Tương lai của AI: Tại sao việc xây dựng trí tuệ nhân tạo lấy con người làm trung tâm là con đường duy nhất

Bài viết được dịch và tổng hợp từ tin tức gốc. Bạn có thể đọc bài viết gốc bằng tiếng Anh tại đây.

Điểm tin nhanh:

• Sứ mệnh của Thinking Machines là phát triển AI nhằm mở rộng ý chí và khả năng phán đoán của con người thay vì thay thế hoàn toàn.
• Kiến thức thực tế mang tính cục bộ, linh hoạt và không thể bị thay thế bởi các mô hình tập trung hóa cứng nhắc.
• Định hướng kỹ thuật tập trung vào việc cho phép người dùng tùy chỉnh mô hình, tăng cường giao tiếp giữa người và máy, và minh bạch hóa nghiên cứu khoa học.

Trong kỷ nguyên mà các mô hình AI lớn (LLM) đang dần trở thành tiêu chuẩn, chúng ta thường rơi vào cái bẫy của việc tin rằng trí tuệ nhân tạo là một thực thể độc lập có khả năng thay thế mọi quyết định. Tuy nhiên, nếu bạn đang xây dựng các hệ thống AI thực thụ, bạn sẽ nhận ra rằng sự thành công không nằm ở việc AI thông minh đến đâu, mà ở việc nó phục vụ ý chí con người tốt như thế nào. Việc ngừng xây dựng tính năng vô nghĩa và tập trung vào giải quyết ma sát thực tế mới là chìa khóa để tạo ra giá trị bền vững.

Bản chất của tri thức và sự tham gia của con người

AI hiện nay thường được huấn luyện tại một vài trung tâm dữ liệu lớn rồi đóng băng (frozen). Cách tiếp cận này bỏ qua một thực tế quan trọng: tri thức thực tế là thứ được tạo ra liên tục bởi con người trong quá trình làm việc. Hãy tưởng tượng một đầu bếp hay một người quản lý cửa hàng, họ sở hữu những kỹ năng không thể ghi lại vào một cơ sở dữ liệu tĩnh. Những tri thức này mang tính địa phương, linh hoạt và chỉ có thể được cập nhật thông qua phản hồi thực tế.

Việc cố gắng tập trung hóa mọi tri thức vào một mô hình duy nhất giống như việc lập kế hoạch kinh tế tập trung, vốn đã được chứng minh là kém hiệu quả hơn so với các thị trường phi tập trung. Thay vì cố gắng thay thế con người, chúng ta cần phát triển các hệ thống AI có khả năng học hỏi từ sự đa dạng của người dùng.

Bốn trụ cột kỹ thuật cho tương lai nhân văn

Để đạt được mục tiêu này, Thinking Machines đang tập trung vào các hướng đi kỹ thuật cụ thể nhằm đảm bảo AI luôn nằm trong tầm kiểm soát và phục vụ đúng mục đích của con người:

Việc cho phép người dùng can thiệp sâu vào mô hình không chỉ là vấn đề kỹ thuật mà còn là vấn đề về quyền sở hữu dữ liệu. Khi bạn xây dựng công cụ phân tích hành vi người dùng, bạn sẽ thấy rằng việc làm chủ dữ liệu là yếu tố sống còn để AI thực sự hiểu được bối cảnh của doanh nghiệp.

Mẹo hay: Khi triển khai các mô hình tùy chỉnh, hãy luôn bắt đầu với quy trình đo lường hiệu năng chặt chẽ. Việc tối ưu hóa hiệu năng Claude Code bằng các kỹ thuật đo lường p95 là một ví dụ điển hình về việc kiểm soát chất lượng AI trong môi trường thực tế.

Đánh giá & Lời khuyên Thực tiễn

Từ góc nhìn của một kỹ sư cấp cao, triết lý lấy con người làm trung tâm không chỉ là một khẩu hiệu đạo đức mà là một chiến lược kỹ thuật thông minh.

• Ưu điểm: Giảm thiểu rủi ro AI đưa ra các quyết định sai lệch do thiếu bối cảnh thực tế. Tăng khả năng thích nghi của hệ thống với các thay đổi nghiệp vụ.
• Nhược điểm: Đòi hỏi hạ tầng phức tạp hơn để hỗ trợ việc huấn luyện/tinh chỉnh mô hình tại chỗ (on-device hoặc edge computing).
• Phạm vi ứng dụng: Đặc biệt hiệu quả trong các lĩnh vực chuyên biệt như y tế, tài chính hoặc quản trị doanh nghiệp, nơi mà phán đoán con người là yếu tố không thể thay thế.

Lưu ý: Khi xây dựng các hệ thống AI Agentic, hãy cẩn thận với việc để AI tự động hóa quá mức mà thiếu đi lớp kiểm soát (human-in-the-loop). Bạn nên tham khảo cách giám sát AI Agent thời gian thực để đảm bảo hệ thống luôn nằm trong tầm kiểm soát.

Câu hỏi thường gặp (FAQ)

Tại sao AI không nên được huấn luyện tập trung hoàn toàn?

Việc huấn luyện tập trung tạo ra các mô hình "một kích cỡ cho tất cả", thiếu khả năng thích nghi với các tri thức địa phương, cục bộ và đặc thù của từng ngành nghề.

Làm thế nào để đảm bảo AI vẫn phục vụ ý chí con người?

Thông qua việc phát triển các giao diện cho phép con người can thiệp vào quá trình ra quyết định của AI và cung cấp các công cụ để người dùng tùy chỉnh mô hình theo nhu cầu riêng.

Liệu việc này có làm chậm quá trình phát triển AI không?

Ngược lại, nó tạo ra sự bền vững. Việc xây dựng AI dựa trên tri thức thực tế giúp mô hình trở nên hữu dụng và đáng tin cậy hơn, từ đó tăng tốc độ áp dụng thực tế trong doanh nghiệp.

Kết luận

Tương lai của công nghệ không nằm ở việc tạo ra các thực thể siêu trí tuệ xa rời thực tế, mà là xây dựng những công cụ AI giúp con người làm việc hiệu quả hơn, sáng tạo hơn. Nếu bạn đang quan tâm đến việc xây dựng hệ thống AI Agentic thực thụ, hãy luôn đặt câu hỏi: liệu công cụ này có đang mở rộng khả năng phán đoán của con người hay đang làm lu mờ nó? Hãy theo dõi hi_dev để cập nhật thêm những góc nhìn chuyên sâu về kiến trúc AI và kỹ thuật phát triển phần mềm hiện đại.