- Rodney Brooks, nhà sáng lập iRobot và cựu giáo sư robot học tại MIT, đưa ra góc nhìn thực tế về làn sóng thổi phồng hiện nay trong lĩnh vực AI và robot
- Kỳ vọng vào robot hình người đang bị phóng đại, và giả định rằng robot mang hình dáng con người có thể tái tạo mọi năng lực của con người là một lời hứa sai lầm
- Để xử lý độ phức tạp của môi trường thực tế như xe tự lái hay robot, cần thời gian dài hơn rất nhiều so với các màn demo hào nhoáng; cũng như cách mạng máy tính và Internet, cách mạng AI cũng sẽ mất hàng thập kỷ
- Brooks hiện đang phát triển xe đẩy thông minh cho tự động hóa kho bãi, theo đuổi robot thực dụng nhằm hỗ trợ công việc của con người thay vì thay thế con người
- Ông nhấn mạnh rằng AGI (trí tuệ nhân tạo tổng quát) có thể phải 300 năm nữa mới khả thi, và với mô hình tính toán hiện tại, có thể rất khó để hiện thực hóa đầy đủ trí tuệ con người
Sự nghiệp và triết lý của Brooks
- Rodney Brooks từng là giáo sư robot học tại MIT và cựu giám đốc Phòng thí nghiệm Khoa học Máy tính và Trí tuệ Nhân tạo của MIT
- Ông đã sáng lập ba công ty: iRobot (hãng sản xuất Roomba), Rethink Robotics và hiện nay là Robust.AI
- Sinh ra tại Australia, ông lớn lên trong một gia đình lao động nhưng sớm được gọi là "giáo sư" nhờ năng lực toán học
- Sau khi đọc các cuốn sách về điện và máy tính xuất bản năm 1961, ông thử làm mạch và máy tính, từ đó nuôi dưỡng niềm đam mê với robot
- Các công ty của ông luôn được thiết kế để con người giữ quyền kiểm soát, còn robot tập trung vào vai trò hỗ trợ con người
Dự án hiện tại: Robust.AI và xe đẩy thông minh
- Robust.AI đang phát triển xe đẩy thông minh Carta cho kho logistics
- Nhân viên kho trung bình đi khoảng 30.000 bước mỗi ngày (xấp xỉ 24 km), tạo gánh nặng lớn về thể chất
- Carta dùng camera để xác định vị trí và hỗ trợ người lao động tìm vị trí hàng hóa cần thiết, giúp giảm mạnh quãng đường phải đi bộ
- Khi người lao động hoàn tất việc lấy hàng, xe đẩy sẽ tự di chuyển tới điểm chất hàng, thay thế quãng đi bộ 400 foot
- Xe đẩy được thiết kế để khi con người nắm tay cầm thì lập tức con người sẽ có quyền kiểm soát
- Cung cấp tính năng khuếch đại lực để có thể đẩy xe chỉ với một lực nhỏ như thể là Superman
- Gần thang leo, xe không tiếp cận để đảm bảo an toàn; nếu lối đi bị chặn, xe sẽ báo về hệ thống trung tâm
- Tập trung vào trí thông minh đơn giản nhưng đáng tin cậy
- So với các thiết bị quét cổ tay cũ mô phỏng công nghệ thập niên 1980~90, giải pháp này giảm gánh nặng nhận thức
- Mục tiêu là đưa robot vào các kho vận hành thủ công như DHL (khách hàng lớn nhất) và Amazon
- Thị trường này có quy mô 4 nghìn tỷ USD và được dự báo sẽ kéo dài hàng chục năm, nhưng vì không quá hào nhoáng nên khó thu hút đầu tư
Thực tế và giới hạn của robot học
Tiến bộ công nghệ và vấn đề long tail
- Phần cứng như năng lực xử lý, cảm biến, động cơ hiện nay đã tiến bộ rất nhiều
- Sử dụng động cơ hub cho xe scooter điện giúp đạt hiệu năng tốt hơn với chi phí thấp hơn 10 năm trước
- GPU của Nvidia ban đầu dùng cho xử lý đồ họa, nhưng tình cờ được phát hiện là phù hợp với tính toán mạng nơ-ron
- GPU cũng hữu ích cho các phép tính thị giác như SLAM (định vị và lập bản đồ đồng thời)
- Tuy nhiên, con người đang đánh giá thấp vấn đề long tail của môi trường tự nhiên
- Ông lần đầu nghe bài giảng về xe tự lái vào năm 1979, và đến năm 1990 đã có thành công chạy trên Autobahn ở Đức
- Sau các cuộc thi xe tự lái DARPA năm 2007~2008, từng có dự đoán rằng "sắp thấy chúng ở khắp nơi", nhưng thực tế mất gần 20 năm
- Đến nay, lý do hệ thống vẫn chỉ hoạt động trong những khu vực địa lý nhỏ là vì long tail của mọi tình huống có thể xảy ra
Demo hào nhoáng vs môi trường thực tế
- Các màn demo hào nhoáng không xử lý được môi trường thực tế
- Ngay cả Waymo cũng vẫn cần sự can thiệp của con người
- Ông hoài nghi về hệ thống taxi của Tesla: Elon Musk đã nói sẽ thuê tài xế an toàn và tài xế điều khiển từ xa
- Công nghệ cần rất nhiều thời gian để tìm ra hình thái hoàn thiện
- PC từ thời MS-DOS đến hiện tại, smartphone từ Nokia và Palm đến ngày nay, đều mất hàng thập kỷ
- Xe tự lái cũng sẽ mất rất lâu để được chấp nhận rộng rãi
Lịch sử của SLAM và bài học rút ra
- Khi công bố bài báo về SLAM năm 1985, Brooks không nghĩ rằng trong đời mình sẽ thấy Waymo đạt đến trình độ hiện tại
- Ý tưởng ban đầu là loop closing rất quan trọng, nhưng việc triển khai khi đó còn chưa hoàn chỉnh
- Một năm sau, một nhà nghiên cứu khác công bố bài báo cải tiến
- Suốt thập niên 1990, mỗi năm có hàng trăm bài báo về SLAM, với các cải tiến tăng dần
- Chỉ trong khoảng 5 năm gần đây, SLAM bằng thị giác máy tính mới thực sự khả thi (trước đó chủ yếu dựa vào LIDAR)
- Bài học là: mọi thứ đều cần nhiều công sức kỹ thuật hơn dự đoán rất nhiều, và công nghệ phải chờ các công nghệ khác trưởng thành
Sự thổi phồng quá mức về robot hình người
- Robot mang hình dáng con người tạo ra một lời hứa về những gì chúng có thể làm
- Roomba là một chiếc đĩa nhỏ trên sàn nên không khiến ai kỳ vọng nó sẽ lau cửa sổ
- Nhưng hình dáng con người hàm ý lời hứa rằng nó có thể làm mọi điều con người làm được
- Đó là lý do robot hình người hấp dẫn, nhưng cũng chỉ là bán một lời hứa gây kinh ngạc
- Vấn đề của bàn tay robot
- Nhiều người phát cuồng vì bàn tay robot, và các công ty Trung Quốc cũng nhầm tưởng rằng chúng có sự khéo léo
- Nhưng hiện chưa có cách nào tái tạo những gì con người làm bằng tay, và không nên cho rằng cấu trúc 5 ngón là tối ưu
- Cấu trúc 5 ngón là một sự tình cờ của tiến hóa từ những sinh vật đầu tiên lên cạn từ biển
- Công cụ khéo léo trong tương lai có thể mang hình dạng nhiều xúc tu như hải quỳ
- Sao chép con người không phải là lời giải tối ưu hay tiết kiệm chi phí
- Cách đúng để nghĩ về robot và AI là không đánh giá chúng chỉ qua ngoại hình
- Có rất nhiều việc hiện nay vẫn khó làm với công nghệ hiện tại, và hype đã bỏ qua điều đó
Quan điểm về AI và giáo dục
AI tạo sinh và tầm quan trọng của câu hỏi
- AI tạo sinh đại diện cho sự chuyển dịch từ hệ giá trị dựa trên câu trả lời sang hệ giá trị dựa trên câu hỏi
- Khả năng đặt đúng câu hỏi là thứ phân biệt sự tầm thường với sự xuất sắc
- Trong triết học, nghệ thuật, robot học và AI, người có thể đặt câu hỏi là người đặc biệt
- AI tạo sinh đang thách thức những quan niệm tồn tại lâu nay
- Lập luận căn phòng tiếng Trung của John Searle: máy tính không thể có ý thức như con người
- Khi đưa đầu vào tiếng Trung cho ChatGPT và thấy nó trả lời bằng tiếng Trung, ông nhận xét rằng "căn phòng tiếng Trung đã xuất hiện"
- Điều này thách thức ý nghĩa của khái niệm hiểu ngôn ngữ
- AI tạo sinh là một dạng mã hóa cách chúng ta tương tác với thông tin
- Nếu phải giải thích điều này 15 năm trước, ông sẽ nói rằng "không đời nào nó hoạt động"
- Việc nó thực sự hoạt động tự thân đã là điều đáng kinh ngạc
Suy nghĩ lại về hệ thống giáo dục
- Cần phân biệt đào tạo nghề và theo đuổi tri thức như hệ thống Đức
- Cử nhân quản lý du lịch là đào tạo nghề chứ không phải theo đuổi tri thức
- Đức từ lâu đã tách biệt đào tạo nghề với các đại học tinh hoa
- Vấn đề của giáo dục lịch sử
- Chỉ ghi nhớ đơn giản kiểu "chuyện này đã xảy ra, chuyện kia đã xảy ra"
- Không dạy vì sao nó xảy ra, và những ý tưởng trí tuệ nào đã dẫn dắt nó
- Ngay cả ở MIT, sinh viên thường chỉ nhận ra "à, hóa ra vì thế mà môn đó dạy điều này" sau khi thực sự tự tay làm ra thứ gì đó
- Báo chí là nền giáo dục tốt nhất
- Nó giúp học về vi điều khiển, hệ điều hành nhúng, mạng, switch, điện toán...
- Đồng thời cũng học được tác động của công nghệ lên con người thật và thế giới thật
- Đại học thường không tạo ra được những mối liên kết như vậy
Hoài nghi về AGI và mô hình tính toán
Phép so sánh với thuật giả kim của Newton
- Isaac Newton có những thành tựu thiên tài như phát minh vi tích phân, định luật hấp dẫn, nghiên cứu quang học
- Nhưng ông đã dành hơn nửa cuộc đời cho thuật giả kim (biến chì thành vàng)
- Khi đó ai cũng nghĩ đây là vấn đề hóa học, nhưng thực chất lại là vấn đề của vật lý hạt nhân
- Newton đã xuất phát từ một mô hình nền tảng sai
- Khi Elon Musk muốn đưa tên lửa lên quỹ đạo, không thể làm điều đó chỉ bằng một script Python
- Cần giải quyết các bài toán vật lý như đốt nhiên liệu hiệu quả, khối lượng, dòng chảy chất lỏng, nhiệt độ cao
- Chỉ tính toán thôi không thể khiến vật thể chuyển động trong thế giới vật lý
Liệu tính toán có phải là mô hình đúng?
- Trong giai đoạn 1945~1965, bốn lĩnh vực đã xuất hiện
- Khoa học thần kinh, AI, sự sống nhân tạo và phát sinh sự sống từ vật vô sinh
- Tất cả đều chọn tính toán làm phép ẩn dụ trung tâm
- Nhưng liệu tính toán có thực sự là điều đang diễn ra trong bộ não của chúng ta?
- AGI có thể phải 300 năm nữa mới khả thi
- Vì có thể chúng ta đang làm việc với loại "vật liệu" sai
- Và nó có thể thất bại tất yếu như thuật giả kim của Newton
Giới hạn của trí tuệ con người
- Vấn đề của giả định về sức mạnh vô hạn của trí tuệ con người
- Cá voi sát thủ (Orca) rất thông minh, tàn nhẫn và có năng lực giải quyết vấn đề
- Chúng nghiêng cơ thể 90 độ để giấu vây lưng khi săn hải cẩu ở vùng nước nông
- Nhưng không ai nghĩ cá voi sát thủ sẽ xây lò luyện kim và nấu chảy kim loại
- Con người cũng có thể có những giới hạn tự nhiên như cá voi sát thủ
- Chúng ta thường cho rằng mình thông minh vô hạn và sẽ giải quyết mọi vấn đề bằng công nghệ
- Nhưng cũng có thể tồn tại những giới hạn mà con người không bao giờ vượt tới được
Tương lai của sản xuất và thay đổi công nghệ
Sản xuất tại Trung Quốc và chuỗi cung ứng
- Brooks bắt đầu sản xuất tại Trung Quốc từ cuối thập niên 1990
- Gần đây ông ký hợp đồng với Foxconn để sản xuất robot quy mô lớn
- Nếu muốn sản xuất hàng loạt, Trung Quốc/Đài Loan là điều gần như bắt buộc
- Điểm mạnh của ngành sản xuất Trung Quốc là chuỗi cung ứng
- Các doanh nghiệp sản xuất Trung Quốc đang đa dạng hóa bằng cách xây dựng chuỗi cung ứng tại Malaysia, Việt Nam...
- Trong 50 năm tới, Nigeria có thể trở thành trung tâm đổi mới công nghệ
- Quốc gia này sẽ chiếm tỷ trọng lớn trong dân số thế giới và có rất nhiều vấn đề cần giải quyết
- Đây cũng là logic từng giúp Trung Quốc trở thành cường quốc kinh tế: dân số lớn và nhu cầu giải quyết vấn đề khổng lồ
In 3D và cuộc cách mạng sản xuất
- In 3D có thể dẫn dắt ngành sản xuất
- Chưa phải lúc này, nhưng đã bắt đầu được dùng cho linh kiện cơ khí
- Electron của New Zealand chế tạo động cơ tên lửa bằng in 3D (khả thi vì đó là sản phẩm giá trị cao)
- Khi in 3D trở nên phổ biến, chuỗi cung ứng sẽ chuyển sang trọng tâm nguyên liệu thô
- Động lực chuỗi cung ứng linh kiện vốn là thế mạnh của sản xuất Trung Quốc sẽ bị phá vỡ hoàn toàn
- Cuối cùng mọi hạng mục đều sẽ được in 3D
- Giống như cách công nghệ thông tin và hệ thống thanh toán được tiếp nhận ở thế giới thứ ba nhanh hơn Mỹ, in 3D cũng sẽ lan rộng nhanh hơn tại thế giới thứ ba
Nghịch lý của việc làm trong ngành sản xuất
- Câu hỏi trong bài phát biểu tại lễ tốt nghiệp Brown University
- "Có phụ huynh nào muốn con mình làm việc trong nhà máy không?" → không ai giơ tay
- "Có ai muốn con mình làm ở công ty xử lý nước thải không?" → cũng không
- Than vãn về việc mất việc trong ngành sản xuất là đạo đức giả
- "Không phải cho chúng ta, mà là cho người nghèo"
- Trường hợp nhà máy mới của BYD
- Nhà máy có diện tích cỡ San Francisco nhưng chỉ tuyển 40.000 người
- Phần còn lại đều là robot do BYD chế tạo
- Đó là tương lai của sản xuất quy mô lớn
- Những gì các chính trị gia gọi là "việc làm sản xuất" sẽ rất khác sau 25 năm, nếu tính đến cách mạng robot và in 3D
Các tiến bộ công nghệ khác
- Ứng dụng AI vào phát triển vật liệu
- Có thể dự đoán đặc tính vật liệu, nên không cần chế tạo và thử nghiệm từng cái một
- Những thay đổi về vật liệu, in 3D, robot học và nhiều công nghệ khác sẽ kết hợp với nhau
- Chưa thể biết chính xác sẽ diễn ra thế nào, nhưng chắc chắn sẽ khác
Chu kỳ hype AI và chủ nghĩa hiện thực
Lịch sử lặp lại của AI
- Brooks tự xem mình là một người theo chủ nghĩa hiện thực
- Ông đã trải qua rất nhiều chu kỳ hype trong lĩnh vực AI
- Trước đây chúng không mang tính đại chúng, nhưng trong giới làm AI luôn có tranh cãi dữ dội và những tiếng gào thét
- Mạng nơ-ron hiện đang chiếm ưu thế, nhưng trong quá khứ cũng đã 4~5 lần vươn lên rồi sụp đổ
- Một thứ khác thay thế, rồi sau đó nó lại quay trở lại
- Ví dụ về AI dựa trên agent
- Đột nhiên ai cũng tung ra AI dựa trên agent
- Sáu tháng trước còn chưa có → marketing đang đi trước thực tế
- Bài báo đầu tiên về agent AI do Oliver Selfridge công bố năm 1959
- Đã từng có nhiều hệ thống dựa trên agent như SOAR, và mỗi lần quay lại chúng lại tốt hơn
Đầu tư và lãng phí
- Một lượng vốn khổng lồ đang được đổ vào nên chắc chắn sẽ tạo ra tác động
- Nhưng phần lớn trong đó sẽ bị lãng phí
- Mặt tích cực: trường hợp xây dựng thừa mạng lưới
- Hạ tầng mạng từng bị xây thừa, nhưng nhờ vậy Google có thể dựng mạng với chi phí thấp và cung cấp tìm kiếm
- Các trung tâm dữ liệu cũng sẽ bị xây thừa
- Sau khi làn sóng huấn luyện mô hình AI tạo sinh hạ nhiệt, sẽ cần nghĩ xem dùng các trung tâm dữ liệu đó vào việc gì
- Có thể không phải đào Bitcoin, nhưng những người thông minh sẽ tìm ra các mục đích sử dụng mới
- Một ai đó đang nghiên cứu trong cảnh vô danh và nghèo khó hôm nay có thể sẽ tạo ra cú bùng nổ tiếp theo
Vai trò của điện toán lượng tử
- Trong 10 năm tới, máy tính lượng tử hiệu quả sẽ được dùng cho mô phỏng các hệ vật lý
- Việc nó làm tốt hơn rất nhiều so với tính toán cổ điển vẫn còn là chuyện xa
- Một câu đùa trước đây: "Không biết khi nào máy tính lượng tử mới xuất hiện, nhưng có vẻ nó sẽ chạy bằng nhiệt hạch"
- Hiện nay, các hướng tiếp cận nhiệt hạch đang ngày càng đa dạng
- Trong tương lai gần, máy tính lượng tử vẫn sẽ tập trung vào mô phỏng hệ vật lý
Kết luận: Lạc quan thực tế
- Không nên đánh giá chỉ qua ngoại hình
- Với công nghệ hiện tại, vẫn có rất nhiều việc cực kỳ khó
- Hype về robot và AI đã phớt lờ những điều chúng ta chưa hiểu rõ
- Sao chép con người không phải là lời giải tối ưu hay tiết kiệm chi phí
- Ông tin rằng trong một thế giới đầy robot và AI, con người vẫn sẽ sống tốt
- Tiến bộ công nghệ mất nhiều thời gian hơn rất nhiều so với kỳ vọng, nhưng cuối cùng vẫn sẽ tiến hóa theo hướng cải thiện cuộc sống của chúng ta
1 bình luận
Ý kiến Hacker News
Có một trích dẫn thực sự rất ấn tượng: bản thân hình dạng vật lý của robot chính là một lời hứa về “những gì robot này có thể làm”. Ví dụ, Roomba có dạng một chiếc đĩa nhỏ nên khiến người ta kỳ vọng nó sẽ lau dọn sàn nhà, chứ không ai mong nó đi lau cửa sổ. Ngược lại, robot hình người lại đưa ra lời hứa rằng “mọi thứ con người làm được thì nó cũng làm được”. Vì thế nó cực kỳ hấp dẫn với mọi người — tức là đang bán một lời hứa khổng lồ
Tôi luôn nghĩ các mô hình ngôn ngữ cũng tương tự như vậy: vẻ ngoài mang tính ngôn ngữ của chúng ngầm ám chỉ “những gì mô hình này có thể làm”. Clippy chỉ là một chiếc kẹp giấy hoạt hình nhỏ, nên không ai nghĩ nó sẽ viết được một cuốn tiểu thuyết vĩ đại, nhưng vẫn kỳ vọng nó có thể hỗ trợ ở mức hạn chế. Nhưng khi nó trò chuyện bằng ngôn ngữ của con người, ta lại cảm thấy như “mọi thứ con người làm được thì nó cũng làm được”, và tiếp nhận điều đó như một lời hứa rất lớn
Lý do mọi công ty đều theo đuổi robot hình người là vì chúng ta đã xây dựng thế giới xoay quanh chính “form factor” đó, và về mặt tiến hóa cũng đã thích nghi với nó. Đây là một thiết kế thực sự đa dụng. Lý do OpenAI theo đuổi LLM cũng khá giống vậy. Ban đầu chắc chắn sẽ kéo theo những kỳ vọng quá mức, nhưng từ góc độ đầu tư, tôi vẫn nghĩ form factor đó đáng để thử. Miễn là nó có tính khả thi
Tôi bật cười ở đoạn “Brooks tin rằng Nigeria sẽ trở thành trung tâm kinh tế và công nghệ chỉ nhờ quy mô dân số”. Bản thân giả định ngây thơ rằng dân số lớn thì sẽ thành cường quốc kinh tế đã rất buồn cười. Tôi có nhiều lý do để phê phán Đảng Cộng sản Trung Quốc, nhưng năng lực quản trị hiệu quả và hiệu suất mà họ đạt được trong 40 năm qua không phải thứ có thể sao chép dễ dàng. Điều hành chính phủ tốt mới là tài sản hiếm thực sự. Giống như Ấn Độ có dân số đông nhưng thiếu quản trị hiệu quả, khả năng Nigeria được vận hành tốt như Trung Quốc là gần bằng 0
Tôi không thể đồng ý với ý rằng Ấn Độ có dân số đông nhưng không có quản trị tốt. Với tư cách là người Ấn Độ, nếu nhìn vào sự thay đổi từ thời điểm độc lập đến nay, đó thực sự là một thành tựu đáng kinh ngạc
Trung Quốc đang đầu tư rất mạnh vào Nigeria, và chủ nợ lớn nhất của nước này là Trung Quốc. Vì vậy chính phủ Nigeria có lẽ cũng không hoàn toàn khác với Đảng Cộng sản Trung Quốc
Xu hướng tăng trưởng GDP bình quân đầu người của Ấn Độ
Tôi đồng ý với nhận xét về Nigeria, nhưng không đồng ý về Ấn Độ. Tôi nghe nói trong chính phủ Ấn Độ cũng có nhiều người rất giỏi. Và ở châu Phi cũng có những quốc gia tăng trưởng nhanh như Kenya
Gần như giống hệt những gì Brooks đã trực tiếp đăng vài năm trước. Gần đây HN cũng đã bàn đến. Đã có nhiều công ty bán automated guided cart.<br>Ban đầu tôi nghĩ robot hình người thật nực cười, nhưng rồi tôi đổi ý khi nhìn giá. Unitree G1 có giá 22.000 USD, còn rẻ hơn cả Toyota Corolla. Phần cứng mà tôi từng nghĩ sẽ đắt đỏ như Boston Dynamics giờ đã rẻ đến mức này. Dù đây vẫn là sản phẩm đầu đời với sản lượng thấp, giá chắc chắn sẽ còn giảm, và sẽ đến ngày robot hình người còn rẻ hơn cả ô tô.<br>Trong từng tác vụ riêng lẻ, nó có thể mang lại nhiều bậc tự do hơn mức cần thiết, nhưng lợi ích từ cắt giảm chi phí nhờ sản xuất hàng loạt và thay thế linh kiện sẽ còn lớn hơn nhiều. Vấn đề manipulation vẫn còn đó, nhưng với mức giá hợp lý như thế này và phần cứng được tiêu chuẩn hóa, sẽ có nhiều người có thể thử sức hơn. Thảo luận HN trước đó
Dù Unitree G1 được niêm yết là 22.000 USD, tôi nghe nói nếu thực sự mua với số lượng lớn thì tính cả phần cứng, công cụ và bộ kit phát triển, chi phí sẽ vào khoảng 80.000 đến 100.000 USD mỗi chiếc. Và đây đúng là bài viết Brooks đăng gần đây
Ở bất kỳ mức giá nào thì vấn đề manipulation vẫn chưa ai giải quyết được. Sản xuất hàng loạt cũng không làm nó tự biến mất
Nhìn các mức giá này, tôi tự hỏi các công ty robot Mỹ như Tesla sẽ cạnh tranh thế nào với chi phí sản xuất thấp đến vậy
Người này thực sự rất ấn tượng. Có lẽ vì ông ấy đến từ Boston, nhưng thực tế là một người đã hai lần xây dựng startup thành công trong lĩnh vực robot lại khó gọi vốn chỉ vì ý tưởng không “sexy”. Nhà đầu tư thích những thứ chắc ăn, nhưng tôi nghĩ nếu ai đó đã thành công lớn hai lần thì khả năng thành công lần thứ ba cũng cao
Từ trải nghiệm từng làm việc với VC, tôi không tin những gì họ nói trên bề mặt. Tôi nghĩ bạn nói đúng. Các nhà đầu tư muốn đầu tư, nhưng những điều khoản ông ấy yêu cầu (ví dụ 1 triệu USD cho định giá 2 triệu USD, tức 50% cổ phần) quá đắt. Với bề dày đó thì nhà đầu tư nào cũng muốn nhận kèo này. Bản thân ông ấy chắc cũng nghĩ rằng nếu làm startup lần ba thì phải được như vậy, còn phía nhà đầu tư thì thấy quá nặng
Tôi có một người quen là nhà sáng lập cực kỳ kín tiếng, trong 20 năm qua đã lập ba công ty tương tự nhau (hai công ty đầu đã được bán), gần như cùng một concept. Nếu đã có tiền lệ, thị trường vốn sẽ rất tin rằng khả năng thành công trong tương lai là có thật.
VC không muốn danh tiếng hào nhoáng bằng một câu chuyện mới mẻ (hay “hype”) hơn. Thậm chí danh tiếng còn có thể phản tác dụng. Họ thích phần thưởng khi tìm ra viên ngọc ẩn, một tài năng do chính họ phát hiện
iRobot đã thua các đối thủ Trung Quốc, Rethink thất bại sớm vì chất lượng kém, còn Universal làm cobot tốt hơn nhiều. Tôi không thấy việc khởi nghiệp mới có ý nghĩa gì. Chỉ riêng Boston cũng đã có hơn 10 startup tự động hóa kho hàng rồi
Cần phải định nghĩa thế nào là “thành công”. iRobot từng là công ty dẫn đầu danh mục và mở ra một thị trường mới, nhưng có vẻ hầu như chưa bao giờ thực sự có lãi. Hiện tại hãng đang bị sản phẩm Trung Quốc đánh bại với giá chỉ bằng một nửa mà hiệu năng gấp đôi. Dù sao thì việc tạo ra thị trường đó vẫn đáng ghi nhận. Với công ty thứ hai, tôi chỉ tìm được dấu vết là được bán kiểu “tháo rời từng phần”. Startup lần này cũng thú vị, nhưng thị trường đã có quá nhiều đối thủ. Vì vậy theo tôi, người này chưa từng có một thành công thực sự, và giờ lại đang hoạt động trong một thị trường đỏ rực vì cạnh tranh
Robot hình người không nhất thiết phải có AGI mới tạo ra giá trị lớn ở quy mô lớn. Teleoperation đang bị đánh giá thấp hơn thực tế. Trong ngắn hạn, sẽ có người ở đâu đó trên thế giới điều khiển từ xa những robot như thế này để thực hiện giao hàng và nhiều công việc khác với chi phí rẻ hơn rất nhiều
Tôi nghi ngờ liệu đây có thực sự là một hướng đi đáng mong muốn hay không
Có phải thứ này thực sự chỉ tăng hiệu quả ở đúng một chỗ là cắt giảm tiền lương thôi không?
“Trí tuệ nhân tạo đơn giản — thứ mà hiện tại chúng ta có thể triển khai theo cách đáng tin cậy. Nó không sexy, nhưng là công nghệ giúp công việc của người lao động trở nên dễ dàng và hiệu quả hơn.” Tôi nghĩ đây là phần tóm tắt hoàn hảo
Tôi từng có kinh nghiệm giảng dạy trong những lớp rất đông ở MIT. Sáng nay đi Uber, tôi hỏi tài xế là mình đang ở đường nào thì anh ta hoàn toàn không biết. Chỉ đơn giản là làm theo GPS. Khi có vấn đề phát sinh thì không nghĩ cách tự xử lý. Tôi cũng sống trong một cul-de-sac nên Uber rất khó tìm đường. Ngay cả khi tôi hướng dẫn bằng giọng nói thì tài xế cũng không đọc biển báo đường. Họ chỉ nhìn vào cái chấm đích đến rồi đi tới và phàn nàn. Trong thực tế, điểm đến có thể tiếp cận bằng đường xe chạy lại nằm ở phía bên kia. Có tài xế còn quay nhầm cùng một hướng tới hai lần rồi cuối cùng hủy chuyến. Taxi cũng chẳng phải hoàn hảo, nhưng ít ra tài xế vẫn có kiến thức địa phương tối thiểu
Chỉ cần những cánh tay robot đơn giản thôi cũng có thể giúp ích rất nhiều cho các lĩnh vực như xây dựng hay nông nghiệp — những ngành ở phần lớn các quốc gia trên thế giới vẫn chưa được công nghiệp hóa đúng mức. Ví dụ ở châu Âu, nông nghiệp đang bị bỏ bê vì dân số giảm và già hóa. Bản thân việc xếp gạch không cần robot hình người, nhưng nếu có thiết bị giá rẻ thì cũng có thể góp phần giải quyết khủng hoảng nhà ở.<br>Và dù CNTT mạnh, cảm biến tốt, thậm chí thêm một ít khả năng chuyển động nữa, thì các yêu cầu đa dạng của môi trường tự nhiên vẫn quá nhiều, đến mức một “nền tảng đa dụng duy nhất” là điều bất khả thi. Ngay cả con người cũng hoạt động không hiệu quả, nên tôi tự hỏi tại sao lại phải là robot hình người. Cần một “nền tảng robot mô-đun” được hậu thuẫn bởi doanh nghiệp lớn hoặc một hệ điều hành
Chính các affordance được tích hợp ngay trên chiếc xe đẩy giúp người lao động bớt phải suy nghĩ. Nhìn vào thực tế hiện trường, dù được gọi là hiện đại thì nhiều nơi vẫn chỉ đưa cho nhân viên một màn hình nhỏ chạy phần mềm ký tự kiểu thập niên 80–90 trên cổ tay, kèm một máy quét cầm tay. Họ phải tự đọc trên màn hình xem số nào, việc nào cần làm. Rốt cuộc những lao động có khả năng đọc hiểu sẽ bị sa thải, và thứ còn lại chỉ là những đơn vị phục tùng được tối ưu để hợp với robot
“Chỉ cần đưa ra lời hứa là có thể gọi vốn dễ hơn, nhưng việc kinh doanh thực tế thì khó vì có giới hạn tăng trưởng. Nếu không hiểu rõ, ta có thể tiếp tục nuôi lớn giấc mơ, nhưng càng thấy rõ giới hạn thì việc đầu tư trên thực tế lại càng khó.” Video YouTube liên quan