Đồng sáng lập Anthropic dự đoán sự xuất hiện của "Trí tuệ nhân tạo tự phát triển" vào năm 2028 - ForkLog: tiền điện tử, AI, siêu trí tuệ, tương lai

# Đồng sáng lập Anthropic dự đoán sự xuất hiện của “Trí tuệ nhân tạo tự phát triển” vào năm 2028

Đến năm 2028, có thể xuất hiện các hệ thống AI có khả năng tự phát triển và đào tạo các thế hệ kế tiếp mà không cần sự can thiệp của con người. Dự đoán này được đưa ra bởi đồng sáng lập công ty Anthropic, Jack Clark

“Điều này rất quan trọng. Tôi không biết làm thế nào để nhận thức được điều đó. Tôi đến với kết luận này một cách miễn cưỡng, vì hậu quả quá lớn khiến tôi cảm thấy bị áp lực bởi chúng, và tôi không chắc xã hội đã sẵn sàng cho những thay đổi mà tự động hóa trong phát triển AI mang lại,” — ông nói

Clark mô tả kịch bản tự động hóa hoàn toàn các nghiên cứu AI — mô hình tự thực hiện:

• đặt ra các nhiệm vụ nghiên cứu;
• thiết kế các thí nghiệm;
• viết và kiểm thử mã;
• tối ưu hóa quá trình đào tạo;
• cải thiện kiến trúc của phiên bản AI tiếp theo

Chuyên gia gọi đây là “rào cản trong tương lai gần gần như không thể dự đoán” và ước lượng xác suất của kịch bản này là 60% trong hai năm tới

Căn cứ vào đâu để đánh giá

Kết luận của Clark dựa trên động thái của nhiều chỉ số chuẩn:

• SWE-Bench — bài kiểm tra giải quyết các nhiệm vụ kỹ thuật thực tế dựa trên kho lưu trữ GitHub. Cuối năm 2023, các mô hình tốt nhất xử lý khoảng 2% các trường hợp; đến mùa xuân 2026, tỷ lệ này đạt 94%;
• CORE-Bench — tái tạo kết quả các bài báo khoa học về AI với thiết lập môi trường, chạy mã và phân tích kết quả. Theo Clark, chỉ số này gần như “đóng cửa”: các tác nhân hiện đại đạt khoảng 95,5%;
• MLE-Bench — thực hiện các nhiệm vụ ML cấp độ Kaggle. Các hệ thống tác nhân tốt nhất đã đạt 64-65%.

Theo lời đồng sáng lập Anthropic, cả ba chỉ số đều cho thấy một điều: AI nhanh chóng chuyển từ việc viết mã từng phần sang thực hiện đầy đủ các nhiệm vụ kỹ thuật và nghiên cứu.

Tăng trưởng tính tự chủ

Một lý do nữa là thời gian thực hiện các nhiệm vụ mà các mô hình AI có thể hoàn thành mà không cần can thiệp của con người ngày càng dài hơn.

Theo dữ liệu METR, năm 2022, các hệ thống xử lý các nhiệm vụ chỉ mất vài chục giây của con người. Đến năm 2024, con số này tăng lên khoảng 40 phút, năm 2025 — đến sáu giờ. Hiện tại, các mô hình tiên tiến có thể thực hiện công việc kỹ thuật liên tục khoảng 12 giờ.

Clark liên kết điều này với sự phổ biến của các công cụ tác nhân cho lập trình. Thời gian mô hình giữ mục tiêu, kiểm tra kết quả trung gian và sửa lỗi càng lâu, thì càng có thể giao phó nhiều giai đoạn của chu trình nghiên cứu hơn cho nó.

Tại sao điều này quan trọng đối với phát triển AI

Chu trình phát triển AI hiện nay theo một mô hình duy nhất: nghiên cứu tài liệu, tái tạo kết quả, thu thập thí nghiệm, huấn luyện hoặc tinh chỉnh mô hình, kiểm tra các chỉ số, tìm ra điểm nghẽn và lặp lại. Sự tăng trưởng trên SWE-Bench, CORE-Bench và MLE-Bench cho thấy các mô hình đã xử lý được toàn bộ các phần của chu trình này.

Clark đặc biệt nhấn mạnh tiến bộ trong các nhiệm vụ chuyên biệt hơn. Ví dụ, AI bắt đầu được sử dụng để thiết kế lõi GPU — mã code xác định hiệu quả của quá trình huấn luyện và suy luận của các mô hình trên phần cứng cụ thể

Một hướng khác là tinh chỉnh các mô hình. Trong bài kiểm tra PostTrainBench, các hệ thống AI cải thiện các LLM nhỏ mã nguồn mở

Tính đến mùa xuân 2026, các mạng nơ-ron tốt nhất đạt được 25-28% mức tăng trưởng mục tiêu (so với 51% của các nhóm người). Clark cho rằng kết quả này là đáng kể: mục tiêu được đặt ra dựa trên các mô hình hướng dẫn thực tế, do các nhà nghiên cứu có kinh nghiệm tạo ra.

Anthropic đã đo lường cách các mô hình của họ tối ưu hóa quá trình huấn luyện LLM trên CPU. Trong một năm, tốc độ tăng đã tăng từ 2,9 lần (Claude Opus 4) lên 52 lần (Claude Mythos Preview). Đối với con người, để thực hiện nhiệm vụ tương tự thường mất từ bốn đến tám giờ.

AI đã bắt đầu học cách điều khiển AI

Clark lưu ý rằng các hệ thống hiện nay bắt đầu phối hợp công việc của các tác nhân khác. Phương pháp này đã được sử dụng trong các sản phẩm như Claude Code hoặc OpenCode: một trợ lý phân chia nhiệm vụ giữa nhiều trợ lý con, kiểm soát chúng và tổng hợp kết quả

Đối với phát triển AI, điều này rất quan trọng: chúng hiếm khi là một nhiệm vụ tuyến tính — thường là hàng chục quá trình song song, bao gồm viết mã và thiết lập môi trường. Nếu mô hình bắt đầu tự quản lý các vòng này, mức độ tham gia của con người sẽ giảm rõ rệt

AI có cần sự sáng tạo không?

Theo đồng sáng lập Anthropic, một trong những câu hỏi then chốt là: phát triển AI giống như khám phá lý thuyết tương đối tổng quát hay như lắp ráp Lego.

Clark thừa nhận rằng các LLM hiện tại chưa thể tạo ra các ý tưởng khoa học mới mang tính nguyên bản. Tuy nhiên, để tự động hóa phần lớn R&D AI, điều này có thể không bắt buộc

“Phần lớn AI tiến bộ qua việc thực hiện có hệ thống một chu trình nào đó do con người thực hiện: lấy một hệ thống hoạt động tốt, mở rộng một khía cạnh của nó, xem xét các lỗi khi mở rộng và sửa chúng. Điều này đòi hỏi rất ít ý tưởng mới lạ, và phần lớn quá trình này giống như công việc kỹ thuật thô sơ không mấy hấp dẫn,” — chuyên gia nói

Những dấu hiệu ban đầu của đóng góp khoa học

Clark cho rằng các mô hình AI đã bắt đầu xuất hiện các dấu hiệu sơ khai của trực giác khoa học. Ông đưa ra một số ví dụ trong toán học và khoa học máy tính:

• một nhóm toán học sử dụng Gemini đã kiểm tra khoảng 700 bài toán của Erdős và tìm ra 13 lời giải, trong đó một số được các nhà nghiên cứu gọi là “đóng góp hơi phức tạp” cho một vấn đề mở;
• các nhà khoa học từ Đại học British Columbia, Đại học New South Wales, Stanford và Google DeepMind đã công bố một chứng minh toán học do các công cụ dựa trên Gemini hỗ trợ đáng kể.

Điều gì xảy ra nếu dự đoán đúng

Clark nhấn mạnh rằng các phòng thí nghiệm AI lớn nhất đã hướng tới tự động hóa nghiên cứu. OpenAI dự định tạo ra một AI thực tập để tự thực hiện hoạt động khoa học, trong khi Anthropic phát hành các công trình về tự động hóa tinh chỉnh theo các giá trị con người

Nếu tốc độ hiện tại duy trì, ngành công nghiệp sẽ chuyển sang giai đoạn tự động hóa hoàn toàn các phát triển AI, dự đoán chuyên gia — bắt đầu một chu trình, trong đó mỗi thế hệ AI mới thúc đẩy sự xuất hiện của thế hệ tiếp theo.

Theo ông, nếu đến cuối năm 2028, quá trình chuyển đổi này diễn ra, thế giới không chỉ đối mặt với một bước nhảy công nghệ. Các câu hỏi về an toàn, phân phối vốn, vai trò của lao động con người và kiểm soát các hệ thống bắt đầu phát triển nhanh hơn cả các nhà sáng tạo của chính chúng.

“Nếu tôi phải dự đoán xác suất xảy ra vào năm 2027, tôi sẽ nói là 30%. Nếu đến cuối 2028 chúng ta chưa thấy điều này, tôi nghĩ rằng sẽ có một số thiếu sót trong mô hình công nghệ hiện tại, và để tiến lên phía trước, cần có sáng kiến của con người,” — Clark kết luận

Nhắc lại, vào tháng 1, CEO của Anthropic, Dario Amodei, đã dự đoán sự xuất hiện sớm của AGI và sự giảm sút của việc làm