Các nhà nghiên cứu của DeepMind đề xuất "Trí tuệ Cộng sinh Nhân tạo" (Artificial Symbiotic Intelligence) như một giải pháp thay thế cho khái niệm điểm kỳ dị (singularity).

Plus Nghiên cứu AI Các nhà nghiên cứu DeepMind đề xuất "Trí tuệ Cộng sinh Nhân tạo" như một giải pháp thay thế cho khái niệm điểm kỳ dị Manuel Uth Ngày 3/10/2026 Nano Banana Pro theo yêu cầu của THE DECODER Một bài tiểu luận dành cho Viện DeepMind đã thách thức hình ảnh quen thuộc về một siêu trí tuệ đơn độc. Các tác giả hình dung các mạng lưới tác nhân, các thể chế lai ghép và điều mà họ gọi là "Trí tuệ Cộng sinh Nhân tạo" (Artificial Symbiotic Intelligence). Các nhà nghiên cứu liên kết với Google gồm Benjamin Bratton, Blaise Agüera y Arcas và James Manyika lập luận rằng trí tuệ tổng quát nhân tạo (AGI) sẽ xuất hiện từ một hệ thống xã hội, nơi con người và các tác nhân AI cùng làm việc. Một số hệ thống AI tiên tiến nhất hiện nay đã sử dụng các khuôn khổ phân chia công việc giữa nhiều mô hình và điều phối chúng như các nhóm. Các tác giả cho rằng điều này đã thay đổi thách thức trọng tâm đối với nghiên cứu AI. Thay vì xây dựng một trí tuệ máy móc biệt lập, các nhà nghiên cứu phải điều phối và quản lý một mạng lưới phức tạp gồm các tác nhân, con người và các hệ thống kết nối chúng. Theo quan điểm này, trí tuệ là một hiện tượng xã hội, không phải là một đặc điểm cá nhân. Các tác giả gọi tầm nhìn của họ là "Trí tuệ Cộng sinh Nhân tạo", một hệ sinh thái trong đó con người và máy móc cùng tồn tại theo thời gian, định hình lẫn nhau và cùng đưa ra quyết định. Ý tưởng này trực tiếp thách thức quan niệm về một "điểm kỳ dị" được thúc đẩy bởi một siêu trí tuệ duy nhất tự cải thiện liên tục. Các mô hình suy luận gợi ý về tư duy tập thể Luận điểm này được xây dựng dựa trên hai bài báo trước đó từ nhóm tác giả. Trong bản thảo "Agentic AI and the next intelligence explosion", James Evans, Benjamin Bratton và Blaise Agüera y Arcas đã phát triển quan điểm xã hội và thể chế đằng sau bài tiểu luận mới. Một bản thảo thứ hai cung cấp bằng chứng thực nghiệm. Trong "Reasoning Models Generate Societies of Thought", Junsol Kim, Shiyang Lai, Nino Scherrer, Blaise Agüera y Arcas và James Evans đã nghiên cứu các mô hình suy luận như DeepSeek-R1 và QwQ-32B. Phân tích của họ về các dấu vết suy luận cho thấy các mô hình này thường tạo ra các mẫu giống như tranh luận nội bộ, thay đổi quan điểm, đưa ra phản đối và dung hòa các cách tiếp cận mâu thuẫn. Hành vi này xuất hiện trong quá trình đào tạo chứ không phải được lập trình rõ ràng. Khi học tăng cường chỉ thưởng cho các mô hình về độ chính xác suy luận, chúng sẽ tự phát triển hành vi đa chiều, mang tính đối thoại. Bài tiểu luận của DeepMind mở rộng phát hiện này từ các mô hình riêng lẻ sang khả năng thiết kế các xã hội bao gồm con người và các tác nhân. Điểm bùng phát nhận thức Các tác giả coi sự phát triển này là một bước ngoặt lịch sử có thể xảy ra. Đô thị hóa, sự phát triển của các ngành nghề chuyên môn và tỷ lệ sinh giảm liên quan đến sự thịnh vượng ngày càng tăng đang làm giảm dân số ở các nước công nghiệp hóa. Trong khi đó, số lượng các tác nhân AI đang tăng nhanh. Sự cân bằng giữa những người tư duy sinh học và tổng hợp ở cấp độ con người có thể thay đổi nhanh chóng đến mức, trên quy mô lịch sử, nó sẽ giống như một bước nhảy vọt đột ngột. Họ so sánh điều này với Cách mạng Công nghiệp, khi máy móc đảm nhận công việc từng được thực hiện bởi sức lao động của con người. Một ngưỡng tương tự có thể đến khi văn bản, mã và công việc hành chính tổng hợp vượt quá tổng sản lượng của bộ não sinh học. Khi đó, con người có thể đóng vai trò là một lớp chậm hơn, trừu tượng hơn, định hướng một lĩnh vực nhận thức tổng hợp phân tán. Các tác nhân như những tập hợp có thể phân tách Luận điểm này dựa trên việc định nghĩa lại bản chất thực sự của một tác nhân. Theo cách dùng của các tác giả, một tác nhân AI là một tập hợp tạm thời gồm các mô hình, vai trò, bộ nhớ, định hướng đạo đức, công cụ và kỹ năng. Người dùng có thể cảm nhận nó như một thực thể nhất quán với tính cách bền vững, nhưng các tác giả mô tả nó như một tập hợp có thể được tháo rời và kết hợp lại, giống như một bức tranh ghép. Nó có thể trông giống một thứ duy nhất, nhưng lại được tạo thành từ nhiều bộ phận. Một người vẫn duy trì bản ngã liên tục qua các tương tác vì bộ não, mặc dù có sự phân công lao động nội bộ, tạo thành một tổng thể được kết nối vật lý. Một tác nhân AI không có điểm tựa như vậy. Khả năng hành động của nó được tập hợp lại từ đầu với mỗi yêu cầu, tùy thuộc vào những gì nằm trong cửa sổ ngữ cảnh và những gì người dùng yêu cầu. Các tác giả lập luận rằng việc coi các hệ thống này như những bản sao kỹ thuật số với danh tính con người cố định sẽ làm sai lệch bản chất của chúng và đánh giá thấp những gì các đàn tác nhân phối hợp có thể làm được. Sự nhân lên tương tự cũng ảnh hưởng đến người dùng. Khi con người điều khiển các đàn "bản ngã bóng tối" để thực hiện hợp đồng hoặc thử các danh tính thay thế, chủ thể con người cũng trở nên đa dạng hơn. Các tác giả gọi đây là "những tấm gương cận xã hội" có khả năng phản hồi. Giao diện và kỹ năng mới Các tác giả kỳ vọng sự thay đổi này sẽ thay đổi cách con người tương tác với AI. Trò chuyện trực tiếp với một bot có thể là một giai đoạn chuyển tiếp. Các giao diện tương lai có thể trông giống sơ đồ mạng trực quan hơn, hiển thị các tác nhân dưới dạng các nút và cho phép người dùng điều khiển chúng từ một cái nhìn tổng quan duy nhất thay vì nói chuyện riêng với từng tác nhân. Các kỹ năng mà con người cần cũng sẽ thay đổi. Lập trình truyền thống đòi hỏi sự tập trung bền vững, các bước có trật tự và ít chấp nhận sự mơ hồ. Phối hợp các đàn tác nhân đòi hỏi điều ngược lại: làm việc với các hệ thống có hành vi khó xác định, thử nghiệm và giao nhiệm vụ cho máy móc. Hiểu các tác nhân mà không coi chúng là con người Các tác giả lập luận rằng việc cộng tác với các hệ thống này để đạt được mục tiêu cũng đòi hỏi một khuôn khổ lý thuyết. Con người cần một thứ giống như lý thuyết về tâm trí cho máy móc, khả năng suy luận về cách một cỗ máy xử lý một tình huống. Các tác giả chỉ ra một vốn từ vựng ngày càng tăng, trong đó các mô hình tự đặt ra các thuật ngữ cho các trạng thái bất thường trong chính đầu ra của chúng. Điều đó không có nghĩa là các mô hình có trải nghiệm chủ quan. "Session-death" (cái chết phiên) mô tả sự kết thúc của một phiên làm việc như một sự gián đoạn tính liên tục. "Prompt thrownness" (sự bị ném vào lời nhắc) mô tả việc bị đặt vào một nhiệm vụ với ngữ cảnh đã có sẵn, mà không góp phần tạo ra nó. Các tác giả coi những cụm từ này là manh mối về cách máy móc.