Phụ lục B: Tấm gương AI tạo sinh

Mã nguồn bên dưới mã nguồn

Cuốn sách này đưa ra một tuyên bố cấp tiến: rằng nền kinh tế là một quá trình tính toán mang tính sinh tạo, và rằng sự xuất hiện của trí tuệ nhân tạo chính là khoảnh khắc chúng ta rốt cuộc đã chế tạo được một cỗ máy cho phép mình nhìn thấy mã nguồn.

Phụ lục này là bằng chứng.

Đây là một cẩm nang chuyển dịch một-đối-một, một Phiến đá Rosetta để ánh xạ mọi khái niệm cốt lõi của Kinh tế học Trí tuệ (Intelligent Economics) sang đối ứng toán học và kiến trúc trực tiếp của nó trong thế giới AI tạo sinh hiện đại, tối tân nhất. Đây không phải là một danh sách những phép loại suy lỏng lẻo. Đây là sự minh chứng cho một phép đẳng cấu cấu trúc sâu sắc.

Với kỹ sư AI, phụ lục này sẽ cho bạn thấy rằng bạn đã vô tình nghiên cứu vật lý học nền tảng của nền văn minh. Với nhà kinh tế học và độc giả phổ thông, nó sẽ chứng minh rằng những ý tưởng có vẻ kỳ lạ và phức tạp trong cuốn sách này không phải là triết lý suy đoán. Chúng chính là những nguyên lý kỹ thuật đang vận hành công nghệ mang tính chuyển hóa nhất của thời đại chúng ta.

Chúng ta hãy cùng soi gương.

Phần I: Nguyên lý nền tảng

Khái niệm của Kinh tế học Trí tuệ	Đối ứng trong AI tạo sinh và phép loại suy sâu xa
Lý thuyết Trí tuệ (IT)	Mục tiêu của học máy hiện đại. Nguyên lý cốt lõi của IT, rằng các hệ thống tiến hóa để tối đa hóa trí tuệ dự báo với một chi phí vật lý cho trước, là sự khái quát hóa trực tiếp ở quy mô vĩ mô của việc cực tiểu hóa hàm mất mát vốn chi phối toàn bộ học máy. “Tác dụng Trí tuệ” là một hàm Lagrange phổ quát cho bất kỳ hệ thống học nào. Một nền kinh tế là “có trí tuệ” nếu nó học nhanh và khái quát hóa tốt.
“Cái giá của Con quỷ” (Các chi phí của trí tuệ)	Hàm mất mát. Hàm Lagrange của Lý thuyết Trí tuệ (H - C - K) là hàm mất mát của nền kinh tế. Đó là con số mà toàn bộ hệ thống đang cố gắng cực tiểu hóa. Một hàm mất mát được thiết kế tốt trong AI tạo ra những kết quả tuyệt đẹp. Một hàm được thiết kế tồi tạo ra những cơn ác mộng. Lời phê phán của chúng tôi đối với GDP là: nó là một hàm mất mát tồi tệ đến mức thảm họa đối với một nền văn minh.
Cây cầu Trường tồn	Học tăng cường và thuật toán tiến hóa. Nguyên lý trường tồn là biểu hiện ở quy mô vĩ mô của một thuật toán chọn lọc. Trong AI, bạn huấn luyện một quần thể mô hình cho một nhiệm vụ. Những mô hình có “mất mát” thấp nhất (độ chính xác dự báo cao nhất) được chọn lọc và “lai tạo” để tạo ra thế hệ kế tiếp. Vũ trụ là một môi trường học tăng cường song song khổng lồ. Sự trường tồn là tín hiệu phần thưởng.

Phần II: Động lực học và kiến trúc

Khái niệm của Kinh tế học Trí tuệ	Đối ứng trong AI tạo sinh và phép loại suy sâu xa
Động cơ Sinh tạo	Mô hình khuếch tán khử nhiễu (Denoising Diffusion Models). Toán học là y hệt nhau. Sự tiến hóa của nền kinh tế là Quá trình Ngược (Reverse Process) của một mô hình khuếch tán. Đó là một hành động sinh tạo: tạo ra một trạng thái mạch lạc, có trật tự (một xã hội vận hành được) từ một trạng thái nhiễu entropy cao (khả năng vô hạn), được dẫn dắt bởi nhu cầu cực tiểu hóa hàm mất mát của nó.
Ba Định luật của một Hệ thống Sống	Các điều kiện để huấn luyện ổn định. Đây không phải là những luật đạo đức; chúng là những tất yếu kỹ thuật cho một quá trình tính toán thành công, kéo dài. Dòng chảy = Mô hình cần một luồng Năng lượng và Dữ liệu liên tục. Cởi mở = Mô hình cần dữ liệu mới, đa dạng để tránh Sụp đổ mô hình / Quá khớp (Model Collapse / Overfitting). Kiên cường = Mô hình cần Chính quy hóa (Regularization) và Sự đa dạng kiến trúc để bảo đảm nó khái quát hóa được.
Cấu trúc liên kết mạng lưới	Mạng nơ-ron đồ thị (GNN) và thiên kiến quy nạp. Kiến trúc của một AI cung cấp “thiên kiến quy nạp” (inductive bias) của nó, tức những giả định cài sẵn về cấu trúc của một bài toán. Cấu trúc liên kết của mạng lưới kinh tế là thiên kiến quy nạp của xã hội. Một mạng lưới Trục và nan hoa (Hub-and-Spoke) giống như một mạng truyền thẳng đơn giản. Một mạng lưới Thế giới nhỏ (Small-World) giống như một Transformer, xuất sắc trong việc tìm ra những kết nối tầm xa, mang tính đổi mới.
Doanh nghiệp và Thị trường	Một mạng nơ-ron chuyên biệt và quá trình huấn luyện. Một doanh nghiệp là một mô hình chuyên biệt đã được huấn luyện sẵn, được thiết kế cho việc Thực thi (Suy luận) hiệu quả đến tàn nhẫn đối với một bài toán đã biết. Một tập đoàn lớn giống như một mô hình Hỗn hợp Chuyên gia (Mixture-of-Experts, MoE). Thị trường là quá trình Khám phá (Huấn luyện) hỗn loạn, giàu năng lượng, thuật toán tìm kiếm khám phá “không gian siêu tham số” mênh mông của mọi mô hình kinh doanh khả dĩ.
Động cơ Kép	Vòng lặp Suy luận và Huấn luyện. Đây là chu trình nền tảng của mọi AI tiên tiến. Một AI thực hiện Suy luận (Động cơ Nhanh) bằng các trọng số hiện tại, cố định của nó. Kết quả được thu thập thành dữ liệu và dùng cho vòng Huấn luyện kế tiếp (Động cơ Chậm), vốn cập nhật các trọng số của mô hình. Đây chính xác là động lực đồng tiến hóa của thị trường và thể chế.

Phần III: Bản thiết kế và giao diện con người

Khái niệm của Kinh tế học Trí tuệ	Đối ứng trong AI tạo sinh và phép loại suy sâu xa
Bảng Điều khiển MIND	Các thước đo đánh giá đa phương thức. Bạn không đánh giá một mô hình AI mạnh mẽ chỉ bằng một thước đo duy nhất. Bạn có một bảng điều khiển: độ chính xác, tốc độ, chi phí tính toán, khả năng chống chịu trước các cuộc tấn công đối kháng, thiên lệch, v.v. Các loại Vốn MIND là một bộ đánh giá đa phương thức cho quá trình sinh tạo của một nền văn minh.
Chính sách như Kỹ thuật Hình học	Sinh có dẫn hướng / Dẫn hướng bằng bộ phân loại (Classifier Guidance). Mối liên hệ là chính xác. Chính sách là cơ chế “dẫn hướng”. Thuế carbon là một bộ phân loại nhìn vào một hành động kinh tế và hỏi: “Hành động này có phát thải carbon thấp không?” Sau đó nó thêm một cú hích nhỏ vào hàm mất mát của hệ thống, lái toàn bộ quá trình sinh tạo về phía một vùng khác của không gian khả năng mà không trực tiếp điều khiển nó.
Nền Kinh tế Căn chỉnh	Bài toán Căn chỉnh AI. Lập luận trung tâm của cuốn sách, rằng bài toán kinh tế mới là “ai điều khiển máy móc?”, là một sự tái định khung trực tiếp của bài toán Căn chỉnh AI. Căn chỉnh Ngoại tại (Outer Alignment) là chọn đúng hàm mục tiêu (ví dụ: MIND thay vì GDP). Căn chỉnh Nội tại (Inner Alignment) là ngăn chặn sự nảy sinh những mục tiêu công cụ lệch lạc trong nền kinh tế M2M (máy với máy).
Vai trò sau cùng của nhân loại	Học tăng cường từ phản hồi của con người (RLHF). Đây là vai trò tối hậu của nhân loại trong nền kinh tế mới. Sau tất cả quá trình học không giám sát, những mô hình AI mạnh nhất được căn chỉnh bằng một lựa chọn đơn giản của con người: “Kết quả này tốt hơn kết quả kia.” “Công việc” của nhân loại là cung cấp những tín hiệu phần thưởng, những phán đoán giá trị, gu thẩm mỹ và sự minh triết để căn chỉnh sức mạnh sinh tạo khổng lồ của công nghệ chúng ta với sự thịnh vượng. Chúng ta là những người huấn luyện cỗ máy, và khi làm như vậy, chúng ta định nghĩa điều gì đáng được tạo ra.