Giá trị chính của AI đến từ tự động hóa trên diện rộng hơn là từ R&D

 (epoch.ai)
8 điểm bởi GN⁺ 2025-03-26 | 2 bình luận | Chia sẻ qua WhatsApp
  • Quan điểm phổ biến là giá trị kinh tế của AI chủ yếu sẽ được tạo ra thông qua việc tự động hóa nghiên cứu và phát triển (R&D)
    • Dario Amodei cho rằng AI sẽ có tác động tích cực đến R&D trong sinh học, khoa học thần kinh và kinh tế học
    • Demis Hassabis giải thích rằng AI sẽ đóng góp cho xã hội thông qua R&D, như chữa khỏi mọi bệnh tật và giải quyết vấn đề năng lượng
    • Sam Altman nói rằng AI có thể ảnh hưởng đến mọi ngành như chất bán dẫn, nhưng tác động lớn nhất sẽ là đối với tiến bộ khoa học
  • Dù R&D đóng góp cho tăng trưởng kinh tế dài hạn, mức đóng góp này đang bị đánh giá quá cao
    • Theo Cục Thống kê Lao động Mỹ (BLS), chi tiêu R&D tư nhân chỉ đóng góp 0,2%/năm vào tăng trưởng năng suất nhân tố tổng hợp (TFP) trong giai đoạn 1988~2022
    • Chi tiêu R&D công chiếm khoảng 25% tổng chi tiêu R&D, và tổng mức đóng góp của R&D vào tăng trưởng TFP là khoảng 0,4%/năm
    • Chỉ khoảng 20% tăng trưởng năng suất lao động đến từ R&D; phần còn lại đến từ tích lũy vốn, cải thiện quản trị, hiệu ứng học hỏi, v.v.
  • Phần lớn công việc R&D đòi hỏi năng lực tổng hợp, chứ không chỉ là suy luận logic đơn thuần
    • Ví dụ: tính chủ động, năng lực xử lý đa phương thức, tính nhất quán dài hạn, v.v.
  • Nếu AI đủ năng lực để tự động hóa hoàn toàn công việc của nhà nghiên cứu, điều đó cũng có nghĩa là có thể tự động hóa ở phần lớn các lĩnh vực kinh tế khác → khả năng tạo ra giá trị kinh tế lớn hơn

Giá trị kinh tế chính của AI sẽ đến từ tự động hóa lao động trên diện rộng

  • Hai lập luận về giá trị kinh tế của AI
    • ✅ Tự động hóa R&D có thể nâng tốc độ tăng trưởng kinh tế hằng năm thêm vài điểm phần trăm hoặc hơn
      • Nếu công nghệ có thể tự động hóa hoàn toàn R&D, nó có thể tạo ra giá trị kinh tế đáng kể
      • Khả năng đóng góp có ý nghĩa cho tăng trưởng kinh tế là rất cao
    • ❌ Giá trị kinh tế lớn nhất của AI sẽ đến từ tự động hóa R&D
      • R&D có giá trị, nhưng sẽ không trở thành động lực cốt lõi cho tăng trưởng kinh tế do AI tạo ra
      • Ngay cả sau khi AI vượt hiệu suất của con người, khả năng tự động hóa R&D là yếu tố tạo giá trị kinh tế quan trọng nhất vẫn là thấp
  • Đo lường giá trị kinh tế thực tế của R&D
    • Theo dữ liệu của Cục Thống kê Lao động Mỹ (BLS):
      • Tăng trưởng năng suất nhân tố tổng hợp (TFP) giai đoạn 1988~2022: 0,8%/năm
      • Đóng góp của R&D tư nhân: 0,2%/năm → khoảng 25% tổng tăng trưởng TFP
      • Tăng trưởng năng suất lao động: 1,9%/năm → đóng góp của R&D chỉ khoảng 20%
    • Chi tiêu R&D công chiếm khoảng 25% tổng chi tiêu R&D
      • Hiệu ứng ngoại tác của R&D công và hiệu ứng ngoại tác của R&D tư nhân bù trừ lẫn nhau
      • Kết quả là tổng đóng góp của R&D ở mức 0,4%/năm
  • Mối quan hệ giữa tích lũy vốn và tăng trưởng năng suất
    • Tích lũy vốn chiếm khoảng 50% tăng trưởng năng suất lao động
    • Phần tăng trưởng còn lại đến từ cải thiện quản trị, hiệu ứng học hỏi, lan tỏa tri thức, v.v.
    • Trong nền kinh tế Mỹ, tỷ lệ giữa tích lũy vốn và đầu tư R&D là:
      • Đầu tư vốn hằng năm: 5 nghìn tỷ USD
      • Đầu tư R&D tư nhân hằng năm: 1 nghìn tỷ USD
      • Đầu tư vốn cao hơn khoảng 5 lần so với đầu tư R&D
  • Độ co giãn đầu ra của lao động (0,6) cao hơn khoảng 5 lần so với độ co giãn đầu ra của R&D
    • Tự động hóa lao động có tiềm năng đóng góp kinh tế lớn hơn
    • Tự động hóa hạng mục chi phí lớn nhất trong nền kinh tế hiện nay (lao động) có thể tối đa hóa giá trị kinh tế
    • Sản lượng vượt trội tạo ra từ tự động hóa lao động có thể được tái đầu tư vào vốn để thúc đẩy tăng trưởng thêm nữa
  • Cũng có ý kiến cho rằng tác động tăng trưởng của R&D đang bị đánh giá thấp
    • Có thể các hiệu ứng ngoại tác của R&D hoặc ma sát do nghiên cứu trùng lặp chưa được phản ánh đầy đủ
    • Tuy nhiên, theo nghiên cứu của Bloom et al. (2020):
      • Độ co giãn đầu ra theo đầu tư R&D là 0,3, tương đương với vốn và chỉ bằng một nửa lao động
  • Tóm lại, tăng trưởng kinh tế hiện tại chủ yếu đến từ các yếu tố khác ngoài R&D

Chỉ riêng tự động hóa AI R&D khó có thể tăng tốc phát triển AI một cách đột biến

  • Giá trị kinh tế của AI R&D có thể không lớn như kỳ vọng, nhưng nếu AI có thể tự động hóa chính R&D của mình thì nó vẫn có thể tạo ra tác động quan trọng
    • Nếu AI có thể tự động hóa quy trình R&D phần mềm của chính nó, có thể xuất hiện software-only singularity
    • Dựa trên tài nguyên tính toán cố định, các nhà nghiên cứu AI có thể tự cải thiện thuật toán, rồi tạo ra thêm nhiều nhà nghiên cứu AI hơn để tiếp tục thúc đẩy tiến bộ phần mềm
  • Biến số then chốt là chi phí tìm ra ý tưởng tăng nhanh đến mức nào
    • Giả định rằng chỉ bằng nỗ lực của nhà nghiên cứu là có thể đạt được nhiều thành quả R&D phần mềm là điều cần thiết, nhưng rất có thể không đúng
    • Mô hình thực tế hơn là thành quả nghiên cứu xuất hiện nhờ tính bổ sung giữa nỗ lực nhận thức + dữ liệu
  • Hiện nay, AI đang tăng nhanh tốc độ tiến bộ về hiệu năng tính toán dựa trên thực nghiệm và phần mềm ở mức khoảng 3~4 lần mỗi năm
    • Tiến bộ phần mềm đang được tạo ra thông qua dữ liệu thực nghiệm → dữ liệu có thể là yếu tố bổ sung quan trọng cho nỗ lực của nhà nghiên cứu
  • Nếu hai đầu vào (nỗ lực nhận thức + dữ liệu) có tính bổ sung, tài nguyên tính toán có thể trở thành nút thắt cổ chai
    • Cuối cùng có thể cần đến lao động vật lý để có thêm GPU và mở rộng sản xuất
    • Điều này hàm ý AI phải được triển khai rộng khắp trong chuỗi cung ứng bán dẫn và toàn bộ nền kinh tế
  • Mức độ mạnh của tính bổ sung sẽ quyết định khả năng duy trì của software-only singularity
    • Ở các ngành khác, tính bổ sung thường mạnh → trong AI R&D cũng nhiều khả năng là như vậy
      • Ví dụ: trong nghiên cứu của Oberfield và Raval (2014), độ co giãn thay thế giữa vốn và lao động trong ngành sản xuất Mỹ là 0,7
      • Điều này gợi ý rằng software-only singularity nhiều khả năng sẽ dừng lại ở mức cải thiện hiệu quả dưới 1 lần
  • Cho đến nay, ngay cả với tự động hóa lập trình và tự động hóa thiết bị nghiên cứu, tiến bộ khoa học vẫn chưa tăng tốc đột ngột
    • Phát triển thư viện chuyên dụng → tự động hóa công việc lập trình
    • Tăng tốc coding bằng công cụ LLM → chỉ tạo ra hiệu quả một phần
    • Tự động hóa thiết bị thí nghiệm vật lý → chỉ mang lại cải thiện dần dần chứ không tạo ra bước nhảy khoa học đột biến

Tự động hóa hoàn toàn R&D đòi hỏi năng lực rất rộng

  • Công việc của nhà khoa học, thoạt nhìn, có thể có vẻ xoay quanh các tác vụ suy luận trừu tượng như tạo ý tưởng, đặt giả thuyết, phân tích dữ liệu, coding, suy luận toán học
    • Vì vậy, người ta dễ dự đoán rằng khi xuất hiện mô hình có thể suy luận trừu tượng thì công việc nghiên cứu sẽ nhanh chóng được tự động hóa
    • Nhưng trên thực tế, công việc của nhà nghiên cứu đòi hỏi những năng lực phức hợp hơn rất nhiều so với suy luận đơn thuần
  • Ví dụ về công việc của nhà khoa học y khoa
    • Xử lý chất độc, đánh giá hiệu quả thuốc, thiết kế và tiến hành nghiên cứu bệnh tật, phân tích mẫu tế bào không chỉ là suy luận mà còn cần kỹ năng tổng hợp và sử dụng thiết bị chuyên dụng
    • Chuẩn hóa liều lượng thuốc, hướng dẫn quy trình y tế và thí nghiệm, viết bài báo, nộp hồ sơ xin tài trợ nghiên cứu có khả năng được tự động hóa bằng suy luận tương đối cao hơn
    • Trong 5 tác vụ quan trọng nhất của nhà khoa học y khoa, chỉ 1 tác vụ có thể được tự động hóa chỉ bằng suy luận
    • Trong tổng số 14 tác vụ, chỉ 6 tác vụ được đánh giá là có thể tự động hóa chỉ bằng suy luận trừu tượng
  • Cốt lõi của công việc nghiên cứu không phải là suy luận đơn thuần, mà bao gồm các năng lực phức hợp như sau:
    • Vận hành thiết bị kỹ thuật → khả năng sử dụng thiết bị thí nghiệm phức tạp
    • Làm việc nhóm → khả năng cộng tác và điều phối với nhóm nghiên cứu của con người
    • Năng lực thực thi dài hạn → thực hiện các dự án phức tạp trong thời gian dài
    • Thao tác môi trường vật lý → khả năng thao tác vật lý trong thí nghiệm và thực hành
  • Sẽ cần khá nhiều thời gian để AI học được toàn bộ các kỹ năng phức hợp mà công việc nghiên cứu đòi hỏi
    • Vì vậy, tự động hóa lao động phổ thông có nhiều khả năng xảy ra trước khi tự động hóa công việc nghiên cứu
    • Giả định rằng AI sẽ tạo ra đột phá khoa học trước rồi mới lan sang các ngành khác là không thực tế
    • Kịch bản thực tế hơn là AI trước tiên đạt được tự động hóa lao động trên diện rộng, rồi sau đó mới tăng tốc tiến bộ khoa học và công nghệ
  • Ngay cả khi AI tăng tốc phát triển khoa học, điều đó nhiều khả năng cũng không đến từ việc thay thế nhà nghiên cứu mà từ tự động hóa xây dựng hạ tầng nghiên cứu
  • Vì tự động hóa R&D hiện không chiếm tỷ trọng lớn trong tăng trưởng kinh tế, AI nhiều khả năng sẽ dẫn dắt tăng trưởng kinh tế thông qua tự động hóa các công việc ngoài R&D

Bước nhảy vọt của AI nhiều khả năng sẽ diễn ra trên diện rộng và rất dễ nhận thấy

  • Ngay từ trước khi tác động kinh tế và công nghệ của AI thực sự bùng nổ, tự động hóa bằng AI có nhiều khả năng đã xuất hiện theo cách rộng khắp và rất dễ nhận thấy
  • Rộng khắp (Diffuse) → tự động hóa AI sẽ không bị giới hạn ở một vài nghề R&D cụ thể mà sẽ tác động rộng rãi đến toàn bộ nền kinh tế
  • Dễ nhận thấy (Salient) → tác động của AI sẽ đủ lớn để đa số mọi người nhận ra rõ ràng, và có thể gây ra xáo trộn quy mô lớn trên thị trường lao động

  • Tác động kinh tế chính của AI sẽ không đến từ tự động hóa R&D mà từ tự động hóa trên diện rộng

    • Hiệu ứng mang tính cách mạng mà AI tạo ra cho thế giới nhiều khả năng sẽ không xuất phát từ tự động hóa R&D một cách tường minh
    • Thay vào đó, tự động hóa lao động trên diện rộng sẽ là động lực chính của phát triển kinh tế và công nghệ

  • Kịch bản thực tế cho bước nhảy của AI

    • 1. Mở rộng phạm vi công việc mà AI có thể thực hiện
      • AI sẽ dần dần mở rộng phạm vi các công việc mà nó có thể đảm nhận
      • Quá trình này nhiều khả năng chủ yếu được dẫn dắt bởi mở rộng hạ tầng tính toán
    • 2. Tiến hành tự động hóa lao động trên diện rộng trong toàn bộ nền kinh tế
      • AI sẽ ngày càng tự động hóa nhiều loại công việc lao động hơn
      • Kết quả là sẽ dẫn tới tăng tốc tăng trưởng kinh tế
    • 3. Xuất hiện biến động lớn trên thị trường lao động
      • Trước khi AI tạo ra các đột phá kinh tế và công nghệ, làn sóng tự động hóa lao động có thể đã xảy ra
      • Trong quá trình đó, thị trường lao động sẽ bị tái cấu trúc căn bản và nhận thức của công chúng về AI cũng sẽ thay đổi
    • 4. Tự động hóa rộng khắp các công việc ngoài R&D đóng vai trò động lực tăng trưởng chính
      • Ngay cả khi AI tăng tốc tăng trưởng kinh tế và công nghệ, điều đó cũng sẽ diễn ra thông qua tự động hóa công việc ngoài R&D
      • Tự động hóa R&D nhiều khả năng chỉ chiếm tỷ trọng tương đối nhỏ trong tăng trưởng

  • Kịch bản "bùng nổ tự động hóa tổng quát"

    • Bước nhảy của AI nhiều khả năng sẽ không mang hình thái "các thiên tài trong phòng thí nghiệm tạo ra kết quả R&D bùng nổ"
    • Thay vào đó, bước nhảy của AI sẽ mang hình thái bùng nổ tự động hóa trên diện rộng
    • Nói cách khác, động lực chính của tăng trưởng sẽ không phải là thành tựu trong một lĩnh vực cụ thể mà là phạm vi và quy mô tự động hóa tổng thể của AI

Hàm ý chính

  • Trong tương lai gần, các phòng thí nghiệm AI nhiều khả năng sẽ thấy tự động hóa công việc phổ thông có lợi nhuận cao hơn
    • Ví dụ: duyệt internet, vận hành phần mềm thương mại, thực hiện công việc văn phòng phổ thông, v.v.
    • So với việc phát triển các mô hình suy luận cao cấp như hỗ trợ nghiên cứu sinh học và y học, tự động hóa công việc phổ thông có khả năng tạo ra giá trị kinh tế lớn hơn
    • Vì vậy, khi đánh giá năng lực AI, việc theo dõi khả năng thực hiện công việc phổ thông có thể quan trọng hơn thành tựu R&D
  • Nhận thức của công chúng về AI nhiều khả năng sẽ thay đổi mạnh trước khi AI tạo ra tác động mang tính cách mạng lên thế giới
    • Trước khi xuất hiện các thành tựu như tăng trưởng kinh tế do AI tạo ra hay kéo dài tuổi thọ con người, xáo trộn quy mô lớn do tự động hóa lao động có thể đã xảy ra
    • Vì vậy, sẽ rất rủi ro nếu giả định rằng nhận thức hiện tại của công chúng về AI sẽ được duy trì lâu dài
  • Khả năng AI thay thế mọi công việc của con người cùng một lúc là thấp → dự kiến sẽ là tự động hóa dần dần
    • AI nhiều khả năng sẽ tự động hóa công việc của con người từng bước trong nhiều năm
    • So với kịch bản bùng nổ siêu trí tuệ đột ngột do tự động hóa AI R&D, một chuyển dịch dần dần là thực tế hơn
    • Ngay cả khi AI vượt con người ở một số tác vụ cụ thể, con người vẫn có thể giữ lợi thế ở các tác vụ bổ trợ khác
  • Cuối cùng AI sẽ giành ưu thế trong phần lớn hoạt động kinh tế của con người
    • Tuy nhiên, điều này nhiều khả năng chỉ xảy ra sau nhiều thập kỷ tự động hóa dần dần
    • Việc tăng tốc tăng trưởng kinh tế sẽ nhận đóng góp lớn hơn từ tự động hóa công việc phổ thông so với tự động hóa R&D

Bài viết liên quan

2 bình luận

 
redcrash0721 2025-03-26

https://freederia.com/%ed%94%84%eb%a1%ac%ed%94%84%ed%8a%b8-%ea%b0%a4%e… Tôi đang thử nghiệm tự động hóa R&D. Không dễ, nhưng có lẽ đó không phải là tương lai quá xa.
 
GN⁺ 2025-03-26
Ý kiến trên Hacker News

  • Tự hỏi có ai thực sự thấy chủ nghĩa lạc quan công nghệ lại mang cảm giác u ám không. Ngoài lý do công nghệ thay thế con người, còn thấy u ám vì không thể hào hứng với thứ cường điệu có khả năng thành hiện thực rất thấp

    • Cảm giác như điều đó không mang lại lợi ích thực chất nào cho xã hội

  • Ngạc nhiên là trong gần 300 bình luận hiện tại không có ai nhắc đến lập trình ràng buộc (CP). CP là người anh em mang tính quyết định của AI dựa trên dữ liệu xác suất

    • Đoán rằng chỉ 6 trong số 14 công việc có thể được thực hiện chỉ bằng suy luận trừu tượng. Chỉ một trong những công việc quan trọng nhất đối với các nhà khoa học y sinh được phân loại là chỉ phụ thuộc vào suy luận trừu tượng
    • Phần lớn các công việc quan trọng đòi hỏi kỹ năng kỹ thuật, sự phối hợp tinh vi với người khác, sử dụng thiết bị chuyên dụng, năng lực duy trì ngữ cảnh dài và khả năng hiểu đa phương thức phức tạp
    • Gần như mọi công việc trong 14 nhiệm vụ R&D đều không phù hợp với AI dựa trên dữ liệu có suy luận trừu tượng và có thể được giải bằng CP
    • Người khai sinh của logic hiện đại, tối ưu hóa và lập trình ràng buộc là George Boole, ông của Geoffrey Everest Hinton

  • Bài viết này mất hết độ tin cậy ngay tại đây

    • Khẳng định rằng "chỉ 20% tăng trưởng năng suất lao động của Mỹ מאז 1988 được dẫn dắt bởi chi tiêu R&D" cũng giống như nói giá trị tài sản ròng của Jeff Dean đến từ việc vốn trong tài khoản ngân hàng của ông tăng chiều sâu chứ không phải kỹ năng lập trình của ông
    • Các tác giả đang xử lý các khái niệm ở mức quá trừu tượng và đánh mất sự tiếp xúc với điều họ đang nói tới

  • Nếu chưa đọc tác phẩm kinh điển về triển khai công nghệ năm 2015 thì rất đáng đọc

    • Vẫn có cảm giác chúng ta đang ở giai đoạn khám phá của GenAI, nhưng ML thì có vẻ đang ở giai đoạn triển khai

  • Lập luận điển hình của Silicon Valley là R&D thì "phức tạp", còn mọi thứ khác thì "đơn giản"

    • Nếu 10 năm trước ai đó nói AI có thể làm toán/viết code tốt hơn 99% con người, nhưng việc đặt xúc xích trên DoorDash lại là trình độ tối tân và gần như bất khả thi, hẳn sẽ thấy rất ngạc nhiên
    • Đồng ý rằng các công việc "thông thường" có giá trị hơn, nhưng cho rằng các công việc này có thể dễ dàng tự động hóa là một góc nhìn dựa trên sự thiếu hiểu biết
    • RPA đã tồn tại hơn 10 năm nhưng không được dùng cho nhiều công việc. AI cũng vậy, và nếu không có quyền truy cập quy mô lớn, không giới hạn vào dữ liệu thì sẽ không được tự động hóa

  • Họ đang tranh luận xem R&D hay tự động hóa nói chung sẽ mang lại nhiều lợi ích hơn. Tự hỏi việc tranh luận điều này có ý nghĩa gì

    • Có điều gì đó kỳ lạ trong sự đứt gãy giữa một bên là các tiến bộ đang diễn ra như alphafold, và bên kia là nỗ lực suy ra câu trả lời từ các thống kê lịch sử về đầu tư R&D, tỷ lệ và tác động ước tính trong quá khứ
    • Bản thân AI và các đột phá liên tục của nó chính là R&D

  • Giống như cuộc cách mạng công nghiệp và cách mạng nông nghiệp diễn ra lần nữa. Tự động hóa lao động trên diện rộng sẽ mang lại sự cải thiện cho tư bản chứ không phải cho xã hội

    • Họ viện dẫn "bất ổn xã hội" do thay thế lao động bằng AI, nhưng lại xem đó là vấn đề chính phủ phải giải quyết
    • Nếu loại bỏ lao động thì ai sẽ mua sản phẩm của họ, và mua bằng loại thu nhập nào
    • Tư bản phải rời xa tiêu dùng và tái cấu trúc hoàn toàn nền văn minh hướng tới mục tiêu cao hơn, nhưng điều đó đồng nghĩa phá vỡ cấu trúc quyền lực và của cải mà hiện tại họ đang hưởng lợi

  • Đây là vấn đề về giá trị tương đối của các yếu tố sản xuất. Câu hỏi là AI sẽ làm tăng hay giảm giá trị tương đối của lao động con người so với máy móc, nguyên liệu thô và đất đai

    • Có trực giác rằng giá trị tương đối ở mức trung gian của lao động sẽ giảm, đặc biệt là với lao động tri thức
    • Việc được bảo vệ trong các nghề nghiệp có quản lý là rất quan trọng

  • Hoàn toàn đồng ý với bài viết này, và trước đây đã có rất nhiều cơ hội mà việc tính toán chi phí/lợi ích không có ý nghĩa

    • Nghĩ đến mức độ phổ biến của Excel VBA thì điều đó vẫn sẽ được coi là kỹ năng nâng cao đối với đa số mọi người

  • Những người lạc quan về công nghệ cần trả lời những câu hỏi trong đầu tầng lớp trung lưu và người nghèo

    • Tự hỏi làm sao có thể lạc quan về công nghệ trước một tương lai nơi AI thay thế việc làm trên diện rộng
    • Tự hỏi sẽ trả tiền thuê nhà hay thuế bằng cách nào khi bị AI sa thải hàng loạt
    • UBI không hiệu quả ở đây khi tiền thuê nhà tăng, chi phí thuê nhà, chăm sóc trẻ em, thuế... và nó quá phi thực tế, quá lý tưởng
    • Có một câu chuyện rằng thời đại AI sẽ tạo ra việc làm mới, nhưng nghĩ rằng AI sẽ thay thế việc làm nhanh hơn tốc độ tạo ra việc làm
    • Những người lạc quan về công nghệ là tầng lớp nhà đầu tư giàu có, và họ có lợi ích gắn với việc thúc đẩy câu chuyện của mình