Nếu bạn đã theo dõi những thông tin gần đây về trí tuệ nhân tạo, chắc hẳn bạn đã nghe nói về những công cụ dường như có thể làm được mọi thứ, từ viết thơ đến lập trình mã phức tạp. Đằng sau tất cả những điều kỳ diệu này là một khái niệm quan trọng: các mô hình nền tảng . Về cơ bản, chúng giống như khung gầm của một chiếc ô tô; một cấu trúc tổng quát, chắc chắn có thể được tùy chỉnh để trở thành một chiếc xe thể thao, một chiếc xe tải hoặc một chiếc xe đa dụng, tùy thuộc vào nhu cầu của chúng ta tại bất kỳ thời điểm nào.
Điều khiến những hệ thống này trở nên đột phá là chúng ta không còn thiết kế AI cho một nhiệm vụ duy nhất, mà thay vào đó tạo ra một " gã khổng lồ kỹ thuật số " được huấn luyện trên lượng dữ liệu khổng lồ mà chúng ta có thể "uốn nắn" theo. Sự thay đổi mô hình này đã cho phép AI phát triển từ một thứ rất cứng nhắc thành một công cụ linh hoạt, học hỏi các mô hình tổng quát từ thế giới và sau đó áp dụng chúng vào các vấn đề cụ thể, thúc đẩy đổi mới với tốc độ mà, thành thật mà nói, khiến mọi người đều kinh ngạc.
Mô hình nền tảng thực chất là gì?
Nói một cách đơn giản, mô hình AI nền tảng là bất kỳ hệ thống AI nào được huấn luyện trên lượng dữ liệu khổng lồ (thường thông qua tự giám sát) và có thể thích ứng, thông qua một quá trình gọi là tinh chỉnh, với vô số ứng dụng. Chúng không hoàn toàn mới, vì chúng dựa trên học sâu và chuyển giao kiến thức, nhưng quy mô dữ liệu và sức mạnh tính toán chưa từng có đã dẫn đến sự xuất hiện của những khả năng mà không ai lường trước được.
Điều quan trọng là không được nhầm lẫn chúng với các Mô hình Ngôn ngữ Lớn (LLM) . Mặc dù chúng thường được sử dụng thay thế cho nhau, nhưng mối quan hệ giữa chúng là mối quan hệ giữa giống và loài: tất cả các LLM đều là mô hình nền tảng, nhưng không phải tất cả các mô hình nền tảng đều là LLM. Trong khi LLM tập trung vào văn bản và mã, các mô hình nền tảng có thể đa phương thức , xử lý hình ảnh, âm thanh, video, hoặc thậm chí cả tín hiệu cảm biến từ robot.
Các trụ cột kỹ thuật: Máy biến áp và đào tạo
Kiến trúc đã làm nên tất cả điều này là Transformer . Hệ thống này sử dụng một cơ chế gọi là "tự chú ý", cho phép mô hình hiểu được tầm quan trọng của các phần khác nhau trong một chuỗi, bất kể khoảng cách giữa chúng. Nó thường bao gồm một bộ mã hóa và một bộ giải mã tạo ra các biểu diễn vector (embedding) nắm bắt ý nghĩa tiềm ẩn của ngôn ngữ hoặc hình ảnh.
Quá trình sáng tạo thường được chia thành nhiều giai đoạn:
- Giải trí trước: Đây là giai đoạn tốn kém nhất. Mô hình "ngấu nghiến" internet, sách và cơ sở dữ liệu để học cấu trúc tổng quát của thông tin. Đây là nơi mà... số lượng tham số, số lượng token và cửa sổ ngữ cảnh.
- Điều chỉnh chi tiết: Khi mô hình đã đạt đến trình độ tổng quát, nó sẽ được huấn luyện bằng dữ liệu cụ thể và được con người giám sát để trở thành chuyên gia trong một lĩnh vực, chẳng hạn như y học hoặc luật.
- Thích ứng với nhiệm vụ: Đây là bước cuối cùng, nơi mô hình được tối ưu hóa cho một chức năng rất cụ thể, chẳng hạn như tạo ra một công cụ tìm kiếm án lệ hoặc một công cụ tạo báo cáo kỹ thuật.
Những mẫu xe xuất sắc đã định hình nên lịch sử.
Từ năm 2018, chúng ta đã chứng kiến hàng loạt mô hình mới làm thay đổi cục diện. BERT là một trong những mô hình tiên phong, nổi bật với khả năng hiểu ngữ cảnh hai chiều. Sau đó là dòng GPT của OpenAI , phát triển từ GPT-1 đến GPT-4, chứng minh rằng quy mô càng lớn, càng có nhiều khả năng mới nổi lên, chẳng hạn như học không cần dữ liệu huấn luyện (zero-shot learning).
Nhưng họ không đơn độc. Chúng ta có Claude từ Anthropic , với các phiên bản như Sonnet, Opus và Haiku, những dự án hướng đến sự cân bằng giữa trí thông minh và tốc độ. Mặt khác, Amazon Nova cung cấp một loạt các tính năng trải dài từ khả năng hiểu đa phương thức đến tạo video sáng tạo. Chúng ta cũng không thể quên Stable Diffusion , dự án đã mang sức mạnh của các mô hình nền tảng vào thế giới hình ảnh, hay BLOOM , một nỗ lực hợp tác đa ngôn ngữ chứng minh rằng mã nguồn mở cũng có vị trí xứng đáng của nó.
Khả năng và ứng dụng thực tế
Những mô hình này không chỉ viết email. Tác động của chúng còn lan rộng đến các lĩnh vực quan trọng:
- Sức khỏe: Họ giúp đỡ trong Nghiên cứu chế tạo thuốc và việc phân tích hình ảnh y tế, mặc dù chúng đòi hỏi khả năng giải thích đầy đủ để tránh những sai sót nghiêm trọng.
- Đúng: Chúng tạo điều kiện thuận lợi cho việc xem xét hợp đồng và phân tích các văn bản pháp lý dài dòng, giúp giảm chi phí tiếp cận công lý.
- Giáo dục: Họ cho phép một học tập cá nhân hóa và có khả năng thích ứng, mặc dù chúng đặt ra những thách thức liên quan đến vấn nạn đạo văn và khoảng cách công nghệ.
- người máy: Mục tiêu là tạo ra những robot đa năng không cần phải lập trình từ đầu cho từng nhiệm vụ, mà thay vào đó sử dụng một mô hình cơ bản để thực hiện các công việc khác nhau. tương tác với môi trường thể chất
Mặt tối: Rủi ro, đạo đức và môi trường
Không phải mọi thứ đều suôn sẻ. Việc đồng nhất hóa tiềm ẩn rủi ro nghiêm trọng: nếu mọi người đều sử dụng cùng một mô hình cơ bản, bất kỳ sai lệch hoặc lỗi nào vốn có sẽ lan truyền qua tất cả các ứng dụng phái sinh, tạo ra một "nền văn hóa thuật toán đơn nhất". Hơn nữa, còn có những ảo giác - những khoảnh khắc khi AI tạo ra dữ liệu với độ chính xác đáng kinh ngạc, đòi hỏi sự xác minh liên tục của con người.
Từ góc độ đạo đức và pháp lý, đang diễn ra một cuộc tranh chấp công khai về quyền sở hữu trí tuệ , vì nhiều mô hình được huấn luyện bằng dữ liệu mà không có sự đồng ý rõ ràng của người tạo ra chúng. Thêm vào đó là tác động đến môi trường; việc huấn luyện những hệ thống khổng lồ này tiêu tốn một lượng năng lượng và nước khổng lồ, buộc phải tìm kiếm các kiến trúc hiệu quả hơn và các trung tâm dữ liệu bền vững hơn.
Tương lai và quản trị của trí tuệ nhân tạo
Giải pháp nằm ở việc dân chủ hóa quyền truy cập . Hiện nay, việc đào tạo các mô hình mạnh nhất đang tập trung ở một vài công ty do chi phí phần cứng (GPU) quá cao. Điều quan trọng là các trường đại học và chính phủ cần đầu tư vào cơ sở hạ tầng công cộng để ngăn chặn sức mạnh của AI rơi vào tay một nhóm độc quyền công nghệ.
Điều then chốt sẽ là tính minh bạch và kiểm toán độc lập. Một công ty chỉ đơn thuần tuyên bố mô hình của mình an toàn là chưa đủ; chúng ta cần các khung pháp lý (như Đạo luật AI của EU) và các tiêu chuẩn chuyên nghiệp để đảm bảo các công cụ này được sử dụng để cải thiện xã hội, chứ không phải để phục vụ cho việc giám sát hàng loạt hoặc phát tán thông tin sai lệch.
Hệ sinh thái trí tuệ nhân tạo đã chuyển dịch sang cấu trúc trong đó một vài mô hình cốt lõi hỗ trợ hàng nghìn ứng dụng chuyên biệt, kết hợp sức mạnh xử lý khổng lồ với độ chính xác của sự tinh chỉnh ở cấp độ con người. Sự tiến bộ này, trong khi đặt ra những vấn đề đạo đức sâu sắc và gây lo ngại về mức tiêu thụ năng lượng, đã định nghĩa lại mối quan hệ giữa con người và máy móc bằng cách biến AI thành một cơ sở hạ tầng đa năng có khả năng suy luận, sáng tạo và học hỏi trên nhiều lĩnh vực cùng một lúc.
