Generative AI là gì?

Loại AI bạn đã từng dùng phân loại mọi thứ. Generative AI tạo ra chúng

Suốt hai mươi năm, AI trong đời sống hằng ngày gần như vô hình và chỉ làm nhiệm vụ phân loại. Bộ lọc spam quyết định là spam hay không. Ứng dụng ảnh quyết định khuôn mặt nào của ai. Ngân hàng quyết định là gian lận hay không. Công cụ đề xuất xếp hạng thứ nào nên hiển thị tiếp theo. Tất cả những việc đó đều lấy một thứ đã tồn tại rồi gắn cho nó một nhãn hoặc một điểm số. AI là gì nói về cả nhóm rộng hơn đó.

Generative AI đảo ngược chiều hướng này. Thay vì nhận vào một bức ảnh rồi trả ra kết quả "con mèo", nó nhận vào câu "một con mèo trên bậu cửa sổ lúc hoàng hôn" rồi trả ra một bức ảnh. Thay vì chấm điểm một email, nó viết ra một email. Mô hình đã học đủ sâu các quy luật từ hàng triệu ví dụ để tạo ra một mẫu mới phù hợp.

Sự đảo ngược đó là toàn bộ lý do công nghệ này chạm tới công chúng. Phân loại là một tính năng nằm trong sản phẩm của người khác. Tạo sinh là một sản phẩm độc lập: gõ một yêu cầu, nhận về một thứ. ChatGPT ra mắt ngày 30 tháng 11 năm 2022 và đạt khoảng 100 triệu người dùng hoạt động hằng tháng vào tháng 1 năm 2023, hai tháng sau khi ra mắt, theo phân tích của UBS được Reuters đưa tin ngày 1 tháng 2 năm 2023, ứng dụng tiêu dùng đạt mốc này nhanh nhất tại thời điểm đó, vì lần đầu tiên đầu ra của mô hình chính là mục đích chính.

Những gì diễn ra sau đó không hề nhỏ giọt. Dòng thời gian ra mắt mô hình ghi lại 41 lần ra mắt lớn kể từ ngày đó, và 31 trong số đó rơi vào năm 2025 và 2026. Màu cam đánh dấu một mô hình suy luận hoặc một dòng sản phẩm đi kèm chế độ suy nghĩ; đoạn được tô nền bắt đầu từ o1-preview.

Mọi mô hình tạo sinh đều học xem một ví dụ hợp lý trông như thế nào, rồi tạo ra một cái

Về bản chất, mọi mô hình tạo sinh đều được huấn luyện theo cùng một cách: cho nó xem một lượng ví dụ khổng lồ và để nó học xem một ví dụ hợp lý trông như thế nào. Sau đó, khi được dùng, nó được yêu cầu tạo ra một mẫu mới khớp với quy luật và với yêu cầu đưa ra.

Với văn bản, mô hình học cách dự đoán token tiếp theo, và tạo ra câu trả lời từng token một. LLM là gì trình bày đầy đủ về điều này. Với hình ảnh và video, phương pháp phổ biến nhất là khuếch tán (diffusion): mô hình học cách loại bỏ nhiễu khỏi một bức ảnh qua từng bước nhỏ, và khi tạo sinh, nó bắt đầu từ nhiễu thuần túy rồi loại bỏ dần từng bước trong khi một mô tả bằng văn bản dẫn dắt kết quả hình thành. Công thức mà hầu hết các mô hình hình ảnh sử dụng đến từ bài báo Denoising Diffusion Probabilistic Models năm 2020 của Ho, Jain và Abbeel; phương pháp mà nó thay thế, mạng đối nghịch tạo sinh (generative adversarial networks), có từ Goodfellow và cộng sự năm 2014. Các mô hình tạo nhạc phần lớn mượn một trong hai cách trên.

Điều cần ghi nhớ là tất cả chúng đều tạo ra thứ khớp với quy luật, không phải thứ đúng sự thật. Một mô hình văn bản sẽ tạo ra một trích dẫn có hình dạng giống trích dẫn. Một mô hình hình ảnh sẽ tạo ra một bàn tay có hình dạng giống bàn tay, đôi khi với sáu ngón. Sự trôi chảy và các lỗi sai đến từ cùng một nguồn gốc, và ảo giác AI là gì trình bày chi tiết phiên bản văn bản của vấn đề này.

Bốn dạng nội dung, bốn loại mô hình, một cửa sổ duy nhất

Năm 2022, generative AI chỉ có nghĩa là văn bản, và riêng biệt, hình ảnh. Đến năm 2026, một sản phẩm chat duy nhất điều hướng tới bốn loại bộ tạo sinh, và mô hình đứng sau mỗi loại đều khác nhau.

Quyết định sản phẩm ẩn phía sau là các dạng này được tính phí khác nhau vì chi phí vận hành khác nhau. Một câu trả lời văn bản chỉ tốn một phần nhỏ của một xu. Hình ảnh có bộ đếm riêng. Video và nhạc là các hạng mục đắt đỏ nhất và nằm ở gói cao nhất.

Tạo hình ảnh không có trong gói Starter, là 100 lần mỗi tháng ở gói Pro và 500 lần mỗi tháng ở gói Powerhouse, còn tạo video và nhạc là tính năng riêng của Powerhouse, theo cách credit của Whizi hoạt động. Khoảng cách giữa một câu trả lời văn bản và một đoạn video là khoảng cách giữa việc tạo ra 500 token và tạo ra vài giây khung hình, và mức giá đi theo đúng lượng tính toán đó.

Generative AI phù hợp cho việc gì, và giới hạn thật sự của nó

Nó tốt cho các bản nháp đầu tiên của bất cứ thứ gì có hình dạng đã biết trước: một email, một bản tóm tắt, một hàm code, một bức ảnh sản phẩm, một đoạn nhạc nền. Nó tốt cho việc chuyển đổi, lấy một thứ đã có sẵn rồi tạo ra chính thứ đó ở một dạng khác: dịch, rút gọn, viết lại cho một đối tượng khác, đổi phong cách. Và nó tốt cho việc tạo ra số lượng lớn, tạo ra hai mươi phiên bản trong khi một người chỉ tạo ra hai.

Về bản chất, nó yếu ở ba điểm. Các sự kiện chưa được cung cấp cho nó, vì nó tạo ra thứ khớp với quy luật chứ không phải thứ đúng sự thật. Độ chính xác ở những trường hợp hiếm gặp: ngón tay thứ sáu, đoạn code biên dịch được nhưng làm sai việc. Và khả năng đánh giá đầu ra có tốt hay không, việc này vẫn thuộc về người đưa ra yêu cầu. Hướng dẫn cách dùng AI là phiên bản thực tế để làm việc trong những giới hạn này.

Quy tắc quyết định: generative AI là công cụ phù hợp khi bạn có thể nhận ra một kết quả tốt nhanh hơn là tự tạo ra nó. Nếu bạn không thể phân biệt một đầu ra tốt với một đầu ra tệ, đây chưa phải công cụ dành cho công việc đó.

Generative AI là một nhánh của machine learning, vốn là một nhánh của AI

Trí tuệ nhân tạo là khái niệm bao trùm: bất kỳ phần mềm nào làm được điều mà ta gọi là thông minh nếu một con người làm việc đó. Machine learning là phương pháp mà hầu hết AI hiện đại sử dụng, học các quy tắc từ dữ liệu thay vì được lập trình sẵn. Generative AI là nhánh của machine learning có đầu ra là nội dung mới. Mô hình ngôn ngữ lớn là mô hình tạo sinh dành cho văn bản. Chatbot là ứng dụng được bọc quanh một mô hình như vậy. Mỗi khái niệm là một tập con của khái niệm trước nó, và bảng thuật ngữ AI tập hợp đầy đủ các thuật ngữ này ở một nơi.

Cách đọc thực tế: khi một sản phẩm nói rằng nó "dùng AI", hãy hỏi đó là loại nào. Nếu nó phân loại, xếp hạng hoặc dự đoán, đó là loại cũ và thường hoạt động tốt. Nếu nó tạo sinh, đó là loại mới và cần một người kiểm tra lại đầu ra.