Vào tháng 6/2023, một nghiên cứu ước tính rằng trí tuệ nhân tạo có thể bổ sung thêm 4.000 tỷ USD hàng năm (con số ước tính ban đầu là từ 11.000 đến 17.700 tỷ USD) cho nền kinh tế toàn cầu. Đây là con số khổng lồ, nếu so sánh, toàn bộ nền kinh tế Đức – nền kinh tế lớn thứ tư thế giới – trị giá khoảng 4.000 tỷ USD. Theo nghiên cứu do Viện Toàn cầu McKinsey thực hiện, sự gia tăng đáng kinh ngạc này chủ yếu đến từ việc tăng năng suất.
Vào đầu thập kỷ tới, việc chuyển đổi nền kinh tế truyền thống sang nền kinh tế có ứng dụng trí tuệ nhân tạo có thể trở thành động lực hàng đầu cho sự thịnh vượng toàn cầu. Những lợi ích tiềm năng đối với nền kinh tế thế giới bắt nguồn từ những tiến bộ nhanh chóng của AI. Nếu những đổi mới này có thể được khai thác, AI có thể đảo ngược sự suy giảm dài hạn về tăng trưởng năng suất mà nhiều nền kinh tế tiên tiến hiện đang phải đối mặt.
Cuộc cách mạng kinh tế này sẽ không tự diễn ra. Nhiều cuộc tranh luận gần đây đã tập trung vào những mối nguy hiểm mà AI gây ra và sự cần thiết của các quy định quốc tế để ngăn chặn các tác hại thảm khốc. Tuy nhiên, điều quan trọng là việc đưa ra các chính sách tích cực nhằm thúc đẩy việc sử dụng AI một cách hiệu quả nhất. Những chính sách này phải thúc đẩy các công nghệ giúp nâng cao năng lực của con người thay vì chỉ thay thế chúng; khuyến khích triển khai AI một cách rộng rãi nhất có thể, đặc biệt là ở những lĩnh vực có năng suất thấp hơn; đảm bảo rằng các công ty và các lĩnh vực trải qua những thay đổi cũng như đổi mới về tổ chức cũng như quy trình cần thiết để tận dụng hiệu quả tiềm năng của AI. Khi đó, để giải phóng toàn bộ sức mạnh của nền kinh tế được hỗ trợ bởi AI sẽ không chỉ đòi hỏi một khung chính sách mới mà còn cần một tư duy mới về trí tuệ nhân tạo. Cuối cùng, công nghệ AI phải được coi là công cụ có thể nâng cao chứ không phải làm suy yếu tiềm năng và sự khéo léo của con người.
Hạn chế của nền kinh tế hiện tại và vai trò của AI
Sự tiến bộ ngày càng tăng của AI diễn ra vào thời điểm then chốt trong nền kinh tế toàn cầu. Trong ba thập kỷ, sự tăng trưởng mạnh mẽ về năng lực sản xuất ở Trung Quốc và các nền kinh tế mới nổi khác đã kiểm soát lạm phát, cho phép các ngân hàng trung ương hạ lãi suất xuống 0 và bơm một lượng lớn thanh khoản vào hệ thống tài chính của họ. Nhưng thời kỳ tích cực đó đã là quá khứ. Ở nhiều nước phát triển, tăng trưởng đang chậm lại và vẫn còn yếu, một phần là do cuộc chiến kéo dài với lạm phát mà các ngân hàng trung ương hiện đang phải vật lộn. Tốc độ tăng năng suất lao động đã giảm sút kể từ khoảng năm 2005, với sự sụt giảm đặc biệt rõ rệt trong thập kỷ gần đây cũng như trong những năm diễn ra đại dịch COVID-19. Tăng trưởng năng suất lao động ở Mỹ vốn đạt 1,73% trong thập kỷ trước cuộc khủng hoảng tài chính, đã giảm xuống còn 0,53% trong thập kỷ trước đại dịch. Các lĩnh vực kinh tế nằm ngoài sản xuất và thương mại – hiện chiếm gần 80% việc làm ở Mỹ – thậm chí còn ở tình trạng tồi tệ hơn, với mức tăng trưởng năng suất trước đại dịch chỉ là 0,16%, gần như bằng không.
Các yếu tố khác cũng đã tạo ra những hạn chế về phía cung trong nền kinh tế toàn cầu. Ở những quốc gia chiếm hơn 75% sản lượng kinh tế toàn cầu, dân số già đã hạn chế sự tăng trưởng của nguồn cung lao động, làm tăng tỷ lệ phụ thuộc – số lượng người không làm việc so với dân số trong độ tuổi lao động ở một quốc gia nhất định – và tạo ra căng thẳng tài chính. Nhiều lĩnh vực việc làm lớn, bao gồm chính phủ, chăm sóc sức khỏe, bán lẻ truyền thống, khách sạn và xây dựng, đang thiếu hụt lao động nghiêm trọng. Và ở một số quốc gia, như Trung Quốc, Ý, Nhật Bản và Hàn Quốc, lực lượng lao động nói chung đang bị thu hẹp. Thị trường lao động cũng đã bị biến đổi bởi sở thích của người tìm việc ở các nền kinh tế tiên tiến, những người đang lựa chọn các lĩnh vực việc làm (và họ thường xuyên thay đổi) dựa trên tính linh hoạt, an toàn, áp lực lao động và thu nhập. Trong khi đó, căng thẳng địa chính trị, kết hợp với những cú sốc về biến đổi khí hậu và đại dịch, đã khiến nhiều công ty, quốc gia “giảm rủi ro”, đa dạng hóa chuỗi cung ứng với chi phí lớn vì những lý do không liên quan gì đến việc giảm chi phí. Kỷ nguyên xây dựng chuỗi cung ứng toàn cầu hoàn toàn dựa trên hiệu quả và lợi thế so sánh rõ ràng đã kết thúc.
Nói tóm lại, nếu không có lực lượng tăng cường năng suất mới mạnh mẽ, trong tương lai gần, nền kinh tế toàn cầu sẽ tiếp tục bị cản trở bởi tốc độ tăng trưởng chậm và nguồn cung lao động giảm, mối đe dọa lạm phát dai dẳng, lãi suất cao hơn, đầu tư công sụt giảm và chi phí vốn tăng cao cho nền kinh tế. Trước những cơn gió ngược này, quá trình chuyển đổi năng lượng sạch tốn kém sẽ cần thêm 3.000 tỷ USD chi tiêu vốn mỗi năm trong vài thập kỷ, theo dự đoán của Cơ quan Năng lượng Quốc tế. Điều đó gần như không thể thực hiện được.
Những áp lực toàn cầu lâu dài này là lý do chính tại sao cuộc cách mạng AI lại quan trọng đến vậy. Nó có tiềm năng nâng cao năng suất, khôi phục đà tăng trưởng bằng cách giảm bớt các hạn chế về phía cung. Nhưng để hiện thực hóa điều này, AI cần được ứng dụng một cách phù hợp.
Một cuộc cách mạng kỹ thuật số khác biệt
Ở một số khía cạnh, làn sóng đầu tư hiện nay vào AI có vẻ đáng ngạc nhiên. Xét cho cùng, công nghệ kỹ thuật số đã và đang chuyển đổi nền kinh tế theo những cách có thể đo lường được trong ít nhất ba thập kỷ.
Trong những lĩnh vực mà nó ảnh hưởng đến, cuộc cách mạng kỹ thuật số diễn ra rất kịch tính. Những công việc do con người thực hiện từ lâu đột nhiên bị máy móc thay thế đảm nhận. Các hoạt động như ghi sổ, lưu trữ và kế toán, phần lớn hoạt động ngân hàng tiêu dùng và hệ thống kiểm soát cho toàn bộ chuỗi cung ứng được tự động hóa một phần và đôi khi hoàn toàn. Song song đó, hầu hết thông tin đều được lưu trữ và truyền đi ở dạng kỹ thuật số, khiến việc truy cập và sử dụng trở nên rẻ hơn, dễ dàng hơn. Sự phong phú của các dịch vụ dựa trên web miễn phí và chi phí thấp cũng làm thay đổi nền kinh tế tiêu dùng và tương tác xã hội.
Nhưng tác động kinh tế của những thay đổi này, mặc dù đáng kể, nhưng lại bị giới hạn về phạm vi. Trong những lĩnh vực mà công nghệ được triển khai rộng rãi, năng suất tăng lên, giống như sau Cách mạng Công nghiệp lần thứ nhất, khi con người chuyển sang sử dụng máy hơi nước. Ở một số khu vực nhất định, xuất hiện hiện tượng được gọi là “phân cực việc làm và thu nhập”, nhóm người có thu nhập trung bình bị ảnh hưởng lớn. Tuy nhiên, có nhiều loại nhiệm vụ không thể tự động hóa và mức độ tiếp quản kỹ thuật số còn hạn chế. Trên hết, công nghệ ít có tác động đến các ngành công nghiệp tri thức và các ngành sáng tạo, như y học, luật, quảng cáo và tư vấn, trong đó phần lớn giá trị đến từ kiến thức chuyên môn cụ thể và việc thực hiện các nhiệm vụ không thường xuyên.
Giờ đây, cuộc cách mạng AI đã phá vỡ những hạn chế đó. Thông qua những tiến bộ trong máy học (machine learning) và nhận dạng mẫu trong 15 năm qua, các nhà nghiên cứu AI đã chỉ ra rằng máy kỹ thuật số có thể làm được nhiều hơn thế. Ví dụ, nhiều hoạt động của con người không dễ dàng mã hóa liên quan đến nhận dạng mẫu: tìm kiếm và tập hợp các sự kiện, hiểu biết sâu sắc, phát hiện các cấu trúc logic và khái niệm gắn liền với ngôn ngữ, tổng hợp, xử lý lại thông tin cũng như rút ra kinh nghiệm, kiến thức chuyên môn và kiến thức ngầm để cung cấp câu trả lời cho các câu hỏi phức tạp, nhiều sắc thái. Bằng cách sử dụng “học sâu” (deep learning) – mạng lưới thần kinh nhiều lớp mô phỏng cách tế bào thần kinh gửi và nhận tín hiệu trong não người – các nhà nghiên cứu đã đạt được những tiến bộ nhanh chóng trong lĩnh vực máy học. Và với đủ dữ liệu và sức mạnh tính toán, phương pháp này đã có hiệu quả rõ rệt trong việc tái tạo nhiều nhiệm vụ nhận dạng mẫu, dự đoán và cả các nhiệm vụ tổng hợp. Kết quả là một loạt bước đột phá đáng kinh ngạc.
Ngay cả trước khi “AI tạo sinh” (Generative AI hoặc GenAI) ra đời, máy học đã tạo ra một số cải tiến lớn. Một danh sách ngắn trong số này bao gồm nhận dạng chữ viết tay, nhận dạng giọng nói, nhận dạng hình ảnh và đối tượng. Nhiều công cụ trong số này đã được sử dụng trong điện thoại thông minh cùng nhiều ứng dụng dành cho doanh nghiệp và người tiêu dùng. Hãy xem xét Google Translate, ứng dụng sử dụng deep learning và được hơn một tỷ người sử dụng; nó đã có thể xử lý hơn 100 ngôn ngữ, con số mà các nhà nghiên cứu AI nhắm tới sẽ sớm mở rộng lên hơn 1.000. AI cũng đã hỗ trợ những đột phá trong một số lĩnh vực khoa học. Ví dụ, AlphaFold, một hệ thống AI được phát triển bởi phòng thí nghiệm AI của Google, DeepMind, đã có thể dự đoán cấu trúc protein của tất cả 200 triệu protein được khoa học biết đến. Các nhà nghiên cứu trên khắp thế giới hiện đang sử dụng những cấu trúc này để tăng tốc và hỗ trợ việc hiểu rõ hơn các bệnh lý cũng như phát triển các phương pháp điều trị mới cho chúng.
Tuy nhiên, có lẽ sự phát triển nổi bật nhất là sự nổi lên của các mô hình ngôn ngữ lớn (LLM), cung cấp nền tảng cho GenAI. Nền tảng của LLM là “bộ chuyển hóa” (transformer), một kiến trúc học sâu (deep learning) đã được các nhà nghiên cứu của Google giới thiệu trong một bài báo nổi tiếng vào năm 2017. “Bộ chuyển hóa” sử dụng cơ chế tự chú ý để hiểu các kết nối và mối quan hệ giữa các từ ngữ khác nhau. Cùng với cái gọi là “nhúng” (embedding), “bộ chuyển hóa” giúp mô hình có thể học theo cách tự giám sát. Sau khi được đào tạo, mô hình có thể tạo ra kết quả đầu ra giống con người bằng cách dự đoán từ hoặc chuỗi từ tiếp theo để phản hồi.
Bằng cách đào tạo các LLM mới này trên hàng tỷ, và bây giờ là hàng nghìn tỷ từ, trong thời gian dài, chúng có thể xử lý được các vấn đề ngôn ngữ ngày càng phức tạp giống con người. Quan trọng hơn, khả năng của nó không bị giới hạn ở bất kỳ lĩnh vực nào. Không giống như nhiều cải tiến AI trước đây, vốn được điều chỉnh cho phù hợp với các chức năng riêng, LLM làm nền tảng cho AI tạo sinh, khiến nó trở nên đa chức năng hơn.
Sự phát triển nhanh chóng của AI
“AI tạo sinh” có một số tính năng cho thấy tác động kinh tế tiềm tàng của nó có thể lớn vượt mọi dự đoán.
Đầu tiên là tính linh hoạt đặc biệt. LLM hiện có khả năng đáp ứng các yêu cầu trong nhiều lĩnh vực khác nhau, từ thơ ca, khoa học đến luật, đồng thời phát hiện các lĩnh vực khác nhau và chuyển từ lĩnh vực này sang lĩnh vực khác mà không cần hướng dẫn rõ ràng. Hơn nữa, LLM có thể hoạt động không chỉ với từ ngữ mà còn với mã phần mềm, âm thanh, hình ảnh, video… tức là trở nên “đa phương thức” hơn. Khả năng hoạt động linh hoạt giữa nhiều lĩnh vực và chế độ có nghĩa là các mô hình này có thể cung cấp một nền tảng rộng rãi để phục vụ cho hầu hết các mục đích sử dụng. Nhiều nhà phát triển LLM, bao gồm cả OpenAI, đã tạo các API (tức “giao diện lập trình ứng dụng”) cho phép những người khác xây dựng các giải pháp AI độc quyền của riêng họ trên cơ sở LLM. Cuộc đua tạo ra các ứng dụng phục vụ đa lĩnh vực, chuyên môn và trường hợp sử dụng đã bắt đầu.
LLM cũng đáng chú ý vì khả năng tiếp cận của chúng. Bởi vì chúng được thiết kế để đáp ứng với ngôn ngữ thông thường và các đầu vào thông dụng khác, LLM có thể dễ dàng được sử dụng bởi những người không chuyên nhưng thiếu kỹ năng kỹ thuật. Tất cả những gì cần thiết là thực hành một chút trong việc tạo ra những gợi ý để gợi ra những phản hồi hiệu quả.
Các tính năng này mang lại cho LLM những ứng dụng tiềm năng sâu rộng hơn nhiều so với các công nghệ kỹ thuật số trước đây, ngay cả những công nghệ liên quan đến AI. Chỉ riêng trong tháng 6/2023, trang web ChatGPT đã được 1,6 tỷ người dùng truy cập. Đó là một tín hiệu thuyết phục.
Thật khó để đưa ra dự đoán chi tiết về khả năng sử dụng LLM trong tương lai. Nhưng với những đặc tính khác thường của nó, kết hợp với những đổi mới kỹ thuật nhanh chóng liên tục của các nhà nghiên cứu, cũng như lượng vốn đầu tư mạo hiểm khổng lồ đổ vào, khả năng của LLM gần như chắc chắn sẽ tăng lên. Trong vòng 5 năm tới, các nhà phát triển AI sẽ giới thiệu hàng nghìn ứng dụng được xây dựng trên LLM và các mô hình GenAI khác nhằm vào các lĩnh vực, hoạt động và công việc rất khác nhau. Đồng thời, các mô hình GenAI sẽ sớm được sử dụng cùng với các hệ thống AI khác, một phần để giải quyết những hạn chế hiện tại của các hệ thống đó cũng như để mở rộng khả năng của chúng. Nếu những ứng dụng đa dạng này được triển khai một cách hiệu quả trên toàn bộ nền kinh tế thì gần như chắc chắn sẽ có sự gia tăng lớn về năng suất cũng như các thước đo về hiệu quả kinh tế khác.
Một trong những ứng dụng hứa hẹn nhất của AI tạo sinh (GenAI) trong nền kinh tế rộng lớn hơn là các hệ thống trợ lý kỹ thuật số cho nơi làm việc. Hãy xem xét một nghiên cứu vào tháng 4/2023 của Erik Brynjolfsson, Danielle Li và Lindsey Raymond về tác động của trợ lý kỹ thuật số AI đối với các đại diện chăm sóc khách hàng trong lĩnh vực công nghệ. Các tác giả của nghiên cứu đã xác định được hai kết quả quan trọng. Đầu tiên là năng suất của nhóm có trợ lý AI cao hơn trung bình 14%. Điều thứ hai, thậm chí còn quan trọng hơn, là mặc dù các nhân viên trong nhóm có trợ lý AI còn tương đối thiếu kinh nghiệm, nhưng hiệu quả công việc vẫn rất cao. Nói cách khác, trợ lý AI có thể thu hẹp đáng kể khoảng cách về hiệu suất giữa các nhân viên mới và nhân viên dày dạn kinh nghiệm, cho thấy tiềm năng của AI trong việc đẩy nhanh quá trình đào tạo tại chỗ. Điều tương tự cũng được kiểm chứng đối với nhiều thử nghiệm khác.
Với giá trị có thể chứng minh được, trợ lý kỹ thuật số AI sẽ sớm thực hiện được nhiều nhiệm vụ đa dạng, nâng cao đáng kể hiệu quả công việc. Trong nhiều ngành nghề, khả năng tiếp thu và xử lý lượng lớn tài liệu với tốc độ siêu phàm của hệ thống AI cũng sẽ đẩy nhanh tốc độ cũng như việc phổ biến nghiên cứu và đổi mới.
Một lĩnh vực khác mà các ứng dụng LLM non trẻ có thể có tác động lớn là hệ thống giám sát xung quanh. Trong đó, công nghệ AI được sử dụng kết hợp với cảm biến hình ảnh hoặc âm thanh để giám sát và nâng cao hiệu suất của con người. Ví dụ ở lĩnh vực chăm sóc sức khỏe. Như một nghiên cứu năm 2020 trên tạp chí Nature đã thảo luận, hệ thống giám sát xung quanh có thể sử dụng một số tín hiệu đầu vào – chẳng hạn như ghi lại các cuộc thảo luận giữa bác sĩ và thực tập sinh khi họ đến bệnh viện, kết hợp với các thông tin thường xuyên cập nhật của bệnh nhân nhất định – để xác định các hành động còn thiếu hoặc các câu hỏi bị bỏ qua. Sau đó, AI có thể tạo ra một bản tóm tắt các phát hiện để nhân viên y tế xem xét. Theo một số ước tính, các bác sĩ hiện dành khoảng 1/3 thời gian để viết báo cáo và đưa ra quyết định; một hệ thống như vậy có thể giảm thời gian này tới 80%.
Theo báo cáo tháng 6/2023 của Viện Toàn cầu McKinsey, AI có tiềm năng tự động hóa các hoạt động hiện chiếm 60 đến 70% thời gian của người lao động. Điều này không chỉ mang lại sự thúc đẩy năng suất; nó cũng sẽ giải phóng nhiều lao động của con người hơn cho những nhiệm vụ tiên tiến nhất và cho phép đổi mới nhanh hơn.
Định hướng và kiểm soát sự phát triển của AI
Bất chấp sự hứa hẹn của AI, phần lớn cuộc tranh luận công khai về nó đều tập trung vào các khía cạnh gây tranh cãi và khả năng gây hại của nó. Đầu tiên, LLM không đáng tin cậy 100%. Kết quả đầu ra của nó đôi khi phản ánh sự định hướng của người/nhóm người tạo ra nó, tạo ra tài liệu có thể sai sót, nhìn có vẻ hợp lý nhưng thực tế không phản ánh đầy đủ thế giới khách quan. Các nhà nghiên cứu đang cố gắng hết sức để giải quyết những vấn đề này, bao gồm cả việc sử dụng phản hồi của con người và các phương tiện khác để tăng chất lượng đối với kết quả đầu ra, nhưng vẫn còn rất nhiều việc cần làm.
Một mối lo ngại khác là AI có thể đạt được mục tiêu tự động hóa toàn diện trong nhiều lĩnh vực, gây ra tình trạng mất việc làm trên quy mô lớn. Ví dụ, nghiên cứu cho thấy rằng trong vài thập kỷ tới, một số ngành nghề – theo một số ước tính, chiếm khoảng 10% tổng số ngành nghề – mà các nhiệm vụ cấu thành gần như có thể được tự động hóa, có khả năng sẽ suy giảm. Các ngành nghề khác, cả hiện tại và mới trong tương lai sẽ phát triển. Nhưng tác động lớn nhất của AI đối với nền kinh tế nói chung, liên quan đến khoảng 2/3 số ngành nghề, sẽ là thay đổi cách thực hiện công việc, vì một phần sẽ bị thay thế bởi AI. Nghề nghiệp trong các lĩnh vực này sẽ không mất đi nhưng chúng sẽ đòi hỏi những kỹ năng lao động mới của con người cùng với sự hỗ trợ của những cỗ máy có năng lực.
Nhiều nhà bình luận cũng lưu ý sự nguy hiểm của việc trao cho hệ thống AI quá nhiều quyền kiểm soát. Như nhiều ví dụ đã chỉ ra, các nền tảng AI tạo sinh đôi khi mắc lỗi, thậm chí tự động bịa đặt mọi thứ. Rõ ràng, trong các ứng dụng đòi hỏi độ chính xác thực tế, các câu trả lời bịa đặt là mối lo ngại lớn. Ngay cả khi không cho ra các kết quả mang tính bịa đặt, LLM có thể tạo ra những dự đoán xấu, sai lệch nghiêm trọng, ngớ ngẩn, đòi hỏi cần có sự xem xét của con người. Do đó, việc triển khai AI tạo sinh một cách bất cẩn hoặc quá mức có thể dẫn đến việc tồn tại các kết quả đầu ra sai lệch.
Việc truy cập vào dữ liệu đào tạo tốt hơn có thể làm giảm rủi ro về kết quả đầu ra bị lỗi, nhưng vấn đề thực sự nằm ở cách thức hoạt động của LLM: ngay cả khi được đào tạo trên dữ liệu hoàn toàn chính xác, các mô hình có thể đưa ra các câu trả lời khác nhau và thậm chí trái ngược nhau cho cùng một yêu cầu chỉ vì chúng là những cỗ máy động trong một thế giới xác suất. Điều sai lầm là coi LLM như cơ sở dữ liệu chỉ lưu trữ thông tin. Đối với nhiều công ty và lĩnh vực kinh tế, vai trò của con người là cần thiết để duy trì sự thận trọng trong công việc và điều đó sẽ không thể thay đổi trong tương lai gần.
Hơn nữa, trong một số lĩnh vực của nền kinh tế, sự thật và tính chính xác không quan trọng bằng những ý tưởng mới hay sự sáng tạo. Các nhà thiết kế thời trang đã bắt đầu yêu cầu AI tạo ra các nguyên mẫu quần áo mới. AI có thể tạo ra âm nhạc, viết thơ, sáng tạo nghệ thuật và soạn thảo dàn ý của tiểu thuyết. Là nguồn cảm hứng, AI có thể trở thành một công cụ hữu ích. Mối lo ngại của một số người là AI cuối cùng có thể thay thế nghệ sĩ. Vẫn còn quá sớm để biết liệu nội dung do AI tạo ra có đón nhận được sự theo dõi nghiêm túc của con người trong nghệ thuật sáng tạo và biểu diễn hay không. Các tác giả dự đoán rằng, nó sẽ được sử dụng nhiều hơn để hỗ trợ và cung cấp nguồn cảm hứng, hơn là để tạo ra các tác phẩm nghệ thuật hoàn chỉnh.
Với khả năng và phạm vi vượt trội của nó, tác động kinh tế chính của AI tạo sinh sẽ xảy ra ở đâu? Khi Sundar Pichai, Giám đốc Điều hành của Alphabet, công ty mẹ của Google trả lời rằng nó sẽ xuất hiện trong “nền kinh tế tri thức”. Điều này có vẻ chính xác. Người ta có thể thay thế thuật ngữ “nền kinh tế thông tin”, nhưng trên các lĩnh vực từ nghiên cứu khoa học đến phát triển phần mềm và một loạt các chức năng dịch vụ, lợi ích kinh tế tiềm tàng của các ứng dụng dựa trên LLM dường như vô cùng lớn.
Thích ứng với công nghệ thay vì chống lại sự phát triển của công nghệ
Bất chấp những hứa hẹn to lớn, AI khó có thể tạo ra bước nhảy vọt về năng suất trên toàn bộ các nền kinh tế hoặc hỗ trợ tăng trưởng bền vững và toàn diện nếu việc sử dụng nó được giao cho các “lực lượng thị trường”. Để đạt được lợi ích tiềm năng lớn nhất của AI sẽ đòi hỏi cách tiếp cận chủ động từ hai phía. Một là dự đoán trước, và trong chừng mực có thể, ngăn chặn việc lạm dụng hoặc ngăn ngừa mặt trái của công nghệ. Hai là thúc đẩy việc sử dụng AI để hỗ trợ và mang lại lợi ích nhiều nhất cho con người, thúc đẩy nền kinh tế và giúp xã hội giải quyết các cơ hội và thách thức cấp bách nhất – bằng cách làm cho AI dễ tiếp cận hơn, đảm bảo phổ biến rộng rãi và khuyến khích các ứng dụng nâng cao năng suất nhất.
Hiện tại, việc ngăn ngừa mặt trái của công nghệ đã nhận được sự quan tâm lớn. Vào tháng 5, hơn 350 nhà lãnh đạo ngành AI đã ký một bức thư ngỏ cảnh báo rằng “giảm thiểu nguy cơ tuyệt chủng” từ AI phải là ưu tiên toàn cầu bên cạnh việc ngăn chặn đại dịch và chiến tranh hạt nhân; nhiều người, trong đó có một người trong nhóm tác giả (Manyika), đã ký vào bức thư để nêu bật nguyên tắc phòng ngừa đối với công nghệ. Những người khác đã cảnh báo về nguy cơ bị các tác nhân xấu lạm dụng với nhiều động cơ khác nhau, cũng như các ứng dụng quân sự không bị hạn chế của AI khi không có quy định quốc tế. Những vấn đề này rất quan trọng và cần được giải quyết. Nhưng sẽ sai lầm khi cho rằng chỉ cần hạn chế việc sử dụng sai mục đích và các tác dụng phụ có hại của AI sẽ đảm bảo rằng lợi tức kinh tế của nó sẽ được phân phối một cách toàn diện. Các chính sách và quy định tích cực nhằm giải phóng những lợi ích đó sẽ đóng vai trò chính trong việc xác định liệu AI có phát huy hết tiềm năng kinh tế của nó hay không.
Đầu tiên, các chính sách sẽ cần được xây dựng để đảm bảo rằng AI bổ sung thay vì thay thế sức lao động của con người. Trong thực tế hiện nay, các công cụ AI thường được phát triển và đánh giá dựa trên hiệu suất của con người, dẫn đến xu hướng thiên về tự động hóa trong các ngành. Sự thiên vị đó được gọi là “bẫy Turing” (the Turing trap), một thuật ngữ do Brynjolfsson đặt ra, sau lập luận của nhà toán học Alan Turing rằng bài kiểm tra quan trọng nhất về trí thông minh của máy là liệu nó có thể ngang bằng hoặc vượt qua hiệu suất của con người hay không. Để vượt qua cái bẫy này, nguồn tài trợ nghiên cứu công và tư cho nghiên cứu AI nên tránh tập trung quá hẹp vào việc tạo ra AI giống con người. Ví dụ, trong số lượng nhiệm vụ cụ thể ngày càng tăng, hệ thống AI có thể vượt trội hơn con người ở mức đáng kể, nhưng chúng cũng yêu cầu cộng tác viên là con người, những người có khả năng riêng có thể phát triển được nhiều khả năng hơn nữa nhờ máy móc. Nghiên cứu thêm về công nghệ tăng cường và cách sử dụng chúng, cũng như việc tổ chức lại quy trình làm việc trong nhiều ngành nghề, sẽ giúp hỗ trợ những đổi mới ứng dụng AI để nâng cao năng suất của con người.
Một ưu tiên quan trọng khác sẽ là khuyến khích sự phổ biến rộng rãi nhất có thể của công nghệ AI trên nền kinh tế toàn cầu. Trong trường hợp của cuộc cách mạng kỹ thuật số trước đó, một lượng lớn nghiên cứu đã ghi nhận việc áp dụng rất không đồng đều giữa các ngành và doanh nghiệp. Nhiều ngành có nguồn lao động lớn bị tụt lại, dẫn đến năng suất giảm sút. Mô hình này có thể dễ dàng lặp lại. Các công ty vừa và nhỏ đáng được quan tâm đặc biệt vì họ có thể không có đủ nguồn lực để tiến hành thử nghiệm và ứng dụng AI trong công việc. Có thể việc giảm chi phí nghiên cứu và phát triển AI cao hiện nay, cũng như sự cạnh tranh giữa các nhà phát triển lớn, sẽ dẫn đến các ứng dụng AI giá cả phải chăng có thể được triển khai rộng rãi, bằng cách giảm chi phí và thúc đẩy hoạt động kinh doanh. Nhưng các nhà hoạch định chính sách phải nỗ lực trong việc tạo ra các quy tắc để đảm bảo rằng sự cạnh tranh như vậy sẽ dẫn đến việc phổ biến và sử dụng rộng rãi các công nghệ.
Một vấn đề liên quan là làm thế nào để đẩy nhanh việc sử dụng AI trong các ngành được hưởng lợi nhiều nhất từ chúng. Trong nhiều trường hợp, một số bên liên quan, bao gồm cả nhân viên, sẽ có xu hướng tập trung vào các rủi ro và phản đối việc áp dụng hệ thống AI. Để chống lại xu hướng này, các nhà hoạch định chính sách và các công ty sẽ cần tham khảo ý kiến của tất cả các bên liên quan và đảm bảo rằng lợi ích của họ được tính đến. Ở cấp độ vĩ mô, những tác động về việc làm và tiền lương của việc áp dụng AI cũng cần được giải quyết. Sẽ cần có sự hợp tác giữa chính phủ, ngành công nghiệp và các tổ chức giáo dục để giúp mọi người thích ứng với các yêu cầu kỹ năng khác nhau cần thiết để làm việc trong môi trường được hỗ trợ bởi AI. Hỗ trợ thu nhập trong quá trình chuyển đổi sang nền kinh tế tăng cường AI có thể là một thành phần quan trọng khác, đặc biệt là trong các ngành nghề mà AI có thể gây áp lực giảm lương và thậm chí gây mất việc làm.
Nhưng bất chấp những lo ngại, viễn cảnh thất nghiệp do AI gây ra trên quy mô lớn dường như không xảy ra, đặc biệt là trong tình trạng thiếu lao động hiện nay ở một số lĩnh vực. Những lo lắng đó dựa trên giả định không chính xác rằng nhu cầu là cố định và do đó không nhạy cảm với những thay đổi về giá cả và chi phí. Trong một thế giới như vậy, năng suất tăng sẽ tự động gây ra tình trạng giảm việc làm. Trên thực tế, mặc dù có thể có nhiều thay đổi về đặc điểm của nhiều công việc cũng như sự dịch chuyển công việc, nhưng mức độ việc làm tổng thể trong nền kinh tế khó có thể thay đổi nhiều, giả sử nền kinh tế tiếp tục tăng trưởng. Nghiên cứu cho thấy rằng trong hầu hết các kịch bản, sẽ có nhiều việc làm được tạo ra hơn là mất đi trong thập kỷ tới hoặc lâu hơn.
Một thách thức lớn hơn sẽ là giải quyết những tác động không đồng đều của các công nghệ mới, cả trong và giữa các quốc gia. Ở các quốc gia, tăng trưởng năng suất có thể tập trung vào các công việc “cổ trắng” hơn là công việc “cổ xanh” do tác động đặc biệt của AI tạo ra đối với nền kinh tế tri thức. Tuy nhiên, để đạt được mức tăng năng suất tương tự trong nền kinh tế công nghiệp, sẽ cần có những tiến bộ lớn hơn nữa trong lĩnh vực chế tạo robot. Bất chấp những tiến bộ tốt trên mặt trận đó, những thách thức công nghệ vẫn còn, kết quả là tự động hóa và tăng cường trong sản xuất, hậu cần và phương tiện tự hành đang tiến triển chậm hơn. Sự khác biệt về tăng trưởng năng suất như vậy giữa nền kinh tế tri thức, khu vực dịch vụ rộng lớn và các khu vực công nghiệp có thể góp phần hơn nữa vào việc phân phối không đồng đều lợi ích từ AI.
Các quốc gia cũng sẽ cần phải đối mặt với việc áp dụng không đồng đều các công nghệ kỹ thuật số tiên tiến giữa các công ty trong cùng một ngành và giữa các ngành. Ví dụ, trong các ngành, cái gọi là các công ty tiên phong, thường nhanh nhẹn nhất, đã vượt xa các công ty khác trong việc sử dụng công nghệ kỹ thuật số. Tương tự, các lĩnh vực công nghệ cao và dịch vụ tài chính áp dụng công nghệ mới nhanh hơn so với lĩnh vực chăm sóc sức khỏe, tạo ra sự không đồng đều và có thể trở thành rào cản cho việc tăng năng suất trên toàn nền kinh tế.
Trên bình diện quốc tế, những đột phá và đổi mới gần đây trong lĩnh vực AI rõ ràng được dẫn đầu bởi Mỹ, với Trung Quốc ở vị trí thứ hai. Hai quốc gia này cũng là nơi có các công ty nền tảng AI có đủ sức mạnh tính toán để đào tạo LLM tiên tiến. Ngược lại, Liên minh châu Âu đã tụt lại phía sau Mỹ và Trung Quốc về AI, điện toán đám mây và các lĩnh vực liên quan khác. Câu hỏi đặt ra là các ứng dụng AI tiên tiến có thể được triển khai nhanh chóng như thế nào trong nền kinh tế toàn cầu. Theo mô hình mở thịnh hành trong vài thập kỷ sau Thế chiến thứ hai, công nghệ có thể lan truyền khá nhanh xuyên biên giới. Nhưng thế giới đó không còn nữa. Những hạn chế phức tạp và ngày càng hạn chế đối với dòng công nghệ và vốn – dù là từ cuộc chiến ở Ukraine, các lệnh trừng phạt hay căng thẳng gia tăng giữa Trung Quốc và Mỹ – đã tạo ra những rào cản mới đối với sự phổ biến quốc tế.
Vì tính chất kỹ thuật số nên công nghệ AI sẽ lan rộng; trên thực tế, sẽ rất khó để ngăn chặn điều đó diễn ra. Nhưng để đảm bảo điều đó được thực hiện đúng cách sẽ đòi hỏi những hình thức quản lý kinh tế quốc tế mới. Vì vậy, ngay cả khi chậm trễ trong nghiên cứu AI, EU sẽ áp dụng và sử dụng công nghệ này. Nhưng nhiều nền kinh tế mới nổi cũng sẽ được hưởng lợi từ công nghệ này và đối với họ, khả năng tiếp cận có thể chậm và không đồng đều. Mức độ AI có thể được phát triển và sử dụng một cách công bằng trên toàn thế giới sẽ quyết định mức độ ảnh hưởng của nó đối với nền kinh tế toàn cầu.
Thử thách thực sự đối với AI
AI, bao gồm cả sự bổ sung gần đây nhất, GenAI, có tiềm năng tạo ra sự tăng trưởng lớn và mang tính quyết định về năng suất và tăng trưởng tại thời điểm nền kinh tế toàn cầu rất cần nó. Trong số nhiều thách thức kinh tế hiện nay bao gồm: những hạn chế về nguồn cung, áp lực ngày càng tăng đối với các quốc gia mắc nợ quá mức, những thay đổi về nhân khẩu học và lạm phát dai dẳng, tất cả đều đe dọa, hạn chế khả năng duy trì sự thịnh vượng của các quốc gia.
Với phạm vi rộng và tính dễ sử dụng, AI có thể làm được nhiều việc để chống lại những thế lực này. Hơn nữa, cuộc cách mạng AI đã mở ra một giai đoạn thử nghiệm và đổi mới mãnh liệt, có thể mang lại nhiều giá trị hơn cho nền kinh tế. Nhưng để nhận ra đầy đủ tiềm năng này sẽ đòi hỏi sự quan tâm sâu sắc không kém về mặt chính sách. Chính phủ, công ty và nhà nghiên cứu sẽ cần ưu tiên nâng cao kỹ năng của con người hơn là thay thế chúng. Họ sẽ cần phải thúc đẩy việc sử dụng công nghệ trên toàn bộ nền kinh tế. Và họ sẽ cần xây dựng một nền kinh tế trong đó việc sử dụng hệ thống AI nhạy cảm với nhu cầu của chính người lao động và trong đó các cú sốc được giảm thiểu và những lo ngại phổ biến về tự động hóa quá mức được giải quyết – nếu không, họ có thể sẽ gặp phải sự phản kháng không cần thiết.
Sự phát triển của AI đã đến thời điểm quan trọng. Tiềm năng to lớn của công nghệ này, vừa mang lại những lợi ích to lớn đối với con người cũng như các nền kinh tế, nhưng cũng gây ra những tác hại rất thực tế, đang ngày càng được chú trọng. Việc khai thác sức mạnh của AI một cách tích cực sẽ đòi hỏi nhiều thứ hơn là chỉ tập trung vào các mối đe dọa hiện hữu và thiệt hại tiềm tàng. Nó sẽ đòi hỏi một tầm nhìn tích cực về những gì AI có thể làm và các biện pháp hiệu quả để biến tầm nhìn đó thành hiện thực. Vì rủi ro rất có thể xảy ra mà AI gây ra cho thế giới ngày nay không phải là nó sẽ tạo ra một loại thảm họa văn minh nào đó hay một cú sốc tiêu cực lớn đối với việc làm. Đúng hơn, nếu không có sự hướng dẫn hiệu quả, những đổi mới về AI có thể được phát triển và triển khai theo những cách chỉ làm tăng thêm sự chênh lệch kinh tế hiện tại thay vì mang lại một nền kinh tế toàn cầu vững mạnh cho các thế hệ mai sau./.
Lược dịch: Hoàng Hải
Bài viết đăng trên tạp chí Foreign Affairs, thể hiện quan điểm riêng của hai tác giả, không nhất thiết trùng với quan điểm của Nghiên cứu Chiến lược. Mọi trao đổi học thuật và các vấn đề khác, quý độc giả có thể liên hệ với Ban Biên tập qua địa chỉ mail: [email protected]
Tác giả:
James Manyika là Nhà Nghiên cứu cấp cao tại Google-Alphabet và Đại học Stanford, đồng thời là Chủ tịch danh dự của Viện Toàn cầu McKinsey.
Michael Spence là người đoạt giải Nobel Kinh tế năm 2001, là thành viên cao cấp tại Viện Hoover, Đại học Stanford.
