Mặc dù có sự lạc quan tăng vọt trong lĩnh vực AI, các nhà nghiên cứu của Apple đã tiết lộ rằng trí tuệ tổng quát nhân tạo (AGI)—các máy móc có khả năng lý luận ở cấp độ con người—vẫn còn khó nắm bắt. Theo một tài liệu tháng Sáu có tiêu đề “Hình ảnh ảo của việc suy nghĩ”, các mô hình ngôn ngữ lớn hàng đầu (LLMs) như dòng GPT của OpenAI và Claude của Anthropic vẫn chưa đạt được hiệu suất lý luận vững chắc.
Trong khi các LLM đã chứng minh sự tiến bộ đáng kể trong các nhiệm vụ như lập trình và toán học, nghiên cứu của Apple cho thấy rằng những tiêu chuẩn này có thể gây hiểu nhầm. Nhóm nghiên cứu đã thiết kế các bài kiểm tra dựa trên câu đố để thăm dò cách các mô hình khác nhau lý luận qua các vấn đề phức tạp. Những phát hiện của họ rất rõ ràng: hầu hết các mô hình, bao gồm o3-mini của OpenAI và V3 của DeepSeek, đã thể hiện sự sụt giảm độ chính xác mạnh mẽ khi phải tổng quát hóa lý luận hoặc áp dụng logic rõ ràng ngoài các nhiệm vụ bề mặt.
Điều quan trọng là, nghiên cứu xác định một xu hướng trong số các mô hình này là "suy nghĩ quá nhiều"—bắt đầu với câu trả lời đúng nhưng drift ra khỏi lộ trình do logic sai hoặc không nhất quán. Điều này cho thấy rằng các hệ thống AI hiện tại đang bắt chước vẻ ngoài của lý luận mà không thực sự tiếp thu nó, thách thức câu chuyện rằng AGI đang trong tầm tay.
Những hiểu biết này tương phản mạnh mẽ với các tuyên bố công khai từ các nhà lãnh đạo ngành. CEO của OpenAI, Sam Altman, đã gợi ý rằng AGI có thể đến "sớm hơn mong đợi," trong khi CEO của Anthropic, Dario Amodei, dự đoán AGI sẽ vượt qua trí thông minh của con người vào năm 2026–2027. Tuy nhiên, những phát hiện của Apple đã chiếu sáng một cách thận trọng vào những dự đoán lạc quan này.
Tại sao điều này quan trọng đối với người dùng Binance
Không gian tiền mã hóa đã chứng kiến một làn sóng quan tâm đến các token và dự án cơ sở hạ tầng liên kết với AI—như Fetch.ai (FET), SingularityNET (AGIX) và Ocean Protocol (OCEAN)—tất cả đều đưa ra sự liên quan lâu dài của họ đến sự phát triển của AGI và AI phi tập trung. Báo cáo của Apple cho thấy rằng trong khi các câu chuyện đầu tư đang nóng lên, công nghệ thực tế vẫn có thể đang đối mặt với những hạn chế cơ bản.
Khi cuộc đua cho AGI tiếp tục, các nhà đầu tư nên theo dõi các tiêu chuẩn hiệu suất thực tế và các đánh giá dựa trên nghiên cứu—không chỉ là những dự đoán tầm nhìn—khi đánh giá các tài sản tiền mã hóa liên quan đến AI.
