Cựu Phó Chủ Tịch DeepMind Nói AI Tự Cải Thiện Sẽ Chậm

Ít ngày sau khi rời Google DeepMind, Oriol Vinyals nói tại Agentic AI Summit 2026 về tự cải thiện đệ quy, hay RSI. Ông từng là Phó chủ tịch nghiên cứu tại DeepMind và làm việc trên AlphaStar, AlphaCode và Gemini.

Vinyals cho rằng RSI là điều khó tránh, nhưng diễn ra chậm. Ông không thấy dấu hiệu của một vụ bùng nổ trí tuệ. Ông nói AI có thể giúp một số việc nghiên cứu và kỹ thuật nhanh hơn 10 lần hoặc hơn, nhưng kịch bản tự tăng tốc đột ngột là khó xảy ra.

Ông đặt câu hỏi hệ thống AI cần cải thiện chính xác phần nào. Một hệ thống có thể đổi trọng số mạng nơ-ron, thay dữ liệu huấn luyện, sửa phương pháp huấn luyện, chỉnh lại chỉ dẫn nhận ở mỗi câu hỏi, xây lại công cụ ngoài như truy cập cơ sở dữ liệu và chạy code, hoặc đổi cả các thước đo theo dõi tiến trình.

Theo ông, để tự cải thiện, AI cần một ý tưởng tốt, code triển khai ý tưởng đó, các thử nghiệm kiểm tra và một cách đáng tin để biết thay đổi có thật sự tốt hơn hay không. AI đã tiến bộ ở hai khâu giữa, nhưng khâu tạo ý tưởng và khâu đánh giá vẫn còn yếu.

Hiện nay, các phòng thí nghiệm chủ yếu đo gián tiếp qua các phép đo năng lực như SWE-Bench Pro và ML-Bench, rồi bám theo bảng xếp hạng và hy vọng tự cải thiện xuất hiện như tác dụng phụ. Cách đo trực tiếp hơn đang bắt đầu xuất hiện: hệ thống nhận một thước đo và một ngân sách năng lực tính toán, rồi các nhà nghiên cứu xem nó tự cải thiện được bao nhiêu.

Vinyals nói cách này tốn kém vì mỗi lần đánh giá có thể mất hàng giờ cho những việc xa mục tiêu cuối cùng. Ông nêu ví dụ hệ thống tối ưu Tetris, trong khi mục tiêu thật là tự động hóa cả một phòng nghiên cứu và xây model tốt nhất thế giới. Ông cũng nói quá khớp và việc lách mục tiêu là vấn đề thật, vì hệ thống có thể thắng hệ thống chấm điểm thay vì thực sự chơi trò chơi.