Từ AI thuần số đang bùng nổ đến viễn cảnh AI biết học như não người

Các mô hình ngôn ngữ lớn làm nền tảng cho chatbot ChatGPT, Gemini hay Claude được xem là “bộ não số” trong kỷ nguyên AI đang bùng nổ hiện nay. Chúng có thể trò chuyện, viết văn, lập trình, thậm chí sáng tác thơ và nhạc. Không dừng lại ở đó, nhiều công ty hướng mục tiêu tham vọng hơn là tạo ra AI biết học hỏi và thích nghi như não người.

AI thuần số

Thế hệ AI hiện nay có thể gọi là AI thuần số, tức mọi quá trình học hỏi, suy luận hay ghi nhớ đều diễn ra bên trong các mô hình ngôn ngữ lớn chạy trên máy chủ.

Toàn bộ “trí tuệ” của chúng tồn tại trong phần mềm, còn phần cứng (chip AI hay GPU) chỉ đóng vai trò tính toán, không có khả năng học hay thích nghi. Chính sự tách biệt giữa phần mềm và phần cứng khiến AI ngày nay rất mạnh trong không gian số, nhưng không thể tự cảm nhận hoặc hành động trong thế giới vật lý.

Nói cách khác, AI hiện nay hiểu dữ liệu nhưng không “hiểu thực tại”. Đó là giới hạn khiến nó chưa thể suy nghĩ và thích ứng như con người.

Việc huấn luyện một mô hình ngôn ngữ lớn như GPT của OpenAI hay Google Gemini đòi hỏi hàng trăm triệu USD và tiêu thụ lượng điện khổng lồ. Trong khi bộ não con người chỉ cần sử dụng khoảng 20 watt để hoạt động, tương đương mức tiêu thụ năng lượng của riêng màn hình máy tính ở chế độ ngủ, nhưng vẫn có thể học, ghi nhớ, thích nghi và sáng tạo không ngừng.

AI hiện thân

Để vượt qua giới hạn này, giới khoa học đang theo đuổi khái niệm AI hiện thân – loại AI có thể tương tác trực tiếp với thế giới vật lý thông qua cảm biến, cánh tay robot hay thậm chí là thiết bị đeo.

AI hiện thân không chỉ “nghĩ” bằng dữ liệu mà còn “hiểu” bằng cảm giác như nhìn, chạm, nghe, di chuyển, phản ứng. Đó là trí tuệ đến từ trải nghiệm, chứ không chỉ từ huấn luyện số liệu.

Tuy nhiên, để AI hiện thân hoạt động hiệu quả, chúng ta cần một thế hệ phần cứng mới – những chip, cảm biến và vật liệu có khả năng học hỏi, ghi nhớ và thích nghi như tế bào thần kinh sinh học.

Vật liệu thần kinh mô phỏng – nền tảng cho AI biết học như não người

Đó là lúc khái niệm neuromorphic material (vật liệu thần kinh mô phỏng) ra đời. Đây là những vật liệu được thiết kế để bắt chước cách não người xử lý thông tin, cụ thể là cách các khớp thần kinh (synapse) tăng hoặc giảm kết nối khi học điều mới.

Khác với chip silicon truyền thống, những vật liệu này có thể tự thay đổi tính dẫn điện, từ tính hoặc trạng thái cấu trúc sau mỗi lần nhận tín hiệu, nghĩa là chính vật chất đã “học” và “nhớ” mà không cần phần mềm trung gian. Nói cách khác, chúng biến học máy thành học vật chất.

Một ví dụ điển hình là memristor (điện trở có trí nhớ) – linh kiện có điện trở thay đổi tùy theo lịch sử dòng điện đi qua. Khi được kết nối thành mạng lưới hàng triệu phần tử, memristor có thể hoạt động như một mạng nơ-ron nhân tạo ở cấp vật lý.

Ngoài ra còn có phase-change memory (bộ nhớ thay đổi trạng thái vật liệu), spintronics (điện tử học spin) và các vật liệu 2D như graphene – tất cả đều đang được khai thác để mô phỏng “tính dẻo thần kinh” của não người.

Vật liệu thần kinh mô phỏng quan trọng vì có khả năng thay đổi cách AI vận hành từ gốc rễ. Thay vì tiêu thụ điện năng khổng lồ để được huấn luyện trên siêu máy tính, AI có thể học trực tiếp tại thiết bị, xử lý song song và phản ứng gần như tức thời, giống con người học qua trải nghiệm.

Nhờ đó, robot, cảm biến y sinh hay thiết bị thực tế ảo (VR) và thực tế tăng cường (AR) trong tương lai sẽ không cần phụ thuộc vào đám mây hay trung tâm dữ liệu, mà có thể tự thích nghi, tự điều chỉnh ngay tại chỗ.

Ai đang dẫn đầu cuộc đua vật liệu thần kinh mô phỏng?

Đến tháng 11.2025, nhiều tập đoàn và viện nghiên cứu lớn trên thế giới đã lao vào cuộc đua này.

IBM là một trong những cái tên tiên phong. Từ hơn một thập kỷ, nhóm IBM Research đã phát triển chip thần kinh mô phỏng TrueNorth và nay mở rộng sang vật liệu memristor và bộ nhớ thay đổi trạng thái vật liệu, hướng tới “não nhân tạo” tiêu thụ điện năng thấp hơn hàng nghìn lần so với AI hiện nay.

Intel cũng không đứng ngoài. Dòng chip Loihi phiên bản 2 của Intel được thiết kế để mô phỏng các xung điện thần kinh, cho phép xử lý sự kiện theo thời gian thực mà không cần sức mạnh điện toán khổng lồ. Intel hiện hợp tác với nhiều trường đại học châu Âu để kết hợp Loihi với vật liệu thần kinh mô phỏng mới, tạo nên “bộ não nhân tạo lai” giữa phần cứng và vật chất.

BrainChip, công ty Úc – Mỹ đã thương mại hóa bộ xử lý Akida, được xem là một trong những chip thần kinh mô phỏng đầu tiên dành cho thiết bị biên. Akida có thể học và nhận diện âm thanh, hình ảnh, cảm xúc ngay tại thiết bị, với mức tiêu thụ điện chỉ bằng một phần nhỏ của CPU truyền thống.

Prophesee (Pháp) và iniVation (Thụy Sĩ) tập trung vào cảm biến thị giác thần kinh. Những cảm biến này hoạt động như võng mạc nhân tạo. Thay vì ghi hình liên tục như camera thông thường, chúng chỉ phản ứng khi có thay đổi trong khung cảnh. Nhờ đó, tốc độ xử lý nhanh gấp hàng trăm lần và cực kỳ tiết kiệm năng lượng.

Bên cạnh đó, các công ty khởi nghiệp chuyên về memristor như Knowm (Mỹ) đang phát triển phần cứng mô phỏng khớp thần kinh cho các hệ thống học vật lý. Các viện nghiên cứu hàng đầu như Viện Công nghệ Massachusetts và Đại học Stanford (Mỹ), Đại học Tokyo (Nhật Bản), Viện Max Planck (Đức) cũng đua nhau công bố nghiên cứu về vật liệu 2D, oxit kim loại và polymer dẫn điện có khả năng “ghi nhớ điện”.

Ở cấp công nghiệp, Samsung và TSMC đang nghiên cứu quy trình sản xuất kết hợp CMOS và vật liệu memristor, nhằm thương mại hóa loại chip “học như não người” trong thập niên tới.

Thách thức phía trước

Dù được kỳ vọng mở ra thế hệ AI biết học như não người, vật liệu thần kinh mô phỏng vẫn đối mặt nhiều rào cản:

Độ ổn định: Các vật liệu “học được” thường kém bền hoặc bị trôi tín hiệu sau thời gian sử dụng.

Khả năng sản xuất hàng loạt: Phần lớn vẫn dừng ở quy mô phòng thí nghiệm, chưa thể tích hợp vào dây chuyền bán dẫn hiện có.

Chuẩn phần mềm và huấn luyện: Mô hình AI hiện nay được thiết kế cho máy tính số, không tương thích hoàn toàn với hệ thống analog thần kinh mô phỏng (phần cứng được thiết kế để hoạt động giống bộ não con người, trong đó tín hiệu được xử lý dưới dạng dòng điện liên tục thay vì mã số 0 và 1).

Để giải quyết các vấn đề này, cần sự kết hợp giữa khoa học vật liệu, kỹ thuật vi mạch, toán học thần kinh và học máy, cùng sự tham gia của các nhà sản xuất chip lớn có đủ năng lực công nghệ để biến “vật liệu biết học” thành hiện thực.

Tương lai: Khi vật chất và trí tuệ hòa làm một

Trong lịch sử công nghệ, AI từng chỉ là phần mềm chạy trên phần cứng thụ động. Song thế hệ kế tiếp có thể chứng kiến một bước ngoặt: AI “biết học” trong chính vật chất mà nó được làm ra.

Hãy tưởng tượng một robot có bàn tay cảm nhận được lực khi cầm nắm và tự điều chỉnh; một camera có võng mạc nhân tạo biết thích nghi lúc ánh sáng thay đổi; hay chip cấy trong cơ thể có thể ghi nhớ tín hiệu thần kinh để hỗ trợ phục hồi vận động sau chấn thương. Đó là những viễn cảnh mà vật liệu thần kinh mô phỏng đang mở ra.

Dù còn nhiều thách thức, cuộc đua phát triển vật liệu thần kinh mô phỏng đang mở ra hướng đi mới cho AI, nơi vật chất và trí tuệ hòa làm một. Khi đó, AI không chỉ tồn tại trên màn hình mà có thể hiện diện trong thế giới thực, cảm nhận và học hỏi như một thực thể sống.