OpenAI tự phơi bày việc nâng cao bản thân theo cách lặp lại: trí tuệ nhân tạo bùng nổ theo cấp số nhân, con người đã trở thành nút thắt

Nov 19, 2026 21:48:31

Tác giả: ASI Khải Thị Lục, Tân Trí Nguyên

OpenAI không báo trước đã công bố: 「Tự cải thiện lặp lại」(RSI,Tự cải thiện lặp lại)Bánh răng,Đã chính thức bắt đầu chuyển động。

Nói một cách đơn giản, OpenAI đã xác nhận: AI bắt đầu phát triển AI rồi!

Từ lâu, mọi người đã đoán xem siêu trí tuệ nhân tạo (ASI) sẽ xuất hiện vào ngày nào. Mọi người chú ý đến điểm số của các mô hình lớn, chú ý đến sự gia tăng của số lượng tham số.

Nhưng OpenAI đã rõ ràng nói với bạn: Bước ngoặt thực sự dẫn đến ASI không phải là điểm số của mô hình vượt qua con người, mà là sự hình thành của vòng lặp "AI phát triển AI".

Cuộc vui tính toán, mỗi ngày tiêu tốn 23.000 đô la của "người lao động siêu cấp"

Tại OpenAI, tần suất các nhà nghiên cứu sử dụng các tác nhân AI đã hoàn toàn mất kiểm soát ------ tất nhiên, là theo chiều hướng tăng lên.

Tính theo giá API, chi phí cho các tác nhân trong tháng 9 năm nay, các nhà nghiên cứu trung bình tiêu tốn 1.500 đô la mỗi người mỗi ngày.

Chỉ sau một tháng, đến tháng 10, con số này đã tăng vọt lên 2.400 đô la, tăng 62%.

Nhưng đây chỉ là mức trung bình. Vậy những "người dùng nặng" đứng trong top 10% thì sao? Họ tiêu tốn lên đến 23.000 đô la mỗi ngày cho các tác nhân, tăng 105% so với tháng trước.

Hơn 20.000 đô la mỗi ngày. Nếu bạn có khái niệm về giá API, bạn sẽ biết điều này đại diện cho khối lượng mã khổng lồ, suy luận logic và thực hiện nhiệm vụ đồng thời. Đây không phải là con người gõ bàn phím, mà là hàng trăm, hàng ngàn "bộ não silicon" đang hoạt động không biết mệt mỏi.

Để đo lường một cách trực quan hơn, OpenAI đã đưa ra một khái niệm: "Ngày làm việc của tác nhân" (mỗi 8 giờ sử dụng tác nhân được tính là một ngày làm việc).

Dữ liệu cho thấy, trung bình mỗi nhà nghiên cứu hiện nay có 5,7 ngày làm việc của tác nhân mỗi ngày, tăng gấp 11 lần so với ban đầu!

Trong đội ngũ tiền huấn luyện và hậu huấn luyện cốt lõi, con số này thậm chí đã đạt tới 8 ngày.

Điều này có nghĩa là một nhà nghiên cứu con người làm việc 8 giờ mỗi ngày, trong khi "bản sao AI" của họ đồng thời hoàn thành khối lượng công việc tương đương 64 giờ.

Đến giữa tháng 10, hơn một phần mười các nhà nghiên cứu, mỗi ngày đều có ít nhất 16 tác nhân đang xử lý nhiệm vụ cùng một lúc.

Sự phụ thuộc của các kỹ sư con người vào những công cụ AI này đã đạt đến mức gần như "nghiện".

Trong một cuộc khảo sát ẩn danh được thực hiện tại OpenAI, các nhà nghiên cứu đã được hỏi một câu hỏi cực kỳ nhạy cảm: "Nếu trong 3 tháng tới, bạn bị tịch thu tất cả các tác nhân lập trình vượt trội hơn GPT-5.2, bạn sẽ đổi lại chúng bằng điều kiện gì?"

Câu trả lời trung bình thật đáng kinh ngạc: Họ thà cắt giảm 40% nhân sự trong đội ngũ, hoặc giảm 30% sức mạnh tính toán cốt lõi hiện tại.

Trong mắt những nhà nghiên cứu AI hàng đầu, vài cụm tính toán H100 đắt tiền, thậm chí cả đồng nghiệp sống động bên cạnh, đã không còn giá trị bằng một tác nhân lập trình tiên tiến.

Chi tiết thực sự khiến người ta lạnh gáy: AI bắt đầu có "gu nghiên cứu"

Điều thực sự khiến các ông lớn Silicon Valley phải thốt lên "điên rồ" là hậu trường phát triển của GPT-6.2 Astra.

Trong quá khứ, những ý tưởng lớn (Big Ideas) luôn là lãnh địa riêng của con người.

Khi phát triển các phiên bản sớm hơn của GPT-6 Astra, các nhà nghiên cứu OpenAI vẫn tự hào tuyên bố: những ý tưởng nghiên cứu cốt lõi hoàn toàn do con người nghĩ ra, mô hình chỉ là một lập trình viên cao cấp, chịu trách nhiệm biến ý tưởng thành mã.

Nhưng đến GPT-6.2 Astra, tình hình đã xảy ra một sự thay đổi tinh tế nhưng chết người.

Trong một cuộc phỏng vấn, các nhà nghiên cứu trong đội ngũ tiền huấn luyện thừa nhận rằng, những hiểu biết cốt lõi đã được hình thành trong quá trình đối thoại lặp đi lặp lại với mô hình (Codex).

Một nhà nghiên cứu đã rõ ràng nói rằng, Codex đã xác định chính xác những hiểu biết quan trọng khi họ cùng nhau thúc đẩy một ý tưởng.

Một thành viên cốt lõi khác thì thừa nhận, ý tưởng ban đầu của mình đã đi vào ngõ cụt, "chỉ khi Codex đề xuất thay đổi, toàn bộ ý tưởng mới thực sự bắt đầu có hiệu quả."

AI bắt đầu có trực giác, bắt đầu nhận diện những điểm mù mà con người bỏ qua, thậm chí bắt đầu hướng dẫn con người cách tạo ra AI tốt hơn.

Điều này được gọi là "gu nghiên cứu" (Research Taste).

Việc phát hiện vấn đề thường khó hơn việc giải quyết vấn đề. Khi AI có khả năng phân biệt "dữ liệu nào tốt hơn", "kiến trúc nào có triển vọng hơn", thì hộp Pandora thực sự đã được mở ra.

Một nhà phát triển đã tweet mô tả vòng lặp phản hồi (Feedback Loop) này:

  1. Một nhà nghiên cứu muốn AI mô hình mạnh hơn trong suy luận logic.
  2. Họ triệu hồi hàng chục tác nhân để viết mã nền tảng, cấu hình môi trường, thực hiện hàng triệu thí nghiệm, và kiểm tra xem những thay đổi nào thực sự hiệu quả.
  3. Những thay đổi đã được các tác nhân chứng minh thành công sẽ được đóng gói vào phiên bản mô hình tiếp theo.
  4. Phiên bản mô hình tiếp theo do đó trở nên thông minh hơn, và nó có thể giúp các nhà nghiên cứu giải quyết những lỗi mã khó hơn mà phiên bản trước hoàn toàn không hiểu.

Vòng lặp lặp đi lặp lại, không ngừng nghỉ.

Mỗi AI tốt hơn đều đang giúp con người xây dựng một AI mạnh mẽ hơn với tốc độ chưa từng có. Đây chính là "tự cải thiện lặp lại" (RSI) thực sự.

Một khi tốc độ quay của bánh đà này vượt qua một ngưỡng nhất định, tốc độ phát triển của AI sẽ hoàn toàn thoát khỏi nhận thức tuyến tính mà con người quen thuộc, thể hiện sự bùng nổ theo cấp số nhân gần như thẳng đứng.

Ranh giới gập ghềnh: "Vòng lặp" đã hình thành, nhưng con người vẫn là nút thắt

Tất nhiên, nếu bây giờ tuyên bố AI đã hoàn toàn tự chủ, thì thật sự quá phóng đại.

OpenAI thừa nhận rằng, công nghệ hiện tại vẫn còn nhiều hạn chế lớn. Họ gọi giai đoạn hiện tại là "ranh giới gập ghềnh" (Jagged Frontier).

Thế nào là gập ghềnh? Đó là cực kỳ thiên lệch.

Từ tháng 3 đến tháng 10 năm nay, đối với những nhiệm vụ phát triển phức tạp ước tính cần 2 đến 4 giờ để hoàn thành, tỷ lệ "thành công không can thiệp" (tức là con người hoàn toàn không can thiệp) của các tác nhân đã tăng gấp đôi từ 23% lên 46%. Ngay cả những nhiệm vụ dài hạn khó hơn, cần 4 đến 8 giờ, tỷ lệ thành công cũng đã tăng từ 13% lên 35%.

Nhưng nếu bạn phân chia nhiệm vụ, bạn sẽ thấy giới hạn khả năng của AI rất không đồng đều. Tỷ lệ thành công trong việc giám sát đào tạo là 79%. Nhưng tỷ lệ thành công trong việc viết mã suy luận nền tảng và dịch vụ chỉ là 25%.

Dữ liệu cho thấy, khi nhiệm vụ liên quan đến việc "xây dựng từ con số không" có tính trừu tượng cao, tỷ lệ thành công của AI sẽ giảm mạnh.

Nó cực kỳ xuất sắc trong giao tiếp (69%) và phân tích (58%), nhưng trong phát triển (43%) vẫn như một học viên vụng về.

Trong các cuộc phỏng vấn nội bộ, các nhà nghiên cứu con người vẫn liên tục phàn nàn về AI.

Để sửa một lỗi nhỏ mà phải tái cấu trúc toàn bộ mô-đun, AI sẽ mắc kẹt; nó sẽ viết ra những "PR rác AI" (yêu cầu kéo) trông có vẻ lộng lẫy nhưng thực tế không chạy được; nó sẽ sản xuất dữ liệu không sử dụng được, thậm chí đưa ra những giả thuyết phân tích cực kỳ vô lý.

Một nhà nghiên cứu làm việc trong đánh giá hậu huấn luyện đã tóm tắt quy trình làm việc mới của mình một cách bất lực:

"Trước đây, tôi đã thử nói trực tiếp với AI rằng 'bạn hãy làm nhiệm vụ này giống như nhiệm vụ kia', kết quả là tôi đã bị lừa quá nhiều lần, vì nó luôn hiểu sai, tôi còn phải đi dọn dẹp cho nó.

Bây giờ chiến lược đã thay đổi, tôi nói: 'Bạn hãy làm một cái trước, tôi sẽ xem xét, tôi sẽ sửa. Khi tôi xác nhận đúng, bạn hãy làm nốt một ngàn cái còn lại.'"

Bạn thấy đấy, đó là thực tế hiện tại. Con người vẫn là trung tâm tuyệt đối trong vòng lặp phát triển AI, chỉ có điều, vai trò của con người đã chuyển từ "người sáng tạo" thành "người kiểm tra".

Con người cung cấp khả năng phán đoán ban đầu và giới hạn dung sai, trong khi AI chịu trách nhiệm phóng đại giới hạn này lên gấp mười ngàn lần.

Nhưng sự cân bằng này cực kỳ mong manh. Giống như một nhà nghiên cứu đã để lại một câu nói đầy ý nghĩa trong báo cáo: "Tôi thực sự nghĩ rằng, hiện tại tôi có gu nghiên cứu tốt hơn AI. Nhưng tôi hoàn toàn không có niềm tin rằng, tình huống này sẽ còn tồn tại trong bao lâu."

Kết cục đã định? Lời kêu gọi khẩn cấp của OpenAI và trật tự mới

Cuối báo cáo, OpenAI hiếm khi đưa ra một lời kêu gọi ngành nghề đầy sức ép: Công khai bắt buộc các chỉ số RSI.

Họ cho rằng, tất cả các phòng thí nghiệm AI hàng đầu đều nên được yêu cầu theo dõi và công khai báo cáo các chỉ số cốt lõi của "tự cải thiện lặp lại". Công chúng và các cơ quan quản lý có quyền biết, quá trình AI tăng tốc phát triển hệ thống AI trong tương lai đã đi đến đâu.

Tại sao phải công khai? Bởi vì tốc độ tiến bộ đã vượt qua nhận thức trực quan truyền thống.

Báo cáo tiết lộ, nhằm đo lường xu hướng tiến bộ khả năng AI tổng quát, chỉ số ECI (Chỉ số khả năng nội bộ) của OpenAI cho thấy, kể từ tháng 8 năm 2025, ranh giới ECI của mô hình OpenAI đang tăng vọt với tốc độ 16,4 điểm mỗi năm, vượt qua mức trung bình của ngành là 14 điểm.

Điều đáng sợ hơn là, sự tiến bộ đáng kinh ngạc này chỉ sử dụng 2% tổng sức mạnh tính toán R&D của OpenAI để triển khai các tác nhân nội bộ.

Hãy tưởng tượng, khi tỷ lệ này đạt 20%, 50% hoặc thậm chí 80% thì sẽ xảy ra điều gì?

Chu kỳ "phát triển của con người" truyền thống đang bị phá vỡ. Trước đây, việc lặp lại một mô hình cần nửa năm để thu thập dữ liệu, ba tháng để huấn luyện, hai tháng để tinh chỉnh. Bây giờ, các tác nhân đang sử dụng sức mạnh tính toán đồng thời, hoàn thành khối lượng công việc của con người trong vài giờ.

Như báo cáo đã cảnh báo: xu hướng lịch sử có thể đã không thể dự đoán được tương lai.

Trong lĩnh vực toán học, các mô hình tiên tiến gần đây đã thể hiện những đột phá nhanh chóng và đột ngột, "đột biến" trong lĩnh vực AI có thể xảy ra bất cứ lúc nào.

Tài chính và đầu tư gần đây

Xem thêm
$10MNov 19
$1.7MNov 18
$110MNov 18

Token được phát hành gần đây

Xem thêm
Dec 31
Dec 31
SSaturnSTRN
Dec 31

𝕏 Sự quan tâm mới nhất

Xem thêm
Nov 18
Nov 18
Nov 18