Trong thế giới AI đầy biến động hiện tại, một cuộc cách mạng thầm lặng đang diễn ra. Trong khi phần lớn chúng ta vẫn đắm chìm trong câu chuyện về các mô hình ngôn ngữ lớn “ăn data” khổng lồ, một trường phái AI hoàn toàn khác đang âm thầm chứng minh rằng tương lai không nằm ở việc chỉ làm cho máy tính “to hơn”, mà là làm cho chúng “thông minh hơn”.
Hai Trường Phái Cũ – Cuộc Chiến Không Khoan Nhượng Kéo Dài Hàng Thập Kỷ
Nếu bạn nghĩ cuộc chiến iPhone vs Android đã gay gắt, thì hãy nhìn vào lịch sử AI – nơi diễn ra một cuộc đối đầu kéo dài gần nửa thế kỷ giữa hai “phe phái” không khoan nhượng.
Phe thứ nhất: Neural Networks (Connectionist) – những người tin rằng AI phải học như não người, thông qua hàng triệu kết nối thần kinh nhân tạo. Hãy tưởng tượng đây như một đứa trẻ học ngôn ngữ bằng cách nghe hàng triệu câu nói, dần dần “cảm nhận” được ngữ pháp mà không cần ai dạy quy tắc cụ thể.
Phe thứ hai: Symbolic AI (Biểu tượng) – những người cho rằng AI phải hoạt động dựa trên logic và quy tắc rõ ràng, giống như cách chúng ta giải toán hay chơi cờ vua. Đây giống như việc dạy một người máy các công thức toán học cụ thể thay vì để nó “đoán” kết quả.
Điều thú vị là mỗi phe đều có những điểm mạnh đáng kinh ngạc – và những điểm yếu chết người:
- Neural Networks xuất sắc trong việc nhận diện hình ảnh, xử lý ngôn ngữ tự nhiên, nhưng lại như một “hộp đen” bí ẩn không thể giải thích tại sao đưa ra quyết định đó, và thường “ảo giác” ra những thông tin sai lệch.
- Symbolic AI logic chuẩn xác, giải thích được từng bước suy luận, nhưng lại cứng nhắc, không thể học từ dữ liệu mới và gặp khó khăn với những tình huống phức tạp ngoài dự kiến.
Từ góc nhìn doanh nghiệp, cuộc đối đầu này giống hệt như những cuộc cách mạng công nghệ trước kia – từ Windows vs Mac đến 3G vs WiFi. Lịch sử cho thấy khách hàng thường được hưởng lợi nhất khi có sự kết hợp, nhưng đáng tiếc AI đã mất hàng thập kỷ để nhận ra điều này.
Sự Hồi Sinh Của Neurosymbolic AI – Giải Pháp Dung Hòa Mạnh Mẽ
Và rồi, như một tia sáng cuối đường hầm, Neurosymbolic AI xuất hiện – không phải như một thỏa hiệp yếu ớt, mà như một “siêu chiến binh” kết hợp sức mạnh của cả hai phe.
Hãy tưởng tượng một người vừa có trí tuệ cảm tính sâu sắc (neural networks) để hiểu ngữ cảnh phức tạp, vừa có khả năng suy luận logic chặt chẽ (symbolic reasoning) để đưa ra quyết định hợp lý. Đây chính là bản chất của Neurosymbolic AI.
Theo VinBigData Neuro-Symbolic AI: Sự kết hợp giữa mạng nơ-ron và lý luận biểu tượng, ba yếu tố không thể thiếu từ symbolic AI được tích hợp bao gồm:
• Khả năng khái quát thuật toán rõ ràng: Thay vì “đoán” như neural network thuần túy, hệ thống có thể áp dụng các quy tắc logic cụ thể
• Diễn đạt cấu trúc: Hiểu và thao tác với các mối quan hệ phức tạp giữa các khái niệm
• Quản trị tri thức dạng database: Lưu trữ và truy xuất kiến thức một cách có hệ thống
Là người quan sát thị trường AI Việt Nam, tôi nhận thấy tư duy tích hợp này thực sự mang tính cách mạng. Chỉ những AI vừa biết “vận động cơ bắp” (deep learning) vừa “có não” (symbolic reasoning) mới đủ sức phục vụ doanh nghiệp bền vững, không tạo ra những lỗi ảo giác (hallucination) tai hại như chúng ta vẫn thấy ở các chatbot hiện tại.
Cái Bóng Phủ Của Nhóm Hardcore Deep Learning Và Câu Chuyện Funding
Nhưng nếu Neurosymbolic AI thực sự tuyệt vời đến vậy, tại sao chúng ta mới nghe nói đến nó gần đây?
Câu trả lời nằm ở một trong những câu chuyện quyền lực kinh điển nhất trong lịch sử công nghệ. Những “ông lớn” như Geoffrey Hinton, Yann LeCun và nhóm hardcore deep learning đã sử dụng cả vị thế kinh tế lẫn truyền thông để phủ nhận – thậm chí chế giễu – mọi nỗ lực dung hòa giữa neural networks và symbolic reasoning.
Trong hàng thập kỷ, họ đã tạo ra một “thần thoại scaling” – việc tin rằng chỉ cần làm cho mô hình lớn hơn, nhiều data hơn là sẽ giải quyết được mọi vấn đề. Điều này dẫn đến một làn sóng funding khổng lồ chỉ dồn cho các dự án neural network thuần túy, tạo nên một “monoculture công nghệ” thiếu đa dạng nguy hiểm.
Đây là bài học đắt giá cho cộng đồng AI Việt Nam: nếu chỉ chạy theo xu hướng vốn hóa mà bỏ quên trí tuệ phản biện, chúng ta sẽ tự đóng khung sáng tạo của mình. Các quỹ đầu tư và doanh nghiệp cần mở lòng đón nhận các tiếp cận đa chiều, thay vì cứ tin mãi vào “thần thoại scaling”.
Thành Công Bất Ngờ: Khi Chính OpenAI Và xAI Vô Tình Xác Nhận Sức Mạnh AI Lai
Và rồi, những gì xảy ra trong 2-3 năm gần đây đã khiến cả thế giới AI “há hốc mồm”.
Chính những công ty từng là “tín đồ” của deep learning thuần túy như OpenAI đã âm thầm tích hợp các yếu tố symbolic vào sản phẩm của họ. Code Interpreter của ChatGPT chính là một ví dụ điển hình – nó không chỉ “đoán” code như một LLM thông thường, mà thực sự thực thi và kiểm tra logic của code đó.
Theo nghiên cứu của AlphaGeometry, Google DeepMind đã chứng minh rằng việc “kết hợp neural networks với symbolic reasoning để giải quyết các bài toán hình học” mang lại hiệu quả vượt trội so với các phương pháp thuần túy.
Các mô hình mới như o1, o3 của OpenAI hay Grok của xAI đều đang sử dụng “reasoning chains” – về bản chất là một dạng symbolic reasoning được tích hợp khéo léo vào kiến trúc neural network.
Điều này thể hiện rõ: đôi khi các tập đoàn lớn không thể công khai thừa nhận sai lầm chiến lược trước đó nhưng họ buộc phải lặng lẽ điều chỉnh để sống còn. Doanh nghiệp Việt nên chú ý quan sát biến động này để không rơi vào cái bẫy đầu tư “mô hình thuần neural network” mà thị trường đang bắt đầu quay lưng.
Những Giới Hạn Hiện Tại Và Chặng Đường Dài Phía Trước Đến AGI
Tuy nhiên, chúng ta cũng không nên rơi vào cạm bẫy “over-hype” với Neurosymbolic AI. Hiện tại, nó vẫn đối mặt với những thách thức nghiêm trọng:
Thách thức về tích hợp sâu
- Phần lớn các hệ thống hiện tại vẫn chỉ “ghép nối” hai thành phần chứ chưa thực sự “dung hợp” chúng thành một thể thống nhất
- Khả năng chuyển đổi qua lại giữa reasoning symbolic và pattern recognition neural vẫn còn “giật cục”
Vấn đề grounding
- Làm sao để kết nối các ký hiệu trừu tượng (symbols) với dữ liệu thực tế (sensory data) một cách tự nhiên
- Giống như việc dạy máy tính hiểu từ “màu xanh” không chỉ là một chuỗi ký tự mà là một khái niệm có ý nghĩa
Độ phức tạp tính toán
- Việc chạy song song cả neural networks và symbolic reasoning đòi hỏi tài nguyên tính toán khổng lồ
- Cần các kiến trúc phần cứng chuyên biệt để tối ưu hóa
Tôi cho rằng đây là lời cảnh báo tỉnh táo dành cho các leader AI Việt Nam: không nên nghĩ chỉ cần thêm “code interpreter” hoặc vài rules là xong. Sự phát triển AI bền vững sẽ cần đội ngũ có nhiều nhân tố nghiên cứu cả lý thuyết và ứng dụng, đồng thời luôn sẵn sàng thích nghi trước các bước nhảy công nghệ mới.
Bài Học Lớn Cho Doanh Nghiệp Và Nhà Đầu Tư: Muốn Dẫn Đầu Phải Dám Mở Lối
Khi nhìn lại toàn bộ câu chuyện này, tôi rút ra những bài học quan trọng cho doanh nghiệp Việt Nam:
1. Neurosymbolic AI chính là tương lai
Không phải vì nó là “trend mới” mà vì nó giải quyết được những vấn đề cốt lõi mà mỗi trường phái riêng lẻ không thể xử lý. Doanh nghiệp cần bắt đầu nghiên cứu và đầu tư từ ngay bây giờ.
2. Funding chỉ tập trung vào “scaling” là lạc hậu
Như vnmedia.vn từng dự đoán từ năm 2020 trong bài viết Những dự đoán ấn tượng về trí tuệ nhân tạo: “Trong năm tới, nhiều hệ thống AI sẽ bắt đầu dựa vào công nghệ neuro-symbolic, là sự kết hợp giữa học thuật và logic.” Dự đoán này đã trở thành hiện thực.
3. Các công ty lớn đang thay đổi chiến lược lặng lẽ
Thay vì nghe theo lời tuyên bố công khai, hãy quan sát những gì họ thực sự làm trong sản phẩm. Code interpreter, reasoning chains, tool-using AI – tất cả đều là biểu hiện của neurosymbolic approach.
4. Thái độ cởi mở, dám phản biện là chìa khóa
Đừng để bản thân bị “khoá” vào một trường phái duy nhất. Tương lai thuộc về những ai có thể kết hợp linh hoạt nhiều phương pháp khác nhau.
Tôi đồng ý sâu sắc – doanh nghiệp Việt (và Mosy AI) muốn bứt phá phải vượt ra khỏi lối mòn, sẵn sàng kết hợp thực nghiệm với các trường phái khác biệt. Các tổ chức cần chuẩn bị năng lực AI đa tầng, không bị cuốn vào hype nhất thời, và phải hiểu cốt lõi của mọi công nghệ AI mình đang ứng dụng.
Neurosymbolic AI không chỉ là một “trend” công nghệ – nó là minh chứng cho việc tương lai không thuộc về những ai cố chấp với một phương pháp duy nhất, mà thuộc về những ai đủ khôn ngoan để kết hợp tinh hoa từ nhiều hướng tiếp cận khác nhau.
Câu hỏi đặt ra cho mỗi doanh nghiệp Việt Nam ngay lúc này: Bạn sẽ tiếp tục đầu tư vào “thần thoại scaling” đã lỗi thời, hay sẵn sàng đón đầu làn sóng AI thông minh thực sự?
