Vì sao cuộc tranh luận về AI mã nguồn mở lại quan trọng với con người?

<h2 id="section-0">Vì sao cuộc tranh luận về AI mã nguồn mở lại quan trọng với con người?</h2> <p><strong>Giới thiệu:</strong></p> <p>Thế giới kỹ thuật số ngày nay dựa vào phần mềm mã nguồn mở, nơi mã nguồn được công khai và cho phép các nhà phát triển tự do sửa đổi và xây dựng dựa trên nó. Firefox, WordPress và Linux là những ví dụ điển hình, đóng vai trò quan trọng trong việc duy trì hoạt động của internet. </p> <p>Tuy nhiên, một cuộc tranh luận lớn đang diễn ra trong Thung lũng Silicon và giữa các nhà hoạch định chính sách về việc liệu các công ty có nên công khai mã nguồn của trí tuệ nhân tạo (AI) hay không. Trong khi Google và OpenAI giữ bí mật, Meta đã đặt cược toàn bộ chiến lược AI của mình vào mã nguồn mở, cho phép mọi người tiếp cận các mô hình ngôn ngữ lớn mạnh mẽ của mình.</p> <p><strong>AI mã nguồn mở: Cơ hội và thách thức:</strong></p> <p>Nils Tracy, người sáng lập và CEO của Blinder, một công ty khởi nghiệp tại Bắc Carolina, thừa nhận rằng công ty của anh có thể sẽ không tồn tại nếu không có Llama, mô hình AI mã nguồn mở của Meta. Blinder cung cấp các công cụ giúp các công ty luật tương tác an toàn với AI, bao gồm việc xóa thông tin nhạy cảm trong tài liệu hoặc tự động đăng ký bản quyền. </p> <p>Blinder đã sao chép toàn bộ mã nguồn của Llama, điều chỉnh và "tinh chỉnh" AI để nhận dạng thông tin cá nhân cần xóa trong các tài liệu pháp lý. AI cũng có thể học theo phong cách viết nội bộ của một công ty luật.</p> <p>Tracy có thể đã cố gắng thích ứng các mô hình ngôn ngữ lớn từ OpenAI, Google hoặc các công ty AI khác. Tuy nhiên, nếu không có mã nguồn, anh ấy sẽ phải tin tưởng vào việc họ không sử dụng dữ liệu của anh ấy sai cách, và "tinh chỉnh" AI sẽ khó khăn hơn. Hơn nữa, Llama hoàn toàn miễn phí.</p> <p>Elizabeth Seger, giám đốc chính sách kỹ thuật số tại tổ chức tư vấn Demos, cho biết: "Mô hình mã nguồn mở này cực kỳ giá trị cho bất kỳ ai muốn sử dụng nó để phát triển sản phẩm hoặc ứng dụng mới." </p> <p><strong>Meta: Một chiến lược kinh tế thông minh?</strong></p> <p>Do AI đòi hỏi khoản đầu tư khổng lồ về tiền bạc và cơ sở hạ tầng để tạo ra, các công ty nhỏ như Blinder đơn giản là không có đủ nguồn lực để tự tạo ra các mô hình ngôn ngữ lớn từ đầu. </p> <p>Meta chi hàng tỷ đô la để phát triển AI của mình, nhưng lại công khai nó miễn phí. Seger giải thích rằng một lý do có thể là chiến lược kinh tế "hàng hóa hóa phần bổ sung".</p> <p>Seger ví dụ: "Giả sử bạn là nhà sản xuất xúc xích. Bạn tạo ra bánh mì kẹp xúc xích hoàn toàn miễn phí, để mọi người đều có thể mua được. Nhưng sau đó, họ cần mua xúc xích của bạn."</p> <p>Trong trường hợp này, AI mã nguồn mở của Meta chính là bánh mì kẹp xúc xích miễn phí. Trong tương lai, Meta có thể sẽ kiếm tiền từ các tập dữ liệu được bán để huấn luyện AI hoặc từ phần cứng mà AI chạy trên đó.</p> <p><strong>An ninh AI: Một con dao hai lưỡi?</strong></p> <p>Theo truyền thống, phần mềm mã nguồn mở mang lại lợi ích bổ sung: Khi phát hiện lỗ hổng bảo mật, cộng đồng nhà phát triển toàn cầu sẵn sàng vá lỗi. </p> <p>Ali Farhadi, CEO của Viện Trí tuệ nhân tạo Allen, một tổ chức phi lợi nhuận, đã phát hành mô hình AI mã nguồn mở hoàn toàn tên là OLMo. </p> <p>Farhadi đặt câu hỏi: "Tôi muốn sống trong một thế giới có nhiều người thực sự biết cách sửa chữa mô hình AI khi có cuộc tấn công hoặc sử dụng sai mục đích, hay một thế giới nơi tôi phải lệ thuộc vào một vài viện nghiên cứu?"</p> <p>Tuy nhiên, không phải ai cũng đồng ý rằng sự minh bạch của mã nguồn mở là giải pháp cho vấn đề bảo mật AI. Nhiều người lo lắng rằng, khác với các thế hệ phần mềm trước, việc công khai mã nguồn của AI sẽ khiến nó dễ bị kẻ xấu lợi dụng. </p> <p>Các lập trình viên đã loại bỏ các hạn chế về an toàn khỏi một số mô hình AI tạo ảnh mã nguồn mở để tạo ra nội dung khiêu dâm deepfake. </p> <p>Aviv Ovadya, đồng sáng lập của Quỹ AI & Dân chủ, lo ngại về những hậu quả thảm khốc trong tương lai, ví dụ như kẻ xấu tìm ra cách sử dụng AI mã nguồn mở để chế tạo vũ khí sinh học. </p> <p>Ovadya cảnh báo: "Việc kiểm tra và cải thiện hệ thống AI sẽ dễ dàng hơn nếu chúng được công khai và có thể kiểm tra. Nhưng đồng thời, việc vũ khí hóa chúng cũng dễ dàng hơn, và một khi chúng xuất hiện trong thế giới, sẽ không có cách nào đảo ngược lại."</p> <p><strong>Kết luận:</strong></p> <p>Việc xem xét AI hoàn toàn là mã nguồn mở hoặc hoàn toàn là hộp đen là một cách suy nghĩ sai lầm. Các mô hình AI mã nguồn mở hiện nay được công khai với mức độ khác nhau, một số mô hình công khai dữ liệu huấn luyện cùng với các "trọng số" quan trọng, bí mật toán học hướng dẫn đầu ra của mô hình ngôn ngữ lớn. </p> <p>Cuộc tranh luận về AI mã nguồn mở là một vấn đề phức tạp, với nhiều lợi ích và nguy cơ tiềm ẩn. Điều quan trọng là phải cân nhắc kỹ lưỡng những lợi ích và rủi ro khi quyết định cách phát triển và sử dụng AI trong tương lai. </p><br><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

Vì sao cuộc tranh luận về AI mã nguồn mở lại quan trọng với con người?

Vì sao cuộc tranh luận về AI mã nguồn mở lại quan trọng với con người? Giới thiệu: Thế giới kỹ thuật số ngày nay dựa vào phần mềm mã nguồn...

Read more »

Nvidia Llama-3.1-Minitron 4B: Mô hình ngôn ngữ nhỏ bé nhưng mạnh mẽ

<h2 id="section-0">Nvidia Llama-3.1-Minitron 4B: Mô hình ngôn ngữ nhỏ bé nhưng mạnh mẽ</h2> <p>Trong cuộc đua phát triển trí tuệ nhân tạo (AI) trên thiết bị, các công ty công nghệ đang tập trung vào việc tạo ra các mô hình ngôn ngữ nhỏ (SLM) có thể hoạt động hiệu quả trên các thiết bị có tài nguyên hạn chế. </p> <p>Nvidia, một trong những gã khổng lồ trong lĩnh vực này, vừa giới thiệu Llama-3.1-Minitron 4B, một phiên bản rút gọn của mô hình Llama 3, được tối ưu hóa thông qua các kỹ thuật cắt tỉa (pruning) và chưng cất (distillation) tiên tiến. Mô hình này đạt hiệu suất cạnh tranh với các mô hình lớn hơn và SLM cùng kích cỡ, đồng thời hiệu quả hơn đáng kể trong việc huấn luyện và triển khai.</p> <h3 id="section-1">Sức mạnh của cắt tỉa và chưng cất</h3> <p>Cắt tỉa và chưng cất là hai kỹ thuật chính để tạo ra các mô hình ngôn ngữ nhỏ gọn và hiệu quả hơn. Cắt tỉa loại bỏ các thành phần không quan trọng trong mô hình. "Cắt tỉa chiều sâu" loại bỏ các lớp hoàn chỉnh, trong khi "cắt tỉa chiều rộng" loại bỏ các thành phần cụ thể như nơ-ron và đầu chú ý.</p> <p>Chưng cất là kỹ thuật chuyển giao kiến thức và khả năng từ một mô hình lớn - thường được gọi là "mô hình giáo viên" - sang một mô hình nhỏ hơn và đơn giản hơn - "mô hình học sinh". Có hai phương pháp chính để chưng cất: Đầu tiên là "Huấn luyện SGD", nơi mô hình học sinh được huấn luyện trên đầu vào và phản hồi của giáo viên. Phương pháp thứ hai là "Chưng cất kiến thức cổ điển", trong đó mô hình học sinh được huấn luyện trên các hoạt động bên trong của mô hình giáo viên ngoài kết quả.</p> <p>Trong một nghiên cứu trước đây, các nhà nghiên cứu của Nvidia đã chứng minh hiệu quả của việc kết hợp cắt tỉa với chưng cất kiến thức cổ điển. Họ bắt đầu với mô hình Nemotron 15B và tiến hành cắt tỉa và chưng cất nó xuống thành một mô hình có 8 tỷ tham số. Sau đó, họ thực hiện quy trình tái huấn luyện nhẹ bằng cách sử dụng chưng cất kiến thức với mô hình gốc là giáo viên và mô hình đã được cắt tỉa là học sinh. Cuối cùng, họ lặp lại quy trình với mô hình 8B làm điểm xuất phát để tạo ra một mô hình 4B nhỏ hơn.</p> <p>Phương pháp này đã mang lại sự cải thiện 16% về hiệu suất trên điểm chuẩn MMLU phổ biến so với việc huấn luyện một mô hình có 4 tỷ tham số từ đầu. Ấn tượng hơn, toàn bộ quy trình yêu cầu ít hơn 40 lần lượng token so với việc huấn luyện mô hình từ đầu. Hiệu suất của mô hình tương đương với Mistral 7B, Gemma 7B và Llama-3 8B, những mô hình được huấn luyện trên hàng nghìn tỷ token.</p> <h3 id="section-2">Chưng cất Llama 3.1</h3> <p>Xây dựng dựa trên công trình trước đó, nhóm Nvidia đã quyết định áp dụng các kỹ thuật tương tự cho mô hình Llama 3.1 8B. Mục tiêu của họ là tạo ra một phiên bản có 4 tỷ tham số của mô hình có thể đạt được hiệu suất tương đương với các mô hình lớn hơn nhưng hiệu quả hơn trong việc huấn luyện.</p> <p>Bước đầu tiên là tinh chỉnh mô hình 8B chưa được cắt tỉa trên một bộ dữ liệu có 94 tỷ token để khắc phục sự thay đổi phân phối giữa dữ liệu huấn luyện của mô hình gốc và bộ dữ liệu chưng cất của họ.</p> <p>"Các thử nghiệm cho thấy, nếu không khắc phục sự thay đổi phân phối, giáo viên sẽ cung cấp hướng dẫn không tối ưu trên bộ dữ liệu khi được chưng cất," các nhà nghiên cứu viết trong một bài đăng trên blog.</p> <p>Tiếp theo, các nhà nghiên cứu áp dụng hai loại cắt tỉa: cắt tỉa chiều sâu, nơi họ loại bỏ 50% các lớp, và cắt tỉa chiều rộng, nơi họ loại bỏ 50% nơ-ron từ một số lớp dày đặc trong các khối bộ chuyển đổi. Điều này dẫn đến hai phiên bản khác nhau của mô hình Llama-3.1-Minitron 4B.</p> <p>Cuối cùng, các nhà nghiên cứu tinh chỉnh các mô hình đã được cắt tỉa bằng cách sử dụng NeMo-Aligner, một bộ công cụ hỗ trợ nhiều thuật toán sắp xếp như học tăng cường từ phản hồi của con người (RLHF), tối ưu hóa ưu tiên trực tiếp (DPO) và SteerLM của Nvidia.</p> <p>Các nhà nghiên cứu đã đánh giá các mô hình Llama-3.1-Minitron 4B về khả năng tuân theo hướng dẫn, nhập vai, tạo ra thế hệ được hỗ trợ bởi việc truy xuất (RAG) và gọi chức năng.</p> <p>Kết quả cho thấy, mặc dù bộ dữ liệu huấn luyện nhỏ, Llama-3.1-Minitron 4B hoạt động gần với các SLM khác, bao gồm Phi-2 2.7B, Gemma2 2.6B, Qwen2-1.5B. Mặc dù Llama-3.1-Minitron 4B lớn hơn ít nhất 50% so với những mô hình đó, nhưng nó đã được huấn luyện trên một phần nhỏ dữ liệu huấn luyện. Điều này mang lại một động lực mới thú vị để cân bằng giữa chi phí huấn luyện và suy luận.</p> <p>Nhóm nghiên cứu đã phát hành phiên bản được cắt tỉa chiều rộng của mô hình trên Hugging Face theo Giấy phép Mô hình Mở của Nvidia, cho phép sử dụng thương mại. Điều này giúp nó có thể tiếp cận với nhiều người dùng và nhà phát triển hơn có thể tận dụng hiệu quả và hiệu suất của nó.</p> <p>"Cắt tỉa và chưng cất kiến thức cổ điển là một phương pháp rất hiệu quả về chi phí để có được các LLM [mô hình ngôn ngữ lớn] có kích thước nhỏ hơn, đạt được độ chính xác vượt trội so với việc huấn luyện từ đầu trên tất cả các lĩnh vực," các nhà nghiên cứu viết. "Nó là một cách tiếp cận hiệu quả hơn và tiết kiệm dữ liệu hơn so với việc tinh chỉnh theo phong cách dữ liệu tổng hợp hoặc huấn luyện từ đầu."</p> <p>Công trình này là lời nhắc nhở về giá trị và tầm quan trọng của cộng đồng mã nguồn mở đối với tiến bộ của AI. Cắt tỉa và chưng cất là một phần của một nghiên cứu rộng lớn hơn đang cho phép các công ty tối ưu hóa và tùy chỉnh LLM với chi phí thấp hơn nhiều so với bình thường. Các công trình đáng chú ý khác trong lĩnh vực này bao gồm thuật toán hợp nhất mô hình tiến hóa của Sakana AI, cho phép kết hợp các phần của các mô hình khác nhau để kết hợp điểm mạnh của chúng mà không cần nguồn lực huấn luyện tốn kém.</p><br><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

Nvidia Llama-3.1-Minitron 4B: Mô hình ngôn ngữ nhỏ bé nhưng mạnh mẽ

Nvidia Llama-3.1-Minitron 4B: Mô hình ngôn ngữ nhỏ bé nhưng mạnh mẽ Trong cuộc đua phát triển trí tuệ nhân tạo (AI) trên thiết bị, các công...

Read more »

OpenAI hợp tác với Condé Nast, mang nội dung từ Wired, The New Yorker và Vogue vào ChatGPT

<h2 id="section-0">OpenAI hợp tác với Condé Nast, mang nội dung từ Wired, The New Yorker và Vogue vào ChatGPT</h2> <p>OpenAI, công ty trí tuệ nhân tạo được hậu thuẫn bởi Microsoft, vừa thông báo hợp tác với Condé Nast, một trong những tập đoàn truyền thông lớn nhất thế giới. Theo thỏa thuận này, các sản phẩm của OpenAI như ChatGPT và SearchGPT sẽ được phép hiển thị nội dung từ các ấn phẩm nổi tiếng của Condé Nast, bao gồm Vogue, The New Yorker, Condé Nast Traveler, GQ, Architectural Digest, Vanity Fair, Wired và Bon Appétit.</p> <p>Đây là bước đi mới nhất trong xu hướng hợp tác giữa các công ty AI và các đơn vị truyền thông. OpenAI chia sẻ trong một bài đăng trên blog rằng họ đang thử nghiệm các tính năng tìm kiếm mới với SearchGPT, cho phép người dùng tìm thông tin và nguồn nội dung đáng tin cậy một cách nhanh chóng và trực quan hơn.</p> <p>"Chúng tôi kết hợp các mô hình đàm thoại của mình với thông tin từ web để cung cấp cho bạn câu trả lời nhanh chóng và kịp thời, với nguồn thông tin rõ ràng và phù hợp," OpenAI viết.</p> <p>Họ cũng cho biết SearchGPT cung cấp liên kết trực tiếp đến các bài báo tin tức và OpenAI dự định tích hợp những tính năng này vào ChatGPT trong tương lai.</p> <p>Trước đó, vào tháng 7, Perplexity AI đã giới thiệu một mô hình chia sẻ doanh thu cho các nhà xuất bản sau hơn một tháng bị cáo buộc đạo văn. Fortune, Time, Entrepreneur, The Texas Tribune, Der Spiegel và WordPress.com là những đơn vị đầu tiên tham gia "Chương trình Xuất bản" của công ty.</p> <p>Vào tháng 6, OpenAI và tạp chí Time đã công bố "thỏa thuận nội dung nhiều năm" cho phép OpenAI truy cập vào các bài báo hiện tại và lưu trữ từ hơn 100 năm lịch sử của Time. OpenAI có thể hiển thị nội dung của Time trong chatbot ChatGPT để trả lời các câu hỏi của người dùng, theo một thông cáo báo chí.</p> <p>OpenAI cũng hợp tác với News Corp. vào tháng 5, cho phép họ truy cập vào các bài báo hiện tại và lưu trữ từ The Wall Street Journal, MarketWatch, Barron's, New York Post và các ấn phẩm khác. Cùng tháng đó, Reddit cũng thông báo hợp tác với OpenAI, cho phép công ty đào tạo các mô hình AI của mình trên nội dung Reddit.</p> <p>Trong khi đó, một số ấn phẩm tin tức khác đang tích cực bảo vệ hoạt động kinh doanh của mình khi nội dung do AI tạo ra trở nên phổ biến.</p> <p>Trung tâm Báo cáo Điều tra, phòng tin tức phi lợi nhuận lâu đời nhất của đất nước, đã kiện OpenAI và nhà tài trợ chính Microsoft tại tòa án liên bang vào tháng 6 vì cáo buộc vi phạm bản quyền, sau khi các ấn phẩm bao gồm The New York Times, Chicago Tribune và New York Daily News cũng kiện OpenAI.</p> <p>Vào tháng 12, The New York Times đã đệ đơn kiện Microsoft và OpenAI, cáo buộc vi phạm sở hữu trí tuệ liên quan đến nội dung báo chí của họ xuất hiện trong dữ liệu đào tạo ChatGPT. The Times cho biết họ muốn Microsoft và OpenAI "chịu trách nhiệm về hàng tỷ đô la thiệt hại pháp lý và thực tế" liên quan đến "việc sao chép và sử dụng trái phép các tác phẩm độc đáo và có giá trị của Times," theo một hồ sơ được đệ trình tại Tòa án Quận Nam New York. OpenAI không đồng ý với cách diễn đạt sự kiện của Times.</p> <p>Chicago Tribune, cùng với bảy tờ báo khác, đã theo sau với một vụ kiện vào tháng 4.</p> <p>Sự hợp tác này là minh chứng cho sự phát triển của ngành công nghiệp AI và tác động của nó đến ngành truyền thông. Việc OpenAI hợp tác với Condé Nast cho thấy sự tin tưởng ngày càng tăng vào khả năng của AI trong việc cung cấp thông tin và nội dung chất lượng cao cho người dùng. Tuy nhiên, việc sử dụng nội dung của các đơn vị truyền thông trong đào tạo AI cũng đặt ra nhiều vấn đề về bản quyền và đạo văn. </p><br><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

OpenAI hợp tác với Condé Nast, mang nội dung từ Wired, The New Yorker và Vogue vào ChatGPT

OpenAI hợp tác với Condé Nast, mang nội dung từ Wired, The New Yorker và Vogue vào ChatGPT OpenAI, công ty trí tuệ nhân tạo được hậu thuẫn ...

Read more »

Gmail tích hợp trí tuệ nhân tạo Gemini: Viết và chỉnh sửa email dễ dàng hơn cho người dùng trả phí

<h2 id="section-0">Gmail tích hợp trí tuệ nhân tạo Gemini: Viết và chỉnh sửa email dễ dàng hơn cho người dùng trả phí</h2> <p><strong>Google vừa đơn giản hóa việc soạn thảo email trên Gmail bằng cách tích hợp Gemini vào nền tảng.</strong> Với tính năng "giúp tôi viết" và "chỉnh sửa" do Gemini cung cấp, người dùng Gmail trả phí giờ đây có thể viết, chỉnh sửa và thay đổi tông giọng email chỉ với một cú nhấp chuột.</p> <p><strong>Gemini-powered Gmail</strong> có thể giúp bạn <strong>chỉnh sửa, chính thức hóa, bổ sung hoặc rút gọn bản nháp</strong>, hoặc thậm chí <strong>viết một bản nháp hoàn toàn mới</strong>. Tính năng này hiện đang được triển khai cho khách hàng Google Workspace sử dụng gói bổ sung Gemini Business và Enterprise, gói bổ sung Gemini Education và Education Premium, hoặc gói đăng ký Google One AI Premium.</p> <p>Để sử dụng tính năng "chỉnh sửa" trên Gmail, người dùng cần nhập ít nhất 12 từ vào cửa sổ soạn thảo trên điện thoại thông minh. Trong khi đó, phím tắt "giúp tôi viết" sẽ hiển thị cho những người dùng đủ điều kiện trong cửa sổ soạn thảo email. Các tùy chọn chỉnh sửa mới của Gemini có thể được truy cập bằng cách vuốt sang phải. Tính năng này hiện có sẵn trên web, Android và iOS.</p> <p><strong>Vào tháng 6 năm 2024, Google đã giới thiệu khả năng tóm tắt email trên Gmail bằng Gemini</strong>, như một phần của tính năng Google Workspace Labs. Tương tự, tính năng này cũng chỉ dành riêng cho khách hàng doanh nghiệp và người dùng có gói đăng ký Google One AI Premium.</p> <p><strong>Việc tích hợp Gemini vào Gmail là một bước tiến đáng kể trong việc ứng dụng trí tuệ nhân tạo vào các ứng dụng hàng ngày</strong>, mang đến trải nghiệm viết email hiệu quả hơn cho người dùng. </p><br><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

Gmail tích hợp trí tuệ nhân tạo Gemini: Viết và chỉnh sửa email dễ dàng hơn cho người dùng trả phí

Gmail tích hợp trí tuệ nhân tạo Gemini: Viết và chỉnh sửa email dễ dàng hơn cho người dùng trả phí Google vừa đơn giản hóa việc soạn thảo e...

Read more »

COMET ra mắt chatbot AI đột phá, COMET Companion

<h2 id="section-0">COMET ra mắt chatbot AI đột phá, COMET Companion</h2> <p><strong>Công ty công nghệ Scotland COMET, trước đây được biết đến với tên gọi STC INSISO, đã ra mắt COMET Companion, một chatbot AI được thiết kế để giúp người dùng sử dụng nền tảng COMET dễ dàng và hiệu quả hơn.</strong> Được hỗ trợ bởi OpenAI, tính năng mới này cung cấp hỗ trợ trực tiếp để giúp người dùng tận dụng tối đa các mô-đun Quản lý sự cố, Điều tra và RCA, và Chuỗi cung ứng của nền tảng.</p> <p><strong>Bộ sản phẩm COMET</strong></p> <p>COMET là một bộ công cụ thông minh, được hỗ trợ bởi dữ liệu và chuyên môn, dành cho quản lý sự cố, điều tra, phân tích nguyên nhân gốc rễ, kiểm toán & giám sát, và bảo đảm chuỗi cung ứng. COMET cung cấp một phương pháp tiếp cận nhất quán và có cấu trúc, với khả năng tích hợp với các hệ thống EHS chính và các cải tiến AI, cho phép người dùng có được thông tin rủi ro thực sự để thấy những gì trước đây chưa thể nhìn thấy.</p> <p><strong>Một nâng cấp lớn</strong></p> <p>Trong các ngành công nghiệp nơi quản lý các hệ thống phức tạp là thách thức hàng ngày, COMET cam kết đơn giản hóa và hiệu quả hóa các quy trình. COMET Companion là sản phẩm sáng tạo mới nhất của họ nhằm giúp người dùng làm việc hiệu quả hơn bằng cách cung cấp cho họ một cách thức thông minh và trực quan hơn để tận dụng tối đa nền tảng. COMET đã đầu tư một khoản tiền đáng kể vào việc phát triển tính năng AI này, cho thấy sự cam kết của họ đối với việc cải thiện liên tục và mang lại giá trị thực sự cho người dùng.</p> <p><strong>Giới thiệu COMET Companion</strong></p> <p>COMET Companion không chỉ là một chatbot thông thường. Nó hoạt động như một trợ lý AI nâng cao, cung cấp hướng dẫn trực tiếp thông qua các tương tác văn bản dễ hiểu. Bản cập nhật này được thiết kế để giúp người dùng hợp lý hóa quy trình công việc của họ và cải thiện hiệu quả tổng thể.</p> <p><strong>Một số lợi ích của COMET Companion</strong></p> <ul> <li><strong>Tối đa hóa việc sử dụng nền tảng:</strong> COMET Companion trả lời mọi câu hỏi liên quan đến hệ thống, đảm bảo người dùng tận dụng tối đa nền tảng, tiết kiệm thời gian và công sức.</li> <li><strong>Tương tác dễ dàng:</strong> Chatbot tương tác bằng ngôn ngữ đơn giản, giúp người dùng dễ dàng nhận được trợ giúp mà không cần phải học các lệnh cụ thể.</li> <li><strong>Khởi động nhanh chóng cho người dùng mới:</strong> Không cần các phiên đào tạo dài hoặc tốn kém. COMET Companion sẵn sàng hỗ trợ ngay sau khi đăng nhập, giúp người dùng mới thành thạo nhanh chóng.</li> <li><strong>Hợp tác toàn cầu được nâng cao:</strong> Với hỗ trợ đa ngôn ngữ, COMET Companion tạo điều kiện thuận lợi cho việc giao tiếp và hợp tác tốt hơn giữa các nhóm quốc tế.</li> <li><strong>Luôn cập nhật:</strong> COMET Companion tự động cập nhật với các tính năng và thông tin mới nhất, do đó người dùng luôn có các công cụ và hướng dẫn mới nhất mà không cần thêm nỗ lực nào.</li> </ul> <p><strong>Sẵn có miễn phí</strong></p> <p>COMET Companion có sẵn miễn phí cho tất cả người dùng COMET, biến nó thành một cải tiến dễ tiếp cận cho toàn bộ cơ sở khách hàng. Mark Rushton, Giám đốc điều hành của COMET, cho biết: “Mục tiêu của chúng tôi là đảm bảo rằng COMET Companion có thể tiếp cận được với tất cả người dùng của chúng tôi vì chúng tôi tin tưởng vào việc nâng cao khả năng của họ mà không gặp bất kỳ trở ngại nào. Bằng cách cung cấp tính năng này miễn phí, chúng tôi đảm bảo rằng mọi người dùng đều có thể tận dụng tối đa nền tảng COMET mà không bị giới hạn. Điều này phản ánh cam kết của chúng tôi trong việc làm cho công việc của họ đơn giản và hiệu quả hơn.”</p> <p>Arrash Nekonam, Giám đốc Công nghệ của COMET, cho biết: “Là một công ty công nghệ, chúng tôi cảm thấy có trách nhiệm sâu sắc trong việc liên tục đổi mới và phát triển các tính năng thúc đẩy hiệu quả và mang lại lợi ích hữu hình cho người dùng của chúng tôi. COMET Companion là một bản cập nhật quan trọng sẽ nâng cao trải nghiệm người dùng tổng thể và hợp lý hóa các quy trình phức tạp cho người dùng của chúng tôi.”</p><br /><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg" />

COMET ra mắt chatbot AI đột phá, COMET Companion

COMET ra mắt chatbot AI đột phá, COMET Companion Công ty công nghệ Scotland COMET, trước đây được biết đến với tên gọi STC INSISO, đã ra mắ...

Read more »

Chi phí AI tăng vọt: Không phải do chip Nvidia đắt hơn, mà là bởi…

<h2 id="section-0">Chi phí AI tăng vọt: Không phải do chip Nvidia đắt hơn, mà là bởi…</h2> <p><strong>AI đang ngày càng trở nên phổ biến và mạnh mẽ hơn, nhưng đi kèm với đó là chi phí phát triển AI cũng tăng vọt. Tuy nhiên, nguyên nhân không phải do giá chip Nvidia tăng lên, mà là một yếu tố khác, ít được chú ý hơn: việc gắn nhãn dữ liệu.</strong></p> <p><strong>Tốn kém để huấn luyện AI:</strong></p> <ul> <li>Huấn luyện các mô hình AI khổng lồ ngày nay có thể tốn hàng trăm triệu đô la, và dự kiến sẽ lên đến 1 tỷ đô la trong vài năm tới.</li> <li>Phần lớn chi phí đó được dành cho sức mạnh tính toán từ các chip chuyên dụng, chủ yếu là GPU của Nvidia, với số lượng lên đến hàng chục nghìn chip, mỗi chip có giá khoảng 30.000 đô la.</li> </ul> <p><strong>Gắn nhãn dữ liệu: Chi phí bị bỏ qua:</strong></p> <ul> <li>Ngoài chi phí tính toán, các công ty cũng phải đối mặt với chi phí gia tăng khác, thường bị bỏ qua: gắn nhãn dữ liệu.</li> <li>Gắn nhãn dữ liệu là quá trình tỉ mỉ, trong đó các mô hình AI được huấn luyện với dữ liệu được gắn thẻ để giúp mô hình nhận biết và giải thích các mẫu dữ liệu.</li> </ul> <p><strong>Gắn nhãn dữ liệu: Từ ô tô tự lái đến AI hội thoại:</strong></p> <ul> <li>Gắn nhãn dữ liệu từ lâu đã được sử dụng để phát triển các mô hình AI cho ô tô tự lái. </li> <li>Các camera thu thập hình ảnh về người đi bộ, biển báo, xe cộ và đèn giao thông, và các chuyên viên gắn nhãn cho những hình ảnh này với các từ như "người đi bộ," "xe tải," hoặc "dừng lại."</li> <li>OpenAI đã bị chỉ trích vì thuê người ở Kenya với mức lương thấp để gắn nhãn dữ liệu cho ChatGPT, nhằm giảm bớt tính độc hại của chatbot.</li> </ul> <p><strong>Gắn nhãn dữ liệu: Càng phức tạp, càng tốn kém:</strong></p> <ul> <li>Các mô hình ngôn ngữ lớn (LLM) ngày nay phải trải qua một quá trình tương tự gắn nhãn dữ liệu, được gọi là "Học tăng cường phản hồi từ con người", trong đó con người cung cấp phản hồi định tính hoặc xếp hạng cho những gì mô hình tạo ra. </li> <li>Chi phí gia tăng cũng đến từ việc gắn nhãn dữ liệu riêng tư mà các công ty muốn đưa vào mô hình AI của mình, chẳng hạn như thông tin khách hàng hoặc dữ liệu nội bộ. </li> <li>Gắn nhãn dữ liệu kỹ thuật cao, chuyên ngành trong các lĩnh vực như pháp lý, tài chính và y tế càng đắt đỏ hơn. </li> <li>Các công ty phải thuê chuyên gia như bác sĩ, luật sư, tiến sĩ và nhà khoa học để gắn nhãn một số dữ liệu, hoặc thuê ngoài cho các công ty bên thứ ba như Scale AI, công ty đã huy động được 1 tỷ đô la đầu tư.</li> </ul> <p><strong>Thách thức và giải pháp:</strong></p> <ul> <li>Các chuyên gia trong lĩnh vực AI cho biết chi phí gắn nhãn dữ liệu có thể lên đến hàng triệu đô la, chiếm 80% ngân sách AI.</li> <li>Dữ liệu cũng cần được gắn nhãn lại để cập nhật theo thời gian.</li> <li>Một số công ty đang tìm cách giảm chi phí bằng cách sử dụng dữ liệu "tổng hợp" - được tạo ra bởi chính AI - để tự động hóa một phần việc thu thập và gắn nhãn dữ liệu. </li> <li>Trong một số trường hợp, các mô hình có thể tự động hóa hoàn toàn việc gắn nhãn dữ liệu, chẳng hạn như trong lĩnh vực dược phẩm.</li> </ul> <p><strong>Kết luận:</strong></p> <ul> <li>Gắn nhãn dữ liệu có thể tốn kém và mất thời gian, nhưng nó rất cần thiết cho việc phát triển AI.</li> <li>Chi phí gắn nhãn dữ liệu có thể tiếp tục tăng trong tương lai, khi AI ngày càng trở nên phức tạp và được sử dụng rộng rãi hơn.</li> </ul> <p><strong>Bài báo này cung cấp thông tin chi tiết về một vấn đề quan trọng liên quan đến chi phí phát triển AI, giúp người đọc hiểu rõ hơn về nguyên nhân và giải pháp cho vấn đề này.</strong></p><br><img alt="Blog post image" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg">

Chi phí AI tăng vọt: Không phải do chip Nvidia đắt hơn, mà là bởi…

Chi phí AI tăng vọt: Không phải do chip Nvidia đắt hơn, mà là bởi… AI đang ngày càng trở nên phổ biến và mạnh mẽ hơn, nhưng đi kèm với đó l...

Read more »