Trong một hội thảo tại hội nghị GTC của Nvidia ở San Jose, Noam Brown, người dẫn dắt nghiên cứu AI về lập luận tại OpenAI, đã chia sẻ rằng một số mô hình AI có khả năng lập luận có thể đã ra đời từ hai mươi năm trước nếu các nhà nghiên cứu biết cách tiếp cận đúng và sử dụng thuật toán hiệu quả. Brown nhận thấy rằng, con người thường dành nhiều thời gian suy nghĩ trước khi hành động trong những tình huống khó khăn, và ông tin rằng điều này có thể rất hữu ích cho AI.
Brown dẫn dắt làm việc với AI chơi game tại Carnegie Mellon University, bao gồm cả Pluribus, một AI đã đánh bại các tay chơi poker chuyên nghiệp hàng đầu. Mô hình AI này được đề cập đến là độc đáo vì nó “lập luận” qua các vấn đề thay vì chỉ sử dụng phương pháp brute-force như trước đây.
Ông cũng là một trong những kiến trúc sư phát triển o1, một mô hình AI của OpenAI sử dụng một kỹ thuật gọi là “test-time inference” để “suy nghĩ” trước khi phản hồi lại câu hỏi. Kỹ thuật này liên quan đến việc sử dụng nhiều tính toán hơn để chạy mô hình, nhằm tạo ra hình thức ‘lập luận’. Những mô hình lập luận thường chính xác và đáng tin cậy hơn so với các mô hình truyền thống, đặc biệt trong các lĩnh vực như toán học và khoa học.
Khi được hỏi liệu các trường đại học có thể thực hiện các thí nghiệm quy mô lớn như các phòng thí nghiệm AI như OpenAI không, Brown thừa nhận rằng điều này đã trở nên khó khăn hơn khi các mô hình đã trở nên yêu cầu nhiều tài nguyên tính toán hơn. Tuy nhiên, ông thấy rằng các học giả có thể tìm ra cách để ảnh hưởng bằng cách khám phá những lĩnh vực ít yêu cầu tài nguyên hơn như thiết kế kiến trúc mô hình.
Brown nhấn mạnh rằng có cơ hội hợp tác giữa các phòng thí nghiệm tại tiền đồn công nghệ và các học viện. Các phòng thí nghiệm luôn để mắt đến các công trình nghiên cứu từ học thuật và cân nhắc liệu những phát hiện này có tạo lập cho những nghiên cứu sâu hơn khi đưa vào quy mô lớn hay không.
Phát biểu của Brown đến vào thời điểm chính quyền Trump đang cắt giảm ngân sách tài trợ cho khoa học. Các chuyên gia AI, bao gồm cả Nobel Geoffrey Hinton, đã chỉ trích những cắt giảm này, cho rằng nó có thể đe dọa đến các nỗ lực nghiên cứu AI trong và ngoài nước.
Ông cũng chỉ ra lĩnh vực chuẩn hóa AI là nơi mà các học viện có thể tạo ra ảnh hưởng đáng kể. Ông nói: “Tình hình các chuẩn mực trong AI hiện đang rất tồi tệ, và điều này không cần nhiều tính toán để thực hiện.”
Các chuẩn mực phổ biến hiện nay thường kiểm tra kiến thức chuyên sâu và đưa ra điểm số không phản ánh đúng năng lực thực tiễn trong những nhiệm vụ mà người dùng quan tâm. Điều này đã dẫn đến sự nhầm lẫn phổ biến về khả năng và tiến bộ của các mô hình AI. thích tiêu thụ.
