Trí tuệ nhân tạo trong nghiên cứu xã hội: Sử dụng chatbot để phỏng vấn

<h1></h1> <p><strong>Mục lục:</strong></p> <ol> <li>Giới thiệu</li> <li>Phương pháp nghiên cứu</li> <li>Kết quả nghiên cứu và phản hồi</li> <li>Nhận định và tranh luận</li> <li>Tương lai của công nghệ phỏng vấn AI</li> <li>Kết luận</li> </ol> <p><strong>1. Giới thiệu</strong></p> <p>Một nhóm nghiên cứu tại trường Kinh tế London đã tiến hành một thí nghiệm đầy tham vọng: sử dụng chatbot AI để phỏng vấn người dân về quan điểm của họ đối với các vấn đề quan trọng. Thí nghiệm này được thực hiện trong bối cảnh cuộc bầu cử lập pháp ở Pháp mùa hè vừa qua, nhằm đánh giá khả năng của AI trong việc đo lường dư luận công chúng.</p> <p><strong>2. Phương pháp nghiên cứu</strong></p> <p>Nhóm nghiên cứu đã sử dụng ChatGPT, một chatbot AI tiên tiến, để thực hiện các cuộc phỏng vấn trực tuyến. Để đảm bảo tính chuyên nghiệp, họ hướng dẫn ChatGPT mô phỏng cách thức giao tiếp của các giáo sư chuyên về phương pháp nghiên cứu định tính. Cụ thể, lệnh hướng dẫn là: “Anh/chị là giáo sư tại một trong những trường đại học hàng đầu thế giới, chuyên về phương pháp nghiên cứu định tính, tập trung vào việc thực hiện các cuộc phỏng vấn. Trong phần sau, anh/chị sẽ thực hiện một cuộc phỏng vấn với người tham gia để tìm hiểu động cơ và lý do lựa chọn bỏ phiếu của họ trong cuộc bầu cử lập pháp ngày 30 tháng 6 năm 2024 tại Pháp, một vài ngày sau cuộc phỏng vấn.”</p> <p>Những người tham gia được thông báo trước rằng họ sẽ được phỏng vấn bởi một chatbot, và được tuyển chọn thông qua nền tảng Prolific, một nền tảng phổ biến được các nhà nghiên cứu sử dụng để tìm người tham gia khảo sát.</p> <p><img alt="Researchers Try Using AI Chatbots to Conduct Interviews for Social Science Studies" src="https://edsurge.imgix.net/uploads/post/image/16093/robot_interviewing_human-1732249416.png?auto=compress%2Cformat&w=640&h=259&fit=crop" /></p> <p><strong>3. Kết quả nghiên cứu và phản hồi</strong></p> <p>Một phần của nghiên cứu tập trung vào việc đánh giá sự sẵn sàng của người tham gia chia sẻ quan điểm với một chatbot, cũng như khả năng của ChatGPT trong việc giữ đúng chủ đề và duy trì thái độ chuyên nghiệp để thu thập được những câu trả lời hữu ích.</p> <p>Kết quả cho thấy nhiều người tham gia đánh giá cao việc được phỏng vấn bởi chatbot, đặc biệt khi đề cập đến các chủ đề cá nhân nhạy cảm. Họ cảm thấy thoải mái hơn khi chia sẻ suy nghĩ với một thực thể không phán xét. Khoảng một nửa số người tham gia cho biết họ sẵn sàng tham gia lại cuộc phỏng vấn tương tự với AI. Tuy nhiên, khoảng 15% lại thích phỏng vấn với người thật, và 35% cho rằng họ không có sự khác biệt giữa hai phương pháp.</p> <p>Các nhà nghiên cứu đã giao bản ghi chép cuộc phỏng vấn của chatbot cho các nhà xã hội học để đánh giá chất lượng. Kết quả cho thấy chất lượng phỏng vấn của AI tương đương với "người phỏng vấn chuyên nghiệp trung bình". Tuy nhiên, nghiên cứu cũng chỉ ra rằng "các cuộc phỏng vấn do AI thực hiện chưa bao giờ đạt được chất lượng như những chuyên gia hàng đầu".</p> <p><strong>4. Nhận định và tranh luận</strong></p> <p>Trong khi các nhà nghiên cứu rất lạc quan về tiềm năng của chatbot AI, một số ý kiến phản hồi lại cho rằng việc thay thế nhà nghiên cứu bằng chatbot trong lĩnh vực này là chưa hợp lý. Giáo sư Andrew Gillen từ Đại học Northeastern cho rằng việc đơn thuần tăng số lượng người tham gia không tự động làm cho nghiên cứu tốt hơn. Ông nhấn mạnh tầm quan trọng của các cuộc phỏng vấn sâu sắc với một nhóm nhỏ người tham gia, và những cuộc phỏng vấn này nên do con người thực hiện. Ông cũng đề cập đến khái niệm "positionality" – vị thế của người phỏng vấn – mà chatbot không thể sở hữu, điều này sẽ ảnh hưởng đến chất lượng câu trả lời.</p> <p><strong>5. Tương lai của công nghệ phỏng vấn AI</strong></p> <p>Nhóm nghiên cứu đã công khai nền tảng phỏng vấn của họ, tạo điều kiện cho các nhà nghiên cứu khác sử dụng và phát triển. Họ cũng có kế hoạch bổ sung khả năng giao tiếp bằng giọng nói cho nền tảng, giúp quá trình phỏng vấn trở nên tự nhiên hơn. Giáo sư Jaravel tin rằng công nghệ này có tiềm năng hỗ trợ thu thập thông tin chi tiết hơn so với các khảo sát trực tuyến thông thường, giúp mở rộng phạm vi nghiên cứu.</p> <p><strong>6. Kết luận</strong></p> <p>Việc sử dụng chatbot AI để thực hiện phỏng vấn trong nghiên cứu xã hội là một bước tiến đầy triển vọng nhưng cũng gây ra nhiều tranh luận. Trong khi AI có thể giúp thu thập dữ liệu từ số lượng lớn người tham gia một cách nhanh chóng và hiệu quả, nó vẫn chưa thể thay thế hoàn toàn sự tinh tế và khả năng thấu hiểu con người của một nhà nghiên cứu. Tuy nhiên, việc phát triển công nghệ này sẽ mở ra nhiều hướng nghiên cứu mới và tiềm năng ứng dụng trong tương lai. Công việc của nhóm nghiên cứu tại trường Kinh tế London là một ví dụ điển hình cho thấy sự cần thiết của việc cân nhắc kỹ lưỡng cả tiềm năng và hạn chế của AI trong các lĩnh vực nghiên cứu xã hội.</p>

Trí tuệ nhân tạo trong nghiên cứu xã hội: Sử dụng chatbot để phỏng vấn

Mục lục: Giới thiệu Phương pháp nghiên cứu Kết quả nghiên cứu và phản hồi Nhận định và tranh luận Tương lai của công nghệ phỏng vấn A...

Read more »

Tương lai Phát triển Phần mềm với AI: Cái nhìn sâu sắc từ CEO Replit, Amjad Masad

<h1>Tương lai Phát triển Phần mềm với AI: Cái nhìn sâu sắc từ CEO Replit, Amjad Masad</h1> <p><strong>Mục lục</strong></p> <ol> <li>Replit và tầm nhìn về tương lai phát triển phần mềm</li> <li>Công nghệ AI trong Replit: Khả năng và ứng dụng</li> <li>Ảnh hưởng của AI đến người quản lý sản phẩm, nhà thiết kế và kỹ sư</li> <li>Kỹ năng cần thiết cho tương lai: Tư duy sáng tạo và khả năng giải quyết vấn đề</li> </ol> <hr /> <p><strong>1. Replit và tầm nhìn về tương lai phát triển phần mềm</strong></p> <p>Amjad Masad, đồng sáng lập và CEO của Replit, chia sẻ những thông tin sâu sắc về nền tảng lập trình dựa trên trình duyệt này. Replit, với 34 triệu người dùng toàn cầu, đang là một trong những cộng đồng nhà phát triển phát triển nhanh nhất thế giới. Trước khi thành lập Replit, Amjad từng làm việc tại Facebook, dẫn dắt nhóm cơ sở hạ tầng JavaScript và đóng góp vào các công cụ phát triển mã nguồn mở phổ biến. Ông cũng là một kỹ sư sáng lập quan trọng tại Codecademy, trường học lập trình trực tuyến.</p> <p>Amjad tin rằng Replit đang định hình lại tương lai của phát triển phần mềm, cho phép bất kỳ ai cũng có thể viết và triển khai mã. Đây không chỉ là một công cụ lập trình thông thường, mà còn là một nền tảng kết nối cộng đồng, thúc đẩy sự sáng tạo và hợp tác trong lĩnh vực công nghệ. Tầm nhìn của Amjad hướng tới việc làm cho việc lập trình trở nên dễ dàng và tiếp cận được với nhiều người hơn, bất kể trình độ hay kinh nghiệm. Việc này sẽ mở ra vô số cơ hội mới cho các cá nhân và doanh nghiệp, thúc đẩy sự phát triển nhanh chóng của ngành công nghệ.</p> <p>Việc tiếp cận dễ dàng với công nghệ lập trình cũng sẽ tạo ra sự cạnh tranh mạnh mẽ, dẫn đến sự đổi mới không ngừng. Amjad nhận định, Replit không chỉ là một sản phẩm, mà còn là một phần của một hệ sinh thái lớn hơn, nơi các nhà phát triển có thể học hỏi, chia sẻ kinh nghiệm và cùng nhau tạo ra các ứng dụng đột phá. Replit đang xây dựng một tương lai nơi việc phát triển phần mềm trở nên dễ dàng, nhanh chóng và hiệu quả hơn bao giờ hết.</p> <p>Thế giới đang chuyển từ một mô hình tập trung vào việc triển khai các ý tưởng thành một mô hình tập trung vào việc tạo ra nhiều ý tưởng hơn. Replit đóng góp vào sự chuyển đổi này bằng cách cung cấp một nền tảng mạnh mẽ, cho phép các nhà phát triển nhanh chóng biến ý tưởng thành hiện thực.</p> <hr /> <p><strong>2. Công nghệ AI trong Replit: Khả năng và ứng dụng</strong></p> <p>Replit không chỉ đơn thuần là một môi trường lập trình trực tuyến, mà còn được tích hợp mạnh mẽ với trí tuệ nhân tạo (AI). AI trong Replit đóng vai trò hỗ trợ đắc lực cho người dùng trong suốt quá trình phát triển phần mềm, từ việc tạo ra các đoạn mã đến việc gỡ lỗi và tối ưu hóa hiệu suất.</p> <p>Một trong những tính năng nổi bật của Replit là khả năng tạo ra các ứng dụng web đầy đủ (full-stack) chỉ từ một lời nhắc văn bản đơn giản. AI của Replit sẽ tự động tạo ra mã nguồn cần thiết, bao gồm cả phần front-end và back-end, giúp người dùng tiết kiệm thời gian và công sức đáng kể. Điều này mở ra khả năng cho phép người dùng không cần phải có kiến thức chuyên sâu về lập trình vẫn có thể tạo ra các ứng dụng phức tạp.</p> <img alt="Replit Screenshot" src="https://substackcdn.com/image/fetch/w_520,h_272,c_fill,f_auto,q_auto:good,fl_progressive:steep,g_auto/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F0bbd93ef-8250-4b11-aef0-7c40d90cb444_2048x2048.png" width="500" /> <p>Hơn nữa, AI trong Replit còn có khả năng hỗ trợ việc gỡ lỗi, gợi ý mã và tự động hoàn thành mã, giúp người dùng viết mã nhanh hơn và hiệu quả hơn. AI sẽ phân tích mã nguồn và đề xuất các giải pháp tối ưu, giúp người dùng tránh được những lỗi thường gặp. Đặc biệt hữu ích đối với những người mới bắt đầu học lập trình, AI sẽ hướng dẫn từng bước và hỗ trợ họ hiểu rõ hơn về mã nguồn của mình.</p> <p>Ngoài ra, Replit còn hỗ trợ nhiều ngôn ngữ lập trình khác nhau, từ các ngôn ngữ phổ biến như Python, JavaScript, Java đến các ngôn ngữ chuyên dụng hơn. Sự đa dạng về ngôn ngữ lập trình cho phép người dùng lựa chọn công cụ phù hợp nhất với dự án của mình. Việc tích hợp với nhiều công cụ và thư viện khác cũng giúp mở rộng khả năng của Replit, cho phép người dùng tạo ra những ứng dụng đa dạng và phức tạp hơn.</p> <p>Công nghệ AI trong Replit còn cho phép việc tạo ra các nguyên mẫu nhanh chóng (prototyping). Các kỹ sư bán hàng có thể sử dụng Replit để tạo ra các ứng dụng minh họa cách sản phẩm hoạt động với các API hoặc tích hợp khác, cung cấp cho khách hàng và nhóm dự án các bản demo hữu hình, giúp đưa ra quyết định nhanh hơn và thống nhất kỳ vọng.</p> <p>Khả năng của AI trong Replit không chỉ dừng lại ở việc hỗ trợ lập trình, mà còn mở rộng sang các khía cạnh khác của phát triển phần mềm, giúp tăng cường hiệu quả và chất lượng của toàn bộ quy trình.</p> <hr /> <p><strong>3. Ảnh hưởng của AI đến người quản lý sản phẩm, nhà thiết kế và kỹ sư</strong></p> <p>Sự xuất hiện của AI trong phát triển phần mềm, đặc biệt như được thể hiện trong Replit, sẽ tác động mạnh mẽ đến vai trò và trách nhiệm của nhiều người trong một dự án công nghệ. Đối với người quản lý sản phẩm (PM), AI giúp rút ngắn thời gian tạo nguyên mẫu, cho phép thử nghiệm ý tưởng nhanh hơn và phản hồi hiệu quả hơn với khách hàng. Tuy nhiên, PM vẫn cần đảm bảo định hướng chiến lược, hiểu rõ nhu cầu người dùng và quản lý quá trình phát triển toàn diện. AI trở thành công cụ hỗ trợ đắc lực, nhưng không thể thay thế hoàn toàn sự phán đoán và kinh nghiệm của PM.</p> <p>Nhà thiết kế cũng sẽ nhận được những lợi ích từ AI trong Replit. Việc tạo ra nguyên mẫu giao diện người dùng (UI) trở nên nhanh chóng và dễ dàng hơn. AI có thể tự động tạo ra các thiết kế dựa trên lời nhắc văn bản, hỗ trợ nhà thiết kế nhanh chóng đưa ra các ý tưởng mới và thử nghiệm các giao diện khác nhau. Tuy nhiên, nhà thiết kế vẫn cần đảm bảo tính thẩm mỹ, trải nghiệm người dùng tốt, và sự nhất quán trong thiết kế. AI hỗ trợ trong việc tạo hình, nhưng sự sáng tạo và thẩm mỹ vẫn là yếu tố quyết định của nhà thiết kế.</p><p>Đối với các kỹ sư, AI giúp tự động hóa một số nhiệm vụ lặp đi lặp lại, như viết mã cơ bản, gỡ lỗi, và tối ưu hóa mã. Điều này giúp kỹ sư tập trung vào những nhiệm vụ phức tạp hơn, đòi hỏi khả năng tư duy sáng tạo và giải quyết vấn đề cao hơn. Tuy nhiên, kỹ sư vẫn cần kiến thức sâu rộng về lập trình để hiểu cách AI hoạt động, và để có thể kiểm tra, sửa lỗi và tối ưu hóa mã do AI tạo ra. Khả năng “gỡ lỗi” mã do AI tạo ra, được Amjad gọi là “Amjad’s Law”, đang trở nên ngày càng quan trọng.</p> <p>Tóm lại, AI không phải là sự thay thế cho con người trong phát triển phần mềm mà là một công cụ hỗ trợ đắc lực. Sự hợp tác giữa con người và AI sẽ tạo ra hiệu quả cao hơn và chất lượng sản phẩm tốt hơn. Các chuyên gia trong ngành cần phải thích nghi và nâng cao kỹ năng của mình để tận dụng tối đa sức mạnh của AI. Sự thay đổi nhanh chóng trong công nghệ đòi hỏi sự linh hoạt và sẵn sàng thích ứng với những xu hướng mới.</p> <hr /> <p><strong>4. Kỹ năng cần thiết cho tương lai: Tư duy sáng tạo và khả năng giải quyết vấn đề</strong></p> <p>Trong kỷ nguyên AI, khả năng tạo ra nhiều ý tưởng nhanh chóng đang trở thành một kỹ năng vô cùng quan trọng. Không chỉ dừng lại ở việc triển khai ý tưởng, mà việc tạo ra những ý tưởng mới, độc đáo và có khả năng giải quyết vấn đề thực tế mới là chìa khóa thành công. Việc rèn luyện khả năng này sẽ giúp bạn tạo ra sản phẩm nhanh hơn, hiệu quả hơn và đáp ứng được nhu cầu ngày càng cao của thị trường.</p> <iframe allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" allowfullscreen="" frameborder="0" height="315" src="https://www.youtube.com/embed/Bp_h674oIhw" title="YouTube video player" width="560"></iframe> <p>Việc học lập trình theo cách truyền thống đang dần trở nên lỗi thời. Mô hình mới là học cách tương tác với các công cụ AI để hỗ trợ tạo ra và gỡ lỗi mã. Giá trị của kiến thức lập trình cơ bản tăng gấp đôi chỉ trong vòng 6 tháng, vì vậy việc nắm bắt các công cụ AI hỗ trợ tăng năng suất và sáng tạo là điều cần thiết, nhất là đối với những người làm trong lĩnh vực phát triển sản phẩm.</p> <p>AI mạnh mẽ nhưng không hoàn hảo. Để khai thác tối đa tiềm năng của AI, bạn cần hiểu cách mọi thứ hoạt động cùng nhau: máy chủ, API, cơ sở dữ liệu, v.v... Khả năng chẩn đoán và khắc phục sự cố càng tốt, bạn sẽ càng hiệu quả hơn trong môi trường làm việc đang không ngừng phát triển. AI có thể là tương lai, nhưng nó vẫn cần con người để đảm bảo mọi thứ hoạt động trơn tru.</p> <p>Cuối cùng, sự tăng trưởng theo cấp số nhân của AI sẽ dẫn đến sự gia tăng mạnh mẽ về mức độ tiêu thụ phần mềm khi chi phí giảm. Đây là “Nghịch lý Jevons” – khi chi phí xây dựng phần mềm giảm, khối lượng phần mềm được tạo ra sẽ tăng lên. Hơn nữa, sự hiệu quả về chi phí của việc phát triển phần mềm dựa trên AI sẽ giúp bất cứ ai cũng có thể bắt đầu xây dựng một thứ gì đó mới mẻ. Hãy chuẩn bị sẵn sàng cho sự thay đổi và nắm bắt cơ hội.</p>

Tương lai Phát triển Phần mềm với AI: Cái nhìn sâu sắc từ CEO Replit, Amjad Masad

Tương lai Phát triển Phần mềm với AI: Cái nhìn sâu sắc từ CEO Replit, Amjad Masad Mục lục Replit và tầm nhìn về tương lai phát triển phần...

Read more »

Vượt trội GPT-4o với Llama 3 8B: Điều chỉnh tinh chỉnh theo miền cụ thể cho RAG

<h1>Vượt trội GPT-4o với Llama 3 8B: Điều chỉnh tinh chỉnh theo miền cụ thể cho RAG</h1> <p><strong>Mục lục:</strong></p> <ol> <li>Giới thiệu</li> <li>Giải pháp toàn diện với mô hình ngôn ngữ lớn mã nguồn mở</li> <li>Tại sao cần điều chỉnh tinh chỉnh?</li> <li>Kết quả đánh giá</li> <li>Ví dụ đánh giá</li> <li>Kết luận</li> </ol> <h2>1. Giới thiệu</h2> <p>Nhiều khách hàng của chúng tôi nhận thấy rằng mặc dù các mô hình mã nguồn đóng từ OpenAI và Anthropic hoạt động tốt đối với các tác vụ chung, nhưng chúng không đủ hiệu quả để áp dụng vào hoạt động kinh doanh cốt lõi, nơi mà hiệu suất tác vụ chuyên biệt, chi phí vận hành quy mô lớn và quyền sở hữu mô hình trở nên quan trọng. Bài viết này chia sẻ cách chúng tôi giúp khách hàng sử dụng AI để tự động hóa các tác vụ độc quyền này với các mô hình mã nguồn mở được tinh chỉnh. Chất lượng cao hơn này cho phép khách hàng mở khóa khả năng tự động hóa không có sẵn với các mô hình chung, đồng thời chạy nhanh hơn 13 lần và rẻ hơn 33 lần so với GPT-4o, và nằm trong một mô hình thuộc sở hữu mà họ có thể sử dụng với dữ liệu nhạy cảm, bên trong tường lửa của họ.</p> <h2>2. Giải pháp toàn diện với mô hình ngôn ngữ lớn mã nguồn mở</h2> <p>Bài viết này mô tả một giải pháp toàn diện chỉ sử dụng các Mô hình Ngôn ngữ Lớn (LLM) mã nguồn mở để:</p> <ol> <li><p><strong>Tạo tập dữ liệu Câu hỏi & Câu trả lời để tinh chỉnh các mô hình nhỏ hơn và nhanh hơn:</strong></p> <ul> <li>Trích xuất dữ liệu từ tài liệu và sử dụng Llama 3 8B với tốc độ trên 1000 token/giây để tạo hàng nghìn cặp Câu hỏi & Câu trả lời.</li> <li>Tinh chỉnh Llama 3 70B để lọc các cặp Câu hỏi & Câu trả lời chất lượng thấp và chạy bước kiểm soát chất lượng tập dữ liệu với tốc độ trên 570 token/giây.</li> </ul> </li> <li><p><strong>Xây dựng ứng dụng RAG (Retrieval Augmented Generation - Tạo nội dung được tăng cường bằng truy xuất):</strong></p> <ul> <li>Tinh chỉnh các embedding mã nguồn mở (như Microsoft’s E5 Large V2) để tạo đường dẫn truy xuất tốc độ cao và chính xác, vượt trội so với embedding hàng đầu của OpenAI: Text Embedding 3 Large.</li> <li>Tinh chỉnh các LLM mã nguồn mở (như Llama 3 8B) để tạo câu trả lời từ ngữ cảnh được truy xuất với tốc độ 1000 token/giây và chính xác hơn so với GPT4-o hàng đầu của OpenAI.</li> <li>Đánh giá câu trả lời RAG bằng Llama 3.1 405B, mô hình đã được chứng minh là cung cấp hiệu suất đánh giá hàng đầu.</li> </ul> </li> </ol> <img alt="raft-blog-1" height="953" loading="lazy" sizes="(max-width: 1600px) 100vw, 1600px" src="https://sambanova.ai/hs-fs/hubfs/raft-blog-1.png?width=1600&height=953&name=raft-blog-1.png" srcset="https://sambanova.ai/hs-fs/hubfs/raft-blog-1.png?width=800&height=477&name=raft-blog-1.png 800w, https://sambanova.ai/hs-fs/hubfs/raft-blog-1.png?width=1600&height=953&name=raft-blog-1.png 1600w, https://sambanova.ai/hs-fs/hubfs/raft-blog-1.png?width=2400&height=1430&name=raft-blog-1.png 2400w, https://sambanova.ai/hs-fs/hubfs/raft-blog-1.png?width=3200&height=1906&name=raft-blog-1.png 3200w, https://sambanova.ai/hs-fs/hubfs/raft-blog-1.png?width=4000&height=2383&name=raft-blog-1.png 4000w, https://sambanova.ai/hs-fs/hubfs/raft-blog-1.png?width=4800&height=2859&name=raft-blog-1.png 4800w" style="height: auto; max-width: 100%; width: 1600px;" width="1600" /> <p><em>Hình trên mô tả quá trình toàn diện từ tạo tập dữ liệu đến sử dụng trong RAG.</em></p> <h2>3. Tại sao cần điều chỉnh tinh chỉnh?</h2> <p>Điều chỉnh tinh chỉnh có thể không cần thiết đối với nhiều trường hợp sử dụng mà cơ sở kiến thức không chứa thuật ngữ chuyên ngành. Tuy nhiên, khi có thuật ngữ chuyên ngành, embedding và LLM có thể không biết cách mã hóa chúng ngay lập tức và điều chỉnh tinh chỉnh có thể giúp ích. Hơn nữa, việc tinh chỉnh các mô hình nhỏ hơn có thể đạt được độ chính xác cao hơn so với các mô hình lớn hơn nhiều trong khi cung cấp năng suất cao hơn (khả năng xử lý nhiều câu hỏi hơn mỗi giây).</p> <h2>4. Kết quả đánh giá</h2> <p>Các kết quả sau so sánh hiệu suất của các mô hình embedding có và không được tinh chỉnh trên một tập dữ liệu chuyên ngành chứa thuật ngữ an ninh mạng:</p> <img alt="raft-blog-2" height="320" loading="lazy" sizes="(max-width: 1434px) 100vw, 1434px" src="https://sambanova.ai/hs-fs/hubfs/raft-blog-2.png?width=1434&height=320&name=raft-blog-2.png" srcset="https://sambanova.ai/hs-fs/hubfs/raft-blog-2.png?width=717&height=160&name=raft-blog-2.png 717w, https://sambanova.ai/hs-fs/hubfs/raft-blog-2.png?width=1434&height=320&name=raft-blog-2.png 1434w, https://sambanova.ai/hs-fs/hubfs/raft-blog-2.png?width=2151&height=480&name=raft-blog-2.png 2151w, https://sambanova.ai/hs-fs/hubfs/raft-blog-2.png?width=2868&height=640&name=raft-blog-2.png 2868w, https://sambanova.ai/hs-fs/hubfs/raft-blog-2.png?width=3585&height=800&name=raft-blog-2.png 3585w, https://sambanova.ai/hs-fs/hubfs/raft-blog-2.png?width=4302&height=960&name=raft-blog-2.png 4302w" style="height: auto; max-width: 100%; width: 1434px;" width="1434" /> <p><em>Thu hồi ngữ cảnh đề cập đến khả năng của các mô hình trong việc mã hóa tài liệu sao cho các tài liệu có liên quan được trả về trong kết quả top k cho một câu hỏi nhất định.</em></p> <p>Đường dẫn RAG kết hợp các mô hình embedding để truy xuất và LLM để tạo câu trả lời bằng cách sử dụng ngữ cảnh được truy xuất. Các bước trong đường dẫn RAG, hỗ trợ chatbot, được mô tả trong sơ đồ sau:</p> <img alt="raft-blog-3" height="674" loading="lazy" sizes="(max-width: 1600px) 100vw, 1600px" src="https://sambanova.ai/hs-fs/hubfs/raft-blog-3.png?width=1600&height=674&name=raft-blog-3.png" srcset="https://sambanova.ai/hs-fs/hubfs/raft-blog-3.png?width=800&height=337&name=raft-blog-3.png 800w, https://sambanova.ai/hs-fs/hubfs/raft-blog-3.png?width=1600&height=674&name=raft-blog-3.png 1600w, https://sambanova.ai/hs-fs/hubfs/raft-blog-3.png?width=2400&height=1011&name=raft-blog-3.png 2400w, https://sambanova.ai/hs-fs/hubfs/raft-blog-3.png?width=3200&height=1348&name=raft-blog-3.png 3200w, https://sambanova.ai/hs-fs/hubfs/raft-blog-3.png?width=4000&height=1685&name=raft-blog-3.png 4000w, https://sambanova.ai/hs-fs/hubfs/raft-blog-3.png?width=4800&height=2022&name=raft-blog-3.png 4800w" style="height: auto; max-width: 100%; width: 1600px;" width="1600" /> <p>Bảng sau đây trình bày kết quả đối với các cấu hình khác nhau của đường dẫn RAG được sử dụng trên tập dữ liệu an ninh mạng. Cột đầu tiên sử dụng các mô hình hàng đầu từ OpenAI, chẳng hạn như embedding Text Embedding 3 Large (TE-3-L) và LLM GPT-4o. Các cột còn lại có các kết hợp của mô hình không được tinh chỉnh ("Base") và mô hình được "Tinh chỉnh" với lý do (bao gồm cả quá trình "suy nghĩ" cùng với "câu trả lời" cho một "câu hỏi"). "Emb" đề cập đến embedding E5 V2 Large và "Gen" đề cập đến Llama 3 8B.</p> <img alt="raft-blog-4" height="352" loading="lazy" sizes="(max-width: 1428px) 100vw, 1428px" src="https://sambanova.ai/hs-fs/hubfs/raft-blog-4.png?width=1428&height=352&name=raft-blog-4.png" srcset="https://sambanova.ai/hs-fs/hubfs/raft-blog-4.png?width=714&height=176&name=raft-blog-4.png 714w, https://sambanova.ai/hs-fs/hubfs/raft-blog-4.png?width=1428&height=352&name=raft-blog-4.png 1428w, https://sambanova.ai/hs-fs/hubfs/raft-blog-4.png?width=2142&height=528&name=raft-blog-4.png 2142w, https://sambanova.ai/hs-fs/hubfs/raft-blog-4.png?width=2856&height=704&name=raft-blog-4.png 2856w, https://sambanova.ai/hs-fs/hubfs/raft-blog-4.png?width=3570&height=880&name=raft-blog-4.png 3570w, https://sambanova.ai/hs-fs/hubfs/raft-blog-4.png?width=4284&height=1056&name=raft-blog-4.png 4284w" style="height: auto; max-width: 100%; width: 1428px;" width="1428" /> <p>Rõ ràng từ các kết quả trên, việc tinh chỉnh cả mô hình embedding và mô hình tạo ra độ chính xác cao nhất trong việc truy xuất và tạo kết quả. Cần lưu ý rằng các mô hình được tinh chỉnh nhỏ hơn nhiều so với các mô hình OpenAI mà chúng ta đang so sánh, mang lại lợi thế về năng suất ngoài độ chính xác. Trong bảng trên:</p> <ul> <li>"Thành công phân tích câu trả lời" đề cập đến khả năng của LLM trong việc tạo ra câu trả lời và tài liệu tham khảo theo định dạng bắt buộc để phân tích downstream. Lưu ý rằng việc tinh chỉnh LLM tạo ra sự khớp hoàn hảo với định dạng yêu cầu.</li> <li>"Tài liệu tham khảo chính xác" đề cập đến khả năng của mô hình trong việc đưa ra tài liệu tham khảo chính xác đến tài liệu chứa câu trả lời chính xác. GPT-4o hoạt động tốt hơn một chút ở đây với sự trợ giúp của embedding mã nguồn mở được tinh chỉnh.</li> <li>"Độ chính xác trung bình (mềm)" đề cập đến độ chính xác của mô hình, do Llama 3 405 xác định, đồng thời đưa ra các nhượng bộ cho sự thất bại của thành phần truy xuất/embedding của đường dẫn. Nếu tài liệu có liên quan đến câu hỏi không được truy xuất, thì mô hình phải tuyên bố không biết câu trả lời. Sự kết hợp embedding và tạo được tinh chỉnh hoạt động tốt nhất.</li> <li>"Độ chính xác trung bình (cứng)" đề cập đến độ chính xác của mô hình, do LLama 3 405 xác định, bất kể thành phần truy xuất/embedding của đường dẫn có trả về ngữ cảnh không liên quan hay không. Sự kết hợp embedding và tạo được tinh chỉnh hoạt động tốt nhất. Mặc dù các mô hình được tinh chỉnh chưa thấy các câu hỏi được sử dụng trong quá trình đánh giá (thuộc tập dữ liệu giữ lại), nhưng chúng rất quen thuộc với cơ sở kiến thức của các tài liệu và điều đó mang lại cho chúng lợi thế trong việc trả lời câu hỏi một cách chính xác.</li> </ul> <h2>5. Ví dụ đánh giá</h2> <p>Sau đây là một ví dụ về đánh giá được thực hiện bởi Llama 3 405B, được nhắc nhở để cung cấp điểm số và lý do đưa ra điểm số đó:</p> <img alt="raft-blog-5" height="1080" loading="lazy" sizes="(max-width: 1600px) 100vw, 1600px" src="https://sambanova.ai/hs-fs/hubfs/raft-blog-5.png?width=1600&height=1080&name=raft-blog-5.png" srcset="https://sambanova.ai/hs-fs/hubfs/raft-blog-5.png?width=800&height=540&name=raft-blog-5.png 800w, https://sambanova.ai/hs-fs/hubfs/raft-blog-5.png?width=1600&height=1080&name=raft-blog-5.png 1600w, https://sambanova.ai/hs-fs/hubfs/raft-blog-5.png?width=2400&height=1620&name=raft-blog-5.png 2400w, https://sambanova.ai/hs-fs/hubfs/raft-blog-5.png?width=3200&height=2160&name=raft-blog-5.png 3200w, https://sambanova.ai/hs-fs/hubfs/raft-blog-5.png?width=4000&height=2700&name=raft-blog-5.png 4000w, https://sambanova.ai/hs-fs/hubfs/raft-blog-5.png?width=4800&height=3240&name=raft-blog-5.png 4800w" style="height: auto; max-width: 100%; width: 1600px;" width="1600" /> <p>Trong ví dụ trên, tất cả các embedding đều tìm thấy tài liệu chính xác (d*) trong thành phần truy xuất và xếp hạng nó trong top 3. GPT-4o tạo ra câu trả lời kém chính xác hơn so với Llama 3 8B được tinh chỉnh. Giống như GPT-4o, ngay cả Llama 3 8B cơ bản cũng không đề cập đến việc "kiểm thử và gỡ lỗi" là mục đích của khóa đăng ký 'Office Test'. Điều đó là bất chấp thực tế là tên của khóa ngụ ý mục đích và mục đích được nêu rõ trong tài liệu. Điều đó cho thấy rằng việc tinh chỉnh mô hình tạo ra với các lý do có thể giúp cải thiện khả năng lập luận.</p> <h2>6. Kết luận</h2> <p>Tóm lại, các mô hình mã nguồn mở nhỏ hơn có thể được tận dụng và tinh chỉnh để vượt trội hơn các mô hình độc quyền hàng đầu, cả về tốc độ và độ chính xác.</p> <p>Để biết thêm chi tiết về thiết lập các kết quả trên, vui lòng tham khảo bài báo sau: <a href="http://arxiv.org/abs/2411.01073">AttackQA: Phát triển và áp dụng tập dữ liệu để hỗ trợ hoạt động an ninh mạng bằng cách sử dụng LLM mã nguồn mở và được tinh chỉnh</a>.</p> <p><br /></p>

Vượt trội GPT-4o với Llama 3 8B: Điều chỉnh tinh chỉnh theo miền cụ thể cho RAG

Vượt trội GPT-4o với Llama 3 8B: Điều chỉnh tinh chỉnh theo miền cụ thể cho RAG Mục lục: Giới thiệu Giải pháp toàn diện với mô hình ngôn...

Read more »

Google Gemini AI: Nâng cấp bộ nhớ và khả năng nghệ thuật

<h1>Google Gemini AI: Nâng cấp bộ nhớ và khả năng nghệ thuật</h1> <p><strong>Mục lục</strong></p> <ol> <li>[Gemini AI: Bộ nhớ cá nhân hóa]</li> <li>[Google Keep: Biến nét vẽ thành tác phẩm nghệ thuật]</li> <li>[Kết luận]</li> </ol> <h2>1. Gemini AI: Bộ nhớ cá nhân hóa</h2> <p>Google đang nâng cấp trợ lý AI Gemini, cho phép nó lưu trữ và tham khảo thông tin cá nhân về người dùng, bao gồm sở thích và điều người dùng không thích. Tương tự như tính năng bộ nhớ của ChatGPT, Gemini sẽ ghi nhớ các chi tiết cá nhân này, tạo trải nghiệm cá nhân hoá hơn.</p> <p>Bạn có thể cung cấp cho Gemini thông tin về tiểu sử, sở thích, mục tiêu và nhiều hơn nữa. Ngoài ra, bạn cũng có thể hướng dẫn Gemini ghi nhớ thông tin trong quá trình trò chuyện hoặc thông qua trang "Thông tin đã lưu". Trang này cho phép bạn chỉnh sửa và xóa thông tin đã lưu. Gemini thậm chí sẽ thông báo cho bạn mỗi khi nó sử dụng thông tin từ trang này.</p> <p><img alt="Google Gemini Memory" src="https://cdn.mos.cms.futurecdn.net/v2/t:0,l:0,cw:0,ch:0,q:80,w:320/b9DjJP94YiDrzdj3Av29E9.png" /></p> <p>Tính năng này nhằm mục đích loại bỏ sự lặp lại trong việc giải thích thông tin, đặc biệt hữu ích cho các dự án kéo dài nhiều cuộc trò chuyện. Google cho rằng các nhà phát triển ứng dụng, nhà văn, sinh viên và nhiều đối tượng khác sẽ được hưởng lợi từ sự tối ưu hóa này. Hiện tại, tính năng bộ nhớ chỉ hoạt động bằng tiếng Anh và yêu cầu đăng ký Gemini Advanced thông qua Gói Google One AI Premium.</p> <h2>2. Google Keep: Biến nét vẽ thành tác phẩm nghệ thuật</h2> <p>Bên cạnh việc nâng cấp Gemini, Google còn hé lộ một tính năng sáng tạo thú vị trên Google Keep. Theo mã nguồn được tìm thấy, Google Keep sẽ sớm tích hợp AI để biến những bản phác thảo và hình vẽ của người dùng thành các tác phẩm nghệ thuật chuyên nghiệp, thậm chí cả sơ đồ kỹ thuật.</p> <p>AI của Google Keep có khả năng phân biệt giữa hình vẽ và văn bản, từ đó hiểu và xử lý thông tin một cách chính xác. Mã nguồn cũng gợi ý về một công cụ tạo ảnh AI riêng biệt, chuyên biến văn bản thành hình ảnh có thể được phác thảo trên Google Keep. Mặc dù chưa có thông báo chính thức về ngày ra mắt, nhưng tình trạng mã nguồn cho thấy tính năng này sẽ sớm được tung ra.</p> <h2>3. Kết luận</h2> <p>Cả hai tính năng trên đều tập trung vào việc làm cho việc tương tác với AI trở nên mượt mà và dễ dàng hơn. Từ việc Gemini ghi nhớ sở thích của bạn để đề xuất sách phù hợp, cho đến Google Keep biến những nét vẽ ngẫu hứng thành tác phẩm nghệ thuật, các tính năng này đều hướng đến việc rút ngắn khoảng cách giữa mong muốn của người dùng và kết quả mà AI mang lại.</p> <p><br /></p>

Google Gemini AI: Nâng cấp bộ nhớ và khả năng nghệ thuật

Google Gemini AI: Nâng cấp bộ nhớ và khả năng nghệ thuật Mục lục [Gemini AI: Bộ nhớ cá nhân hóa] [Google Keep: Biến nét vẽ thành tác phẩ...

Read more »

OpenAI hướng dẫn giáo viên sử dụng AI: Bài học cho doanh nghiệp

<h1>OpenAI hướng dẫn giáo viên sử dụng AI: Bài học cho doanh nghiệp</h1> <p><strong>Mục lục:</strong></p> <ol> <li>OpenAI và vấn đề đạo đức trong giáo dục</li> <li>Khóa học trực tuyến của OpenAI dành cho giáo viên</li> <li>Phản hồi trái chiều và thách thức</li> <li>Bài học cho doanh nghiệp từ hướng dẫn của OpenAI</li> <li>Kết luận: Tương lai của AI trong giáo dục và doanh nghiệp</li> </ol> <p><strong>1. OpenAI và vấn đề đạo đức trong giáo dục</strong></p> <p>OpenAI, công ty tiên phong trong cuộc cách mạng AI, thường bị chỉ trích vì việc học sinh sử dụng công nghệ của họ để "gian lận" trong bài tập về nhà. Vấn đề này đã trở nên nghiêm trọng đến mức một số giáo viên phải tìm cách để phát hiện học sinh sử dụng AI trái phép, trong khi trên diễn đàn cộng đồng của OpenAI, các nhà phát triển tranh luận sôi nổi về việc bảo vệ "tính toàn vẹn học thuật". Trước tình hình này, OpenAI đã có một bước đi chủ động bằng cách phát hành một khóa học trực tuyến miễn phí nhằm giúp các giáo viên từ cấp tiểu học đến trung học tích hợp công nghệ chatbot của họ vào công việc giảng dạy.</p> <p><strong>2. Khóa học trực tuyến của OpenAI dành cho giáo viên</strong></p> <p>Khóa học này được phát triển cùng với Common Sense Media, một tổ chức phi lợi nhuận mà OpenAI hợp tác từ tháng 1 năm nay với cam kết "cùng nhau xây dựng các hướng dẫn và tài liệu giáo dục về AI". Theo trang tin TechCrunch, khóa học kéo dài một giờ, gồm chín module, giải thích về cốt lõi của công nghệ AI và cách sử dụng nó trong môi trường giáo dục. OpenAI cho biết khóa học đã được sử dụng tại "hàng chục" trường học và nghiên cứu nội bộ cho thấy 98% người tham gia có cảm nhận tích cực về việc sử dụng công nghệ này – cho rằng nó mang đến những ý tưởng mới trong công việc.</p> <p>Tuy nhiên, kết quả khảo sát tích cực này từ chính OpenAI lại gây ra nhiều nghi ngờ. TechCrunch dẫn lời các giáo viên và nhà phê bình đặt câu hỏi về giá trị của các module về quyền riêng tư và an toàn, đồng thời lưu ý rằng không có nhiều hướng dẫn về cách OpenAI sử dụng nội dung do giáo viên tạo ra cho mục đích riêng của mình.</p> <p><strong>3. Phản hồi trái chiều và thách thức</strong></p> <p>Đây không phải là lần đầu tiên OpenAI hướng đến các nhà giáo dục. Đầu năm nay, họ đã phát hành ChatGPT Edu, một phiên bản chatbot dành riêng cho nhân viên cấp đại học. Trang web của công ty cho biết chatbot này, được hỗ trợ bởi thuật toán GPT-4o mạnh mẽ, "có thể lập luận trên văn bản và hình ảnh, sử dụng các công cụ tiên tiến như phân tích dữ liệu", đồng thời bao gồm "bảo mật và điều khiển cấp doanh nghiệp". Công ty cho biết AI chuyên dụng này có giá cả "phù hợp với các tổ chức giáo dục". Điều quan trọng là, các cuộc trò chuyện thông qua cổng thông tin này "không được sử dụng để huấn luyện các mô hình OpenAI", điều này, hy vọng, sẽ bảo vệ dữ liệu của học sinh và bất kỳ thông tin cá nhân nào mà họ nhập vào chatbot.</p> <p>Tuy nhiên, việc sử dụng AI trong các cơ sở giáo dục vẫn còn gây tranh cãi. TechCrunch lưu ý một cuộc khảo sát gần đây của Pew Research cho thấy đa số giáo viên tiểu học và trung học công lập được hỏi "không chắc chắn hoặc thấy những mặt trái của việc sử dụng chung các công cụ AI trong giáo dục K-12" và "một phần tư giáo viên tiểu học và trung học công lập nói rằng việc sử dụng các công cụ AI trong giáo dục K-12 gây hại nhiều hơn lợi".</p> <p><strong>4. Bài học cho doanh nghiệp từ hướng dẫn của OpenAI</strong></p> <p>Vậy chúng ta có thể học được gì từ hướng dẫn mới này dành cho giáo viên, và tại sao nó lại hữu ích cho những người ngoài ngành giáo dục và học thuật?</p> <p>Khá nhiều điều, hóa ra là như vậy. Nếu công ty của bạn đang trong giai đoạn đầu ứng dụng công nghệ AI, khóa học miễn phí của OpenAI có thể giúp nhân viên mới hoặc quản lý có kỹ năng CNTT kém nắm bắt được công nghệ chatbot như ChatGPT. Và mặc dù nó được thiết kế đặc biệt để giúp giáo viên "thực hiện các thực tiễn tốt nhất để áp dụng các nguyên tắc AI có trách nhiệm trong môi trường trường học", nó cũng có thể giúp các công ty tìm ra cách triển khai AI có trách nhiệm trong môi trường làm việc – nhiều vấn đề về quyền riêng tư và độ tin cậy của AI (như ảo giác hoặc thông tin sai lệch cố ý trong phản hồi) áp dụng ở văn phòng cũng như trong lớp học.</p> <p>Việc phát hành khóa học cũng là một "bài học" về việc "kiểm soát câu chuyện". Trong khi một số nhà giáo dục vẫn tiếp tục bày tỏ lo ngại rằng công nghệ AI sẽ làm đảo lộn mô hình giáo dục hiện tại theo một cách tiêu cực, thì bằng việc phát hành khóa học, OpenAI ngụ ý rằng "con đường duy nhất là vượt qua" và tác động của AI đối với việc giảng dạy là không thể tránh khỏi.</p> <p>Hơn nữa, OpenAI có thể đang gieo mầm tạo ra thế hệ bản địa AI đầu tiên. Những học sinh luôn sử dụng công nghệ sẽ mong đợi nó trở thành một phần trong cuộc sống làm việc của họ, điều này có thể có ảnh hưởng sâu sắc đến diện mạo, cách thức hoạt động và chuyên môn công nghệ của nơi làm việc trong tương lai gần.</p> <p><strong>5. Kết luận: Tương lai của AI trong giáo dục và doanh nghiệp</strong></p> <p>Khóa học của OpenAI không chỉ là một nỗ lực để giải quyết các vấn đề đạo đức liên quan đến việc sử dụng AI trong giáo dục, mà còn là một minh chứng cho tầm nhìn và chiến lược dài hạn của công ty này. Việc tích hợp AI vào giáo dục và doanh nghiệp là không thể tránh khỏi, và OpenAI đang tích cực định hình tương lai này bằng cách cung cấp các công cụ và hướng dẫn cần thiết. Sự phát triển này chắc chắn sẽ có tác động sâu rộng đến cả giáo dục và thị trường lao động trong những năm tới.</p> <p><img alt="Logo" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg" /></p>

OpenAI hướng dẫn giáo viên sử dụng AI: Bài học cho doanh nghiệp

OpenAI hướng dẫn giáo viên sử dụng AI: Bài học cho doanh nghiệp Mục lục: OpenAI và vấn đề đạo đức trong giáo dục Khóa học trực tuyến của...

Read more »

Bản đồ thông minh hơn nhờ tinh chỉnh tầm nhìn GPT-4o: Grab và OpenAI hợp tác xây dựng bản đồ Đông Nam Á

<h1>Bản đồ thông minh hơn nhờ tinh chỉnh tầm nhìn GPT-4o: Grab và OpenAI hợp tác xây dựng bản đồ Đông Nam Á</h1> <p><strong>Mục lục:</strong></p> <ol> <li>Giới thiệu Grab và thách thức lập bản đồ Đông Nam Á</li> <li>Giải pháp: Tinh chỉnh tầm nhìn GPT-4o</li> <li>Kết quả: Nâng cao hiệu quả và độ chính xác</li> <li>Mở rộng khả năng tiếp cận và phản hồi</li> <li>Kết luận</li> </ol> <hr /> <ol> <li><strong>Giới thiệu Grab và thách thức lập bản đồ Đông Nam Á</strong></li> </ol> <p>Grab, công ty công nghệ hàng đầu Đông Nam Á với hơn 42 triệu người dùng hàng tháng tại 8 quốc gia và 6 triệu đối tác tài xế, đang tận dụng dữ liệu hình ảnh đường phố thu thập từ các đối tác của mình để xây dựng GrabMaps – một dịch vụ bản đồ hỗ trợ toàn bộ hoạt động của công ty. Tuy nhiên, việc lập bản đồ Đông Nam Á lại đặt ra những thách thức độc đáo. Mạng lưới đường sá phức tạp với những con phố nhỏ hẹp, một chiều, được tối ưu cho xe máy và người đi bộ, cùng với cảnh quan đô thị thay đổi nhanh chóng và độ bao phủ hạn chế từ các nhà cung cấp bản đồ truyền thống, đã tạo ra nhiều khó khăn.</p> <blockquote> <p>“Để đáp ứng nhu cầu của khu vực, chúng tôi phải xây dựng một hệ thống siêu cục bộ và năng động – lập bản đồ Đông Nam Á theo sự phát triển của nó.” – Adrian Margin, Trưởng bộ phận Khoa học Dữ liệu cho Bản đồ Địa lý tại Grab.</p> </blockquote> <ol start="2"> <li><strong>Giải pháp: Tinh chỉnh tầm nhìn GPT-4o</strong></li> </ol> <p>Để khắc phục những trở ngại này, Grab đã sử dụng công nghệ tinh chỉnh tầm nhìn của GPT-4o từ OpenAI. Hệ thống GrabMaps đã thu thập hàng triệu hình ảnh đường phố cấp độ chi tiết từ mạng lưới các đối tác tài xế xe máy và người đi bộ, mỗi người được trang bị camera 360 độ.</p> <p>Việc tinh chỉnh tầm nhìn GPT-4o cho phép GrabMaps xác định chính xác hơn các biển báo tốc độ, hạn chế rẽ, địa điểm và hình dạng đường sá.</p> <ol start="3"> <li><strong>Kết quả: Nâng cao hiệu quả và độ chính xác</strong></li> </ol> <p>Những thí nghiệm ban đầu của Grab tập trung vào việc ghép nối biển báo tốc độ với các tuyến đường tương ứng. Chỉ với 100 mẫu dữ liệu kết hợp hình ảnh đường phố và bản đồ, nhóm nghiên cứu đã tinh chỉnh GPT-4o thông qua nhiều lần điều chỉnh siêu tham số để nâng cao độ chính xác.</p> <p>Kết quả ấn tượng:</p> <ul> <li>Độ chính xác ban đầu đạt 67% đã được cải thiện lên 80% sau hai vòng tinh chỉnh – tăng 13 điểm phần trăm.</li> <li>Mô hình hoạt động xuất sắc trong việc xử lý các tình huống phức tạp như đường cao tốc và vật cản, những tình huống trước đây cần nhiều can thiệp thủ công. Khả năng tham chiếu chéo hình ảnh đường phố với bản đồ giúp mô hình đưa ra quyết định dựa trên ngữ cảnh, tương tự như con người.</li> </ul> <blockquote> <p>“Việc tinh chỉnh GPT-4o với dữ liệu của chúng tôi cho phép chúng tôi xử lý các hình học phức tạp hiệu quả, giảm thiểu sự can thiệp thủ công và chi phí hoạt động,” – Adrian Margin chia sẻ.</p> </blockquote> <p>Cụ thể, việc ứng dụng tinh chỉnh tầm nhìn đã mang lại những cải tiến đáng kể:</p> <ul> <li>Độ chính xác đếm làn đường tăng 20%.</li> <li>Độ chính xác định vị biển báo tốc độ tăng 13%.</li> <li>Giảm thiểu nỗ lực lập bản đồ thủ công, cắt giảm chi phí hoạt động và nâng cao độ tin cậy của chất lượng dữ liệu.</li> <li>Nâng cao khả năng xử lý các tình huống phức tạp như biển báo trên cao và vật cản, dẫn đến ít lỗi hơn trong đầu ra bản đồ.</li> </ul> <ol start="4"> <li><strong>Mở rộng khả năng tiếp cận và phản hồi</strong></li> </ol> <p>Grab đang tiếp tục mở rộng khả năng AI để làm cho nền tảng của mình dễ tiếp cận và phản hồi hơn. Một trợ lý giọng nói hỗ trợ đa ngôn ngữ, giao tiếp thân thiện dành cho người dùng khiếm thị và người cao tuổi đang được phát triển để giúp mọi người dễ dàng điều hướng ứng dụng hơn.</p> <p>Grab cũng đang xây dựng một chatbot hỗ trợ tiên tiến để xử lý các yêu cầu phức tạp. Bằng cách hiểu các quy trình hoạt động tiêu chuẩn (SOP) chi tiết và đưa ra phản hồi đồng cảm, được cá nhân hóa, chatbot này nhằm mục đích cải thiện trải nghiệm người dùng trong khi vẫn đảm bảo hiệu quả hoạt động.</p> <blockquote> <p>“Chúng tôi là người tiên phong trong việc áp dụng AI trong khu vực và tin rằng AI có rất nhiều tiềm năng để tiếp tục chuyển đổi cách chúng tôi giải quyết vấn đề cho các đối tác và người dùng của mình,” – Philipp Kandal, Giám đốc Sản phẩm của Grab cho biết. “Chúng tôi rất vui mừng được hợp tác với OpenAI để giúp đẩy nhanh việc khám phá và sử dụng công nghệ này.”</p> </blockquote> <ol start="5"> <li><strong>Kết luận</strong></li> </ol> <p>Sự hợp tác giữa Grab và OpenAI đã chứng minh hiệu quả của công nghệ tinh chỉnh tầm nhìn GPT-4o trong việc xây dựng bản đồ thông minh hơn cho Đông Nam Á. GrabMaps không chỉ là một công cụ hỗ trợ hoạt động nội bộ mà còn là minh chứng cho cam kết của Grab đối với khu vực, đem lại sự tiện lợi và hiệu quả cho hàng triệu người dùng và đối tác tài xế.</p> <p><img alt="Logo" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjrwz9PG3ltGG7b-dJ4KGk3s069Qm95v6sNrat4kvH0lfkQfaNlJaH9zwxr8dpplA6PuIRfSF37QHQNHMbLPv5L3qtUcPF13MFopQhf4DEsNlGlpTRWPCJiFKQyLn2U7FALiR1Y7Qmn9RnrPu9YeuJv2Cne8sMo84Yjl2ukMgJqXbUu4C7coTJ44-0vNsBY/s16000/logo-new.jpg" /></p>

Bản đồ thông minh hơn nhờ tinh chỉnh tầm nhìn GPT-4o: Grab và OpenAI hợp tác xây dựng bản đồ Đông Nam Á

Bản đồ thông minh hơn nhờ tinh chỉnh tầm nhìn GPT-4o: Grab và OpenAI hợp tác xây dựng bản đồ Đông Nam Á Mục lục: Giới thiệu Grab và thách...

Read more »