Cuộc chạy đua vũ trang AI sẽ kết thúc chứ? Những người chiến thắng trong tương lai có thể không chỉ là một công ty, mà là cả hệ sinh thái AI!

Nói về những suy nghĩ gần đây đối với AI: hôm qua Google công bố báo cáo tài chính, dự kiến doanh thu 1170 tỷ, thực tế đạt 1198 tỷ và vượt kỳ vọng. Nhưng giá cổ phiếu lại giảm. Nguyên nhân chính là chi phí cho AI quá lớn, dòng tiền chuyển sang trạng thái âm.

Vậy hiện tại, cuộc đua “vũ khí AI” có thể sẽ chậm lại. Giá cổ phiếu giảm vì cổ đông không đồng ý tăng thêm chi tiêu cho AI. Rốt cuộc, công ty niêm yết cần ROI (tỷ lệ hoàn vốn trên chi phí).

Cho nên trong tương lai, cuộc đua “vũ khí AI” có thể xuất hiện một thay đổi: không phải dừng đầu tư, mà là từ “đốt tiền không giới hạn” chuyển sang giai đoạn tập trung hơn vào hiệu quả và lợi nhuận.

Và hiện tại vì sao lại ra sức tính toán sức mạnh máy tính?

Bởi vì ngành AI có một lý thuyết rất quan trọng: Scaling Law (định luật quy mô).

Thực ra từ lâu đã có nghiên cứu phát hiện rằng, hiện tại AI投入 (đầu tư) càng nhiều sức mạnh tính toán, tham số mô hình càng lớn, dữ liệu huấn luyện càng nhiều thì AI càng “thông minh”, và đây là mối quan hệ tuyến tính!

Vì vậy mới khiến các hãng AI bắt đầu đua nhau tăng sức mạnh tính toán. Ai đổ tiền càng nhiều thì AI của họ càng thông minh, từ đó dẫn đầu ngành.

Nhưng hiện nay, AI thật sự vẫn đang ở giai đoạn rất sớm, chưa hề đạt đến mức có thể tự tiến hóa. Tức là khi gặp vấn đề, AI sẽ nhận ra mình không làm được, có ý thức tìm tri thức, sửa đổi năng lực của bản thân để lần sau học được vĩnh viễn.

Hiện tại không có mô hình nền tảng (large model) nào làm được điều đó. Tối đa hiện nay chỉ là “tự cải tiến giới hạn”.

Ví dụ như con người cho mô hình viết 1000 đoạn code, sau đó để AI tự chạy và phát hiện lỗi, phân tích nguyên nhân thất bại, rồi huấn luyện lại dữ liệu để nâng cao năng lực. Nhưng kiểu “tự cải tiến” giới hạn này hiện vẫn ở trong phòng thí nghiệm; cần con người liên tục cập nhật mô hình, phát hành phiên bản mới. Nói cách khác, chính con người đang thúc đẩy sự tiến hóa của AI.

“Tiến hóa tự thân hoàn toàn trực tuyến” vẫn chưa đạt được. Vì vậy chúng ta mới thấy các hãng cứ cách một khoảng thời gian lại tung ra một phiên bản mới. Phiên bản mới đó là mô hình AI được con người tối ưu và tiến hóa.

Vì sao hiện tại chưa làm được?

Thứ nhất, về bản chất, mô hình hiện tại là một đống tham số. Những tham số đó gọi là trọng số (model weights). Mô hình không thể tự sửa trọng số, nó chỉ có thể ghi nhớ ngữ cảnh, rồi dựa trên trọng số được thiết lập và dữ liệu đã huấn luyện để đưa ra câu trả lời.

Thứ hai, hiện tại AI không thể phán đoán thế nào là “kiến thức thật”. Ví dụ như trong triết học, y học, kinh tế học, nhiều thứ có thể “nói đúng lý” từ một phía, nhưng “phản biện đúng lý” từ phía ngược lại. Ví dụ bài tranh luận kinh điển: “Không thể bước xuống cùng một dòng sông hai lần”. Nếu bạn bắt AI trả lời theo cách nào? Ngay con người cũng không có đáp án chuẩn. Nếu bạn bảo AI đưa ra một đáp án chuẩn, thì AI lấy tiêu chuẩn đó từ đâu?

Thứ ba, có thể học lỗi càng lúc càng nhiều. Nếu AI có thể tự sửa trọng số, thì giả sử một thứ bị sai mà nó cứ cố chấp là đúng, nó sẽ đi mãi trên con đường sai, cuối cùng mô hình có thể sụp đổ.

Thứ tư, chi phí quá cao. Hiện tại việc huấn luyện AI cần rất nhiều GPU và điện năng. Việc liên tục đổi mô hình và chỉnh tham số khiến chi phí kinh tế không chịu nổi.

Vì vậy đây cũng chính là “nút thắt” hiện tại. Thế nên ngành AI hàng đầu hiện đang nghiên cứu mô hình hợp tác theo nhóm. Ví dụ, tạo thành một đội: nhóm nghiên cứu mô hình, nhóm đọc/hiểu mô hình, nhóm thực nghiệm, nhóm làm mô hình lập trình, nhóm làm mô hình đánh giá… ghép lại thành một vòng khép kín.

Trước đây tôi từng nghĩ tương lai AI sẽ là một thế độc tôn, “kẻ thắng ăn tất” có thể không đúng. Khả năng cao tương lai sẽ “trăm hoa đua nở”. Và nếu có thể liên thông mô hình AI của các hãng khác nhau, thì rất có thể nó sẽ trở thành một “siêu tác nhân AI” thông minh. Vì dữ liệu dùng để huấn luyện ở mỗi hãng có thể khác nhau, nhưng nếu dữ liệu đều được kết nối với nhau, thì năng lực AI có thể tăng theo cấp số nhân.

Bởi vì khi tham số của mô hình AI không ngừng thay đổi, dù năng lực của AI và tham số, sức mạnh tính toán, lượng dữ liệu huấn luyện đều tỷ lệ thuận. Nhưng có thể khi tham số mô hình thay đổi, AI đột nhiên “bộc phát” một năng lực mới, giống như đột nhiên “thông” ra. Ví dụ, mãi học khả năng giải toán, đến một ngày bỗng nhiên giải được phương trình dữ liệu cấp cao.

Hiện tại mỗi mô hình AI của mỗi hãng lại có điểm mạnh riêng. Ví dụ Claude mạnh về lập trình, GPT mạnh về toán học, Gemini xuất sắc về video. Vậy nếu xuất hiện một “điều phối viên tuyến trước” hoặc khả năng mô hình được liên thông, thì mỗi mô hình vẫn có cơ hội tồn tại.

Nếu coi mỗi AI như một con người, thì rõ ràng năng lực hợp tác theo nhóm lớn hơn nhiều so với việc cần một người là toàn tài.

Dựa trên các suy nghĩ ở trên, tôi cho rằng hiện tại có thể tập trung vào các công ty về mô hình AI lớn. Tương lai các công ty này đều có cơ hội. Bởi vì hạ tầng nền tảng cho AI đã được xây dựng gần như xong. Việc quan trọng là xem những mô hình AI nào đang bị định giá thấp (low valuation), rồi ra tay quyết đoán.

Vì ở vòng cạnh tranh AI tiếp theo, rất có thể không phải là chiến tranh giữa một mô hình đơn lẻ.

Mà là một cuộc: chiến tranh hệ sinh thái AI.

Và “người chiến thắng” thực sự có thể không phải là một AI, mà là một nhóm AI tạo thành một mạng lưới siêu thông minh.