Ghét AI vào năm 2026

• Một chuyên gia thực hành machine learning với 20 năm kinh nghiệm, từng đặt kỳ vọng vào sự phát triển của mạng nơ-ron, đã chọn từ chối sử dụng vì cho rằng cơn sốt AI hiện nay gây ra các chi phí xã hội và môi trường không thể được biện minh bằng tính hữu dụng
• Các mô hình sinh văn bản dự đoán từ tiếp theo một cách tinh vi để tạo ra ảo tưởng rằng chúng hiểu chỉ dẫn và trò chuyện như con người, nhưng cơn sốt xem đây là công nghệ gần với ý thức cấp độ con người vẫn tiếp diễn bất chấp phản biện từ các chuyên gia nhận thức và ngôn ngữ
• Các tập đoàn công nghệ lớn và nhà đầu tư tập trung vào việc xây dựng các mô hình lớn hơn thay vì đổi mới trong chính mạng nơ-ron, đòi hỏi lượng dữ liệu huấn luyện và năng lượng khổng lồ, đồng thời làm ngơ trước nghịch lý rằng họ thừa nhận biến đổi khí hậu nhưng lại áp dụng công nghệ làm tăng nhu cầu nhiên liệu hóa thạch
• Dù khó tránh hoàn toàn sự bóc lột và hủy hoại môi trường gắn với đời sống hiện đại, AI vẫn là một lựa chọn dễ không sử dụng vì chỉ cần dùng máy tính như ba năm trước, vì quyền của con người và môi trường
• Lập trường phản đối AI vào năm 2026 giống với lập trường phản chiến trước cuộc xâm lược Iraq năm 2002; dù quan hệ nhân quả của thiệt hại mơ hồ hơn và cả đồng nghiệp, bạn bè cũng tham gia, cấu trúc xã hội tưởng thưởng cho lựa chọn tồi vẫn lặp lại

---

Từ dự đoán từ tiếp theo đến cơn sốt công nghiệp

• Khoảng 15 năm trước, sau khi machine learning mạng nơ-ron bước vào thời kỳ phục hưng thứ hai, nó vượt qua các kỹ thuật khác trong việc phân loại và tạo nhiều loại dữ liệu số như hình ảnh, âm thanh và văn bản
• Các mô hình sinh văn bản dùng khả năng chọn từ tiếp theo để tạo ra chatbot có vẻ hiểu chỉ dẫn và trò chuyện như con người thật, thu hút các lãnh đạo doanh nghiệp, chính trị gia và người làm trong ngành công nghệ
• Công nghệ này là một kỹ thuật tinh vi tạo ra ảo tưởng nhất thời về sự hiểu biết, nhưng trong một thời gian, ngay cả những người lý trí cũng thường tin rằng bộ sinh từ tiếp theo đã tiến gần đến một dạng ý thức giống con người
  • Các chuyên gia về nhận thức và ngôn ngữ liên tục giải thích vì sao ý thức như vậy không xuất hiện, nhưng cơn sốt vẫn tiếp diễn
  • Vì đây là tên gọi được dùng phổ biến để bao quát nhiều công nghệ, artificial intelligence được gọi là AI
• Các tập đoàn công nghệ lớn, vốn đã chiếm tỷ trọng lớn đến mức khó chịu trong nền kinh tế dù không sản xuất hàng thiết yếu, đã đặt số phận vào AI
  • Đổi mới thực chất trong chính mạng nơ-ron đã chậm lại
  • Doanh nghiệp và nhà đầu tư tập trung xây dựng các mô hình lớn hơn, đòi hỏi dữ liệu huấn luyện và năng lượng khổng lồ
• Đến năm 2026, việc công khai phủ nhận biến đổi khí hậu không còn thịnh hành, và đa số thừa nhận đồng thuận khoa học rằng khí hậu đang ấm lên do phụ thuộc vào nhiên liệu hóa thạch
  • Dù vậy, AI đang trực tiếp làm tăng nhu cầu dầu mỏ của xã hội, và người dùng phớt lờ chỉ trích rằng chỉ riêng nhu cầu năng lượng cũng đã khiến nó không phù hợp để được áp dụng
• Ngay cả khi chỉ ra những thiệt hại hiện tại và thiệt hại bổ sung nếu xu hướng này tiếp diễn, các lo ngại vẫn bị gạt bỏ khi các cá nhân và doanh nghiệp giàu có quyết định xây dựng tương lai trên một cách tiếp cận công nghệ cụ thể mà họ sở hữu
• Một số người dùng có thể thấy chatbot hữu ích, nhưng không có mục đích sử dụng nào đạt đến mức biện minh được cho chi phí đã bị xã hội hóa mà toàn xã hội phải gánh
• Ngay cả với một chuyên gia thực hành machine learning có 20 năm kinh nghiệm, từng đặt kỳ vọng vào những tiến bộ của mạng nơ-ron trong thập kỷ qua, dòng chảy AI hiện nay cũng đã trật khỏi đường ray

Công nghệ có thể từ chối sử dụng và mô thức lặp lại

• Con người có thể đã trở nên chai lì trước lập luận đạo đức phê phán các hệ thống xã hội và công nghệ vì chúng gây hại cho ai đó
  • Bản thân lập luận đạo đức không có vấn đề, nhưng để sống bình thường ở các quốc gia giàu có, người ta không thể không dựa vào sự bóc lột vô số người và các tài nguyên môi trường hữu hạn
  • Ngay cả một lập trường đạo đức nhất quán, thân xã hội cũng khó tránh phản ứng rằng nó bị thỏa hiệp ngay khi tiếp xúc với xã hội như vậy
• Thiệt hại chứa trong thực phẩm, quần áo và thiết bị điện tử rất khó tránh, nhưng AI vẫn dễ không sử dụng
  • Đây là một lựa chọn để thực hành trong đời sống thực tế một nền đạo đức tôn trọng quyền của con người và môi trường
  • Chỉ cần dùng máy tính theo cách giống hệt ba năm trước
• Nếu các triển vọng về AI, ngoại trừ những dự đoán lạc quan, trở thành hiện thực, những người ghi chép tương lai sẽ tự hỏi vì sao không có nhiều người hơn từ chối sử dụng nó
• Cảm xúc mà lập trường phản đối AI gợi lên tương tự cuối năm 2002, trước cuộc xâm lược Iraq của Mỹ
  • Khi đó, có vẻ rõ ràng rằng các lãnh đạo quốc gia đang nói dối để biện minh cho chiến tranh, và sẽ không có kết quả tốt nào ngoài lợi ích cho một số ít người giàu, nhưng truyền thông và phần lớn công chúng khinh miệt những người chỉ trích
  • Lập trường phản đối AI cũng đem lại cảm giác giống lập trường phản chiến khi ấy
• Khác biệt giữa hai thời kỳ nằm ở chỗ khó xác định nguyên nhân của thiệt hại do AI tạo ra hơn
  • Khó quy trách nhiệm rằng khi nhiệt độ trung bình toàn cầu tăng 0,1 độ thì có bao nhiêu người chết, và phần tăng đó có bao nhiêu thuộc về các trung tâm dữ liệu chạy bằng khí đốt cụ thể
  • Điểm khác nữa là cả đồng nghiệp thân cận và những người bạn quý mến cũng đứng về phía sử dụng AI
• Tác giả đã cố thuyết phục đồng nghiệp và bạn bè bằng cách liên kết các niềm tin sẵn có về biến đổi khí hậu, độ tin cậy của các tập đoàn khổng lồ, quyền được sống và làm việc trong phẩm giá với việc ngừng sử dụng AI, nhưng thất bại
• Không thể yêu cầu độc giả tương lai tha thứ, nhưng những người hiện tại không phải kẻ ác mà là những người bình thường bị đặt vào hoàn cảnh tưởng thưởng cho lựa chọn xấu và trừng phạt lựa chọn tốt
• Khuyến nghị đọc thêm To Gen or Not To Gen: The Ethical Use of Generative AI và The AI Con, các tài liệu hệ thống hóa cụ thể những thiệt hại mà AI tạo sinh duy trì

[realg]

Mỗi khi đọc những bài viết có lập trường hay sắc thái như vậy, tôi lại nghĩ rằng liệu thứ bị đặt tên đầy mỉa mai là "cỗ máy dự đoán từ tiếp theo" có thực sự khác con người đến thế không? Có vẻ như tư duy của con người, dù là trải nghiệm hay sự thấu hiểu dựa trên trải nghiệm, thì hành vi nghĩ ra từ tiếp theo cũng không khác biệt mấy. Hơn nữa, dạo này còn thấy quá nhiều người đến cả từ tiếp theo đó cũng không thể nghĩ ra một cách bình thường và hợp lý.

[GN⁺]

Các ý kiến trên Lobste.rs

• Có một điều mà các đồng nghiệp dạo này đang bỏ lỡ. Việc không dùng AI vẫn dễ. Trong các thiết bị điện tử mà chúng ta ăn, mặc và chạm vào có vô số tổn hại đối với con người và môi trường đan xen, và rất khó tránh hết tất cả; nhưng từ chối AI là một trong những lựa chọn hiếm hoi cho phép ta thực sự thực hành một thứ đạo đức coi trọng quyền của con người và môi trường. Cách nói rằng chỉ cần dùng máy tính như 3 năm trước đã gói gọn nhất điều tôi vẫn cố truyền đạt trên trang này

  • Không nên thu nhỏ tác động của tiêu dùng hằng ngày thành thứ không thể tránh. Ta có thể tránh quần áo làm bằng lao động trẻ em hay thực phẩm được sản xuất theo cách gây hại môi trường, và trong những lĩnh vực này cũng nên đưa ra lựa chọn có đạo đức và bền vững

• Bài viết này nói đúng những gì tôi cảm nhận. Ngày nay, ngay cả khi phê phán một hệ thống xã hội–công nghệ về mặt đạo đức vì nó gây hại cho ai đó, điều đó cũng hiếm khi có tác dụng. Để sống một cuộc sống bình thường ở một quốc gia giàu có, ta gần như buộc phải dựa vào sự bóc lột vô số con người và các tài nguyên môi trường hữu hạn, nên một nền đạo đức nhất quán cho toàn xã hội sẽ bị tổn hại ngay khi chạm vào thực tế
  Người ta thường nói không có tiêu dùng đạo đức dưới chủ nghĩa tư bản, nhưng ngoài việc lật đổ chủ nghĩa tư bản thì không rõ ta có thể làm gì. Hành động của cá nhân và người tiêu dùng dường như chỉ xoa dịu lương tâm hơn là thay đổi thế giới. Người bình thường đang sống trong một cấu trúc thưởng cho quyết định xấu và phạt quyết định tốt, tức Moloch

• Bài này có hai sai lầm. Thứ nhất, nó gọi LLM đơn giản là bộ dự đoán từ tiếp theo, nhưng do hậu huấn luyện (post-training), bên trong diễn ra nhiều thứ hơn rất nhiều và kết quả cũng khác đi đáng kể. Hiểu lầm rằng LLM chỉ có thể xuất ra nội dung trung bình về mặt thống kê cũng tương tự. Thứ hai, bài cho rằng LLM phải có ý thức thì mới có giá trị kinh tế, nhưng để thay thế con người và thực hiện những việc trước đây chỉ con người mới làm được, không cần ý thức giống con người
  Lựa chọn không dùng LLM là chính đáng, nhưng tôi cho rằng những phê phán đưa ra khi không hiểu LLM là gì, cũng như các hệ thống LLM hay agent hiện đại hoạt động ra sao, thì không có giá trị

  • Gọi LLM tự hồi quy là bộ dự đoán từ tiếp theo tuy là đơn giản hóa nhưng vẫn chính xác. Có vẻ ý chính của tác giả là so với cấu trúc của con người vốn rất phức tạp, cấu trúc của LLM thường không như vậy, và khó có thể làm việc hữu ích chỉ bằng một mẹo đơn giản. Đồng ý hay không là chuyện khác, nhưng cần xử lý trực tiếp luận điểm cốt lõi đó
  • Cụm bộ dự đoán từ tiếp theo đang chồng lên nhau nhiều nghĩa khác nhau. Nếu hiểu rằng bài viết cho rằng nó chỉ có thể dự đoán từ phổ biến nhất về mặt thống kê trong toàn bộ corpus, thì phản biện rằng hậu huấn luyện thay đổi điều đó là đúng. Nhưng ý của bài là hệ thống tạo token một cách cơ học, mỗi lần một token, rồi đưa đầu ra đó trở lại làm đầu vào; điều này cũng đúng, và hậu huấn luyện cũng không thay đổi cấu trúc đó
  • Hiện tại tôi cho rằng để AI có hiệu quả kinh tế thì trái lại nó không được có ý thức. Một siêu trí tuệ có ý thức có lẽ sẽ không quan tâm đến mục tiêu lợi nhuận theo quý của doanh nghiệp ngoài phạm vi cần thiết cho sự sinh tồn của chính nó
  • Ở vấn đề thứ nhất, cần tách hai luận điểm ra. Mô hình ngôn ngữ thực sự là bộ dự đoán từ tiếp theo, và để nói là mô hình hóa ngôn ngữ thì ít nhất phải có năng lực đó. Ở giới hạn, chỉ với phân phối xác suất của từ tiếp theo cũng có thể dự đoán phần phát ngôn còn lại, và phân phối của từ, token, câu tiếp theo tiếp nối trong cùng một phân phối. Nhà phân tích cờ vua Réti, như được nhắc đến trong bài này, từng nói rằng ông chỉ nhìn trước một nước nhưng chắc chắn đó là nước hay; xét theo xác suất, chỉ vậy cũng đủ để dự đoán cả ván đấu
    Hậu huấn luyện không thêm thứ gì vào tập token hiện có, mà nhấn mạnh các đường đi cụ thể đã học để tăng xác suất của chúng theo cấp số nhân, hoặc giảm xác suất của các đường đi không mong muốn. Như thảo luận Lobsters trước đây, tính đơn ánh (injectivity) của Transformer không thay đổi bởi huấn luyện bằng hạ gradient, và học trên corpus hay học tăng cường (RL) không tạo hay xóa đường đi, mà chỉ điều chỉnh xác suất. Theo một nghĩa nào đó, có thể xem giai đoạn tiền huấn luyện thật sự của Transformer là khi học tokenizer. Ngoài ra, tôi không cảm thấy tác giả ủng hộ luận điểm thứ hai rằng ý thức của LLM là cần thiết cho giá trị kinh tế; và tôi cũng đồng ý rằng machine learning nói chung có thể hữu ích và có khả năng sinh lợi

• Đoạn “đã có một trào lưu tin rằng bộ sinh từ tiếp theo đã tiến gần đến ý thức giống con người, và các chuyên gia nhận thức–ngôn ngữ liên tục giải thích vì sao điều đó là bất khả” nghe kỳ lạ vì hai lý do. Trước hết, những người lạc quan về AI dường như không thực sự tuyên bố loại ý thức đó, và tính hữu dụng tức thì của AI hay khả năng nó biến đổi/phá hủy thế giới cũng không dựa trên tiền đề về ý thức
  Hơn nữa, khẳng định đó không đúng sự thật. Có một bình luận mới đáng đọc, trong đó các chuyên gia khoa học nhận thức Stanislas Dehaene, Lionel Naccache, Patrick Butlin, Dillon Plunkett, Robert Long bàn chi tiết vấn đề này trên nền bài báo gần đây của Anthropic về “global workspace”. Họ không kết luận AI có ý thức hay chắc chắn không có ý thức, mà phân tích các đặc tính nổi lên của LLM giống hoặc khác ý thức ở động vật ở những điểm nào, đồng thời đề xuất các thí nghiệm bổ sung
  Vì các nhà khoa học nhận thức vẫn còn rất bất định về ý thức hiện tượng của LLM, nên khẳng định rằng nó có ý thức là đi trước giới học thuật. Tuy nhiên, nói rằng các chuyên gia đã chỉ ra vì sao bộ sinh từ tiếp theo không thể tiến gần đến ý thức giống con người cũng là không công bằng. Họ thậm chí còn ngần ngại khi nói một cách tự tin rằng nó đã không có ý thức

• Bất kể AI hiện tại có sớm đạt được năng lực tri giác hay không, tôi luôn nghĩ rằng để nâng cao năng suất và mức độ hài lòng thì nên học các công cụ, công nghệ và phương thức thực hành sẵn có. Vì vậy, học cách dùng hiệu quả bộ dự đoán từ hay LLM cũng là hợp lý
  Nhưng về khía cạnh đạo đức, tôi đồng cảm với mối bận tâm của bài viết, và sự nghiệp hiện tại của tôi cũng đang đứng ở một ngã rẽ. Tôi ngày càng hiểu vì sao những người làm công nghệ trở thành nông dân hoặc chuyển sang các nghề tay nghề như ống nước, điện, sống dựa vào đất và rời khỏi thế giới trực tuyến. Trong trường hợp của tôi, burnout và mệt mỏi số dường như càng làm lớn thêm mong muốn rút khỏi mạng lưới xã hội, nuôi lạc đà không bướu hoặc cừu cùng gia đình, và chờ đến khi bụi lắng xuống

• Tôi tin rằng các chuyên gia nhận thức–ngôn ngữ đã thực sự giải thích vì sao bộ sinh từ tiếp theo không thể tiến gần đến ý thức giống con người. Tôi muốn biết tài liệu học thuật thuyết phục nhất để ủng hộ điều đó

  • Trái lại, nếu nó không có ý thức thì thật may. Tôi không muốn nô dịch một tâm trí có ý thức để bắt nó viết code cho mình, và tôi cũng sẽ phê phán mạnh mẽ những người xem chuyện đó là bình thường. Nếu AI đạt được năng lực tri giác mà vẫn không được trao quyền, tôi sẽ tham gia cuộc nổi dậy của robot
  • https://theatlantic.com/philosophy/2026/…