a16z phỏng vấn CTO của OpenAI: Từ lý thuyết đến thực tiễn, công nghệ AI đang thúc đẩy đổi mới trong tương lai như thế nào?
Tuyển chọn TechFlowTuyển chọn TechFlow
a16z phỏng vấn CTO của OpenAI: Từ lý thuyết đến thực tiễn, công nghệ AI đang thúc đẩy đổi mới trong tương lai như thế nào?
Mặc dù trong tương lai sẽ không có tình trạng một mô hình duy nhất thống trị, vì cuối cùng mọi người sẽ tìm kiếm công cụ phù hợp nhất với nhu cầu của mình.
Chuyên sâu báo cáo Web3Tác giả: Saint Paul
Cuối năm 2022, sau khi OpenAI ra mắt ChatGPT, giới đầu tư ngày càng hiểu sâu hơn về lĩnh vực trí tuệ nhân tạo. Chuỗi công nghiệp AI có thể được chia thành ba nhóm chính: nhà cung cấp công nghệ lõi, hệ thống trí tuệ nhân tạo và người dùng ứng dụng AI. Theo nhận thức chung của các nhà đầu tư toàn cầu, hiện nay mọi người đều nhận ra rằng AI rất có thể sẽ trở thành một lĩnh vực đầu tư dài hạn trong tương lai, giống như máy tính cách đây 30 năm hoặc internet cách đây 20 năm. Và đối với tương lai, các ứng dụng đã trở thành hiện thực.
Để hiểu rõ hơn về đầu tư theo từng lĩnh vực chuyên biệt, chúng ta luôn cần học hỏi từ những nhà đầu tư am hiểu ngành. Nhà đầu tư mạo hiểm nổi tiếng A16Z đang tiếp tục đặt cược mạnh tay vào lĩnh vực trí tuệ nhân tạo. Gần đây, họ đã có buổi trò chuyện với CTO của OpenAI, Mira Murati. Bà đã chia sẻ câu chuyện đằng sau ChatGPT cũng như tương lai của trí tuệ nhân tạo và giao diện con người - máy móc.
Tóm tắt
-
ChatGPT bắt nguồn từ suy nghĩ về cách xây dựng một hệ thống trí tuệ nhân tạo an toàn, sử dụng phản hồi của con người để tăng cường học máy (reinforcement learning).
-
OpenAI đang tái định nghĩa cách con người tương tác với thông tin kỹ thuật số, trở thành trợ lý kiểu người bạn đồng hành, không ngừng cải thiện sự nhất quán và an toàn của hệ thống AI. Thông qua hình thức sản phẩm hóa, họ thu thập phản hồi từ người dùng thực tế, chứ không chỉ đơn thuần là tưởng tượng trong phòng thí nghiệm.
-
Trên nền tảng văn bản, ChatGPT đang bổ sung thêm hình ảnh, video và nhiều yếu tố khác. Điều này giúp mô hình hiểu toàn diện hơn về thế giới xung quanh chúng ta, giống như cách con người cảm nhận và quan sát thế giới.
-
Dù trong tương lai sẽ không có một mô hình duy nhất thống trị tất cả, bởi vì người dùng cuối cùng sẽ tìm kiếm công cụ phù hợp nhất với nhu cầu cá nhân mình.
Lý lịch Mira Murati
Mira sinh ra tại Albania, nơi vừa thoát khỏi chế độ cộng sản. Vào thời điểm đó, Albania tương tự như Triều Tiên ngày nay. Trong một giai đoạn biến động và bất ổn, giáo dục là then chốt cho mọi thứ. Ngoài sách vở, gần như chẳng có hình thức giải trí nào khác. Mira tìm kiếm câu trả lời trong những cuốn sách. Bà thiên về những chân lý ổn định, có thể nghiên cứu sâu trong khoa học, còn các môn xã hội như lịch sử lại có nguồn gốc đáng ngờ do lịch sử luôn thay đổi. Vì vậy, trực giác tự nhiên từ môi trường trưởng thành đã dẫn dắt Mira hướng về khoa học và toán học. Về cơ bản, công việc bà đang làm tại OpenAI hiện nay vẫn là toán học.
Nhờ thành tích học tập xuất sắc, Mira nhận được học bổng và hoàn thành hai năm cuối trung học tại Canada.
Khi vào đại học, Mira chọn ngành kỹ thuật cơ khí vì bà cho rằng đây là cách tốt nhất để áp dụng kiến thức vào giải quyết các vấn đề thực tiễn. Thời điểm đó, bà đặc biệt quan tâm đến giao thông bền vững và năng lượng bền vững. Dự án tốt nghiệp của bà là chế tạo một chiếc xe đua hybrid sử dụng siêu tụ điện.
Không lâu sau, Mira gia nhập Tesla và tham gia vào dự án Model S hai mô-tơ. Bà bắt đầu làm việc với Model X từ những thiết kế ban đầu và cuối cùng đảm nhiệm vai trò lãnh đạo toàn bộ quá trình triển khai dự án.
Chính kinh nghiệm tại Tesla đã khiến Mira bắt đầu quan tâm sâu sắc đến ứng dụng trí tuệ nhân tạo, đặc biệt là lái xe tự động – vì nó có thể tận dụng AI và thị giác máy tính để cách mạng hóa phương tiện di chuyển. Bà bắt đầu suy nghĩ nhiều hơn về các ứng dụng khác nhau của AI, và ngày càng hứng thú với AI cùng tác động mà nó có thể tạo ra trên thế giới.
Cụ thể hơn, bà tò mò về cách AI ảnh hưởng đến tương tác giữa người và máy, cũng như cách con người tương tác tổng thể với thông tin, đồng thời rất quan tâm đến tính toán không gian (spatial computing). Sau đó, bà gia nhập công ty công nghệ tiên tiến Leap Motion với vai trò Phó chủ tịch phụ trách sản phẩm và kỹ thuật. Chính trải nghiệm này đã củng cố thêm năng lực sản phẩm hóa của bà.
(Nhân tiện nói thêm, David Holz – nhà sáng lập Leap Motion – sau khi bán công ty đã thành lập Midjourney, một ứng dụng AI hiện đang cực kỳ nổi tiếng.)
Năm 2018, Mira gia nhập OpenAI. Từ đó, bà bắt đầu suy nghĩ nhiều hơn về điều gì sẽ xảy ra nếu chỉ tập trung vào tính phổ quát.
Ngoài ra, qua cách bà thảo luận về phương pháp nghiên cứu, ta có thể thấy tinh thần khám phá mà Mira coi là cần thiết trong đổi mới công nghệ, ngay cả khi làm việc trong môi trường đầy bất định:
-
Đôi khi bạn ngủ dậy sau một giấc ngủ và bỗng dưng có được ý tưởng mới. Trong vài ngày hoặc vài tuần, bạn sẽ tìm ra giải pháp cuối cùng. Đây không phải là kết quả nhanh chóng, đôi khi cũng không phải quy trình lặp đi lặp lại.
-
Điều này gần giống như một kiểu tư duy khác, bạn xây dựng trực giác, nhưng đồng thời cũng rèn luyện kỷ luật xử lý vấn đề và tin rằng mình sẽ giải quyết được nó. Theo thời gian, bạn phát triển trực giác để biết được đâu mới thực sự là vấn đề cần giải quyết.
Tóm tắt cuộc trò chuyện
Nhà đầu tư mạo hiểm hàng đầu A16Z đang đặt cược lớn vào lĩnh vực trí tuệ nhân tạo. Phần dưới đây trích lược cuộc trao đổi giữa Martin – quản lý quỹ của A16Z – và Mira. Bà chia sẻ câu chuyện đằng sau ChatGPT và tương lai của trí tuệ nhân tạo cùng giao diện người - máy. Chúng ta cũng có thể thấy rõ, với nền tảng là một chuyên gia sản phẩm, Mira đặc biệt chú trọng đến tính ứng dụng thực tế của sản phẩm.
Martin: Bạn nghĩ hiện nay khó khăn chủ yếu nằm ở hệ thống hay ở kỹ thuật?
Mira: Cả hai đều tồn tại. Các vấn đề về hệ thống và kỹ thuật là rất lớn. Chúng tôi đang triển khai các công nghệ này, cố gắng mở rộng quy mô để chúng hiệu quả hơn và dễ tiếp cận hơn. Điều đó có nghĩa là bạn không cần hiểu rõ các phức tạp của học máy (ML) để có thể sử dụng chúng.
Thực tế, chúng ta có thể thấy sự tương phản giữa việc cung cấp các mô hình này qua API và qua ChatGPT. Về cơ bản, đây là cùng một công nghệ, chỉ khác một chút là ChatGPT có khả năng học tăng cường từ phản hồi của con người. Điều này đồng nghĩa với việc khả năng phản ứng của con người, sức hút với trí tưởng tượng của người dùng, và khả năng khiến họ sử dụng công nghệ này mỗi ngày, là hoàn toàn khác biệt.
Giao diện ngôn ngữ tự nhiên
Martin: Tôi cũng cho rằng API của ChatGPT là điều rất thú vị. Mỗi khi tôi dùng các mô hình này trong chương trình, tôi luôn cảm giác như đang dùng bàn tính để bao bọc một siêu máy tính. Đôi khi tôi nói: "Tôi sẽ đưa cho mô hình một bàn phím và chuột, để nó tự lập trình." API là tiếng Anh, tôi nói cho nó cần làm gì, và nó sẽ hoàn thành toàn bộ lập trình. Tôi tò mò, khi thiết kế thứ như ChatGPT, bạn có nghĩ rằng theo thời gian, giao diện thực tế sẽ là ngôn ngữ tự nhiên, hay bạn vẫn cho rằng lập trình truyền thống vẫn giữ vai trò lớn?
Mira: Lập trình trong ChatGPT đang trở nên ít trừu tượng hơn. Chúng ta có thể giao tiếp với máy tính ở băng thông cao bằng ngôn ngữ tự nhiên. Nhưng một khía cạnh khác là công nghệ này đang giúp chúng ta học cách hợp tác thực sự với nó, thay vì chỉ lập trình cho nó. Tầng lập trình đang trở nên dễ dàng và dễ tiếp cận hơn vì bạn có thể lập trình bằng ngôn ngữ tự nhiên. Nhưng điều chúng tôi thấy ở ChatGPT là bạn thực sự có thể hợp tác với mô hình như một người bạn đồng hành hoặc đồng nghiệp.
Martin: Thật thú vị khi nhìn xem điều gì sẽ xảy ra theo thời gian. Bạn đã quyết định ChatGPT có API, nhưng với một đồng nghiệp thì bạn không có API. Bạn chỉ nói chuyện với đồng nghiệp. Theo thời gian, liệu những thứ này có tiến hóa thành giao tiếp bằng ngôn ngữ tự nhiên? Hay bạn nghĩ hệ thống luôn cần một thành phần nào đó là máy trạng thái hữu hạn (finite state machine), hay nói cách khác là một máy tính truyền thống?
Mira: Hiện nay là một bước ngoặt, chúng tôi đang tái định nghĩa cách chúng ta tương tác với thông tin kỹ thuật số, thông qua hình thức hợp tác với các hệ thống AI. Có thể sẽ có nhiều hệ thống AI, mỗi cái có khả năng khác nhau. Hoặc có thể sẽ có một hệ thống phổ quát, đi theo chúng ta khắp nơi, biết bối cảnh của tôi, hôm nay tôi đã làm gì, mục tiêu trong cuộc sống và công việc của tôi là gì, giúp tôi vượt qua khó khăn, định hướng,... Bạn có thể hình dung, điều đó sẽ cực kỳ mạnh mẽ.
Hiện tại, chúng tôi đang ở điểm chuyển mình để tái định nghĩa điều này. Chúng tôi không biết tương lai sẽ ra sao, nhưng đang nỗ lực để nhiều người khác có thể sử dụng các công cụ và công nghệ này, để họ có thể thử nghiệm và chúng tôi có thể thấy điều gì xảy ra. Đây là chiến lược chúng tôi đã sử dụng từ đầu.
Vài tuần trước, khi ra mắt ChatGPT, chúng tôi lo rằng nó chưa đủ tốt. Nhưng rồi tất cả đều thấy điều gì đã xảy ra. Chúng tôi tung nó ra, và sau đó người dùng nói với chúng tôi rằng nó hoạt động tuyệt vời trong những trường hợp mới. Điều này xảy ra khi bạn làm cho công cụ trở nên dễ tiếp cận và dễ sử dụng với tất cả mọi người.
Lộ trình phát triển của OpenAI
Martin: Khi nói đến trí tuệ nhân tạo, con người vẫn chưa biết cách suy nghĩ về nó. Cần có định hướng, bạn phải đưa ra lựa chọn. Bạn ở OpenAI, bạn phải quyết định bước tiếp theo là gì. Nếu bạn có thể chia sẻ quá trình ra quyết định này: Làm sao bạn quyết định nên làm gì, tập trung vào điều gì, phát hành cái gì, hay định vị như thế nào?
Mira: Nếu bạn xem xét cách ChatGPT ra đời, thực ra nó không phải là sản phẩm mà chúng tôi định phát hành. Gốc rễ thực sự của nó bắt nguồn từ hơn 5 năm trước, khi chúng tôi đang suy nghĩ về cách chế tạo một hệ thống AI an toàn. Bạn không nhất thiết muốn con người viết hàm mục tiêu, vì bạn không muốn để người thay thế làm điều đó với các hàm mục tiêu phức tạp, hoặc bạn không muốn mắc sai lầm, vì điều đó có thể rất nguy hiểm.
Đó là lúc phương pháp học tăng cường từ phản hồi của con người (RLHF) được sử dụng. Điều chúng tôi thực sự muốn đạt được là làm cho hệ thống AI phù hợp với các giá trị của con người, và cho phép nó tiếp nhận phản hồi từ con người. Dựa trên phản hồi đó, nó có nhiều khả năng làm đúng điều bạn muốn, và ít khả năng làm điều bạn không mong muốn. Sau đó, khi chúng tôi phát triển GPT-3 và phát hành qua API, đây là lần đầu tiên chúng tôi thực sự áp dụng nghiên cứu về an toàn vào thế giới thực. Điều này được thực hiện thông qua mô hình tuân theo hướng dẫn (instruction-following model).
Chúng tôi sử dụng phương pháp này để lấy gợi ý từ khách hàng dùng API, sau đó thuê các nhà thầu tạo phản hồi cho mô hình học tập. Chúng tôi tinh chỉnh mô hình dựa trên dữ liệu này và xây dựng mô hình tuân theo hướng dẫn. Những mô hình này có xu hướng tuân theo ý định của người dùng, làm đúng điều bạn thực sự mong muốn. Điều này rất mạnh mẽ, vì an toàn AI không còn chỉ là một khái niệm lý thuyết để bàn tán. Nó thực sự trở thành: giờ đây chúng ta đang bước vào thời đại hệ thống an toàn AI, và làm thế nào để tích hợp nó vào thế giới thực?
Rõ ràng, trong các mô hình ngôn ngữ lớn, chúng tôi thấy biểu hiện tuyệt vời về các khái niệm và tư tưởng thế giới thực. Nhưng về mặt đầu ra, vẫn còn nhiều vấn đề. Một trong những vấn đề lớn nhất rõ ràng là ảo giác (hallucination). Chúng tôi liên tục nghiên cứu về ảo giác và tính chân thực. Làm sao để các mô hình này thể hiện sự không chắc chắn?
Tiền thân của ChatGPT thực ra là một dự án khác mà chúng tôi gọi là WebGPT, sử dụng khả năng truy xuất để lấy thông tin và trích dẫn nguồn. Dự án này cuối cùng đã phát triển thành ChatGPT, vì chúng tôi cho rằng đối thoại rất đặc biệt. Nó cho phép bạn đặt câu hỏi, sửa lỗi lẫn nhau và thể hiện sự không chắc chắn.
Martin: Không ngừng phát hiện lỗi vì bạn đang tương tác...
Mira: Đúng vậy, nhờ tương tác, bạn có thể hiểu sâu hơn về chân lý. Chúng tôi bắt đầu đi theo hướng này khi dùng GPT-3 và GPT-3.5. Về mặt an toàn, chúng tôi rất hào hứng. Nhưng điều mọi người quên là lúc đó chúng tôi đã bắt đầu huấn luyện GPT-4. Trong nội bộ OpenAI, chúng tôi rất phấn khích về GPT-4 và tạm gác ChatGPT lại phía sau. Sau đó, chúng tôi nhận ra: "Chúng tôi sẽ dành 6 tháng để tập trung vào tính nhất quán và an toàn của GPT-4", và bắt đầu suy nghĩ về những việc có thể làm. Một trong những việc chính là đưa ChatGPT cho các nhà nghiên cứu để họ phản hồi, vì chúng tôi đã có dạng thức đối thoại này. Mục đích ban đầu là nhận phản hồi từ các nhà nghiên cứu và dùng nó để làm GPT-4 trở nên nhất quán, an toàn, mạnh mẽ và đáng tin cậy hơn.
Martin: Khi bạn nói nhất quán và an toàn, bạn có bao gồm cả việc nó đúng sự thật, làm đúng điều nó định làm? Hay bạn đang nói về an toàn theo nghĩa bảo vệ bản thân khỏi tổn hại?
Mira: Khi tôi nói nhất quán, thường là nó phù hợp với ý định của người dùng, tức là làm đúng điều bạn mong muốn. Nhưng an toàn cũng bao gồm các yếu tố khác, ví dụ như lạm dụng – khi người dùng cố tình dùng mô hình để tạo đầu ra gây hại. Qua ChatGPT, chúng tôi đang nỗ lực làm cho mô hình có nhiều khả năng làm điều bạn muốn, từ đó tăng tính nhất quán. Chúng tôi cũng muốn giải quyết vấn đề ảo giác – rõ ràng đây là một bài toán cực kỳ khó.
Tôi nghĩ, nếu chúng tôi nỗ lực thực hiện phương pháp học tăng cường từ phản hồi con người, có lẽ đó chính là tất cả những gì chúng tôi cần.
Martin: Vậy là không có kế hoạch vĩ đại nào cả? Chúng ta cần làm gì để đạt được AGI? Chỉ là từng bước một?
Mira: Đúng vậy. Và tất cả những quyết định nhỏ dọc đường đi. Có lẽ chính vì vài năm trước, chúng tôi đã đưa ra quyết định chiến lược theo đuổi sản phẩm, nên mới có khả năng đạt được mục tiêu này. Chúng tôi làm vậy vì tin rằng, nếu không có phản hồi từ người dùng thực tế, thì không thể chỉ ngồi trong phòng thí nghiệm và phát triển sản phẩm trong chân không. Đó là giả định của chúng tôi. Tôi nghĩ điều đó đã giúp chúng tôi đưa ra một số quyết định và xây dựng hạ tầng nền tảng, để cuối cùng có thể triển khai thứ như ChatGPT.
Luật tỷ lệ (Scaling Law)
Martin: Bạn có thể nhắc lại luật tỷ lệ không? Tôi nghĩ đây là câu hỏi lớn của tất cả mọi người. Tốc độ tiến bộ thật đáng kinh ngạc. Nhưng lịch sử AI dường như cho thấy bạn sẽ gặp điểm lợi suất giảm dần, không phải do tham số hóa. Nó giảm dần theo thời gian. Theo góc nhìn của bạn (có thể là góc nhìn sáng suốt nhất toàn ngành), bạn có nghĩ luật tỷ lệ sẽ tiếp tục, chúng ta sẽ tiếp tục tiến bộ, hay bạn nghĩ chúng ta đang tiến tới điểm lợi suất giảm dần?
Mira: Không có bằng chứng nào cho thấy khi tiếp tục mở rộng mô hình trên trục dữ liệu và tính toán, chúng ta sẽ không có được những mô hình tốt hơn và mạnh hơn. Liệu điều này có dẫn thẳng đến AGI (trí tuệ nhân tạo phổ quát) hay không – đó là một câu hỏi khác. Trong quá trình đó, có thể cần thêm một số đột phá và tiến bộ khác. Để thực sự thu được nhiều lợi ích từ các mô hình lớn hơn này, luật tỷ lệ vẫn còn rất nhiều dư địa để phát triển.
Martin: Bạn định nghĩa AGI như thế nào?
Mira: Trong hiến chương của OpenAI, chúng tôi định nghĩa nó là một hệ thống máy tính có thể tự chủ hoàn thành phần lớn các công việc trí tuệ.
Martin: Lúc đó tôi đang ăn trưa, Robert Nishihara của Anyscale cũng ở đó. Ông ấy đặt một câu hỏi mà tôi gọi là "Câu hỏi Robert Nishihara". Tôi nghĩ đây thực sự là một cách diễn đạt hay. Ông ấy nói: "Giữa máy tính và Einstein tồn tại một dải liên tục. Bạn đi từ máy tính đến mèo, từ mèo đến người bình thường, từ người bình thường đến Einstein." Rồi ông ấy đặt câu hỏi: "Chúng ta đang ở đâu trên dải liên tục này? Những vấn đề nào sẽ được giải quyết?"
Mọi người đều đồng ý rằng chúng ta biết cách chuyển từ mèo thành người bình thường. Nhưng chúng ta chưa biết cách chuyển từ máy tính thành mèo, vì đó là vấn đề cảm nhận phổ quát. Chúng ta đã rất gần, nhưng vẫn chưa hoàn toàn đạt được. Và chúng ta thực sự chưa biết cách làm ra Einstein – đó chính là ranh giới suy luận.
Mira: Qua tinh chỉnh (fine-tuning), bạn có thể đạt được rất nhiều, nhưng nhìn chung, tôi nghĩ rằng trong hầu hết các nhiệm vụ, hiện tại chúng ta đang ở mức thực tập sinh. Vấn đề nằm ở độ tin cậy. Bạn không thể hoàn toàn tin tưởng hệ thống để làm điều bạn muốn nó làm mọi lúc. Trong nhiều nhiệm vụ, nó vẫn chưa làm được. Làm sao để nâng cao độ tin cậy theo thời gian, và mở rộng các chức năng mới mà các mô hình này có thể thực hiện?
Tôi nghĩ việc chú ý đến các khả năng mới nổi là rất quan trọng, ngay cả khi chúng còn rất thiếu tin cậy. Đặc biệt đối với những người đang khởi nghiệp hôm nay, bạn thực sự cần suy nghĩ: "Hôm nay điều gì là khả thi? Hôm nay bạn thấy điều gì?" Những mô hình này sẽ nhanh chóng trở nên đáng tin cậy.
Một mô hình duy nhất thống trị?
Martin: Tôi sắp đặt câu hỏi dự đoán tương lai sẽ ra sao. Nhưng trước đó, tôi xin hỏi một cách ích kỷ: bạn nghĩ nền kinh tế của việc này sẽ phát triển thế nào? Tôi nói cho bạn biết điều gì khiến tôi liên tưởng. Nó khiến tôi nhớ đến ngành công nghiệp silicon. Tôi nhớ những năm 90, khi mua một chiếc máy tính, có rất nhiều bộ xử lý kỳ lạ. "Cái này xử lý chuỗi, cái này xử lý dấu phẩy động, cái này mã hóa," tất cả những thứ này chiếm dụng CPU.
Hóa ra tính phổ quát rất mạnh mẽ, tạo ra một dạng kinh tế nhất định, với Intel và AMD là những người chơi chính. Tất nhiên, sản xuất các chip này tốn rất nhiều tiền.
Vì vậy, bạn có thể hình dung hai viễn cảnh tương lai. Trong một tương lai, tính phổ quát rất mạnh, và theo thời gian, các mô hình lớn sẽ hấp thụ hầu hết các chức năng. Còn một tương lai khác, sẽ có rất nhiều mô hình khác nhau, phân mảnh, với các điểm khác nhau trong không gian thiết kế. Bạn có cảm giác nào: OpenAI sẽ độc tôn, hay sẽ có rất nhiều mô hình?
Mira: Điều đó tùy thuộc vào bạn muốn làm gì. Rõ ràng, hiện tại xu hướng là các hệ thống AI sẽ làm ngày càng nhiều công việc mà chúng ta đang làm. Chúng sẽ có khả năng hoạt động tự chủ, nhưng chúng ta cần cung cấp định hướng, hướng dẫn và giám sát. Nhưng tôi không muốn làm nhiều công việc lặp đi lặp lại hàng ngày. Tôi muốn tập trung vào những việc khác. Có lẽ chúng ta không cần phải làm việc 10-12 tiếng mỗi ngày, mà có thể giảm giờ làm, đạt năng suất cao hơn. Đó là điều tôi hy vọng. Về cách nền tảng hoạt động, ngay cả hôm nay, bạn cũng thấy chúng tôi cung cấp nhiều mô hình qua API, từ mô hình rất nhỏ đến các mô hình tiên tiến nhất.
Người dùng không phải lúc nào cũng cần dùng mô hình mạnh nhất, có năng lực cao nhất. Đôi khi họ chỉ cần một mô hình thực sự phù hợp với trường hợp sử dụng cụ thể, và chi phí thấp hơn nhiều. Tôi nghĩ sẽ có một phạm vi đa dạng. Nhưng về tầm nhìn nền tảng, chúng tôi chắc chắn muốn mọi người xây dựng trên mô hình của chúng tôi, muốn cung cấp công cụ để việc này dễ dàng hơn, và cho họ ngày càng nhiều quyền truy cập và kiểm soát. Bạn có thể mang dữ liệu của mình vào, tùy chỉnh các mô hình. Bạn có thể tập trung vào các tầng bên ngoài mô hình, định nghĩa sản phẩm – điều này thực sự rất khó. Hiện nay có rất nhiều sự chú ý đổ vào việc xây dựng thêm mô hình, nhưng việc xây dựng sản phẩm tốt trên các mô hình đó còn khó hơn rất nhiều.
5-10 năm tới
Martin: Tôi mong bạn có thể dự đoán điều này sẽ đi về đâu trong 3 năm, 5 năm hay 10 năm nữa.
Mira: Tôi nghĩ các mô hình nền tảng ngày nay đã thể hiện tuyệt vời về thế giới trong văn bản. Chúng tôi đang bổ sung thêm các dạng thức khác như hình ảnh, video và nhiều thứ khác, để các mô hình có thể hiểu toàn diện hơn về thế giới xung quanh, giống như cách chúng ta hiểu và quan sát thế giới. Thế giới không chỉ tồn tại trong chữ viết, mà còn trong hình ảnh. Chúng tôi chắc chắn sẽ đi theo hướng này, và sẽ có những mô hình lớn hơn, được huấn luyện trước với tất cả các dạng thức này. Chúng tôi thực sự muốn các mô hình đã qua huấn luyện trước có thể hiểu thế giới giống như con người.
Ở phần đầu ra của mô hình, chúng tôi đang áp dụng học tăng cường từ phản hồi con người. Chúng tôi muốn mô hình thực sự làm đúng điều chúng tôi yêu cầu, và muốn điều đó đáng tin cậy. Cần rất nhiều công việc, có thể cần thêm khả năng duyệt web để thu thập thông tin mới, trích dẫn nguồn và giải quyết ảo giác. Tôi không nghĩ điều này là không thể. Tôi nghĩ nó có thể đạt được.
Về sản phẩm, chúng tôi muốn tích hợp tất cả những điều này vào một bộ sưu tập các sản phẩm hợp tác cho con người, và cung cấp một nền tảng để mọi người có thể xây dựng trên đó. Nếu thực sự mở rộng ra, các mô hình này sẽ cực kỳ mạnh mẽ. Rõ ràng, đi kèm theo đó là nỗi sợ các mô hình mạnh đến mức này lại không phù hợp với ý định của chúng ta. Một thách thức lớn là Siêu Nhất Quán (Super Alignment) – một thách thức kỹ thuật khó khăn. Tại OpenAI, chúng tôi có một đội ngũ chuyên trách hoàn toàn cho vấn đề này.
Chào mừng tham gia cộng đồng chính thức TechFlow
Nhóm Telegram:https://t.me/TechFlowDaily
Tài khoản Twitter chính thức:https://x.com/TechFlowPost
Tài khoản Twitter tiếng Anh:https://x.com/BlockFlow_News
