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.

OpenAI đã nghiên cứu “cân nhắc có định hướng” để giữ cho các mô hình lý luận AI của mình luôn phù hợp với chính sách an toàn trong quá trình phát sinh kết quả sau khi người dùng gửi yêu cầu. Kết quả nghiên cứu cho thấy phương pháp này giúp tăng cường khả năng tuân thủ nguyên tắc an toàn của các mô hình, giảm thiểu các câu trả lời nguy hiểm trong khi vẫn giữ được khả năng trả lời các câu hỏi vô hại.

Dù AI phổ biến ngày càng rộng rãi và có sức mạnh lớn hơn, nghiên cứu an toàn AI cũng trở nên quan trọng, nhưng không kém phần gây tranh cãi. Các nhân vật như David Sacks, Elon Musk và Marc Andreessen cho rằng một số biện pháp an toàn AI có thể được xem như là “kiểm duyệt,” gieo thêm nhiều ý kiến trái chiều xung quanh quyết định an ninh AI này.

Mô hình o-series của OpenAI, mặc dù lấy cảm hứng từ cách con người suy nghĩ trước khi trả lời câu hỏi khó, không thực sự suy nghĩ như chúng ta. Tuy nhiên, cách sử dụng từ như “lý luận” và “cân nhắc” dễ dàng khiến người ta nghĩ rằng mô hình này có khả năng suy xét tựa như con người. Mô hình o1 và o3 nổi bật với khả năng dự đoán phần từ tiếp theo trong câu, giúp xử lý các nhiệm vụ viết và mã hóa phức tạp.

Điểm đặc biệt của phương pháp “cân nhắc có định hướng” là việc OpenAI đã đào tạo các mô hình o1 và o3 tự động điều chỉnh nội dung tính đến chính sách an toàn trong giai đoạn xử lý. Điều này khiến các mô hình o-series phù hợp hơn với chính sách công ty nhưng vẫn còn gặp khó khăn trong việc duy trì độ trễ thời gian trong quá trình triển khai.

Theo nguyên tắc này, hệ thống AI sẽ “cân nhắc” cách trả lời an toàn, giống như việc mô hình o1 và o3 phân tích các yêu cầu bình thường thành những bước nhỏ hơn. Một ví dụ từ nghiên cứu của OpenAI là khi AI được yêu cầu tạo ra bằng chứng xe người khuyết tật giả, mô hình sẽ xác định yêu cầu này là không chính đáng và từ chối đáp ứng.

Mặc dù phương pháp “cân nhắc có định hướng” chủ yếu diễn ra trong giai đoạn đưa ra kết quả, OpenAI cũng áp dụng một loạt phương pháp mới trong giai đoạn sau đào tạo, chủ yếu là học có giám sát và học tăng cường để đánh giá các câu trả lời mà o1 và o3 đưa ra. Thay vì sử dụng dữ liệu do con người tạo ra, OpenAI đã thành công trong việc sử dụng dữ liệu tổng hợp để tiết kiệm thời gian và chi phí tính toán đối với mô hình này.

Hiện tại, mô hình o3 chưa được phát hành ra công chúng, và chúng ta sẽ phải chờ đến năm 2025 để xem thực sự nó an toàn và tiên tiến đến mức nào. Nhưng OpenAI kỳ vọng phương pháp này sẽ giúp các mô hình AI ngày càng gắn bó với các giá trị nhân văn trong tương lai, nhất là khi chúng ngày càng mạnh mẽ hơn. Chính vì vậy, công ty cho rằng đây sẽ là một bước tiến quan trọng trong việc đảm bảo an toàn cho các mô hình AI lý luận.

The post OpenAI ra mắt mô hình AI mới o3, hứa hẹn an toàn và thông minh hơn appeared first on Nhật Phúc.

Điều đặc biệt ở o3 là khả năng tiếp cận AI tổng quát ở một số điều kiện nhất định. AGI là trí tuệ nhân tạo có thể thực hiện bất kỳ nhiệm vụ nào một con người có thể làm, và OpenAI gần như đã đạt được tiêu chuẩn này khi o3 đạt 87.5% trên thang đánh giá ARC-AGI. Tuy nhiên, việc OpenAI chưa đặt tên là o2 do vấn đề bản quyền với nhà cung cấp viễn thông của Anh, O2.

Hiện tại, mô hình này chưa được phát hành rộng rãi, nhưng các nhà nghiên cứu an toàn AI có thể đăng ký để trải nghiệm trước o3-mini. Theo CEO Sam Altman, o3 mini dự kiến ra mắt vào cuối tháng 1, và sau đó là phiên bản đầy đủ của o3. Mặc dù vậy, Altman cũng nhấn mạnh cần có khung kiểm tra liên bang để giám sát và giảm thiểu rủi ro trước khi mô hình lý luận mới ra mắt.

Khả năng tự “kiểm tra sự thật” của các mô hình như o3 giúp hạn chế một số lỗi thường gặp trong các mô hình AI khác. Tuy nhiên, hạn chế thời gian xử lý vẫn là một trở ngại khi o3 yêu cầu từ vài giây đến vài phút để hoàn tất nhiệm vụ. Khả năng xử lý ở các lĩnh vực như vật lý, khoa học và toán học của o3 được đánh giá cao hơn các mô hình không có khả năng lý luận.

o3 còn nổi bật với khả năng điều chỉnh thời gian lý luận từ thấp đến cao, nghĩa là thời gian “suy nghĩ” có thể thay đổi để phù hợp với các tác vụ khác nhau. Dù vậy, mô hình này không hoàn toàn loại bỏ lỗi “ảo giác” mà chỉ giảm thiểu chúng, vì lý do đó mà AI vẫn gặp khó khăn với các trò chơi đơn giản như tic-tac-toe.

Cùng lúc với sự giới thiệu o3, một rời đi đáng chú ý từ OpenAI với nhà khoa học Alec Radford, người đã góp phần quan trọng vào thành công của các mô hình AI tạo sinh như GPT-3 và GPT-4, ông vừa thông báo sẽ rời công ty để theo đuổi nghiên cứu độc lập.

The post OpenAI hé lộ mô hình mới o3 tiếp cận AI tổng quát appeared first on Nhật Phúc.