Khoảnh khắc ChatGPT của robot hình người: bước ngoặt là “bộ não”
Robot hình người Trung Quốc đang chuyển từ mô hình máy móc lập trình cứng sang thế hệ AI hiện thân biết hiểu ngôn ngữ tự nhiên, nơi một câu lệnh bằng lời nói có thể được biến thành chuỗi hành động vật lý liên tiếp, tương tự cách ChatGPT phân tích và trả lời văn bản đa bước trong không gian số. Điều quan trọng không phải là chúng chạy nhanh hay nhào lộn đẹp nữa, mà là khả năng hiểu người dùng và tự tổ chức hành động. Một startup Trung Quốc, Spirit AI, công khai dự báo rằng từ giữa năm 2027, robot hình người của họ có thể nghe mệnh lệnh bằng ngôn ngữ tự nhiên và thực hiện chuỗi nhiệm vụ phức tạp trong thế giới thực. Đây là tuyên bố táo bạo, nhưng hợp lý nếu nhìn vào tốc độ tiến bộ của xử lý ngôn ngữ tự nhiên robot và cách các mô hình nền tảng đã thay đổi thế giới phần mềm. Ngành robot rõ ràng đang săn tìm “khoảnh khắc ChatGPT” của riêng mình, và người dùng phổ thông chính là nhân vật trung tâm của cuộc săn đó.
Tại sao là lúc này? Từ cơ bắp phần cứng đến trí tuệ AI tự chủ 2027
Trong vài năm qua, robot hình người Trung Quốc gây chú ý nhờ phần cứng: chạy nước rút, nhảy múa, nhào lộn theo lệnh. Đó là giai đoạn chứng minh “cơ bắp”. Nhưng ở giai đoạn hiện tại, phần cứng đã đủ tốt; điểm nghẽn nằm ở “bộ não”. Ngay chính đồng sáng lập kiêm nhà khoa học trưởng Spirit AI, Gao Yang, thừa nhận “bộ não thực sự là mắt xích yếu nhất trong toàn bộ hệ thống robot”. Việc OpenAI ra mắt ChatGPT năm 2022 cho thấy chỉ cần một đột phá phần mềm là có thể mở khóa thị trường đại chúng cho công nghệ AI tạo sinh. Ngành robot nhìn bài học đó rất rõ: muốn có robot thông minh ChatGPT, họ phải nâng trình xử lý ngôn ngữ tự nhiên robot lên mức có thể lập kế hoạch, suy luận và thích ứng, không chỉ nhận diện lệnh đơn giản. Khi robot đạt mức tự chủ tương đương GPT-3.0 vào khoảng giữa 2027 như Spirit AI đặt mục tiêu, ranh giới giữa phần mềm AI và robot ngoài đời sẽ trở nên mờ đi.
Cách robot học hiểu người: dữ liệu từ đời sống và chuỗi hành động phức tạp
Khác với nhiều đối thủ ưu tiên mô phỏng ảo để giảm chi phí, Spirit AI đặt cược vào dữ liệu chuyển động thật từ thế giới thực để huấn luyện “bộ não” robot. Khoảng 1.000 lao động hợp đồng khắp Trung Quốc đeo thiết bị ghi nhận chuyển động tại nhà hoặc trong nhà máy, lặp lại hành vi đời thường như mở tủ lạnh, mở két sắt, dùng dao cắt rau. Dữ liệu đó giúp mô hình AI hiện thân hiểu không chỉ hình dạng đồ vật, mà cả ngữ cảnh sử dụng trong chuỗi hành động. Kết quả là robot của Spirit AI hiện đạt tỷ lệ thành công 90% với các nhiệm vụ đơn giản trong môi trường phòng khách có cấu trúc. Thay vì lập trình từng kịch bản cứng, mô hình học quy tắc ngầm từ tương tác của con người, tạo nền tảng cho AI tự chủ 2027 có thể nhận một câu lệnh tổng quát, tự phân rã thành các bước và thực thi liên tục như cách ChatGPT tự xử lý yêu cầu đa bước trên văn bản. Đây là bước nhảy từ robot thợ sang robot trợ lý.
Từ nhà máy đến bán lẻ, logistics: robot thông minh ChatGPT sẽ làm được gì?
Spirit AI đã có hàng chục robot hình người có bánh xe Moz1 hoạt động trên dây chuyền sản xuất của một hãng pin và một nhà bán lẻ lớn, nơi chúng được giao các quy trình lặp lại nhưng đa bước. Theo Gao Yang, 1–2 năm tới sẽ là giai đoạn mở đầu cho các ứng dụng công nghiệp, tiếp đó khoảng hai năm nữa robot sẽ xuất hiện trong môi trường dịch vụ thương mại để xử lý nhiệm vụ đơn giản hơn như hỗ trợ bán lẻ, di chuyển hàng trong logistics hay tương tác khách tại quầy dịch vụ. Nếu mục tiêu GPT-3.0 cho robot được đạt vào giữa 2027, nhân viên tại kho, siêu thị, trung tâm dịch vụ có thể nói với robot bằng tiếng nói thường ngày: “Kiểm tra lại kệ số 5, bổ sung hàng thiếu, rồi báo cáo kết quả cho tôi”, và robot sẽ tự lên kế hoạch chuỗi hành động vật lý hợp lý để hoàn thành nhiệm vụ. Người dùng sẽ không cần học lệnh riêng cho robot; xử lý ngôn ngữ tự nhiên robot khiến tương tác trở nên giống trò chuyện với một trợ lý biết việc hơn là điều khiển máy móc.
Thách thức còn lại: từ phòng khách có cấu trúc đến nhà ở hỗn độn
Dù Spirit AI mô tả tiến bộ “cực kỳ nhanh”, khoảng cách giữa robot đang thử nghiệm và robot trở thành trợ lý hữu ích trong gia đình vẫn khá lớn. Trong phòng khách được thiết lập có cấu trúc, nhiệm vụ đơn giản đạt 90% thành công là ấn tượng. Nhưng nhà ở thật là môi trường hỗn độn, khó đoán, với đồ vật nằm sai vị trí, con người di chuyển ngẫu hứng, vật nuôi chạy quanh. Các thao tác vận động tinh như vặn nắp chai, xử lý đồ mềm, hay tình huống robot chưa từng gặp trước đó vẫn là bài toán bỏ ngỏ. Bên cạnh đó, khi robot bắt đầu xuất hiện trong cửa hàng, cơ sở dịch vụ hay nhà ở, vấn đề an toàn cho AI hiện thân sẽ trở nên nhạy cảm hơn nhiều: một lỗi trong lập kế hoạch hành động không chỉ gây ra câu trả lời sai như trên ChatGPT, mà có thể dẫn đến va chạm, đổ vỡ, thậm chí nguy hiểm cho con người. Do đó, ngay cả khi mô hình nền tảng của robot tiến tới độ tự chủ tương đương “GPT-4.0”, câu hỏi về căn chỉnh hành vi và chuẩn an toàn vẫn sẽ là rào cản chính trước khi robot hình người bước vào mọi căn nhà.
