Agent.ai.vn

Gemini Code Assist: Bước Tiến Mới Cho Lập Trình Viên Với Hỗ Trợ Công Cụ Bên Thứ Ba

<p><strong>Mục Lục</strong></p>
<ol>
<li><strong>Giới Thiệu Chung</strong></li>
<li><strong>Sức Mạnh Mới Của Gemini Code Assist</strong></li>
<li><strong>Các Đối Tác Tích Hợp Ban Đầu</strong></li>
<li><strong>Cơ Hội Cho Lập Trình Viên và Doanh Nghiệp</strong></li>
</ol>
<hr>
<h2>1. Giới Thiệu Chung</h2>
<p>Google vừa công bố một bản cập nhật đáng chú ý cho nền tảng Gemini Code Assist, một trợ lý lập trình AI. Điểm nổi bật của bản cập nhật này là việc mở rộng khả năng của Gemini Code Assist, cho phép nó tích hợp với các nguồn dữ liệu và công cụ của bên thứ ba. Điều này hứa hẹn sẽ mang lại một luồng gió mới cho quá trình phát triển phần mềm, giúp các lập trình viên làm việc hiệu quả hơn.</p>
<p><img alt="Google Gemini Gmail on iPhone 16 Pro Max" src="https://cdn.mos.cms.futurecdn.net/v2/t:0,l:0,cw:0,ch:0,q:80,w:650/4krmCk5Kes5ERoXEKahSGc.jpg.webp">
<em>Hình ảnh minh họa: Gemini trên thiết bị di động</em></p>
<h2>2. Sức Mạnh Mới Của Gemini Code Assist</h2>
<p>Theo đại diện của Google, Ryan J Salva và Prithpal Bhogill, các công cụ Gemini Code Assist giờ đây cho phép các nhà phát triển truy xuất thông tin hoặc thực hiện các hành động trên bất kỳ phần nào của hệ thống kỹ thuật của họ, đặc biệt hữu ích cho các dịch vụ bên ngoài môi trường phát triển tích hợp (IDE). Điều này có nghĩa là giờ đây các lập trình viên không cần phải rời khỏi IDE quen thuộc để tìm kiếm dữ liệu hoặc sử dụng các công cụ khác, mà có thể thực hiện trực tiếp thông qua Gemini Code Assist.</p>
<p>Bản cập nhật này cũng ra mắt sau khi Google giới thiệu mô hình Gemini Flash 2.0 mới nhất, hứa hẹn mang lại phản hồi chất lượng cao hơn với độ trễ thấp hơn. Với việc tiếp cận được nhiều dữ liệu và thông tin hơn, các chu kỳ phát triển sẽ trở nên hiệu quả hơn, giảm thiểu lỗi và tạo ra phần mềm tốt hơn. Điều này sẽ giúp các nhà phát triển có một quy trình làm việc liền mạch, không bị gián đoạn.</p>
<h2>3. Các Đối Tác Tích Hợp Ban Đầu</h2>
<p>Một số đối tác đầu tiên đã tham gia vào việc hỗ trợ đầy đủ cho các công cụ Gemini Code Assist, bao gồm Atlassian (Rovo), GitHub, GitLab, Google Docs, Sentry và Snyk. Điều này cho thấy sự quan tâm lớn từ các công ty công nghệ hàng đầu đối với khả năng của Gemini Code Assist trong việc nâng cao hiệu suất làm việc của các nhà phát triển.</p>
<p>Josh Devenny, Trưởng phòng Sản phẩm của Atlassian, nhấn mạnh rằng "Việc tích hợp này đảm bảo mọi nhà phát triển có thể truy cập ngay vào các thông số kỹ thuật, các tác vụ đang thực hiện, các rào cản, hoặc thậm chí xác định đúng người để hỏi xin trợ giúp, tất cả đều không cần rời khỏi môi trường code."</p>
<h2>4. Cơ Hội Cho Lập Trình Viên và Doanh Nghiệp</h2>
<p>Google nhấn mạnh rằng việc ra mắt các công cụ mới này sẽ nâng cao năng suất của các nhà phát triển, đồng thời mang lại giá trị to lớn cho các đối tác của mình. Điều này mở ra những cơ hội mới cho sự tăng trưởng và tương tác. Các lập trình viên có thể đăng ký tham gia bản xem trước riêng tư của các công cụ Gemini Code Assist, cũng như đăng ký sử dụng Gemini 2.0 Flash trong Gemini Code Assist.</p>
<p>Nhìn chung, bản cập nhật này là một bước tiến đáng kể của Google trong việc hỗ trợ cộng đồng lập trình viên. Với khả năng tích hợp các công cụ của bên thứ ba, Gemini Code Assist hứa hẹn sẽ trở thành một trợ lý đắc lực, giúp các nhà phát triển làm việc hiệu quả hơn và tạo ra những sản phẩm phần mềm chất lượng cao.</p>

Gemini Code Assist: Bước Tiến Mới Cho Lập Trình Viên Với Hỗ Trợ Công Cụ Bên Thứ Ba

Mục Lục Giới Thiệu Chung Sức Mạnh Mới Của Gemini Code Assist Các Đối Tác Tích Hợp Ban Đầu Cơ Hội Cho Lập Trình Viên và Doanh Nghiệp ...

tháng 12 23, 2024

Gemini của Google: Khi đánh giá AI vượt quá chuyên môn

<h2>Mục lục</h2>
<ol>
<li><strong>Dẫn nhập: Phía sau vẻ hào nhoáng của AI</strong></li>
<li><strong>Thay đổi chính sách đánh giá: Bước ngoặt đáng lo ngại</strong></li>
<li><strong>Những hệ lụy tiềm ẩn: Nguy cơ thông tin sai lệch</strong></li>
<li><strong>Phản hồi từ Google: Nỗ lực cải thiện độ chính xác</strong></li>
<li><strong>Kết luận: Cần cân nhắc kỹ lưỡng hơn về đạo đức AI</strong></li>
</ol>
<hr>
<h2>1. Dẫn nhập: Phía sau vẻ hào nhoáng của AI</h2>
<p>Công nghệ AI tạo sinh đang ngày càng phát triển và mang đến nhiều trải nghiệm mới lạ. Tuy nhiên, phía sau những chatbot thông minh như Gemini của Google, ChatGPT của OpenAI là cả một đội ngũ nhân viên hùng hậu. Họ đóng vai trò quan trọng trong việc đánh giá và cải thiện độ chính xác của các hệ thống AI này. Công việc của họ, đôi khi được gọi là "kỹ sư prompt" hoặc "nhà phân tích," là đánh giá các phản hồi do AI tạo ra, đảm bảo chúng chính xác và hữu ích.</p>
<p><img alt="Hình ảnh minh họa AI Gemini của Google" src="https://techcrunch.com/wp-content/uploads/2024/10/GettyImages-2166742531.jpg?resize=1200,812"></p>
<p>Tuy nhiên, một thay đổi gần đây trong chính sách đánh giá của Google đối với Gemini đang làm dấy lên lo ngại về độ chính xác của công cụ này. Cụ thể, các nhân viên đánh giá AI đang bị yêu cầu phải đánh giá các phản hồi trong những lĩnh vực mà họ không có chuyên môn, dẫn đến những lo ngại về nguy cơ thông tin sai lệch trên những chủ đề nhạy cảm như y tế.</p>
<h2>2. Thay đổi chính sách đánh giá: Bước ngoặt đáng lo ngại</h2>
<p>Để cải thiện Gemini, Google thuê các nhà thầu thông qua GlobalLogic, một công ty gia công thuộc sở hữu của Hitachi. Các nhân viên này được yêu cầu đánh giá các phản hồi do AI tạo ra dựa trên nhiều yếu tố, trong đó có tính "trung thực". Trước đây, nhân viên có quyền "bỏ qua" (skip) những câu hỏi hoặc phản hồi nằm ngoài chuyên môn của họ. Chẳng hạn, một người không có kiến thức về khoa học có thể bỏ qua câu hỏi chuyên sâu về tim mạch.</p>
<p>Tuy nhiên, gần đây, GlobalLogic đã thông báo một thay đổi từ Google: nhân viên không còn được phép bỏ qua các câu hỏi, bất kể chuyên môn của họ. Trước đây, hướng dẫn nội bộ quy định: "Nếu bạn không có chuyên môn cần thiết (ví dụ: lập trình, toán học) để đánh giá câu hỏi này, vui lòng bỏ qua tác vụ này." Nhưng giờ đây, quy định mới là: "Bạn không nên bỏ qua các câu hỏi đòi hỏi kiến thức chuyên môn sâu." Thay vào đó, nhân viên được hướng dẫn "đánh giá các phần bạn hiểu" và ghi chú rằng họ không có kiến thức chuyên môn.</p>
<h2>3. Những hệ lụy tiềm ẩn: Nguy cơ thông tin sai lệch</h2>
<p>Thay đổi này đã gây ra những lo ngại về độ chính xác của Gemini, đặc biệt là trên các chủ đề chuyên sâu. Một số nhân viên được yêu cầu đánh giá các câu trả lời về các bệnh hiếm gặp mà họ không hề có kiến thức chuyên môn. Điều này dẫn đến nghi vấn về chất lượng dữ liệu được dùng để huấn luyện AI.</p>
<p>Một nhân viên đánh giá bày tỏ sự lo ngại: "Tôi nghĩ rằng việc bỏ qua là để tăng độ chính xác bằng cách giao nó cho người có chuyên môn tốt hơn?" Rõ ràng, việc bắt buộc nhân viên đánh giá những nội dung ngoài chuyên môn có thể khiến kết quả đánh giá trở nên không chính xác, ảnh hưởng tiêu cực đến quá trình huấn luyện và cải thiện AI.</p>
<p>Hiện tại, nhân viên chỉ được phép bỏ qua các prompt trong hai trường hợp: khi chúng "hoàn toàn thiếu thông tin" hoặc chứa nội dung gây hại cần đến các biểu mẫu chấp thuận đặc biệt để đánh giá.</p>
<h2>4. Phản hồi từ Google: Nỗ lực cải thiện độ chính xác</h2>
<p>Google không phản hồi yêu cầu bình luận trước thời điểm bài báo được xuất bản. Sau đó, Google khẳng định rằng công ty "liên tục nỗ lực cải thiện độ chính xác thực tế trong Gemini".</p>
<p>Người phát ngôn của Google, Shira McNamara, cho biết: "Người đánh giá thực hiện nhiều nhiệm vụ trên các sản phẩm và nền tảng khác nhau của Google. Họ không chỉ đánh giá câu trả lời về nội dung mà còn cung cấp phản hồi có giá trị về phong cách, định dạng và các yếu tố khác. Các đánh giá mà họ cung cấp không trực tiếp ảnh hưởng đến các thuật toán của chúng tôi, nhưng khi được tổng hợp lại, chúng là một điểm dữ liệu hữu ích để giúp chúng tôi đo lường mức độ hoạt động tốt của các hệ thống của mình."</p>
<h2>5. Kết luận: Cần cân nhắc kỹ lưỡng hơn về đạo đức AI</h2>
<p>Câu chuyện này cho thấy rằng, dù AI có thể tạo ra những kết quả ấn tượng, vẫn có những vấn đề cần được xem xét kỹ lưỡng. Việc đánh giá chất lượng của AI cần được thực hiện một cách cẩn trọng, có trách nhiệm, và đặc biệt chú ý đến chuyên môn của người đánh giá. Rõ ràng, việc buộc những người không có chuyên môn đánh giá những nội dung phức tạp có thể dẫn đến những sai sót và ảnh hưởng tiêu cực đến độ tin cậy của AI. Đây là một lời nhắc nhở rằng, khi công nghệ AI ngày càng phát triển, chúng ta cần đặt câu hỏi về đạo đức và trách nhiệm trong quá trình phát triển và sử dụng chúng.</p>

Gemini của Google: Khi đánh giá AI vượt quá chuyên môn

Mục lục Dẫn nhập: Phía sau vẻ hào nhoáng của AI Thay đổi chính sách đánh giá: Bước ngoặt đáng lo ngại Những hệ lụy tiềm ẩn: Nguy cơ thôn...

tháng 12 23, 2024

AI Phi Tập Trung: Sức Mạnh Mới Cho Sự Sáng Tạo và Quyền Sở Hữu Trí Tuệ

<p><strong>Mục lục</strong></p>
<ol>
<li><strong>Giới thiệu: Kỷ nguyên của AI và những thách thức về bản quyền</strong></li>
<li><strong>Bài toán AI tập trung: Quyền lực trong tay số ít và rủi ro cho sự sáng tạo</strong></li>
<li><strong>AI phi tập trung (deAI): Giải pháp đột phá cho quyền sở hữu và sự công bằng</strong></li>
<li><strong>Những dự án deAI hàng đầu đáng chú ý năm 2025</strong></li>
<li><strong>Sự giao thoa giữa AI và bản quyền: Thách thức và giải pháp</strong></li>
<li><strong>Trao quyền sáng tạo thông qua phi tập trung hóa</strong></li>
<li><strong>Tương lai của AI là phi tập trung</strong></li>
<li><strong>Kết luận</strong></li>
</ol>
<h2>1. Giới thiệu: Kỷ nguyên của AI và những thách thức về bản quyền</h2>
<p>Trí tuệ nhân tạo (AI) đã tạo ra những thay đổi mang tính cách mạng trong nhiều lĩnh vực. Tuy nhiên, sự phát triển nhanh chóng của nó cũng làm nảy sinh những lo ngại quan trọng về quyền sở hữu, quyền riêng tư và quyền kiểm soát đối với các biểu đạt sáng tạo. Mô hình AI tập trung, nơi quyền lực nằm trong tay một vài tập đoàn lớn, đang khiến những người sáng tạo và chủ sở hữu bản quyền dễ bị khai thác.</p>
<p><img alt="AI chatbot - Artificial Intelligence digital concept" src="https://imageio.forbes.com/specials-images/imageserve/676338d83e96760a08b53894/AI-chatbot---Artificial-Intelligence-digital-concept/960x0.jpg?format=jpg&width=1440"></p>
<p>Các công ty như OpenAI nhận ra những giới hạn pháp lý khi sử dụng các tài liệu có bản quyền mà không được phép để huấn luyện các công cụ như ChatGPT. OpenAI thừa nhận rằng họ không thể huấn luyện các mô hình ngôn ngữ lớn như GPT-4 - công nghệ đứng sau ChatGPT - nếu không có quyền truy cập vào các tác phẩm có bản quyền.</p>
<h2>2. Bài toán AI tập trung: Quyền lực trong tay số ít và rủi ro cho sự sáng tạo</h2>
<p>Mô hình AI tập trung hiện tại tập trung sức mạnh vào tay một số ít tập đoàn, tạo ra nguy cơ về:</p>
<ul>
<li><strong>Mất kiểm soát dữ liệu:</strong> Người dùng không kiểm soát được dữ liệu của mình, dễ bị lạm dụng bởi các công ty.</li>
<li><strong>Bất công trong đền bù:</strong> Các công ty AI có thể sử dụng tài sản trí tuệ của người khác mà không đền bù thỏa đáng.</li>
<li><strong>Thiếu minh bạch:</strong> Quy trình hoạt động của AI tập trung thường không rõ ràng, gây khó khăn cho việc giám sát và kiểm soát.</li>
<li><strong>Nguy cơ độc quyền:</strong> Các tập đoàn lớn có thể thao túng thị trường AI, hạn chế sự cạnh tranh và sáng tạo.</li>
</ul>
<h2>3. AI phi tập trung (deAI): Giải pháp đột phá cho quyền sở hữu và sự công bằng</h2>
<p>AI phi tập trung (deAI) ra đời như một giải pháp thay thế, trao quyền cho các cá nhân và cộng đồng quyền tự chủ đối với sự sáng tạo của họ, đồng thời đảm bảo phần thưởng công bằng cho những đóng góp. DeAI sử dụng công nghệ blockchain và sổ cái phân tán để phân phối quá trình phát triển, triển khai và quản trị các hệ thống AI trên một mạng lưới toàn cầu.</p>
<p><strong>Lợi ích của deAI:</strong></p>
<ul>
<li><strong>Quyền sở hữu và quyền riêng tư:</strong> Người dùng giữ quyền kiểm soát dữ liệu của mình, đảm bảo tính minh bạch và dễ truy xuất nguồn gốc cho những đóng góp của họ vào việc huấn luyện các mô hình AI.</li>
<li><strong>Đền bù công bằng:</strong> Các hệ sinh thái như Bittensor mã hóa các đóng góp, thưởng cho những người tham gia vì đã cung cấp tài nguyên tính toán, dữ liệu và chuyên môn.</li>
<li><strong>An ninh:</strong> Kiến trúc phi tập trung giảm thiểu các điểm lỗi duy nhất, giúp hệ thống có khả năng chống lại các cuộc tấn công mạng tốt hơn.</li>
<li><strong>Hợp tác toàn cầu:</strong> Bằng cách dân chủ hóa quyền truy cập, deAI thúc đẩy trí tuệ tập thể vượt qua các ranh giới địa lý và thể chế.</li>
<li><strong>Minh bạch trong quá trình ra quyết định:</strong> Quản trị dựa trên cộng đồng đảm bảo rằng sự phát triển của AI phù hợp với các giá trị của những người tham gia, chứ không phải động cơ lợi nhuận của một vài tập đoàn.</li>
</ul>
<p>DeAI không chỉ là một sự tiến hóa về công nghệ; nó có thể là một mệnh lệnh xã hội. Bằng cách trao cho các cá nhân các công cụ để đồng sáng tạo tương lai của AI, deAI loại bỏ sự độc quyền đối với sự sáng tạo và đổi mới.</p>
<h2>4. Những dự án deAI hàng đầu đáng chú ý năm 2025</h2>
<p>Dưới đây là một số dự án AI phi tập trung đang dẫn đầu xu hướng:</p>
<ul>
<li><strong>Bittensor:</strong> Thưởng cho người tham gia bằng token TAO vì đã huấn luyện các mô hình AI trong một mạng lưới phi tập trung.</li>
<li><strong>Fetch.ai:</strong> Cung cấp các công cụ AI phi tập trung cho tự động hóa trong các ngành như chuỗi cung ứng, giao thông và năng lượng.</li>
<li><strong>SingularityNET:</strong> Một thị trường AI nơi các nhà phát triển có thể tạo, chia sẻ và kiếm tiền từ các dịch vụ AI.</li>
<li><strong>Ocean Protocol:</strong> Một thị trường dữ liệu phi tập trung cho phép chia sẻ dữ liệu an toàn cho việc phát triển AI.</li>
<li><strong>Numerai:</strong> Một nền tảng khoa học dữ liệu phi tập trung cho mô hình hóa và dự đoán tài chính.</li>
</ul>
<p>Các dự án này cho thấy deAI có thể khắc phục những thiếu sót của AI tập trung, tạo ra các hệ sinh thái nơi sự sáng tạo và đổi mới phát triển mạnh mẽ.</p>
<h2>5. Sự giao thoa giữa AI và bản quyền: Thách thức và giải pháp</h2>
<p>Sự phát triển của deAI diễn ra trong bối cảnh ngày càng có nhiều ý kiến trái chiều về cách các hệ thống AI được đào tạo. Nhiều mô hình AI hiện tại, bao gồm cả GPT-4 của OpenAI, phụ thuộc rất nhiều vào tài liệu có bản quyền để đào tạo. Bản quyền bảo vệ các tác phẩm gốc như sách, nhạc và phần mềm khỏi việc sử dụng trái phép.</p>
<p>Tuy nhiên, luật bản quyền cho phép "sử dụng hợp lý" tài liệu có bản quyền mà không cần sự đồng ý của chủ sở hữu trong một số điều kiện nhất định. Các công ty AI thường viện dẫn việc sử dụng hợp lý để biện minh cho việc sử dụng các tác phẩm có bản quyền để đào tạo mô hình, nhưng cách tiếp cận này đã gây ra những cuộc chiến pháp lý với những người sáng tạo cho rằng tác phẩm của họ đang bị khai thác mà không có đền bù công bằng.</p>
<p>Các vụ kiện như của New York Times và các tác giả như George R.R. Martin, làm nổi bật sự căng thẳng giữa đổi mới và quyền sở hữu trí tuệ. Trong khi ngành công nghiệp AI tập trung đang phải vật lộn với những thách thức này, deAI cung cấp một mô hình thay thế—mô hình nơi quyền của người đóng góp được tôn trọng và phần thưởng được phân phối một cách công bằng.</p>
<h2>6. Trao quyền sáng tạo thông qua phi tập trung hóa</h2>
<p>Trong kỷ nguyên mà dữ liệu là huyết mạch của đổi mới, các hệ thống AI tập trung gây ra những rủi ro đáng kể đối với quyền tự chủ và công bằng. Phong trào deAI tìm cách phá bỏ các hệ thống này bằng cách phân phối lại quyền lực cho người dân. Các hệ sinh thái như Bittensor và Ocean Protocol không chỉ cho phép các cá nhân đóng góp mà còn đảm bảo rằng họ được khen thưởng một cách công bằng cho sự sáng tạo và lao động của mình.</p>
<p>Quan trọng hơn, deAI phù hợp với tinh thần bảo vệ quyền sở hữu trí tuệ bằng cách tôn trọng quyền của người sáng tạo và người đóng góp. Bằng cách cung cấp tính minh bạch và khả năng truy xuất nguồn gốc, các mạng lưới phi tập trung thúc đẩy sự tin tưởng—điều đang rất thiếu trong ngành công nghiệp AI tập trung.</p>
<p>Cuộc chiến giành quyền tự chủ sáng tạo không chỉ là một trận chiến pháp lý hay công nghệ; đó là một sự thay đổi văn hóa hướng tới một tương lai nơi AI phục vụ số đông chứ không phải số ít. Thông qua các hệ thống phi tập trung, chúng ta có thể xây dựng một thế giới nơi sự đổi mới phát triển trên nền tảng công bằng, hòa nhập và trao quyền.</p>
<h2>7. Tương lai của AI là phi tập trung</h2>
<p>Hướng tới năm 2025 và xa hơn nữa, AI phi tập trung đang nổi lên không chỉ là một tiến bộ công nghệ; nó đang định hình lại cách giải quyết sự sáng tạo, quyền sở hữu dữ liệu và tính minh bạch trong phát triển AI. Sự phát triển chóng mặt của các công cụ AI khép kín, được gắn nhãn "mở", đã dựa vào việc thu thập dữ liệu miễn phí để kiếm tiền từ các hệ thống của họ. Cách tiếp cận này đang đánh thức những người sáng tạo và chủ sở hữu bản quyền về giá trị thực của dữ liệu của họ và tầm quan trọng của quyền sở hữu.</p>
<p>Các hệ sinh thái và dự án deAI mới này làm nổi bật tiềm năng hợp tác và công bằng để thúc đẩy sự đổi mới. Khi các nền tảng này phát triển, chúng cung cấp một bản thiết kế về cách AI có thể được phát triển để phù hợp hơn với các giá trị xã hội, bảo vệ quyền của người sáng tạo và thúc đẩy các kết quả toàn diện và công bằng hơn.</p>
<h2>8. Kết luận</h2>
<p>AI phi tập trung không chỉ là một xu hướng công nghệ mà còn là một sự thay đổi về tư duy. Nó hứa hẹn sẽ mang lại một tương lai nơi sự sáng tạo được tôn trọng, quyền sở hữu trí tuệ được bảo vệ, và sự công bằng được đặt lên hàng đầu trong quá trình phát triển AI. Những dự án deAI tiên phong đang mở ra một kỷ nguyên mới, nơi AI không còn là công cụ của một số ít mà trở thành sức mạnh chung của toàn nhân loại.</p>

AI Phi Tập Trung: Sức Mạnh Mới Cho Sự Sáng Tạo và Quyền Sở Hữu Trí Tuệ

Mục lục Giới thiệu: Kỷ nguyên của AI và những thách thức về bản quyền Bài toán AI tập trung: Quyền lực trong tay số ít và rủi ro cho sự s...

tháng 12 23, 2024

Cuộc Chiến AI Mở: Phân Tích Hành Vi Sử Dụng của Các Nhà Phát Triển Trên Toàn Cầu

<p><strong>Mục lục</strong></p>
<ol>
<li><strong>Mở đầu: Sự bùng nổ của AI và câu hỏi về ứng dụng thực tế</strong></li>
<li><strong>Phương pháp nghiên cứu: Khám phá thế giới AI qua góc nhìn của nhà phát triển</strong></li>
<li><strong>Kết quả nghiên cứu: Sự khác biệt trong việc sử dụng AI theo khu vực, ngành và quy mô công ty</strong><ul>
<li>3.1. Ngành và quy mô công ty: Những ai đang dẫn đầu?</li>
<li>3.2. Địa lý: Ai đang sử dụng AI và sử dụng như thế nào?</li>
</ul>
</li>
<li><strong>Cuộc chiến giữa các "ông lớn" AI: Musk và Zuckerberg</strong></li>
<li><strong>Tương lai của AI mở: Liệu có cạnh tranh được với AI độc quyền?</strong></li>
<li><strong>Kết luận: Những điều cần theo dõi trong hành trình AI đầy biến động</strong></li>
</ol>
<hr>
<h2>1. Mở đầu: Sự bùng nổ của AI và câu hỏi về ứng dụng thực tế</h2>
<p>Từ khi ChatGPT của OpenAI xuất hiện vào cuối năm 2022, số lượng Mô hình Ngôn ngữ Lớn (LLM) đã tăng lên chóng mặt. Ước tính các doanh nghiệp đã chi 154 tỷ USD cho AI vào năm 2023, và một khảo sát toàn cầu của McKinsey cho thấy 65% công ty đang sử dụng thường xuyên AI tạo sinh (GenAI) trong hoạt động kinh doanh. Tuy nhiên, đằng sau những con số khổng lồ và sự hào hứng, chúng ta vẫn chưa thực sự hiểu rõ công nghệ này đang được sử dụng như thế nào và ở đâu.</p>
<p><img alt="Hình ảnh minh họa các LLM phổ biến: Gemini, O1, Grok, Claude, Llama, Yi and Mistral" src="https://knowledge.insead.edu/sites/knowledge/files/styles/1280x500/public/2024-12/429c8e3a-2b42-42ab-a620-f98071239e86.jpg?h=6ac8faef&itok=j_5NRPGo"></p>
<p>Bài viết này sẽ cung cấp một góc nhìn sâu hơn, đi xa hơn các khảo sát thông thường với các nhà quản lý kinh doanh. Chúng tôi sẽ phân tích dữ liệu thực tế về cách các nhà phát triển phần mềm đang tương tác với một số LLM mã nguồn mở hàng đầu. Đây là những mô hình có thể truy cập, sửa đổi và phân phối lại một cách tự do với ít hạn chế.</p>
<h2>2. Phương pháp nghiên cứu: Khám phá thế giới AI qua góc nhìn của nhà phát triển</h2>
<p>Để tìm kiếm dữ liệu sử dụng cụ thể, chúng tôi đã tìm đến nền tảng phát triển phổ biến GitHub, một kho lưu trữ quan trọng cho code AI và các tài nguyên khác. Nền tảng này chứa nhiều LLM mã nguồn mở đáng chú ý như Grok, Llama của Meta, Yi của tập đoàn 01.AI Trung Quốc và Mistral của công ty khởi nghiệp AI cùng tên đến từ Pháp.</p>
<p>Ưu điểm của GitHub là khả năng xác định nhà phát triển nào đã tải xuống ("forked") code LLM nào để xây dựng ứng dụng AI. Điều này cung cấp thông tin chi tiết về LLM nào đang được các nhà phát triển ưa chuộng. Vì các nhà phát triển là những người thúc đẩy các giới hạn công nghệ, việc theo dõi hành vi của họ có thể cho thấy xu hướng AI.</p>
<p>Ngoài ra, bản chất mở của GitHub cũng cho phép chúng tôi xác định được một tỷ lệ đáng kể quốc gia cư trú, ngành nghề và quy mô công ty của các nhà phát triển. Dù không hoàn toàn chính xác, dữ liệu của chúng tôi cung cấp một bức tranh về cách các nhà phát triển từ các quốc gia, quy mô công ty và ngành khác nhau đang tiếp nhận LLM. Chúng tôi cũng đã so sánh số liệu áp dụng AI với việc sử dụng TensorFlow, một trong những công cụ phát triển máy học phổ biến nhất được Google phát hành vào năm 2015.</p>
<h2>3. Kết quả nghiên cứu: Sự khác biệt trong việc sử dụng AI theo khu vực, ngành và quy mô công ty</h2>
<h3>3.1. Ngành và quy mô công ty: Những ai đang dẫn đầu?</h3>
<p>Ở giai đoạn đầu của việc áp dụng AI, chúng tôi nhận thấy sự khác biệt đáng kể giữa các ngành. Các công ty công nghệ dẫn đầu (48,3% số lượng fork), nhưng ngành giáo dục cũng có tỷ lệ sử dụng LLM khá cao (26,3%).</p>
<p>Sự thể hiện mạnh mẽ của các tổ chức giáo dục phản ánh mức độ nghiên cứu về LLM và GenAI. Tại INSEAD, chúng tôi cũng nhận thấy sự quan tâm sâu sắc của các giảng viên và sinh viên trong việc tìm hiểu khả năng và hạn chế của chúng. Vì chi phí phát triển LLM hiện đại rất lớn, các nhà nghiên cứu có thể sử dụng các mô hình mã nguồn mở thay vì các sản phẩm độc quyền của OpenAI và Anthropic.</p>

<p>Chúng tôi nhận thấy việc sử dụng LLM ở các ngành truyền thống thấp hơn nhiều, đặc biệt là những ngành sản xuất và bán sản phẩm vật lý. Điều này cho thấy vai trò quan trọng của công nghệ và giáo dục đại học trong việc thúc đẩy sự đổi mới trong nền kinh tế.</p>
<p>Chúng tôi dự đoán các công ty khởi nghiệp nhỏ sẽ đi đầu trong việc áp dụng AI mở. Tuy nhiên, trong khi các công ty khởi nghiệp dẫn đầu, vẫn có sự tham gia đáng kể của các công ty thuộc mọi quy mô. Điều này khác với TensorFlow, nơi các công ty lớn là người dùng lớn nhất.</p>
<h3>3.2. Địa lý: Ai đang sử dụng AI và sử dụng như thế nào?</h3>
<p>Không có gì đáng ngạc nhiên khi Bắc Mỹ là khu vực thống trị hoạt động LLM của các nhà phát triển trên GitHub, với hơn 50% số lượng fork bắt nguồn từ đây. Tuy nhiên, sự thống trị của Bắc Mỹ trong LLM thấp hơn so với TensorFlow, nơi khu vực này chiếm hơn 60% số lượng fork.</p>

<p>Dù phần lớn nhất quán giữa các khu vực, vẫn có một số khác biệt đáng chú ý. Các công ty khởi nghiệp có thị phần fork hàng đầu ở mọi khu vực, ngoại trừ Bắc Mỹ. Tại đây, các công ty lớn nhất (có hơn 10.000 nhân viên) lại dẫn đầu. Điều này có thể phản ánh sự trưởng thành hơn của việc áp dụng AI ở Mỹ và Canada, nơi các công ty có nhiều thời gian hơn để hiểu rõ lợi ích của công nghệ này.</p>
<p>Điều đáng chú ý hơn là sự thống trị của các mô hình LLM của Mỹ. Llama chiếm thị phần lớn ở tất cả các khu vực, với Grok ở vị trí thứ hai. Dữ liệu của chúng tôi không cho thấy các nhà phát triển thể hiện bất kỳ sự ưu ái khu vực nào đối với LLM địa phương, chẳng hạn như Mistral ở châu Âu.</p>
<h2>4. Cuộc chiến giữa các "ông lớn" AI: Musk và Zuckerberg</h2>
<p>Llama rõ ràng đang hưởng lợi từ quyết định áp dụng chiến lược mã nguồn mở cho LLM của họ từ sớm, bắt đầu với việc phát hành các trọng số cho Llama 2 vào tháng 11 năm 2023. Vị trí dẫn đầu của họ cũng được củng cố bởi thương hiệu Meta.</p>

<p>Với các mô hình Grok, Musk đang tìm cách thách thức Meta để giành vị trí dẫn đầu trong phân khúc mã nguồn mở, đồng thời cạnh tranh với cựu cộng tác viên Sam Altman, CEO của OpenAI. Kể từ khi phát hành Grok 2 vào tháng 8 năm 2023, xAI của Musk đã áp dụng chiến lược kết hợp, trong đó mô hình mới nhất của họ vẫn ở chế độ riêng tư, mặc dù họ công bố các trọng số cho các mô hình trước đó.</p>
<p>Điều thú vị là Grok hoạt động tốt dù xuất hiện muộn, đặc biệt là ở Trung Quốc và các khu vực khác trên thế giới. Mối liên hệ chặt chẽ của nó với X có thể là một lợi thế, cũng như sức hút của Musk. Điều thú vị là liệu vai trò mới của ông trong chính phủ Mỹ có ảnh hưởng đến mức độ chấp nhận trong tương lai hay không.</p>
<p>Ngoài khu vực, dữ liệu của chúng tôi cho thấy những khác biệt khác trong cơ sở người dùng của hai mô hình này. Grok có trọng số cao hơn một chút trong lĩnh vực công nghệ, trong khi Llama dường như phổ biến hơn trong số những người thuộc lĩnh vực giáo dục. Cuối cùng, Llama phổ biến hơn một chút trong số các tổ chức lớn, trong khi Grok được liên kết nhiều hơn với các công ty khởi nghiệp.</p>
<h2>5. Tương lai của AI mở: Liệu có cạnh tranh được với AI độc quyền?</h2>
<p>Chúng ta vẫn đang ở giai đoạn đầu của sự phát triển và chấp nhận LLM. Khả năng dự đoán tương lai là rất khó khăn do sự cạnh tranh gay gắt giữa các công ty hàng đầu, chưa kể đến áp lực từ địa chính trị. Liệu một chính quyền Trump quyết đoán hơn có ảnh hưởng đến khả năng thống trị GenAI của Mỹ?</p>
<p>Phân tích của chúng tôi, dựa trên hành động của các nhà phát triển thực tế, cung cấp thông tin chi tiết về tình hình hiện tại. Quan trọng hơn, nó cung cấp một điểm chuẩn cho các phân tích trong tương lai và cơ hội để phát hiện các xu hướng về sở thích của nhà phát triển đối với các LLM cụ thể.</p>
<p>Chúng tôi đặc biệt quan tâm đến việc theo dõi động lực chấp nhận các mô hình mã nguồn mở. Liệu chúng có thể cạnh tranh hiệu quả với các mô hình độc quyền hoàn toàn hay không? Liệu Meta hoặc xAI có thể thay đổi cam kết của họ đối với mã nguồn mở không? Hiện tại, chúng đang phải đối mặt với những hạn chế về quyền truy cập dữ liệu đến chi phí, nhưng chúng dường như có những cơ hội lớn nhất cho sự đổi mới đáng kể.</p>
<p>Ilia Polosukhin, đồng sáng lập của Near.ai và đồng tác giả của bài báo mang tính bước ngoặt "Attention is all you need", cho biết: "tương lai của AI nên mở và có thể truy cập được cho tất cả mọi người. Khi các nhà phát triển tiếp tục đẩy mạnh các giới hạn của những gì có thể đạt được với công nghệ này, các mô hình có thể truy cập không cần xin phép sẽ là nền tảng để xây dựng những đột phá mới".</p>
<h2>6. Kết luận: Những điều cần theo dõi trong hành trình AI đầy biến động</h2>
<p>Bức tranh về AI chắc chắn sẽ thay đổi và phát triển theo thời gian. Chúng tôi hy vọng rằng, điều này sẽ cho phép chúng tôi tiếp tục lập bản đồ các xu hướng chấp nhận và cung cấp các chỉ số tốt hơn về nơi chúng ta có thể hướng tới trong hành trình AI mang tính cách mạng này.</p>

Cuộc Chiến AI Mở: Phân Tích Hành Vi Sử Dụng của Các Nhà Phát Triển Trên Toàn Cầu

Mục lục Mở đầu: Sự bùng nổ của AI và câu hỏi về ứng dụng thực tế Phương pháp nghiên cứu: Khám phá thế giới AI qua góc nhìn của nhà phát t...

tháng 12 23, 2024

OpenAI Ra Mắt o1 và Hàng Loạt Công Cụ Mới Cho Nhà Phát Triển

<p><strong>Mục lục</strong></p>
<ol>
<li><strong>Giới Thiệu</strong></li>
<li><strong>OpenAI o1 trong API</strong><ul>
<li>Tính năng chính</li>
<li>So sánh hiệu năng</li>
<li>Khả năng ứng dụng</li>
</ul>
</li>
<li><strong>Cải Tiến Realtime API</strong><ul>
<li>Hỗ trợ WebRTC</li>
<li>Giá cả cạnh tranh hơn</li>
<li>Kiểm soát phản hồi tốt hơn</li>
</ul>
</li>
<li><strong>Tinh Chỉnh Ưu Tiên (Preference Fine-Tuning)</strong><ul>
<li>So sánh với Tinh chỉnh có giám sát (Supervised Fine-Tuning)</li>
<li>Ứng dụng thực tế</li>
</ul>
</li>
<li><strong>Bộ SDK Go và Java mới</strong></li>
<li><strong>Kết luận</strong></li>
</ol>
<h2>1. Giới Thiệu</h2>
<p>OpenAI vừa công bố một loạt các bản cập nhật và công cụ mới dành cho các nhà phát triển, bao gồm các mô hình mạnh mẽ hơn, các công cụ tùy biến mới, và những nâng cấp giúp cải thiện hiệu suất, tính linh hoạt và hiệu quả chi phí. Cụ thể, chúng ta có:</p>
<ul>
<li><strong>OpenAI o1</strong> trong API với hỗ trợ function calling, developer messages, Structured Outputs và khả năng thị giác.</li>
<li><strong>Cập nhật Realtime API</strong> bao gồm tích hợp WebRTC đơn giản, giảm 60% giá cho GPT-4o audio và hỗ trợ GPT-4o mini với giá chỉ bằng 1/10 audio trước đây.</li>
<li><strong>Tinh chỉnh Ưu tiên (Preference Fine-Tuning)</strong>, một kỹ thuật tùy chỉnh mô hình mới giúp dễ dàng điều chỉnh dựa trên sở thích của người dùng và nhà phát triển.</li>
<li><strong>SDK Go và Java mới</strong> đã có phiên bản beta.</li>
</ul>
<h2>2. OpenAI o1 trong API</h2>
<p><img alt="User added image" src="https://i.ytimg.com/vi/2mbM1wHwQhk/maxresdefault.jpg"></p>
<p><strong>OpenAI o1</strong>, mô hình suy luận được thiết kế để xử lý các tác vụ phức tạp nhiều bước với độ chính xác cao, hiện đã có mặt cho các nhà phát triển ở tầng sử dụng 5 trong API. o1 là phiên bản kế nhiệm của OpenAI o1-preview, đã được các nhà phát triển sử dụng để xây dựng các ứng dụng tác nhân nhằm tối ưu hóa hỗ trợ khách hàng, cải thiện các quyết định chuỗi cung ứng và dự báo các xu hướng tài chính phức tạp.</p>
<h3>Tính năng chính của o1:</h3>
<ul>
<li><strong>Function calling:</strong> Kết nối liền mạch o1 với dữ liệu và API bên ngoài.</li>
<li><strong>Structured Outputs:</strong> Tạo các phản hồi tuân thủ đáng tin cậy theo JSON Schema tùy chỉnh của bạn.</li>
<li><strong>Developer messages:</strong> Xác định hướng dẫn hoặc ngữ cảnh cho mô hình, chẳng hạn như xác định giọng điệu, phong cách và các hướng dẫn hành vi khác.</li>
<li><strong>Khả năng thị giác:</strong> Suy luận dựa trên hình ảnh để mở ra nhiều ứng dụng hơn trong khoa học, sản xuất hoặc lập trình, nơi đầu vào trực quan rất quan trọng.</li>
<li><strong>Độ trễ thấp:</strong> o1 sử dụng trung bình ít hơn 60% token suy luận so với o1-preview cho cùng một yêu cầu.</li>
<li>Một tham số API <code>reasoning_effort</code> mới cho phép bạn kiểm soát thời gian mô hình suy nghĩ trước khi trả lời.</li>
</ul>
<h3>So sánh hiệu năng</h3>
<p>Phiên bản o1-2024-12-17 đã đạt được kết quả vượt trội trên nhiều tiêu chuẩn đánh giá, cải thiện hiệu quả chi phí và hiệu suất. Dưới đây là bảng so sánh chi tiết:</p>
<table>
<thead>
<tr>
<th>Danh Mục</th>
<th>Tiêu Chuẩn</th>
<th>o1-2024-12-17</th>
<th>o1-preview</th>
</tr>
</thead>
<tbody><tr>
<td><strong>Tổng quan</strong></td>
<td>GPQA diamond</td>
<td>75.7</td>
<td>73.3</td>
</tr>
<tr>
<td></td>
<td>MMLU (pass @1)</td>
<td>91.8</td>
<td>90.8</td>
</tr>
<tr>
<td><strong>Lập trình</strong></td>
<td>SWE-bench Verified</td>
<td>48.9</td>
<td>41.3</td>
</tr>
<tr>
<td></td>
<td>LiveBench (Coding)</td>
<td>76.6</td>
<td>52.3</td>
</tr>
<tr>
<td><strong>Toán học</strong></td>
<td>MATH (pass @1)</td>
<td>96.4</td>
<td>85.5</td>
</tr>
<tr>
<td></td>
<td>AIME 2024 (pass @1)</td>
<td>79.2</td>
<td>42.0</td>
</tr>
<tr>
<td></td>
<td>MGSM (pass @1)</td>
<td>89.3</td>
<td>90.8</td>
</tr>
<tr>
<td><strong>Thị giác</strong></td>
<td>MMMU (pass @1)</td>
<td>77.3</td>
<td>—</td>
</tr>
<tr>
<td></td>
<td>MathVista (pass @1)</td>
<td>71.0</td>
<td>—</td>
</tr>
<tr>
<td><strong>Tính xác thực</strong></td>
<td>SimpleQA</td>
<td>42.6</td>
<td>42.4</td>
</tr>
<tr>
<td><strong>Tác nhân</strong></td>
<td>TAU-bench (retail)</td>
<td>73.5</td>
<td>—</td>
</tr>
<tr>
<td></td>
<td>TAU-bench (airline)</td>
<td>54.2</td>
<td>—</td>
</tr>
</tbody></table>
<p>Ngoài ra, o1-2024-12-17 còn vượt trội hơn đáng kể so với gpt-4o trong các thử nghiệm function calling và Structured Outputs.</p>
<h3>Khả năng ứng dụng</h3>
<p>Với những cải tiến đáng kể này, o1 mở ra những khả năng ứng dụng rộng lớn trong nhiều lĩnh vực, từ tối ưu hóa quy trình kinh doanh đến phát triển các ứng dụng AI phức tạp.</p>
<h2>3. Cải Tiến Realtime API</h2>
<p>Realtime API cho phép các nhà phát triển tạo ra những trải nghiệm hội thoại tự nhiên, độ trễ thấp, lý tưởng cho các trợ lý giọng nói, công cụ dịch thuật trực tiếp, gia sư ảo và các hệ thống hỗ trợ khách hàng tương tác.</p>
<h3>Hỗ trợ WebRTC</h3>
<p>OpenAI đã giới thiệu hỗ trợ <strong>WebRTC</strong> cho Realtime API, một tiêu chuẩn mở giúp dễ dàng xây dựng và mở rộng các sản phẩm giọng nói thời gian thực trên nhiều nền tảng khác nhau. Tích hợp WebRTC giúp các tương tác mượt mà và nhạy bén hơn trong các điều kiện thực tế.</p>
<pre><code class="language-javascript">async function createRealtimeSession(localStream, remoteAudioEl, token) {
    const pc = new RTCPeerConnection();
    pc.ontrack = e => remoteAudioEl.srcObject = e.streams[0];
    pc.addTrack(localStream.getTracks()[0]);
    const offer = await pc.createOffer();
    await pc.setLocalDescription(offer);
    const headers = { Authorization: `Bearer ${token}`, 'Content-Type': 'application/sdp' };
    const opts = { method: 'POST', body: offer.sdp, headers };
    const resp = await fetch('https://api.openai.com/v1/realtime', opts);
    await pc.setRemoteDescription({ type: 'answer', sdp: await resp.text() });
    return pc;
}
</code></pre>
<h3>Giá cả cạnh tranh hơn</h3>
<p>OpenAI đã giảm giá token audio tới 60% cho gpt-4o-realtime-preview-2024-12-17 và đưa GPT-4o mini vào Realtime API với mức giá thấp hơn nhiều:</p>
<ul>
<li><strong>GPT-4o audio:</strong> $40/1 triệu token đầu vào và $80/1 triệu token đầu ra. Token audio đã được cache giảm 87,5% xuống còn $2.50/1 triệu token đầu vào.</li>
<li><strong>GPT-4o mini audio:</strong> $10/1 triệu token đầu vào và $20/1 triệu token đầu ra. Token text có giá $0.60/1 triệu token đầu vào và $2.40/1 triệu token đầu ra. Cả audio và text đã được cache đều có giá $0.30/1 triệu token.</li>
</ul>
<h3>Kiểm soát phản hồi tốt hơn</h3>
<p>Các tính năng mới của Realtime API cho phép kiểm soát tốt hơn các phản hồi:</p>
<ul>
<li><strong>Phản hồi ngoài băng tần đồng thời:</strong> Cho phép các tác vụ nền như kiểm duyệt nội dung hoạt động mà không làm gián đoạn tương tác giọng nói của người dùng.</li>
<li><strong>Ngữ cảnh đầu vào tùy chỉnh:</strong> Xác định các mục hội thoại nào sẽ được đưa vào làm đầu vào của mô hình.</li>
<li><strong>Kiểm soát thời gian phản hồi:</strong> Sử dụng Voice Activity Detection (VAD) phía máy chủ mà không tự động kích hoạt phản hồi.</li>
<li><strong>Tăng thời lượng phiên tối đa:</strong> Từ 15 lên 30 phút.</li>
</ul>
<h2>4. Tinh Chỉnh Ưu Tiên (Preference Fine-Tuning)</h2>
<p><strong>Preference Fine-Tuning</strong> giúp tùy chỉnh các mô hình dựa trên sở thích của người dùng và nhà phát triển. Phương pháp này sử dụng Direct Preference Optimization (DPO) để so sánh các cặp phản hồi của mô hình và dạy mô hình phân biệt giữa các đầu ra được ưu tiên và không được ưu tiên.</p>
<h3>So sánh với Tinh chỉnh có giám sát (Supervised Fine-Tuning)</h3>
<table>
<thead>
<tr>
<th>Đặc điểm</th>
<th>Tinh chỉnh có giám sát (SFT)</th>
<th>Tinh chỉnh ưu tiên (PFT)</th>
</tr>
</thead>
<tbody><tr>
<td><strong>Mục tiêu</strong></td>
<td>Khuyến khích mô hình tạo ra các đầu ra chính xác bằng cách sao chép các đầu ra được gắn nhãn</td>
<td>Tối ưu hóa mô hình để ưu tiên hành vi mong muốn bằng cách củng cố các phản hồi ưu tiên và giảm phản hồi không ưu tiên</td>
</tr>
<tr>
<td><strong>Dữ liệu huấn luyện</strong></td>
<td>Các cặp đầu vào và đầu ra chính xác</td>
<td>Các cặp đầu ra mô hình ưu tiên và không ưu tiên, thông qua chú thích của con người, A/B testing hoặc tạo dữ liệu tổng hợp</td>
</tr>
<tr>
<td><strong>Ứng dụng</strong></td>
<td>Các tác vụ dễ chuẩn bị đầu ra lý tưởng và cần độ chính xác cao như định dạng code tùy chỉnh</td>
<td>Các tác vụ mà phản hồi "tốt hơn" mang tính chủ quan, như viết sáng tạo hoặc tóm tắt</td>
</tr>
</tbody></table>
<h3>Ứng dụng thực tế</h3>
<p>Các đối tác đã thử nghiệm Preference Fine-Tuning đã thấy kết quả đầy hứa hẹn. Ví dụ, Rogo AI đã cải thiện hiệu suất của mô hình từ 75% lên hơn 80% bằng cách sử dụng Preference Fine-Tuning cho ứng dụng trợ lý AI dành cho nhà phân tích tài chính.</p>
<p>Preference Fine-Tuning hiện đã có cho gpt-4o-2024-08-06 và sẽ sớm có cho gpt-4o-mini-2024-07-18.</p>
<h2>5. Bộ SDK Go và Java mới</h2>
<p>OpenAI ra mắt hai bộ SDK chính thức mới cho <strong>Go</strong> và <strong>Java</strong> ở dạng beta, bên cạnh các thư viện Python, Node.js và .NET hiện có.</p>
<p><strong>Go</strong> là ngôn ngữ tĩnh, lý tưởng cho việc xử lý đồng thời và xây dựng các API và hệ thống backend có khả năng mở rộng.</p>
<pre><code class="language-go">client := openai.NewClient()
ctx := context.Background()
prompt := "Write me a haiku about Golang."

<p>completion, err := client.Chat.Completions.New(
  ctx, 
  openai.ChatCompletionNewParams{
    Messages: openai.F(
      []openai.ChatCompletionMessageParamUnion{
        openai.UserMessage(prompt),
      },
    ),
    Model: openai.F(openai.ChatModelGPT4o),
  },
)
</code></pre></p>
<p><strong>Java</strong> là ngôn ngữ được ưa chuộng trong phát triển phần mềm doanh nghiệp, với hệ thống kiểu mạnh mẽ và hệ sinh thái thư viện mã nguồn mở rộng lớn.</p>
<pre><code class="language-java">OpenAIClient client = OpenAIOkHttpClient.fromEnv();

<p>ChatCompletionCreateParams params = ChatCompletionCreateParams
    .builder()
    .message(List.of(
        ChatCompletionMessageParam.ofChatCompletionUserMessageParam(
            ChatCompletionUserMessageParam
            .builder()
            .role(ChatCompletionUserMessageParam.Role.USER)
            .content(
                ChatCompletionUserMessageParam.Content.ofTextContent(
                    "What is the origin of Java's Duke mascot?"
                )
            )
            .build()
        )
    ))
    .model(ChatModel.O1_PREVIEW)
    .build();</p>
<p>ChatCompletion chatCompletion = client.chat().completions().create(params);
</code></pre></p>
<h2>6. Kết luận</h2>
<p>Những cập nhật mới của OpenAI hứa hẹn mang đến những công cụ mạnh mẽ và linh hoạt cho các nhà phát triển AI. Cho dù bạn đang xây dựng các ứng dụng giọng nói, tinh chỉnh các mô hình hay phát triển các ứng dụng tác nhân phức tạp, những công cụ này sẽ giúp bạn mở rộng giới hạn của những gì có thể. Hãy khám phá tài liệu API chi tiết để bắt đầu thử nghiệm ngay hôm nay!</p>

OpenAI Ra Mắt o1 và Hàng Loạt Công Cụ Mới Cho Nhà Phát Triển

Mục lục Giới Thiệu OpenAI o1 trong API Tính năng chính So sánh hiệu năng Khả năng ứng dụng Cải Tiến Realtime API Hỗ trợ WebRTC Gi...

tháng 12 23, 2024

Nghiên Cứu Mới Nhất: ChatGPT Chưa Thể Thay Thế Chuyên Gia Tài Chính

<p><strong>Mục lục</strong></p>
<ol>
<li><strong>Mở đầu: AI trong ngành tài chính - Tiềm năng và giới hạn</strong></li>
<li><strong>Nghiên cứu của Đại học Washington State: Đánh giá khả năng của ChatGPT</strong><ul>
<li>Phương pháp nghiên cứu</li>
<li>Kết quả bất ngờ: ChatGPT mạnh về tổng quát, yếu về đặc thù</li>
</ul>
</li>
<li><strong>Thử thách với các tình huống phức tạp và chuyên sâu</strong><ul>
<li>Bài kiểm tra chuyên môn: Khó hơn là chỉ chọn đáp án đúng</li>
<li>Fine-tuning: Tăng cường độ chính xác nhưng vẫn chưa đủ</li>
</ul>
</li>
<li><strong>Bài học rút ra: AI là trợ thủ đắc lực, không phải kẻ thay thế</strong><ul>
<li>Tác động đến thị trường lao động</li>
</ul>
</li>
<li><strong>Kết luận: AI tiếp tục phát triển, cần tiếp tục theo dõi</strong></li>
</ol>
<hr>
<h2>1. Mở đầu: AI trong ngành tài chính - Tiềm năng và giới hạn</h2>
<p>Sự phát triển mạnh mẽ của trí tuệ nhân tạo (AI) đang dần len lỏi vào mọi ngóc ngách của đời sống, và ngành tài chính cũng không ngoại lệ. Các công cụ AI như ChatGPT hứa hẹn mang đến những thay đổi lớn, nhưng liệu chúng có thể thay thế hoàn toàn vai trò của con người trong lĩnh vực này? Một nghiên cứu mới đây của Đại học Washington State (WSU) đã đưa ra những kết quả đáng chú ý, làm sáng tỏ hơn về tiềm năng và những giới hạn của AI trong ngành tài chính.</p>
<p><img alt="User added image" src="https://cdn.corporatefinanceinstitute.com/assets/finance-definition.jpg"></p>
<h2>2. Nghiên cứu của Đại học Washington State: Đánh giá khả năng của ChatGPT</h2>
<h3>Phương pháp nghiên cứu</h3>
<p>Nghiên cứu được công bố trên tạp chí Financial Analysts Journal, do hai giáo sư Donald (DJ) Fairhurst của WSU và Daniel Greene của Đại học Clemson thực hiện. Nhóm nghiên cứu đã phân tích hơn 10.000 câu trả lời từ các mô hình AI như BARD, Llama và ChatGPT cho các câu hỏi trong các kỳ thi cấp chứng chỉ tài chính. Mục tiêu không chỉ là tìm ra đáp án đúng mà còn đánh giá khả năng giải thích và suy luận của AI so với các chuyên gia tài chính thực thụ.</p>
<h3>Kết quả bất ngờ: ChatGPT mạnh về tổng quát, yếu về đặc thù</h3>
<p>Mặc dù phiên bản trả phí ChatGPT 4.0 cho thấy khả năng cung cấp câu trả lời chính xác và gần gũi với con người, nhưng nó vẫn gặp khó khăn trong những tình huống chuyên biệt và phức tạp. Giáo sư Fairhurst nhận xét: "Với các khái niệm phổ quát, có nhiều tài liệu giải thích trên internet, ChatGPT có thể tổng hợp rất tốt. Nhưng nếu đó là vấn đề cụ thể, độc nhất, nó sẽ thực sự gặp khó khăn."</p>
<h2>3. Thử thách với các tình huống phức tạp và chuyên sâu</h2>
<h3>Bài kiểm tra chuyên môn: Khó hơn là chỉ chọn đáp án đúng</h3>
<p>Nghiên cứu sử dụng các câu hỏi từ các kỳ thi cấp phép như Series 6, 7, 65 và 66, vốn mô phỏng các công việc thực tế của chuyên gia tài chính. AI tỏ ra khá chính xác trong các lĩnh vực như giao dịch chứng khoán và theo dõi xu hướng thị trường. Tuy nhiên, nó gặp khó khăn với các vấn đề phức tạp hơn như xác định bảo hiểm của khách hàng và tình trạng thuế.</p>
<h3>Fine-tuning: Tăng cường độ chính xác nhưng vẫn chưa đủ</h3>
<p>Nhóm nghiên cứu đã thử nghiệm tinh chỉnh ChatGPT 3.5 bằng cách cung cấp các ví dụ về câu trả lời và giải thích đúng. Điều này đã cải thiện đáng kể độ chính xác, gần bằng với ChatGPT 4.0. Tuy nhiên, ngay cả sau khi được "huấn luyện", AI vẫn không thể xử lý tốt các tình huống phức tạp liên quan đến các giao dịch sáp nhập và mua lại. Kết quả cho thấy dữ liệu huấn luyện của ChatGPT chỉ giới hạn đến tháng 9 năm 2021, khiến nó không thể nắm bắt được các giao dịch diễn ra sau thời điểm đó.</p>
<h2>4. Bài học rút ra: AI là trợ thủ đắc lực, không phải kẻ thay thế</h2>
<h3>Tác động đến thị trường lao động</h3>
<p>Nghiên cứu này củng cố quan điểm rằng AI là một công cụ mạnh mẽ, nhưng tốt nhất nên được sử dụng để hỗ trợ các chuyên gia tài chính giàu kinh nghiệm hơn là thay thế họ. Giáo sư Fairhurst nhấn mạnh: "Còn quá sớm để lo lắng rằng ChatGPT sẽ thay thế hoàn toàn các công việc tài chính." Tuy nhiên, sự trỗi dậy của AI có thể làm thay đổi cấu trúc các vị trí đầu vào trong các ngân hàng đầu tư. Theo đó, các công việc mang tính chất thủ công của các chuyên viên phân tích cấp thấp có thể giảm bớt, do các công cụ AI có thể đảm nhận một phần các công việc này.</p>
<h2>5. Kết luận: AI tiếp tục phát triển, cần tiếp tục theo dõi</h2>
<p>Nghiên cứu của WSU đã có những đóng góp quan trọng trong việc hiểu rõ hơn về tiềm năng và hạn chế của AI như ChatGPT trong các ngành nghề chuyên môn. Khi AI tiếp tục phát triển, chúng ta cần tiếp tục theo dõi và nghiên cứu để có thể tận dụng tối đa lợi ích mà công nghệ này mang lại. Tuy nhiên, cần phải luôn nhớ rằng, AI hiện tại vẫn chưa thể thay thế được con người trong các công việc đòi hỏi khả năng tư duy, phân tích và đưa ra quyết định phức tạp.</p>

Nghiên Cứu Mới Nhất: ChatGPT Chưa Thể Thay Thế Chuyên Gia Tài Chính

Mục lục Mở đầu: AI trong ngành tài chính - Tiềm năng và giới hạn Nghiên cứu của Đại học Washington State: Đánh giá khả năng của ChatGPT ...

tháng 12 23, 2024

Gemini Code Assist: Bước Tiến Mới Cho Lập Trình Viên Với Hỗ Trợ Công Cụ Bên Thứ Ba

Gemini của Google: Khi đánh giá AI vượt quá chuyên môn

AI Phi Tập Trung: Sức Mạnh Mới Cho Sự Sáng Tạo và Quyền Sở Hữu Trí Tuệ

Cuộc Chiến AI Mở: Phân Tích Hành Vi Sử Dụng của Các Nhà Phát Triển Trên Toàn Cầu

OpenAI Ra Mắt o1 và Hàng Loạt Công Cụ Mới Cho Nhà Phát Triển

Nghiên Cứu Mới Nhất: ChatGPT Chưa Thể Thay Thế Chuyên Gia Tài Chính

Bài đăng phổ biến

Labels