Sam Altman: Năm tới, OpenAI sẽ bước vào kỷ nguyên hệ thống AI
Tuyển chọn TechFlowTuyển chọn TechFlow
Sam Altman: Năm tới, OpenAI sẽ bước vào kỷ nguyên hệ thống AI
Nâng cao "khả năng suy luận" vẫn là mục tiêu cốt lõi của nhà sản xuất mô hình lớn này.
Chuyên sâu báo cáo Web3Bài viết: 21VC
Biên dịch: Mộc Mộ
Chỉnh sửa: Văn Đao
Sau GPT-4, năm tới OpenAI đang ấp ủ kế hoạch lớn gì? Hào moat cạnh tranh của OpenAI nằm ở đâu? Giá trị của AI Agent là gì? Trước làn sóng "ra đi" của nhiều nhân viên cũ, liệu OpenAI có lựa chọn những người trẻ đầy nhiệt huyết và năng lượng hơn không?
Ngày 4 tháng 11, CEO OpenAI Sam Altman (sau đây gọi tắt là "Altman") đã trả lời những câu hỏi này trong podcast "The Twenty Minute VC", ông nhấn mạnh rõ ràng rằng việc nâng cao khả năng suy luận luôn là chiến lược cốt lõi của OpenAI.
Khi người dẫn chương trình podcast và cũng là người sáng lập 21VC Harry Stebbings (sau đây gọi tắt là "Stebbings") đặt câu hỏi về cơ hội còn lại cho các nhà khởi nghiệp AI khi mà OpenAI vẫn tiếp tục phát triển, Altman cho rằng nếu các startup AI vẫn còn mải mê giải quyết những thiếu sót của mô hình, thì mô hình kinh doanh đó sẽ mất tính cạnh tranh khi mô hình của OpenAI được nâng cấp. Thay vào đó, các nhà khởi nghiệp nên xây dựng các mô hình kinh doanh có thể hưởng lợi từ sự tiến bộ của mô hình — đây chính là một cơ hội to lớn.
Theo Altman, cách con người hiện nay bàn luận về AI đã phần nào lỗi thời. So với các mô hình, hệ thống mới là hướng phát triển đáng chú ý hơn, và năm tới sẽ là năm then chốt đánh dấu bước chuyển mình của OpenAI sang lĩnh vực hệ thống AI.
Dưới đây là phần tóm tắt những nội dung nổi bật trong cuộc trò chuyện giữa Stebbings và Altman:
OpenAI lên kế hoạch phát triển công cụ không cần viết mã
Stebbings: Tôi sẽ bắt đầu cuộc phỏng vấn hôm nay bằng một câu hỏi từ khán giả: Hướng đi trong tương lai của OpenAI là ra mắt thêm nhiều mô hình như GPT-3.5 hay tập trung huấn luyện những mô hình lớn và mạnh hơn?
Altman: Chúng tôi sẽ tối ưu hóa toàn diện các mô hình, nâng cao khả năng suy luận là trọng tâm chiến lược hiện tại. Tôi tin rằng khả năng suy luận mạnh mẽ sẽ mở khóa hàng loạt chức năng mà chúng tôi mong đợi, bao gồm đóng góp thực chất trong nghiên cứu khoa học, viết mã cực kỳ phức tạp… điều này sẽ thúc đẩy mạnh mẽ sự phát triển và tiến bộ của xã hội. Mọi người hoàn toàn có thể kỳ vọng vào quá trình cập nhật và cải tiến liên tục, nhanh chóng của chuỗi mô hình GPT – đây sẽ là trọng tâm và định hướng ưu tiên trong công việc sắp tới của chúng tôi.
Sam Altman trả lời phỏng vấn từ Harry Stebbings, người sáng lập 21VC
Stebbings: Liệu OpenAI trong tương lai có phát triển các công cụ không cần viết mã dành cho người không chuyên kỹ thuật, giúp họ dễ dàng xây dựng và mở rộng ứng dụng AI?
Altman: Chắc chắn rồi, chúng tôi đang từng bước tiến gần đến mục tiêu đó. Kế hoạch ban đầu của chúng tôi là nâng cao đáng kể hiệu suất làm việc của các lập trình viên, nhưng về lâu dài, mục tiêu của chúng tôi là tạo ra các công cụ không cần viết mã đẳng cấp thế giới. Dù thị trường hiện nay đã có một số giải pháp không cần viết mã, nhưng chúng vẫn chưa thể đáp ứng hoàn toàn nhu cầu tạo ra một startup đầy đủ chỉ bằng phương pháp không cần viết mã.
Stebbings: Trong tương lai, OpenAI sẽ mở rộng vào những lĩnh vực nào trong hệ sinh thái công nghệ? Nếu OpenAI có thể chiếm vị trí chủ đạo ở tầng ứng dụng, vậy việc các startup đầu tư nguồn lực lớn để tối ưu hóa hệ thống hiện tại có phải là lãng phí tài nguyên? Các nhà sáng lập nên suy nghĩ vấn đề này như thế nào?
Altman: Mục tiêu của chúng tôi là không ngừng cải thiện các mô hình. Nếu mô hình kinh doanh của bạn chỉ đơn thuần nhằm khắc phục những thiếu sót nhỏ trong mô hình hiện tại, thì khi mô hình của chúng tôi trở nên đủ mạnh, những thiếu sót đó không còn nữa, mô hình kinh doanh của bạn có thể sẽ mất tính cạnh tranh.
Tuy nhiên, nếu bạn có thể xây dựng một mô hình kinh doanh có thể hưởng lợi từ sự tiến bộ liên tục của mô hình, thì đây sẽ là một cơ hội to lớn. Hãy tưởng tượng, nếu có ai tiết lộ rằng GPT-4 sẽ trở nên cực kỳ mạnh mẽ, có thể thực hiện những nhiệm vụ tưởng chừng không thể, bạn sẽ có thể lên kế hoạch và phát triển doanh nghiệp theo góc nhìn dài hạn hơn.
Stebbings: Chúng tôi từng thảo luận với nhà đầu tư mạo hiểm Brad Gerstner về ảnh hưởng tiềm tàng của OpenAI đối với một số thị trường ngách. Từ góc nhìn của một nhà sáng lập, những công ty nào có thể bị ảnh hưởng bởi OpenAI và những công ty nào có thể tồn tại? Là một nhà đầu tư, chúng ta nên đánh giá vấn đề này như thế nào?
Altman: Trí tuệ nhân tạo sẽ tạo ra giá trị hàng nghìn tỷ USD, nó sẽ thúc đẩy ra đời các sản phẩm và dịch vụ hoàn toàn mới, biến những điều trước đây bất khả thi hoặc không thực tế thành khả thi. Ở một số lĩnh vực, chúng tôi kỳ vọng mô hình sẽ mạnh đến mức khiến mục tiêu trở nên dễ dàng đạt được; ở các lĩnh vực khác, thông qua việc xây dựng các sản phẩm và dịch vụ xuất sắc, công nghệ mới này sẽ được tăng cường thêm.
Trong giai đoạn đầu, khoảng 95% các startup dường như đang đặt cược rằng mô hình sẽ không được cải thiện, điều này khiến tôi ngạc nhiên, giờ thì tôi không còn cảm thấy như vậy nữa. Ngay khi GPT-3.5 vừa ra mắt, chúng tôi đã dự đoán được tiềm năng của GPT-4, và biết rằng nó sẽ rất mạnh mẽ.
Vì vậy, nếu công cụ bạn xây dựng chỉ nhằm bù đắp những điểm yếu của mô hình, thì khi mô hình ngày càng được cải thiện, những điểm yếu đó sẽ dần trở nên không còn quan trọng.
Khi xưa mô hình hoạt động kém, mọi người thường thiên về phát triển sản phẩm bù đắp khiếm khuyết thay vì xây dựng các sản phẩm mang tính cách mạng như “giáo viên AI” hay “tư vấn y tế AI”. Tôi cảm giác lúc đó 95% người ta đang cá cược rằng mô hình sẽ không tiến bộ, chỉ có 5% tin rằng mô hình sẽ tốt hơn.
Bây giờ tình hình đã đảo ngược, mọi người hiểu rõ tốc độ cải tiến và định hướng phát triển của chúng tôi. Vấn đề này giờ không còn nổi bật, nhưng trước đây chúng tôi rất lo lắng, bởi chúng tôi nhận ra những công ty (theo đuổi hướng bù đắp khiếm khuyết mô hình) có thể gặp khó khăn.
Stebbings: Bạn từng nói “trí tuệ nhân tạo sẽ tạo ra giá trị hàng nghìn tỷ USD”, Masayoshi Son (người sáng lập và CEO SoftBank) cũng dự đoán “AI sẽ tạo ra giá trị 9 nghìn tỷ USD mỗi năm”, đủ để bù đắp cho khoản chi phí vốn “cần thiết 9 nghìn tỷ USD” mà ông ấy cho là cần thiết. Bạn nghĩ sao về điều này?
Altman: Tôi không thể đưa ra con số chính xác, nhưng rõ ràng, với mức chi phí vốn khổng lồ như vậy, giá trị được tạo ra cũng sẽ rất lớn, bởi mỗi cuộc cách mạng công nghệ lớn đều như vậy, và trí tuệ nhân tạo chắc chắn là một trong số đó.
Năm tới là năm then chốt đối với chúng tôi, chúng tôi sẽ bước vào kỷ nguyên của thế hệ AI hệ thống tiếp theo. Việc phát triển đại lý phần mềm không cần viết mã mà bạn đề cập, tôi không chắc mất bao lâu, hiện tại điều đó vẫn chưa thể thực hiện, nhưng hãy thử tưởng tượng nếu chúng ta đạt được mục tiêu đó, mỗi người đều có thể dễ dàng tiếp cận toàn bộ phần mềm doanh nghiệp mà họ cần, điều này sẽ giải phóng bao nhiêu giá trị kinh tế cho thế giới. Nếu bạn vẫn giữ được mức giá trị như vậy nhưng làm cho nó tiện lợi hơn, chi phí thấp hơn, tác động sẽ rất lớn.
Tôi tin rằng chúng ta sẽ thấy nhiều ví dụ tương tự, bao gồm các lĩnh vực y tế và giáo dục, đại diện cho thị trường trị giá hàng nghìn tỷ USD. Nếu AI có thể thúc đẩy các giải pháp mới trong những lĩnh vực này, tôi cho rằng con số cụ thể không quan trọng, điều quan trọng là nó thực sự sẽ tạo ra giá trị phi thường.
Agent AI xuất sắc sở hữu chức năng vượt xa khả năng con người
Stebbings: Bạn nghĩ vai trò của mã nguồn mở trong tương lai của trí tuệ nhân tạo sẽ như thế nào? Trong nội bộ OpenAI, cuộc thảo luận về “liệu có nên mở mã một số mô hình” diễn ra ra sao?
Altman: Các mô hình mã nguồn mở đóng vai trò vô cùng quan trọng trong hệ sinh thái trí tuệ nhân tạo. Hiện nay đã có một số mô hình mã nguồn mở rất xuất sắc. Tôi cho rằng việc cung cấp dịch vụ chất lượng cao và API cũng rất quan trọng. Theo tôi, việc kết hợp các yếu tố này thành một gói sản phẩm là hợp lý, để người dùng có thể lựa chọn giải pháp phù hợp nhất với nhu cầu của họ.
Stebbings: Ngoài mã nguồn mở, chúng ta còn có thể cung cấp dịch vụ cho khách hàng thông qua Agent (đại lý). Bạn định nghĩa “Agent” như thế nào? Theo bạn, nó là gì và không phải là gì?
Altman: Tôi cho rằng Agent là một chương trình có thể thực hiện các nhiệm vụ dài hạn và gần như không cần giám sát của con người trong suốt quá trình thực hiện.
Stebbings: Bạn có nghĩ rằng mọi người đang hiểu sai về Agent?
Altman: Không hẳn là hiểu sai, mà là chúng ta vẫn chưa hoàn toàn hiểu rõ vai trò của Agent trong thế giới tương lai.
Một ví dụ phổ biến là nhờ AI Agent đặt bàn ăn, ví dụ như sử dụng OpenTable hoặc trực tiếp gọi điện cho nhà hàng. Điều này quả thật tiết kiệm thời gian, nhưng điều thú vị hơn theo tôi là Agent có thể làm những việc mà con người không thể, ví dụ như liên hệ đồng thời 300 nhà hàng để tìm món ăn phù hợp nhất hoặc nơi cung cấp dịch vụ đặc biệt. Đây là điều gần như bất khả thi với con người, nhưng nếu các Agent đều là AI, chúng có thể xử lý song song và giải quyết vấn đề một cách dễ dàng.
Dù ví dụ này khá đơn giản, nhưng nó minh họa chức năng vượt trội của Agent so với con người. Điều thú vị hơn là Agent không chỉ đặt bàn giúp bạn, mà còn giống như một đồng nghiệp dày dạn kinh nghiệm và thông minh, có thể cộng tác với bạn để hoàn thành một dự án; hoặc có thể tự hoàn thành một nhiệm vụ mất hai ngày hoặc thậm chí hai tuần, chỉ liên lạc với bạn khi gặp vấn đề, và cuối cùng đưa ra một kết quả xuất sắc.
Stebbings: Mô hình Agent như vậy có ảnh hưởng đến cách định giá SaaS (phần mềm như một dịch vụ) không? Truyền thống, SaaS tính phí theo chỗ ngồi người dùng, nhưng hiện nay Agent thực tế đang thay thế nhân lực. Bạn nhìn nhận thế nào về sự thay đổi trong mô hình định giá tương lai, đặc biệt khi AI Agent trở thành phần cốt lõi trong đội ngũ nhân viên doanh nghiệp?
Altman: Tôi chỉ có thể suy đoán, vì chúng tôi thực sự chưa chắc chắn. Tôi có thể hình dung một kịch bản: mô hình định giá trong tương lai sẽ dựa trên lượng tài nguyên tính toán bạn sử dụng, ví dụ bạn cần 1 GPU, 10 GPU hay 100 GPU để xử lý vấn đề. Trong trường hợp đó, định giá sẽ không còn dựa trên chỗ ngồi hay thậm chí số lượng Agent, mà theo lượng tính toán thực tế tiêu thụ.
Stebbings: Vậy chúng ta có cần xây dựng mô hình chuyên biệt dành riêng cho Agent không?
Altman: Thực sự cần rất nhiều hạ tầng để hỗ trợ vận hành Agent, nhưng tôi cho rằng GPT-3.5 đã chỉ ra hướng đi, tức là một mô hình tổng quát có thể thực hiện các nhiệm vụ Agent phức tạp.
Mô hình là tài sản hao mòn, nhưng kinh nghiệm huấn luyện có giá trị cao hơn chi phí
Stebbings: Nhiều người cho rằng khi xu hướng thương mại hóa mô hình ngày càng rõ rệt, mô hình là tài sản hao mòn. Bạn nghĩ sao về quan điểm này? Hiện nay, việc huấn luyện mô hình ngày càng đòi hỏi vốn lớn, điều này có phải nghĩa là chỉ một vài công ty mới đủ sức chi trả?
Altman: Đúng vậy, mô hình có thể được coi là tài sản hao mòn, nhưng cho rằng giá trị của chúng thấp hơn chi phí huấn luyện là hoàn toàn sai lầm. Thực tế, trong quá trình huấn luyện mô hình, chúng tôi đạt được hiệu ứng lãi kép tích cực, tức là kiến thức và kinh nghiệm thu được từ việc huấn luyện sẽ giúp chúng tôi huấn luyện thế hệ mô hình tiếp theo hiệu quả hơn.
Tôi cho rằng doanh thu thực tế mà chúng tôi thu được từ mô hình đã chứng minh tính hợp lý của các khoản đầu tư này. Tất nhiên, không phải công ty nào cũng đạt được hiệu quả như vậy. Hiện tại, có thể có rất nhiều công ty đang huấn luyện các mô hình rất giống nhau, nhưng nếu bạn chậm một bước, hoặc không có sản phẩm liên tục thu hút người dùng và tạo ra giá trị, thì việc thu hồi vốn có thể khó khăn hơn nhiều.
Chúng tôi may mắn có ChatGPT, được hàng trăm triệu người dùng sử dụng, vì vậy dù chi phí cao, chúng tôi vẫn có thể phân bổ chi phí nhờ cơ sở người dùng khổng lồ.
Stebbings: Làm thế nào để các mô hình của OpenAI duy trì sự khác biệt trong tương lai? Bạn mong muốn mở rộng khác biệt ở những khía cạnh nào nhất?
Altman: Khả năng suy luận là lĩnh vực chúng tôi quan tâm nhất hiện nay, tôi tin rằng đây sẽ là chìa khóa mở ra giai đoạn tạo giá trị quy mô lớn tiếp theo. Ngoài ra, chúng tôi cũng sẽ tập trung phát triển mô hình đa phương thức, và giới thiệu các chức năng mới mà chúng tôi cho là quan trọng đối với người dùng.
Stebbings: Trong khuôn khổ mới về thời gian suy luận của GPT-3.5, khả năng hình ảnh sẽ được mở rộng như thế nào?
Altman: Không để lộ quá nhiều, tôi dự đoán các mô hình hình ảnh sẽ phát triển rất nhanh.
Stebbings: Mô hình của công ty Anthropic đôi khi được cho là thể hiện tốt hơn trong các nhiệm vụ lập trình, bạn nghĩ sao về điều này? Bạn có cho rằng đánh giá này là công bằng? Các nhà phát triển nên lựa chọn giữa OpenAI và các nhà cung cấp khác như thế nào?
Altman: Anthropic thực sự có một mô hình thể hiện tốt trong lĩnh vực lập trình, công việc của họ rất ấn tượng. Tôi nghĩ các nhà phát triển thường sẽ sử dụng nhiều mô hình cùng lúc, tôi cũng không chắc điều này sẽ thay đổi ra sao khi lĩnh vực phát triển. Nhưng tôi tin rằng trong tương lai trí tuệ nhân tạo sẽ hiện diện khắp nơi.
Cách chúng ta đang thảo luận về AI hiện nay có thể hơi lỗi thời, tôi dự đoán chúng ta sẽ chuyển từ bàn luận về “mô hình” sang bàn luận về “hệ thống”, nhưng điều này cần thời gian để hiện thực hóa.
Stebbings: Về vấn đề mở rộng mô hình, bạn nghĩ quy luật quy mô mô hình còn kéo dài được bao lâu? Trước đây nhiều người cho rằng nó sẽ không bền, nhưng dường như nó tồn tại lâu hơn dự kiến.
Altman: Không đi sâu vào chi tiết, vấn đề cốt lõi là: liệu đường cong cải thiện năng lực mô hình có tiếp tục như hiện nay? Tôi tin là có, và sẽ kéo dài trong một thời gian khá dài.
Stebbings: Bạn từng nghi ngờ điều này chưa?
Altman: Chúng tôi thực sự đã gặp phải một số mẫu hành vi không thể hiểu được, cũng trải qua những lần huấn luyện thất bại, thử nghiệm nhiều khuôn mẫu mới. Khi chúng tôi sắp chạm đến giới hạn của một khuôn mẫu, chúng tôi phải tìm ra điểm đột phá tiếp theo.
Stebbings: Thử thách khó khăn nhất trong quá trình này là gì?
Altman: Trong quá trình phát triển GPT-4, chúng tôi từng gặp phải một số vấn đề cực kỳ nan giải, khiến chúng tôi cảm thấy bế tắc, không biết cách phá vỡ. Cuối cùng, chúng tôi đã vượt qua được. Nhưng đúng là có một giai đoạn, chúng tôi cảm thấy mơ hồ về việc thúc đẩy mô hình phát triển ra sao.
Hơn nữa, sự chuyển đổi sang GPT-3.5 và khái niệm mô hình suy luận là mục tiêu mà chúng tôi ao ước từ lâu, nhưng con đường nghiên cứu để đạt được mục tiêu này đầy thách thức và khúc khuỷu.
Stebbings: Trong quá trình dài và gập ghềnh này, làm thế nào để duy trì tinh thần đội ngũ? Khi quá trình huấn luyện có thể thất bại, bạn duy trì tinh thần như thế nào?
Altman: Các thành viên trong đội ngũ chúng tôi đều đam mê xây dựng trí tuệ nhân tạo tổng quát (AGI), đó là một mục tiêu vô cùng truyền cảm hứng. Chúng tôi đều hiểu rõ, đây không phải con đường dễ dàng, thành công sẽ không đến nhẹ nhàng. Có một câu danh ngôn hay nói: “Tôi không bao giờ cầu xin Chúa đứng về phía mình, mà tôi cầu xin để tôi được đứng về phía Chúa.”
Tham gia vào lĩnh vực học sâu giống như tham gia một sự nghiệp chính nghĩa, dù không tránh khỏi thất bại trong quá trình, nhưng cuối cùng chúng tôi dường như luôn đạt được tiến triển. Niềm tin vững chắc này là trợ lực rất lớn đối với chúng tôi.
Stebbings: Về vấn đề chuỗi cung ứng bán dẫn, mức độ lo ngại của bạn về chuỗi cung ứng bán dẫn và tình hình căng thẳng quốc tế như thế nào?
Altman: Tôi không thể định lượng mức độ lo ngại, nhưng chắc chắn là tôi lo lắng. Dù có thể đây không phải là vấn đề khiến tôi lo lắng nhất, nhưng trong tất cả các vấn đề tôi quan tâm, nó chắc chắn nằm trong top 10% hàng đầu.
Stebbings: Tôi có thể hỏi bạn điều gì khiến bạn lo lắng nhất không?
Altman: Nhìn chung, điều khiến tôi lo lắng nhất là mức độ phức tạp trong toàn bộ lĩnh vực khi cố gắng hoàn thành mọi việc. Dù tôi tin rằng cuối cùng mọi thứ sẽ được giải quyết, nhưng đây thực sự là một hệ thống cực kỳ phức tạp.
Sự phức tạp này tồn tại ở mọi cấp độ, cả bên trong OpenAI lẫn trong từng nhóm. Lấy bán dẫn làm ví dụ, chúng tôi cần cân bằng cung cấp điện, đưa ra quyết định mạng lưới đúng đắn, đảm bảo có đủ chip, đồng thời tính đến các rủi ro tiềm tàng, và tiến độ nghiên cứu có khớp với các thách thức này hay không, để tránh bị bất ngờ hoàn toàn hoặc lãng phí tài nguyên.
Chuỗi cung ứng nhìn như một ống dẫn thẳng, nhưng thực tế độ phức tạp của hệ sinh thái ở từng cấp độ vượt xa bất kỳ ngành nào tôi từng thấy. Chính điều này, ở một mức độ nào đó, là điều khiến tôi lo lắng nhất.
Stebbings: Bạn đề cập đến sự phức tạp chưa từng có, nhiều người so sánh làn sóng AI hiện tại với thời kỳ bong bóng Internet, đặc biệt khi nói đến sự phấn khích và nhiệt huyết. Tôi nghĩ điểm khác biệt nằm ở quy mô đầu tư. Larry Ellison (người đồng sáng lập Oracle) từng nói chi phí khởi điểm để tham gia cuộc đua mô hình nền tảng là 100 tỷ USD. Bạn có đồng ý với quan điểm này?
Altman: Không, tôi cho rằng chi phí sẽ không cao đến vậy. Nhưng có một hiện tượng thú vị: mọi người thích dùng các cuộc cách mạng công nghệ trước để so sánh với cuộc cách mạng mới, để làm nó quen thuộc hơn. Theo tôi nhìn chung đây không phải thói quen tốt, nhưng tôi hiểu tại sao mọi người làm vậy. Tôi cũng nghĩ các ví dụ so sánh AI được chọn đặc biệt không phù hợp, Internet rõ ràng rất khác với AI.
Bạn nhắc đến một ví dụ về chi phí, dù thực sự cần 10 tỷ hay 100 tỷ để cạnh tranh, đặc điểm biểu tượng của cuộc cách mạng Internet là “rất dễ bắt đầu”. Một đặc điểm tương tự Internet khác là, với nhiều công ty, AI chỉ là sự mở rộng của Internet – người khác sẽ xây dựng các mô hình AI, bạn có thể tận dụng chúng để phát triển các sản phẩm tuyệt vời. Đó là cách nhìn AI như một phương pháp xây dựng công nghệ mới. Nhưng nếu bạn muốn tự xây dựng AI, thì hoàn cảnh sẽ hoàn toàn khác.
Một phép so sánh phổ biến khác là điện năng, nhưng tôi nghĩ điều này không áp dụng được ở nhiều khía cạnh.
Dù tôi nghĩ mọi người không nên quá phụ thuộc vào phép so sánh, nhưng phép so sánh tôi yêu thích nhất là transistor, một khám phá vật lý mới, có khả năng mở rộng phi thường, nhanh chóng thâm nhập mọi lĩnh vực, toàn bộ ngành công nghệ đều hưởng lợi từ transistor, các sản phẩm và dịch vụ chúng ta sử dụng chứa hàng loạt transistor, nhưng bạn sẽ không cảm thấy các công ty tạo ra sản phẩm đó là “công ty transistor”.
Đây là một quy trình công nghiệp phức tạp và đắt đỏ, tạo nên một chuỗi cung ứng khổng lồ. Khám phá vật lý đơn giản này đã mang lại tăng trưởng kinh tế dài hạn, dù phần lớn thời gian mọi người không nhận ra nó, chỉ cảm thấy “thứ này giúp tôi xử lý thông tin”.
Duy trì tiêu chuẩn nhân tài cao, chứ không thiên vị độ tuổi nào
Stebbings: Bạn nghĩ năng lực con người bị lãng phí như thế nào?
Altman: Trên thế giới có rất nhiều người tài năng, nhưng vì làm việc ở công ty không phù hợp, sống ở quốc gia không hỗ trợ các công ty xuất sắc, hay các lý do khác, họ không thể phát huy hết tiềm năng.
Một trong những điều khiến tôi hào hứng nhất về AI là nó có thể giúp chúng ta phát huy tốt hơn tiềm năng của mỗi người, điều mà hiện tại chúng ta làm chưa đủ. Tôi tin rằng trên thế giới có rất nhiều nhà nghiên cứu AI tiềm năng, chỉ là hành trình cuộc sống của họ khác biệt.
Stebbings: Năm qua bạn trải qua tốc độ tăng trưởng phi thường, nếu nhìn lại mười năm qua, bạn nghĩ thay đổi lớn nhất trong lãnh đạo của bạn là gì?
Altman: Với tôi, điều kỳ lạ nhất trong vài năm qua là tốc độ thay đổi. Một công ty bình thường tăng trưởng từ 0 lên doanh thu 100 triệu USD, sau đó từ 100 triệu lên 1 tỷ, rồi từ 1 tỷ lên 10 tỷ, thường mất rất nhiều thời gian, còn chúng tôi phải hoàn thành quá trình này trong vỏn vẹn hai năm. Chúng tôi chuyển từ một phòng thí nghiệm nghiên cứu thuần túy thành một công ty thực sự phục vụ lượng lớn khách hàng, sự chuyển đổi nhanh chóng này khiến tôi mất đi thời gian học hỏi.
Stebbings: Những điều nào bạn muốn dành thêm thời gian để học?
Altman: Cách dẫn dắt công ty tập trung vào tăng trưởng 10 lần chứ không chỉ 10%. Để từ một công ty doanh thu hàng tỷ trở thành công ty doanh thu hàng trăm tỷ, cần những thay đổi sâu sắc, chứ không chỉ lặp lại công việc tuần trước.
Nhưng thách thức của tăng trưởng nhanh là chúng tôi không có đủ thời gian để củng cố nền tảng. Tôi đã đánh giá thấp nỗ lực cần thiết để theo kịp và tiếp tục thúc đẩy trong môi trường tăng trưởng cực nhanh này.
Giao tiếp nội bộ, chia sẻ thông tin, quản lý cấu trúc và cách cân bằng nhu cầu ngắn hạn với phát triển dài hạn trong lập kế hoạch – tất cả đều rất quan trọng. Ví dụ, để đảm bảo năng lực thực thi trong 1-2 năm tới, chúng tôi cần chuẩn bị trước tài nguyên tính toán, văn phòng... Lập kế hoạch hiệu quả trong môi trường tăng trưởng nhanh như vậy là thách thức rất lớn.
Stebbings: Keith Rabois (nhà đầu tư mạo hiểm) từng nói, ông học được từ Peter Thiel (người đồng sáng lập PayPal) một điều: nên thuê những người trẻ dưới 30 tuổi, vì đó là bí quyết tạo nên công ty vĩ đại. Bạn nghĩ sao về lời khuyên này – xây dựng công ty bằng cách thuê những người trẻ đầy năng lượng và tham vọng, đây có phải là cách duy nhất?
Altman: Khi tôi sáng lập OpenAI, tôi khoảng 30 tuổi, không quá trẻ, nhưng trông có vẻ phù hợp (cười). Vì vậy, đây thực sự là một con đường có thể thử.
Stebbings: Tuy nhiên, người trẻ tuy tràn đầy năng lượng và tham vọng, nhưng có thể thiếu kinh nghiệm; hoặc nên chọn những người giàu kinh nghiệm, đã chứng minh được năng lực?
Altman: Câu trả lời hiển nhiên là cả hai loại nhân tài đều có thể thành công, như những gì chúng tôi đang làm tại OpenAI. Ngay trước cuộc phỏng vấn hôm nay, tôi còn đang thảo luận về một người trẻ vừa gia nhập đội ngũ, có lẽ mới ngoài 20, nhưng hiệu suất làm việc rất xuất sắc. Tôi đang suy nghĩ, liệu chúng tôi có thể tìm thêm nhiều người như anh ấy, những người trẻ mang lại góc nhìn và năng lượng mới.
Tuy nhiên, mặt khác, nếu bạn cần thiết kế một trong những hệ thống tính toán phức tạp và đắt đỏ nhất trong lịch sử nhân loại, tôi sẽ không dễ dàng giao trọng trách đó cho một người trẻ mới vào nghề. Vì vậy, chúng tôi cần sự kết hợp của cả hai loại nhân tài. Tôi cho rằng chìa khóa là duy trì tiêu chuẩn cao về nhân tài, chứ không đơn thuần nghiêng về một độ tuổi nhất định.
Tôi đặc biệt biết ơn Y Combinator (trung tâm ươm tạo khởi nghiệp), vì nó giúp tôi nhận ra thiếu kinh nghiệm không có nghĩa là thiếu giá trị. Có rất nhiều nhân tài tiềm năng ở giai đoạn đầu sự nghiệp, họ có thể tạo ra giá trị to lớn, xã hội chúng ta nên đầu tư vào những nhân tài này, đó là điều rất tích cực.
Stebbings: Gần đây tôi nghe một câu danh ngôn – gánh nặng nặng nề nhất trong cuộc sống không phải là sắt hay vàng, mà là những quyết định chưa được đưa ra. Với bạn, quyết định nào chưa đưa ra gây áp lực lớn nhất?
Altman: Câu trả lời thay đổi mỗi ngày, không có quyết định nào đặc biệt nghiêm trọng. Tất nhiên, chúng tôi thực sự đối mặt với một số quyết định lớn, như chọn hướng sản phẩm nào, hay thiết kế máy tính thế hệ tiếp theo ra sao, đây đều là lựa chọn quan trọng và đầy rủi ro.
Khi gặp tình huống này, tôi có thể trì hoãn quyết định, nhưng phần lớn thời gian, thách thức nằm ở việc mỗi ngày đều phải đối mặt với những bài toán 51% - 49%, những quyết định nằm trước mặt tôi vì chúng khó quyết, tôi có thể không nắm chắc hơn các thành viên khác trong nhóm để đưa ra lựa chọn tốt hơn, nhưng tôi buộc phải ra quyết định.
Vì vậy, cốt lõi vấn đề nằm ở số lượng quyết định, chứ không phải một quyết định cụ thể nào.
Stebbings: Khi gặp quyết định 51% - 49%, bạn có người cố định nào để tham khảo không?
Altman: Không, tôi cho rằng việc phụ thuộc vào một người duy nhất trong mọi việc là không đúng. Với tôi, cách tốt hơn là tìm 15 hoặc 20 người có trực giác và kiến thức nền tảng tốt trong lĩnh vực cụ thể đó, khi cần thiết hãy tham khảo chuyên gia tốt nhất, chứ không phụ thuộc vào một cố vấn duy nhất.
Hỏi nhanh – Đáp gọn
Stebbings: Giả sử hôm nay bạn là một người trẻ 23 hoặc 24 tuổi, với cơ sở hạ tầng hiện có, bạn sẽ chọn làm gì?
Altman: Tôi sẽ chọn một lĩnh vực dọc được hỗ trợ bởi AI, ví dụ như giáo dục AI, tôi sẽ phát triển sản phẩm giáo dục AI tốt nhất, giúp mọi người học được kiến thức trong mọi lĩnh vực. Các ví dụ tương tự có thể là luật sư AI, kỹ sư CAD AI...
Stebbings: Bạn từng nhắc đến việc viết sách, bạn sẽ đặt tên sách là gì?
Altman: Tôi chưa nghĩ ra tên. Tôi chưa suy nghĩ kỹ về cuốn sách, chỉ cảm thấy sự tồn tại của nó sẽ khơi dậy tiềm năng của nhiều người. Có thể sẽ liên quan đến chủ đề “tiềm năng con người”.
Stebbings: Trong lĩnh vực AI, có hướng nào mọi người chưa chú ý nhưng nên dành thêm thời gian nghiên cứu?
Altman: Điều tôi mong muốn thấy là một AI có thể hiểu toàn bộ cuộc đời bạn. Nó không cần ngữ cảnh vô hạn, nhưng hy vọng có một cách nào đó để bạn sở hữu một Agent AI hiểu toàn bộ dữ liệu của bạn và hỗ trợ bạn.
Stebbings: Trong tháng qua, điều gì khiến bạn ngạc nhiên?
Altman: Là một kết quả nghiên cứu mà tôi không thể tiết lộ, nhưng nó thật sự gây chấn động.
Stebbings: Đối thủ cạnh tranh nào bạn kính trọng nhất? Vì sao?
Altman: Thực ra tôi tôn trọng mọi người trong lĩnh vực này, toàn bộ lĩnh vực đều tràn ngập những con người xuất sắc và công việc tuyệt vời. Tôi không cố tình né tránh câu hỏi, mà là ở đâu cũng thấy những người tài năng đang làm việc rất xuất sắc.
Stebbings: Có ai cụ thể không?
Altman: Không có ai cụ thể.
Stebbings: API OpenAI yêu thích nhất của bạn là gì?
Altman: API thời gian thực mới rất tuyệt vời, hiện nay chúng tôi có một mảng kinh doanh API lớn, bên trong có rất nhiều thứ hay.
Stebbings: Người bạn kính trọng nhất trong lĩnh vực AI hiện nay là ai?
Altman: Tôi muốn nhắc riêng đến đội ngũ Cursor, họ mang lại trải nghiệm kỳ diệu bằng AI, tạo ra rất nhiều giá trị cho mọi người. Rất nhiều người không thể kết nối được mọi yếu tố, nhưng họ đã làm được. Tôi cố ý không nhắc đến người của OpenAI, nếu không danh sách sẽ rất dài.
Stebbings: Về sự đánh đổi giữa độ trễ và độ chính xác, bạn nghĩ sao?
Altman: Cần một núm điều chỉnh để kiểm soát cả hai yếu tố. Như bây giờ bạn muốn tôi trả lời nhanh, tôi cố gắng không suy nghĩ vài phút, lúc này độ trễ trở nên quan trọng. Nếu bạn muốn tôi đưa ra một khám phá lớn, bạn có thể sẵn sàng chờ vài năm. Câu trả lời là, điều này nên do người dùng kiểm soát.
Stebbings: Khi nghĩ đến sự thiếu tự tin trong lãnh đạo, bạn nghĩ mình cần cải thiện điều gì nhất, với tư cách là người lãnh đạo và CEO, điều bạn muốn nâng cao nhất là gì?
Altman: Tuần này, tôi cảm thấy mình càng không chắc chắn về chi tiết chiến lược sản phẩm nên là gì. Nhìn chung, tôi cảm thấy sản phẩm là điểm yếu của tôi, giờ đây công ty đang cần tôi đưa ra tầm nhìn sản phẩm rõ ràng hơn. Chúng tôi có một người phụ trách sản phẩm và đội ngũ tuyệt vời, nhưng đây là lĩnh vực tôi muốn bản thân giỏi hơn, gần đây tôi cảm nhận điều này đặc biệt rõ rệt.
Stebbings: Bạn đã thuê Kevin Scott (CTO của OpenAI), tôi biết anh ấy nhiều năm rồi, anh ấy rất xuất sắc. Những phẩm chất nào ở Kevin khiến anh ấy trở thành nhà lãnh đạo sản phẩm đẳng cấp thế giới?
Altman: “Kỷ luật” là từ đầu tiên tôi nghĩ đến.
Stebbings: Cụ thể là gì?
Altman: Anh ấy rất tập trung vào các ưu tiên, biết từ chối điều gì, có thể đặt mình vào vị trí người dùng để suy nghĩ tại sao nên hay không nên làm một việc, thực sự rất nghiêm ngặt, không có ý tưởng bay bổng.
Stebbings: Nhìn về tương lai năm và mười năm tới, nếu bạn có một cây đũa thần, có thể phác họa tầm nhìn năm và mười năm của OpenAI, sẽ như thế nào?
Altman: Tôi dễ dàng phác họa tương lai hai năm, nhưng nếu chúng tôi đoán đúng và bắt đầu tạo ra một số hệ thống siêu mạnh, ví dụ trong tiến bộ khoa học, điều này sẽ mang lại sự tiến bộ công nghệ đáng kinh ngạc.
Tôi nghĩ năm năm tới chúng ta sẽ chứng kiến tốc độ tiến bộ công nghệ nhanh chóng đến mức khó tin, thậm chí vượt xa mọi kỳ vọng, xã hội có thể cảm thấy “khoảnh khắc AGI đã đến rồi đi” ; chúng ta sẽ khám phá ra rất nhiều điều mới, không chỉ trong nghiên cứu AI mà còn ở các lĩnh vực khoa học khác.
Mặt khác, tôi nghĩ sự thay đổi (do công nghệ mang lại) đối với xã hội thực tế là tương đối hạn chế.
Ví dụ, nếu bạn hỏi người ta năm năm trước: Máy tính có vượt qua được bài kiểm tra Turing không? Họ có lẽ sẽ nói: Không. Nếu bạn nói: Có. Họ sẽ cho rằng điều này sẽ tạo ra thay đổi lớn cho xã hội. Bây giờ bạn xem, chúng ta thực sự đã cơ bản vượt qua bài kiểm tra Turing, nhưng sự thay đổi xã hội thực tế không dữ dội đến vậy.
Đó chính là kỳ vọng của tôi về tương lai: công nghệ không ngừng phá vỡ mọi kỳ vọng, trong khi sự thay đổi xã hội lại chậm rãi hơn. Tôi cho rằng đây là trạng thái tốt và lành mạnh. Về lâu dài, tiến bộ công nghệ tất nhiên sẽ tạo ra thay đổi lớn cho xã hội, nhưng trong vòng 5-10 năm tới, nó sẽ không phản ánh nhanh đến vậy.
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
