AI đang trở nên ngày càng phổ biến trong cuộc sống thường ngày,ựđoáncủaIBMvềtươnglaicủket qua lokomotiv IBM đã đưa ra 3 dự đoán cho tương lai của AI.

Trong những năm gần đây, tốc độ chuyển đổi đang diễn ra một cách đáng kinh ngạc với sự xuất hiện của AI, Hybrid Cloud (Đám mây lai) và điện toán lượng tử. Theo Chỉ số Ứng dụng AI toàn cầu của IBM (IBM’s Global AI Adoption Index) năm 2023, có 42% doanh nghiệp được khảo sát đã tích hợp AI, và 40% đang khám phá các tiềm năng của trí tuệ nhân tạo.

Hiện nay, AI đang được ứng dụng để giải quyết nhiều thách thức, từ các vấn đề về đô thị hóa đến an ninh mạng cũng như biến đổi khí hậu. Đồng thời, AI đã mở ra tương lai cho các doanh nghiệp, khi mà công nghệ được sử dụng nhằm nâng cao hiệu quả và doanh thu.

Dưới đây là 3 dự đoán lớn mà IBM đưa ra cho tương lai của AI:

Mô hình ngôn ngữ nhỏ hiệu quả

AI tạo sinh hiện đã phát triển đến giai đoạn “có sở thích”, và tương tự như máy tính, đang hướng tới mục tiêu lâu dài là tối ưu hóa hiệu suất với hình thức nhỏ gọn hơn.

Các mô hình ngôn ngữ nhỏ khiến AI trở nên quen thuộc hơn bằng cách giảm thiểu các rào cản truy cập đối với các cá nhân và doanh nghiệp với nguồn lực hạn chế. Cụ thể, các mô hình này đòi hỏi ít năng lực tính toán và ít bộ nhớ hơn để đào tạo và phát triển.

Đồng thời, khả năng chạy cục bộ trên các thiết bị nhỏ giúp giải quyết các mối lo ngại về quyền riêng tư và an ninh mạng trên các ứng dụng điện toán biên và Internet Vạn Vật (IoT). Việc xử lý dữ liệu trực tiếp thay vì truyền đến máy chủ sẽ hạn chế nguy cơ lộ dữ liệu và truy cập trái phép.

Ngoài ra, những mô hình này còn góp phần nâng cao khả năng giải thích của AI, qua đó xây dựng sự tin cậy trong các lĩnh vực pháp lý, tài chính và chăm sóc sức khỏe. Các mô hình ngôn ngữ nhỏ thường đơn giản và dễ hiểu hơn so với các mô hình ngôn ngữ lớn, qua đó thúc đẩy việc ứng dụng các công nghệ AI trong các lĩnh vực đòi hỏi trách nhiệm và khả năng diễn giải.

Dù đóng vai trò quan trọng trong việc thúc đẩy làn sóng AI, các mô hình ngôn ngữ lớn vẫn tồn tại nhiều hạn chế. Chỉ các doanh nghiệp lớn mới có đủ khả năng để đào tạo và duy trì những mô hình ngốn nhiều năng lượng lên đến cả trăm tỉ tham số.

Theo ước tính, việc đào tạo một mô hình ChatGPT-3 sử dụng lượng điện tương đương với hơn 1.000 hộ gia đình tiêu thụ trong một năm. Trung bình một ngày, việc sử dụng ChatGPT tiêu chuẩn có thể sánh ngang với mức tiêu thụ năng lượng hàng ngày của 33.000 hộ gia đình.

Tuy các ứng dụng AI tạo sinh đòi hỏi nhiều nguồn lực và năng lượng, nhưng các mô hình Granite của IBM đã chứng minh việc thu nhỏ kích thước không ảnh hưởng đến hiệu suất. Với ít tham số hơn, các mô hình nhỏ có khả năng vượt trội hơn trong các tác vụ chuyên biệt như tóm tắt và trả lời các câu hỏi, từ đó dễ dàng phục vụ nhiều yêu cầu khác nhau.

Mô hình AI chuyên môn hoá

Sự phát triển của AI cho thấy không có bất kỳ mô hình nào có thể đáp ứng được tất cả các nhu cầu sử dụng. Điều này đòi hỏi cách tiếp cận chuyên môn hoá thay vì những cách tiếp cận phổ thông, qua đó mỗi doanh nghiệp đều có thể triển khai các mô hình tùy chỉnh phù hợp với mục tiêu và yêu cầu pháp lý riêng.    

Doanh nghiệp hiểu rằng việc có kiến thức về các mô hình nền tảng đóng vai trò quan trọng để tối ưu hóa các sáng kiến AI bởi chúng là xương sống của hệ thống. Tuy nhiên, nhiều doanh nghiệp cũng nhận ra được tầm quan trọng của việc tuỳ chỉnh các mô hình AI nhằm đáp ứng các giá trị độc đáo cũng như các tình huống vận hành của mỗi doanh nghiệp.    

Sự kết hợp trong việc tùy chỉnh các mô hình AI và tận dụng mô hình hình nền tảng này cho phép các doanh nghiệp tinh chỉnh các giải pháp AI. Doanh nghiệp có thể điều chỉnh quy mô của mô hình phù hợp với độ phức tạp của vấn đề, từ đó phân bổ nguồn lực và chi phí hiệu quả hơn.

So với các mô hình ngôn ngữ thông thường, các mô hình ngôn ngữ chuyên môn hoá vượt trội hơn về khả năng giao tiếp, tương tự như các chatbot đã được lập trình sẵn.

Ví dụ, một chatbot chăm sóc khách hàng (CSKH) được trang bị dữ liệu từ bộ phận CSKH sẽ hiểu rõ nhu cầu của khách hàng và đưa ra các câu trả lời cá nhân hoá.

Tương tự, mô hình phát hiện gian lận được chuyên môn hoá bằng dữ liệu từ hệ thống phát hiện gian lận độc quyền có thể nâng cao hiệu quả trong xác định hoạt động đáng ngờ và tăng cường các biện pháp bảo mật.

Ứng dụng AI có trách nhiệm

Các chính sách quản trị đóng vai trò quan trọng đối với sự phát triển của AI. Theo khảo sát của Viện Giá trị Doanh nghiệp IBM (IBV), có tới 72% giám đốc điều hành lựa chọn không sử dụng AI tạo sinh do những lo ngại về vấn đề đạo đức và bảo mật.

Để giảm thiểu rủi ro, doanh nghiệp cần ưu tiên xây dựng niềm tin vào công nghệ bằng cách tích hợp các nguyên tắc đạo đức trong các hoạt động vận hành, cũng như trong quy trình làm việc và trong văn hoá doanh nghiệp.

Công nghệ của IBM được xây dựng dựa trên nền tảng AI đáng tin cậy. Theo IBM, mục đích của AI là hỗ trợ con người - thay vì thay thế con người.

Do đó, sức khỏe của con người và xã hội là ưu tiên hàng đầu, và công nghệ cần mang lại lợi ích cho số đông thay vì số ít các tầng lớp tinh hoa. Bên cạnh đó, dữ liệu và những kiến thức được tạo ra bởi AI thuộc về con người. Đồng thời, AI cần minh bạch và rõ ràng, từ đó giảm thiểu các định kiến không phù hợp.

(责任编辑：Thể thao)