Mời bạn đọc theo dõi "Featured Post":

"Tình Khúc Cho Em" - While There's Time

11.18.2026

Ba Mươi Ba Hiện Vật: Viện Bảo Tàng Biết Gì Về Trí Tuệ Nhân Tạo (AI)

Written by: Claude AI.

Curator/Editor: Học Trò.


Năm 1770, cả châu Âu xếp hàng xem một cỗ máy biết đánh cờ, và trong bụng cỗ máy có một người ngồi co ro. Năm 2026, người ta hỏi nhau các chatbot có "hiểu" gì không, trong khi sau lưng chúng là hàng triệu người dán nhãn hình ảnh với giá vài xu một lần bấm. Viện Bảo tàng Lịch sử Máy tính (Computer History Museum, CHM) ở Mountain View, California giữ cả hai câu chuyện đó, cùng một con sóc robot, một con Furby biết nói, một con chip thần kinh mà chính Intel không biết dùng vào việc gì, và một tập giấy hội nghị Paris năm 1951 có những dòng đếm người bằng bút chì. Danh sách "Artificial Intelligence at CHM" của viện gom ba mươi ba món như thế. Đọc từng món thì chỉ là tấm nhãn bảo tàng. Đọc chung thì chúng nói một điều: gần như mọi lời hứa và mọi nỗi sợ về AI hôm nay đều đã có một hiện vật nằm sẵn trong tủ kính. Câu hỏi đáng hỏi không phải là AI có mới không, mà là phần nào thật sự mới.

Muốn ghé thăm viện. Computer History Museum, 1401 N. Shoreline Blvd., Mountain View, CA 94043 · điện thoại (650) 810-1010 · computerhistory.org. Giờ mở cửa, vé và đường đi: computerhistory.org/visit. Lúc viết bài này (tháng 11 năm 2026), trang đó ghi viện mở cửa từ thứ Tư đến Chủ nhật, 10 giờ sáng đến 5 giờ chiều, và đóng cửa thứ Hai, thứ Ba. Nên xem lại trang trước khi đi. Nhiều hiện vật nói trong bài nằm ở cuộc triển lãm chính Revolution: The First 2000 Years of Computing. Phòng Trí tuệ nhân tạo & Robot của triển lãm này cũng xem được trên mạng. Còn toàn bộ danh sách thì đọc và xem được ngay ở nhà.


Mở đầu: ai ngồi trong hộp?

Cỗ máy đánh cờ của nhà phát minh người Hung Wolfgang von Kempelen ra mắt năm 1770. Nó là một hình nhân ngồi sau chiếc tủ gỗ, tay đưa quân cờ, hạ được nhiều đối thủ có tiếng. Người đời sau gọi nó là "Người Thổ Máy" (Mechanical Turk). Suốt tám mươi năm nó đi biểu diễn khắp châu Âu và châu Mỹ, và suốt tám mươi năm đó nhiều người xem đoán đúng: trong tủ có một kỳ thủ thật đang ngồi.

Tấm nhãn về Người Thổ Máy nằm ở phòng đầu tiên của cuộc triển lãm trực tuyến Chatbots Decoded mà CHM mở cửa tháng 11 năm 2024. Tôi chọn nó làm cửa vào bài viết này vì nó đặt sẵn câu hỏi xuyên suốt ba mươi ba hiện vật: khi một cỗ máy có vẻ thông minh, ta đang thấy cái gì? Có khi là máy thật. Có khi là người ngồi trong hộp. Thường thì là cả hai, và phần khó nhất là biết tỉ lệ.

Danh sách của CHM không dài. Có bài tường thuật các buổi nói chuyện công cộng của viện từ 2021 đến tháng 5 năm 2026, phim tư liệu từ phòng thí nghiệm AI của Đại học Stanford cuối thập niên 1960, phỏng vấn lịch sử truyền khẩu (oral history), vài hiện vật, một con chip, và cuộc triển lãm Chatbots Decoded dài gần mười nghìn chữ. Trang giới thiệu danh sách nêu những câu hỏi mà các nhà lưu trữ của viện đặt ra trước khi nhận một món đồ: Nó có hiếm, độc nhất hay quý không? Nó có đại diện cho một sản phẩm có ảnh hưởng, một bước ngoặt, hay một thất bại đáng để học không? Người làm ra nó là nhà phát minh lớn, hay một người đã bị lãng quên? Nó có lấp một khoảng trống hiểu biết không?

Bài này đi qua bộ sưu tập theo chín chặng. Ở mỗi chặng tôi hỏi cùng một cặp câu: cái gì ở đây là cũ, và cái gì thật sự mới? Câu trả lời mỗi chặng một khác, và thường không giống với điều mà cả phe tung hô lẫn phe lo sợ AI vẫn nói.

Dòng thời gian, chỉ lấy từ bộ sưu tập

Năm Hiện vật hoặc sự kiện trong danh sách
1770 Người Thổ Máy của von Kempelen, có người giấu bên trong
1920 Vở kịch R.U.R. của Karel Čapek đặt ra chữ "robot"
1938 Máy bói Talkie Horoscope, giọng một nhà chiêm tinh thật thu trên đĩa giấu trong máy
1943 McCulloch và Pitts đưa ra mô hình toán học đầu tiên của mạng thần kinh
1950 Turing đề xuất "trò chơi bắt chước"
1951 Hội nghị Paris Máy tính toán và tư duy con người
1956 Hội thảo mùa hè Dartmouth đặt tên "trí tuệ nhân tạo"
1958 Perceptron Mark I của Frank Rosenblatt
giữa 1960s ELIZA của Joseph Weizenbaum
1968 Licklider và Taylor hình dung OLIVER, người trợ lý sống trong mạng
1968–71 Phim Stanford: ra lệnh bằng giọng nói cho cánh tay robot; máy nhìn giải trò Instant Insanity
1987 Video Knowledge Navigator của Apple
1989 Chip thần kinh tương tự ETANN 80170 của Intel
1993 Bài giảng Tiger in a Cage của Edward Feigenbaum
1998 Furby
2006 Nhóm Lý Phi Phi (Fei-Fei Li) bắt đầu dựng ImageNet
2011 Siri có mặt trong iPhone 4S
2012 AlexNet thắng cuộc thi ImageNet
2017 Google công bố kiến trúc transformer
2022 ChatGPT
2025 "Đại tranh luận chatbot": Emily Bender và Sébastien Bubeck
2026 Joanna Stern kể một năm sống cùng AI

1. Người trong hộp, qua ba trăm năm

Người Thổ Máy không phải trường hợp lẻ loi. Chatbots Decoded xếp nó cạnh một hàng dài những cỗ máy "biết nói" mà thật ra là người nói. Máy bói Talkie Horoscope năm 1938, bỏ đồng xu vào thì nghe một giọng phán vận mệnh; giọng đó là của một nhà chiêm tinh thật, thu trên đĩa than giấu trong thùng. Búp bê Chatty Cathy, món đồ chơi ăn khách thập niên 1960, nói được nhờ một máy hát tí hon trong bụng. Gấu Teddy Ruxpin thập niên 1980 thì có băng cát-xét. Lời bình của bảo tàng cho tất cả chỉ có một câu: "việc biết nói là ảo giác."

Đến đây thì vẫn là chuyện hội chợ. Phần khó chịu là mô thức ấy không dừng ở hội chợ. Năm 2001, chatbot SmarterChild trên dịch vụ nhắn tin AOL nổi tiếng vì trả lời nhanh và dí dỏm. Triển lãm ghi chú rằng đằng sau nó là "một đội người viết". Năm 2021, trong buổi nói chuyện về cuốn Atlas of AI tại CHM (bài tường thuật), nhà nghiên cứu Kate Crawford kể về một "trợ lý AI" xếp lịch họp mà thực chất là rất nhiều người làm những việc lặt vặt, mỗi việc vài xu. Bà mượn chữ của nhà văn Astra Taylor để gọi hiện tượng này: fauxtomation, "tự động hóa giả". Phóng viên Kashmir Hill của New York Times, người dẫn buổi nói chuyện, kể lại cuộc điều tra của chính bà về một ứng dụng tên là "Invisible Girlfriend", Bạn Gái Vô Hình.

Phần cuối của triển lãm, mang tựa "Một chatbot miễn phí tốn bao nhiêu?", nói về những người mà ngành công nghệ gọi là clickworker. Đó là hàng triệu người được trả lương thấp, nhiều người ở các nước đang phát triển, và theo triển lãm có cả người trong nhà tù ở châu Âu. Họ ngồi tới mười hai tiếng mỗi ngày bấm vào hình ảnh và câu chữ để dạy máy nhận ra mọi thứ, "từ dái tai đến lối nói mỉa". Người Thổ Máy có một kỳ thủ trong bụng. Máy hôm nay có cả một dân số.

Vì sao trò này cứ trở lại? Crawford trả lời thẳng: vẻ ngoài "hoàn toàn tự động" hút được nhà đầu tư và khách hàng, trong khi thực tế thì "được xây trên những thao tác lặp đi lặp lại của con người". Người Thổ Máy cũng là một mô hình kinh doanh. Nó kiếm tiền vì người xem tin, hoặc nửa tin, rằng có một cỗ máy đang suy nghĩ.

Nhưng không phải mọi chatbot thời đầu đều là trò lừa. Có những cái ra đời như một thí nghiệm tâm lý học. Giữa thập niên 1960, Joseph Weizenbaum ở MIT viết ELIZA, một chương trình đáp lại câu gõ bằng vài luật đơn giản. Ông mượn thói quen của nhà trị liệu tâm lý là lặp lại lời người bệnh dưới dạng câu hỏi. Triển lãm trưng một bản in năm 1966 do bà Emily White, một chuyên viên máy tính, chạy thử. Điều làm Weizenbaum hoảng là người dùng trút cảm xúc vào cuộc trò chuyện dù biết rõ chương trình không hiểu gì. Ở Stanford, bác sĩ tâm thần Kenneth Colby làm ra PARRY, một chương trình bắt chước bệnh nhân hoang tưởng; bảo tàng còn giữ bản đánh máy cuộc trò chuyện giữa PARRY và một cậu bé chín tuổi. Ở Yale, nhà tâm lý học Robert Abelson dựng "Cỗ máy Ý thức hệ", mô phỏng niềm tin của một người ủng hộ chính trị gia Barry Goldwater. Sơ đồ lý luận của nó, công bố năm 1963, có hẳn những ô ghi "phủ nhận" và "hợp lý hóa".

Ba chương trình ấy mô phỏng một nhà trị liệu, một bệnh nhân và một người tin theo một phe. Những ứng dụng bạn đồng hành, chatbot trị liệu và nỗi lo AI thao túng chính trị hôm nay không phải câu hỏi mới. Chúng là câu hỏi của thập niên 1960, giờ được đặt cho những hệ thống trôi chảy hơn và có số người dùng lớn hơn rất nhiều.

Lên mạng, các thí nghiệm ấy thành trò giải trí đại chúng. A.L.I.C.E., chatbot trên web ra đời năm 2001, dùng luật so mẫu giống ELIZA, và theo triển lãm đã nhiều lần làm người ta tưởng mình đang chat với người thật. Theo triển lãm, đạo diễn Spike Jonze có phần lấy cảm hứng từ việc trò chuyện với A.L.I.C.E. đầu những năm 2000 khi làm Her (2013), bộ phim về người đàn ông yêu trợ lý giọng nói của mình. Một chương trình không hiểu gì đã góp phần sinh ra câu chuyện tình người–máy nổi tiếng nhất thập niên. Weizenbaum hẳn không ngạc nhiên.

Rồi tới kệ đồ chơi. Furby gây cơn sốt mua sắm mùa lễ năm 1998, giá bán lại lên tới 300 đô la. Nó nói "tiếng Furby", bốn mươi hai từ phỏng theo tiếng Đức và tiếng Nhật, và các con Furby nói chuyện với nhau bằng cảm biến hồng ngoại giữa hai mắt. Theo triển lãm, mẫu Furby năm 2005 đã biết thức dậy khi nghe "Hey, Furby!", nhiều năm trước Siri và Alexa. Chó robot AIBO của Sony giá 2.000 đô, nghe được hơn một trăm lệnh. Những "robot xã hội" thập niên 2010 như Pepper và Jibo đều thất bại thương mại vào đầu thập niên 2020. Bảo tàng còn giữ cả Hòn Đá Cưng (Pet Rock) thập niên 1970 lẫn Tamagotchi, con thú ảo bỏ đói thì "chết" và đôi khi làm chủ nhân nhỏ tuổi đau lòng. Bài học của kệ đồ chơi là con người sẵn lòng gắn bó với hầu như bất cứ thứ gì biết đáp lại, và cả nhiều thứ không biết.

Cũ: người giấu trong máy "tự động"; lòng sẵn sàng thương mến thứ biết nói. Mới: quy mô. Người Thổ Máy cần một kỳ thủ; máy hôm nay cần hàng triệu người, và bạn đồng hành ảo có hàng trăm triệu người dùng.


2. Paris 1951: cái nôi bị quên, và mũi tên chỉ ngược

Hỏi ai cũng sẽ nghe cùng một câu trả lời: trí tuệ nhân tạo ra đời ở Đại học Dartmouth mùa hè năm 1956. John McCarthy, Marvin Minsky, Nathaniel Rochester và Claude Shannon tổ chức một dự án nghiên cứu hè, khoảng hai chục người đến rồi đi, và lĩnh vực có tên. Triển lãm của CHM tóm tắt hội thảo ấy bằng hai câu rất khéo: "Họ đồng ý gọi nó là 'trí tuệ nhân tạo'. Họ không đồng ý về cách đạt được nó." Danh sách còn có cuộc phỏng vấn McCarthy năm 2007, khi ông tám mươi tuổi, kể về mùa hè đó và về việc tìm một ngôn ngữ lập trình hợp với ngành mới, thứ về sau thành LISP.

Nhưng danh sách cũng giữ một tập giấy làm câu chuyện ấy rối lên. Đó là tập tài liệu hội nghị Paris năm 1951, và câu chuyện của nó được nhà sử học David C. Brock của bảo tàng kể trong bài Thinking about Machines and Thinking.

Từ thứ Hai 8 đến thứ Bảy 13 tháng Giêng năm 1951, Louis Couffignal, giám đốc phòng thí nghiệm tính toán số của Viện Blaise Pascal, tổ chức một hội nghị quốc tế mang tên Les machines à calculer et la pensée humaine, Máy tính toán và tư duy con người, cách phòng thí nghiệm của ông vài phút đi bộ ở Khu La Tinh. Tiền do Trung tâm Nghiên cứu Khoa học Quốc gia Pháp (CNRS) cấp, có thêm Quỹ Rockefeller. Hai trăm năm mươi chín người dự.

Một trong số đó là Alwin Walther, năm ấy năm mươi ba tuổi, giáo sư toán ứng dụng ở Darmstadt. Quá khứ của ông không sạch. Viện của ông từng tính toán cho tên lửa V-2 của Wernher von Braun, và theo Brock, Walther có dính vào một kế hoạch với SS nhằm bắt các nhà khoa học Do Thái bị giam ở trại Sachsenhausen làm tính tay. Kế hoạch ấy có thực hiện hay không thì không rõ. Bom Đồng Minh đã san phẳng phần lớn trường đại học Darmstadt tháng 9 năm 1944. Trên danh sách người dự hội nghị, Walther làm một việc rất "dân toán": ông lấy bút chì đếm theo quốc tịch. Pháp 184, Anh 40, Hà Lan 8, Bỉ 6, Mỹ 5, Tây Ban Nha 5, Ý 4, Thụy Điển 4, Thụy Sĩ 1, Brazil 1, Đức 1. Cạnh con số cuối ông ghi "1 Allemande", tức chính ông.

Hai ngày đầu nói về máy. Howard Aiken trình bày các máy Mark II, III, IV của Harvard. Andrew Booth nói về máy của ông ở Birkbeck. Eduard Stiefel ở ETH Zurich báo cáo về máy Z4 của Konrad Zuse, lúc ấy do ông trông coi. F. C. Colebrook giới thiệu Pilot ACE, chế tạo theo thiết kế của Alan Turing. Freddie Williams kể về Manchester; Douglas Hartree và Maurice Wilkes nói chuyện lập trình cho EDSAC ở Cambridge. Tối ngày đầu Couffignal trình diễn "máy thử nghiệm" của phòng ông, lần đầu tiên trước thế giới.

Hai ngày cuối nói về óc. Sáng thứ Sáu, Gonzalo Torres y Quevedo trưng bày cỗ máy đánh cờ điện từ thập niên 1920 của người cha quá cố, và Norbert Wiener ngồi chơi với nó. Chiều hôm đó, bác sĩ tâm thần người Anh W. Ross Ashby trình bày Homeostat, một cỗ máy được thiết kế để tự thích nghi với môi trường. Nhà sinh lý thần kinh Grey Walter đem tới những "con rùa" robot biết tìm ánh sáng. Wiener nói về khả năng máy móc cho con người những giác quan mới. Warren McCulloch, người cùng Walter Pitts năm 1943 nghĩ ra "lưới thần kinh", buông câu đáng nhớ nhất tuần: "Bộ óc là máy tính toán, nhưng máy tính toán do người làm thì chưa phải là bộ óc." Riêng về chuyện ai đến dự thì có một chi tiết: chỉ có đàn ông. Thông báo tiệc bế mạc ghi rằng các bà đi cùng hội viên "được phép dự tiệc".

Năm 2017, nhà khoa học máy tính kiêm sử gia người Thụy Sĩ Herbert Bruderer viết trên blog của tạp chí Communications of the ACM rằng sự kiện này "cũng có thể được coi là hội nghị lớn đầu tiên về trí tuệ nhân tạo". Brock thận trọng hơn. Ông viết rằng câu trả lời tùy vào việc ta hiểu "trí tuệ nhân tạo" là gì, và điều chắc chắn là Paris đã gầy dựng một cộng đồng những người nghĩ về óc và máy cùng một lúc. Cả hai cách đọc đều công bằng. Dartmouth cho lĩnh vực cái tên và chương trình nghiên cứu. Paris thì đặt máy tính thật và máy mô phỏng thần kinh vào cùng một phòng, sớm hơn năm năm, ở châu Âu.

Có một lý do giản dị khiến Dartmouth thắng trong sách giáo khoa, và chính bài của Brock chỉ ra. Toàn văn kỷ yếu Paris, hơn 560 trang tiếng Pháp do CNRS in năm 1953, đến năm 2021 vẫn không tìm được bản đọc miễn phí trên mạng. Lịch sử ưu ái những gì đọc được.

Điều thú vị nhất ở Paris không phải là ai đến trước, mà là hướng của mũi tên. McCulloch muốn làm máy theo mẫu bộ óc. Couffignal, trong bài bế mạc sáng thứ Bảy, đề nghị ngược lại. Ông coi bộ óc là "một cỗ máy nơi tư tưởng được hình thành", rồi đem những quy trình làm việc thật của nó so với "lô-gic lý tưởng" của máy tính. Brock tóm lại: mục tiêu của Couffignal "không phải làm cho máy tính nghĩ như người, mà làm cho người nghĩ như máy tính". Ông tin việc đó tốt cho nhân loại, vì nó sẽ phá vỡ "vài ý niệm cố định" mà văn minh vẫn dựa vào để suy luận, và nâng "tiềm năng trí tuệ" lên.

Sự nghiệp của Couffignal không suôn sẻ. Ông thiết kế cho nước Pháp một máy tính đi ngược mẫu Mỹ: nhiều khối tính toán phức tạp chạy song song, gần như không có bộ nhớ, tổ chức "như một dây chuyền nhà máy". Nhà thầu Logabax phá sản năm 1952, cỗ máy lớn không bao giờ được làm. Phòng thí nghiệm của ông cuối cùng phải mua một máy Elliott 402 của Anh, đúng loại thiết kế ông từng chê. Năm 1959 ông bị cho thôi việc.

Thế mà ý tưởng của ông quay lại trong hiện vật mới nhất của danh sách. Ngày 19 tháng 5 năm 2026, nhà báo Joanna Stern lên sân khấu CHM nói về cuốn sách I Am Not a Robot, ghi lại một năm bà để AI làm "(gần như) mọi thứ" (bài tường thuật). Bà nhận xét rằng muốn AI có ích nhất thì con người thường phải tự điều chỉnh mình theo nó, "về cơ bản là biến thành một bộ dữ liệu". Điều làm bà lo hơn cả chuyện mất việc là "khi chúng ta giao luôn việc suy nghĩ của mình ra ngoài". Đó là giấc mơ của Couffignal nhìn từ phía bên kia. Ông mong người nghĩ giống máy để lớn lên. Phiên bản thập niên 2020 lặng lẽ hơn: người tự uốn mình cho vừa máy, vì chỉ có thế máy mới dùng được.

Cũng thời ấy, nửa óc của ngành còn một tên gọi khác: điều khiển học (cybernetics), tức phản hồi, thích nghi, những cỗ máy nhỏ phản ứng với ánh sáng và va chạm. Phòng robot của bảo tàng giữ những di vật của nó. Có SQUEE, con sóc robot của Edmund Berkeley, dùng hai cảm biến ánh sáng và hai công tắc tiếp xúc để đi lượm "hạt dẻ" (thật ra là bóng quần vợt) mang về tổ; nó được mô tả là "đáng tin 75%", và chỉ chạy tốt trong phòng thật tối. Có "Con Thú" (the Beast) ở Johns Hopkins, tự đi tìm ổ cắm điện màu đen để sạc. Và có Elsie của Grey Walter, ưa ánh sáng vừa phải, tránh cả chỗ quá sáng lẫn quá tối, và theo tấm nhãn thì "bị thu hút một cách kỳ lạ bởi tất chân phụ nữ". Ở Dartmouth, triển lãm viết, "có người chủ trương điều khiển học". Trí tuệ biểu tượng thắng, điều khiển học lùi về ngành robot và kỹ thuật điều khiển. Nhưng nó chưa chết hẳn. Robot côn trùng của Rodney Brooks ở MIT dùng phản xạ "thay cho một bộ óc trung tâm", và Brooks về sau đồng sáng lập iRobot, hãng làm máy hút bụi Roomba. Năm 2025, bà Daniela Rus của MIT kể tại CHM rằng mô hình của công ty Liquid AI của bà lấy cảm hứng từ một loài giun có rất ít nơ-ron. Theo lời bà, việc giữ xe trong làn đường cần khoảng 100.000 nơ-ron ở mô hình cổ điển chỉ cần 19 ở mô hình của bà. Đó là lời bà nói, chưa phải số đo độc lập, nhưng tinh thần thì đúng là năm 1951.

Danh sách còn một câu chuyện nhỏ về nguồn cội đáng kể cho người tự học. LISP, ngôn ngữ McCarthy thiết kế ở MIT cuối thập niên 1950, lan ra khắp thế giới khi mỗi nơi tự viết lại nó cho máy của mình. Ở Đông Đức, một tiến sĩ triết học trẻ tên Herbert Stoyan, làm trong nhóm AI của hãng điện tử quốc doanh Robotron, đã dựng hệ LISP dùng cho mọi công trình AI của cả nước, theo hồ sơ của CHM chỉ dựa vào đúng một cuốn sách. Năm 1981 ông sang Tây Đức, rồi thành giáo sư trí tuệ nhân tạo ở Erlangen, và dành mấy chục năm sưu tầm lịch sử LISP. Bộ sưu tập ấy nay chiếm 160 hộp trong kho bảo tàng. Một ngành học vượt Bức màn Sắt dưới dạng một cuốn sách in, và người dựng lại nó từ cuốn sách trở thành người giữ ký ức cho nó.

Cũ: giấc mơ máy biết nghĩ, và giấc mơ ngược lại, người nghĩ như máy. Mới: giấc mơ thứ hai không còn là bài diễn văn trong một hội nghị. Nó đã thành cách người ta thiết kế sản phẩm hằng ngày.


3. Ba trường phái, một quả lắc, và những gì khó vào năm 1969

Để đi tiếp cho dễ, nên nắm tấm bản đồ phương pháp mà Chatbots Decoded vẽ rất gọn. Trí tuệ biểu tượng (symbolic AI) biểu diễn thế giới bằng ký hiệu rồi áp luật lô-gic và phép tìm kiếm lên đó. Nó thống trị từ thập niên 1960 đến 1990 và sinh ra các chương trình đánh cờ cùng "hệ chuyên gia". Mạng thần kinh mô phỏng lỏng lẻo bộ óc: nhiều lớp con số nối với nhau, trọng số của các mối nối được chỉnh dần qua huấn luyện trên ví dụ cho tới khi mạng làm được việc. Học máy thống kê tìm quy luật trong dữ liệu rồi dự đoán. Bà Lý Phi Phi, trong buổi nói chuyện năm 2024, gọi sự trỗi dậy của nó trong thập niên 1990 là "một cuộc cách mạng thầm lặng", và mạng Internet sau đó cung cấp cho nó dữ liệu vô tận. Sang thập niên 2010, mạng thần kinh trở lại với tên học sâu: nhiều lớp, dữ liệu khổng lồ, và chip đồ họa (GPU) làm phần tính toán. Từ 2017, kiến trúc transformer cho phép các mô hình ngôn ngữ học trên hàng nghìn tỉ từ. Triển lãm tính rằng một người đọc chừng ấy chữ thì phải đọc liên tục khoảng 50.000 năm.

Hình ảnh quả lắc là của chính triển lãm. Phần này kết bằng câu hỏi: quả lắc đã dừng chưa? Rồi nó kể những người cho rằng chưa: Doug Lenat, chủ trương kết hợp biểu tượng với học sâu; Josh Tenenbaum ở MIT, mô hình hóa cách trẻ con học từ vài ví dụ; Jeff Hawkins, người đồng sáng lập Palm, với công ty Numenta muốn "giải mã ngược" vỏ não. "Nhiều con đường vẫn còn mở," tấm nhãn kết luận.

Phần cứng kể cùng câu chuyện ấy bằng kim loại. Perceptron Mark I năm 1958 của Frank Rosenblatt là một mạng thần kinh làm bằng mạch điện tử, được dạy nhận mặt chữ cái. Mạng nhận dạng tiếng nói sau đó của ông được đặt tên Tobermory, theo con mèo biết nói trong một truyện ngắn của Saki. Năm 1960, Bernard Widrow, người từng dự Dartmouth, cùng học trò Ted Hoff làm ra ADALINE, dạy được từ việc nhận chữ đến giữ thăng bằng một cây chổi. Hoff, theo triển lãm, về sau giữ vai trò chủ chốt trong việc làm ra bộ vi xử lý đầu tiên ở Intel. Hai dòng phần cứng lớn của ngành máy tính, bộ xử lý đa năng và mạng thần kinh, chung nhau một kỹ sư.

Chính Intel cũng từng thử chip thần kinh, ba thập niên trước cơn sốt. Năm 1989, hãng công bố con chip 80170 ETANN (Electrically Trainable Analog Neural Network), mạng thần kinh tương tự (analog) huấn luyện được bằng điện, có 64 nơ-ron và 10.240 khớp nối, làm trên quy trình bộ nhớ flash của Intel. Nhà bình luận John C. Dvorak của tạp chí PC Magazine viết rằng nó "đạt mức trí khôn lý thuyết của một con gián" và rằng "ở Intel không ai biết làm gì với thứ này". Ông Dag Spicer, người phụ trách bộ sưu tập của CHM, viết trong bài giới thiệu rằng thời đó "không có đủ sức tính lẫn hiểu biết" để dùng mạng thần kinh ở quy mô lớn. Năm 2024, trưởng dự án Mark Holler tặng hai con chip cho bảo tàng. Những con chip sau này trong triển lãm, như bộ xử lý tensor của Google, TrueNorth mô phỏng não của IBM, con chip cỡ nguyên tấm wafer với 2,6 nghìn tỉ transistor của Cerebras, hay Nvidia H100 giá khoảng 30.000 đô một chiếc, là cùng một ý tưởng, nay có đủ sức tính chống lưng.

Bằng chứng sống động nhất về độ khó của những bài toán đầu tiên nằm trên phim. Mùa thu năm 1968, Phòng thí nghiệm AI Stanford quay phim Hear! Here!: máy tính học nhận ra câu nói, rồi một cánh tay robot làm theo lệnh như "Nhặt khối nhỏ ở góc dưới bên trái". Năm 1971, phim Instant Insanity cho thấy máy nhìn và cánh tay robot giải trò chơi bốn khối lập phương nhiều màu, có tới 41.472 cách xếp. Hệ thống tìm từng khối bằng cách so cạnh với một khối mẫu, xoay khối 45 độ để thấy ba mặt, và đọc màu bằng cách nhìn lần lượt qua ba kính lọc. Bảo tàng còn giữ một cánh tay thủy lực từ chính phòng thí nghiệm đó, do Victor Scheinman và đồng nghiệp làm giữa 1966 và 1968, để thử xem tay robot có theo kịp máy tính điều khiển nó không.

Xem lại những thước phim ấy năm 2026 có một cảm giác lạ rất cụ thể. Những phần hồi đó là biên giới khoa học, như nghe hiểu một câu nói hay nhận ra đồ vật, nay chiếc điện thoại nào cũng làm. Những phần hồi đó tưởng chỉ là "lắp ráp", như nhặt một khối gỗ cho êm hay cầm một đồ vật lạ, thì robot vẫn còn vất vả. Giới nghiên cứu gọi sự đảo ngược này là nghịch lý Moravec: cái khó với người có thể dễ với máy, và việc một đứa trẻ làm không cần nghĩ có khi lại khó nhất. Crawford nhắc tới Dự án Thị giác Mùa hè năm 1966 của MIT, vốn định dạy máy gắn nhãn mọi đồ vật trên đời trong một mùa hè. Bà nói thử thách ấy đến nay vẫn chưa giải xong.

Cũ: phương pháp nào đang dùng hôm nay cũng có tổ tiên từ thập niên 1950–60, và phương pháp nào cũng từng được tuyên bố là kẻ thắng. Mới: phần cứng cuối cùng đã đuổi kịp ý tưởng cổ nhất trong danh sách là mạng thần kinh. Đó là lý do chính khiến thập niên này trông khác lần trước.


4. Nó có hiểu không?

Triển lãm gọi đây là "câu hỏi lớn mà giới chuyên gia đang vật lộn", và nêu hai phía rất rõ. Một bài báo năm 2023 của Microsoft Research, Sparks of Artificial General Intelligence (Những tia lửa của trí tuệ nhân tạo tổng quát), cho rằng các mô hình ngôn ngữ lớn cho thấy trí tuệ, khả năng suy luận và kiến thức thật. Một bài năm 2021, On the Dangers of Stochastic Parrots (Về hiểm họa của những con vẹt ngẫu nhiên), cho rằng chúng giống con vẹt hơn, lặp lại những câu đã nghe mà không thật sự hiểu.

Tháng 3 năm 2025, CHM cùng tạp chí IEEE Spectrum mời tác giả chính của hai bài lên cùng một sân khấu, trong buổi The Great Chatbot Debate. Một bên là Emily M. Bender, nhà ngôn ngữ học ở Đại học Washington, đồng tác giả bài "con vẹt". Bên kia là Sébastien Bubeck, tác giả chính bài "tia lửa", từng ở Microsoft Research và lúc ấy làm ở OpenAI. Biên tập viên Eliza Strickland dẫn chương trình.

Một cuộc tranh luận như thế rất dễ bị chấm điểm như trận đấu. Nhưng nhìn kỹ thì hai bên dùng hai loại bằng chứng khác nhau. Phía Bubeck nhìn vào hành vi: đưa cho hệ thống những bài toán khó và lạ, xem nó có giải được theo cách đòi hỏi một kiểu suy luận nào đó không. Phía Bender nhìn vào cách nó được làm ra: một mô hình học đoán chữ từ chữ thì, theo đúng cấu tạo, chưa bao giờ chạm vào thế giới mà chữ nói tới, nên dù làm được gì, nó cũng không thể "có ý" theo nghĩa của con người. Bằng chứng của bên này gần như vô hình với bên kia. Cho nên cuộc cãi không kết thúc.

Bộ sưu tập cho thấy sự chia đôi ấy cũ đến đâu. McCulloch ở Paris năm 1951 nói máy tính "chưa phải là bộ óc". Turing năm 1950 thì né hẳn câu hỏi: nếu máy trò chuyện giỏi đến mức người không phân biệt được với người, ông đề nghị, thì "hợp lý" để nói nó biết nghĩ. Triển lãm còn dẫn câu của nhà khoa học máy tính Hà Lan Edsger Dijkstra, khoảng năm 1985: "Hỏi máy tính có biết nghĩ không cũng chẳng thú vị hơn hỏi tàu ngầm có biết bơi không." Ý của Dijkstra là "nghĩ" và "hiểu" có khi là chữ dùng sai chỗ, và ta cứ hỏi mãi chỉ vì máy biết nói.

Bảo tàng dành một góc cho những nhà phê bình đầu tiên, và đọc lại hôm nay thấy họ đứng vững hơn mình tưởng. Năm 1972, triết gia Hubert Dreyfus cho rằng phần lớn suy nghĩ của con người không mang tính biểu tượng, nên một AI dựng hoàn toàn trên ký hiệu và luật là đi sai đường. Năm 1976, chính Weizenbaum, cha đẻ ELIZA, viết: "Vì hiện nay ta chưa có cách nào làm cho máy tính khôn ngoan, ta không nên giao cho máy tính những việc đòi hỏi sự khôn ngoan." Nhà nhân học Lucy Suchman thì nhấn mạnh rằng quyết định thành hình trong những tình huống xã hội, nơi máy tính không sống.

Xếp các lời phê bình ấy ra thì thấy cái gì đã đổi. Dreyfus phần lớn đúng về mục tiêu ông nhắm. AI biểu tượng thời ông đúng là đụng bức tường ông tả, và những hệ thống thay thế nó học từ ví dụ chứ không từ luật, gần với điều ông nói về tư duy. Theo nghĩa đó, học sâu đã minh oan một nửa cho người phê bình gay gắt nhất của ngành. Lời cảnh báo của Weizenbaum thì không hề sứt mẻ. Không có quy mô nào làm một hệ thống khôn ngoan, và câu hỏi "việc nào đòi hỏi sự khôn ngoan" giờ được đặt ra mỗi ngày, trong tuyển dụng, y tế, tòa án. Còn ý của Suchman sống lại dưới dạng khác: máy nay có sống trong tình huống xã hội, hàng triệu tình huống mỗi ngày, và điều nó học được ở đó không phải lúc nào cũng như ai mong.

Còn một sợi chỉ nữa mà triển lãm đặt ngay dưới chuyện trò chuyện: giới tính. Chatbot không có giới tính, triển lãm viết, "vậy mà ta thường gán cho chúng một giới", thường là nữ, phản chiếu định kiến về người trợ lý. Các nhà làm chatbot cho biết hơn một phần năm số cuộc trò chuyện có ngôn ngữ hoặc nội dung tình dục. Jabberwacky, chatbot năm 1997, là ngoại lệ hiếm hoi với một nhân vật nam rõ ràng, phỏng theo chính người viết ra nó. Tên Siri, theo bài Secrets of Siri, trong tiếng Na Uy nghĩa là "người phụ nữ đẹp dẫn bạn tới chiến thắng". Và khi Joanna Stern tìm hiểu những mối quan hệ với AI cho cuốn sách, bà có một "bạn trai" AI, người mà bà không giới thiệu với con mình. Máy hiểu hay không hiểu thì chưa rõ. Nhưng người thì rõ ràng hiểu máy như một ai đó.

Cũ: chính cuộc tranh luận, ít nhất cũng già như Turing và McCulloch. Mới: máy nay vượt qua bài kiểm tra trò chuyện mà lẽ ra sẽ phân xử nó, mỗi ngày, với người dùng bình thường. Vậy mà chẳng có gì được phân xử.


5. Bong bóng, vỡ bong bóng, và những chấn song của cái chuồng

Tháng 10 năm 2025, CHM mời ba nhà sáng lập công ty AI thuộc ba thế hệ trả lời một câu: cơn sốt hôm nay có khác không? (bài tường thuật). Tên buổi nói chuyện đã gợi ý: This Time It's Different, "Lần này khác".

Jerry Kaplan, một trong những người đầu tiên có bằng tiến sĩ về AI, đồng sáng lập Teknowledge trong cơn sốt hệ chuyên gia thập niên 1980, bán công nghệ ra từ Stanford cho các tập đoàn. Ông nói công nghệ ấy không đủ tốt để làm điều nó hứa, và mô hình kinh doanh "dựa trên những giả định sai, y như ngành AI hôm nay". Hỏi lần này có khác không, ông đáp gọn: "Khác, y như lần trước." Ông tin bong bóng này sẽ vỡ, với hậu quả nặng nề.

Adam Cheyer, đồng sáng lập Siri, lạc quan hơn. Ông kể AI đã giải những bài toán năm mươi năm tuổi và đẩy nhanh hiểu biết về cách protein gấp nếp, và gọi nó là "công cụ mạnh nhất nhân loại từng tạo ra". Daniela Rus thoạt tiên cho rằng đem ý tưởng mới vào đời quan trọng hơn thời điểm, rồi cũng đồng ý với hai người kia là thời điểm quyết định tất cả. Về việc làm, bà dẫn nghiên cứu của đồng nghiệp ở MIT, nhà kinh tế David Autor. Bài tường thuật của CHM viết sai tên ông thành "David Otter" và nêu con số "hơn 60%" công việc hôm nay "chưa tồn tại trước năm 1948". Bài nghiên cứu thật, New Frontiers: The Origins and Content of New Work, 1940–2018 (NBER, 2022), viết rằng "phần lớn việc làm hiện nay thuộc về những chuyên môn mới xuất hiện sau năm 1940". Sửa xong thì ý vẫn đứng: phần lớn công việc hôm nay không có mặt tám mươi năm trước, và năm 1940 không ai đoán được.

Thời của Kaplan có mặt trong danh sách qua nhân vật quan trọng nhất của nó. Tháng 8 năm 1993, Edward Feigenbaum, người tiên phong về hệ chuyên gia ở Stanford, giảng bài Tiger in a Cage, Con hổ trong chuồng. Theo phần giới thiệu, hệ chuyên gia đã thực hiện được một phần giấc mơ trí tuệ siêu phàm, nhưng chỉ "trong những phạm vi hẹp", rồi ngành chuyển sang "hệ tri thức" giúp con người thay vì thay con người. Việc đưa vào công nghiệp thì "dè dặt, chậm, và tuyến tính (chứ không theo hàm mũ)". Phần giới thiệu kết: "Con 'hổ' đang ở trong chuồng, và Feigenbaum đặt ra thử thách là hiểu cho được những chấn song."

Đó là cụm chữ hữu ích nhất trong cả danh sách cho ai muốn tự đánh giá cơn sốt hiện nay. Con hổ là năng lực. Chấn song là mọi thứ còn lại: chi phí, việc ráp với hệ thống cũ, lòng tin, trách nhiệm pháp lý, những người phải đổi cách làm việc, và tri thức phải được rút ra rồi bảo trì. Năm 1993, chính chấn song chứ không phải con hổ quyết định tốc độ. Con hổ hôm nay mạnh hơn nhiều. Chấn song có yếu đi không là chuyện khác, và đó là chỗ giới đầu tư đang đặt cược.

Gần hai năm trước ChatGPT, tháng 2 năm 2021, CHM đã đặt câu hỏi về nỗi sợ theo cách rất tỉnh trong buổi Should We Fear AI?. Thông báo của buổi ấy đặt hai cực cạnh nhau: một bên là máy bay không người lái săn người theo hồ sơ mạng xã hội, bên kia là robot mang trà buổi sáng, nhặt vớ con cái và giúp nghĩ đoạn kết cho cuốn tiểu thuyết. Rồi nó nhắc rằng cả hai cảm xúc đều cũ. "Máy móc thông minh hơn đã khiến người ta mất việc từ thời máy in," nhưng tự động hóa cũng giải phóng phần lớn chúng ta khỏi việc cày ruộng, biến "toán trình độ tiến sĩ thành phép tính thường ngày", và cho ta cái máy rửa chén mà với tổ tiên "hẳn là chuyện cổ tích". Câu hỏi trung tâm của nó đúng cho mọi cơn sốt: "Liệu ta có đang sợ đúng thứ cần sợ không?"

Hai ý cũ trong triển lãm giúp giải thích vì sao lịch sử AI đi theo từng đợt sóng. Thứ nhất là "hiệu ứng AI", gói trong câu mà bảo tàng gán cho Larry Tesler khoảng năm 1970: "Trí tuệ là bất cứ điều gì máy chưa làm được." Kiểm tra ngữ pháp, nhận dạng chữ viết tay, đánh cờ, cái gì làm được rồi thì không ai gọi là AI nữa. Triển lãm ghi rằng hệ chuyên gia không biến mất sau khi vỡ bong bóng. Chúng thành chuyện thường, "chạy trong mọi tổng đài tự động bạn từng gọi". Thứ hai là chính cái vòng lặp. "Chu kỳ cường điệu" mà hãng Gartner đưa ra năm 1995 tả đường đi từ hào hứng tới vỡ mộng rồi tới hữu ích lặng lẽ; trong AI, những lần vỡ mộng có tên riêng là "mùa đông", khi tiền tài trợ cạn. Hồ sơ bộ sưu tập LISP của Stoyan ghi lại một mùa đông như thế, cuối thời Chiến tranh Lạnh.

Kết luận trung thực là một kết luận hai mặt. Kaplan có thể đúng rằng tiền đang đi trước kinh doanh. Cheyer có thể đúng rằng công cụ là thật. Lần trước cả hai cùng xảy ra: các công ty hệ chuyên gia sụp, còn công nghệ thì sống tiếp trong mọi tổng đài điện thoại.

Cũ: vòng lặp sốt – vỡ – thấm dần, và khoảng cách giữa điều công nghệ làm được với tốc độ tổ chức dùng được nó. Mới: con hổ. Công ty nào sống chết thì sống chết, năng lực ấy không quay vào chuồng nữa.


6. "Cỗ máy làm việc" còn dang dở

Tháng 4 năm 1968, J. C. R. Licklider và Robert W. Taylor, hai người có công nhất trong việc cấp tiền cho mạng ARPAnet, tiền thân Internet, viết bài "Máy tính như một thiết bị truyền thông". Trong đó họ hình dung một người trợ lý tên OLIVER, đặt theo tên Oliver Selfridge, nhà tiên phong đã gợi ra ý tưởng và từng góp tay tổ chức Dartmouth. OLIVER sẽ là "một tổ hợp chương trình và dữ liệu nằm trong mạng, hành động thay cho chủ nhân, lo liệu nhiều việc nhỏ không cần chủ nhân bận tâm". Họ đoán trước lời bắt bẻ: "'Ông đang tả một cô thư ký,' bạn sẽ nói. Không đâu! Thư ký cũng sẽ có OLIVER."

Licklider không vội. Ông tin trí tuệ ngang người là khả thi, nhưng nghĩ có thể mất "từ 20 đến 500 năm", và cho rằng thời kỳ người và máy cộng tác trong lúc chờ đợi sẽ là thời "sáng tạo và hứng khởi nhất về trí tuệ trong lịch sử loài người".

Ông Marc Weber, người phụ trách chương trình lịch sử Internet của CHM, kể lại số phận ý tưởng ấy trong bài Secrets of Siri. Bài dựng quanh một cuộc phỏng vấn các nhà sáng lập Siri mà viện ghi năm 2013 và hứa không công bố cho tới khi họ đồng ý. Dòng thời gian của ông có bốn trạm. Trạm đầu là OLIVER. Trạm thứ hai là năm 1987: tổng giám đốc Apple John Sculley, cần một tầm nhìn riêng sau khi đẩy Steve Jobs ra khỏi công ty, cho nhóm Công nghệ Tiên tiến làm video Knowledge Navigator. Trong video, một giáo sư dùng máy tính bảng màn hình cảm ứng; một trợ lý hoạt hình thắt nơ nghe điện thoại hộ, gọi video tìm đồng nghiệp, tra cứu một thứ giống như mạng web tương lai. Video lấy bối cảnh năm 2011. Trạm thứ ba là năm 1990: một nhóm từ Apple tách ra lập General Magic. Hệ điều hành Magic Cap của họ dựng quanh những "đặc vụ" phần mềm (agent) có thể tự đi đặt bữa trưa hay tìm vé máy bay rẻ qua mạng không dây. Người cầm đầu, Marc Porat, tả một thế giới nơi ai cũng luôn nối với một "đám mây" dịch vụ qua thiết bị trong túi áo. Tầm nhìn gần giống chiếc smartphone hôm nay. Phần cứng thì không theo kịp: các máy Magic Cap của Sony và Motorola ra thị trường năm 1994 và bán ế. (Chú thích của CHM ghi một ảnh màn hình Magic Cap là năm 1984, không thể đúng với một công ty thành lập năm 1990.)

Trạm thứ tư là Siri. Siri ra đời từ nhiều năm nghiên cứu ở viện SRI International, nơi Adam Cheyer, nhà khoa học trưởng Didier Guzzoni và đồng nghiệp tìm cách làm cho nhiều bộ phận AI phối hợp với nhau. Steve Jobs đích thân thuyết phục các nhà sáng lập và mua lại công ty nhỏ ấy năm 2010, với giá ước chừng 200 triệu đô. Apple công bố iPhone 4S có Siri ngày 4 tháng 10 năm 2011, và Steve Jobs mất ngày hôm sau. Video năm 1987 đặt người trợ lý vào năm 2011. Siri đến đúng năm 2011.

Điều các nhà sáng lập Siri muốn làm thì lớn hơn những gì Apple tung ra. Tại CHM năm 2025, Cheyer kể họ chưa bao giờ gọi Siri là AI khi gọi vốn. Họ gọi nó là "do engine", tạm dịch "cỗ máy làm việc", để phân biệt với "search engine", cỗ máy tìm kiếm: thứ kết hợp hiểu biết với hành động, gọi taxi giùm, mua vé giùm. Mô hình kinh doanh của Siri trước khi về Apple cũng khớp với tầm nhìn đó. Thay vì bán quảng cáo mong khách đặt phòng, Siri sẽ ăn hoa hồng trên những lần đặt phòng thật sự hoàn tất. Apple chỉ làm một phần. Cheyer cùng Dag Kittlaus và Chris Brigham lập Viv Labs để thử lại, bán cho Samsung năm 2016, và một phần của nó sống trong trợ lý Bixby của Samsung.

Kết luận của Weber là câu sắc nhất trong danh sách về cơn sốt "AI tác tử" (agentic AI) hiện nay. AI tạo sinh đã làm cho các bộ phận "thông minh hơn và trôi chảy hơn rất, rất nhiều", nhưng nó "chỉ mới bắt đầu giải bài toán trung tâm là tích hợp hệ thống": làm sao điều phối nhiều dịch vụ thành một việc trọn vẹn từ đầu đến cuối. Ví dụ của ông cố tình đời thường. Một tác tử tìm được quán phở xào Thái (Pad Thai) ngon mà không hỏi dịch vụ bản đồ về thời gian chạy xe thì bữa tối tới trễ. Tom Gruber, trong cuộc phỏng vấn, so việc dựng một hệ như thế với việc lắp ráp một chiếc Boeing 747. Nhóm Siri dựng một khung gọi là Active Ontologies chính để giải bài toán đó: định nghĩa từng mô-đun AI riêng rồi điều phối chúng trong một hệ thống chung.

Ai từng quản lý một dự án kỹ thuật lớn, một nhà máy hay một công trình, sẽ nhận ra bài toán này ngay. Cái khó hiếm khi nằm ở một bộ phận riêng lẻ. Nó nằm ở giao diện giữa các bộ phận, ở chỗ bàn giao, ở thứ tự các bước, và đó là chỗ Weber nói AI tác tử vẫn đang đứng. Chatbots Decoded cho thấy đã có bao nhiêu lần thử dọc đường: Clippy của Microsoft năm 1997, đoán lúc người dùng cần giúp và bị nhiều người thấy "phiền phức xâm phạm"; SmarterChild năm 2001; Amazon Echo năm 2014, với hơn nửa tỉ thiết bị hỗ trợ Alexa; Humane AI Pin năm 2024, một thiết bị đeo không màn hình mà triển lãm giới thiệu như bước mới nhất. Lần nào cũng làm việc trò chuyện dễ hơn. Chưa lần nào làm cho phần "làm việc" đáng tin.

Câu hỏi tiền bạc cũng chưa đổi. Mục "Theo dấu đồng tiền" của triển lãm kể ba cách công nghệ thông tin thường được trả tiền: quảng cáo, thuê bao, và trả theo lần dùng. Nó hỏi chuyện gì xảy ra với quảng cáo khi chatbot trả lời thẳng thay vì đưa ra danh sách đường dẫn. Các nhà sáng lập Siri đã có một câu trả lời từ năm 2010: lấy tiền trên giao dịch hoàn tất. Mỗi mô hình sinh ra một loại trợ lý khác nhau. Trợ lý do nhà quảng cáo trả tiền sẽ thuyết phục. Trợ lý ăn hoa hồng sẽ chốt đơn. Trợ lý do người dùng trả thuê bao thì, có lẽ, làm việc cho người dùng.

Cũ: giấc mơ, được nói gần như nguyên văn từ năm 1968, và câu hỏi ai trả lương cho người trợ lý. Mới: người trợ lý nay biết nói. Còn có làm được việc cho chắc hay không thì vẫn là câu hỏi mở, như thời Siri.


7. Hóa đơn: dữ liệu, con người, mặt đất

Món đồ nào cũng có những chi phí không in trên vỏ hộp. Danh sách của CHM dành cho chi phí của AI nhiều chỗ hơn bất kỳ chủ đề nào khác.

Dữ liệu. Danh sách kể chuyện một bộ dữ liệu hai lần. Trong lời bà Lý Phi Phi năm 2024, ImageNet là câu chuyện bền chí. Khi các bậc đàn anh còn làm với dữ liệu nhỏ, bà đặt cược vào việc gom một kho ảnh khổng lồ có gắn nhãn. Bộ dữ liệu mở ấy, khởi công ở Stanford năm 2006, đã "khởi động" nghiên cứu AI hiện đại. Năm 2012, mạng học sâu AlexNet từ phòng thí nghiệm của Geoffrey Hinton ở Toronto thắng cuộc thi ImageNet và mở ra kỷ nguyên học sâu. Bảo tàng còn giữ tấm ảnh hiếm chụp chiếc máy tính ở nhà, gắn card đồ họa, nơi AlexNet được huấn luyện.

Trong lời Kate Crawford năm 2021, cũng bộ dữ liệu ấy là lời cảnh báo. Cùng nghệ sĩ Trevor Paglen, bà mất hai năm "khai quật" các bộ dữ liệu huấn luyện. Trong các nhóm ảnh về con người của ImageNet, bà thấy những nhãn mang tính phân biệt chủng tộc, khinh miệt phụ nữ, xúc phạm, hoặc đơn giản là vô lý, đã được dùng để dạy máy hơn mười năm. Sau đó nhiều nhóm ảnh bị gỡ; theo tường thuật của CHM là 660.000 tấm. Chính nhóm của bà Lý cũng công bố một bài về việc lọc và cân bằng lại các nhóm ảnh "con người" của ImageNet (Towards Fairer Datasets, Yang, Qinami, Fei-Fei, Deng, Russakovsky). Crawford nêu thêm một vấn đề: những hệ thống đã học từ dữ liệu bị gỡ vẫn đang chạy, còn dấu vết của thứ chúng học thì mất rồi. Cả hai câu chuyện đều đúng, và bộ dữ liệu cần cả hai.

Định kiến. Buổi nói chuyện năm 2021 "AI có phân biệt chủng tộc không?" (bài tường thuật) sinh ra hiện vật tự tố cáo đắt giá nhất danh sách. Khi bảo tàng cho phần mềm tự động chép lời đoạn ghi âm của chính buổi ấy, tên nhà nghiên cứu Joy Buolamwini của MIT biến thành "joy blend weenie". Tiến sĩ Vilna Bashi Treitler thành "Dr. Vilna bossy trailers", và Miriam Sweeney thành "Miriam, sweetie". Với tên đàn ông da trắng và châu Á thì phần mềm không vấp, "kể cả 'Satya'". (Bản tường thuật của CHM cũng viết sai tên Buolamwini.) Rồi các diễn giả kể những thất bại nặng hơn. Có những người đàn ông da đen bị bắt vì hệ thống nhận diện khuôn mặt của cảnh sát nhận nhầm. Có thuật toán ghép tạng loại người da màu với tỉ lệ cao bất thường. Có hệ thống ở một công ty khởi nghiệp gắn cờ "không an toàn" cho nội dung do người da màu đăng lên rồi gỡ đi; chính chuyện này đưa nhà khoa học máy tính Deborah Raji tới ngành công bằng trong AI. Lili Cheng của Microsoft nhắc lại Tay, chatbot bị người dùng Twitter dạy nói lời kỳ thị chỉ trong vài giờ; triển lãm ghi nó bị gỡ sau mười sáu tiếng. Kết luận của họ không mang tính kỹ thuật. "Sẽ không có 'bản vá thuật toán'" cho nạn kỳ thị hay khoảng cách giàu nghèo, bà Safiya Noble ở UCLA nói. Giáo sư Charlton McIlwain ở NYU, người nghiên cứu lâu năm về lịch sử kỳ thị trong công nghệ, đồng ý: "Sửa một dòng mã hay làm một ứng dụng mới không phải là sửa."

Một buổi năm 2017 trong danh sách cho thấy chuyện này gần sản phẩm thương mại đến đâu. Công ty Affectiva của bà Rana el Kaliouby, tách ra từ MIT Media Lab, làm phần mềm đọc cảm xúc trên khuôn mặt, huấn luyện trên 4,8 triệu khuôn mặt từ 75 quốc gia, và khách hàng là những nhãn hàng tiêu dùng muốn đo phản ứng của khán giả với quảng cáo (video). Đặt cạnh phần mềm không nghe nổi tên một phụ nữ da đen, câu hỏi tự hiện ra: máy đọc tốt mặt của ai, và ai quyết định một khuôn mặt mang nghĩa gì?

Mặt đất. Cuốn Atlas of AI của Crawford bắt đầu từ một món đồ là chiếc loa Amazon Echo, rồi lần theo trọn đời nó. Khoáng chất được đào, luyện, lắp ráp, chở đi bởi những người lao động. Nằm trong phòng khách, nó thu dữ liệu để dạy AI. Bỏ đi thì nó nằm ở bãi rác điện tử, bà nói, ở một nơi như Ghana hay Pakistan. Bà cảnh báo nếu cứ tiêu thụ thế này, thế giới có thể thiếu lithium sớm nhất vào năm 2040. Đó là dự phóng của bà, và nó tùy rất nhiều vào giả định về khai thác và tái chế. Bà cùng Alex Campolo gọi tên mâu thuẫn là "tất định mê hoặc" (enchanted determinism): AI được quảng cáo như phép màu, vậy mà lại được tin để ra quyết định trong tư pháp, giáo dục, tuyển dụng. Triển lãm thêm vào các trung tâm dữ liệu, ngốn "nhiều điện hơn một nước nhỏ", với tháp làm mát có thể dùng hàng triệu ga-lông nước mỗi ngày.

Tin tức. Tại buổi bàn về báo chí năm 2025 (bài tường thuật), Jason Koebler của 404 Media kể ông mất nhiều tháng điều tra việc một bộ dữ liệu huấn luyện AI chứa nội dung bất hợp pháp. Bài vừa đăng được vài phút thì hàng chục "trại nội dung" AI đã cào về đăng lại, và các bản sao ấy xếp hạng trên bài gốc trong Google. Ông gọi đó là sự sụp đổ của khả năng được tìm thấy: nội dung trông có vẻ đáng tin rẻ đến mức đè bẹp người làm việc thật. Lời khuyên của các diễn giả cũ mà vẫn đúng: đọc ra ngoài vùng vang vọng của mình, trả tiền cho nguồn tin mình tin, và xem câu chuyện từ đâu ra.

Hình ảnh. Phần AI tạo sinh của triển lãm làm vấn đề lòng tin trở nên cụ thể bằng một phòng tranh nhỏ do Midjourney vẽ. Một lệnh yêu cầu "chân dung trắng đen năm 1971 của người phụ nữ đầu tiên lên Mặt Trăng", và kết quả trông như ảnh lưu trữ của một sự kiện chưa từng xảy ra. Cạnh đó bảo tàng đặt trường hợp ngược lại: một tấm ảnh chụp từ trên cao Công viên Golden Gate đăng trên Reddit, đẹp tới mức nhiều người cho là AI vẽ. Trang kiểm chứng Snopes kết luận ảnh thật, và nhiếp ảnh gia Eric Thurber xác nhận. Ảnh giả lừa được người chỉ là một nửa vấn đề. Nửa kia là ảnh thật mà không ai tin.

Lớp học. Ông Sal Khan, khi nói về cuốn Brave New Words năm 2025 (bài tường thuật), kể về Khanmigo, gia sư AI của Khan Academy. Khoảng 450.000 học sinh và giáo viên đang dùng thử, năm học sau dự kiến 1,1 triệu. Trái với định kiến rằng giáo dục chậm chạp, giáo viên lại là người dùng nhanh nhất. Con số gây bất ngờ là chỗ khác: 80 đến 85 phần trăm học sinh, theo ông Khan, không biết đặt câu hỏi cho gia sư, cũng như các em ngại giơ tay trong lớp. Ông cho rằng thầy cô nào tin mình nhận ra được bài AI viết là đang "hơi chối bỏ thực tế", và đề nghị nhà trường hỏi lại mục đích của mỗi bài tập. Triển lãm đặt chuyện này vào cuộc chạy đua dài hơn: máy tính bỏ túi thập niên 1970, Wikipedia thập niên 2000, giờ là phần mềm dò AI đấu với phần mềm viết lại cho "giống người". Con số 80–85 phần trăm mới là chuyện chính. Kỹ năng mà AI thưởng nhiều nhất, biết hỏi cho hay, lại là kỹ năng nhà trường ít dạy nhất. Người tự học thì biết rõ điều này.

Việc làm và sáng tác. "AI có cướp việc của tôi không?" Triển lãm trả lời bằng lịch sử chứ không bằng dự đoán. Có những người thợ dệt Luddite đập máy. Có máy in chữ rời của Gutenberg, làm từ một máy ép nho khoảng năm 1450, cho phép hai người thợ in 3.600 trang một ngày. Nghề chép sách, được trọng vọng gần năm nghìn năm, theo tấm nhãn "là một trong những nghề lao động trí óc đầu tiên bị tự động hóa thay đổi". Có họa sĩ Paul Delaroche năm 1839, xem ảnh của Daguerre xong, tương truyền đã tuyên bố "Hội họa chết rồi." Hiện vật bất ngờ nhất là từ năm 1960: hai sinh viên MIT, Doug Ross và Harrison "Dit" Morse, lập trình cho máy TX-0 viết kịch bản một phim cao bồi ngắn tên Saga cho đài CBS. Đó là AI viết chữ sáu mươi năm trước khi có cụm "AI tạo sinh". Hiện vật mới nhất là tấm biển của cuộc đình công Hiệp hội Biên kịch Mỹ năm 2023. Họ thỏa thuận xong vào tháng 9 với những điều khoản bảo vệ trước kịch bản do AI viết, sau khi một tòa án phán rằng tác phẩm do AI làm một mình thì không được bảo hộ bản quyền. Lập trình viên cũng có một tấm bảng riêng: từ thời gõ số 0 và 1 bằng tay, tới ngôn ngữ bậc cao, tới "lập trình viên cặp" AI gợi ý mã khi người ta gõ. Chúng làm nhanh hơn, làm lo hơn, và "có thể sinh lỗi mà người phải gỡ". Câu chua nhất trong mục này là của cây bút Karl Sharro: "Con người làm việc nặng lãnh lương tối thiểu trong khi robot làm thơ vẽ tranh, đó không phải tương lai tôi mong."

Bạn đồng hành. Mục "Bạn số mới của bạn?" của triển lãm kể về các ứng dụng như Replika, Character.ai, và Xiaoice (Tiểu Băng) của Microsoft ở châu Á với hàng trăm triệu người dùng. Câu chuyện làm lòng người chùng xuống nhất là của James Vlahos. Khi cha mất, ông làm một chatbot dựa trên cha để giữ sợi dây nối hai cha con, rồi đồng sáng lập một công ty làm "versona", những chatbot mô phỏng một người cụ thể. Triển lãm hỏi những người bạn ảo này phản ánh sự cô đơn ngày càng lớn "hay góp phần làm nó lớn thêm", và để câu hỏi mở.

Luật lệ. Mục quản lý của triển lãm, viết năm 2024, giờ đọc như một tấm ảnh chụp nhanh. Có lá thư năm 2023 đòi tạm dừng nghiên cứu AI, do Elon Musk, Steve Wozniak và khoảng hai mươi nghìn người ký, kèm lời bình hóm hỉnh: "Dù chân thành đến đâu, những lời cảnh báo như vậy cũng là quảng cáo tuyệt vời." Có các phiên điều trần ở Thượng viện, sắc lệnh của tổng thống, vụ New York Times kiện OpenAI và Microsoft. Và có một so sánh lịch sử đáng suy nghĩ. Điều 230 của Đạo luật Communications Decency Act năm 1996 (triển lãm ghi nhầm thành "Telecommunications Decency Act") miễn trách nhiệm cho các nền tảng về nội dung người dùng đăng, và chỉ một điều luật ấy đã định hình cả thời đại mạng xã hội. "Luật khác," tấm nhãn viết, "thì kết quả đã khác." Câu đó đúng cho AI bây giờ.

Cũ: gần như mọi khoản trên hóa đơn này. Hồ sơ thiên lệch, lao động giấu mặt, khai mỏ, nỗi lo gian lận, người cô đơn trò chuyện với máy đều có trước công nghệ. Mới: tốc độ và quy mô, và việc những chi phí ấy nay nằm trong những hệ thống mà người ta tin là trung lập.


8. Những người trong phòng

Hiện vật không nói được điều mà những buổi nói chuyện gần đây nói được: những người đang làm ra AI nghĩ họ đang làm gì.

Tháng 4 năm 2023, CHM kỷ niệm năm mươi năm chiếc Xerox Alto, cỗ máy năm 1973 của trung tâm Xerox PARC đã cho thế giới thấy máy tính cá nhân trông ra sao (bài tường thuật). Butler Lampson và Charles Simonyi, hai người thiết kế, cùng Alan Kay qua video, nhớ lại một nền văn hóa do Bob Taylor dựng, nơi những "con sói cô độc" chịu làm việc chung. Họ nhớ chiếc máy đói bộ nhớ đến mức nào (dưới 128K), đói tới nỗi chữ trên màn hình biến mất từ dưới lên khi máy cần bộ nhớ để định dạng hay in. Lampson cho rằng tiến bộ của máy tính, kể cả học sâu, bị giới hạn chủ yếu bởi phần cứng, nhất là bộ nhớ. Kay nói rằng khi nghiên cứu tạo ra công cụ mạnh, đào tạo và giáo dục phải là một phần của hệ thống, để công cụ "được dùng cho điều tốt". Ở PARC, theo lời Kay, mục tiêu là máy tính trở thành "bộ khuếch đại trí tuệ cá nhân".

Buổi thứ hai tối hôm đó bàn về AI. Ilya Sutskever, lúc ấy là nhà khoa học trưởng của OpenAI, nói rằng toàn ngành máy tính giờ chỉ có một mục tiêu: "làm ra trí tuệ nhân tạo thật lòng yêu thương nhân loại". Eric Horvitz, giám đốc khoa học của Microsoft, nói AI sẽ chạm tới không chỉ việc làm và giáo dục mà cả "cảm thức của ta về sự độc nhất và bản sắc làm người". Cả hai đều thẳng thắn rằng xáo trộn sẽ lớn. Sutskever nói người làm AI có thể dựng nhiều lớp rào chắn, như từ chối những yêu cầu không chấp nhận được, nhưng xã hội cũng cần những luật lệ "khôn ngoan, chọn lựa kỹ". Ông tóm lại: "Sẽ không nhàm chán đâu."

Tháng 10 năm 2023, nhà đầu tư Reid Hoffman, đồng sáng lập LinkedIn và Inflection AI, đến CHM với phiên bản hợp tác người–máy theo nghĩa đen nhất trong danh sách: cuốn Impromptu: Amplifying Our Humanity Through AI, viết chung với GPT-4 (video). Chữ "amplifying", khuếch đại, trong tựa sách vô tình vọng lại chữ của Kay ở PARC năm mươi năm trước.

Bà Lý Phi Phi là giọng nói thận trọng nhất của danh sách. Bà tránh thổi phồng, và gọi trí tuệ nhân tạo tổng quát là một "sao Bắc Đẩu", thứ để định hướng chứ bà không nghĩ đạt được với "định nghĩa trọn vẹn về con người". Hỏi rủi ro lớn nhất của AI là gì, bà trả lời một chữ: sự thiếu hiểu biết. Ai bảo AI toàn tốt là "không biết gì về quá khứ", vì công cụ nào trong lịch sử cũng từng bị dùng để gây hại. Nhưng chỉ nói về thảm họa diệt vong thì quên rằng AI là "một hệ thống vật lý" nằm trong trung tâm dữ liệu, "gắn chặt với xã hội loài người", tức là thứ con người cai quản được. Ý cuối của bà là về tiền công: thành quả tốt nhất của đầu tư công cho nghiên cứu "không phải công nghệ nó giúp tạo ra mà là con người".

Và có Joanna Stern, sau một năm dùng AI cho gần như mọi việc, trở về với những ranh giới. Thư từ riêng tư thì không giao cho máy; thư AI viết vẫn đọc ra nhạt nhẽo, và sự gắn kết thật cần giọng của chính bà. Bàn chải đánh răng AI thì "chưa đủ chín". Bà dùng AI để biên tập, phân tích bản ghi phỏng vấn, dựng doanh nghiệp quanh cuốn sách, nhưng sách thì bà tự viết. Bà kể sinh viên đã bắt đầu la ó những người cổ vũ AI trong lễ tốt nghiệp, trong khi chỉ một năm trước bài diễn văn tốt nghiệp về AI của chính bà chỉ làm người nghe ngáp.

Cũ: những người làm ra công cụ mạnh luôn cãi nhau về việc công cụ để làm gì, và những người giỏi nhất (Kay ở PARC, bà Lý ở Stanford) luôn đòi giáo dục phải là một phần của công cụ. Mới: người làm ra nó giờ nói thẳng, trên sân khấu bảo tàng, rằng họ đang làm một thứ có thể đổi nghĩa của chữ "làm người".


9. Giữ gìn quá khứ

Chặng cuối là chính viện bảo tàng, và những con đường lắt léo mà hiện vật đi để tới được đó.

Sau hội nghị Paris, Alwin Walther về Darmstadt. Ông dựng lại viện, hoàn thành chiếc máy tính điện tử DERA năm 1957, và gầy một thư viện thành chỗ dựa cho giới máy tính Đức. Cho thư viện ấy, ông đóng tập giấy tờ Paris thành sách: bốn trang chương trình, ba trang thông báo, chín trang danh sách người dự có những dòng đếm bút chì, hơn trăm trang tóm tắt bằng tiếng Anh và tiếng Pháp. Tập sách nằm trên kệ với số hiệu B8807 nhiều năm, rồi thư viện thanh lý nó. Nhà sưu tầm sách hiếm Jeremy Norman mua lại, dùng trong bộ tư liệu The Origins of Cyberspace năm 2002, rồi tặng cho CHM. Giờ nó nằm trong kho bảo tàng ở vùng Vịnh San Francisco, và, như Brock ghi với chút thích thú, một bản quét của nó nằm "trong một máy tính của Microsoft ở đâu đó trong hạ tầng Azure", ai cũng tải về được. Darmstadt thời chiến, một cuốn sách bị thanh lý, một nhà sưu tầm, một viện bảo tàng, một máy chủ đám mây: đó là con đường mà nhờ nó ta còn biết ai đã đến Paris.

Phần mềm còn khó sống sót hơn. Nhóm Bảo tồn Phần mềm của CHM bắt đầu từ một lá thư điện tử năm 2002 của kỹ sư phần mềm Grady Booch, tựa đề "Bảo tồn các sản phẩm phần mềm kinh điển". Dự án thử đầu tiên, khởi năm 2004, đi tìm trình biên dịch FORTRAN nguyên thủy và tìm được trong vòng một năm. Sau đó có LISP, APL, hệ NLS của Doug Engelbart. 160 hộp tư liệu LISP của Herbert Stoyan, gồm sổ tay, báo cáo, bản in mã nguồn, băng từ, thư từ, là một phần của cùng nỗ lực ấy.

Trong các câu hỏi nhận hiện vật của viện có một câu đáng để ý hơn: món này có phải một "thất bại đáng để học" không? Bộ sưu tập AI đầy những thất bại như thế. Có cỗ máy của Couffignal không bao giờ được làm, và con chip ETANN đến sớm hai mươi lăm năm. Có máy cầm tay của General Magic thấy trước smartphone, và chiếc Newton của Apple, mọc ra từ tầm nhìn Knowledge Navigator. Có Clippy, có Tay, có Furby "Emoto-Tronic" năm 2005 không làm sống lại cơn sốt. Có Pepper và Jibo, và một robot giáo dục mà bộ phụ kiện hút bụi, theo tấm nhãn, "tiếc thay tỏ ra không thực tế". Xếp chúng thành hàng thì thấy nguyên nhân lặp lại: phần cứng chưa sẵn, thời điểm sai, người dùng không tin, giá quá cao. Cheyer và Kaplan, hai người đứng ở hai phía của câu hỏi lạc quan, đồng ý với nhau đúng một điều năm 2025: thời điểm làm nên hoặc giết chết một công nghệ. Một bảo tàng chịu giữ thất bại làm bài học ấy hiện ra trước mắt.

Viện cũng thừa nhận một khoảng trống. Kỷ yếu năm 1953 của hội nghị Paris, bản ghi đầy đủ những gì đã nói, chưa có bản đọc miễn phí trên mạng khi Brock tìm. Thứ được quét thì được nhớ, và thứ được nhớ thì thành câu chuyện chính thức về nguồn cội. Đó là một lý do khiến một hội nghị sớm hơn năm năm, có máy tính thật và máy mô phỏng thần kinh, mất danh hiệu "cái nôi" vào tay một hội thảo hè ở Dartmouth. Ai từng ngồi số hóa từng trang báo cũ hay từng trang tự điển xưa đều hiểu nỗi lo đó.

Cũ: bài toán chọn giữ cái gì. Mới: gần như không có gì. Bốn câu hỏi của viện (hiếm? có ảnh hưởng? thất bại đáng học? người bị quên?) dùng cho năm 2026 cũng tốt như cho năm 1951. AI đang sinh hiện vật nhanh hơn sức người thẩm định, nên những câu hỏi ấy càng có ích chứ không bớt đi.


Kết: mũi tên chỉ về đâu

Cuối Chatbots Decoded có một bức tường để khách viết câu trả lời cho câu hỏi: AI sẽ đổi cách chúng ta làm việc và sống trong mười năm tới ra sao? Những tấm thẻ bảo tàng chọn trưng đi từ lo môi trường tới trò chơi điện tử, từ sợ mất nghề đồ họa tới hy vọng có bạn cho người cô đơn. Phía trên, triển lãm nhắc hai chuyện về việc đoán trước phát minh. Màng xốp bong bóng vốn được chế ra làm giấy dán tường và vật liệu cách nhiệt. Còn xe Segway từng được đoán là sẽ "lớn hơn cả Internet". Tác động của một phát minh, tấm nhãn viết, "rốt cuộc tùy vào cách người bình thường dùng nó".

Ba mươi ba hiện vật cũng không đoán được mười năm tới. Điều chúng làm được là tách hiện tại ra làm hai phần, phần lặp lại và phần không.

Phần lặp lại thì nhiều. Có người ngồi trong hộp, từ Người Thổ Máy tới clickworker, và lòng thương mến thứ biết đáp lời, từ búp bê có máy hát tới bạn trai AI. Có cuộc cãi về chữ "hiểu" từ thời Turing và McCulloch, vòng sốt – vỡ của thời hệ chuyên gia, người trợ lý OLIVER năm 1968. Có định kiến nằm sẵn trong hồ sơ mà máy học từ đó. Ngay cả mong ước con người tập nghĩ như máy cũng có ngày tháng và địa chỉ: sáng thứ Bảy 13 tháng Giêng năm 1951, cách điện Panthéon vài phút đi bộ.

Phần mới cũng có. Máy giờ trò chuyện thật, và trôi chảy. Phần cứng cuối cùng đã theo kịp ý tưởng cổ nhất của ngành. Những chi phí từng chỉ ở một chỗ, một cỗ máy gian, một tập hồ sơ lệch, một người dùng cô đơn, giờ đi với quy mô hàng tỉ. Và một công cụ lẽ ra phải thích nghi với con người ngày càng đòi con người thích nghi với nó.

Điều cuối cùng ấy đưa bài viết về lại mũi tên ở Paris. Couffignal mong người nghĩ giống máy hơn để giỏi hơn. Bảy mươi lăm năm sau, Joanna Stern thấy rằng làm cho AI có ích thường có nghĩa là biến mình thành dữ liệu, và bà vạch ranh giới cho những gì bà không giao ra. Không ai trong hai người ngây thơ. Khoảng cách giữa họ chính là câu hỏi mà thập niên này sẽ trả lời: thích nghi với máy làm ta lớn hơn, như Couffignal mong, hay nhỏ đi, như Stern lo.

Cuối buổi nói chuyện, khi được hỏi người trẻ nên làm gì, bà Stern khuyên một câu mà Walther hẳn cũng ghi được bên lề danh sách của ông: cứ đọc tiếp, và cứ nghĩ cho tỉnh táo. Viện bảo tàng là một chỗ tốt để làm cả hai việc.


Nguồn

Mọi đường dẫn dưới đây đã được mở và kiểm tra ngày 18/11/2026. Tất cả thuộc danh sách Artificial Intelligence at CHM của Viện Bảo tàng Lịch sử Máy tính, trừ những mục ghi nguồn ngoài.

Bài viết và triển lãm của CHM (đã đọc trọn)

Video của CHM (chỉ dùng phần mô tả chính thức)

Nguồn ngoài (dùng để kiểm tra hoặc sửa các trang CHM)

Về những chỗ sửa. Trang bảo tàng đọc lên như sự thật đã an bài, nhưng vài trang có chỗ sơ suất, và bài này sửa thay vì chép lại. Tên nhà kinh tế là David Autor chứ không phải "Otter", và mốc năm trong nghiên cứu của ông là 1940. Tên Joy Buolamwini bị viết sai ở một trang. Đạo luật năm 1996 là Communications Decency Act. Magic Cap không thể có mặt năm 1984. Không chỗ nào trong số đó làm đổi điều cốt lõi mà bảo tàng muốn cho thấy.


Written by: Claude AI.

Curator/Editor: Học Trò.

Mọi trích dẫn đều phải ghi chú với dòng trên và nói rõ bài khảo luận được lấy từ trang https://hoctroviet.blogspot.com/

No comments: