AGI, siêu trí tuệ và năng lực lãnh đạo thể chế trong môi trường rủi ro tồn tại

Từ tích luỹ kiến thức đến năng lực điều phối hệ thống

Trong phần lớn thế kỷ XX, giáo dục đại học được xây dựng trên giả định rằng tri thức là nguồn lực khan hiếm. Bằng cấp đại học phản ánh quá trình tích luỹ kiến thức và năng lực chuyên môn trong một lĩnh vực cụ thể. Tuy nhiên, khi các hệ thống AI có khả năng tổng hợp, phân tích và sản xuất nội dung ở tốc độ cao, giá trị của việc “biết nhiều” dần thay đổi.

AI Index Report 2024 ghi nhận mức độ cải thiện nhanh chóng của các mô hình AI trong các nhiệm vụ ngôn ngữ, lập luận và xử lý dữ liệu (Stanford Institute for Human-Centered AI, 2024). Khi tri thức phổ quát có thể được truy cập và xử lý tức thì, giáo dục không còn có thể dựa chủ yếu vào việc truyền đạt nội dung.

Thay vào đó, trọng tâm chuyển sang năng lực điều phối hệ thống, đánh giá rủi ro và ra quyết định trong môi trường công nghệ tích hợp.

AGI (trí tuệ nhân tạo tổng quát) và sự tái định nghĩa năng lực

Artificial General Intelligence (AGI) – trí tuệ nhân tạo tổng quát – được hiểu là hệ thống có khả năng thực hiện nhiều nhiệm vụ nhận thức khác nhau với mức độ linh hoạt tương đương hoặc vượt con người. Dù chưa tồn tại đồng thuận khoa học về thời điểm xuất hiện AGI, tranh luận học thuật đã chỉ ra rằng nếu hệ thống như vậy được phát triển, cấu trúc kinh tế và lao động sẽ thay đổi sâu sắc (Bostrom, 2014).

Russell (2019) nhấn mạnh rằng vấn đề không nằm ở việc AI có thể thông minh đến đâu, mà ở việc con người có khả năng thiết kế và kiểm soát hệ thống đó hay không. Khi năng lực nhận thức có thể được tự động hoá ở quy mô lớn, năng lực con người được đánh giá không còn dựa trên xử lý thông tin thuần tuý, mà dựa trên khả năng định hướng, giám sát và chịu trách nhiệm.

Trong môi trường đó, bằng cấp truyền thống chỉ phản ánh một phần của năng lực cần thiết.

Giới hạn của mô hình giáo dục tuyến tính

Mô hình giáo dục tuyến tính – cử nhân, thạc sĩ, tiến sĩ – được thiết kế trong bối cảnh chu kỳ công nghệ dài và thị trường lao động tương đối ổn định. Tuy nhiên, McKinsey Global Institute (2023) cho thấy tự động hoá do AI có thể ảnh hưởng đến phần lớn tác vụ trong nhiều ngành nghề, khiến yêu cầu kỹ năng thay đổi nhanh hơn chu kỳ đào tạo truyền thống.

Khi kỹ năng chuyên môn có thể trở nên lỗi thời trong vài năm, mô hình đào tạo một lần cho cả đời nghề nghiệp không còn phù hợp. Điều này không phủ nhận giá trị của bằng cấp truyền thống, nhưng cho thấy nó không đủ để đảm bảo năng lực thích ứng dài hạn.

Giáo dục trong kỷ nguyên AGI cần linh hoạt hơn, tích hợp cập nhật liên tục và đánh giá năng lực ứng dụng thay vì chỉ đánh giá kiến thức tĩnh.

Hệ sinh thái SwissUK™ và cấu trúc tích luỹ năng lực theo cấp độ

Trong bối cảnh đó, cấu trúc tích luỹ theo cấp độ như CAS, MAS và DRAS trong hệ sinh thái SwissUK™ có thể được hiểu như mô hình thích ứng với môi trường công nghệ tăng tốc.

CAS tập trung vào năng lực chuyên sâu và cập nhật trong một lĩnh vực cụ thể.
MAS tích hợp năng lực liên ngành và tư duy chiến lược.
DRAS hướng tới năng lực lãnh đạo thể chế và thiết kế hệ thống trong môi trường phức tạp.

Thay vì xem giáo dục như một hành trình tuyến tính kết thúc ở một văn bằng, cấu trúc này cho phép cá nhân liên tục nâng cấp năng lực theo nhu cầu thay đổi của công nghệ và thị trường lao động.

Trong môi trường digital labour (lao động số), nơi AI có thể đảm nhiệm nhiều nhiệm vụ nhận thức, giá trị của con người nằm ở khả năng thiết kế, điều phối và kiểm soát hệ thống. Hệ thống công nhận năng lực cần phản ánh thực tế này.

Giáo dục như năng lực chiến lược dài hạn

Thảo luận về AGI thường tập trung vào công nghệ, nhưng tác động dài hạn của nó nằm ở cấu trúc xã hội và thể chế. Giáo dục đại học không chỉ đào tạo cá nhân, mà còn định hình năng lực cạnh tranh của tổ chức và quốc gia.

Khi công nghệ tăng tốc, sự khác biệt không nằm ở quyền truy cập thông tin, mà ở khả năng thích ứng thể chế và điều phối rủi ro. Giáo dục nâng cao, nếu được thiết kế theo hướng phát triển năng lực hệ thống, có thể đóng vai trò như cơ chế ổn định trong môi trường biến động.

SwissUK™ Policy Lab có thể định vị mình như không gian nghiên cứu và phát triển khung năng lực cho lãnh đạo trong kỷ nguyên AGI, nơi bằng cấp không phải là điểm kết thúc, mà là một phần của cấu trúc phát triển liên tục.

Tài liệu tham khảo

Bostrom, N. (2014). Superintelligence: Paths, dangers, strategies. Oxford University Press.

McKinsey Global Institute. (2023). The economic potential of generative AI: The next productivity frontier. McKinsey & Company.

Russell, S. (2019). Human compatible: Artificial intelligence and the problem of control. Viking.

Stanford Institute for Human-Centered AI. (2024). AI Index Report 2024. Stanford University.