Altman, Amodei, Hassabis và Huang đang định nghĩa AGI theo bốn cách khác nhau

AGI — trí tuệ nhân tạo tổng quát — đang trở thành một nhãn gọi chung cho những hình dung rất khác nhau: một nhân viên số tự chủ tạo ra giá trị kinh tế, một nhà nghiên cứu kỹ thuật số tầm Nobel, một cỗ máy có đầy đủ năng lực nhận thức của con người, hoặc đơn giản là hệ thống vượt người ở các bài kiểm tra.

Khoảng cách định nghĩa này giải thích vì sao những dự báo thời điểm nghe rất chắc chắn vẫn có thể cùng tồn tại. Quan trọng hơn, nó cho thấy niềm tin công chúng không thể chỉ dựa vào tuyên bố của các lãnh đạo công ty: cần có đánh giá độc lập về năng lực thực tế và rủi ro trước khi triển khai.

Bốn lãnh đạo, bốn vạch đích

Sam Altman: AGI là tự chủ có giá trị kinh tế

Định nghĩa thường được OpenAI nêu ra về AGI là các hệ thống “có tính tự chủ cao, vượt con người ở phần lớn công việc có giá trị kinh tế”. Trọng tâm ở đây là hiệu quả thực dụng: AI có làm được công việc hữu ích ở quy mô lớn hay không, hơn là nó có tái tạo hoàn hảo nhận thức của con người hay không.

Cách OpenAI diễn đạt gần đây nhấn mạnh quyền chủ động của con người. Công ty nói mục tiêu là xây dựng hệ thống giúp con người theo đuổi các mục tiêu mình lựa chọn, thay vì thay thế phán đoán của con người; đồng thời cho rằng tự động hóa hoàn toàn mọi thứ vừa nguy hiểm vừa không đem lại sự thỏa mãn. 23 Trong khung phân tích về việc làm, OpenAI cũng lưu ý rằng việc AI tự động hóa các tác vụ chưa đồng nghĩa một nghề nghiệp biến mất, bởi con người vẫn có thể giữ vai trò cung cấp dịch vụ, giám sát hoặc chịu trách nhiệm. 25

Cách định nghĩa theo giá trị kinh tế giúp theo dõi tác động ngoài đời thực, nhưng không phải là một phép thử khoa học công khai. Ranh giới giữa công cụ mạnh, tác nhân AI tự chủ và AGI vì thế vẫn khá rộng — và có thể dịch chuyển theo thời gian.

Dario Amodei: “AI mạnh” là một tổ hợp năng lực phi thường nhưng cụ thể hơn

CEO Anthropic Dario Amodei thường dùng cụm “AI mạnh” (powerful AI) thay cho AGI. Trong bản kiến nghị chính sách của Anthropic, AI mạnh là bước tiến lớn vượt các hệ thống hiện nay, với năng lực trí tuệ ngang hoặc vượt người đoạt giải Nobel ở đa số lĩnh vực; khả năng sử dụng các giao diện số mà người lao động hiện dùng; và khả năng tự thực hiện công việc phức tạp. 3

Anthropic dự báo các hệ thống như vậy có thể xuất hiện vào cuối năm 2026 hoặc đầu năm 2027. Amodei từng ví viễn cảnh này như một “quốc gia gồm các thiên tài trong trung tâm dữ liệu”, nhằm nhấn mạnh hệ quả kinh tế, an ninh và địa chính trị của việc tập trung năng lực lớn như vậy. 6 7

Tiêu chuẩn này cụ thể hơn chữ AGI chung chung, nhưng vẫn gộp nhiều đòi hỏi khó vào một dự báo: bề rộng chuyên môn, khả năng dùng công cụ, tính tự chủ và độ tin cậy kéo dài. Một mô hình có thể đạt tốt vài điều kiện trong số đó từ lâu trước khi đạt đủ tất cả.

Demis Hassabis: AGI là toàn bộ phổ năng lực nhận thức của con người

Demis Hassabis, CEO Google DeepMind, giữ chuẩn cao hơn: AGI là hệ thống có mọi năng lực nhận thức mà con người có. Ông cho rằng AI cấp độ con người có thể đến trong thập niên này, nhưng cũng khẳng định các hệ thống hiện tại vẫn “chưa hề gần” AGI cấp độ con người. 33 38

Theo cách nhìn này, AGI không đơn thuần là cột mốc sản phẩm. Đó là ngưỡng khoa học về tính khái quát vững chắc: hệ thống không chỉ làm tốt bài thi hay một vài lĩnh vực nghề nghiệp, mà phải vận hành được trên toàn bộ bề rộng nhận thức của con người.

Jensen Huang: AGI là vượt con người trên diện rộng các bài kiểm tra

CEO Nvidia Jensen Huang sử dụng tiêu chuẩn thiên về benchmark hơn. Năm 2024, ông nói AGI có thể xuất hiện trong vòng 5 năm nếu được hiểu là AI có thể vượt con người trên về cơ bản mọi bài kiểm tra; các bài viết năm 2026 mô tả quan điểm của ông là AGI đã đạt được theo một chuẩn thực dụng lỏng hơn. 34

Ưu điểm của hướng tiếp cận này là dễ định lượng: bài kiểm tra cho ra điểm số. Nhưng giới hạn cũng rất rõ: vượt qua nhiều bài test không tự động chứng minh hệ thống có thể tự chủ đáng tin cậy trong thời gian dài, biết phán đoán đúng hoặc hoạt động an toàn giữa những tình huống lộn xộn của đời thực.

Không thể đặt các mốc thời gian này lên cùng một đồng hồ đếm ngược

Bốn người không chỉ dự báo ngày tháng khác nhau cho cùng một sự kiện. Họ đang nói về những đích đến khác nhau:

• Altman/OpenAI: năng lực tự chủ ở phần lớn công việc có giá trị kinh tế.
• Amodei/Anthropic: năng lực trí tuệ tầm Nobel trên diện rộng, kèm khả năng thực thi công việc số phức tạp một cách tự chủ.
• Hassabis/DeepMind: đầy đủ các năng lực nhận thức của con người.
• Huang/Nvidia: hiệu suất vượt con người trên các bài kiểm tra rộng khắp.

Một AI có thể dẫn đầu nhiều benchmark mà vẫn chưa tự hoàn thành công trình nghiên cứu kéo dài nhiều tuần. Nó cũng có thể tự động hóa một phần lớn công việc số mà chưa thể hiện toàn bộ năng lực nhận thức của một con người. Vì vậy, các mốc thời gian đi kèm những tuyên bố này không nên được hiểu là một cuộc đếm ngược AGI duy nhất.

Vì sao AGI ngày càng bị xem là khái niệm khó kiểm chứng?

Vấn đề không phải là năng lực AI không thể đo lường. Chúng hoàn toàn có thể đo lường. Điểm nghẽn là AGI chưa có một quy tắc đạt/trượt được quản trị độc lập và được chấp nhận rộng rãi.

Một đề xuất học thuật gọi AGI là khái niệm quan trọng nhưng gây tranh cãi, và vận hành hóa nó thành hệ thống ít nhất ngang con người ở đa số tác vụ. Cách nêu này cho thấy nỗ lực biến AGI thành thứ có thể đo, đồng thời phơi bày các câu hỏi chưa có lời giải: tác vụ nào, nhóm người nào, mức độ tin cậy bao nhiêu, và trong điều kiện nào? 50

Một phép thử công khai đáng tin cậy tối thiểu cần có:

1. Phân bố tác vụ được quy định rõ, thay vì tập hợp trình diễn thay đổi tùy lúc.
2. Ngưỡng hiệu suất và độ tin cậy, bao gồm tần suất thất bại.
3. Kiểm tra khả năng tự chủ dài hạn và dùng công cụ, không chỉ câu trả lời một lượt.
4. Biện pháp chống việc huấn luyện mô hình chỉ để vượt bài đánh giá.
5. Quyền tiếp cận đủ cho bên độc lập tái lập hoặc kiểm toán kết quả.

Nếu không có hạ tầng như vậy, AGI dễ trở thành một tuyên bố vị thế của chính những tổ chức có động cơ mạnh nhất để tự xác định vạch đích. AI Now Institute chỉ trích nhiều thước đo hiện có là hẹp, mơ hồ và có lợi cho bên tự đặt ra chúng. 62

Tranh cãi thuật ngữ thực chất là bài toán niềm tin

Cuộc tranh luận về AGI phản ánh vấn đề uy tín rộng hơn. Công ty có thể đưa ra các tuyên bố lớn về năng lực biến đổi xã hội, trong khi người lao động và khách hàng lại gặp những hệ thống chưa đồng đều, hay mắc lỗi hoặc khó triển khai một cách ổn định. Điều đó không chứng minh mọi dự báo dài hạn đều sai; nhưng các tuyên bố phi thường cần bằng chứng quan sát được và dự báo có thể bị buộc phải giải trình.

Tranh luận việc làm thể hiện rõ sức căng này. OpenAI nói AI sẽ định hình lại công việc, một số việc làm sẽ biến mất, song bằng chứng đến nay gợi ý AI đang thiên về hỗ trợ hơn là thay thế. 17 Những nhận định đó không nhất thiết mâu thuẫn: tự động hóa tác vụ, biến đổi nghề nghiệp và mất việc là ba kết quả khác nhau. Tuy vậy, niềm tin công chúng sẽ suy giảm nếu dự báo về thay đổi sâu rộng không đi kèm số liệu minh bạch về tác động thật lên thị trường lao động.

Từ nhãn AGI sang quản lý theo năng lực và rủi ro

Một mô hình quản trị mạnh hơn nên bớt tập trung vào việc tuyên bố hệ thống đã đạt AGI hay chưa, và tập trung vào chính xác năng lực cùng rủi ro mà nó tạo ra.

Cách tiếp cận AI Safety Levels của Anthropic dùng cấu trúc điều kiện rõ ràng: nếu mô hình thể hiện một năng lực nguy hiểm xác định, thì các biện pháp bảo vệ nhất định phải có trước khi triển khai hoặc mở rộng huấn luyện. 5 Khung chính sách sau đó của Anthropic kêu gọi minh bạch, đánh giá độc lập và quyền cho chính phủ ngăn chặn hoặc răn đe việc triển khai nguy hiểm. 10

Altman cũng từng kêu gọi xác thực từ bên ngoài và đánh giá rủi ro độc lập với các mô hình mạnh, gồm kiểm tra trước khi phát hành và công bố kết quả đánh giá. 49

Hassabis đề xuất một Cơ quan Tiêu chuẩn AI Biên giới do Mỹ dẫn dắt, lấy cảm hứng từ FINRA — tổ chức tự quản của ngành tài chính Mỹ, được ngành tài trợ nhưng chịu giám sát công. Cơ quan này sẽ đánh giá độc lập các mô hình AI biên giới trước khi phát hành. 52 Các báo cáo cho thấy điểm đồng thuận đang hình thành giữa một số lãnh đạo AI là bên thứ ba cần kiểm thử hệ thống tiên tiến và góp phần xây dựng tiêu chuẩn phục vụ chính sách. 51

Dù vậy, khoảng cách giữa đề xuất và thực thi bắt buộc vẫn rất lớn. Chỉ số An toàn AI năm 2026 của Future of Life Institute cho biết chưa có quy định hay tiêu chuẩn quốc gia mang tính ràng buộc nào nêu rõ rủi ro AI biên giới và quy trình đánh giá rủi ro tương ứng. 59

Một tuyên bố AI đáng tin cần cho công chúng thấy điều gì?

Câu hỏi hữu ích không phải là “AGI đã tới chưa?”, mà là: Mô hình này làm được gì, làm đáng tin đến đâu, có thể gây ra điều gì sai, và ai đã kiểm chứng độc lập các câu trả lời đó?

Hướng đi này đòi hỏi các yêu cầu theo năng lực cụ thể:

• giao thức đánh giá công khai với năng lực rủi ro cao về an ninh mạng, sinh học và lừa dối;
• kiểm thử độc lập, red-team trước khi triển khai;
• báo cáo độ tin cậy, sự cố và các thay đổi đáng kể trong điều kiện triển khai;
• biện pháp bảo vệ và giới hạn quyền truy cập gắn với ngưỡng rủi ro đã được chứng minh;
• hệ quả pháp lý khi không tuân thủ, thay vì chỉ dựa vào cam kết tự nguyện.

AGI có thể vẫn là một khát vọng mạnh mẽ, một thuật ngữ tiếp thị và một câu hỏi triết học. Nhưng nó là cái cớ yếu cho quản lý nếu lời tuyên bố không được hậu thuẫn bởi bằng chứng công khai. Niềm tin chỉ được xây dựng khi các nhà phát triển không thể tự đổi vạch đích, tự tuyên bố đã cán đích, rồi tự chứng nhận hệ thống của mình an toàn.