MOE của Nvidia và con đường đến AGI: Dvina giúp bạn trải nghiệm AI của tương lai ngay hôm nay như thế nào

Ömer Odabaş
4 phút đọc • 
Nhiều nhà nghiên cứu tin rằng hướng đi này có ý nghĩa 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 không chỉ cần quy mô lớn. Nó cần khả năng ra quyết định. Nó cần biết nên dùng năng lực nào và vào lúc nào.

Trí tuệ nhân tạo đang ở một thời điểm thú vị. Trong một thời gian dài, tiến bộ của AI tuân theo một quy tắc đơn giản: làm cho mô hình lớn hơn. Nhiều tham số hơn, nhiều dữ liệu hơn, nhiều tài nguyên tính toán hơn. Cách này hiệu quả, nhưng cũng gây ra những vấn đề nghiêm trọng. Huấn luyện các mô hình lớn rất tốn kém, mất nhiều thời gian và tiêu thụ một lượng năng lượng khổng lồ.

Gần đây, Nvidia đã giới thiệu một ý tưởng khác mang tên 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 thực sự cần thiết của hệ thống. 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 được sử dụng.

Điều này giúp hệ thống hoạt động hiệu quả và linh hoạt hơn, tương tự như cách con người làm việc. Bạn không nhờ tất cả những người mình biết giúp đỡ mỗi khi gặp một vấn đề. Bạn tìm đến những người phù hợp nhất với tình huống đó. Với MOE, các hệ thống AI có thể trở nên thông minh hơn mà không phải trở nên nặng nề một cách không cần thiết.

Nhiều nhà nghiên cứu tin rằng hướng đi này có ý nghĩa 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 không chỉ cần quy mô lớn. Nó cần khả năng ra quyết định. Nó cần biết nên dùng năng lực nào và vào lúc nào.

Ý tưởng này không chỉ nằm trong các bài báo nghiên cứu.

Trên thực tế, chúng tôi đã và đang áp dụng một cách tiếp cận tương tự trong Dvina. Ngay từ đầu, chúng tôi đã xác định rằng không một mô hình ngôn ngữ hay công cụ đơn lẻ nào có thể làm tốt mọi việc. Thay vì dựa vào một mô hình duy nhất, chúng tôi xây dựng một lớp điều phối bên trên nhiều mô hình, công cụ và nguồn dữ liệu.

Lớp điều phối này đóng vai trò ra quyết định. Khi người dùng đặt câu hỏi, nó quyết định nên sử dụng mô hình hay tài nguyên nào. Đôi khi, nó chỉ dùng một mô hình hoặc tài nguyên. Đôi khi, nó kết hợp nhiều mô hình và tài nguyên rồi hợp nhất kết quả. Mục tiêu không phải là phô bày sự phức tạp, mà là giấu sự phức tạp đó đằng sau một trải nghiệm đơn giản.

Kết quả là một hệ thống mang lại cảm giác có khả năng thích ứng. Bạn đặt câu hỏi, và hệ thống tự tìm ra cách trả lời hiệu quả nhất. Về tinh thần, cách tiếp cận 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 nằm ở quy mô. Nó còn nằm ở cấu trúc, sự phối hợp và cách sử dụng tài nguyên thông minh hơn.

Nếu tò mò muốn biết cách tiếp cận này mang lại trải nghiệm thực tế như thế nào, bạn có thể dùng thử Dvina miễn phí tại https://dvina.ai. Dvina không phải là AGI, nhưng cho bạn một cái nhìn thoáng qua về cách các hệ thống AI trong tương lai có thể suy nghĩ và vận hành.

Tham gia Dvina

Đăng ký miễn phí và tập hợp mọi công cụ của bạn trong một không gian làm việc đơn giản.

Khám phá thêm