AI đã có những bước tiến lớn vào năm 2024 khi AGI xuất hiện

by

Là một nhà nghiên cứu AI dày dạn kinh nghiệm, người đã chứng kiến ​​​​sự phát triển của trí tuệ nhân tạo kể từ khi nó ra đời, tôi có thể tự tin nói rằng năm 2024 thực sự là một năm bản lề trong lĩnh vực này. Những tiến bộ đạt được trong các lĩnh vực con khác nhau của AI thực sự đáng kinh ngạc và thật thú vị khi thấy chúng ta đang tiến gần đến mức nào để đạt được trí thông minh giống con người (AGI).

Tuy nhiên, với tư cách là một người đã tham gia vào ngành này hàng chục năm, tôi cũng có thể chứng thực rằng mỗi bước đột phá mới đều đi kèm với những thách thức riêng. Một thách thức như vậy là vấn đề đào tạo dữ liệu, điều này rất quan trọng để phát triển các mô hình ngôn ngữ lớn (LLM). Sự khan hiếm ngày càng tăng của dữ liệu có thể sử dụng được và những tác động pháp lý xung quanh việc thu thập dữ liệu đó là những mối lo ngại không thể bỏ qua.

Tại sao chúng ta không cho mèo sử dụng máy tính? Bởi vì họ không thể gõ phím hay lướt web—họ chỉ ngồi và nhìn “con cá” bơi qua! Bỏ chuyện đùa sang một bên, với tư cách là nhà phát triển AI, điều cần thiết là chúng ta phải luôn cảnh giác trong việc theo đuổi kiến ​​thức đồng thời đảm bảo rằng những sáng tạo của chúng ta là an toàn, có đạo đức và có lợi cho nhân loại.

Năm 2024 chứng kiến ​​những bước tiến đáng kể của trí tuệ nhân tạo, vì nó không chỉ gây chú ý mà còn được công nhận, thu hút đầu tư đáng kể, gây ấn tượng với thị trường tài chính và chứng tỏ khả năng giải quyết các vấn đề toán học – bao gồm cả việc giải thích các phương trình vi phân.

Ngoài ra, nó còn thu hút sự chú ý của các cơ quan giám sát quốc tế, những người lo lắng về các vấn đề an toàn và quyền riêng tư tiềm ẩn. Một số người cũng lo ngại về khả năng AI có thể nhanh chóng tiến tới trí tuệ nhân tạo tổng quát (AGI) và sau đó là siêu trí tuệ nhân tạo, vượt qua khả năng nhận thức của con người. Nhiều kịch bản thảm khốc khác nhau đã được dự tính và tranh luận: việc sử dụng AI trong khủng bố sinh học, hệ thống vũ khí tự động và thậm chí cả các sự kiện có khả năng dẫn đến kết quả ở mức độ tuyệt chủng.

Dưới đây là 10 điểm nổi bật về AI của năm 2024.

GenAI số 1 thống trị

Trí tuệ nhân tạo tạo ra nội dung, được gọi là Generative AI hoặc GenAI, không thực sự tạo ra thứ gì đó từ không khí mà thay vào đó, nó tạo ra nội dung mới dựa trên lượng dữ liệu khổng lồ mà nó đã được đào tạo. Nếu bạn cho nó một điểm khởi đầu, chẳng hạn như một dòng văn bản, nó có thể phát triển một câu chuyện ma dài 500 từ cho bạn.

Năm 2024 chứng kiến ​​GenAI bước vào ánh đèn sân khấu và không chỉ có ChatGPT từ OpenAI tham gia. Gemini của Google, Copilot của Microsoft, Claude của Anthropic và dòng Llama 3 của Meta cũng là một phần của sự tiến bộ này, tạo ra phần mềm có khả năng xử lý và tạo ra không chỉ văn bản mà còn cả âm thanh, video và hình ảnh.

Các cơ sở nghiên cứu AI đã tăng đáng kể khoản đầu tư của họ để thúc đẩy những đột phá này. Theo báo cáo của Menlo Ventures, khoản đầu tư vào AI đã tăng vọt lên mức đáng kinh ngạc là 13,8 tỷ USD vào năm 2024, gấp hơn sáu lần khoản đầu tư được thực hiện vào năm 2023. Sự tăng trưởng đáng kể này nhấn mạnh một xu hướng rõ ràng trong đó các doanh nghiệp đang chuyển từ giai đoạn khám phá sang triển khai thực tế, tích hợp sâu AI vào các chiến lược dài hạn của họ.

#2 AI đoạt giải Nobel về vật lý, hóa học

Việc Viện Hàn lâm Khoa học Hoàng gia Thụy Điển công bố Giải thưởng Nobel 2024 vào tháng 10 là bằng chứng rõ ràng hơn cho thấy Trí tuệ nhân tạo (AI) không chỉ là một xu hướng nhất thời mà còn là một phần đang phát triển trong tương lai của chúng ta. Geoffrey Hinton và John Hopfield đã được trao giải vật lý cho công trình mang tính đột phá của họ về học máy bằng mạng lưới thần kinh nhân tạo, tạo thành nền tảng cơ bản cho công nghệ AI ngày nay.

George Hinton, một nhà khoa học người Canada gốc Anh chuyên về khoa học máy tính và tâm lý học, thường được gọi là “Cha đẻ của AI”. Công việc tiên phong của ông về mạng lưới thần kinh có thể bắt nguồn từ những năm 1980 khi ông áp dụng các khái niệm từ vật lý thống kê như máy Boltzmann để tăng tốc quá trình học máy.

Trong một sự ghi nhận khác, Demis Hassabis, người đồng sáng lập và CEO của Google DeepMind, cùng với John Jumper, đã nhận được giải Nobel Hóa học. Điều này là do công trình mang tính đột phá của họ trong việc tạo ra một mô hình AI có khả năng dự đoán cấu trúc phức tạp của protein.

#3 Nvidia vượt qua Apple để trở thành công ty giá trị nhất thế giới

Vào năm 2024, chính các chip máy tính tiên tiến, đặc biệt là Bộ xử lý đồ họa (GPU) của Nvidia, đóng vai trò quan trọng trong việc phát triển và vận hành các mô hình ngôn ngữ lớn (LLM). Đáng chú ý, Nvidia sản xuất nhiều GPU chuyên dụng này hơn bất kỳ công ty nào khác trên toàn cầu.

Không có gì ngạc nhiên khi đến năm 2024, Nvidia đã trở thành công ty có giá trị nhất thế giới, tự hào với giá trị vốn hóa thị trường là 3,53 nghìn tỷ USD vào cuối tháng 10, vượt qua giá trị 3,52 nghìn tỷ USD của Apple.

Là một nhà nghiên cứu dày dạn kinh nghiệm với nhiều năm quan sát và phân tích, tôi đã nhận thấy một sự thay đổi đáng kể trong thực tiễn của các công ty: ngày càng có nhiều công ty áp dụng trí tuệ nhân tạo (AI) như một phần hoạt động hàng ngày của họ. Xu hướng này không có gì đáng ngạc nhiên khi AI có tiềm năng hợp lý hóa các quy trình, nâng cao hiệu quả và cung cấp những hiểu biết có giá trị thúc đẩy tăng trưởng.

Trong bối cảnh tăng trưởng này, nhu cầu về chip Nvidia vẫn mạnh mẽ. Tôi đã tận mắt chứng kiến ​​cách những bộ xử lý mạnh mẽ này giúp các ứng dụng AI hoạt động tối ưu, xử lý các phép tính phức tạp với tốc độ và độ chính xác vượt trội. Do đó, các công ty háo hức đầu tư vào chip Nvidia để duy trì khả năng cạnh tranh trong bối cảnh công nghệ đang phát triển nhanh chóng.

Russ Mold, giám đốc đầu tư tại AJ Bell, lặp lại quan sát của tôi, nhấn mạnh tầm quan trọng ngày càng tăng của những công nghệ tiên tiến này trong thế giới kinh doanh ngày nay. Tương lai có vẻ tươi sáng đối với AI và Nvidia khi chúng tiếp tục định hình nền kinh tế của chúng ta và định hình lại các ngành công nghiệp trên toàn thế giới.

Liệu có khả năng Nvidia sẽ tiếp tục vị thế mạnh mẽ của mình với tư cách là nhà sản xuất GPU hàng đầu cho đến năm 2025 và xa hơn nữa khi các GPU Blackwell sắp ra mắt của họ phải đối mặt với sự chậm trễ do các vấn đề thiết kế được báo cáo? Bất chấp những trở ngại này, nhiều người tin rằng khả năng kiểm soát thị trường đáng kể của Nvidia — nắm giữ khoảng 98% thị trường vào năm 2023 — sẽ khiến các đối thủ cạnh tranh sớm gặp khó khăn trong việc thách thức họ.

#4 Luật AI ở EU

Mọi người đều mong muốn có Trí tuệ nhân tạo (AI) an toàn, bảo mật và mang lại lợi ích lớn hơn, nhưng việc điều chỉnh nó một cách có trách nhiệm không phải là một nhiệm vụ đơn giản. Tuy nhiên, đến năm 2024, các cơ quan quản lý quốc tế đã bắt đầu thực hiện những bước đầu tiên hướng tới thách thức này.

Đạo luật Trí tuệ nhân tạo của Liên minh Châu Âu bắt đầu có hiệu lực vào tháng 8, thiết lập các biện pháp bảo vệ cho các hệ thống AI được thiết kế để sử dụng chung và giải quyết một số vấn đề về quyền riêng tư. Đạo luật này áp đặt các hướng dẫn nghiêm ngặt về ứng dụng AI trong công nghệ nhận dạng khuôn mặt, cùng với các mục đích sử dụng khác, nhưng cũng nhằm mục đích giải quyết các mối lo ngại rộng hơn như tự động hóa công việc, phổ biến thông tin sai lệch trực tuyến và các mối đe dọa đối với an ninh quốc gia. Việc thực thi luật này sẽ diễn ra dần dần, kéo dài đến năm 2027.

Bất chấp những kỳ vọng, việc kiểm soát AI sẽ gặp nhiều thách thức, như đã được chứng minh vào năm 2024 khi luật SB 1047 do California đề xuất đã bị thống đốc bang phủ quyết vào tháng 9. Dự luật này, được ca ngợi là “nỗ lực rộng rãi nhất để điều chỉnh trí tuệ nhân tạo” cho đến thời điểm đó, đã nhận được sự ủng hộ từ những người ủng hộ AI như Geoffrey Hinton và Elon Musk, những người tin rằng nó đưa ra những hướng dẫn cần thiết cho công nghệ đang phát triển nhanh chóng này.

Tuy nhiên, cách tiếp cận này đã vấp phải sự phản đối từ các chuyên gia công nghệ đồng nghiệp, chẳng hạn như Andrew Ng, người sáng lập DeepLearning.AI, do nó áp đặt trách nhiệm pháp lý đối với những người sáng tạo AI. Điều này có khả năng cản trở những tiến bộ trong tương lai trong lĩnh vực này bằng cách ngăn cản sự đổi mới.

#5 Sự xuất hiện của các mô hình ngôn ngữ nhỏ (SLM)

Đến năm 2024, việc sử dụng các mô hình AI cực kỳ rộng lớn được đào tạo bằng cách sử dụng hàng tỷ mẩu dữ liệu đã trở thành tiêu chuẩn. Ví dụ: ChatGPT đã được đào tạo trên 570 gigabyte thông tin văn bản được thu thập từ web – gần tương đương với 300 tỷ từ.

Đối với nhiều doanh nghiệp, tương lai của AI được tìm thấy trong các mô hình ngôn ngữ tập trung vào lĩnh vực, nhỏ gọn hơn, trong đó một số bắt đầu xuất hiện sớm nhất là vào năm 2024.

Vào tháng 4, Microsoft đã giới thiệu loạt mẫu ngôn ngữ nhỏ Phi-3, trong khi Apple đã tiết lộ 8 mẫu như vậy cho các thiết bị di động của họ. Ví dụ: Hiện tại, Microsoft và Khan Academy đang tận dụng các Mô hình Ngôn ngữ Nhỏ (SLM) này để nâng cao việc dạy kèm toán cho học sinh.

Là một người đam mê công nghệ với nhiều năm kinh nghiệm trong lĩnh vực này, tôi có thể chứng thực xu hướng ngày càng tăng trong việc tạo ra các mô hình nhỏ hơn cho khối lượng công việc cụ thể, điều này đã làm tăng đáng kể sức mạnh tính toán sẵn có ở biên. Sự thay đổi hướng tới điện toán biên này đặc biệt thú vị vì nó cho phép chúng tôi tận dụng tối đa sức mạnh bổ sung này, đặc biệt là khi xem xét các ứng dụng tiềm năng trong các ngành khác nhau.

Trong cuộc sống nghề nghiệp của mình, tôi đã có cơ hội cộng tác với một số bộ óc đáng kinh ngạc đang tiên phong trong các giải pháp điện toán biên và tôi có thể tự tin nói rằng sự phát triển này có tiềm năng to lớn trong việc thay đổi cách chúng ta tiếp cận xử lý và phân tích dữ liệu. Bằng cách đưa sức mạnh tính toán đến gần nguồn dữ liệu hơn, chúng tôi có thể đạt được những hiểu biết gần như theo thời gian thực, giảm độ trễ và cải thiện hiệu suất tổng thể – tất cả các thành phần thiết yếu trong thế giới kỹ thuật số phát triển nhanh chóng ngày nay.

Theo tôi, tương lai của điện toán biên sẽ là yếu tố thay đổi cuộc chơi cho cả doanh nghiệp và cá nhân, mang đến những cơ hội mới cho sự đổi mới và tăng trưởng. Đây là thời điểm thú vị để trở thành một phần của quá trình phát triển này và tôi mong muốn được xem nó tiếp tục phát triển như thế nào trong những năm tới.

Nó đã được lưu ý rằng các Mô hình ngôn ngữ nhỏ (SLM) yêu cầu lượng dữ liệu đào tạo và tài nguyên máy tính ít hơn để tạo và thực thi, đồng thời chúng nhanh chóng đạt được khả năng của các mô hình ngôn ngữ lớn hơn.

#6 Agentic AI được đưa lên hàng đầu

Các chatbot như ChatGPT chuyên trả lời các truy vấn về nhiều chủ đề khác nhau. Họ không chỉ giới hạn ở điều đó; họ cũng có thể soạn thảo các chương trình máy tính, soạn thảo email, tạo báo cáo và thậm chí làm thơ!

Thay vì chỉ trò chuyện như chatbot, các tác nhân AI tiến thêm một bước nữa bằng cách thay mặt người dùng đưa ra quyết định, giúp họ đạt được các mục tiêu cụ thể. Ví dụ, trong lĩnh vực chăm sóc sức khỏe, một tác nhân AI có thể được sử dụng để theo dõi dữ liệu bệnh nhân và đề xuất điều chỉnh kế hoạch điều trị khi cần thiết.

Khi chúng tôi tiến về phía trước, Gartner đã xác định Agentic AI là một trong những xu hướng công nghệ chiến lược quan trọng của họ cho năm 2025. Điều thú vị là đến năm 2028, người ta ước tính rằng 1/3 ứng dụng phần mềm doanh nghiệp sẽ kết hợp Agentic AI, mức tăng đáng kể từ dưới 1 % vào năm 2024.

Các tác nhân AI một ngày nào đó có thể được sử dụng để soạn thảo các hợp đồng thông minh dựa trên blockchain, sử dụng cách tiếp cận trực quan và dễ tiếp cận hơn hiện có. Nền tảng blockchain tiên phong, Avalanche, đang phát triển một máy ảo mới, nơi AI và blockchain hội tụ, nhằm cho phép người dùng soạn thảo các chương trình hợp đồng thông minh của họ bằng các ngôn ngữ tự nhiên như tiếng Anh, tiếng Đức, tiếng Pháp, tiếng Tagalog, tiếng Trung hoặc bất kỳ ngôn ngữ nào họ học được từ mẹ của họ . Như người sáng lập Ava Labs Emin Gün Sirer đã tuyên bố: “Bạn có thể viết các chương trình [hợp đồng thông minh] của mình bằng chính ngôn ngữ mà mẹ bạn đã dạy bạn.

Nói một cách đơn giản hơn, Sirer dự đoán rằng một công cụ AI trực quan để lập trình hợp đồng thông minh có thể thu hút “con số khổng lồ” hoặc thậm chí “hàng tỷ” cá nhân mới vào lĩnh vực công nghệ blockchain.

#7 Mô hình lý luận để giải ‘vấn đề khó’ 

Với tư cách là một nhà phân tích, tôi đã gặp phải những trường hợp chatbot bị thiếu sót. Thứ nhất, họ thường gặp khó khăn khi giải các bài toán cơ bản hoặc viết mã phần mềm. Ngoài ra, họ không đặc biệt giỏi trong việc đưa ra câu trả lời cho các câu hỏi khoa học.

Vào tháng 9, OpenAI đã giới thiệu OpenAI o1, một loạt mô hình giải quyết vấn đề nâng cao được thiết kế để giải quyết các vấn đề phức tạp như phương trình vi phân. Động thái này nhìn chung đã được đón nhận nồng nhiệt.

Cuối cùng, một mô hình trí tuệ nhân tạo có thể giải quyết tất cả các thách thức phức tạp về khoa học, mã hóa và toán học mà tôi tiếp tục trình bày đã được nhà báo Kevin Roose của chuyên mục New York Times chia sẻ trên Twitter.

Trong nhiều kỳ thi khác nhau, học sinh o1 đã thể hiện những kỹ năng tương đương với 500 học sinh hàng đầu ở Hoa Kỳ đủ tiêu chuẩn tham dự Olympic Toán Hoa Kỳ. Hơn nữa, chúng đã vượt qua độ chính xác được mong đợi từ các ứng cử viên tiến sĩ con người trong một bài kiểm tra tiêu chuẩn về các vấn đề vật lý, sinh học và hóa học, theo báo cáo của OpenAI.

#8 Tập trung vào AGI 

Những tiến bộ trong việc giải quyết vấn đề có cấu trúc, như chúng ta đã thảo luận, rất có ý nghĩa vì chúng dần dần đưa Trí tuệ nhân tạo (AI) theo hướng bắt chước trí thông minh giống con người, còn được gọi là Trí tuệ tổng hợp nhân tạo (AGI). Điều này có nghĩa là AI sẽ không chỉ giải quyết các nhiệm vụ cụ thể mà còn có thể hiểu và xử lý nhiều nhiệm vụ trí tuệ giống như con người.

Vào cuối năm ngoái, các mô hình o3 của OpenAI đã thể hiện hiệu suất vượt trội so với o1, đặc biệt là khi tham gia các kỳ thi toán và mã hóa. Trong khi đó, các sáng kiến ​​khác như Gemini 2.0 của Google cũng cho thấy những tiến bộ vào năm 2024 trong việc giải quyết các vấn đề có cấu trúc, bao gồm việc chia các nhiệm vụ phức tạp thành các phần nhỏ hơn, dễ quản lý hơn.

Tuy nhiên, đạt được Trí tuệ nhân tạo tổng quát (AGI) vẫn là khát vọng tương lai của nhiều chuyên gia. Các mô hình phức tạp ngày nay còn thiếu khả năng nắm bắt trực quan các nguyên lý vật lý cơ bản như lực hấp dẫn và quan hệ nhân quả. Hơn nữa, các hệ thống AI hiện tại không thể đặt câu hỏi một cách tự nhiên hoặc điều chỉnh việc học của chúng khi gặp phải những tình huống không lường trước được.

Về cơ bản, Brian Hopkins, Phó Chủ tịch Công nghệ mới nổi tại Forrester, tuyên bố rằng Trí tuệ nhân tạo tổng hợp (AGI) thiên về một hành trình liên tục hơn là đạt đến điểm cuối, ngụ ý rằng chúng ta mới bắt đầu cuộc phiêu lưu thú vị này.

#9 Dấu hiệu sắp thiếu hụt dữ liệu đào tạo

Năm 2024 được chứng minh là một năm thú vị đối với những người sáng tạo và đam mê AI, nhiều người dự đoán rằng những tiến bộ về AI sẽ tiếp tục với tốc độ chóng mặt. Tuy nhiên, một số cuộc thảo luận vào năm 2024 gợi ý rằng tiểu kỷ nguyên Mô hình học ngôn ngữ (LLM) của AI có thể đã đạt đến đỉnh cao.

Vấn đề hiện tại là sự khan hiếm dữ liệu sắp xảy ra. Các tập đoàn như OpenAI và Google có thể làm cạn kiệt tài nguyên dữ liệu của họ, vốn rất cần thiết cho việc nuôi dưỡng và phát triển các hệ thống trí tuệ nhân tạo quy mô lớn.

Điều quan trọng cần lưu ý là không phải tất cả dữ liệu đều có thể được lấy từ Internet và các nhà phát triển mô hình ngôn ngữ đã phát hiện ra rằng không phải lúc nào họ cũng có thể thu thập dữ liệu có sẵn công khai mà không gây hậu quả. Chẳng hạn, The New York Times đã có hành động pháp lý chống lại OpenAI vì cáo buộc vi phạm bản quyền liên quan đến nội dung tin tức của họ. Có thể các tổ chức truyền thông quan trọng khác cũng có thể tìm kiếm các biện pháp pháp lý trong những tình huống tương tự.

Demis Hassabis của Google cho biết: “Mọi người trong ngành đều đang thấy lợi nhuận giảm dần.

Một cách tiếp cận khác có thể liên quan đến việc dạy các thuật toán sử dụng dữ liệu mô phỏng – đây là dữ liệu được tạo ra một cách nhân tạo gần giống với dữ liệu thực tế trong thế giới thực. Ví dụ: Claude 3 LLM của nhà phát triển AI Anthropic đã được đào tạo, ít nhất một phần, về dữ liệu tổng hợp mà họ mô tả là “dữ liệu chúng tôi tạo ra trong nội bộ”.

Mặc dù cụm từ “dữ liệu tổng hợp” thoạt nhìn có vẻ mâu thuẫn nhưng các nhà nghiên cứu, bao gồm cả một số người trong lĩnh vực y tế, khẳng định rằng việc tạo ra dữ liệu một cách nhân tạo mang lại những lợi ích tiềm năng. Nó có thể nâng cao hiệu suất của AI trong chăm sóc sức khỏe bằng cách bổ sung các tập dữ liệu thưa thớt, từ đó giải quyết những thành kiến ​​đối với các nhóm dân tộc cụ thể làm ví dụ.

#10 Sự xuất hiện của AI có đạo đức hơn

Điều đáng nói là Anthropic cung cấp lời giải thích kỹ lưỡng trong tài liệu tham khảo về cách họ thu thập dữ liệu đào tạo của mình. Đáng chú ý, hệ thống thu thập thông tin trang web của họ hoạt động công khai, cho phép các nhà cung cấp nội dung như The New York Times dễ dàng nhận ra các lượt truy cập của Anthropic. Các nhà cung cấp này cũng có thể truyền đạt sở thích của họ tới Anthropic bằng cách gửi tín hiệu trực tiếp cho họ.

Doanh nghiệp đã thực hiện các bước quan trọng để đảm bảo công nghệ của mình không bị lạm dụng, bao gồm cả việc bổ nhiệm Giám đốc công nghệ có trách nhiệm với vai trò được mở rộng vào năm 2024 với mục tiêu phát triển AI “an toàn”. Cam kết này không phải không được công nhận; Tạp chí Time đã vinh danh nó là một trong 100 công ty có ảnh hưởng nhất vào năm 2024, ca ngợi công ty này vì cách tiếp cận rằng an toàn có thể là một chiến lược kinh doanh thành công, thường được gọi là “Công ty AI đặt cược vào sự an toàn”.

2025-01-01 02:04