TRí TUỆ NHÂN TẠO LỪA MỊ (POTEMKINE[*]) VÀ TƯƠNG LAI CỦA VIỆC LÀM, MỘT CUỘC ĐÀM THOẠI VỚI ANTONIO CASILLI
Trí tuệ nhân tạo phải chăng là
một mẹo lừa bịp?
Theo Antonio Casilli, có một sự liên tục giữa các không gian làm việc chất lượng thấp trong đó các dữ liệu được sản xuất và những không gian trong đó cơ sở tài nguyên quặng mỏ của trí tuệ nhân tạo được khai thác. Đã đến lúc thoát ra khỏi huyền thoại và suy nghĩ về sự khớp nối chặt chẽ giữa các cơ sở hạ tầng về con người và cơ sở hạ tầng vật chất của trí tuệ nhân tạo.
Tác giả: Victor Storchan[1]
Thiết diện của “người máy chơi cờ” (Turc mécanique) theo Racknitz với vị trí được cho là của người thao tác (1789), Thư viện Đại học Humboldt.
Các công trình của Antonio Casilli mô tả những công việc ghi chú cực nhỏ được thực hiện bởi “những người lao động tầm thường của trí tuệ nhân tạo”, cần thiết cho việc phát triển các ứng dụng như Chat GPT và ta thường không thấy chúng. Cần thiết cho việc thực hiện các kỳ tích nổi bật của trí tuệ nhân tạo, chúng tương đối hóa tầm quan trọng của “trí tuệ” và nhất là tính độc lập của nó đối với một hệ thống được xây dựng dựa trên nền tảng của công việc ít được đánh giá cao của con người vốn duy trì và thúc đầy thêm những bất bình đẳng trên quy mô lớn.
Cuộc đàm thoại này là phần 3 của loạt bài của chúng tôi “Những sức mạnh của trí tuệ nhân tạo”.
Có phải ông nói rằng chúng ta đang đi vào một kỷ nguyên mới đối với trí tuệ nhân tạo với những LLM (Large language model – mô hình ngôn ngữ lớn -) và generative AI (trí tuệ nhân tạo tạo sinh)? Bill Gates khẳng định rằng ChatGPT sẽ thay đổi thế giới trong khi Yann LeCun cho rằng chẳng có gì là cách mạng cả. Ông có nghĩ rằng chúng ta đang ở một thời điểm chuyển hướng? Ông thấy lịch sử gần đây của trí tuệ nhân tạo như thế nào?
.jpg) |
| Yann LeCun (1960-) |
.jpg) |
| Antonio Casilli (1972-) |
Tôi không lập luận trên phương diện diễn biến của hệ hình mà là trên phương diện các xu hướng lịch sử và kinh tế-xã hội diễn ra qua thời gian. Từ quan điểm đó, các LLM không tượng trưng cho một sự thay đổi triệt để, trong chừng mực đó là sự học máy với một cường độ rất cao các dữ liệu. Đó là những mô hình càng ngày càng phát triển quá mức, với hàng nghìn tỷ thông số - không phải cho ChatGPT mà là cho Google Tense Flow và Alibaba chẳng hạn. Ta đã thấy điều như vậy từ mười lăm năm nay.
Tôi phân tích xã hội dân sự qua lăng kính xã hội học của tôi nhưng ta không thể bỏ qua sự việc là đã có một cú sốc ngoại sinh là Covid. Đại dịch đã là thời điểm của sự hùng biện của môi trường chung quanh, của diễn ngôn phụ họa và của những yếu tố của ngôn ngữ tiếp thị tiếp sức sống mới cho những bài báo tầm thường, có tính lặp lại đều đặn và cho các khẩu hiệu vốn đã tồn tại cách đây mười năm. Vào thời kỳ của làn sóng thứ nhất, người ta nói về dữ liệu lớn (Big Data), rồi các thuật toán; bây giờ, trong ngôn ngữ thông thường, người ta chỉ nói về trí tuệ nhân tạo. Đại dịch đã là một giai đoạn mà do bị giới hạn sự di chuyển của dân cư và hàng hóa, người ta đã phải tìm đến những phương pháp phân tích các hoạt động không thể thực hiện được với sự có mặt trực tiếp. Ta đã chứng kiến sự nở rộ các giải pháp làm việc từ xa. Trí tuệ nhân tạo đã được sử dụng cho việc ấy, mà trong thực tế, trong phần lớn các trường hợp, người ta đã ủy thác những công việc này cho những người ở cách xa hàng ngàn cây số. Cùng với nhóm của tôi, từ nhiều năm công việc của chúng tôi bao gồm việc đi vòng quanh thế giới để gặp gỡ những con người làm trí tuệ nhân tạo.
Như vậy sự thay đổi dường như có phần nghiêng về số lượng hơn là chất lượng, xét về các nguồn lực. Xin ông có thể mô tả những công việc cực nhỏ đó là gì, và chúng là tối cần thiết cho việc sản xuất các mô hình trí tuệ nhân tạo chẳng hạn như ChatGPT ngày nay?
Có ba loại công việc cực nhỏ: việc dùng để sửa chữa trí tuệ nhân tạo, việc kiểm chứng trí tuệ nhân tạo và việc bắt chước trí tuệ nhân tạo. Các công việc cực nhỏ là những việc của công nghệ thông tin, được thực hiện qua trung gian các nền tảng máy tính; chúng bao gồm việc xử lý những khối lượng lớn các dữ liệu bằng cách tách nhỏ chúng và tạo thành vô số dự án nhỏ. Hàng triệu người trên thế giới đã đảm nhiệm công việc này, theo ước lượng của các đồng nghiệp của chúng tôi ở Oxford.
Có ba loại công việc cực nhỏ: việc dùng để sửa chữa trí tuệ nhân tạo, việc kiểm chứng trí tuệ nhân tạo và việc bắt chước trí tuệ nhân tạo.
ANTONIO CASILLI
Ví dụ, đó là tạo ra những mẫu đối thoại trong một ngôn ngữ nhất định, những hình ảnh thú vật hay thức ăn. Những dữ liệu này cần được làm phong phú thêm bởi những công việc cực nhỏ phục vụ cho việc chuẩn bị trí tuệ nhân tạo để ghi chép ký hiệu các dữ liệu. Cùng một tấm ảnh thú vật phải được dán nhãn – đó là những con chó? hay những con mèo? – để cung ứng cho những cơ sở dữ liệu không lồ và chúng sẽ phục vụ cho các thuật toán để thực hiện việc học máy tự động.
Còn có những công việc kiểm chứng cực nhỏ: ví dụ, xem máy có nhận biết rõ một ngôn ngữ nào đó và như vậy kiểm chứng xem ngôn ngữ được cung cấp cho cuộc đàm thoại đó là đúng hay không. Với ChatGPT, những người dùng thử có thể gửi những câu lệnh ngắn (prompts) và được khuyến khích đưa hình các ngón tay cái giơ lên hoặc hạ xuống để cho thấy rằng họ đồng ý hay không đồng ý với văn bản được tạo ra. Trong trường hợp này, công việc kiểm chứng cực nhỏ này không được trả công, nhưng những người khác làm cùng công việc ấy lại được trả công.
Hoạt động thứ ba – hoạt động gây sợ hãi – bao gồm những công việc bắt chước cực nhỏ của trí tuệ nhân tạo. Từ một quan điểm nhất định nào đó, chúng xuất phát từ sự gian lận đối với trí tuệ nhân tạo, hay trí tuệ nhân tạo giả (artificial artificial intelligence). Xa hơn về thời gian, ta có thể nghĩ đến người máy chơi cờ (turc mécanique), vốn là một người chơi cờ tự động giả hiệu, vì một người thật giấu mình dưới máy. Trong các cuộc điều tra của chúng tôi, chúng tôi gặp những doanh nghiệp làm trí tuệ nhân tạo giả - vì đó là gian lận thương mại hay vì đó là một phần của nghề nghiệp.
Khái niệm đường rãnh (groove concept) thường được thực hiện nhờ sự trợ giúp của một con người giả bộ là một trí tuệ nhân tạo. Phương pháp được biết đến gọi là nhà ảo thuật xứ Oz, nó gồm có hai cái máy mà ta kết nối – một máy được một người sử dụng thật dùng và máy kia là một cái máy giả bộ – như trong phép thử Turing, phương pháp này tồn tại từ gần năm mươi năm nay. Điều này ai cũng biết, cho dù nó luôn luôn gây sợ hãi khi ta nói nó ra. Người ta luôn cáo buộc chúng tôi có phần cường điệu, nhưng thực ra ba loại công việc cực nhỏ này là có hệ thống, bao gồm cả các công việc bắt chước. Thỉnh thoảng, khi máy bị trục trặc và trí tuệ nhân tạo không hoạt động, một số người có thể hỗ trợ một ít cho các thuật toán.
Đó là ba loại công việc tạo nên những đóng góp của con người vào hoạt động của các công cụ tìm kiếm bởi trí tuệ nhân tạo. Những công việc này sẽ tiếp tục cần thiết chừng nào ta còn tiếp tục học máy (machine learning). Ta cũng có thể hy vọng hệ hình thay đổi và ta chuyển qua một hệ hình học tập khác, nó có thể trở thành đối thủ cạnh tranh (rival) quan trọng của sự học tượng trưng – hoặc sáng tạo ra một cái gì hoàn toàn mới; nhưng hiện nay, chúng ta đang trong một tình trạng được đặc trưng bởi một khối lượng khổng lồ công việc của con người và khối lượng này phải được liên tục nạp thêm cho sự vận hành hạ tầng của trí tuệ nhân tạo.
Chúng ta đang trong một trình trạng được đặc trưng bởi một khối lượng khổng lồ công việc của con người và khối lượng này phải được liên tục nạp thêm cho sự vận hành hạ tầng của trí tuệ nhân tạo.
ANTONIO CASILLI
Công việc này, bề ngoài có vẻ như phần lớn những người có các năng lực cơ bản đều có thể tiếp cận được, lại gia tăng một số bất bình đẳng, đặc biệt là bất bình đẳng giới. Tại sao?
Trước tiên, cần nhắc lại là người ta đã làm được công việc cực nhỏ này như thế nào. Nếu ngày nay một người muốn bắt đầu làm công việc cực nhỏ thì trước hết người đó phải biết hướng về đâu. Có nhiều cách, cách đơn giản nhất là thông qua các nền tảng trên internet. Chúng tương tự như các trang web thông báo tuyển dụng truyền thống, chỉ trừ không thông báo các công việc chính thức. Đó là việc làm tự do (freelancing) đến cực độ vì người ta có thể tuyển dụng bạn trong một phút để xem 15 tấm hình hay để viết một bình luận trên một công cụ tìm kiếm. Bạn được trả vài xu, thậm chí vài đô la. Lạm phát gia tăng, ảnh hưởng đến những công việc cực nhỏ này. Cách đây 15 năm, chúng được trả vài xu; bây giờ chúng bắt đầu được trả chừng một đô la. Khi ta ước lượng, ta thấy rằng số trung vị là khoảng 2 đô la/giờ. Những người này được tuyển dụng không có hợp đồng, chính xác mà nói không có thời gian làm việc, họ được trả theo vài phút họ làm việc.
Vài tháng sau khi phát hành ChatGPT, tạp chí Time đã phát hiện là có những người ở Kenya làm loại công việc cực nhỏ này, và được trả từ 1,34 đến 2 đô la/giờ. Những công việc cực nhỏ này cho thấy một sự thay đổi trong cách vận hành của chúng ta; một phần của các hoạt động này nằm ngoài văn hóa ăn lương của chúng ta, nằm ngoài sự bảo vệ của Luật lao động.
Một số bất bình đẳng đã biểu lộ rõ ràng hơn trong các nhóm dân cư dễ bị tổn thương và bị gạt ra ngoài lề, và họ đã gặp nhiều khó khăn trong trong tiếp cận thị trường việc làm. Tại các nước giàu hơn ở phương Bắc, phụ nữ có phần đông hơn trong số những người làm việc trên loại nền tảng này. Tại Pháp, trong cuộc điều tra năm 2019 vừa qua, 56% những người làm công việc cực nhỏ là phụ nữ. Thế nhưng họ tuyệt đối là những người có thu nhập thấp nhất; những người tìm đến loại hoạt động này cần bổ sung lương chính của họ, vì họ làm việc bán thời gian. Trong điều tra của chúng tôi, họ phần lớn là những phụ nữ đơn thân với một đứa con. Họ phải sắp xếp khéo léo giữa công việc chính của họ, công việc cực nhỏ, công việc nhà và chăm sóc con cái. Trong hoàn cảnh đó, họ không có thì giờ để chú tâm vào việc tìm kiếm những công việc cực nhỏ tốt hơn hay để được huấn luyện; vì vậy họ là những người làm công việc cực nhỏ được trả công ít nhất.
Tại Venezuela, mức lương trung bình trên toàn quốc là vào khoảng 5 đô la/tháng. Nếu những người này có thể kiếm được từ 2 đến 3 đô la/tháng thì có thể xem là một nguồn thu bổ sung tốt.
ANTONIO CASILLI
Thật vậy, ta nhận thấy có một hiệu ứng của sự leo thang trong phân biệt đối xử về kinh tế cộng thêm vào phân biệt đối xử về giới. Có những loại phân biệt đối xử khác, nghiêm trọng hơn vì chúng lớn hơn; ví dụ, những phân biệt đối xử liên quan đến nguồn gốc, ngôn ngữ hay những chiều kích khác của đặc điểm dân tộc của người ta. Ở đó ta nói về một công việc có xu hướng tạo ra những chuỗi gia công quốc tế. Những nước mà ta tìm thấy nhiều người sẵn sàng làm việc với tiền công thấp là những nước có thu nhập thấp. Những năm vừa rồi, nhóm điều tra viên của tôi đã đi đến Ai Cập, Madagascar, Venezuela, Chi Lê và Colombia, ta quan sát thấy tình hình những nước này rất khác nhau. Mặt khác, ở những nước ấy, tuyệt đại bộ phận những người trên các nền tảng này là nam giới.
Trong một thị trường lao động cực kỳ cạnh tranh ở đó việc tiếp cận việc làm không được bảo đảm cho tất cả mọi người, thì chính là những người có lợi thế nhất mới tìm công việc cực nhỏ. Tất nhiên, cũng có nhiều tình tiết nhẹ hơn, nhưng do các mức thù lao và chi phí sinh hoạt (thấp) tại các nước này, việc cực nhỏ vẫn là một công việc có chất lượng cao. Tại Madagascar, những người làm công việc cực nhỏ có thể đạt một mức lương 95 euro/tháng – không đủ để sống ở một thành phố lớn như Tananarive. Tại Venezuela, mức lương trung bình trên toàn quốc là vào khoảng 5 đô la/tháng. Nếu người ta có thể kiếm được từ 2 đến 3 đô la/tháng thì có thể xem là một nguồn thu bổ sung tốt, huống chi đây là nguồn thu từ một loại tiền tệ ổn định, khác với đồng bolivar, tiền tệ địa phương, bị mất giá mỗi ngày.
Ông có nghĩ rằng sự tạm bợ của những người làm việc về lao động kỹ thuật số (digital labor) liên quan đến những nỗ lực được thực hiện để che giấu sự lệ thuộc của trí tuệ nhân tạo đối với nguồn nhân công này – có phần như người thao tác trong người máy chơi cờ Turc, ẩn mình dưới bàn cờ?
Càng ngày tôi càng không chắc rằng ta đối diện với một tình trạng mà chỉ một nhân tố, một biến số tác động đến bối cảnh này, dù sao nó cũng khá phức tạp. Quả thực có một yếu tố liên quan đến loại công việc phải thực hiện. Trong mười lăm năm qua, ta đã chứng kiến một sự thay đổi cách thông tin được xử lý. Sở dĩ ngày trước ta tìm các chuyên gia chú thích trong quản trị các dữ liệu, thì đó là để huấn luyện các hệ thống. Với làn sóng ồ ạt của học máy, ta đã thay đổi phương pháp. Không còn những chuyên gia phải huấn luyện các máy này.
Sở dĩ ngày trước ta tìm các chuyên gia chú thích trong quản trị các dữ liệu, thì đó là để huấn luyện các hệ thống. Với làn sóng ồ ạt của học máy, ta đã thay đổi phương pháp. Không còn những chuyên gia phải huấn luyện các máy này.
ANTONIO CASILLI
Những người này được yêu cầu làm những chú thích không quá tinh vi; vì vậy người ta đánh giá công việc cực nhỏ là một công việc chất lượng thấp; nhưng trong thực tế, cần đào tạo cho việc này. Đó là một sự đào tạo để đưa ra những nhận định thông thường về các dữ liệu. Đó là con chó hay con mèo? Cuộc đối thoại trong trích đoạn âm thanh này là của một người đang thì thầm hay của một người đang la hét? Đó thường là những hoạt động, vì chúng liên hệ đến lẽ thông thường, cần huy động một nhóm cho phần trung tâm của sự phân phối: thế nhưng bạn cần có một mẫu quan trọng những người thực hiện công việc này để có thể đạt được phần trung tâm này.
Tôi có thể hình dung rằng cái nghề của bạn được cấu trúc bằng cách tạo ra khoảng cách đối với những tri thức không có chuyên môn cao, đó là điều sơ đẳng (b.a-ba) của lịch sử các nghề nghiệp. Mọi nghề nghiệp, kể cả nghề của các nhà thuật toán, nhà khoa học dữ liệu (data scientist) hay chuyên gia về trí tuệ nhân tạo đều phải giải thích để sáng tạo ra giá trị với năng lực mà nó huy động không phải trong tầm với của tất cả mọi người.
Khi đã hiểu từ “tất cả mọi người” như vậy, đó là hàng trăm ngàn người làm những công việc cực nhỏ khắp nơi trên thế giới, họ tham gia vào đúng cùng một nghề, cùng một dây chuyền sản xuất, nhưng trái lại bị xem là những người không có chuyên môn. Tôi còn nhớ những lời đặc biệt gay gắt thốt ra từ một kỹ sư hãng IBM trong một cuộc đối thoại bên lề một hội thảo, khi tôi nói với ông rằng chúng tôi đang nghiên cứu công việc cực nhỏ; “À, cái đó chẳng là gì cả, đó là những người Ấn Độ tội nghiệp, quét rác sau khi chúng tôi đã kết thúc”. Anh ta đồng hóa họ một cách gia trưởng và gay gắt với những công nhân vệ sinh làm công việc lau chùi. Theo tôi hiểu đó là một điều gì đó đặc biệt mạnh đã góp phần vào việc che khuất công việc này. Tại các nước phát triển, những lao động này là vô hình vì ta không thấy họ. Họ sống ở Madagascar, Venezuela, Colombia, họ làm việc trong các quán cà phê có kết nối internet (cybercafé), tại nhà hay tại những trụ sở công ty có uy tín. Ở thủ đô của Madagascar có trọn những khu phố có một “con đường hidrocacbon” lớn xuyên qua, một khu công nghiệp ở đó ta tìm thấy nhiều doanh nghiệp và nền tảng máy tính đang làm công việc này.
Tăng trưởng to lớn của năng suất lao động luôn luôn gây ra những nỗi sợ, đôi khi phi lý. Năm 2013, Osborne và Frey đã dự báo có 47% số việc làm ở Mỹ sẽ bị mất đi vì trí tuệ nhân tạo và các người máy. Quan điểm của ông là gì? Có phải chúng ta đang trong một chu kỳ cổ điển kiểu Schumpeter của sự “phá hủy sáng tạo”, hay ở một thời điểm thay thế bởi người máy?
.jpg) |
| Joseph Schumpeter (1883-1950) |
Chúng ta đang trong một quá trình trở thành tạm bợ và thay thế nhiều người bằng những người khác ít được bảo vệ hơn nhiều. Điều mà Osborne và Frey đã nói trong phúc trình này đã nhanh chóng bị nghi ngờ bởi hầu như toàn bộ cộng đồng khoa học. Năm 2019, năm bắt đầu cuộc khủng hoảng y tế, tình hình của chúng ta là việc làm không giảm sút; như vậy may mắn là sự sút giảm việc làm không diễn ra. Cũng như vậy, ngày nay với cuộc khủng hoảng địa chính trị ở châu Âu và một cuộc khủng hoảng y tế, tình hình là chúng ta không ở trong viễn cảnh mất 47% số việc làm trong vòng 7 năm tới.
Ngược lại, ta thấy có hai xu hướng: xu hướng thứ nhất là một xu hướng lâu dài xói mòn các quyền và những lợi ích an sinh xã hội đã đạt được về lao động. Đó là một dự án chính trị của các phe hữu bảo thủ trong hầu hết các nước trên thế giới. Khi nói về người lao động ít được bảo vệ hơn cũng có nghĩa là lương thấp hơn, và khi nói về lương thấp hơn thì có nghĩa là một phần quan trọng của giá trị được tạo ra sẽ về tay các nhà đầu tư; vậy là họ đồng ý với loại dự án này. Theo quan điểm của tôi, trí tuệ nhân tạo không phải là con ngựa thành Troy mà là một mưu chước xói mòn các lợi ích an sinh xã hội đã đạt được. Mục đích tối hậu là khép công việc còn lại vào kỷ luật. Tôi không phủ nhận là các việc làm sẽ bị mất đi nhưng một việc làm bị mất không có nghĩa là một robot bắt tay vào việc. Điều đó đặc biệt muốn nói lên rằng nó tương đương với 56.000 người làm công việc cực nhỏ ở hầu hết khắp nơi trên thế giới. Tiếc thay đó là điều mà ta đã thấy xuất hiện ngay cả trong cơ quan công quyền, chứ không chỉ các đại doanh nghiệp của Pháp. Những hứa hẹn về tự động hóa che giấu các dự án về công việc cực nhỏ mà phía các nhà đầu tư thu lợi từ những gì họ sẽ cho gia công tại các nước khác.
Những hứa hẹn về tự động hóa che giấu các dự án về công việc cực nhỏ mà phía các nhà đầu tư thu lợi từ những gì họ sẽ cho gia công tại các nước khác.
ANTONIO CASILLI
Có một tình tiết mà tôi muốn nhấn mạnh: phải phân biệt giữa người máy hóa (robotisation) và tự động hóa trí tuệ. Người máy có nhiệm vụ thay thế sự cố gắng của con người. Đó là trường hợp từ nhiều thế kỷ nay. Suy nghĩ về các máy móc vào thời Phục Hưng và cuối thời kỳ Trung Cổ đã thấy chúng là một phương tiện giảm bớt cố gắng về thể lực của con người. Người máy có xu hướng thay thế con người thực hiện một công việc về thể lực. Ngược lại, trí tuệ nhân tạo – và nhất là tự động hóa về trí tuệ, với một thành phần rất mạnh các thao tác được thực hiện với các dữ liệu – không có sứ mệnh thay thế công việc của con người. Trái lại, nó có nhiệm vụ bổ sung, tích hợp, cải thiện và làm mới công việc của con người. Trên quan điểm đó, ta không thể bỏ qua công việc của con người. Sẽ không thấy những cái gọi là gia tăng năng suất lao động như đã hứa hẹn nếu ta nhìn các thống kê trên quy mô toàn cầu. Tỷ lệ gia tăng của năng suất lao động là thấp nhất trong 20 năm vừa qua. Đó là một điều chưa từng được nghĩ đến, nó không giống với một chu kỳ theo lý thuyết của Schumpeter. Đúng hơn đó là một sự lao dốc hay một vệt dài tiếp theo sau một đường cong hàm Gauss nếu ta xem diễn biến của tỷ lệ gia tăng của năng suất khớp nối với sự tăng trưởng của năng suất trong những năm gần đấy như thế nào.
Trong Atlas trí tuệ nhân tạo (Atlas of AI), Kate Crawford nêu vấn đề tính chất thực sự của sự hợp tác giữa người và máy. Sự hợp tác này đặc biệt phản ánh một sự không đối xứng về quyền lực và nó không được thương thảo một cách sòng phẳng. Bà nói về sự cam kết miễn cưỡng – ví dụ ta có thể nghĩ đến những người làm việc trên các nền tảng máy tính về giao hàng. Làm thế nào để ta có thể suy nghĩ về tự động hóa mà bao gồm sự tham gia của con người vào lúc thiết kế các hệ thống này?
 |
| Kate Crawford |
Công trình của Kate Crawford và của tất cả những người chung quanh bà là rất quan trọng, nhất là bởi vì đó là một lối ra. Những quyển sách như Atlas of IA nhấn mạnh khía cạnh trí tuệ nhân tạo không chỉ là phi vật chất. Trái lại, đó là một cơ sở hạ tầng toàn cầu, trải dài trên hàng chục ngàn cây số và liên quan đến hàng trăm triệu con người. Hạ tầng này rõ ràng là có vật chất, với các dữ liệu và thuật toán, nhưng còn là pin, lithium, cobalt, các đất hiếm và thiếc. Theo ý tôi, một trong những lối ra khả dĩ là suy nghĩ về sự khớp nối phần vật chất – những thiết bị trí tuệ - và phần phi vật chất – các dữ liệu. Đó là những nghiên cứu có phần gián tiếp so với các hoạt động của chúng ta, nhưng bên cạnh công việc của chúng ta về những người làm việc cực nhỏ trên máy tính, chúng ta sẽ thấy điều gì đang diễn ra trong các mỏ nickel và cobalt hay trong các mỏ lithium.
Một trong những lối ra khả dĩ là suy nghĩ về sự khớp nối phần vật chất – những thiết bị trí tuệ - và phần phi vật chất – các dữ liệu.
ANTONIO CASILLI
Có một sự liên tục giữa các không gian nơi các dữ liệu được tạo ra và nơi cơ sở khoáng sản của trí tuệ nhân tạo được khai thác. Cần phải bắt đầu suy nghĩ một cách toàn diện về việc quản trị các chuỗi sản xuất này. Đó không chỉ là vấn đề những người sử dụng cuối cùng, những người sử dụng đang ở các nước phát triển của thế giới và có quyền phát biểu hoặc quyền tác động đến thuật toán. Khi ta ở giai đoạn thuật toán là ta đã ở khâu cuối cùng của chuỗi sản xuất. Những thiệt hại đã xảy ra rồi, những vấn đề đã xảy ra rồi ở nơi khác, và ta không chắc có thể giải quyết chúng. Phải đi ngược lên phía trên của chuỗi sản xuất và giải quyết vấn đề trên toàn bộ chuỗi. Các tập đoàn đa quốc gia về trí tuệ nhân tạo và về công nghệ cũng cần cố gắng để tôn trọng các luật lệ hiện hành. Đã có những văn bản ủng hộ trách nhiệm xã hội và trách nhiệm môi trường của các tập đoàn đa quốc gia. Ví dụ những doanh nghiệp ngành dệt chịu trách nhiệm về mọi sự diễn ra trong suốt dây chuyền sản xuất. Họ chịu trách nhiệm phải tôn trọng một số tiêu chuẩn và luật lệ. Tại sao các công ty công nghệ lại không tuân thủ cùng một loại ràng buộc như vậy? Đây là câu hỏi còn bỏ ngỏ.
Tôi sẵn sàng tưởng tượng ra những điều không tưởng lớn lao, một thế giới quốc tế hóa rộng lớn, những nền tảng vô chính phủ được tổ chức theo một mô hình liên bang. Nhưng trước hết, hãy làm thế nào để các luật lệ đã tồn tại và bảo vệ có hiệu quả những người phải chịu sự biến đổi này được tôn trọng, và ta thực sự bắt đầu bằng cách hạn chế kiểu thiệt hại này ngay bây giờ.
Trong một ghi chú trên blog, Sam Altman đề nghị một cuộc cải cách chủ nghĩa tư bản và phân phối lại của cải trong một thế giới mà trí tuệ nhân tạo một mình nó sản xuất hầu hết của cải và dịch vụ. Ông ấy đề nghị đánh thuế lợi tức của tư bản hơn là của lao động, vì chúng tạo ra ít giá trị kinh tế hơn theo nghĩa mà ta hiểu ngày nay – nghĩa là đánh thuế những doanh nghiệp với mức 2,5% trên giá trị được tạo ra mỗi năm, có thể được trả bằng cổ phần và phân phối lại cho những công dân trưởng thành. Ông hình dung như thế nào những hệ quả về chính sách của một doanh nghiệp trí tuệ nhân tạo và có phải đây là một câu hỏi hợp lý để đặt ra bây giờ?
.jpg) |
| Sam Altman (1985-) |
Một trong những khởi điểm của kiểu suy nghĩ này là từ bỏ những đề nghị theo kiểu Altman, chúng dựa trên điều tiền giả định sai lầm theo đó ta tiến tới một thế giới ở đó sự tự động hóa là thực sự nhân tạo. Trí tuệ nhân tạo càng trở nên trí tuệ thì nó càng ít nhân tạo. Khi ta nói về đánh thuế người máy hay thu nhập mang tính công dân (phân phối lại trợ cấp cho mọi công dân, còn gọi là thu nhập căn bản - ND) dựa trên thực trạng là con người không làm việc nữa, thì ta đã nhầm lẫn trong phân tích. Trái lại, phải tạo ra những chính sách công với sự bảo trợ lớn hơn những người mà công việc của họ vẫn cần thiết và hơn nữa còn trở nên cần thiết hơn ngày nay, ít nhất là để duy trì cái cơ sở hạ tầng khổng lồ là trí tuệ nhân tạo. Cần thừa nhận tính chất sâu sắc về phân phối lại của những biện pháp này. Nếu ta không lập luận trên phương diện tái phân phối tiền lãi hay của cải – tất nhiên đó là một từ thô tục đối với một tỷ phú người Mỹ –, ta sẽ đối diện với một vấn đề. Nếu không có cơ sở kinh tế-xã hội để minh chứng cho những biện pháp này, chúng sẽ lỗi thời, không áp dụng được và tăng thêm các bất bình đẳng xã hội để gây ra xung đột nhiều hơn nữa. Ta có thể nói rằng có nhiều xung đột hơn so với tình hình hiện tại sẽ là điều đáng mong muốn.
Theo ý tôi, cần phải bắt đầu suy nghĩ; cần nhận thức rằng thu nhập mang tính công dân phải là một thu nhập sơ đẳng – rất giống với lương suốt đời theo Bernard Friot nhiều hơn là thu nhập phổ quát theo Elon Musk.
Cần nhận thức rằng thu nhập mang tính công dân phải là một thu nhập sơ đẳng – rất giống với lương suốt đời theo Bernard Friot nhiều hơn là thu nhập phổ quát theo Elon Musk.
ANTONIO CASILLI
 |
| Victor Storchan |
Đó là điều tôi đã gợi lên ở cuối quyển sách của tôi En
attendant les robots (Trong khi chờ đợi các người máy). Đó là hai tầm nhìn hoàn toàn không
tương thích với nhau, vì chúng dựa trên các tiền giả định hoàn toàn khác nhau:
một mặt, tầm nhìn của Silicon Valley ngụ ý rằng việc làm biến mất và
phải tạo ra một cách làm việc thiện, của chủ nghĩa vị tha hiệu quả (effective
altruism); mặt khác, ta có tiền giả định hoàn toàn khác theo đó ta không
thể bỏ qua việc làm. Trong hệ hình này, những người lao động không biến mất,
cùng lắm thì có những nỗ lực che giấu họ và chuyển họ đến một lục địa khác, nhưng
sức mạnh của việc làm vẫn tồn tại và gia tăng là đằng khác, ngay cả về số lượng
người làm việc. Từ đại dịch Covid-19, đã có một sự gia tăng nhanh chóng trên
các nền tảng công việc cực nhỏ số lượng người đăng ký và số hoạt động được
thông báo của chính những nền tảng này. Trước đây, các nền tảng này có chừng
400.000 hay 500.000 người làm việc; bây giờ là 2 hoặc 3 triệu người sử dụng.
Cần xem xét các con số này một cách thận trọng – vì các nền tảng tìm cách phô
trương để thu hút các nhà đầu tư – nhưng lực lượng lao động này đang tăng lên.
Người dịch: Thái Thị Ngọc Dư
Nguồn: “L’IA Potemkine et le futur du travail, une conversation avec Antonio Casilli”, Le Grand continenet, 7.4.2023.
----
Bài có liên quan:
Chú
thích: [*] Một kiểu đánh lừa (ND chú thích) [1] Victor Storchan là
giám đốc khoa học của loạt bài “Những sức mạnh của trí tuệ nhân tạo” của Le
Grand Continent, là giám đốc và đồng sáng lập công ty Althica. Trước đây ông là
kỹ sư về học máy và phó chủ tịch về trí tuệ nhân tạo và học máy của tập đoàn
tài chính JP Morgan Chase tại Mỹ. Ông tốt nghiệp ngành toán tại Trường Đại học
Sư phạm (ENS) Lyon và có bằng master tại Đại học Stanford, nơi ông đã theo học
tại Institute for Computational and Mathematical Engineering.
