Trí tuệ nhân tạo: Bước tiến tiếp theo?

Trí tuệ nhân tạo: Bước tiến tiếp theo?

Bài viết của Gary Kazantsev, Giám đốc Chiến lược Công nghệ Định lượng, Bloomberg

Từ khi ChatGPT ra mắt vào tháng 11/2022, trí tuệ nhân tạo (AI) nói chung và AI tổng quát nói riêng đã trở thành chủ đề nóng hổi trên mọi diễn đàn, từ y tế, giao thông, giáo dục đến dịch vụ khách hàng, tài chính và nghệ thuật. Thậm chí, ngay cả những tài xế taxi cũng bày tỏ quan điểm về rủi ro liên quan đến AI.

AI tổng quát, bước tiến mới nhất trong hành trình chinh phục trí tuệ nhân tạo kéo dài hàng thập kỷ, cho phép người dùng phổ thông tương tác với máy tính bằng ngôn ngữ tự nhiên thay vì code. Rào cản tiếp cận AI ngày càng thấp, mở ra tiềm năng to lớn cho việc phát triển, ứng dụng công nghệ này trong mọi lĩnh vực.

Sự phát triển đột phá của AI mang đến nhiều kỳ vọng về khả năng tăng năng suất, tạo ra sản phẩm mới, công cụ phân tích tiên tiến và thậm chí là cải thiện xã hội. Vậy, liệu bước tiến này có thực sự mang tính cách mạng như chúng ta tưởng tượng?

Thực tế, AI không phải là một khái niệm mới. Chương trình AI đầu tiên, "Logic Theorist" của Allen Newell và Herbert Simon, ra đời vào năm 1956 với mục đích chứng minh các định lý toán học bằng cách mô phỏng khả năng giải quyết vấn đề và lý luận của con người. Chương trình sử dụng phương pháp "tìm kiếm kinh nghiệm" để khám phá các giải pháp khả thi, tương tự như cách nhà toán học con người suy nghĩ. Thành công của "Logic Theorist" đã chứng minh khả năng thực hiện các nhiệm vụ đòi hỏi trí thông minh của máy móc, mở ra kỷ nguyên phát triển AI rầm rộ trong những thập kỷ tiếp theo.

Mạng nơ-ron nhân tạo nhiều lớp, nền tảng của AI hiện đại, cũng đã xuất hiện từ những năm 1960. Tuy nhiên, do hạn chế về dữ liệu, thuật toán và chi phí tính toán, phải đến giữa những năm 1990, AI mới thực sự phát huy tác dụng nhờ vào sự bùng nổ của Internet, dữ liệu và khả năng xử lý của máy tính.

Mặc dù đã được ứng dụng trong nhiều lĩnh vực, tốc độ tiếp nhận AI vẫn chưa đồng đều do những lo ngại về thông tin sai lệch, mất việc làm và vấn đề đạo đức. Các cuộc tranh luận sôi nổi về AI đang diễn ra trên khắp các diễn đàn học thuật, chính sách và ngành nghề. Việc tìm hiểu bối cảnh pháp lý liên tục thay đổi, chẳng hạn như dự luật SB 1047 của California và Đạo luật AI của EU, là điều cần thiết để nắm bắt quỹ đạo phát triển của công nghệ này.

Trong lĩnh vực tài chính, ứng dụng AI đầu tiên xuất hiện từ đầu những năm 2000. Tại Bloomberg, các sản phẩm hỗ trợ bởi AI như mô hình chủ đề và phân tích sentiment ra đời từ năm 2009.

15 năm qua đã chứng kiến sự thay đổi mạnh mẽ trong ngành tài chính và nhu cầu sử dụng AI. Nguồn nhân lực mới gia nhập thị trường lao động đòi hỏi các công cụ tự động hóa, phân tích dữ liệu và mô hình phức tạp hơn. Sự phát triển của công nghệ mã nguồn mở, cùng với sự gia tăng theo cấp số nhân về khả năng tính toán và dữ liệu, đã dẫn đến sự gia tăng của các mô hình phân tích nâng cao, đáp ứng nhu cầu phân tích dữ liệu ngày càng lớn và phức tạp. Tuy nhiên, việc áp dụng AI tổng quát vẫn đang trong giai đoạn đầu, nhiều tổ chức và doanh nghiệp vẫn đang loay hoay tìm kiếm ứng dụng đột phá.

Bên cạnh sức mạnh vượt trội, AI tổng quát cũng tồn tại những hạn chế nhất định. Các mô hình này đòi hỏi lượng dữ liệu và khả năng tính toán khổng lồ để huấn luyện. Kích thước và cấu trúc toán học phức tạp khiến chúng thiếu đi khả năng diễn giải, yếu tố quan trọng trong quy trình ra quyết định, đặc biệt là trong lĩnh vực tài chính, nơi sai sót có thể dẫn đến hậu quả nghiêm trọng. AI tổng quát vẫn còn mong manh, dễ bị "ảo giác" và thiếu tính nhất quán cần thiết cho quy trình làm việc tài chính. Chúng có thể bị ảnh hưởng bởi những thiên kiến ​​trong dữ liệu huấn luyện, dẫn đến việc không thể xử lý các sự kiện hiếm gặp hoặc biến động thị trường phức tạp. AI hiện tại chưa có khả năng suy luận phức tạp, đặc biệt là trong lĩnh vực toán học hoặc mối quan hệ thời gian. Do đó, mặc dù hứa hẹn nhiều tiềm năng và có thể hỗ trợ hiệu quả cho nhiều quy trình làm việc, việc triển khai AI tổng quát trong lĩnh vực tài chính đòi hỏi sự thận trọng, kiểm tra nghiêm ngặt và giám sát liên tục từ con người.

Với hơn 15 năm kinh nghiệm phát triển sản phẩm AI, Bloomberg hiểu rõ cả cơ hội và thách thức của thế hệ AI mới. Hiện nay, nhiều ứng dụng AI trong lĩnh vực tài chính sử dụng mô hình Retrieval-Augmented Generation (RAG) để khắc phục những hạn chế của AI tổng quát. Tuy nhiên, đây không phải là giải pháp hoàn hảo và việc phát triển các ứng dụng này là một quá trình phức tạp, đòi hỏi kiến thức chuyên môn sâu rộng từ các nhà phát triển, quản lý sản phẩm và chuyên gia dữ liệu, bộ dữ liệu được thiết kế cẩn thận cho từng vấn đề cụ thể và thiết kế trải nghiệm người dùng tinh vi để đảm bảo khả năng minh bạch, tin cậy và hỗ trợ tối ưu cho quy trình ra quyết định.

Ví dụ, việc sử dụng AI tổng quát như một trợ lý cho phát triển phần mềm hoặc xử lý dữ liệu có thể giúp các nhà phân tích và phát triển tiết kiệm tới 90% thời gian và công sức cho các tác vụ lặp đi lặp lại. Tuy nhiên, người dùng cần phải thành thạo các công cụ này để khai thác hết tiềm năng của chúng. Xét cho cùng, AI tổng quát không phải là cuộc cách mạng lật đổ, mà là bước tiến hóa tự nhiên, cung cấp công cụ phù hợp cho từng nhiệm vụ cụ thể.

Vậy, tương lai nào cho AI?

Dự đoán chính xác quỹ đạo phát triển của AI ngày càng trở nên khó khăn do tốc độ cải tiến chóng mặt. Tuy nhiên, chúng ta có thể kỳ vọng vào một số xu hướng sau. Các mô hình AI mã nguồn mở (như LLaMa 3.1) đã thu hẹp đáng kể khoảng cách về hiệu suất so với các mô hình độc quyền (như GPT-4o). Phiên bản nhỏ nhất của LLaMa 3.1 (với 8 tỷ tham số) đã cho thấy hiệu suất gần tương đương với GPT-3.5 turbo. Điều này cho thấy kích thước không phải là tất cả. Trong tương lai gần, các mô hình AI mạnh mẽ sẽ có thể chạy trên laptop hoặc smartphone và được cá nhân hóa để trở thành trợ lý đắc lực cho mỗi người dùng. Điều này hứa hẹn sẽ tạo ra những tác động to lớn đến giáo dục và môi trường làm việc.

Chúng ta cũng có thể dự đoán các mô hình AI sẽ ngày càng trở nên đa phương thức, có khả năng xử lý nhiều loại dữ liệu khác nhau, không chỉ giới hạn ở văn bản. Các mô hình AI hiện nay đã có thể hiểu đồng thời hình ảnh và văn bản. Liệu trong tương lai, AI có thể hiểu được văn bản, hình ảnh và dữ liệu có cấu trúc như chuỗi thời gian hoặc bảng biểu?

Tuy nhiên, AI vẫn chưa có khả năng tự đặt mục tiêu. Do đó, sự giám sát và kiến ​​thức chuyên môn của con người vẫn là điều không thể thiếu trong tương lai gần, bất kể AI có phát triển mạnh mẽ đến đâu. Chìa khóa thành công nằm ở việc chúng ta tích hợp những công cụ mới này vào các ngành nghề và xã hội một cách có trách nhiệm.

Bên cạnh tiềm năng cải thiện năng suất và thúc đẩy đổi mới, AI cũng đặt ra những thách thức về đạo đức và xã hội. Cuốt cùng, vận mệnh của AI sẽ không chỉ phụ thuộc vào tiến bộ kỹ thuật, mà còn phụ thuộc vào khả năng định hướng sự phát triển của nó vì lợi ích chung của con người.