Fei-Fei Li đặt cược vào AI có thể hiểu và tương tác với thế giới 3D

Fei-Fei Li không cho rằng chatbot đã lỗi thời. Lập luận của bà là ngôn ngữ chỉ là một phần của trí thông minh. Bước tiến lớn tiếp theo, theo Li, có thể là trí tuệ không gian — những hệ thống AI có khả năng hiểu, tạo ra, suy luận về và tương tác với thế giới ba chiều.

Đó cũng là nền tảng cho World Labs, startup do Li đồng sáng lập, và sản phẩm đầu tiên mang tên Marble. Thay vì chỉ xây dựng thêm một giao diện hội thoại, công ty muốn phát triển các mô hình có thể nắm bắt cấu trúc và quy luật của môi trường xung quanh.

“Trí tuệ không gian” nghĩa là gì?

Các mô hình ngôn ngữ lớn chủ yếu xử lý văn bản và những dạng dữ liệu tuần tự khác. Trong khi đó, hệ thống có trí tuệ không gian được thiết kế để biểu diễn môi trường — từ hình học, vật thể, quan hệ vật lý, chuyển động cho đến cách con người hoặc máy móc có thể hành động trong môi trường ấy. Li mô tả trí tuệ không gian là năng lực bổ sung cho trí tuệ ngôn ngữ, chứ không phải sự thay thế.

Sự khác biệt này rất quan trọng. Một hệ thống có thể mô tả căn phòng bằng lời chưa chắc đã xây dựng được mô hình nội tại đáng tin cậy về căn phòng đó, dự đoán quan hệ giữa các vật thể hay hoạt động an toàn bên trong. World Labs diễn giải mục tiêu của mình là chuyển từ nhận biết sang suy luận, từ nhìn thấy sang hành động.

Marble hiện thực hóa tầm nhìn của World Labs ra sao?

Marble là một mô hình thế giới đa phương thức, có thể tạo ra những môi trường 3D nhất quán về không gian, có độ trung thực cao và được duy trì ổn định từ các đầu vào như văn bản, hình ảnh và video. Những thế giới này có thể được khám phá và chỉnh sửa, thay vì chỉ tồn tại như một hình ảnh thoáng qua hoặc một câu trả lời bằng chữ.

Tính ổn định là phần cốt lõi trong ý tưởng sản phẩm. Một môi trường kỹ thuật số có thể được dùng làm bối cảnh cho kể chuyện và sáng tạo, hoặc làm không gian mô phỏng để hệ thống học hỏi, thử nghiệm quyết định và đánh giá hành vi. World Labs nêu các lĩnh vực ứng dụng gồm sáng tạo, mô phỏng, robot và khám phá khoa học.

Vì sao robot là ứng dụng rõ ràng nhất trước mắt?

Robot cần nhiều hơn những mệnh lệnh bằng lời. Chúng phải hiểu không gian, nhận biết vật thể và bề mặt, dự đoán chuyển động, rồi kết nối khả năng quan sát với hành động. Một thế giới 3D có thể điều hướng sẽ giúp nhà phát triển mô phỏng môi trường và kiểm tra hành vi của robot trước khi đưa máy móc vào thế giới thực.

Điều đó không có nghĩa Marble đã giải quyết được bài toán robot đa năng. Kết luận thận trọng hơn, phù hợp với các nguồn hiện có, là những mô hình thế giới không gian đang được phát triển như một lớp hạ tầng có thể hỗ trợ việc huấn luyện, mô phỏng và đánh giá robot.

Chẩn đoán hình ảnh y tế và sản xuất thường được xem là những lĩnh vực có tiềm năng cho AI không gian, bởi chúng liên quan đến cấu trúc 3D và các quy trình vật lý. Tuy nhiên, thông tin công khai về chương trình The Circuit ngày 19 tháng 8 chưa đủ để khẳng định rằng Li đã đưa ra những cam kết chi tiết về hai lĩnh vực này trong chính cuộc phỏng vấn đó. Đây là các khả năng đáng thảo luận, không nên được trình bày như tuyên bố chắc chắn của bà.

World Labs huy động hơn 1 tỷ USD và được Forbes vinh danh

Theo nội dung Forbes công bố về danh sách AI 50 năm 2026, World Labs đã huy động hơn 1 tỷ USD. Forbes cũng xếp công ty vào nhóm bốn doanh nghiệp do phụ nữ lãnh đạo trong danh sách và mô tả trọng tâm của công ty là trí tuệ không gian.

Khoản vốn này cho thấy nhà đầu tư quan tâm đến mô hình thế giới như một lớp hạ tầng AI tiềm năng, vượt ra ngoài cuộc đua mô hình ngôn ngữ hiện nay. Tuy vậy, số tiền huy động không tự nó chứng minh công nghệ sẽ trở thành một nền tảng thống trị hay các ứng dụng được đề xuất đã được chứng minh về mặt thương mại.

Li cảnh báo về cách công chúng đang nghe nói về AI

Trong cuộc phỏng vấn với Bloomberg, Li cho rằng các chuyên gia công nghệ cần truyền đạt hiệu quả cụ thể của AI tốt hơn. Bà cảnh báo làn sóng phản đối ngày càng tăng tại Mỹ có thể tạo ra hệ quả vượt ra ngoài nước này, do vai trò quan trọng của Mỹ trong hệ sinh thái công nghệ toàn cầu.

Đây không đơn giản là lời kêu gọi lạc quan hơn. Li muốn ngành công nghệ giao tiếp có kỷ luật hơn: một hệ thống thực sự làm được gì, những rủi ro nào phát sinh từ năng lực đó và ai có thể tiếp cận lợi ích của nó.

Thông điệp chính sách: tiếp cận, đầu tư và trách nhiệm

Quan điểm này phù hợp với cách tiếp cận AI lấy con người làm trung tâm mà Li theo đuổi trong nhiều năm. Bà từng kêu gọi hoạch định chính sách dựa trên bằng chứng, vai trò dẫn dắt của khu vực công, hợp tác quốc tế và phát triển có trách nhiệm.

Li cũng nhấn mạnh tầm quan trọng của việc mở rộng quyền tiếp cận năng lực tính toán, dữ liệu, hạ tầng nghiên cứu và giáo dục. Viện AI lấy con người làm trung tâm của Đại học Stanford cho rằng các trường đại học và tổ chức phi lợi nhuận cần được tiếp cận công bằng với nguồn lực tính toán mạnh và các bộ dữ liệu quy mô lớn. Trong khi đó, hoạt động của Li với AI4ALL tập trung vào tính hòa nhập và đa dạng trong giáo dục AI.

Mối quan tâm sâu xa là những lợi ích từ AI — cũng như khả năng định hình công nghệ — có thể tập trung vào một nhóm nhỏ doanh nghiệp hoặc cộng đồng. Vì thế, đầu tư công và giáo dục bao trùm không phải những vấn đề bên lề trong quan điểm của Li; chúng là một phần của cách phân phối thành quả AI rộng rãi hơn.

Kết luận

Tầm nhìn của Li muốn mở rộng AI từ những hệ thống chủ yếu nói về thế giới sang những hệ thống có thể mô hình hóa và hành động trong thế giới đó. World Labs và Marble là một biểu hiện ban đầu của lựa chọn này: các môi trường 3D bền vững, có thể chỉnh sửa, tiềm năng phục vụ công cụ sáng tạo, mô phỏng và robot.

Tuy nhiên, thông điệp này thận trọng hơn tiêu đề “vượt ra ngoài chatbot” có thể gợi lên. Trí tuệ không gian là một hướng đi được đề xuất cho biên giới tiếp theo của AI, không phải bằng chứng rằng mô hình ngôn ngữ đã đi đến hồi kết. Theo Li, tiến bộ cần được đánh giá bằng năng lực có thể đo lường, lợi ích trong thế giới thực, quá trình phát triển có trách nhiệm và quyền tiếp cận công bằng — thay vì những lời hứa không tưởng hay các dự báo tận thế.