo văn là một vấn đề rất thực tế trong nghệ thuật sáng tạo, nhưng đầu ra của một mô hình AI tổng quát thực sự không thể được định nghĩa theo bất kỳ cách nào khác. Máy tính không có khả năng như những gì chúng ta coi là suy nghĩ ban đầu—chúng chỉ kết hợp lại dữ liệu hiện có theo nhiều cách khác nhau. Đầu ra đó có thể mới lạ và thú vị, nhưng nó không phải là duy nhất. Chúng ta đã chứng kiến ​​các vụ kiện trong đó các nghệ sĩ phàn nàn khá hợp lý rằng việc đào tạo một mô hình tạo hình ảnh trên các tác phẩm có bản quyền của họ và sử dụng nó để tạo ra các hình ảnh mới theo phong cách của họ là việc sử dụng nghệ thuật của họ mà không được cấp phép. Đây là một hộp đen hợp pháp khổng lồ sẽ ảnh hưởng đến cách AI được đào tạo và triển khai theo những cách không thể đoán trước.

4. AI học từ bộ dữ liệu thiên vị

Xu hướng ngầm là một vấn đề lớn với máy học trong nhiều thập kỷ. Có một trường hợp nổi tiếng cách đây vài năm khi Hewlett Packard(Mở ra trong một cửa sổ mới) máy ảnh gặp khó khăn trong việc xác định khuôn mặt của Người da đen nhưng không gặp vấn đề gì với người dùng da sáng hơn, vì quá trình đào tạo và thử nghiệm phần mềm không đa dạng như lẽ ra phải có. Điều tương tự cũng có thể xảy ra với các tập dữ liệu AI khổng lồ—thông tin mà AI được đào tạo có thể làm sai lệch kết quả đầu ra. Khi nhiều quyết định được đưa ra dựa trên tính toán của AI thay vì đánh giá của con người, sự thiên vị sẽ mở ra khả năng phân biệt cấu trúc lớn.

5. Tính năng làm mờ hộp đen của AI

Có một giai thoại rất hay về thuật toán tìm kiếm của Google trong cuốn sách của Max Fisher Cỗ máy hỗn loạn: Câu chuyện bên trong về cách truyền thông xã hội tái tạo tâm trí và thế giới của chúng ta, trong đó một người trong công ty nhận xét rằng kết quả được cung cấp thông qua rất nhiều lớp thuật toán máy học đến mức con người không còn có thể truy cập mã và theo dõi chính xác lý do tại sao phần mềm đưa ra lựa chọn như vậy. Loại phức tạp và tối nghĩa đó có thể tạo ra các vấn đề nghiêm trọng với AI tổng quát. Việc không thể xác định nguồn phản hồi không phù hợp khiến các hệ thống này cực kỳ khó gỡ lỗi và tinh chỉnh theo bất kỳ chỉ số nào ngoài những chỉ số mà phần mềm đang cố gắng phục vụ.

6. Trí tuệ nhân tạo nông cạn

Máy móc rất xuất sắc trong việc sàng lọc lượng dữ liệu khổng lồ và tìm ra những điểm chung. Nhưng khiến họ tìm hiểu sâu hơn về nội dung và bối cảnh hầu như luôn thất bại. Một ví dụ tuyệt vời là tác phẩm nghệ thuật kỹ thuật số bóng bẩy được tạo bởi các công cụ như Midjourney. Những sáng tạo của nó trông thật tuyệt vời trên bề mặt, mọi nét vẽ đều được đặt một cách hoàn hảo. Nhưng khi AI cố gắng tái tạo một vật thể vật lý phức tạp—chẳng hạn như bàn tay con người—chúng không có khả năng nắm bắt cấu trúc bên trong của vật thể, thay vào đó, chúng thường phỏng đoán và thường xuyên đưa ra chân dung chim cánh cụt bảy ngón. Việc không thể “hiểu” rằng bàn tay con người có bốn ngón và một ngón cái là một lỗ hổng lớn trong cách những trí thông minh này “suy nghĩ”.

7. AI mạo danh người thật

Mặc dù một số mô hình AI tổng quát có các biện pháp bảo vệ để ngăn chúng mạo danh người sống, nhưng nhiều mô hình thì không — và công nghệ này cực kỳ dễ bẻ khóa. TikTok có rất nhiều cuộc trò chuyện do AI lồng tiếng, chẳng hạn như giữa Donald Trump và Joe Biden về việc hút cần sa và gian lận trong Minecraft, và chúng khá đáng tin ngay từ lần nghe đầu tiên. Chỉ còn là vấn đề thời gian trước khi mô phỏng nhân vật của công chúng do máy tính tạo ra khiến người đó bị hủy hôn và nạn nhân đủ giàu để theo đuổi hành động chống lại thủ phạm.

Được giới thiệu bởi các biên tập viên của chúng tôi

Trí tuệ nhân tạo (AI) là gì?

Khi nào ChatGPT sẽ thay thế tìm kiếm? Có lẽ sớm hơn bạn nghĩ

Người đàn ông tự hào về chiến thắng trong cuộc thi nghệ thuật bằng hình ảnh do AI tạo ra

8. Trí tuệ nhân tạo biết nói dối

Một mô hình AI tổng quát không thể cho bạn biết liệu điều gì đó có thực tế hay không; nó chỉ có thể lấy dữ liệu từ những gì nó được cung cấp. Vì vậy, nếu dữ liệu đó nói rằng bầu trời có màu xanh lục, AI sẽ trả lại cho bạn những câu chuyện diễn ra dưới bầu trời màu vôi. Khi ChatGPT chuẩn bị đầu ra cho bạn, ChatGPT không tự kiểm tra hoặc phỏng đoán. Và mặc dù bạn có thể sửa lỗi đó trong phiên của mình, nhưng những sửa đổi đó không được đưa trở lại thuật toán. Phần mềm này có thể thoải mái nói dối và bịa đặt mọi thứ bởi vì nó không có cách nào để không làm như vậy, và điều đó làm cho việc dựa vào nó để nghiên cứu trở nên đặc biệt nguy hiểm.

9. AI không chịu trách nhiệm

Ai chịu trách nhiệm cho công việc được tạo ra bởi trí tuệ nhân tạo? Đó có phải là người đã viết các thuật toán? Những người đã tạo ra các nguồn dữ liệu mà nó học được từ đâu? Người dùng đã đưa ra lời nhắc phản hồi hoặc hướng dẫn để làm theo? Đó không phải là luật thực sự được giải quyết ngay bây giờ và nó có thể gây ra những vấn đề lớn trong tương lai. Nếu một mô hình AI tổng quát cung cấp một đầu ra dẫn đến những hậu quả có thể hành động về mặt pháp lý, thì ai sẽ bị đổ lỗi cho những hậu quả đó? Xây dựng quy tắc đạo đức pháp lý xung quanh trách nhiệm giải trình của AI sẽ là một thách thức lớn đối với các công ty muốn kiếm tiền từ công nghệ này.

10. AI Đắt

Tạo và đào tạo các mô hình Ai tổng quát không phải là một kỳ tích nhỏ và chi phí kinh doanh là vô cùng lớn. Các nhà phân tích ước tính(Mở ra trong một cửa sổ mới) rằng việc đào tạo một mô hình như GPT-3 có thể lên tới 4 triệu đô la. Các mô hình AI này yêu cầu kinh phí phần cứng lớn, thường là hàng nghìn GPU chạy song song, để nghiền ngẫm và liên kết các tập dữ liệu của chúng. Và như đã đề cập trước đó, quá trình đó phải được thực hiện mỗi khi bạn cập nhật mô hình. Định luật Moore cuối cùng sẽ thu nhỏ vấn đề này, nhưng trong thời đại ngày nay, chi phí tài chính để tạo ra một trong những thứ này có thể nhiều hơn mức mà hầu hết các công ty có thể giải thích được.

Robot AI này được tạo ra để trở thành người bạn tốt nhất của bạn