The Kings
Writer
Đến giữa năm 2026, nhiều dấu hiệu cho thấy AI không còn chỉ là công cụ hỗ trợ lập trình hay nghiên cứu, mà đang từng bước tham gia trực tiếp vào quá trình tự phát triển chính mình.
Theo các ví dụ được đưa ra trong bài viết, Claude của Anthropic hiện đảm nhận phần lớn công việc viết mã nội bộ của công ty. Trong khi đó, nhiều mô hình tại Trung Quốc như MiniMax M3 hay MiniCPM5 đã có thể tự thực hiện gần như toàn bộ quy trình từ tổng hợp dữ liệu, huấn luyện, đánh giá đến tối ưu mà hầu như không cần con người can thiệp.
Đây là bước tiến hướng tới khái niệm Recursive Self Improvement (RSI), tức AI tự cải tiến chính mình. Thay vì chỉ thực hiện lệnh do con người giao, mô hình có thể tự xác định mục tiêu, viết mã, chạy thử nghiệm, đánh giá kết quả rồi dùng những cải tiến đó để nâng cấp chính bản thân nó. Ý tưởng này đã được các nhà khoa học đề xuất từ nhiều thập kỷ trước, nhưng chỉ gần đây mới bắt đầu có cơ sở kỹ thuật để hiện thực hóa.
Tuy nhiên, theo nhà nghiên cứu Tian Yuandong từng làm cho Meta, đồng sáng lập Recursive, điều này không đồng nghĩa AI sẽ nhanh chóng đạt đến "siêu trí tuệ". Ông cho rằng AI hiện mới tự động hóa được một số khâu trong nghiên cứu, còn việc tạo ra các đột phá khoa học thực sự vẫn phụ thuộc nhiều vào con người. Những thành tựu lớn trong lịch sử khoa học thường xuất phát từ việc đặt ra câu hỏi mới, xây dựng giả thuyết mới và kết nối kiến thức ở nhiều lĩnh vực, những năng lực mà AI vẫn còn hạn chế.
Ông cũng nhấn mạnh rằng nghiên cứu AI đang thay đổi từ mô hình làm việc thủ công sang mô hình "AI hỗ trợ AI". Trong tương lai, các nhà nghiên cứu sẽ không còn dành phần lớn thời gian để viết mã hay chạy thử nghiệm, mà chuyển sang thiết kế mục tiêu, đánh giá kết quả và quyết định hướng phát triển. AI sẽ đảm nhận phần việc lặp lại với tốc độ cao hơn rất nhiều.
Về khả năng AI tự tạo dữ liệu để huấn luyện, khi nguồn dữ liệu trên Internet dần cạn kiệt, các mô hình có thể tự sinh dữ liệu, tự kiểm tra và tự học. Dù vậy, nếu không được kiểm soát tốt, mô hình cũng có nguy cơ học từ chính những sai sót của mình, khiến chất lượng suy giảm theo thời gian. Theo Tian Yuandong, yếu tố quyết định trong tương lai không chỉ là sức mạnh của mô hình mà còn là khả năng xây dựng một vòng lặp nghiên cứu hiệu quả, trong đó AI và con người phối hợp với nhau. Con người vẫn giữ vai trò xác định mục tiêu, đặt câu hỏi, đánh giá giá trị khoa học và chịu trách nhiệm cuối cùng đối với kết quả.
AI đang mở ra một giai đoạn phát triển mới, nơi máy móc có thể tham gia ngày càng sâu vào hoạt động nghiên cứu và phát triển. Dù vậy, khả năng AI hoàn toàn thay thế các nhà khoa học vẫn còn khá xa. Trong tương lai gần, kịch bản có khả năng xảy ra nhất là con người và AI sẽ trở thành cộng sự, với AI đảm nhận phần lớn công việc kỹ thuật, còn con người tập trung vào sáng tạo, định hướng và ra quyết định.
Theo các ví dụ được đưa ra trong bài viết, Claude của Anthropic hiện đảm nhận phần lớn công việc viết mã nội bộ của công ty. Trong khi đó, nhiều mô hình tại Trung Quốc như MiniMax M3 hay MiniCPM5 đã có thể tự thực hiện gần như toàn bộ quy trình từ tổng hợp dữ liệu, huấn luyện, đánh giá đến tối ưu mà hầu như không cần con người can thiệp.
Đây là bước tiến hướng tới khái niệm Recursive Self Improvement (RSI), tức AI tự cải tiến chính mình. Thay vì chỉ thực hiện lệnh do con người giao, mô hình có thể tự xác định mục tiêu, viết mã, chạy thử nghiệm, đánh giá kết quả rồi dùng những cải tiến đó để nâng cấp chính bản thân nó. Ý tưởng này đã được các nhà khoa học đề xuất từ nhiều thập kỷ trước, nhưng chỉ gần đây mới bắt đầu có cơ sở kỹ thuật để hiện thực hóa.
Tuy nhiên, theo nhà nghiên cứu Tian Yuandong từng làm cho Meta, đồng sáng lập Recursive, điều này không đồng nghĩa AI sẽ nhanh chóng đạt đến "siêu trí tuệ". Ông cho rằng AI hiện mới tự động hóa được một số khâu trong nghiên cứu, còn việc tạo ra các đột phá khoa học thực sự vẫn phụ thuộc nhiều vào con người. Những thành tựu lớn trong lịch sử khoa học thường xuất phát từ việc đặt ra câu hỏi mới, xây dựng giả thuyết mới và kết nối kiến thức ở nhiều lĩnh vực, những năng lực mà AI vẫn còn hạn chế.
Ông cũng nhấn mạnh rằng nghiên cứu AI đang thay đổi từ mô hình làm việc thủ công sang mô hình "AI hỗ trợ AI". Trong tương lai, các nhà nghiên cứu sẽ không còn dành phần lớn thời gian để viết mã hay chạy thử nghiệm, mà chuyển sang thiết kế mục tiêu, đánh giá kết quả và quyết định hướng phát triển. AI sẽ đảm nhận phần việc lặp lại với tốc độ cao hơn rất nhiều.
Về khả năng AI tự tạo dữ liệu để huấn luyện, khi nguồn dữ liệu trên Internet dần cạn kiệt, các mô hình có thể tự sinh dữ liệu, tự kiểm tra và tự học. Dù vậy, nếu không được kiểm soát tốt, mô hình cũng có nguy cơ học từ chính những sai sót của mình, khiến chất lượng suy giảm theo thời gian. Theo Tian Yuandong, yếu tố quyết định trong tương lai không chỉ là sức mạnh của mô hình mà còn là khả năng xây dựng một vòng lặp nghiên cứu hiệu quả, trong đó AI và con người phối hợp với nhau. Con người vẫn giữ vai trò xác định mục tiêu, đặt câu hỏi, đánh giá giá trị khoa học và chịu trách nhiệm cuối cùng đối với kết quả.
AI đang mở ra một giai đoạn phát triển mới, nơi máy móc có thể tham gia ngày càng sâu vào hoạt động nghiên cứu và phát triển. Dù vậy, khả năng AI hoàn toàn thay thế các nhà khoa học vẫn còn khá xa. Trong tương lai gần, kịch bản có khả năng xảy ra nhất là con người và AI sẽ trở thành cộng sự, với AI đảm nhận phần lớn công việc kỹ thuật, còn con người tập trung vào sáng tạo, định hướng và ra quyết định.
