Video “We Won’t Reach AGI By Scaling Up LLMs” bàn về một sự thật lạnh lùng nhưng cần thiết: Chúng ta sẽ không đạt được trí tuệ nhân tạo cấp độ con người (AGI) chỉ bằng cách tăng kích thước các mô hình ngôn ngữ lớn (LLMs). Dưới đây là các điểm chính:

🧠 Nội dung chính:

1. LLMs không phải con đường đến AGI: Chỉ mở rộng dữ liệu và mô hình không giúp đạt trí tuệ tương đương con người. Nó giống như có một “bác sĩ Google” có trí nhớ siêu phàm, nhưng không biết sáng tạo hay giải quyết vấn đề mới.
2. Bài học từ quá khứ – Hype rồi thất vọng: Từng có làn sóng AI vào thập niên 80 với hệ chuyên gia (expert systems), nhưng hầu hết thất bại do không thể áp dụng rộng rãi. Nguy cơ hiện nay là lặp lại lịch sử với LLMs nếu kỳ vọng quá mức.
3. AI hiện tại vẫn chưa đủ tốt để triển khai đại trà trong doanh nghiệp: Chỉ 10-20% các dự án thử nghiệm AI được áp dụng thực tế vì thiếu độ tin cậy và chi phí cao.
4. Cần những yếu tố mà AI hiện nay thiếu:
   • Hiểu biết về thế giới vật lý
   • Trí nhớ lâu dài
   • Khả năng suy luận và lập kế hoạch
   • Khả năng học từ cảm giác thực tế như video (chứ không chỉ từ văn bản)
5. AGI sẽ đến từ cộng đồng, không phải một startup kỳ diệu nào cả: Không có viên đạn bạc. Tiến trình sẽ từ từ, với nhiều nghiên cứu nhỏ gộp lại. Những tổ chức chia sẻ nghiên cứu sẽ tiến nhanh hơn.

📌 Insight giá trị:

• Không phải cứ to là khôn: Việc tăng số lượng tham số mô hình không đảm bảo tăng chất lượng suy nghĩ hay khả năng tư duy trừu tượng.
• Đầu tư hạ tầng vẫn hợp lý, vì kể cả không có đột phá AGI, nhu cầu dùng AI ở quy mô hàng tỷ người (qua app, kính thông minh…) vẫn tồn tại.
• Chuyển tiếp từ “gây ấn tượng” sang “hữu dụng thực sự”: Các demo AI rất hấp dẫn, nhưng triển khai thực tế mới là bài kiểm tra chính.
• Học từ video là hướng mới: Con người không học chỉ bằng chữ viết—AI cũng cần học theo cách tương tự để phát triển nhận thức giống người.