Michael Spence
Đỗ Kim Thêm dịch
Malorney/Getty Images
Hiện tại, triển vọng kinh tế toàn cầu trong thập niên tới có vẻ ảm đạm. Nhưng sự gia tăng năng suất trên diện rộng – được thúc đẩy bởi sự phát triển có mục tiêu và việc ứng dụng thông minh nhân tạo tạo ra – có thể thay đổi đáng kể bức tranh này.
Trên khắp thế giới, nguồn cung ứng đang phải vật lộn để theo kịp nhu cầu. Lạm phát vẫn ở mức cao, bất chấp các đợt tăng lãi suất mạnh mẽ. Lực lượng lao động toàn cầu đang lão hoá nhanh chóng. Tình trạng thiếu hụt lao động diễn ra khá phổ biến và dai dẳng.
Đây chỉ là một số trong các lực lượng đằng sau thách thức về năng suất mà nền kinh tế toàn cầu phải đối mặt. Và ngày càng rõ ràng rằng chúng ta phải khai thác thông minh nhân tạo để giải quyết thách thức đó.
Trong bốn thập niên qua, sự tăng trưởng nhanh chóng của các nền kinh tế mới nổi đã mang lại tình trạng gia tăng năng lực sản xuất, nó hoạt động giống như một lực lượng giảm phát mạnh mẽ từ phía cung. Đặc biệt là Trung Quốc đóng vai trò làm động lực tăng trưởng mạnh mẽ. Nhưng động lực tăng trưởng của các nền kinh tế mới nổi đó đã suy yếu đáng kể trong những năm gần đây. Tăng trưởng sau đại dịch của Trung Quốc thấp hơn nhiều so với tiềm năng và đang suy giảm.
Hơn nữa, các căng thẳng về địa chính trị, các cú sốc trong thời đại dịch và biến đổi khí hậu đang làm gián đoạn các chuỗi cung ứng trong toàn cầu, và sự kết hợp giữa các động lực khích lệ cho thị trường và các ưu tiên cho chính sách mới – chẳng hạn như „giảm rủi ro“ và tăng cường khả năng phục hồi – đang thúc đẩy các chính phủ theo đuổi tiến trình đa dạng hóa chuỗi cung ứng (rất tốn kém). Trong khi đó, các mức nợ công cao và tăng làm giảm khả năng tài chính của các quốc gia để thực hiện đầu tư công theo định hướng tăng trưởng và gây bất ổn cho một số nền kinh tế.
Đây là những xu hướng thế tục, có nghĩa là chúng có khả năng là những đặc điểm dai dẳng của nền kinh tế toàn cầu trong thập niên tới. Những hạn chế về nguồn cung ứng và các chi phí gia tăng sẽ kìm hãm tăng trưởng. Lạm phát sẽ vẫn là một mối đe dọa dai dẳng, nó đòi hỏi các mức lãi suất cao hơn làm tăng chi phí vốn. Các khoản đầu tư quy mô lớn ngày càng cấp bách vào tiến trình chuyển đổi năng lượng sẽ cực kỳ khó khăn để theo đuổi, nếu xét về phương diện kinh tế, chính trị và xã hội. Tuy nhiên, nếu không có các khoản đầu tư này, sự gián đoạn liên quan đến khí hậu sẽ trở nên tồi tệ hơn.
Nhưng có một tin đầy hứa hẹn. Như Gordon Brown, Mohamed El-Erian và tôi lập luận trong cuốn sách sắp ra mắt của chúng tôi, Permacrisis: A Plan to Fix a Fractured World, một sự gia tăng trên diện rộng về năng suất có thể thay đổi đáng kể bức tranh này. Và với công nghệ thông minh nhân tạo phát triển nhanh chóng, đây hầu như không phải là hy vọng khó có thể xảy ra. Điều quan trọng là đảm bảo rằng tăng trưởng năng suất là trọng tâm của đổi mới và ứng dụng thông minh nhân tạo trong những năm tới.
Ngay cả khi thông minh nhân tạo phát triển từ nhận dạng chữ viết tay sang nhận dạng giọng nói đến nhận dạng hình ảnh và đối tượng, sự khôn ngoan thông thường là công nghệ này hoạt động tốt nhất trong các lĩnh vực được xác định rõ. Nó không có khả năng giống như con người để phát hiện lĩnh vực mà nó đang hoạt động và chuyển đổi các lĩnh vực khi cần thiết.
Điều đó đã thay đổi với sự gia tăng của các mô hình ngôn ngữ quan trọng (large language models, LLMs) và tạo ra thông minh nhân tạo rộng rãi hơn. LLMs có khả năng hiểu ngôn ngữ và dường như có thể phát hiện và chuyển đổi các lĩnh vực một cách độc lập, có lẽ đưa chúng tiến gần hơn một bước đến thông minh nhân tạo nói chung. Tiềm năng cho việc nâng cao năng suất trên diện rộng là đáng kể.
LLMs hoạt động như là các nền tảng có mục đích chung để xây dựng các ứng dụng cho các mục đích sử dụng cụ thể trong toàn bộ nền kinh tế tri thức. Bởi vì nó hiểu và tạo ra ngôn ngữ thông thường, bất cứ ai cũng có thể sử dụng chúng. Theo một báo cáo, ChatGPT đã thu hút được 100 triệu người sử dụng trong hai tháng sau khi phổ biến công khai.
Hơn nữa, LLMs được đào tạo trên một lượng lớn tài liệu của kỹ thuật số, vì vậy phạm vi các chủ đề mà nó có thể giải quyết là rất lớn. Sự kết hợp giữa khả năng truy cập và phạm vi giải quyết này có nghĩa là LLMs có nhiều ứng dụng tiềm tàng hơn bất kỳ ngành công nghệ kỹ thuật số nào trong quá khứ, ngay cả các công cụ dựa trên trí tuệtrước đây.
Cuộc đua phát triển các ứng dụng như vậy, liên quan đến một loạt các lĩnh vực và loại công việc, đã bắt đầu. OpenAI, doanh nghiệp đứng sau ChatGPT, đã tạo ra một giao diện lập trình ứng dụng (application programming, API) mà nó cho phép những người khác xây dựng các giải pháp thông minh nhân tạo của riêng mình dựa trên cơ sở LLM, bằng cách cho thêm dữ liệu và đào tạo chuyên biệt cho mục đích sử dụng cụ thể mà nó đang nhắm đến mục tiêu.
Một nghiên cứu điển hình gần đây của nhà kinh tế học Erik Brynjolfsson và các đồng tác giả thuộc MIT mang lại một dấu hiệu ban đầu về tiềm năng cho năng suất. Truy cập vào một công cụ dựa trên thông minh nhân tạo được đào tạo về bản ghi âm các tương tác trong dịch vụ với khách hàng và các chỉ số hiệu suất tăng năng suất trung bình 14%, được đo bằng các vấn đề được giải quyết mỗi giờ.
Các đại lý cho dịch vụ với khách hàng ít kinh nghiệm được hưởng lợi nhiều nhất từ công cụ này, chỉ ra rằng thông minh nhân tạo – khi tập hợp và lọc trải nghiệm tích lũy của toàn bộ hệ thống theo thời gian – có thể giúp cho công nhân „ít trải nghiệm“ nhanh hơn. Hiệu ứng „nâng cấp“ này có lẽ sẽ là một tính năng phổ biến của các ứng dụng trí tuệnhân tạo, đặc biệt là những ứng dụng phù hợp với „mô hình trợ lý kỹ thuật số“ này.
Có nhiều phiên bản của mô hình đó, có thể tận dụng khả năng của thông minh nhân tạo và hệ thống thông minhxung quanh để theo dõi và ghi lại kết quả. Đối với các bác sĩ gặp bệnh nhân hoặc thực hiện các vòng khám trong bệnh viện, các công cụ trí tuệcó thể tạo ra bản dự thảo ban đầu của các báo cáo cần thiết, sau đó bác sĩ sẽ chỉ cần chỉnh sửa. Việc ước tính tiết kiệm thời gian là khác nhau, nhưng tất cả đều rất lớn.
Để chắc chắn, thông minh nhân tạo cũng có thể cho phép tự động hóa nhiều nhiệm vụ và thay thế cho công nhân. Nhưng về cơ bản, các công cụ thông minh nhân tạo là những cỗ máy dự đoán; máy có phạm các sai lầm, bịa đặt và duy trì những thành kiến mà máy đã tạo ra . Do đó, các ứng dụng thận trọng khó có thể loại trừ con người trong thời gian tới.
Để nhận ra tiềm năng nâng cao năng suất của trí tuệnhân tạo, các nhà hoạch định chính sách sẽ phải hành động trong một số lĩnh vực. Đối với người mới bắt đầu, đổi mới, thử nghiệm và phát triển các ứng dụng phụ thuộc vào quyền truy cập rộng rãi vào LLMs. Có lẽ sẽ có đủ sự cạnh tranh để đảm bảo việc truy cập với chi phí hợp lý. Nhưng do có rất ít doanh nghiệp có khả năng tính toán để đào tạo LLMs, các nhà lập quy phải cảnh giác trên mặt trận này.
Hơn nữa, chính phủ sẽ cần hợp tác với ngành công nghiệp và các nhà nghiên cứu để thiết lập các nguyên tắc được chấp nhận rộng rãi cho việc quản lý và sử dụng dữ liệu có trách nhiệm và thực hiện các quy định để duy trì các nguyên tắc này. Đạt được sự cân bằng hợp lý giữa an ninh và cởi mở là điều cần thiết; các quy tắc không thể hạn chế đến mức cản trở thử nghiệm và đổi mới.
Cuối cùng, các nhà nghiên cứu trí tuệnhận tạo cần truy cập vào sức mạnh tính toán đáng kể để thử nghiệm và đào tạo các mô hình trí tuệnhận tạo mới. Các đầu tư của chính phủ vào một hệ thống điện toán đám mây sẽ mang lại tiến bộ lâu dài trong trí tuệnhận tạo và robot, với những lợi ích kinh tế sâu rộng. Trên thực tế, quản lý hiệu quả và hướng tới tương lai đối với sự phát triển của trí tuệnhận tạo, cùng với cam kết đổi mới đối với hợp tác toàn cầu, cũng có thể là chìa khóa cho một tương lai thịnh vượng, toàn diện và bền vững hơn.
***
Michael Spence đoạt giải Nobel kinh tế, Giáo sư Kinh tế hồi hưu, Cựu Hiệu trưởng Trường Kinh doanh Ban Cao học Đại học Stanford, Thành viên cao cấp tại Viện Hoover, và là tác giả của The Next Convergence: The Future of Economic Growth in a Multispeed World (do NXB Macmillan Publishers ấn hành năm 2012).
KIM THEM DO 