Buổi Webinar InnovaTalk vừa qua với chủ đề “AI Tạo sinh: Đột phá và Thách thức” đã đã mang đến những cuộc thảo luận sôi nổi giữa các chuyên gia và khán giả về những đột phá và thách thức của công nghệ này. Sự quan tâm của cộng đồng đối với AI đã được thể hiện rõ qua những câu hỏi đa dạng và đặc sắc.

Cân bằng giữa Tiềm năng và Rủi ro mà AI mang lại

Những tiến bộ trong khoa học luôn đi kèm với thách thức. Chính vì vậy,  một khán giả đã đặt câu hỏi về quan điểm của TS. Eric Horvitz trong việc tối ưu hóa việc sử dụng AI và khai thác tối đa lợi ích của AI tạo sinh. TS. Eric Horvitz cho rằng, bên cạnh những lợi ích to lớn, AI cũng tiềm ẩn những nguy cơ nếu không được sử dụng đúng cách. Ông đặc biệt nhấn mạnh tầm quan trọng của việc tìm ra giải pháp cho sự thiên lệch trong tệp dữ liệu, cũng như sự cần thiết của việc xây dựng một khuôn khổ đạo đức rõ ràng cho việc ứng dụng AI, bao gồm các quy định về tính minh bạch và giám sát.

Một câu hỏi khác cũng được đặt ra về những khó khăn của việc sử dụng AI trong lĩnh vực giáo dục bởi TS. Wray Buntine đến từ Đại học VinUni. Mặc dù thừa nhận tiềm năng của các mô hình ngôn ngữ lớn, TS. Buntine vẫn bày tỏ mối quan ngại về việc các mô hình hiện nay có thể bị phụ thuộc vào tiếng Anh như một công cụ trung gian, gây ảnh hưởng đến độ chính xác khi xử lý các ngôn ngữ khác như tiếng Việt. Để đi sâu hơn vào vấn đề này, TS. Eric Horvitz đã gợi ý rằng khán giả có thể tham khảo nghiên cứu của PGS. Robert West. Nghiên cứu này tập trung vào việc phân tích cách các bộ chuyển đổi đa ngôn ngữ xử lý các ngôn ngữ khác nhau, đặc biệt là vai trò của tiếng Anh trong quá trình này. Bên cạnh đó, TS. Horvitz cũng tin rằng, chỉ trong vài thập kỷ tới, các mô hình sẽ được nâng cấp để vượt qua rào cản ngôn ngữ, cho phép giao tiếp giữa các ngôn ngữ một cách tự nhiên và hiệu quả mà không cần dựa vào trung gian là tiếng Anh.

Quy trình đào tạo mô hình AI 

Về quy trình đào tạo AI, PGS.TS. Ngô Quỳnh Thu đến từ Đại học Bách Khoa Hà Nội đã đặt câu hỏi về phương pháp phát triển các mô hình AI có khả năng xử lý các nhiệm vụ phức tạp của con người. TS. Alex Ratner cho rằng quy trình này thường gồm có hai giai đoạn: Trước và Sau đào tạo. Trong giai đoạn Trước đào tạo, AI sẽ được tiếp xúc với lượng dữ liệu khổng lồ từ nhiều nguồn khác nhau để thiết lập nền tảng kiến ​​thức. Mặt khác, giai đoạn Sau đào tạo lại tập trung vào việc tinh chỉnh các kỹ năng của mô hình cho các nhiệm vụ chuyên dụng thông qua việc đào tạo chuyên sâu với các ví dụ cụ thể. TS. Ratner đặc biệt nhấn mạnh tầm quan trọng của giai đoạn thứ 2 để đạt được những năng lực mong muốn ở AI.

Trên cơ sở này, PGS.TS. Ngô Quỳnh Thu đã tiếp tục đặt ra câu hỏi về tầm quan trọng của việc truyền đạt kiến thức chuyên sâu cho các mô hình AI. Để trả lời cho câu hỏi của PGS.TS. Thu, TS. Ratner đã đưa ra ví dụ trực quan về một dự án hợp tác gần đây với một công ty thương mại điện tử tại Mỹ. Trong dự án này, họ đã tập trung vào việc tinh chỉnh một mô hình AI đa phương thức bằng cách điều chỉnh dữ liệu sao cho phù hợp với nhu cầu kinh doanh cụ thể. Theo TS. Ratner, việc cung cấp dữ liệu chuyên sâu trong quá trình đào tạo như vậy có thể đem lại sự cải thiện đáng kể đối với hiệu suất của AI. 

Nghiên cứu về AI tại các nước đang phát triển

Khi bàn về bức tranh tổng quan sự phát triển của AI, phía khán giả đã đặt ra câu hỏi về triển vọng nghiên cứu AI ở các quốc gia đang phát triển, đặc biệt là Việt Nam. Trước hết, TS. Xuedong Huang đã bày tỏ sự ngưỡng mộ đối với tiến bộ nhanh chóng của Việt Nam trong lĩnh vực AI, đặc biệt là trong các ngành y tế và công nghệ. Ông cũng chỉ ra rằng ngôn ngữ đóng vai trò rất quan trọng trong việc phát triển AI. Thực tế, tiếng Anh đang chiếm ưu thế áp đảo trong các mô hình ngôn ngữ lớn, khiến cho các quốc gia không sử dụng tiếng Anh gặp nhiều khó khăn trong việc ứng dụng và phát triển công nghệ này. Để giải quyết thách thức này, TS. Huang đã đề xuất phát triển các mô hình ngôn ngữ bản địa để thúc đẩy đổi mới và nâng cao trải nghiệm người dùng. Ông đã dẫn chứng các quốc gia thành công trong ứng dụng các mô hình mã nguồn mở theo nhu cầu ngôn ngữ riêng. 

Hơn nữa, ông nhấn mạnh tiềm năng của điện toán biên trong việc khắc phục hạn chế về cơ sở hạ tầng ở các quốc gia đang phát triển, từ đó thúc đẩy tiến bộ trong các lĩnh vực như nhận dạng giọng nói và dịch thuật. TS. Huang đã bày tỏ cái nhìn lạc quan về triển vọng AI của Việt Nam, so sánh sự phát triển của Việt Nam với Hoa Kỳ và nhấn mạnh tiềm năng đổi mới và lãnh đạo của Việt Nam trong lĩnh vực AI.

Tiềm năng của AI tạo sinh tại Việt Nam

Chuyển hướng sang những ứng dụng thực tế của AI, một khán giả đã đặt câu hỏi về triển vọng của AI tạo sinh tại Việt Nam. PGS.TS. Lê Hoàng Sơn đã chỉ ra một số lĩnh vực đầy tiềm năng cho AI tạo sinh tại Việt Nam, bao gồm y tế, giáo dục, môi trường và thương mại điện tử. Để minh họa cho ứng dụng thực tế của AI tạo sinh, ông đã chia sẻ về TPBank LiveBank, một ngân hàng tiên phong sử dụng công nghệ xử lý bằng tiếng Anh để hỗ trợ khách hàng mở tài khoản và giao dịch trực tuyến từ xa. Ngoài ra, ông cũng đề cập đến ứng dụng luyện phát âm tiếng Anh ELSA, sử dụng AI để cung cấp phản hồi trực tiếp, giúp người dùng cải thiện kỹ năng phát âm. PGS.TS. Lê Hoàng Sơn đã bày tỏ sự tin tưởng của mình vào tương lai của AI tạo sinh tại Việt Nam, dự đoán rằng công nghệ này sẽ thúc đẩy sự đổi mới và tạo ra giá trị trong nhiều lĩnh vực.