Khi Phần Mềm Tự Viết Phần Mềm: Lịch Sử AI Dưới Góc Nhìn Lập Trình Viên

Nếu bạn là một nhà phát triển phần mềm trong ba năm qua, có lẽ bạn đã chứng kiến mô tả công việc của mình âm thầm tự thay đổi. Từ việc viết code, bạn chuyển sang viết code _với_ một công cụ tự động hoàn thành, rồi _với_ một cộng tác viên AI, và giờ đây, ngày càng nhiều khi bạn chỉ cần đưa ra yêu cầu (spec), một tác nhân AI sẽ tự động viết, kiểm thử và triển khai code cho bạn.

Sự chuyển đổi này không diễn ra chỉ trong một sớm một chiều. Đây là chương mới nhất trong câu chuyện kéo dài 70 năm, bắt đầu từ những nhà nghiên cứu cố gắng dạy máy tính chơi cờ caro. Hãy cùng khám phá hành trình này, không phải như một dòng thời gian khô khan, mà là câu chuyện về cách “trí tuệ” liên tục được định nghĩa lại mỗi khi máy móc trở nên giỏi hơn ở định nghĩa trước đó.

Mục Lục

• 1. Kỷ Nguyên Biểu Tượng: Khi Trí Tuệ Là Logic (1950s–1980s)
• 2. Thống Kê Thay Thế Biểu Tượng: Kỷ Nguyên Học Máy Thống Kê (1990s–2000s)
• 3. Học Sâu Phá Vỡ Mọi Giới Hạn: Cuộc Cách Mạng (2012–2017)
• 4. Transformer và Sự Ra Đời của Trí Tuệ “Gần Tổng Quát” (2017–2022)
• 5. Từ Chatbot đến Đồng nghiệp: Bước Chuyển Agentic (2023–Hiện tại)
• Kết Luận: Điều Gì Đã Thực Sự Thay Đổi?

1. Kỷ Nguyên Biểu Tượng: Khi Trí Tuệ Là Logic (1950s–1980s)

Nền tảng của Trí tuệ Nhân tạo (AI), chính thức được đặt tại Hội nghị Dartmouth năm 1956, thật đơn giản nhưng táo bạo: tư duy là tính toán. Nếu bạn có thể biểu diễn kiến thức dưới dạng các biểu tượng và quy tắc, sau đó thao tác với chúng một cách chính xác, bạn sẽ đạt được trí tuệ.

Nền tảng và Giả thuyết Dartmouth

Trong kỷ nguyên này, các nhà khoa học tin rằng trí tuệ có thể được mô phỏng bằng cách xây dựng các hệ thống dựa trên logic hình thức và quy tắc rõ ràng. Ý tưởng là “mã hóa” tri thức của con người vào máy tính.

Các đột phá tiêu biểu:

• Logic Theorist (1956): Đây là một trong những chương trình AI đầu tiên, có khả năng chứng minh các định lý toán học bằng cách tìm kiếm trong các mệnh đề logic. Nó đã chứng minh 38 trong số 52 định lý trong Principia Mathematica của Whitehead và Russell.
• ELIZA (1966): Chương trình này đã so khớp các mẫu câu bạn nhập vào và trả lời lại, khiến nhiều người tin rằng nó thực sự hiểu họ. ELIZA được coi là chatbot đầu tiên và là lần đầu tiên con người “phóng chiếu” sự thấu hiểu lên một hệ thống thực chất không hề có.
• Hệ thống chuyên gia (1970s–80s): Các chương trình như MYCIN mã hóa các quy tắc của một chuyên gia trong một lĩnh vực cụ thể dưới dạng các câu lệnh IF-THEN. MYCIN có thể chẩn đoán nhiễm trùng vi khuẩn gần như ngang bằng với một chuyên gia y tế, chỉ với vài trăm quy tắc được viết bằng tay.

Giới hạn và “Mùa đông AI” đầu tiên

Đây là trí tuệ yếu, hẹp theo đúng nghĩa đen: một hệ thống là thiên tài trong một lĩnh vực nhưng không biết gì bên ngoài. Điểm yếu chí mạng là khả năng mở rộng (scale): mọi quy tắc đều phải được viết bằng tay bởi một chuyên gia con người. Kiến thức không thể khái quát hóa và hệ thống không thể học từ dữ liệu. Khi các tổ chức tài trợ nhận ra rằng những hệ thống này không thể xử lý sự phức tạp của thế giới thực, nguồn vốn cạn kiệt. Đây chính là “mùa đông AI” đầu tiên.

2. Thống Kê Thay Thế Biểu Tượng: Kỷ Nguyên Học Máy Thống Kê (1990s–2000s)

Trong khi “AI” là một từ bị “ghẻ lạnh” trong các đơn xin tài trợ, một ý tưởng khác lại đang dần chiếm ưu thế: thay vì _nói_ cho máy biết các quy tắc, hãy _chỉ cho nó các ví dụ_ và để nó tự tìm ra quy tắc.

Sự trỗi dậy của Học máy: Học từ dữ liệu

Kỷ nguyên này chuyển trọng tâm từ logic rõ ràng sang nhận dạng mẫu dựa trên dữ liệu. Thay vì quy tắc, dữ liệu và các thuật toán thống kê trở thành trung tâm.

• Mạng nơ-ron đã tồn tại từ những năm 1950 (perceptron) nhưng bị bỏ qua rộng rãi sau khi Minsky và Papert trình bày chi tiết giới hạn toán học của chúng trong cuốn Perceptrons (1969).
• Backpropagation, được phổ biến vào năm 1986, đã mang lại cho các mạng nhiều lớp một cách thức học thực sự, tuy nhiên chúng vẫn thua kém các phương pháp đơn giản hơn trong hai thập kỷ tiếp theo. Thuật toán tồn tại là chưa đủ; không có đủ dữ liệu được gán nhãn hoặc sức mạnh tính toán để nó thể hiện khả năng của mình. Nó nằm đó, một ý tưởng đầy hứa hẹn mà không ai đủ khả năng vận hành ở quy mô lớn.
• Các phương pháp như Support Vector Machines (SVM), cây quyết định và phương pháp Bayes thống trị lĩnh vực học máy thực tiễn, được ứng dụng trong bộ lọc thư rác, công cụ đề xuất, phát hiện gian lận.

Deep Blue và giới hạn của “trí tuệ hẹp”

Deep Blue của IBM đã đánh bại Garry Kasparov vào năm 1997, nhưng phần lớn là thông qua tìm kiếm vét cạn trên các vị trí cờ vua, chứ không phải học hỏi. Nó vẫn là trí tuệ hẹp, nhưng vẫn rất ấn tượng.

Trí tuệ của kỷ nguyên này mang tính _thống kê_ hơn là _logic_: nhận dạng mẫu trên dữ liệu được gán nhãn. Nó hoạt động tốt trên các nhiệm vụ hẹp, được xác định rõ ràng nhưng cần một lượng lớn ví dụ được gán nhãn bằng tay và kỹ thuật trích xuất đặc trưng (feature engineering) do con người thực hiện. “Trí tuệ” vẫn chủ yếu nằm ở con người thiết kế các đặc trưng, mô hình chỉ đơn thuần là khớp một đường cong.

3. Học Sâu Phá Vỡ Mọi Giới Hạn: Cuộc Cách Mạng (2012–2017)

Những yếu tố cần thiết cho bước nhảy vọt tiếp theo đã “ngồi chơi” suốt một thập kỷ: nhiều dữ liệu hơn (internet), nhiều sức mạnh tính toán hơn (GPU ban đầu được tạo ra cho trò chơi điện tử), và các thủ thuật thuật toán để huấn luyện các mạng sâu hơn mà không khiến chúng sụp đổ thành nhiễu. Không có điều nào trong số này có vẻ là tất yếu vào thời điểm đó. Hầu hết lĩnh vực đã chuyển hướng khỏi mạng nơ-ron; mạng sâu là một “canh bạc” biên lề được duy trì bởi một số ít phòng thí nghiệm, những người liên tục bị cho là đang lãng phí sự nghiệp của mình.

AlexNet và Bước nhảy vọt

Điểm bùng nổ là AlexNet (2012), một mạng nơ-ron tích chập sâu (deep convolutional neural network) đã thống trị cuộc thi phân loại hình ảnh ImageNet, giảm tỷ lệ lỗi so với phương pháp tốt nhất tiếp theo. Kết quả đó đã nói lên một điều quan trọng với lĩnh vực: chồng đủ các lớp, cấp đủ dữ liệu, và mạng sẽ tự tìm ra các đặc trưng của riêng nó, không cần kỹ thuật trích xuất đặc trưng thủ công. Đó không phải là một sự tiếp nối mượt mà của hướng đi của lĩnh vực; nó giống như một cuộc đảo chính hơn. Trong vài năm, các kỹ thuật từng là trò cười đã trở thành điểm khởi đầu mặc định cho hầu hết các bài báo về thị giác máy tính.

Những đột phá tiếp theo:

Sau đó là một cuộc chạy nước rút kéo dài 5 năm:

• Word2Vec (2013) / GloVe (2014): Các từ trở thành vector, và “ý nghĩa” trở thành một thứ bạn có thể thực hiện các phép toán số học.
• Generative Adversarial Networks (GANs) (2014): Hai mạng cạnh tranh, một mạng tạo ra hình ảnh giả, một mạng phát hiện chúng, cùng nhau học cách tạo ra những hình ảnh chân thực đến kinh ngạc.
• AlphaGo (2016): Đánh bại kỳ thủ cờ vây giỏi nhất thế giới (trò chơi cờ vây, không phải go run main.go) bằng cách sử dụng học sâu cộng với học tăng cường và tìm kiếm cây, trên một trò chơi từng được cho là quá trực quan đối với máy móc.

Mỗi đột phá này vẫn bị giới hạn theo tác vụ, một mô hình thị giác không thể viết một câu, một mô hình chơi cờ vây không thể nhận dạng một con mèo — nhưng kỹ năng bên trong mỗi mô hình không còn được con người “truyền cho” nữa; mô hình tự khám phá ra cách biểu diễn vấn đề của riêng nó. Sự thay đổi trong cơ chế đó, hơn bất kỳ kết quả đơn lẻ nào, đã tạo tiền đề cho bước nhảy vọt tiếp theo.

4. Transformer và Sự Ra Đời của Trí Tuệ “Gần Tổng Quát” (2017–2022)

Năm 2017, một bài báo của Google với tiêu đề “Attention Is All You Need” đã giới thiệu kiến trúc Transformer. Thay vì xử lý văn bản tuần tự như các mạng tái phát cũ, Transformer cho phép mỗi từ “chú ý” đến mọi từ khác cùng lúc. Đây là một cách tốt hơn để mô hình hóa các chuỗi và hóa ra nó có khả năng mở rộng một cách tuyệt vời.

Kiến trúc Transformer và Dòng chảy GPT

Sự lựa chọn kiến trúc đó, kết hợp với nhận thức rằng bạn có thể tiền huấn luyện một mô hình khổng lồ duy nhất trên một phần lớn internet và sau đó điều chỉnh nó cho hầu hết mọi tác vụ ngôn ngữ, đã tạo ra dòng dõi GPT:

• GPT (2018) → GPT-2 (2019) → GPT-3 (2020): Mỗi thế hệ cho thấy rằng việc mở rộng các tham số và dữ liệu tiếp tục tạo ra những khả năng mới về mặt chất lượng, không chỉ là những cải thiện nhỏ về độ chính xác. GPT-3 có thể viết code, dịch thuật, tóm tắt và hội thoại, mặc dù chưa bao giờ được huấn luyện rõ ràng để làm bất kỳ điều nào trong số đó.
• Điều chỉnh lệnh (Instruction tuning) và RLHF (2021–2022): Các mô hình ngôn ngữ thô chỉ dự đoán token tiếp theo; chúng không tự nhiên _muốn_ trở nên hữu ích. Các kỹ thuật như học tăng cường từ phản hồi của con người (Reinforcement Learning from Human Feedback – RLHF) đã biến các bộ dự đoán token thô thành những trợ lý tuân theo hướng dẫn và từ chối những yêu cầu có hại.

ChatGPT: Thay đổi cuộc chơi

ChatGPT (Tháng 11 năm 2022): Sam Altman đã công bố trên X với năng lượng của một bản phát hành nhỏ: “hôm nay chúng tôi đã ra mắt ChatGPT. hãy thử trò chuyện với nó tại đây.” Một lời giới thiệu khiêm tốn cho khoảnh khắc kỷ nguyên cũ kết thúc và một lịch sử mới bắt đầu. Nghiên cứu rời khỏi phòng thí nghiệm; những người thân không rành kỹ thuật của bạn cũng bắt đầu biết đến. Một trăm triệu người dùng chỉ trong hai tháng. Bài kiểm tra Turing không còn là một thí nghiệm tư duy mà trở thành thứ mà mọi người vô tình gặp phải khi ăn sáng.

Đây là thời điểm AI không còn có nghĩa là “sâu sắc trong một hộp, trống rỗng ở mọi nơi khác” mà bắt đầu có nghĩa là _tổng hợp (compositional)_: một tập hợp trọng số duy nhất có thể kết hợp các kỹ năng mà nó chưa bao giờ được huấn luyện rõ ràng để kết hợp. Một mô hình có thể viết một bài sonnet, gỡ lỗi Python và giải thích nhịp điệu của bài sonnet không phải vì đó là ba hệ thống khác nhau, mà vì ngôn ngữ hóa ra là một giao diện phổ quát đáng ngạc nhiên cho một loạt các tác vụ của con người.

5. Từ Chatbot đến Đồng nghiệp: Bước Chuyển Agentic (2023–Hiện tại)

Một mô hình ngôn ngữ chỉ trả lời câu hỏi là một công cụ tự động hoàn thành mạnh mẽ. Giai đoạn tiếp theo của câu chuyện là việc trao cho mô hình đó “đôi tay”: khả năng gọi công cụ, viết và thực thi code, duyệt web, ghi nhớ trạng thái qua các bước và xâu chuỗi suy luận của nó thành các kế hoạch đa bước.

Mô hình ngôn ngữ có “tay” và sự hội tụ của các luồng

Một vài luồng đã hội tụ tại đây:

• Sử dụng công cụ / Gọi hàm (Tool use / Function calling) cho phép các mô hình không chỉ mô tả hành động mà còn thực hiện chúng, truy vấn cơ sở dữ liệu, gọi API, chạy phép tính, thay vì chỉ đoán câu trả lời.
• Tạo sinh có tăng cường truy xuất (Retrieval-augmented generation – RAG) cung cấp cho các mô hình quyền truy cập vào thông tin ngoài dữ liệu huấn luyện của chúng, đặt câu trả lời dựa trên các tài liệu thực tế thay vì bộ nhớ đóng băng.
• Chuỗi suy nghĩ (Chain-of-thought) và các mô hình suy luận cho thấy rằng việc cho phép một mô hình “suy nghĩ thành tiếng” trước khi trả lời và cuối cùng huấn luyện nó đặc biệt để suy luận lâu hơn về các vấn đề khó, đã tạo ra kết quả tốt hơn đáng kể trong toán học, logic và lập kế hoạch đa bước.
• Các framework Agentic đã kết nối những điều này thành các vòng lặp: lập kế hoạch → hành động → quan sát → sửa đổi. Được bao bọc trong code điều phối, logic thử lại và các công cụ được thiết kế tốt, một mô hình có thể theo đuổi một mục tiêu qua nhiều bước thay vì trả lời một lần và dừng lại. Để nó một mình đủ lâu, nó vẫn có thể lạc đề hoặc đi sai hướng, vì vậy các cấu trúc hỗ trợ tồn tại để khắc phục điều đó. “Agent” mô tả một hệ thống, không phải một tâm trí tự túc.
• Điều phối đa tác nhân (Multi-agent orchestration): Các mô hình tự khởi tạo các phiên bản mô hình _khác_ để song song hóa công việc, mỗi mô hình có một vai trò hẹp hơn, sau đó kết hợp kết quả. Chuyên gia của kỷ nguyên biểu tượng đã trở lại, ngoại trừ bây giờ nó là một Transformer đóng vai trò bên trong một “đàn” được điều phối bởi một Transformer khác, thay vì một quy tắc do con người viết.

Đây là thế giới mà một nhà phát triển vào năm 2026 thực sự sống. Code không chỉ được gợi ý từng dòng; nó được lập kế hoạch, viết trên nhiều tệp, kiểm thử và gỡ lỗi trong một vòng lặp cần ít sự điều khiển trực tiếp hơn trước đây, mặc dù vẫn cần đánh giá thực tế, các biện pháp bảo vệ thực tế và phán đoán của con người về thời điểm tin tưởng vào kết quả đầu ra.

Ví dụ về vòng lặp của một Agent (tác nhân AI):

// Pseudocode cho một vòng lặp tác nhân AI đơn giản
function AgentLoop(goal) {
    let current_state = getInitialState();
    let plan = formulatePlan(goal, current_state); // LLM lập kế hoạch
    
    while (!isGoalAchieved(goal, current_state) && !isMaxAttemptsReached()) {
        let action = selectAction(plan, current_state); // LLM chọn hành động dựa trên kế hoạch
        
        if (action.type === "TOOL_CALL") {
            let tool_output = executeTool(action.tool_name, action.parameters);
            current_state = updateState(current_state, tool_output); // Quan sát kết quả
        } else if (action.type === "CODE_EXECUTION") {
            let code_output = executeCode(action.code_block);
            current_state = updateState(current_state, code_output); // Quan sát kết quả
        } else {
            // ... các loại hành động khác
        }
        
        if (needToRevisePlan(current_state, goal)) {
            plan = revisePlan(plan, goal, current_state); // LLM điều chỉnh kế hoạch
        }
    }
    return finalResult(current_state);
}

Cùng một mô hình xuất hiện bên ngoài lĩnh vực lập trình: các tác nhân nghiên cứu duyệt web, tổng hợp và trích dẫn nguồn từ hàng chục trang; các tác nhân vận hành đọc một yêu cầu, kiểm tra lịch và soạn thảo phản hồi; các tác nhân thiết kế nhận một bản tóm tắt và trả về một nguyên mẫu hoạt động. Không có điều nào trong số này là quyền tự chủ theo nghĩa mạnh mẽ. Đó là khả năng tương tác, một mô hình trong một vòng lặp với các công cụ và tín hiệu phản hồi — và nó mạnh mẽ chính xác vì vòng lặp đó được thiết kế chặt chẽ, chứ không phải bất chấp điều đó.

Khía cạnh kinh tế của AI

Dễ dàng bỏ qua khi bạn nhìn chằm chằm vào biểu đồ khả năng: mọi bước nhảy vọt ở đây cũng là một câu chuyện kinh tế. Các hệ thống chuyên gia đã chết vì thời gian của chuyên gia không thể mở rộng. Học máy thống kê phát triển nhờ dữ liệu được gán nhãn và bộ nhớ rẻ tiền. Học sâu phát triển nhờ GPU chơi game. Các mô hình ngôn ngữ lớn (LLM) phát triển nhờ dữ liệu quy mô internet và khả năng song song của Transformer. Các hệ thống tác nhân đang có thời điểm của mình vì suy luận trở nên đủ rẻ để chạy một mô hình trong một vòng lặp hàng trăm lần cho mỗi tác vụ mà không tốn kém quá nhiều. Câu hỏi lặp đi lặp lại không phải là “chúng ta có thể xây dựng nó không?” mà là “chúng ta có đủ khả năng để chạy nó đủ lần để hữu ích không?”. Nút thắt cổ chai đó đã dịch chuyển; nó không biến mất.

Kết Luận: Điều Gì Đã Thực Sự Thay Đổi?

Nếu nhìn tổng thể, lịch sử AI là một câu chuyện về _nơi trí tuệ cư ngụ_:

Mỗi kỷ nguyên không thay thế kỷ nguyên trước đó mà là hấp thụ nó. Các tác nhân hiện đại vẫn thực hiện khớp mẫu thống kê bên dưới; đôi khi chúng vẫn thất bại theo những cách dễ vỡ, quá tự tin như các hệ thống chuyên gia cũ, chỉ ít thường xuyên hơn và ít đoán trước được hơn.

Ba bước đột phá cốt lõi

Nếu nén năm kỷ nguyên trên, thực sự chỉ có ba sự gián đoạn quan trọng:

1. Trí tuệ được mã hóa thủ công: Các quy tắc do con người viết (AI biểu tượng).
2. Các biểu diễn được học: Các mẫu mà mô hình tìm thấy trong dữ liệu, với cấu trúc do con người lựa chọn ngày càng ít hơn (học máy thống kê → học sâu → LLMs).
3. Hệ thống tương tác: Các mô hình hành động, quan sát kết quả và sửa đổi, thay vì chỉ đưa ra một câu trả lời duy nhất (các tác nhân – agents).

Phiên bản năm kỷ nguyên kể một câu chuyện hay hơn; phiên bản ba kỷ nguyên là những gì thực sự đã thay đổi bên dưới.

• Thay đổi thứ nhất: ai viết các quy tắc — con người hay dữ liệu.
• Thay đổi thứ hai: câu trả lời thụ động so với vòng lặp chủ động. Hầu hết sự tiến bộ của “AI đã trở nên tốt hơn rất nhiều” đều bắt nguồn từ một trong hai điều đó.

Đây không phải là một bước tiến thẳng tới AGI (Trí tuệ nhân tạo tổng quát). Đó là việc các nhà nghiên cứu liên tục hỏi “điều gì sẽ xảy ra nếu máy quyết định phần này?” và thấy rằng nó có hiệu quả, một khi kinh tế cuối cùng cho phép điều đó.

Liệu chương tiếp theo là “các tác nhân vận hành toàn bộ doanh nghiệp một cách đáng tin cậy” hay “một mùa đông khác trong khi cường điệu vượt quá kỹ thuật” thực sự là một câu hỏi mở và tùy thuộc vào người bạn hỏi, cả hai đều đang xảy ra cùng một lúc.