Các nhà nghiên cứu tại Stanford dự đoán AI sẽ tập trung vào tính minh bạch và tính thực tiễn vào năm 2026

Tóm tắt ngắn gọn

Giáo sư HAI của Stanford dự đoán rằng vào năm 2026, phát triển AI sẽ tập trung vào tác động thực tiễn trên các lĩnh vực chăm sóc sức khỏe, pháp lý, lực lượng lao động và các ứng dụng lấy con người làm trung tâm, đồng thời nhấn mạnh hiệu quả, trách nhiệm giải trình và lợi ích thực tế.

Giáo sư về AI lấy con người làm trung tâm của Đại học Stanford đã công bố dự báo về sự phát triển của AI vào năm 2026. Các nhà phân tích cho rằng giai đoạn nhiệt huyết rộng rãi với AI đang chuyển hướng sang việc đánh giá cẩn thận hơn

Thay vì đặt câu hỏi liệu AI có khả năng thực hiện một nhiệm vụ hay không, trọng tâm sẽ chuyển sang đánh giá hiệu quả, chi phí liên quan và tác động đến các bên liên quan khác nhau. Điều này bao gồm việc sử dụng các tiêu chuẩn chuẩn hóa cho lý luận pháp lý, giám sát thời gian thực tác động đến lực lượng lao động, và các khung phân tích lâm sàng cho việc đánh giá số lượng ngày càng tăng các ứng dụng AI y tế.

James Landay, đồng giám đốc của Stanford’s Human-Centered AI, dự đoán rằng sẽ không có trí tuệ nhân tạo tổng quát vào năm 2026. Ông lưu ý rằng chủ quyền AI sẽ trở thành trọng tâm chính, với các quốc gia tìm cách kiểm soát AI bằng cách xây dựng các mô hình riêng hoặc chạy các mô hình bên ngoài tại địa phương để giữ dữ liệu trong nước. Dự kiến sẽ tiếp tục đầu tư toàn cầu vào các trung tâm dữ liệu AI, mặc dù lĩnh vực này cho thấy dấu hiệu rủi ro đầu cơ. Landay dự đoán sẽ có nhiều báo cáo về lợi ích năng suất hạn chế từ AI, với các thất bại làm nổi bật nhu cầu ứng dụng mục tiêu. Các tiến bộ trong giao diện AI tùy chỉnh, hiệu suất cải thiện từ các bộ dữ liệu nhỏ hơn được chọn lọc, và các công cụ video AI thực tế có khả năng xuất hiện, cùng với các mối quan tâm về bản quyền ngày càng tăng.

Russ Altman, Fellow cao cấp của Stanford HAI, nhấn mạnh tiềm năng của các mô hình nền tảng để thúc đẩy các khám phá trong khoa học và y học. Ông lưu ý rằng câu hỏi chính cho năm 2026 sẽ là liệu các mô hình hợp nhất sớm, kết hợp tất cả các loại dữ liệu, hay các mô hình hợp nhất muộn, tích hợp các mô hình riêng biệt, sẽ hiệu quả hơn. Trong nghiên cứu khoa học, sự chú ý đang chuyển từ dự đoán sang hiểu cách các mô hình đi đến kết luận, với các kỹ thuật như autoencoder thưa được sử dụng để giải thích mạng nơ-ron. Trong lĩnh vực chăm sóc sức khỏe, sự bùng nổ các giải pháp AI cho bệnh viện đã tạo ra thách thức trong việc đánh giá hiệu suất kỹ thuật, tác động đến quy trình làm việc và giá trị tổng thể, và các nỗ lực đang được thực hiện để phát triển các khung đánh giá các yếu tố này và làm cho chúng dễ tiếp cận hơn đối với các môi trường có nguồn lực hạn chế.

Julian Nyarko, Phó Giám đốc HAI của Stanford, dự đoán rằng năm 2026 trong lĩnh vực AI pháp lý sẽ được định hình bởi trọng tâm vào hiệu suất đo lường và giá trị thực tiễn. Các công ty luật và tòa án dự kiến sẽ tiến xa hơn việc hỏi liệu AI có thể viết hay không, hướng tới đánh giá độ chính xác, rủi ro, hiệu quả và tác động đến quy trình làm việc thực tế. Các hệ thống AI sẽ ngày càng xử lý các nhiệm vụ phức tạp như lý luận đa tài liệu, lập bản đồ lập luận và tìm nguồn các cơ quan đối lập, thúc đẩy sự phát triển của các khung đánh giá và tiêu chuẩn mới để hướng dẫn việc sử dụng chúng trong các công việc pháp lý cao cấp hơn.

Angèle Christin, Fellow cao cấp của Stanford HAI, lưu ý rằng trong khi AI đã thu hút đầu tư lớn và phát triển hạ tầng, khả năng của nó thường bị thổi phồng quá mức. AI có thể nâng cao một số nhiệm vụ nhưng có thể gây hiểu lầm, giảm kỹ năng hoặc gây hại trong các lĩnh vực khác, và sự phát triển của nó đi kèm với chi phí môi trường đáng kể. Trong năm 2026, dự kiến sẽ có sự hiểu biết thận trọng hơn về tác động thực tế của AI, với các nghiên cứu tập trung vào lợi ích và hạn chế thực tế thay vì cường điệu.

AI Tập Trung Vào Lợi Ích Thực Tế, Chăm Sóc Sức Khỏe Và Hiểu Biết Về Lực Lượng Lao Động Năm 2026

Angèle Christin, Fellow cao cấp của Stanford HAI, lưu ý rằng trong khi AI đã thu hút đầu tư lớn và phát triển hạ tầng, khả năng của nó thường bị thổi phồng quá mức. AI có thể nâng cao một số nhiệm vụ nhưng có thể gây hiểu lầm, giảm kỹ năng hoặc gây hại trong các lĩnh vực khác, và sự phát triển của nó đi kèm với chi phí môi trường đáng kể. Trong năm 2026, dự kiến sẽ có sự hiểu biết thận trọng hơn về tác động thực tế của AI, với các nghiên cứu tập trung vào lợi ích và hạn chế thực tế thay vì cường điệu.

Curtis Langlotz, Fellow cao cấp của Stanford HAI, nhận xét rằng học tự giám sát đã giảm đáng kể chi phí phát triển AI y tế bằng cách loại bỏ nhu cầu về các bộ dữ liệu được gán nhãn hoàn chỉnh. Trong khi các mối quan tâm về quyền riêng tư đã làm chậm việc tạo ra các bộ dữ liệu y tế lớn, các mô hình tự giám sát quy mô nhỏ hơn đã cho thấy triển vọng trong nhiều lĩnh vực y sinh. Langlotz dự đoán rằng khi dữ liệu chăm sóc sức khỏe chất lượng cao được tập hợp, các mô hình nền tảng y sinh sẽ xuất hiện, nâng cao độ chính xác chẩn đoán và cho phép các công cụ AI cho các bệnh hiếm và phức tạp.

Erik Brynjolfsson, Fellow cao cấp của Stanford HAI, dự đoán rằng vào năm 2026, cuộc thảo luận về tác động kinh tế của AI sẽ chuyển từ tranh luận sang đo lường. Các bảng điều khiển kinh tế AI tần suất cao sẽ theo dõi các lợi ích năng suất, mất việc làm và tạo ra các vai trò mới ở cấp độ nhiệm vụ và nghề nghiệp bằng cách sử dụng dữ liệu bảng lương và nền tảng. Những công cụ này sẽ cho phép các nhà điều hành và nhà hoạch định chính sách theo dõi tác động của AI trong gần như thời gian thực, hướng dẫn hỗ trợ lực lượng lao động, đào tạo và đầu tư để đảm bảo AI góp phần vào lợi ích kinh tế rộng rãi.

Nigam Shah, Giám đốc dữ liệu của Stanford Health Care, dự đoán rằng vào năm 2026, các nhà sáng tạo AI sinh tạo sẽ ngày càng cung cấp các ứng dụng trực tiếp cho người dùng cuối, bỏ qua các chu kỳ ra quyết định chậm của hệ thống y tế. Các tiến bộ trong transformer sinh tạo có thể cho phép dự báo chẩn đoán, phản ứng điều trị và tiến triển bệnh mà không cần nhãn nhiệm vụ cụ thể. Khi các công cụ này trở nên phổ biến hơn, việc bệnh nhân hiểu rõ hướng dẫn của AI sẽ trở nên thiết yếu, và sẽ ngày càng nhấn mạnh các giải pháp giúp bệnh nhân kiểm soát nhiều hơn quá trình chăm sóc của họ.

Diyi Yang, Phó Giáo sư Khoa học Máy tính của Stanford, nhấn mạnh sự cần thiết của các hệ thống AI hỗ trợ phát triển con người lâu dài thay vì chỉ tập trung vào sự tham gia ngắn hạn. Cô nhấn mạnh tầm quan trọng của việc thiết kế AI lấy con người làm trung tâm, nâng cao tư duy phản biện, hợp tác và phúc lợi, tích hợp các mục tiêu này vào quá trình phát triển ngay từ đầu thay vì sau này.