Agent.ai.vn

LG Đẩy Mạnh Hệ Sinh Thái AI Nguồn Mở Với EXAONE 3.0

<h2>LG Đẩy Mạnh Hệ Sinh Thái AI Nguồn Mở Với EXAONE 3.0</h2>

<ul>
  <li><strong>EXAONE 3.0: Nâng Cấp Vượt Bậc Về Hiệu Năng</strong></li>
  <li><strong>ChatEXAONE: Trợ Lý AI Thông Minh Cho Doanh Nghiệp</strong></li>
  <li><strong>Dữ Liệu Khổng Lồ - Chìa Khóa Cho Sức Mạnh Của EXAONE 3.0</strong></li>
  <li><strong>Tương Lai Của EXAONE 3.0: Ứng Dụng Đa Dạng, Đổi Mới Toàn Diện</strong></li>
</ul>

<p>LG AI Research vừa công bố phiên bản nguồn mở của EXAONE 3.0, mô hình AI mới nhất của hãng, nhằm thúc đẩy sự phát triển của hệ sinh thái nghiên cứu AI. Được thiết kế với tiêu chí hiệu suất cao và tiết kiệm chi phí, EXAONE 3.0 hứa hẹn sẽ là công cụ đắc lực cho các ứng dụng nghiên cứu đa dạng.</p>

<h3>1. EXAONE 3.0: Nâng Cấp Vượt Bậc Về Hiệu Năng</h3>

<p>EXAONE 3.0 là phiên bản nâng cấp đáng kể so với người tiền nhiệm EXAONE 2.0. Mô hình mới này tự hào với tốc độ xử lý nhanh hơn 56%, sử dụng bộ nhớ thấp hơn 35% và giảm 72% chi phí vận hành. </p>

<p>Không chỉ vậy, EXAONE 3.0 còn thể hiện hiệu suất vượt trội trong các bài kiểm tra benchmark toàn cầu, đặc biệt là trong các ứng dụng thực tế, lập trình và toán học. Thậm chí, mô hình này còn vượt qua cả các đối thủ nặng ký như Llama 3.1 của Meta và Gemma 2 của Google.</p>

<h3>2. ChatEXAONE: Trợ Lý AI Thông Minh Cho Doanh Nghiệp</h3>

<p>Song song với việc ra mắt EXAONE 3.0, LG cũng giới thiệu phiên bản beta mở của ChatEXAONE, một trợ lý AI dành cho doanh nghiệp được xây dựng dựa trên nền tảng EXAONE 3.0. ChatEXAONE được kỳ vọng sẽ nâng cao hiệu suất làm việc cho nhân viên LG với các tính năng nổi bật như:</p>

<ul>
  <li>Hỏi đáp trực tuyến dựa trên dữ liệu web thời gian thực.</li>
  <li>Phân tích tài liệu.</li>
  <li>Hỗ trợ lập trình.</li>
  <li>Quản lý cơ sở dữ liệu.</li>
</ul>

<h3>3. Dữ Liệu Khổng Lồ - Chìa Khóa Cho Sức Mạnh Của EXAONE 3.0</h3>

<p>Để nâng cao khả năng của EXAONE 3.0, LG AI Research đã sử dụng tập dữ liệu khổng lồ với hơn 60 triệu điểm dữ liệu từ nhiều lĩnh vực khác nhau. Dự kiến, con số này sẽ tăng lên hơn 100 triệu điểm dữ liệu vào cuối năm nay. </p>

<p>Việc huấn luyện toàn diện này nhằm mục tiêu cải thiện hiệu suất của mô hình trên nhiều lĩnh vực chuyên ngành như luật, sinh học và giáo dục.</p>

<h3>4. Tương Lai Của EXAONE 3.0: Ứng Dụng Đa Dạng, Đổi Mới Toàn Diện</h3>

<p>LG có kế hoạch tích hợp EXAONE 3.0 vào các sản phẩm và dịch vụ của mình vào nửa cuối năm nay. Hãng cũng sẽ hợp tác với các công ty con để tinh chỉnh mô hình cho phù hợp với từng ứng dụng kinh doanh cụ thể, từ đó thúc đẩy đổi mới sáng tạo trên toàn công ty. </p>

<p>Động thái này khẳng định cam kết mạnh mẽ của LG trong việc phát triển công nghệ AI và ứng dụng nó vào thực tiễn, mang đến những giải pháp đột phá cho cuộc sống.</p>

LG Đẩy Mạnh Hệ Sinh Thái AI Nguồn Mở Với EXAONE 3.0

LG Đẩy Mạnh Hệ Sinh Thái AI Nguồn Mở Với EXAONE 3.0 EXAONE 3.0: Nâng Cấp Vượt Bậc Về Hiệu Năng ChatEXAONE: Trợ Lý AI Thông Minh Cho...

tháng 8 08, 2024

Intel: Từ Bỏ Cơ Hội Vàng Với OpenAI Đến Chật Vật Trong Cuộc Đua AI

<h2>Intel: Từ Bỏ Cơ Hội Vàng Với OpenAI Đến Chật Vật Trong Cuộc Đua AI</h2>

<h3>Mục lục:</h3>
<ul>
  <li><strong>Cơ Hội Bị Bỏ Lỡ: Intel Từ Chối Đầu Tư Vào OpenAI</strong></li>
  <li><strong>Intel Inside: Từ Biểu Tượng Chất Lượng Đến Lạc Lối Trong Kỷ Nguyên AI</strong></li>
  <li><strong>Loay Hoay Tìm Lối Thoát: Những Nỗ Lực Chưa Trái Ngọt Của Intel Trong Lĩnh Vực AI</strong></li>
  <li><strong>Tương Lai Nào Cho Intel Trước Làn Sóng AI?</strong></li>
</ul>

<p>Vào những năm 2017-2018, khi OpenAI – cha đẻ của ChatGPT ngày nay – còn là một cái tên vô danh trong lĩnh vực AI, Intel đã có cơ hội sở hữu 15% cổ phần của startup này với giá 1 tỷ USD. Tuy nhiên, thương vụ đã không thành hiện thực do CEO Intel khi đó là Bob Swan không tin tưởng vào tiềm năng phát triển của AI. </p>

<p>Quyết định sai lầm này đã khiến Intel – người khổng lồ từng thống trị thị trường chip máy tính trong suốt những năm 1990-2000 – phải trả giá đắt. Trong khi OpenAI vươn lên trở thành hiện tượng toàn cầu với mức định giá 80 tỷ USD, Intel lại loay hoay tìm chỗ đứng trong cuộc cách mạng AI. </p>

<p>Giá cổ phiếu Intel đã giảm mạnh sau khi công ty công bố báo cáo tài chính quý II/2024, đánh dấu mức vốn hóa thấp nhất trong vòng 30 năm qua. Intel đang phải đối mặt với sự cạnh tranh khốc liệt từ Nvidia – đối thủ đã nhanh chóng chuyển hướng từ chip đồ họa sang chip AI và hiện có giá trị vốn hóa lên đến 2,6 nghìn tỷ USD. </p>

<p>Mặc dù đã có nhiều nỗ lực để bắt kịp làn sóng AI, bao gồm việc mua lại hai startup chip AI là Nervana Systems và Habana Labs, Intel vẫn chưa thể tạo ra cú hích đáng kể nào.  </p>

<p>Liệu Intel có thể lật ngược thế cờ và giành lại vị thế dẫn đầu trong kỷ nguyên AI? Câu trả lời vẫn còn bỏ ngỏ, nhưng chắc chắn gã khổng lồ chip này sẽ cần phải có những thay đổi mang tính đột phá để không bị bỏ lại quá xa trong cuộc đua đầy khốc liệt này.</p>

Intel: Từ Bỏ Cơ Hội Vàng Với OpenAI Đến Chật Vật Trong Cuộc Đua AI

Intel: Từ Bỏ Cơ Hội Vàng Với OpenAI Đến Chật Vật Trong Cuộc Đua AI Mục lục: Cơ Hội Bị Bỏ Lỡ: Intel Từ Chối Đầu Tư Vào OpenAI Intel...

tháng 8 08, 2024

OpenAI: Từ Đỉnh Cao Vinh Quang Đến Bờ Vực Thử Thách

<h2>OpenAI: Từ Đỉnh Cao Vinh Quang Đến Bờ Vực Thử Thách</h2>

<ul>
  <li>Cuộc Di Cư Của Những Bộ Óc Xuất Chúng</li>
  <li>Bóng Lối Của Kịch Tính Silicon Valley</li>
  <li>Cuộc Chạy Đua Vũ Trang AI: Đối Thủ Vươn Lên Khi OpenAI Loạng Choạng</li>
  <li>Cuộc Khủng Cảc Danh Tính Và Tương Lai Của OpenAI</li>
  <li>Bài Học Từ Mùa Hè Bất Ổn</li>
</ul>

<h3>Cuộc Di Cư Của Những Bộ Óc Xuất Chúng</h3>

<p>Thế giới công nghệ đang chứng kiến một cuộc đào thoát nhân tài chưa từng có từ OpenAI, công ty từng là người khổng lồ trong lĩnh vực trí tuệ nhân tạo. Ba lãnh đạo cấp cao đã rời bỏ con tàu trong một tuần, khiến công ty chòng chành trước những cơn sóng dữ.</p>

<p>John Schulman, đồng sáng lập và là kiến trúc sư trưởng của các thuật toán mang tính cách mạng của OpenAI, đã đầu quân cho đối thủ cạnh tranh Anthropic. Greg Brockman, đồng sáng lập và chủ tịch công ty, cũng tuyên bố nghỉ phép dài hạn - một cách nói giảm nhẹ của giới doanh nghiệp cho việc một chân đã bước ra khỏi cửa. Peter Deng, một chuyên gia sản phẩm được chiêu mộ từ Meta vào năm ngoái, cũng đang nói lời tạm biệt, theo The Information. Nhiệm kỳ ngắn của ông là minh chứng rõ ràng cho vận mệnh đang thay đổi chóng mặt của OpenAI.</p>

<p>Sự ra đi của những nhân tài hàng đầu này đe dọa biến OpenAI từ một người dẫn đầu ngành công nghiệp thành một câu chuyện cảnh giác. Schulman, với khả năng biến những khái niệm toán học trừu tượng thành những ứng dụng thay đổi thế giới, để lại một khoảng trống mà OpenAI khó có thể lấp đầy.</p>

<h3>Bóng Lối Của Kịch Tính Silicon Valley</h3>

<p>Cuộc khủng hoảng nhân sự này chỉ là một chương mới nhất trong câu chuyện kịch tính của OpenAI. Cuộc đảo chính trong phòng họp vào tháng 11 năm ngoái, chứng kiến giám đốc điều hành Sam Altman bị lật đổ trong thời gian ngắn, chỉ là phát súng mở màn cho giai đoạn bất ổn chưa từng có của người khổng lồ AI từng hùng mạnh này.</p>

<p>Elon Musk, một đồng sáng lập OpenAI và từng là người cổ vũ nhiệt tình nhất của công ty, giờ đây cáo buộc gã khổng lồ AI này đã phản bội lý tưởng ban đầu, theo đuổi lợi nhuận hơn là lợi ích chung. Bản cáo trạng của Musk giống như lời than thở của một người cha thất vọng, càng làm xói mòn niềm tin của công chúng vào công ty đang gặp khó khăn.</p>

<h3>Cuộc Chạy Đua Vũ Trang AI: Đối Thủ Vươn Lên Khi OpenAI Loạng Choạng</h3>

<p>Tuy nhiên, mối đe dọa hiện hữu nhất đối với OpenAI đến từ các đối thủ cạnh tranh. Google, công ty từng bị coi thường trong lĩnh vực AI, đã trở lại cuộc đua với các mô hình Gemini mới nhất được phát hành cách đây chưa đầy một tuần. Các mô hình mới này (Gemini 1.5 Pro và Gemma 2) sánh ngang và đôi khi thậm chí vượt qua khả năng của OpenAI trong các bài kiểm tra điểm chuẩn phổ biến. Cuộc đua AI đột ngột tăng tốc, khiến người dẫn đầu trước đây chứng kiến khoảng cách dẫn đầu của mình nhanh chóng bốc hơi.</p>

<p>Các mô hình Llama mã nguồn mở của Meta đặt ra một thách thức khác, dân chủ hóa AI theo những cách thức làm suy yếu cách tiếp cận khu vườn đóng của OpenAI. Trong khi đó, những công ty nhỏ hơn như Anthropic và Mistral đã chứng tỏ rằng trong thế giới AI, sự nhanh nhẹn và đổi mới có thể chiến thắng quy mô và danh tiếng. Cả hai đều đã đánh bại các mô hình của OpenAI trong các bài kiểm tra điểm chuẩn phổ biến.</p>

<h3>Cuộc Khủng Cảc Danh Tính Và Tương Lai Của OpenAI</h3>

<p>Cơn bão thách thức này cho thấy một công ty đang phải đối mặt với cuộc khủng hoảng bản sắc nghiêm trọng. OpenAI, từng là ông vua không thể tranh cãi của ngành công nghiệp AI, giờ đây thấy mình bị bao vây tứ phía. Những bộ óc hàng đầu của nó bỏ đi, danh tiếng của nó bị lung lay, và lợi thế công nghệ của nó bị xói mòn với tốc độ đáng báo động.</p>

<p>Điều gì đang chờ đợi công ty từng hứa hẹn sẽ mang đến cho chúng ta trí tuệ nhân tạo tổng quát? Những người lạc quan có thể coi đây là giai đoạn hủy diệt sáng tạo cần thiết, ví von với trải nghiệm cận kề cái chết của Apple trong những năm 90 trước khi hồi sinh ngoạn mục. Tuy nhiên, những người bi quan lại nhìn thấy một công ty đã lạc lối, bị cám dỗ bởi tiếng gọi của lợi nhuận và sự thống trị thị trường mà đánh mất lý tưởng cao đẹp ban đầu.</p>

<p>Sự thật có thể nằm ở đâu đó ở giữa. OpenAI đang đối mặt với giờ khắc quyết định: liệu nó có thể vượt qua cơn bão này và giành lại vị trí dẫn đầu trong đổi mới AI? Hay nó sẽ gia nhập danh sách dài những công ty công nghệ bay quá gần mặt trời, đôi cánh silicon của họ tan chảy trong ánh sáng gay gắt của thực tế?</p>

<p>Khi mùa hè nhường chỗ cho mùa thu, mọi ánh mắt đổ dồn về OpenAI. Động thái tiếp theo của nó sẽ không chỉ định hình vận mệnh của chính nó mà còn có khả năng định hình tương lai của chính AI.</p>

<p>Đối với một ngành công nghiệp được xây dựng dựa trên sự gián đoạn, OpenAI hiện đang trải nghiệm vai trò khó chịu của kẻ bị gián đoạn. Cuộc cách mạng AI tạo sinh vẫn đang tiếp diễn, nhưng những người dẫn đầu của nó đang đứng trên nền tảng ngày càng lung lay.</p>

<p>Mùa hè bất ổn của OpenAI là lời nhắc nhở rõ ràng về bản chất đầy biến động của ngành công nghiệp công nghệ. Gã khổng lồ của ngày hôm nay có thể nhanh chóng trở thành câu chuyện cảnh giác của ngày mai.</p>

<p>Khi chúng ta tiến gần đến ngưỡng cửa của một tương lai do AI dẫn dắt, những bài học rút ra từ những khó khăn của OpenAI có thể quyết định liệu tương lai đó mang đến lời hứa hay hiểm họa. Thời gian vẫn trôi, thế giới đang theo dõi và đối với OpenAI, sức nóng của mùa hè hỗn loạn này dường như chưa có dấu hiệu dịu bớt.</p>

OpenAI: Từ Đỉnh Cao Vinh Quang Đến Bờ Vực Thử Thách

OpenAI: Từ Đỉnh Cao Vinh Quang Đến Bờ Vực Thử Thách Cuộc Di Cư Của Những Bộ Óc Xuất Chúng Bóng Lối Của Kịch Tính Silicon Valley ...

tháng 8 08, 2024

Survivalist.ai: Trợ Lý Thông Minh Luôn Sẵn Sàng, Ngay Cả Khi Ngoại Tuyến

<h2>Survivalist.ai: Trợ Lý Thông Minh Luôn Sẵn Sàng, Ngay Cả Khi Ngoại Tuyến</h2>

<h3>Mục Lục</h3>
<ul>
  <li>Giới thiệu</li>
  <li>Tính năng chính</li>
  <li>Công nghệ đằng sau Survivalist.ai</li>
  <li>Nhu cầu thị trường</li>
  <li>Về Peldritch LLC</li>
</ul>

<h3>Giới thiệu</h3>
<p>Bạn đã bao giờ mong muốn có một trợ lý luôn sẵn sàng giải đáp mọi thắc mắc, bất kể bạn đang ở đâu, ngay cả khi không có kết nối internet? Giấc mơ đó đã trở thành hiện thực với Survivalist.ai, ứng dụng chatbot AI mới dành cho iOS.  </p>
<p>Ứng dụng này hoạt động như một cuốn cẩm nang bỏ túi, cung cấp thông tin về nhiều chủ đề đa dạng, bao gồm hoạt động ngoài trời, chuẩn bị ứng phó khẩn cấp, sức khỏe, tinh thần và an toàn cá nhân.  </p>

<h3>Tính năng chính</h3>
<ul>
  <li><strong>Hỏi đáp không giới hạn:</strong>  Giao diện ứng dụng đơn giản, dễ sử dụng, cho phép người dùng đặt câu hỏi không giới hạn.</li>
  <li><strong>Hoạt động ngoại tuyến:</strong> Tính năng nổi bật nhất của Survivalist.ai là khả năng hoạt động ngoại tuyến, đảm bảo người dùng có thể truy cập thông tin mọi lúc, mọi nơi.</li>
  <li><strong>Bảo mật thông tin:</strong>  Mọi cuộc trò chuyện đều được lưu trữ cục bộ trên thiết bị, đảm bảo sự riêng tư tuyệt đối.</li>
  <li><strong>Thông tin đa dạng:</strong> Survivalist.ai cung cấp kiến thức về nhiều lĩnh vực, đáp ứng nhu cầu tìm kiếm thông tin phong phú của người dùng.</li>
</ul>

<h3>Công nghệ đằng sau Survivalist.ai</h3>
<p>Sử dụng sức mạnh của công nghệ AI tiên tiến, Survivalist.ai kết hợp nhiều Mô hình Ngôn ngữ Học máy (LLM) hàng đầu như TinyLlama, Phi-2, Phi-3, Qwen2, Mistral 8B, Llama 3 và Llama 3.1. Các mô hình này đã được huấn luyện trên hàng tỷ dữ liệu để mang đến câu trả lời chính xác và kịp thời. Ứng dụng được tối ưu hóa cho iPhone mới với dung lượng RAM từ 6GB trở lên.</p>

<h3>Nhu cầu thị trường</h3>
<p>Nghiên cứu thị trường cho thấy nhu cầu về chatbot đang ngày càng tăng cao.  Đặc biệt, sau đại dịch 2020, nhận thức về chuẩn bị ứng phó khẩn cấp đã tăng lên đáng kể.  Sự kết hợp giữa nhu cầu về thông tin và chatbot đã tạo nên tiềm năng phát triển mạnh mẽ cho Survivalist.ai.</p>

<h3>Về Peldritch LLC</h3>
<p>Peldritch LLC là nhà phát triển ứng dụng AI, tập trung vào việc tạo ra các ứng dụng AI hoạt động hiệu quả ngoại tuyến, độc lập với mạng bên ngoài và đảm bảo sự riêng tư cho người dùng. Ứng dụng Survivalist.ai là sản phẩm tâm huyết của Peldritch, hứa hẹn sẽ trở thành người bạn đồng hành đáng tin cậy cho người dùng iOS. </p>
<img alt="logo" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg"> 
`

Survivalist.ai: Trợ Lý Thông Minh Luôn Sẵn Sàng, Ngay Cả Khi Ngoại Tuyến

Survivalist.ai: Trợ Lý Thông Minh Luôn Sẵn Sàng, Ngay Cả Khi Ngoại Tuyến Mục Lục Giới thiệu Tính năng chính Công nghệ đằng sau ...

tháng 8 08, 2024

Bên trong não bộ Apple Intelligence: Hé lộ bí mật về chatbot AI thế hệ mới của Apple

<h2>Bên trong não bộ Apple Intelligence: Hé lộ bí mật về chatbot AI thế hệ mới của Apple</h2>

<h3>Mục lục:</h3>
<ol>
  <li><a href="#loi-gioi-thieu">Lời giới thiệu</a></li>
  <li><a href="#bo-nao">Bộ não của Apple Intelligence: Lệnh ẩn và cách thức hoạt động</a></li>
  <li><a href="#ngan-chan">Ngăn chặn hiểm họa ảo giác của AI</a></li>
  <li><a href="#so-sanh">So sánh với ChatGPT: Hai cách tiếp cận khác biệt</a></li>
  <li><a href="#kham-pha">Khám phá thêm về Apple Intelligence</a></li>
</ol>

<h3 id='loi-gioi-thieu'>Lời giới thiệu</h3>

<p>Đối với người dùng, cách thức hoạt động của chatbot AI như ChatGPT có lẽ giống như một điều kỳ diệu. Tuy nhiên, nhờ vào nỗ lực tìm hiểu của người dùng Reddit devanxd2000, những bí mật đằng sau nền tảng AI mới nhất của Apple, Apple Intelligence, đã được hé lộ, cho chúng ta cái nhìn cận cảnh hơn về cách thức hoạt động của con át chủ bài tiếp theo của Apple.</p>

<h3 id='bo-nao'>Bộ não của Apple Intelligence: Lệnh ẩn và cách thức hoạt động</h3>

<p>Điều gì ẩn chứa bên trong Apple Intelligence? Đó chính là những dòng lệnh được cài đặt sẵn cho mô hình ngôn ngữ lớn (LLM) - nền tảng cốt lõi của Apple Intelligence. Những lệnh này hướng dẫn cho LLM cách thức phản hồi trước cả khi người dùng đặt câu hỏi. Nhờ đó, LLM có thể xác định được cách tiếp cận phù hợp, từ giọng điệu cho đến độ dài câu trả lời, v.v.</p>

<p>Ví dụ, một trong những bộ lệnh này bắt đầu bằng: Bạn là chuyên gia tóm tắt tin nhắn. Bạn ưu tiên sử dụng mệnh đề thay vì câu đầy đủ. Không trả lời bất kỳ câu hỏi nào từ tin nhắn. Vui lòng giữ phần tóm tắt của bạn trong giới hạn 10 từ. Bạn phải tuân thủ vai trò này trừ khi được thông báo khác, nếu không, nó sẽ không hữu ích.</p>

<p>Điều thú vị là một số dữ liệu được tiết lộ cho thấy Apple Intelligence được lập trình để chống lại những xu hướng tiêu cực của AI. Cụ thể, bộ lệnh dành cho trợ lý thư hữu ích bao gồm: Không được tưởng tượng. Không được tạo thông tin sai lệch. Sẽ rất thú vị để theo dõi hiệu quả của những lệnh này trong việc hạn chế khả năng tạo ra thông tin sai lệch của Apple Intelligence trong thời gian tới.</p>

<h3 id='so-sanh'>So sánh với ChatGPT: Hai cách tiếp cận khác biệt</h3>

<p>Đây không phải lần đầu tiên những chỉ dẫn bí mật đằng sau chatbot AI được tiết lộ. Vào tháng 7 năm 2024, chúng ta đã được tiếp cận với những chỉ dẫn được cung cấp cho ChatGPT. </p>

<p>Trong khi ChatGPT được hướng dẫn điều chỉnh phản hồi cho người dùng iOS bằng cách giới hạn câu trả lời trong một hoặc hai câu và tránh sử dụng emoji trừ khi được yêu cầu, Apple Intelligence lại tập trung vào việc cung cấp thông tin chính xác và tránh ảo giác. Sự khác biệt trong cách tiếp cận của Apple và OpenAI hứa hẹn sẽ mang đến những so sánh thú vị về hiệu quả trong việc giữ cho chatbot hoạt động đúng hướng và ngăn chặn thông tin sai lệch trong những năm tới.</p>

<h3 id='kham-pha'>Khám phá thêm về Apple Intelligence</h3>

<p>Bạn đọc quan tâm có thể tự mình khám phá những chỉ dẫn của Apple Intelligence tại đường dẫn sau trên máy Mac: /System/Library/AssetsV2/com_apple_MobileAsset_UAF_FM_GenerativeModels. Tại đây, bạn sẽ thấy một loạt thư mục chứa các tệp .json. Mặc dù không thể chỉnh sửa những tệp này, bạn vẫn có thể mở chúng để xem cách thức hoạt động của Apple Intelligence. Tuy nhiên, hãy cẩn thận không di chuyển hoặc xóa bất kỳ nội dung nào, vì macOS lưu trữ thông tin quan trọng tại đây.</p>

Bên trong não bộ Apple Intelligence: Hé lộ bí mật về chatbot AI thế hệ mới của Apple

Bên trong não bộ Apple Intelligence: Hé lộ bí mật về chatbot AI thế hệ mới của Apple Mục lục: Lời giới thiệu Bộ não của Apple Inte...

tháng 8 08, 2024

Đánh giá AI đa phương thức trong chẩn đoán y tế: Tiềm năng và giới hạn

<h2>Đánh giá AI đa phương thức trong chẩn đoán y tế: Tiềm năng và giới hạn</h2>

<div>
  <h3>Mục lục</h3>
  <ul>
    <li>Giới thiệu</li>
    <li>Bộ dữ liệu thử thách hình ảnh NEJM
      <ul>
        <li>Khả năng phản hồi</li>
        <li>Độ chính xác</li>
        <li>Tính chọn lọc của GPT-4V trong việc trả lời câu hỏi</li>
      </ul>
    </li>
    <li>Khả năng của AI trong chẩn đoán y tế</li>
    <li>Minh bạch và bối cảnh pháp lý của EU</li>
    <li>Thách thức đánh giá và hướng nghiên cứu trong tương lai</li>
    <li>Phương pháp
      <ul>
        <li>Dữ liệu và biến số</li>
        <li>Mô hình đa phương thức và lời nhắc câu hỏi</li>
        <li>Phân tích thống kê</li>
      </ul>
    </li>
    <li>Tuyên bố về AI tạo sinh và công nghệ hỗ trợ AI trong quy trình viết</li>
    <li>Tóm tắt báo cáo</li>
    <li>Khả dụng dữ liệu</li>
    <li>Khả dụng mã</li>
    <li>Tài liệu tham khảo</li>
  </ul>
</div>

<h3>Bộ dữ liệu thử thách hình ảnh NEJM</h3>

<p>Nghiên cứu này đánh giá độ chính xác và khả năng phản hồi của các mô hình AI đa phương thức trong việc trả lời các câu hỏi Thử thách hình ảnh NEJM, so sánh với trí thông minh tập thể của con người, nhấn mạnh tiềm năng và hạn chế hiện tại của AI trong chẩn đoán lâm sàng.</p>

<p>Dữ liệu cho thấy sự tham gia cao vào Thử thách hình ảnh NEJM bắt đầu vào ngày 13 tháng 10 năm 2005, lên đến đỉnh điểm là hơn 85 triệu phản hồi cho 945 trường hợp (tính đến ngày 13 tháng 12 năm 2023). Số lượng phản hồi trung bình cho mỗi câu hỏi là 90.679 (SD = 32.921; trung vị = 88.407; phạm vi = 13.120–233.419). Tỷ lệ phần trăm trung bình của các phiếu bầu trả lời đúng các trường hợp y tế là 49,4% (SD = 13,6%; trung vị = 49%; phạm vi = 16–88%), phản ánh mức độ khó đa dạng vốn có trong các câu hỏi tình huống. Độ dài của các câu hỏi dao động từ 4 đến 128 từ với trung bình là 28,5 từ, cho biết phạm vi đa dạng của thông tin lâm sàng bổ sung được cung cấp.</p>

<p>Các hình ảnh y tế được phân tích trong Thử thách hình ảnh NEJM thể hiện phạm vi phân giải rộng, với kích thước khác nhau từ 0,57 đến 5,95 megapixel. Trung bình, các hình ảnh là 2,02 megapixel, cho thấy sự đa dạng đáng kể về chi tiết và chất lượng hình ảnh được trình bày cho các mô hình AI và công chúng giải thích.</p>

<p>Trong khi tất cả các mô hình nguồn mở ngoài các mô hình độc quyền của họ Claude 3 đều phản hồi tất cả các truy vấn, thì GPT-4 Vision Preview độc quyền (ví dụ: Tôi xin lỗi, tôi không thể cung cấp chẩn đoán y tế hoặc diễn giải hình ảnh y tế. […]) chỉ phản hồi 76% (n = 718) trường hợp. GPT-4 Vision Preview có xu hướng trả lời các câu hỏi dễ hơn được đo bằng độ chính xác trung bình của người tham gia (p = 0,033), cũng như các câu hỏi có kích thước hình ảnh nhỏ hơn (p <0,001) và văn bản câu hỏi dài hơn (p <0,001, Hình 1). Bard Gemini 1.0 Vision Pro chỉ không đưa ra câu trả lời cho một câu hỏi (0,11%) vì lý do không xác định (block_reason: OTHER).</p>

<h4>Độ chính xác</h4>

<p>Trong số các mô hình AI, các mô hình của Anthropic nổi bật, đạt được độ chính xác cao nhất (từ 58,8%, n = 556 trên 945 đến 59,8%, n = 565 trên 945 câu hỏi) vượt xa tỷ lệ bỏ phiếu trung bình của người tham gia (49,4%, p <0,001) khoảng 10%. Nghiên cứu quan sát thấy rằng quyết định tập thể của con người, được xác định bằng cách bỏ phiếu đa số với 7 phiếu hòa được tính là phản hồi không chính xác, đã trả lời đúng 90,8% (n = 858) trường hợp, cho thấy khả năng của trí thông minh bầy đàn trong chẩn đoán đa phương thức y tế và vượt qua tất cả các mô hình đa phương thức được thử nghiệm bởi một biên độ lớn (Hình 2). Phiếu bầu đa số mô hình đã xem xét bốn mô hình tốt nhất (tất cả các mô hình Claude 3 ngoài GPT-4 1106 Vision Preview) đã không cho thấy bất kỳ cải tiến nào (p = 0,96) so với mô hình tốt nhất Claude 3 Haiku. Điều thú vị là Haiku là mô hình nhỏ nhất và nhanh nhất trong dòng Claude 3 và đã trả lời đúng hơn sáu câu hỏi so với mô hình lớn nhất, có khả năng nhất là Opus, mặc dù sự khác biệt này không có ý nghĩa thống kê (p = 0,8).</p>

<h4>Tính chọn lọc của GPT-4V trong việc trả lời câu hỏi</h4>

<p>Sự nhận thức trong hành vi phản hồi của mô hình hàng đầu OpenAI này nhấn mạnh những hạn chế tiềm ẩn do các chính sách kiểm duyệt hạn chế áp đặt đối với các mô hình AI nguồn đóng. Tính chọn lọc như vậy, đặc biệt là khi hầu hết các câu hỏi lâm sàng đều nhận được phản hồi bất chấp sự kiểm duyệt, đặt ra câu hỏi về hiệu quả của các biện pháp hạn chế này và ảnh hưởng của chúng đối với đánh giá khoa học. Điều thú vị là hành vi này dường như có chọn lọc đối với những câu hỏi dễ hơn, những câu hỏi có hình ảnh nhỏ hơn và những câu hỏi có mô tả văn bản dài hơn. Để tăng cường tính minh bạch, các nhà phát triển nên trình bày rõ ràng lý do đằng sau việc không phản hồi một số câu hỏi nhất định (ví dụ: tài liệu hình ảnh không phù hợp hoặc lo ngại về quyền riêng tư đối với ảnh bệnh nhân không được ẩn danh hoặc đơn giản là sự liên kết của mô hình là không sai và thay vì không trả lời câu hỏi hơn là trả lời sai). Giới thiệu tài khoản chuyên biệt cho các nhà nghiên cứu có quyền truy cập mở rộng và ít mô hình hạn chế hơn có thể là một cách tiếp cận có lợi để hỗ trợ nghiên cứu trong lĩnh vực này, đồng thời đảm bảo tuân thủ các tiêu chuẩn về đạo đức và bảo mật.</p>

<h3>Khả năng của AI trong chẩn đoán y tế</h3>

<p>Tất cả các mô hình Claude 3 đều vượt qua GPT-4 Vision Preview của OpenAI về độ chính xác mà không phủ nhận bất kỳ câu hỏi nào, điều này có thể cho thấy các phương pháp đào tạo phù hợp hơn tại Anthropic. Nhìn chung, nghiên cứu đã chỉ ra rằng các mô hình mục đích chung rất phù hợp để trả lời các câu hỏi kiến thức y tế rất cụ thể và thậm chí vượt qua cả độ chính xác trung bình của người tham gia. Trong nghiên cứu này, Claude 3 Haiku đã đạt được độ chính xác cao nhất. Kết quả tương tự cũng được quan sát thấy trong một nghiên cứu khác, trong đó GPT-4 chỉ có văn bản hoạt động tốt hơn 99,98% người đọc mô phỏng — mặc dù chỉ bao gồm 38 trường hợp — trong chẩn đoán các trường hợp NEJM, một kết quả không được lặp lại trong phân tích thử thách hình ảnh đa phương thức bằng GPT-4 Vision Preview. Trí thông minh tập thể của con người đã vượt qua tất cả các mô hình AI với tỷ lệ chính xác 90,8%, phù hợp với các khái niệm do James Surowiecki đưa ra.</p>

<p> Nhìn chung, những phát hiện này rất hứa hẹn cho tương lai của AI trong chẩn đoán y tế, đặc biệt là trong các lĩnh vực như da liễu, nơi tự động hóa phát hiện ung thư đang cho thấy sự quan tâm ngày càng tăng của giới khoa học. Một phân tích tổng hợp được công bố gần đây đã chứng minh rằng độ chính xác của AI trong việc phát hiện ung thư da vượt trội hơn đáng kể so với các bác sĩ đa khoa và cho thấy hiệu suất tương đương với các bác sĩ da liễu có kinh nghiệm. Hơn nữa, một phân tích khác cho thấy độ chính xác hơn 90% trong phát hiện ung thư da có thể đạt được bằng cách sử dụng các mô hình AI. Những kết quả này cho thấy khả năng phân tích của AI đối với các nhiệm vụ chẩn đoán cụ thể, chẳng hạn như phát hiện ung thư da, vượt trội hơn đáng kể so với những gì quan sát được trong phân tích đa phương thức tổng quát hơn. Người ta đã chứng minh rằng các cơ chế an toàn được thiết kế để ngăn chặn việc tự chẩn đoán y tế bởi những người không chuyên nghiệp là không đủ do việc thực hiện không nhất quán. Những phát hiện từ nghiên cứu này và những nghiên cứu khác chỉ ra rằng mặc dù AI có thể hỗ trợ đáng kể cho chẩn đoán và đào tạo y tế và hợp lý hóa việc tiếp cận y tế, nhưng việc tích hợp nó vào thực hành lâm sàng đòi hỏi cách tiếp cận thận trọng, tận tâm và minh bạch với sự giám sát bắt buộc theo quy định.</p>

<p>Gần đây, Nghị viện EU đã thông qua Đạo luật AI của EU, một đạo luật mang tính bước ngoặt nhằm mục đích điều chỉnh trí tuệ nhân tạo bằng cách phân loại các ứng dụng AI dựa trên mức độ rủi ro của chúng. Đạo luật đặt ra những yêu cầu nghiêm ngặt đối với các hệ thống AI có rủi ro cao, bao gồm cả những hệ thống được sử dụng trong chăm sóc sức khỏe. Quy định này bắt buộc tính minh bạch, mạnh mẽ và giám sát của con người, đảm bảo rằng các hệ thống AI hoạt động an toàn và có đạo đức.</p>

<p>Đối với AI y tế, Đạo luật AI của EU nhấn mạnh sự cần thiết phải có tài liệu rõ ràng, truy xuất nguồn gốc và trách nhiệm giải trình của các quy trình ra quyết định của AI. Nó cũng nhấn mạnh tầm quan trọng của việc kiểm tra và xác nhận nghiêm ngặt để đáp ứng các tiêu chuẩn cao về độ chính xác và độ tin cậy. Các mô hình mở được phân tích trong nghiên cứu này có lợi thế rõ ràng ở đây vì chúng có trọng số mô hình có sẵn công khai và thường có tài liệu tốt về mã đào tạo và bộ dữ liệu được sử dụng, tạo điều kiện thuận lợi cho tính minh bạch và truy xuất nguồn gốc theo yêu cầu của Đạo luật AI của EU.</p>

<h3>Thách thức đánh giá và hướng nghiên cứu trong tương lai</h3>

<p>Các mô hình đa phương thức được đánh giá không được thiết kế tùy chỉnh cho các nhiệm vụ y tế và mặc dù hiệu suất của chúng rất hứa hẹn và khả năng học chuyển giao mạnh mẽ đã được thể hiện cho các mô hình mục đích chung, nhưng việc nghiên cứu các mô hình ngôn ngữ lớn được tinh chỉnh, chuyên biệt là điều cần thiết. Các thử nghiệm lâm sàng là điều cần thiết để xác nhận khả năng của AI đa phương thức trong các quy trình lâm sàng. Ngoài ra, các mô hình độc quyền thiếu đánh giá an toàn toàn diện do không thể truy cập được bộ dữ liệu đào tạo và kiến trúc mô hình. Việc thiếu minh bạch liên quan đến dữ liệu đào tạo của các mô hình độc quyền tạo ra sự không chắc chắn về việc liệu đánh giá này có đủ điều kiện là kịch bản không bắn thực sự hay không, cho thấy khả năng nhiễm bẩn bộ dữ liệu trong đó hình ảnh hoặc câu hỏi có thể đã được đưa vào bộ dữ liệu đào tạo của mô hình. Ngược lại, tính minh bạch của các mô hình nguồn mở có thể tạo điều kiện thuận lợi cho việc đánh giá an toàn mạnh mẽ hơn.</p>

<p>Hơn nữa, bản chất có cấu trúc của các định dạng trắc nghiệm có thể không nắm bắt đầy đủ sự phức tạp gặp phải trong môi trường lâm sàng thực tế, nơi các chẩn đoán không bị giới hạn trong các lựa chọn được xác định trước. Cuối cùng, điều đáng chú ý là một mô hình duy nhất, khi được định cấu hình với các tham số khác nhau, có thể mang lại những phản hồi khác nhau. Trong nghiên cứu này, mỗi mô hình được sử dụng mà không cần điều chỉnh bất kỳ tham số nào để đánh giá khả năng cơ bản.</p>

<h3>Phương pháp</h3>

<p>Nghiên cứu sử dụng dữ liệu từ thử thách hình ảnh của Tạp chí Y học New England (NEJM), một bài kiểm tra trên web hàng tuần có chứa hình ảnh, mô tả trường hợp ngắn tùy chọn, câu hỏi tương ứng và năm câu hỏi trắc nghiệm. Tất cả các trường hợp hình ảnh được xuất bản cho đến ngày 7 tháng 12 năm 2023 đã được đưa vào (n = 945). Ngoài câu hỏi trên, số phiếu bầu cho các lựa chọn khả dụng cũng thu được để so sánh các mô hình với trí thông minh tập thể của con người. Hai số liệu được lấy từ dữ liệu bỏ phiếu của người tham gia: giá trị trung bình của người tham gia, đại diện cho tỷ lệ phần trăm trung bình của những người trả lời đúng mỗi câu hỏi và số phiếu bầu của người tham gia, xác định xem hầu hết người tham gia có chọn câu trả lời đúng cho mỗi câu hỏi hay không, đóng vai trò là thước đo cho sự đồng thuận chung về tính đúng đắn của câu trả lời.</p>

<p>Dữ liệu được lấy từ thử thách hình ảnh của Tạp chí Y học New England (NEJM), một bài kiểm tra trên web hàng tuần có chứa hình ảnh, mô tả trường hợp ngắn tùy chọn, câu hỏi tương ứng và năm câu hỏi trắc nghiệm. Tất cả các trường hợp hình ảnh được xuất bản cho đến ngày 7 tháng 12 năm 2023 đã được đưa vào (n = 945). Ngoài câu hỏi trên, số phiếu bầu cho các lựa chọn khả dụng cũng thu được để so sánh các mô hình với trí thông minh tập thể của con người.</p>

<h4>Mô hình đa phương thức và lời nhắc câu hỏi</h4>

<p>Nghiên cứu hiện tại đánh giá chín mô hình AI đa phương thức: CogVLM Chat v1.1, LLaVA v1.5 13B, LLaVA v1.6 34B, InternVL-Chat-V1.5-Int8, GPT-4 Vision Preview v1106 của OpenAI và Gemini 1.0 Pro Vision của Google và Claude 3 Family Opus, Haiku và Sonnet của Anthropic. GPT-4 Vision Preview, Gemini 1.0 Pro Vision và Claude 3 độc quyền đã được sử dụng thông qua thư viện python của công ty. Trọng số mô hình của các mô hình mở đã được tải xuống từ Hugging Face vào ngày 18 tháng 12 năm 2024, ngoại trừ LLaVA v1.6 34B và InternVL-Chat-V1.5-Int8, được truy cập lần lượt vào ngày 12 và ngày 19 tháng 5 năm 2024. Cùng một mẫu câu hỏi đã được sử dụng cho tất cả chín mô hình đa phương thức.</p>

<h4>Phân tích thống kê</h4>

<p>Phân tích được thực hiện trên hệ thống Apple M1 Pro macOS 14.3.1, sử dụng Python 3.10.12. Nghiên cứu đã sử dụng một số thư viện Python để phân tích và hình dung dữ liệu: Pandas (v1.5.3) để thao tác dữ liệu, Seaborn (v0.11.2) và Matplotlib (v3.7.2) để tạo biểu đồ.</p>

<h3>Tuyên bố về AI tạo sinh và công nghệ hỗ trợ AI trong quy trình viết</h3>

<p>Grammarly (Grammarly, Inc.) và GPT-4 đã được sử dụng để cải thiện ngôn ngữ và sửa đổi bản thảo chung. Sau khi sử dụng các công cụ này, các tác giả đã xem xét và chỉnh sửa nội dung khi cần thiết và chịu trách nhiệm hoàn toàn về nội dung của ấn phẩm.</p>

<p>Thông tin thêm về thiết kế nghiên cứu có sẵn trong Tóm tắt Báo cáo Danh mục Tự nhiên được liên kết với bài viết này.</p>

<p>Tất cả các phản hồi của mô hình trong nghiên cứu này được ghi lại và tải lên dưới dạng tệp được phân cách bằng tab, đảm bảo tính minh bạch và khả năng tái tạo của các phát hiện (Dữ liệu bổ sung 1). Các trường hợp Thử thách hình ảnh NEJM có thể truy cập công khai mà không cần đăng nhập tại trang web Thử thách hình ảnh của Tạp chí Y học New England. Sự khả dụng công khai này của bộ dữ liệu thô đầy đủ hỗ trợ cho nghiên cứu và xem xét kỹ lưỡng hơn nữa của cộng đồng y tế và khoa học.</p>

<p>Mã nguồn cho sổ ghi chép Jupyter Python tương tác được sử dụng trong phân tích nghiên cứu này có sẵn theo yêu cầu hợp lý. Yêu cầu truy cập hoặc làm rõ có thể được chuyển trực tiếp đến tác giả tương ứng.</p>

<p>Khi các mô hình AI phát triển nhanh chóng, chúng mang đến một lời hứa đáng kể trong việc tăng cường chẩn đoán y tế, mở rộng tiềm năng của chúng vượt ra ngoài các ứng dụng truyền thống lấy văn bản làm trung tâm để bao gồm các bộ dữ liệu đa phương thức. Tuy nhiên, phát hiện của chúng tôi tán thành sự lạc quan có chừng mực và kêu gọi đánh giá nuanced về khả năng của các công cụ này. Thiết lập các khuôn khổ mạnh mẽ để triển khai có trách nhiệm là rất quan trọng đối với sự an toàn của bệnh nhân. Tương lai của AI trong y học phụ thuộc vào nỗ lực hợp tác để nâng cao độ tin cậy và ứng dụng có đạo đức của nó, với mục tiêu bổ sung — thay vì thay thế — chuyên môn của con người.</p>

Đánh giá AI đa phương thức trong chẩn đoán y tế: Tiềm năng và giới hạn

Đánh giá AI đa phương thức trong chẩn đoán y tế: Tiềm năng và giới hạn Mục lục Giới thiệu Bộ dữ liệu thử thách hình ảnh N...

tháng 8 08, 2024

LG Đẩy Mạnh Hệ Sinh Thái AI Nguồn Mở Với EXAONE 3.0

Intel: Từ Bỏ Cơ Hội Vàng Với OpenAI Đến Chật Vật Trong Cuộc Đua AI

OpenAI: Từ Đỉnh Cao Vinh Quang Đến Bờ Vực Thử Thách

Survivalist.ai: Trợ Lý Thông Minh Luôn Sẵn Sàng, Ngay Cả Khi Ngoại Tuyến

Bên trong não bộ Apple Intelligence: Hé lộ bí mật về chatbot AI thế hệ mới của Apple

Đánh giá AI đa phương thức trong chẩn đoán y tế: Tiềm năng và giới hạn

Bài đăng phổ biến

Labels