OpenAI’s o3 mô hình có thể đắt hơn dự kiến ban đầu’ />

Điều này làm nổi bật rằng, trong thời gian đầu, việc triển khai các mô hình AI phức tạp có thể gây ra chi phí rất lớn. Mặc dù OpenAI vẫn chưa công bố giá chính thức cho o3, nhưng Quỹ Arc Prize nhận định giá mẫu của mô hình o1-pro trước đó có thể là thước đo hợp lý cho o3. Mô hình o1-pro hiện được coi là mô hình có giá cao nhất của OpenAI.

Mike Knoop, đồng sáng lập Quỹ Arc Prize, cho biết: “Chúng tôi tin rằng o1-pro có thể là sự so sánh gần đúng hơn với chi phí của o3, vì số lượng tài nguyên tính toán đã sử dụng rất lớn.” Thêm vào đó, o3 ở cấu hình cao nhất đã sử dụng gấp 172 lần tài nguyên tính toán so với cấu hình thấp nhất của nó.

Ngoài ra, có thông tin cho rằng OpenAI đang xem xét các kế hoạch định giá cao đối với khách hàng doanh nghiệp, với mức phí lên tới 20.000 USD mỗi tháng cho những AI “đại lý” chuyên biệt. Những điều này dường như vẫn như một lựa chọn hợp lý khi so sánh với mức lương của các nhân viên hoặc nhà thầu con người trong lĩnh vực công nghệ. Tuy nhiên, nhiều ý kiến cũng cho rằng hiệu suất mà các mô hình như o3 có thể cung cấp chưa chắc đã đạt yêu cầu tối ưu, khi mà o3 đã cần tới 1.024 thử nghiệm để đạt được điểm số tốt nhất trong các bài kiểm tra ARC-AGI.

Tình trạng này cho thấy tương lai của AI có thể rất khác biệt và đáng để theo dõi hơn bao giờ hết. Khi các mô hình tiên tiến như o3 được triển khai trên quy mô lớn, các tác động đến chi phí, hiệu suất và cả hiệu quả công việc sẽ trở thành chủ đề chính trong các cuộc thảo luận về tương lai của ngành AI.

The post OpenAI’s o3 mô hình có thể đắt hơn dự kiến ban đầu appeared first on Nhật Phúc.

Một trong những mục tiêu hàng đầu mà các phòng nghiên cứu AI đặt ra là phát triển trí thông minh nhân tạo tổng quát (AGI) và với kết quả này, OpenAI dường như đã tiến một bước rất lớn về phía trước. Mặc dù vẫn còn nhiều hoài nghi, nhưng không ít các nhà nghiên cứu và phát triển AI cảm thấy rằng viễn cảnh về AGI đang trở nên thực tế và cấp bách hơn bao giờ hết. Vậy kết quả này thực sự có ý nghĩa gì?

Để hiểu được tầm quan trọng của kết quả này, trước tiên cần phải hiểu tiêu chuẩn ARC-AGI là gì. Về mặt kỹ thuật, đây là một bài kiểm tra về “hiệu quả mẫu” của một hệ thống AI, tức là khả năng thích nghi với một tình huống mới – hệ thống cần bao nhiêu ví dụ để nắm bắt cách thức hoạt động của tình huống mới đó. Một hệ thống AI như ChatGPT (GPT-4) không có hiệu quả mẫu cao, vì nó được “huấn luyện” qua hàng triệu ví dụ từ văn bản của con người, xây dựng các “quy tắc” xác suất về các kết hợp lời thoại có khả năng nhất.

Trong khi ChatGPT rất giỏi trong các tác vụ thông thường, nó kém hiệu quả trong các tác vụ không phổ biến vì có ít dữ liệu hơn về những tác vụ đó. Cho tới khi nào các hệ thống AI có thể học hỏi từ một số lượng nhỏ các ví dụ và thích nghi với hiệu quả mẫu cao hơn, chúng chỉ được sử dụng cho những công việc rất lặp đi lặp lại và nơi mà đôi lúc thất bại có thể được chấp nhận.

ARC-AGI đánh giá sự thích nghi hiệu quả mẫu thông qua các vấn đề ô lưới nhỏ, đòi hỏi AI phải tìm ra quy luật từ ba ví dụ để áp dụng cho ví dụ thứ tư – tương tự như các bài kiểm tra IQ mà nhiều người còn nhớ từ thời đi học.

Hiện tại, chưa rõ OpenAI đã đạt được kết quả này như thế nào, nhưng có vẻ hệ thống o3 rất thích nghi. Từ chỉ một vài ví dụ, nó có thể tìm ra các quy luật có thể được tổng quát hóa. Để hiểu một mẫu hình, chúng ta không nên đưa ra những giả định không cần thiết, mà phải cụ thể nhất có thể.

Kết quả khả quan này của o3 chủ yếu nhờ vào việc OpenAI đã bắt đầu với phiên bản chung của mô hình (khác với hầu hết các mô hình khác, vì nó có thể “suy nghĩ” lâu hơn về các câu hỏi khó) và sau đó đã huấn luyện nó cụ thể cho bài kiểm tra ARC-AGI.

Pháp nghiên cứu AI Francois Chollet cho rằng, o3 tìm kiếm thông qua các “chuỗi suy nghĩ” khác nhau để giải quyết vấn đề, sau đó chọn ra “tốt nhất” theo một quy tắc không chính thức nào đó, hoặc “heuristic”. Đây không khác nhiều so với cách mà hệ thống AlphaGo của Google tìm kiếm các chuỗi nước đi khác nhau để đánh bại nhà vô địch cờ vây thế giới.

Khi o3 chính thức ra mắt, chúng ta sẽ có cái nhìn rõ hơn về việc liệu nó có thực sự có khả năng thích nghi như một con người trung bình hay không. Nếu vậy, hệ thống này có thể có ảnh hưởng kinh tế lớn, mở ra một kỷ nguyên mới của trí thông minh tự cải thiện nhanh chóng. Ngược lại, nếu không, đây sẽ vẫn là một kết quả đáng ấn tượng nhưng cuộc sống hàng ngày vẫn sẽ không thay đổi nhiều.

Hai tác giả làm việc trong lĩnh vực này gồm Michael Timothy Bennett, nghiên cứu sinh trường Máy tính tại Đại học Quốc gia Úc và Elija Perrier, nghiên cứu viên tại Trung tâm Công nghệ Lượng tử Có trách nhiệm tại Đại học Stanford.

The post Công nghệ AI của OpenAI đạt cấp độ trí thông minh nhân loại appeared first on Nhật Phúc.