Tom Zahavy: Model Ngôn Ngữ Không Thể Tự Tạo Bước Nhảy Khoa Học

Zahavy dựa trên khung do Albert Einstein phác thảo trong thư gửi Maurice Solovine: phát hiện là một chu kỳ nơi trải nghiệm giác quan dẫn tới một “bước nhảy” trực giác tạo ra tiên đề, và từ đó suy diễn logic sinh ra kết luận có thể kiểm nghiệm. Ông định nghĩa tiên đề là các giả thuyết nền tảng chưa được chứng minh.

Ông dùng phân loại của triết gia Charles Sanders Peirce để chỉ ra ba dạng suy luận: suy diễn (deduction) rút ra kết luận chắc chắn từ quy tắc cố định; quy nạp (induction) tìm mẫu từ dữ liệu; và abduction là bước nhảy sáng tạo, phát minh nguyên nhân để giải thích hiện tượng bất ngờ.

Zahavy cho rằng abduction là cổ chai then chốt. Ông phân biệt hai cấp độ abduction: abduction thông thường chọn lời giải khả dĩ nhất trong các ứng viên đã biết — điều model ngôn ngữ hiện có thể làm — và “manipulative abduction”, tức phát minh nguyên nhân mà chưa có khuôn ngôn ngữ nào cho trước. Theo ông, máy móc chưa làm được kiểu thứ hai.

Tác phẩm cũng thừa nhận rằng quy nạp và suy diễn nằm trong tầm với của máy: model ngôn ngữ đã mạnh trong nhận dạng mẫu thống kê và đang tiến nhanh trong suy diễn hình thức. Zahavy nêu ví dụ các hệ như AlphaProof, Gemini, và GPT-5 đạt điểm vàng tại một số bài toán Olympic Toán học Quốc tế, và cho rằng một model có thể suy ra thuyết tương đối rộng nếu được cho sẵn các tiên đề của Einstein.

Ông giải thích lý do máy khó thực hiện bước nhảy bằng cách nhắc lại trường hợp Einstein: các model học bằng cách so sánh dự đoán với thực tế và điều chỉnh theo sai số. Khi không có sai số rõ ràng, không có động lực để hệ thống tái suy nghĩ. Zahavy lưu ý rằng trong thời của Einstein, vật lý Newton được xác nhận rất chính xác và một dị thường nhỏ ở quỹ đạo sao Thủy đã được giải thích bằng giả thuyết hành tinh ẩn “Vulcan”; theo ông, một hệ tối ưu hóa cũng sẽ chọn giải thích tương tự thay vì lật lại nền tảng lý thuyết.