Bạn có thể được xem toàn bộ công thức của một chiếc bánh mà vẫn không ai cho bạn nướng lại. Cũng có chiếc bánh mà công thức bị giấu kín, nhưng ngày nào bạn cũng ăn. Trong thế giới trí tuệ nhân tạo, cả hai kiểu bánh ấy đang cùng tồn tại, và câu hỏi mã nguồn mở và đóng trong AI khác nhau gì đang là một trong những cuộc tranh luận nóng nhất của ngành công nghệ.
Một bên tin rằng AI nên được công khai để ai cũng kiểm tra, sửa và dùng được. Bên còn lại cho rằng giữ kín mới an toàn và mới đủ tiền để làm tiếp. Ai đúng, ai sai? Bài viết này giúp bạn hiểu rõ từng khái niệm, từng lý lẽ, và quan trọng nhất là biết khi nào nên dùng loại nào.
Câu trả lời ngắn: Mã nguồn mở là khi phần lõi của phần mềm được công bố để ai cũng đọc, sửa, chia sẻ theo giấy phép; mã nguồn đóng thì bị giữ kín, bạn chỉ dùng thành phẩm. Với AI, có ít nhất ba thứ để mở: mã, dữ liệu huấn luyện và trọng số. Mở hợp khi cần riêng tư, tùy biến; đóng hợp khi cần tiện và mạnh.
Nếu bạn thích xem hình ảnh trực quan trước, hãy xem video giải thích mã nguồn mở và đóng trong AI của kênh Vọc Sĩ, chỉ khoảng ba phút rưỡi, rồi đọc tiếp bài viết để đi sâu hơn từng phần.
Tóm tắt nhanh
- Mã nguồn mở: công bố mã, ai cũng đọc, sửa, chia sẻ lại theo giấy phép. Mã nguồn đóng: công ty giữ kín, bạn dùng qua ứng dụng hoặc API.
- Với AI có ít nhất ba thứ có thể mở: mã chạy, dữ liệu huấn luyện và trọng số.
- Nhiều mô hình được gọi là “mở” thực ra chỉ mở trọng số, còn dữ liệu huấn luyện vẫn kín.
- Mở giúp chạy tại máy, tinh chỉnh tự do, nghiên cứu độc lập; đóng giúp thu hồi vốn, kiểm soát cách dùng và có người chịu trách nhiệm.
- Cả hai đều có cái giá; nhiều người dùng song song: đóng khi cần tiện, mở khi cần riêng tư.
Nội dung chính:
- Mã nguồn mở là gì, mã nguồn đóng là gì?
- Vì sao mã nguồn mở thường tốt lên rất nhanh?
- Trong AI có những thứ gì để mở?
- “Mở” hay chỉ là trọng số mở?
- Lợi ích của mô hình AI mở
- Lý lẽ của phe mô hình đóng
- Cái giá của mỗi hướng
- Hiểu lầm phổ biến về AI mã nguồn mở
- Nên chọn mô hình mở hay đóng?
- Câu hỏi thường gặp
Mã nguồn mở là gì, mã nguồn đóng là gì?
Mọi phần mềm, từ ứng dụng nghe nhạc đến hệ điều hành điện thoại, đều được viết bằng những dòng lệnh mà con người đọc được, gọi là mã nguồn (source code). Máy tính sẽ dịch những dòng lệnh này thành thứ nó hiểu để chạy. Câu hỏi “mở hay đóng” xoay quanh việc ai được nhìn thấy những dòng lệnh đó.
Mã nguồn mở (open source) nghĩa là phần mã làm nên phần mềm được công bố công khai. Ai cũng có thể đọc, sửa và chia sẻ lại, miễn là làm theo giấy phép đi kèm. Giấy phép chính là “luật chơi”: có loại cho phép dùng gần như thoải mái kể cả trong sản phẩm thương mại, có loại yêu cầu bạn cũng phải công khai phần đã sửa nếu phát hành lại.
Mã nguồn đóng (closed source, hay phần mềm độc quyền) thì ngược lại. Công ty giữ kín phần mã bên trong, còn bạn chỉ được dùng thành phẩm qua một ứng dụng hoặc một cổng kết nối dành cho lập trình viên, gọi là API (Application Programming Interface). Bạn thấy kết quả, nhưng không thấy cách nó được làm ra.
Ví von hai quán ăn
Hãy hình dung hai quán ăn trên cùng một con phố. Quán đóng chỉ bán món, công thức nằm kín trong bếp; bạn ăn ngon thì quay lại mua tiếp. Quán mở thì dán công thức lên tường, ai muốn thì chép về nhà tự nấu, thậm chí thêm bớt gia vị cho hợp khẩu vị gia đình.
Cả hai quán đều có thể nấu ngon. Điểm khác nằm ở chỗ bạn phụ thuộc vào quán bao nhiêu, và bạn biết bao nhiêu về món mình đang ăn.
Vì sao mã nguồn mở thường tốt lên rất nhanh?
Ý tưởng mã nguồn mở không hề mới. Hệ điều hành Linux, ra đời từ đầu thập niên 1990, là ví dụ nổi tiếng nhất. Ngày nay, rất nhiều phần mềm đứng sau internet, từ máy chủ web đến cơ sở dữ liệu, đều là mã nguồn mở. Có thể bạn chưa từng cài Linux, nhưng gần như chắc chắn bạn đã dùng một dịch vụ chạy trên nó.
Bí quyết nằm ở số đông. Khi mã được công khai, nhiều lập trình viên cùng đọc, cùng sửa lỗi, cùng cải tiến. Một lỗi mà một công ty có thể mất nhiều tuần mới phát hiện, cộng đồng hàng nghìn người có khi tìm ra trong vài ngày. Mỗi bản sửa được gửi ngược lại, và mọi người dùng đều được hưởng.
Tất nhiên, mô hình này cũng có mặt trái: dự án cần người duy trì, và không phải lỗi nào cũng được sửa kịp. Nhưng nhìn chung, sự minh bạch giúp phần mềm đáng tin hơn vì “nhiều mắt soi thì khó giấu lỗi”.
Vấn đề là AI phức tạp hơn một chương trình thông thường rất nhiều. Một phần mềm truyền thống gần như chỉ có mã. Một mô hình AI thì có nhiều “nguyên liệu” khác nhau, và mỗi thứ có thể mở hoặc đóng riêng biệt.
Trong AI có những thứ gì để mở?
Với một mô hình AI hiện đại, chẳng hạn mô hình ngôn ngữ lớn đứng sau các chatbot, có ít nhất ba thứ có thể mở:
- Mã chạy: chương trình dạy cho máy học, cùng phần mã để chạy mô hình sau khi học xong. Đây là “cách nướng”.
- Dữ liệu huấn luyện: những văn bản, hình ảnh, âm thanh mà mô hình đã học từ đó. Đây là “bột và trứng”.
- Trọng số (weights): hàng tỷ con số bên trong mạng nơ-ron, là kết quả của cả quá trình học. Đây là “chiếc bánh đã nướng xong”.
Trọng số là gì mà quan trọng đến vậy?
Khi huấn luyện, máy nhìn hàng triệu, hàng tỷ ví dụ và liên tục điều chỉnh các con số bên trong để đoán đúng hơn. Khi học xong, toàn bộ “kiến thức” của mô hình nằm gọn trong những con số ấy. Có trọng số trong tay, bạn có thể chạy mô hình mà không cần học lại từ đầu, giống như có sẵn chiếc bánh thì không cần tự nhào bột.
Đây là lý do việc công bố trọng số có ý nghĩa rất lớn: quá trình huấn luyện có thể tốn hàng tháng trời và rất nhiều tiền điện, phần cứng, nhưng việc tải trọng số về chỉ mất vài phút đến vài giờ.
“Mở” hay chỉ là trọng số mở?
Điều thú vị là nhiều mô hình được gọi là “mở” thực ra chỉ công bố chiếc bánh, tức trọng số. Còn nguyên liệu, tức dữ liệu huấn luyện, vẫn giấu kín. Vì thế, giới công nghệ hay dùng cách gọi chính xác hơn: trọng số mở (open weights).
Nói cách khác, bạn tải được bánh về, ăn được, thậm chí trang trí lại được, nhưng chưa chắc biết nó làm từ gì. Nếu bánh có vị lạ, bạn khó truy ngược xem do bột hay do trứng.
Các mức độ mở thường gặp
Thay vì chỉ có hai ô “mở” và “đóng”, bạn nên hình dung một chiếc thang nhiều nấc:
- Đóng hoàn toàn: chỉ dùng được qua ứng dụng hoặc API, không thấy mã, dữ liệu hay trọng số.
- Trọng số mở: tải được mô hình về chạy, nhưng dữ liệu và chi tiết huấn luyện vẫn kín. Phần lớn mô hình “mở” phổ biến hiện nay thuộc nhóm này.
- Trọng số và mã mở: có thêm phần mã huấn luyện, giúp người khác hiểu cách mô hình được tạo ra.
- Mở gần như toàn phần: công bố cả dữ liệu hoặc mô tả dữ liệu đủ chi tiết để người khác có thể tái tạo lại. Nhóm này hiếm hơn, thường đến từ các phòng nghiên cứu.
Chính vì sự mập mờ này, các tổ chức về mã nguồn mở đã phải đưa ra định nghĩa riêng cho “AI mã nguồn mở”, trong đó nhấn mạnh rằng người dùng cần được biết đủ thông tin về dữ liệu để hiểu và tái tạo mô hình. Khi đọc tin “mô hình X vừa được mở”, câu hỏi đầu tiên nên là: mở đến nấc nào?
Lợi ích của mô hình AI mở
Vậy mở mang lại lợi ích gì cho bạn, cho doanh nghiệp và cho cả xã hội? Có bốn điểm nổi bật.
Chạy ngay trên máy của bạn
Một mô hình có trọng số mở có thể chạy trên máy tính của bạn hoặc máy chủ nội bộ. Bạn không cần gửi dữ liệu ra ngoài. Với tài liệu nhạy cảm như hồ sơ bệnh án, hợp đồng, bí mật kinh doanh, đây là khác biệt rất lớn: dữ liệu không rời khỏi phòng.
Tinh chỉnh cho đúng việc của mình
Bệnh viện, trường học hay một doanh nghiệp nhỏ có thể tinh chỉnh (fine-tuning) mô hình bằng dữ liệu riêng để nó giỏi đúng việc họ cần: hiểu thuật ngữ y khoa, trả lời theo giọng thương hiệu, hay xử lý biểu mẫu nội bộ.
Nghiên cứu độc lập
Các nhà nghiên cứu độc lập có thể mổ xẻ mô hình, đo đạc, tìm lỗi và thiên kiến (bias), thay vì chỉ tin vào báo cáo của nhà sản xuất. Đây là cách khoa học vận hành: kết quả cần được người khác kiểm tra lại.
Không bị khóa chặt vào một nhà cung cấp
Khi dùng mô hình mở, bạn không phụ thuộc hoàn toàn vào một công ty. Nếu họ tăng giá, đổi điều khoản hay ngừng dịch vụ, mô hình bạn đã tải về vẫn còn đó.
Cần phần cứng thế nào để chạy mô hình mở?
Một cách ước lượng đơn giản: lấy số tham số nhân với số byte dùng cho mỗi tham số. Mô hình 7 tỷ tham số lưu ở dạng 16 bit (2 byte) cần khoảng 14 GB bộ nhớ chỉ để chứa trọng số. Nếu nén xuống 4 bit (kỹ thuật lượng tử hóa, quantization), con số giảm còn khoảng 3,5 GB, đủ để chạy trên nhiều máy tính cá nhân, đổi lại độ chính xác có thể giảm nhẹ.
Lý lẽ của phe mô hình đóng
Còn đóng thì sao? Nhiều người nghĩ đóng là “keo kiệt”, nhưng phe đóng cũng có lý lẽ riêng đáng cân nhắc.
Thứ nhất là chi phí. Huấn luyện một mô hình lớn tốn rất nhiều tiền và điện: hàng nghìn chip chuyên dụng chạy liên tục nhiều tuần, cộng thêm đội ngũ kỹ sư, chi phí thu thập và làm sạch dữ liệu. Công ty cần giữ lợi thế để thu hồi vốn và có tiền làm thế hệ tiếp theo.
Thứ hai là kiểm soát. Khi mô hình chạy trên máy chủ của mình, công ty kiểm soát được cách nó bị sử dụng: chặn nội dung độc hại, phát hiện hành vi lạm dụng, và vá lỗi cho tất cả mọi người cùng một lúc. Một bản sửa là mọi người dùng đều được cập nhật ngay.
Thứ ba là trải nghiệm. Với người dùng phổ thông, mô hình đóng thường là một sản phẩm trơn tru: mở ứng dụng là dùng, không phải lo cài đặt, phần cứng, cập nhật. Và có một đội ngũ đứng sau chịu trách nhiệm khi có sự cố.
Cái giá của mỗi hướng
Giờ đến phần không ai thích nói: cả hai hướng đều có cái giá.
Cái giá của mô hình mở
Với mô hình mở, một khi trọng số đã công bố thì không thể thu hồi. Bản sao đã nằm trên hàng nghìn máy tính khắp thế giới. Ai cũng tải được, kể cả người có ý đồ xấu. Những lớp an toàn gắn sẵn, như việc từ chối hướng dẫn điều nguy hiểm, có thể bị gỡ ra bằng cách tinh chỉnh lại. Nếu sau này phát hiện lỗi nghiêm trọng, nhà phát hành chỉ có thể ra bản mới, không thể “vá” bản cũ đang nằm trên máy người khác.
Cái giá của mô hình đóng
Với mô hình đóng, bạn phải tin vào lời hứa. Bạn không tự kiểm tra được nó học từ đâu, có thiên kiến gì, hay dữ liệu bạn nhập vào đi về đâu, được lưu bao lâu. Bạn cũng phụ thuộc vào quyết định kinh doanh của nhà cung cấp: giá, giới hạn sử dụng, hay việc một tính năng bỗng dưng thay đổi.
| Tiêu chí | Mô hình mở (trọng số mở) | Mô hình đóng |
|---|---|---|
| Quyền riêng tư | Chạy tại chỗ, dữ liệu ở lại | Dữ liệu gửi lên máy chủ nhà cung cấp |
| Tùy biến | Tinh chỉnh tự do theo giấy phép | Giới hạn trong tùy chọn được cung cấp |
| Minh bạch | Kiểm tra được trọng số, đôi khi cả mã | Phải tin báo cáo của nhà cung cấp |
| Kiểm soát lạm dụng | Khó, không thu hồi được | Nhà cung cấp chặn và vá tập trung |
| Độ tiện | Cần tự cài đặt, có phần cứng | Dùng ngay qua ứng dụng hoặc API |
Hiểu lầm phổ biến về AI mã nguồn mở
Ngay cả chữ “mở” cũng dễ gây hiểu nhầm. Dưới đây là ba hiểu lầm hay gặp nhất.
“Mở là công khai mọi thứ”
Như đã nói, nhiều mô hình chỉ mở trọng số. Dữ liệu huấn luyện, thứ quyết định mô hình biết gì và thiên về đâu, thường vẫn kín.
“Mở là dùng không điều kiện, miễn phí hoàn toàn”
Giấy phép có thể giới hạn cách dùng: cấm một số mục đích, yêu cầu ghi nguồn, hoặc đặt điều kiện riêng với doanh nghiệp rất lớn. Trước khi đưa vào sản phẩm thương mại, bạn cần đọc kỹ giấy phép đi kèm.
“Tải về là máy nào cũng chạy được”
Chạy một mô hình lớn vẫn cần phần cứng đắt tiền, đặc biệt là bộ nhớ của card đồ họa. Mô hình nhỏ chạy được trên máy tính cá nhân, nhưng mô hình cỡ hàng trăm tỷ tham số cần cả cụm máy chủ.
Nên chọn mô hình mở hay đóng?
Vậy rốt cuộc nên chọn bên nào? Trên thực tế, nhiều người không chọn một bên. Họ dùng dịch vụ đóng khi cần tiện và mạnh, rồi dùng mô hình mở khi cần riêng tư hoặc muốn tùy biến. Giống như bạn vừa đi ăn quán, vừa tự nấu ở nhà.
Bước 1. Xác định dữ liệu của bạn nhạy cảm đến đâu
Nếu bạn xử lý thông tin cá nhân, hồ sơ khách hàng, tài liệu nội bộ, hãy ưu tiên mô hình chạy tại chỗ hoặc dịch vụ có cam kết rõ ràng về dữ liệu.
Bước 2. Cân nhắc độ khó của việc cần làm
Việc đòi hỏi suy luận phức tạp, viết dài, đa ngôn ngữ thường cần mô hình rất lớn. Lúc này dịch vụ đóng thường tiện hơn vì bạn không phải lo phần cứng.
Bước 3. Tính đến phần cứng và đội ngũ
Tự chạy mô hình mở cần máy đủ mạnh và người biết cài đặt, bảo trì. Nếu chưa có, hãy bắt đầu từ mô hình nhỏ hoặc dùng dịch vụ đóng.
Bước 4. Đọc kỹ giấy phép và tự thêm lớp an toàn
Với mô hình mở, bạn là người chịu trách nhiệm cuối cùng. Hãy kiểm thử, lọc nội dung trước khi đưa cho khách hàng dùng.
Điều quan trọng nhất cần nhớ: mở không tự động là tốt, đóng cũng không tự động là xấu. Mỗi bên là một cách đánh đổi giữa minh bạch, an toàn và lợi ích.
Câu hỏi thường gặp
Mô hình AI mã nguồn mở có miễn phí không?
Thường bạn được tải trọng số miễn phí, nhưng “miễn phí tải” khác với “miễn phí dùng”. Giấy phép có thể giới hạn mục đích sử dụng hoặc đặt điều kiện cho doanh nghiệp. Ngoài ra, chi phí phần cứng và điện để chạy mô hình lớn có thể không nhỏ, nên hãy tính cả chi phí vận hành.
Trọng số mở và mã nguồn mở khác nhau thế nào?
Trọng số mở nghĩa là bạn tải được “chiếc bánh”, tức các con số mô hình đã học, để chạy và tinh chỉnh. Mã nguồn mở theo nghĩa đầy đủ đòi hỏi công khai cả cách làm, và với AI còn cần thông tin về dữ liệu. Nhiều mô hình “mở” hiện nay chỉ dừng ở trọng số mở.
Mô hình mở có kém hơn mô hình đóng không?
Không nhất thiết. Ở nhiều tác vụ phổ biến, mô hình mở đã bắt kịp khá gần. Các mô hình đóng lớn nhất thường vẫn dẫn đầu ở bài toán khó, nhưng khoảng cách thay đổi liên tục. Lựa chọn nên dựa trên việc cụ thể của bạn và thử nghiệm thực tế.
Dùng chatbot AI đóng có an toàn cho dữ liệu không?
Tùy chính sách của từng nhà cung cấp. Dữ liệu bạn nhập sẽ được gửi lên máy chủ của họ. Hãy đọc điều khoản về lưu trữ và việc dùng dữ liệu để huấn luyện, tránh nhập thông tin nhạy cảm, và với doanh nghiệp nên dùng gói có cam kết bảo mật rõ ràng.
Vì sao người ta lo ngại mô hình mở bị lạm dụng?
Vì trọng số đã công bố thì không thu hồi được, và lớp an toàn gắn sẵn có thể bị gỡ bằng cách tinh chỉnh lại. Người ủng hộ mô hình mở thì cho rằng minh bạch giúp cộng đồng phát hiện rủi ro sớm hơn. Đây vẫn là cuộc tranh luận đang diễn ra.
Kết luận
Mã nguồn mở và đóng trong AI không phải cuộc chiến giữa người tốt và kẻ xấu. Đó là hai cách đánh đổi khác nhau: mở trao cho bạn quyền kiểm tra, tùy biến và giữ dữ liệu trong tay; đóng trao cho bạn sự tiện lợi, sức mạnh và một đội ngũ chịu trách nhiệm. Khi nghe chữ “mở”, hãy nhớ hỏi thêm: mở mã, mở dữ liệu hay chỉ mở trọng số?
Vậy lần tới khi ăn một chiếc bánh ngon, bạn sẽ hỏi gì trước tiên: nó có ngon không, hay công thức của nó nằm ở đâu? Hãy để lại bình luận cho Nhật Phúc biết bạn thích tự nấu hay đi ăn quán, và theo dõi kênh để xem thêm các bài giải thích AI dễ hiểu mỗi ngày.