Cựu giám đốc AI Tesla: Học tăng cường rất kém, nhưng các phương pháp khác còn tệ hơn

[Vũ Nguyễn]

Mới đây, Kapathi, cựu giám đốc AI của Tesla và là một trong những thành viên sáng lập OpenAI, đã có một cuộc phỏng vấn dài gần 2 tiếng rưỡi, trả lời rất nhiều câu hỏi thú vị về AI, học máy và tương lai công nghệ.

Kapathi thẳng thắn: học tăng cường thực sự không hiệu quả như nhiều người nghĩ, thậm chí rất tệ. Nhưng đáng ngạc nhiên là các phương pháp khác lại còn tệ hơn.

Ông giải thích: trong học tăng cường, bạn sẽ thử hàng trăm cách giải quyết cho một vấn đề, và cuối cùng mới chọn ra câu trả lời đúng. Quá trình này rất “ồn ào” và không hợp lý vì nó củng cố cả những bước sai lầm, chỉ vì kết quả cuối cùng đúng.

Con người thì khác: khi tìm ra câu trả lời, chúng ta sẽ phân tích, đánh giá lại quá trình để rút kinh nghiệm, còn các mô hình AI hiện nay chưa làm được điều đó.

AGI (Trí tuệ nhân tạo tổng quát) sẽ mất ít nhất 10 năm nữa​

Khi được hỏi vì sao tương lai của AI không phải là “năm của đại lý” mà là “thập kỷ của đại lý”, Kapathi cho biết: các đại lý AI (agent) hiện tại như Claude hay Codex đã rất ấn tượng, nhưng vẫn chưa hoàn thiện để làm việc hiệu quả cùng con người.

Theo ông, để AI có thể hợp tác như một đồng nghiệp thực thụ - làm việc liên tục, học hỏi không ngừng và xử lý được các tác vụ phức tạp — thì cần ít nhất 10 năm nữa. Đó là khoảng thời gian để hoàn thiện những giới hạn về nhận thức, đa phương thức và khả năng vận hành máy tính

Vì sao Tesla mất nhiều năm để phát triển lái xe tự động?​

Kapathi từng dẫn dắt dự án tự lái của Tesla từ 2017 đến 2022. Ông chia sẻ rằng lái xe tự động là một bài toán cực kỳ khó, vì “bản demo” và sản phẩm thực tế cách nhau rất xa.

Lỗi nhỏ trong phần mềm lái xe tự động có thể dẫn đến hậu quả nghiêm trọng, không giống như các phần mềm thông thường. Ông nhấn mạnh “9 tiến bộ”, tức là để nâng độ tin cậy từ 90% lên 99% là một công việc cực kỳ gian nan, và Tesla chỉ mới đạt được vài mức 9 này trong suốt thời gian ông làm việc.

Mô hình hiện tại còn nhiều hạn chế, đặc biệt trong lập trình​

Kapathi cũng nói về việc sử dụng mô hình ngôn ngữ lớn (LLM) trong lập trình. Ông cho rằng có ba kiểu người dùng:

• Hoàn toàn không dùng LLM, viết mã thủ công.
• Nhóm trung gian, dùng LLM để hỗ trợ tự động hoàn thành.
• Hoàn toàn dựa vào mô hình để nhập yêu cầu và để AI viết mã.

Ông thừa nhận các đại lý AI hiện nay khá hiệu quả với các đoạn mã nhỏ, nhưng đối với kho mã phức tạp của ông thì vẫn cần sự tư duy sâu sắc và chính xác. Các LLM hiện tại thường sao chép các mẫu mã phổ biến trên mạng, làm phình to mã, tăng độ phức tạp, dùng API lỗi thời và gây ra mớ hỗn độn. Do đó, khả năng nhận thức và tư duy của LLM vẫn cần cải thiện nhiều.

Ngoài công nghệ AI, Kapathi còn là một nhà giáo dục toàn thời gian. Ông đang xây dựng một tổ chức giáo dục kỹ thuật hàng đầu với trải nghiệm cố vấn thực sự.

Ông lấy ví dụ về học tiếng Hàn: bắt đầu từ tự học, rồi học nhóm nhỏ, rồi đến gia sư riêng. Gia sư tốt giúp đánh giá đúng trình độ, đặt câu hỏi phù hợp và giúp học viên phát triển hiệu quả hơn.

Kapathi tin rằng AI hiện chưa thể làm được điều này, và ông muốn tạo ra những khóa học chất lượng cao như “LLM101N” và dự án “NanoChat” để giúp học viên có trải nghiệm học AI đỉnh cao.