Đây là một thời điểm thú vị đối với trí tuệ nhân tạo. Trong một thời gian dài, tiến bộ của AI đi theo một quy tắc đơn giản: làm cho mô hình lớn hơn. Nhiều tham số hơn, nhiều dữ liệu hơn, nhiều năng lực tính toán hơn. Cách này hiệu quả, nhưng cũng tạo ra những vấn đề nghiêm trọng. Việc huấn luyện các mô hình lớn rất tốn kém, chậm và tiêu thụ một lượng năng lượng khổng lồ.
Gần đây, Nvidia đã giới thiệu một ý tưởng khác gọi là Mixture of Experts, hay MOE. Thay vì kích hoạt toàn bộ mạng nơ-ron cho mọi tác vụ, mô hình học cách chọn những phần của hệ thống thực sự cần thiết. Mỗi phần hoạt động như một chuyên gia trong một lĩnh vực cụ thể. Với mỗi câu hỏi, chỉ những chuyên gia phù hợp nhất mới được sử dụng.
Điều này giúp hệ thống hiệu quả hơn và linh hoạt hơn. Nó tương tự như cách con người làm việc. Bạn không nhờ mọi người bạn biết giúp đỡ cho mọi vấn đề. Bạn sẽ hỏi những người phù hợp nhất với tình huống đó. Với MOE, các hệ thống AI có thể trở nên thông minh hơn mà không trở nên nặng nề một cách không cần thiết.
Nhiều nhà nghiên cứu tin rằng hướng đi này rất quan trọng đối với mục tiêu dài hạn là Trí tuệ Nhân tạo Tổng quát, hay AGI. Một hệ thống có thể xử lý nhiều loại vấn đề khác nhau cần nhiều hơn là quy mô thuần túy. Nó cần khả năng ra quyết định. Nó cần biết nên dùng năng lực nào và vào lúc nào.
Ý tưởng này không chỉ giới hạn trong các bài báo nghiên cứu.
Thực tế, chúng tôi đã làm việc với một cách tiếp cận tương tự trong Dvina. Ngay từ đầu, chúng tôi đã giả định rằng sẽ không có một mô hình ngôn ngữ hay công cụ đơn lẻ nào giỏi mọi thứ. Thay vì dựa vào một mô hình duy nhất, chúng tôi đã xây dựng một lớp điều phối nằm trên nhiều mô hình, công cụ và nguồn dữ liệu.
Lớp điều phối này hoạt động như một tầng ra quyết định. Khi người dùng đặt câu hỏi, nó quyết định nên sử dụng mô hình hoặc tài nguyên nào. Đôi khi nó dùng một cái. Đôi khi nó kết hợp nhiều cái và hợp nhất kết quả. Mục tiêu không phải là phô bày sự phức tạp, mà là che giấu nó đằng sau một trải nghiệm đơn giản.
Kết quả là một hệ thống mang lại cảm giác thích ứng. Bạn đặt câu hỏi, và hệ thống tự tìm ra cách trả lời theo cách hiệu quả nhất. Về tinh thần, điều này rất gần với những gì MOE đề xuất ở cấp độ mô hình, nhưng được áp dụng ở cấp độ hệ thống.
AGI vẫn chưa xuất hiện. Nhưng những ý tưởng như MOE cho thấy con đường phía trước không chỉ xoay quanh quy mô. Nó còn là về cấu trúc, sự phối hợp và cách sử dụng tài nguyên thông minh hơn.
Nếu bạn tò mò muốn biết kiểu tiếp cận này vận hành trong thực tế như thế nào, bạn có thể dùng thử Dvina miễn phí tại https://dvina.ai. Đây chưa phải là AGI, nhưng nó mang lại một cái nhìn thoáng qua về cách các hệ thống AI trong tương lai có thể suy nghĩ và vận hành.
