Thoại Viết Hoàng
Writer
AI sáng tạo có khả năng biến đổi nhanh chóng cách chúng ta sống, làm việc và tương tác. Chỉ trong vòng vài tháng, các ứng dụng và chatbot AI tổng hợp đã ra mắt và mở rộng quy mô trong các ngành và tiếp cận hàng trăm triệu người. AI đang ngày càng trở thành một phần cơ bản của cuộc sống hàng ngày.
AI sáng tạo phụ thuộc vào một tập hợp các yếu tố đầu vào cần thiết. Nếu một công ty đơn lẻ hoặc một số ít công ty kiểm soát một hoặc một số đầu vào thiết yếu này, thì họ có thể tận dụng quyền kiểm soát của mình để làm giảm hoặc bóp méo sự cạnh tranh trong thị trường AI tổng quát. Và nếu bản thân AI sáng tạo trở thành một công cụ ngày càng quan trọng, thì những người kiểm soát các đầu vào thiết yếu của nó có thể tạo ra ảnh hưởng lớn đối với một loạt hoạt động kinh tế đáng kể.
Cục Cạnh tranh của FTC, hợp tác chặt chẽ với Văn phòng Công nghệ, tập trung vào việc đảm bảo cạnh tranh công khai và công bằng, kể cả tại các điểm uốn quan trọng khi công nghệ phát triển. AI sáng tạo đại diện cho một trong những thay đổi mô hình này. Theo đó, điều đặc biệt quan trọng là các công ty không tham gia vào các phương pháp cạnh tranh không lành mạnh hoặc các vi phạm chống độc quyền khác để hạn chế cạnh tranh và làm suy yếu những lợi ích sâu rộng tiềm ẩn của công nghệ biến đổi này. Các phương thức cạnh tranh không lành mạnh có thể bóp méo tốc độ và hướng đổi mới. Ngược lại, thị trường mở và cạnh tranh có thể mở đường cho các công nghệ mới nổi, chẳng hạn như trí tuệ nhân tạo AI, mang lại lợi ích tiềm năng tối đa cho chúng.
Bài đăng trên blog này xác định một số khối xây dựng kỹ thuật thiết yếu của AI tổng quát và thảo luận về các mối lo ngại về cạnh tranh do AI tổng quát có thể gây ra.
Trí tuệ nhân tạo là gì?
“AI sáng tạo” là một danh mục AI cho phép máy móc tạo ra nội dung mới thay vì chỉ phân tích hoặc thao tác dữ liệu hiện có. Bằng cách sử dụng các mô hình được đào tạo trên lượng dữ liệu khổng lồ, AI tổng quát có thể tạo ra nội dung—chẳng hạn như văn bản, ảnh, âm thanh hoặc video—đôi khi không thể phân biệt được với nội dung do con người trực tiếp tạo ra. Các mô hình ngôn ngữ lớn (LLM), cung cấp năng lượng cho chatbot và các công cụ AI dựa trên văn bản khác, đại diện cho một loại AI tổng quát phổ biến.
Nhiều mô hình AI tổng quát được phát triển bằng quy trình gồm nhiều bước: bước đào tạo trước, bước tinh chỉnh và các bước tùy chỉnh tiềm năng. Tất cả các bước này có thể được thực hiện bởi cùng một công ty hoặc mỗi bước có thể được thực hiện bởi một công ty khác. Bước tiền đào tạo tạo ra một mô hình cơ sở có năng lực rộng trong một lĩnh vực cụ thể, chẳng hạn như ngôn ngữ hoặc hình ảnh. Ví dụ: một mô hình ngôn ngữ được đào tạo trước có thể lấy một phần câu chẳng hạn như “gia đình đã mang con dê cưng của họ đến…” và tạo các đề xuất “tự động hoàn thành” tiềm năng như “công viên”, “bác sĩ thú y” hoặc “trang trại”. Sau khi đào tạo trước, mô hình được tinh chỉnh cho một ứng dụng cụ thể, chẳng hạn như trả lời câu hỏi hoặc tạo hình ảnh từ lời nhắc. Trong giao diện chatbot, người dùng có thể hỏi: “Đâu là nơi thích hợp để mang theo con dê cưng của bạn?” Cuối cùng, một số loại AI tổng quát có thể được tùy chỉnh thêm thông qua các phương pháp dành riêng cho một số loại mô hình nhất định, chẳng hạn như kỹ thuật nhanh chóng. Kỹ thuật nhắc nhở được nhiều nhà phát triển chatbot sử dụng để thêm nhiều ràng buộc hơn—chỉ dẫn để không trả lời các câu hỏi không phù hợp hoặc có hại—hoặc để bắt chước các hành vi.
Các khối xây dựng cơ bản của AI sáng tạo
AI sáng tạo có thể gây ra nhiều lo ngại về cạnh tranh. Cụ thể, việc kiểm soát một hoặc nhiều khối xây dựng chính mà AI tổng quát dựa vào có thể ảnh hưởng đến sự cạnh tranh trong thị trường AI tổng quát.
Dữ liệu
Nền tảng của bất kỳ mô hình AI tổng quát nào là dữ liệu cơ bản. Việc phát triển AI tổng quát thường yêu cầu các bộ dữ liệu đặc biệt lớn, đặc biệt là trong bước đào tạo trước. Dữ liệu được sử dụng trong bước này tạo thành nền tảng của mô hình trong miền đã chọn, chẳng hạn như ngôn ngữ hoặc hình ảnh.
Khối lượng và chất lượng dữ liệu cần thiết để đào tạo trước một mô hình AI tổng quát từ đầu có thể ảnh hưởng đến khả năng tham gia thị trường của những người chơi mới. Có một vài lý do tại sao việc thu thập một kho dữ liệu lớn và đa dạng có thể khó hơn đối với những người mới tham gia thị trường so với những người đương nhiệm. Đầu tiên, các công ty lâu đời hơn có thể hưởng lợi từ quyền truy cập vào dữ liệu được thu thập từ người dùng của họ trong nhiều năm — đặc biệt nếu những công ty đương nhiệm cũng sở hữu nền tảng kỹ thuật số tích lũy lượng lớn dữ liệu. Dữ liệu này cũng có thể chi tiết và mạnh mẽ hơn. Thứ hai, các công ty được thành lập có nhiều khả năng đã phát triển và mài giũa các công cụ và công nghệ thu thập dữ liệu độc quyền để thu thập hoặc thu thập dữ liệu.
Điều này có thể đặc biệt đúng trong các lĩnh vực hoặc lĩnh vực chuyên biệt mà dữ liệu được quản lý chặt chẽ hơn, chẳng hạn như chăm sóc sức khỏe hoặc tài chính. Quá trình đào tạo trước hoặc tinh chỉnh một mô hình có chuyên môn sâu trong các loại lĩnh vực này có thể yêu cầu quyền truy cập vào một lượng lớn dữ liệu không có sẵn rộng rãi và sẽ khó thu thập đối với người chơi mới trên thị trường.
Tất nhiên, chỉ đơn giản là có một lượng lớn dữ liệu không phải là bất hợp pháp – mặc dù Ủy ban đã đưa ra nhiều hành động cáo buộc rằng các chính sách và thông lệ thu thập, lưu giữ hoặc sử dụng dữ liệu của các công ty là không hợp lý, không công bằng hoặc lừa đảo. Tuy nhiên, ngay cả khi áp dụng các biện pháp thu thập dữ liệu có trách nhiệm, việc kiểm soát dữ liệu của các công ty cũng có thể tạo ra các rào cản đối với việc gia nhập hoặc mở rộng, ngăn cản sự cạnh tranh công bằng phát triển hoàn toàn.
Tài năng
Một đầu vào thiết yếu khác cho AI sáng tạo là chuyên môn lao động. Việc phát triển một mô hình tổng quát đòi hỏi một lực lượng nghiên cứu và kỹ thuật đáng kể với các bộ kỹ năng cụ thể—và tương đối hiếm—cũng như hiểu biết sâu sắc về học máy, xử lý ngôn ngữ tự nhiên và thị giác máy tính. Có thể khó tìm, thuê và giữ chân những tài năng cần thiết để phát triển AI tổng quát.
Ngoài ra, tốc độ và vận tốc mà AI tổng quát đang phát triển đồng nghĩa với việc các mô hình có thể nhanh chóng lỗi thời hoặc lỗi thời. Các công ty tài năng có thể thu nhận và duy trì có thể đóng một vai trò quan trọng không chỉ trong con đường mà còn cả tốc độ phát triển của AI tổng quát.
Các công ty hy vọng cạnh tranh trong không gian AI tổng quát cần có chuyên môn, không chỉ về cách phát triển AI tổng quát mà còn về cách triển khai các sản phẩm AI tinh chỉnh. Các công ty có thể có được cả kinh nghiệm kỹ thuật và tài năng chuyên nghiệp cần thiết để xây dựng và đóng gói sản phẩm hoặc dịch vụ AI tổng quát cuối cùng sẽ có vị trí tốt hơn để giành thị phần.
Vì tài năng kỹ thuật cần thiết khan hiếm, nên các công ty hùng mạnh có thể được khuyến khích thu hút công nhân và do đó bóp nghẹt sự cạnh tranh từ các đối thủ thực sự hoặc sẽ là đối thủ. Để đảm bảo một thị trường cạnh tranh và đổi mới, điều quan trọng là các cá nhân tài năng có ý tưởng đổi mới được phép tự do di chuyển và quan trọng là không bị cản trở bởi những đối thủ không cạnh tranh.[1]
Tài nguyên tính toán
Truy cập vào tài nguyên máy tính là đầu vào quan trọng thứ ba trong thị trường AI tổng quát. Các hệ thống AI sáng tạo thường yêu cầu tài nguyên tính toán quan trọng (“tính toán”). Điều này đặc biệt đúng ở bước tiền đào tạo, khi tạo một mô hình mới từ đầu. Điện toán cho phép các công ty AI tổng quát xử lý dữ liệu, huấn luyện mô hình và triển khai hệ thống AI. Điện toán thường yêu cầu phần cứng chuyên dụng, chẳng hạn như máy tính có chip chuyên dụng như bộ xử lý đồ họa (GPU) có thể tốn kém để vận hành và bảo trì. Những người mới tham gia thường truy cập điện toán bằng cách chuyển sang các dịch vụ điện toán đám mây, cung cấp tài nguyên điện toán hiệu năng cao theo yêu cầu. Tuy nhiên, các dịch vụ đám mây có thể tốn kém và hiện chỉ được cung cấp bởi một số ít công ty, làm tăng nguy cơ xảy ra các hành vi phản cạnh tranh.[2]
Bước tinh chỉnh thường yêu cầu tính toán ít hơn đáng kể so với các bước trước khi đào tạo, vì các kỹ thuật tinh chỉnh thường liên quan đến các tập dữ liệu đào tạo nhỏ hơn. Ví dụ: kỹ thuật tinh chỉnh LoRa (Thích ứng cấp thấp) có thể cho phép nhà phát triển tinh chỉnh mô hình để thực hiện một tác vụ cụ thể bằng cách sử dụng GPU cấp tiêu dùng. Tuy nhiên, việc tinh chỉnh phải được thực hiện trên một mô hình cơ sở được đào tạo trước hiện có, nghĩa là các công ty muốn tạo một mô hình tinh chỉnh cho một ứng dụng cụ thể phải hợp tác với một công ty đã sở hữu một mô hình cơ sở đã được thiết lập sẵn, chịu chi phí đáng kể phát triển của riêng họ hoặc chuyển sang các mô hình cơ sở nguồn mở có sẵn công khai.
Chi phí gia nhập cao để tạo ra một mô hình cơ sở được đào tạo trước có thể dẫn đến một thị trường nơi các mô hình được đào tạo trước có chất lượng cao nhất được kiểm soát bởi một số ít người đương nhiệm. Một số phát triển hiện đang diễn ra trong nghiên cứu AI tổng quát có thể ảnh hưởng đến động lực này, chẳng hạn như sự phổ biến của các mô hình mã nguồn mở được đào tạo trước và các mô hình với số lượng tham số nhỏ hơn nhiều, đào tạo rẻ hơn. Sự phát triển về chất lượng tương đối của các mô hình cơ sở công cộng so với các mô hình do tư nhân kiểm soát có thể sẽ là yếu tố chính trong việc xác định tác động của tài nguyên máy tính như một rào cản đối với việc phát triển AI tổng quát.
Ngoài ra, một số thị trường dành cho chip chuyên dụng—hoặc có thể là, nếu không có các chính sách cạnh tranh và thực thi chống độc quyền phù hợp—có tính tập trung cao độ. Năm ngoái, một thách thức của FTC đã dẫn đến việc Nvidia từ bỏ đề xuất mua lại Arm trị giá 40 tỷ USD. Khiếu nại của FTC cáo buộc rằng việc sáp nhập sẽ cản trở sự cạnh tranh trên nhiều thị trường bộ xử lý, bao gồm cả chip cho các nhà cung cấp dịch vụ đám mây. Ngày nay, nhu cầu về chip máy chủ ngày càng tăng có thể vượt quá nguồn cung trong một số trường hợp. Ví dụ, có những báo cáo rằng nhu cầu về chip máy chủ có thể đào tạo AI tăng đột biến đã gây ra tình trạng thiếu hụt, khiến các nhà cung cấp máy chủ đám mây lớn như AWS, Microsoft, Google và Oracle phải “hạn chế khả năng cung cấp cho khách hàng”. Và các công ty ở các thị trường tập trung cao độ có xu hướng tham gia vào các phương pháp cạnh tranh không lành mạnh hoặc các vi phạm luật chống độc quyền khác.
Tác động tiềm tàng của mã nguồn mở
Hệ sinh thái nguồn mở có thể đóng một vai trò quan trọng trong sự phát triển của AI tổng quát. Ví dụ, năm ngoái, sau những tiến bộ lớn trong các mô hình tạo ảnh nguồn đóng, các mô hình tạo ảnh nguồn mở đã sẵn sàng cho cộng đồng nguồn mở. Điều tiếp theo là sự phổ biến của các mô hình nguồn mở với các khả năng tương tự. Nhanh chóng, khả năng của các mô hình tạo hình ảnh nguồn mở đã làm lu mờ khả năng của các mô hình cơ sở độc quyền đã truyền cảm hứng cho chúng. Sự bùng nổ đổi mới nguồn mở trong việc tạo hình ảnh, cùng với những phát triển mới trong tối ưu hóa, giúp gần như bất kỳ ai cũng có thể phát triển, lặp lại và triển khai các mô hình bằng cách sử dụng bộ dữ liệu nhỏ hơn và phần cứng tiêu dùng chi phí thấp hơn. Theo cách này, hệ sinh thái nguồn mở có thể giúp mở ra sân chơi một khi các mô hình cơ sở có sẵn cho công chúng, nếu nó có thể đạt được chất lượng ngang bằng với các mô hình độc quyền. Tuy nhiên, các mô hình AI mã nguồn mở cũng dễ bị lạm dụng. Chẳng hạn, trong khi các công cụ tạo hình ảnh AI nguồn mở được phát hành với các hạn chế tích hợp đối với các loại hình ảnh có thể được tạo, những người dùng ác ý đã loại bỏ các biện pháp bảo vệ này và sử dụng các mô hình để tạo ra các hình ảnh thân mật không có sự đồng thuận.
Kinh nghiệm cũng cho thấy cách các công ty có thể sử dụng chiến thuật “mở trước, đóng sau” theo cách làm suy yếu cạnh tranh dài hạn. Các công ty ban đầu sử dụng nguồn mở để thu hút doanh nghiệp, thiết lập các luồng dữ liệu ổn định và tích lũy lợi thế về quy mô sau đó có thể đóng cửa hệ sinh thái của họ để khóa khách hàng và khóa cạnh tranh.
Các sản phẩm và dịch vụ sử dụng khả năng AI tổng quát có thể phát triển trong cả hệ sinh thái nguồn mở và độc quyền. Trong một hệ sinh thái độc quyền, quyền truy cập vào các khối xây dựng thiết yếu của AI tổng quát—và người kiểm soát quyền truy cập đó—có thể đóng vai trò chính trong việc xác định công ty nào chìm hay bơi.
Các phương thức cạnh tranh không lành mạnh có thể xảy ra
Những công ty đương nhiệm kiểm soát đầu vào chính hoặc các thị trường lân cận, bao gồm cả thị trường điện toán đám mây, có thể sử dụng các phương pháp cạnh tranh không lành mạnh để củng cố quyền lực hiện tại của họ hoặc sử dụng quyền lực đó để giành quyền kiểm soát thị trường AI mới đang phát triển.
Ví dụ, những người dẫn đầu thị trường có thể cố gắng ngăn chặn sự cạnh tranh thông qua việc gộp và ràng buộc. Đóng gói xảy ra khi một công ty cung cấp nhiều sản phẩm cùng nhau dưới dạng một gói duy nhất. Sự ràng buộc xảy ra khi một công ty đặt điều kiện bán một sản phẩm khi mua một sản phẩm riêng biệt. Các công ty đương nhiệm có thể liên kết các ứng dụng AI tổng quát mới với các sản phẩm cốt lõi hiện có để giảm giá trị của các dịch vụ AI tổng quát độc lập của đối thủ cạnh tranh, có khả năng làm méo mó cạnh tranh.
Những công ty đương nhiệm cung cấp nhiều loại sản phẩm và dịch vụ như một phần của hệ sinh thái cũng có thể tham gia vào hành vi giao dịch độc quyền hoặc phân biệt đối xử, hướng người dùng đến các sản phẩm AI sáng tạo của riêng họ thay vì các sản phẩm của đối thủ cạnh tranh. Hơn nữa, những công ty đương nhiệm cung cấp cả dịch vụ điện toán và sản phẩm AI tổng hợp—ví dụ: thông qua quan hệ đối tác độc quyền trên đám mây—có thể sử dụng sức mạnh của họ trong lĩnh vực dịch vụ điện toán để ngăn chặn sự cạnh tranh trong lĩnh vực AI tổng quát bằng cách đối xử phân biệt đối với chính họ và đối tác của họ đối với những người mới tham gia. Một kịch bản liên quan tồn tại khi một công ty đương nhiệm cung cấp cả sản phẩm của riêng họ tận dụng AI tổng quát cũng như cung cấp API cho phép các công ty khác tận dụng khả năng AI tổng quát của họ. Trong những trường hợp như vậy, có rủi ro là các công ty đương nhiệm sẽ cung cấp API của họ theo các điều khoản tồn tại để bảo vệ vị trí đương nhiệm của họ.
Các công ty đương nhiệm cũng có thể sử dụng hoạt động M&A trong không gian AI tổng quát để củng cố quyền lực thị trường vào tay một số người chơi. Các công ty lớn đã hoạt động trong lĩnh vực AI tổng quát—hoặc đã kiểm soát đầu vào quan trọng—có thể cố gắng mua lại các ứng dụng quan trọng và cắt quyền tiếp cận của đối thủ với các sản phẩm cốt lõi. Những người dẫn đầu thị trường cũng có thể cố gắng mua các ứng dụng bổ sung và gộp chúng lại với nhau. Ngoài ra, các công ty đương nhiệm có thể bị cám dỗ mua lại các đối thủ non trẻ thay vì cố gắng vượt qua họ bằng cách cung cấp các sản phẩm hoặc dịch vụ tốt hơn.
Hiệu ứng mạng và nền tảng có thể tăng thêm tác hại từ hành vi không lành mạnh
Các công ty trong thị trường AI tổng quát có thể tận dụng hiệu ứng mạng để duy trì vị trí thống lĩnh hoặc tập trung sức mạnh thị trường. Người tiên phong có thể đảm bảo lợi thế đáng kể so với các đối thủ cạnh tranh vì các mô hình của họ, nhờ đã tương tác với số lượng người dùng lớn hơn trong thời gian dài hơn, có thể tạo ra nội dung hấp dẫn và hữu ích hơn các sản phẩm của đối thủ. Bởi vì các vòng phản hồi tích cực có thể cải thiện hiệu suất của các mô hình AI tổng quát, nên các sản phẩm AI tổng quát có thể trở nên tốt hơn khi có nhiều người sử dụng chúng hơn. Đồng thời, điều này có thể dẫn đến một thị trường tập trung với ít khả năng cạnh tranh hiệu quả hơn cho những người tham gia. Nếu không có sự can thiệp của pháp luật hoặc chính sách, hiệu ứng mạng lưới có thể tăng thêm khả năng và động cơ của công ty tham gia vào các phương thức cạnh tranh không lành mạnh.
Một hiệu ứng liên quan khác là hiệu ứng nền tảng, trong đó các công ty có thể trở nên phụ thuộc vào một nền tảng cụ thể cho các nhu cầu AI tổng quát của họ. Đối với hiệu ứng mạng, các công ty có thể tận dụng hiệu ứng nền tảng để củng cố sức mạnh thị trường của họ, đặc biệt nếu họ thực hiện các bước cụ thể để thu hút khách hàng theo cách loại trừ hoặc bất hợp pháp. Một lĩnh vực cụ thể mà hiệu ứng nền tảng có thể đóng vai trò quan trọng là dịch vụ đám mây. Các nhà cung cấp đám mây có thể khai thác nhu cầu điện toán của các công ty AI bằng cách cố gắng thu hút khách hàng, chẳng hạn như tính phí xuất dữ liệu cắt cổ.
Nhìn về phía trước
FTC không xa lạ gì với việc đối phó với các công nghệ mới nổi. AI sáng tạo vẫn đang phát triển nhanh chóng, nhưng nó đã có tiềm năng biến đổi nhiều thị trường. Thông qua việc thực thi pháp luật mạnh mẽ, FTC cố gắng hỗ trợ một thị trường sôi động, nơi các doanh nghiệp mới có thể cạnh tranh, các nhà nghiên cứu được tự do chuyển sang những công việc mà họ có thể thúc đẩy tốt nhất trạng thái của công nghệ và các doanh nhân có thể tiếp tục đổi mới. Khi các vấn đề cạnh tranh xung quanh AI tổng quát tiếp tục phát triển, Cục Cạnh tranh, phối hợp chặt chẽ với Văn phòng Công nghệ, sẽ sử dụng đầy đủ các công cụ của chúng tôi để xác định và giải quyết các phương pháp cạnh tranh không lành mạnh.
Tham khảo bài gốc tại đây:
Cục Cạnh tranh của FTC, hợp tác chặt chẽ với Văn phòng Công nghệ, tập trung vào việc đảm bảo cạnh tranh công khai và công bằng, kể cả tại các điểm uốn quan trọng khi công nghệ phát triển. AI sáng tạo đại diện cho một trong những thay đổi mô hình này. Theo đó, điều đặc biệt quan trọng là các công ty không tham gia vào các phương pháp cạnh tranh không lành mạnh hoặc các vi phạm chống độc quyền khác để hạn chế cạnh tranh và làm suy yếu những lợi ích sâu rộng tiềm ẩn của công nghệ biến đổi này. Các phương thức cạnh tranh không lành mạnh có thể bóp méo tốc độ và hướng đổi mới. Ngược lại, thị trường mở và cạnh tranh có thể mở đường cho các công nghệ mới nổi, chẳng hạn như trí tuệ nhân tạo AI, mang lại lợi ích tiềm năng tối đa cho chúng.
Bài đăng trên blog này xác định một số khối xây dựng kỹ thuật thiết yếu của AI tổng quát và thảo luận về các mối lo ngại về cạnh tranh do AI tổng quát có thể gây ra.
Trí tuệ nhân tạo là gì?
“AI sáng tạo” là một danh mục AI cho phép máy móc tạo ra nội dung mới thay vì chỉ phân tích hoặc thao tác dữ liệu hiện có. Bằng cách sử dụng các mô hình được đào tạo trên lượng dữ liệu khổng lồ, AI tổng quát có thể tạo ra nội dung—chẳng hạn như văn bản, ảnh, âm thanh hoặc video—đôi khi không thể phân biệt được với nội dung do con người trực tiếp tạo ra. Các mô hình ngôn ngữ lớn (LLM), cung cấp năng lượng cho chatbot và các công cụ AI dựa trên văn bản khác, đại diện cho một loại AI tổng quát phổ biến.
Nhiều mô hình AI tổng quát được phát triển bằng quy trình gồm nhiều bước: bước đào tạo trước, bước tinh chỉnh và các bước tùy chỉnh tiềm năng. Tất cả các bước này có thể được thực hiện bởi cùng một công ty hoặc mỗi bước có thể được thực hiện bởi một công ty khác. Bước tiền đào tạo tạo ra một mô hình cơ sở có năng lực rộng trong một lĩnh vực cụ thể, chẳng hạn như ngôn ngữ hoặc hình ảnh. Ví dụ: một mô hình ngôn ngữ được đào tạo trước có thể lấy một phần câu chẳng hạn như “gia đình đã mang con dê cưng của họ đến…” và tạo các đề xuất “tự động hoàn thành” tiềm năng như “công viên”, “bác sĩ thú y” hoặc “trang trại”. Sau khi đào tạo trước, mô hình được tinh chỉnh cho một ứng dụng cụ thể, chẳng hạn như trả lời câu hỏi hoặc tạo hình ảnh từ lời nhắc. Trong giao diện chatbot, người dùng có thể hỏi: “Đâu là nơi thích hợp để mang theo con dê cưng của bạn?” Cuối cùng, một số loại AI tổng quát có thể được tùy chỉnh thêm thông qua các phương pháp dành riêng cho một số loại mô hình nhất định, chẳng hạn như kỹ thuật nhanh chóng. Kỹ thuật nhắc nhở được nhiều nhà phát triển chatbot sử dụng để thêm nhiều ràng buộc hơn—chỉ dẫn để không trả lời các câu hỏi không phù hợp hoặc có hại—hoặc để bắt chước các hành vi.
Các khối xây dựng cơ bản của AI sáng tạo
AI sáng tạo có thể gây ra nhiều lo ngại về cạnh tranh. Cụ thể, việc kiểm soát một hoặc nhiều khối xây dựng chính mà AI tổng quát dựa vào có thể ảnh hưởng đến sự cạnh tranh trong thị trường AI tổng quát.
Dữ liệu
Nền tảng của bất kỳ mô hình AI tổng quát nào là dữ liệu cơ bản. Việc phát triển AI tổng quát thường yêu cầu các bộ dữ liệu đặc biệt lớn, đặc biệt là trong bước đào tạo trước. Dữ liệu được sử dụng trong bước này tạo thành nền tảng của mô hình trong miền đã chọn, chẳng hạn như ngôn ngữ hoặc hình ảnh.
Khối lượng và chất lượng dữ liệu cần thiết để đào tạo trước một mô hình AI tổng quát từ đầu có thể ảnh hưởng đến khả năng tham gia thị trường của những người chơi mới. Có một vài lý do tại sao việc thu thập một kho dữ liệu lớn và đa dạng có thể khó hơn đối với những người mới tham gia thị trường so với những người đương nhiệm. Đầu tiên, các công ty lâu đời hơn có thể hưởng lợi từ quyền truy cập vào dữ liệu được thu thập từ người dùng của họ trong nhiều năm — đặc biệt nếu những công ty đương nhiệm cũng sở hữu nền tảng kỹ thuật số tích lũy lượng lớn dữ liệu. Dữ liệu này cũng có thể chi tiết và mạnh mẽ hơn. Thứ hai, các công ty được thành lập có nhiều khả năng đã phát triển và mài giũa các công cụ và công nghệ thu thập dữ liệu độc quyền để thu thập hoặc thu thập dữ liệu.
Điều này có thể đặc biệt đúng trong các lĩnh vực hoặc lĩnh vực chuyên biệt mà dữ liệu được quản lý chặt chẽ hơn, chẳng hạn như chăm sóc sức khỏe hoặc tài chính. Quá trình đào tạo trước hoặc tinh chỉnh một mô hình có chuyên môn sâu trong các loại lĩnh vực này có thể yêu cầu quyền truy cập vào một lượng lớn dữ liệu không có sẵn rộng rãi và sẽ khó thu thập đối với người chơi mới trên thị trường.
Tất nhiên, chỉ đơn giản là có một lượng lớn dữ liệu không phải là bất hợp pháp – mặc dù Ủy ban đã đưa ra nhiều hành động cáo buộc rằng các chính sách và thông lệ thu thập, lưu giữ hoặc sử dụng dữ liệu của các công ty là không hợp lý, không công bằng hoặc lừa đảo. Tuy nhiên, ngay cả khi áp dụng các biện pháp thu thập dữ liệu có trách nhiệm, việc kiểm soát dữ liệu của các công ty cũng có thể tạo ra các rào cản đối với việc gia nhập hoặc mở rộng, ngăn cản sự cạnh tranh công bằng phát triển hoàn toàn.
Tài năng
Một đầu vào thiết yếu khác cho AI sáng tạo là chuyên môn lao động. Việc phát triển một mô hình tổng quát đòi hỏi một lực lượng nghiên cứu và kỹ thuật đáng kể với các bộ kỹ năng cụ thể—và tương đối hiếm—cũng như hiểu biết sâu sắc về học máy, xử lý ngôn ngữ tự nhiên và thị giác máy tính. Có thể khó tìm, thuê và giữ chân những tài năng cần thiết để phát triển AI tổng quát.
Ngoài ra, tốc độ và vận tốc mà AI tổng quát đang phát triển đồng nghĩa với việc các mô hình có thể nhanh chóng lỗi thời hoặc lỗi thời. Các công ty tài năng có thể thu nhận và duy trì có thể đóng một vai trò quan trọng không chỉ trong con đường mà còn cả tốc độ phát triển của AI tổng quát.
Các công ty hy vọng cạnh tranh trong không gian AI tổng quát cần có chuyên môn, không chỉ về cách phát triển AI tổng quát mà còn về cách triển khai các sản phẩm AI tinh chỉnh. Các công ty có thể có được cả kinh nghiệm kỹ thuật và tài năng chuyên nghiệp cần thiết để xây dựng và đóng gói sản phẩm hoặc dịch vụ AI tổng quát cuối cùng sẽ có vị trí tốt hơn để giành thị phần.
Vì tài năng kỹ thuật cần thiết khan hiếm, nên các công ty hùng mạnh có thể được khuyến khích thu hút công nhân và do đó bóp nghẹt sự cạnh tranh từ các đối thủ thực sự hoặc sẽ là đối thủ. Để đảm bảo một thị trường cạnh tranh và đổi mới, điều quan trọng là các cá nhân tài năng có ý tưởng đổi mới được phép tự do di chuyển và quan trọng là không bị cản trở bởi những đối thủ không cạnh tranh.[1]
Tài nguyên tính toán
Truy cập vào tài nguyên máy tính là đầu vào quan trọng thứ ba trong thị trường AI tổng quát. Các hệ thống AI sáng tạo thường yêu cầu tài nguyên tính toán quan trọng (“tính toán”). Điều này đặc biệt đúng ở bước tiền đào tạo, khi tạo một mô hình mới từ đầu. Điện toán cho phép các công ty AI tổng quát xử lý dữ liệu, huấn luyện mô hình và triển khai hệ thống AI. Điện toán thường yêu cầu phần cứng chuyên dụng, chẳng hạn như máy tính có chip chuyên dụng như bộ xử lý đồ họa (GPU) có thể tốn kém để vận hành và bảo trì. Những người mới tham gia thường truy cập điện toán bằng cách chuyển sang các dịch vụ điện toán đám mây, cung cấp tài nguyên điện toán hiệu năng cao theo yêu cầu. Tuy nhiên, các dịch vụ đám mây có thể tốn kém và hiện chỉ được cung cấp bởi một số ít công ty, làm tăng nguy cơ xảy ra các hành vi phản cạnh tranh.[2]
Bước tinh chỉnh thường yêu cầu tính toán ít hơn đáng kể so với các bước trước khi đào tạo, vì các kỹ thuật tinh chỉnh thường liên quan đến các tập dữ liệu đào tạo nhỏ hơn. Ví dụ: kỹ thuật tinh chỉnh LoRa (Thích ứng cấp thấp) có thể cho phép nhà phát triển tinh chỉnh mô hình để thực hiện một tác vụ cụ thể bằng cách sử dụng GPU cấp tiêu dùng. Tuy nhiên, việc tinh chỉnh phải được thực hiện trên một mô hình cơ sở được đào tạo trước hiện có, nghĩa là các công ty muốn tạo một mô hình tinh chỉnh cho một ứng dụng cụ thể phải hợp tác với một công ty đã sở hữu một mô hình cơ sở đã được thiết lập sẵn, chịu chi phí đáng kể phát triển của riêng họ hoặc chuyển sang các mô hình cơ sở nguồn mở có sẵn công khai.
Chi phí gia nhập cao để tạo ra một mô hình cơ sở được đào tạo trước có thể dẫn đến một thị trường nơi các mô hình được đào tạo trước có chất lượng cao nhất được kiểm soát bởi một số ít người đương nhiệm. Một số phát triển hiện đang diễn ra trong nghiên cứu AI tổng quát có thể ảnh hưởng đến động lực này, chẳng hạn như sự phổ biến của các mô hình mã nguồn mở được đào tạo trước và các mô hình với số lượng tham số nhỏ hơn nhiều, đào tạo rẻ hơn. Sự phát triển về chất lượng tương đối của các mô hình cơ sở công cộng so với các mô hình do tư nhân kiểm soát có thể sẽ là yếu tố chính trong việc xác định tác động của tài nguyên máy tính như một rào cản đối với việc phát triển AI tổng quát.
Ngoài ra, một số thị trường dành cho chip chuyên dụng—hoặc có thể là, nếu không có các chính sách cạnh tranh và thực thi chống độc quyền phù hợp—có tính tập trung cao độ. Năm ngoái, một thách thức của FTC đã dẫn đến việc Nvidia từ bỏ đề xuất mua lại Arm trị giá 40 tỷ USD. Khiếu nại của FTC cáo buộc rằng việc sáp nhập sẽ cản trở sự cạnh tranh trên nhiều thị trường bộ xử lý, bao gồm cả chip cho các nhà cung cấp dịch vụ đám mây. Ngày nay, nhu cầu về chip máy chủ ngày càng tăng có thể vượt quá nguồn cung trong một số trường hợp. Ví dụ, có những báo cáo rằng nhu cầu về chip máy chủ có thể đào tạo AI tăng đột biến đã gây ra tình trạng thiếu hụt, khiến các nhà cung cấp máy chủ đám mây lớn như AWS, Microsoft, Google và Oracle phải “hạn chế khả năng cung cấp cho khách hàng”. Và các công ty ở các thị trường tập trung cao độ có xu hướng tham gia vào các phương pháp cạnh tranh không lành mạnh hoặc các vi phạm luật chống độc quyền khác.
Tác động tiềm tàng của mã nguồn mở
Hệ sinh thái nguồn mở có thể đóng một vai trò quan trọng trong sự phát triển của AI tổng quát. Ví dụ, năm ngoái, sau những tiến bộ lớn trong các mô hình tạo ảnh nguồn đóng, các mô hình tạo ảnh nguồn mở đã sẵn sàng cho cộng đồng nguồn mở. Điều tiếp theo là sự phổ biến của các mô hình nguồn mở với các khả năng tương tự. Nhanh chóng, khả năng của các mô hình tạo hình ảnh nguồn mở đã làm lu mờ khả năng của các mô hình cơ sở độc quyền đã truyền cảm hứng cho chúng. Sự bùng nổ đổi mới nguồn mở trong việc tạo hình ảnh, cùng với những phát triển mới trong tối ưu hóa, giúp gần như bất kỳ ai cũng có thể phát triển, lặp lại và triển khai các mô hình bằng cách sử dụng bộ dữ liệu nhỏ hơn và phần cứng tiêu dùng chi phí thấp hơn. Theo cách này, hệ sinh thái nguồn mở có thể giúp mở ra sân chơi một khi các mô hình cơ sở có sẵn cho công chúng, nếu nó có thể đạt được chất lượng ngang bằng với các mô hình độc quyền. Tuy nhiên, các mô hình AI mã nguồn mở cũng dễ bị lạm dụng. Chẳng hạn, trong khi các công cụ tạo hình ảnh AI nguồn mở được phát hành với các hạn chế tích hợp đối với các loại hình ảnh có thể được tạo, những người dùng ác ý đã loại bỏ các biện pháp bảo vệ này và sử dụng các mô hình để tạo ra các hình ảnh thân mật không có sự đồng thuận.
Kinh nghiệm cũng cho thấy cách các công ty có thể sử dụng chiến thuật “mở trước, đóng sau” theo cách làm suy yếu cạnh tranh dài hạn. Các công ty ban đầu sử dụng nguồn mở để thu hút doanh nghiệp, thiết lập các luồng dữ liệu ổn định và tích lũy lợi thế về quy mô sau đó có thể đóng cửa hệ sinh thái của họ để khóa khách hàng và khóa cạnh tranh.
Các sản phẩm và dịch vụ sử dụng khả năng AI tổng quát có thể phát triển trong cả hệ sinh thái nguồn mở và độc quyền. Trong một hệ sinh thái độc quyền, quyền truy cập vào các khối xây dựng thiết yếu của AI tổng quát—và người kiểm soát quyền truy cập đó—có thể đóng vai trò chính trong việc xác định công ty nào chìm hay bơi.
Các phương thức cạnh tranh không lành mạnh có thể xảy ra
Những công ty đương nhiệm kiểm soát đầu vào chính hoặc các thị trường lân cận, bao gồm cả thị trường điện toán đám mây, có thể sử dụng các phương pháp cạnh tranh không lành mạnh để củng cố quyền lực hiện tại của họ hoặc sử dụng quyền lực đó để giành quyền kiểm soát thị trường AI mới đang phát triển.
Ví dụ, những người dẫn đầu thị trường có thể cố gắng ngăn chặn sự cạnh tranh thông qua việc gộp và ràng buộc. Đóng gói xảy ra khi một công ty cung cấp nhiều sản phẩm cùng nhau dưới dạng một gói duy nhất. Sự ràng buộc xảy ra khi một công ty đặt điều kiện bán một sản phẩm khi mua một sản phẩm riêng biệt. Các công ty đương nhiệm có thể liên kết các ứng dụng AI tổng quát mới với các sản phẩm cốt lõi hiện có để giảm giá trị của các dịch vụ AI tổng quát độc lập của đối thủ cạnh tranh, có khả năng làm méo mó cạnh tranh.
Những công ty đương nhiệm cung cấp nhiều loại sản phẩm và dịch vụ như một phần của hệ sinh thái cũng có thể tham gia vào hành vi giao dịch độc quyền hoặc phân biệt đối xử, hướng người dùng đến các sản phẩm AI sáng tạo của riêng họ thay vì các sản phẩm của đối thủ cạnh tranh. Hơn nữa, những công ty đương nhiệm cung cấp cả dịch vụ điện toán và sản phẩm AI tổng hợp—ví dụ: thông qua quan hệ đối tác độc quyền trên đám mây—có thể sử dụng sức mạnh của họ trong lĩnh vực dịch vụ điện toán để ngăn chặn sự cạnh tranh trong lĩnh vực AI tổng quát bằng cách đối xử phân biệt đối với chính họ và đối tác của họ đối với những người mới tham gia. Một kịch bản liên quan tồn tại khi một công ty đương nhiệm cung cấp cả sản phẩm của riêng họ tận dụng AI tổng quát cũng như cung cấp API cho phép các công ty khác tận dụng khả năng AI tổng quát của họ. Trong những trường hợp như vậy, có rủi ro là các công ty đương nhiệm sẽ cung cấp API của họ theo các điều khoản tồn tại để bảo vệ vị trí đương nhiệm của họ.
Các công ty đương nhiệm cũng có thể sử dụng hoạt động M&A trong không gian AI tổng quát để củng cố quyền lực thị trường vào tay một số người chơi. Các công ty lớn đã hoạt động trong lĩnh vực AI tổng quát—hoặc đã kiểm soát đầu vào quan trọng—có thể cố gắng mua lại các ứng dụng quan trọng và cắt quyền tiếp cận của đối thủ với các sản phẩm cốt lõi. Những người dẫn đầu thị trường cũng có thể cố gắng mua các ứng dụng bổ sung và gộp chúng lại với nhau. Ngoài ra, các công ty đương nhiệm có thể bị cám dỗ mua lại các đối thủ non trẻ thay vì cố gắng vượt qua họ bằng cách cung cấp các sản phẩm hoặc dịch vụ tốt hơn.
Hiệu ứng mạng và nền tảng có thể tăng thêm tác hại từ hành vi không lành mạnh
Các công ty trong thị trường AI tổng quát có thể tận dụng hiệu ứng mạng để duy trì vị trí thống lĩnh hoặc tập trung sức mạnh thị trường. Người tiên phong có thể đảm bảo lợi thế đáng kể so với các đối thủ cạnh tranh vì các mô hình của họ, nhờ đã tương tác với số lượng người dùng lớn hơn trong thời gian dài hơn, có thể tạo ra nội dung hấp dẫn và hữu ích hơn các sản phẩm của đối thủ. Bởi vì các vòng phản hồi tích cực có thể cải thiện hiệu suất của các mô hình AI tổng quát, nên các sản phẩm AI tổng quát có thể trở nên tốt hơn khi có nhiều người sử dụng chúng hơn. Đồng thời, điều này có thể dẫn đến một thị trường tập trung với ít khả năng cạnh tranh hiệu quả hơn cho những người tham gia. Nếu không có sự can thiệp của pháp luật hoặc chính sách, hiệu ứng mạng lưới có thể tăng thêm khả năng và động cơ của công ty tham gia vào các phương thức cạnh tranh không lành mạnh.
Một hiệu ứng liên quan khác là hiệu ứng nền tảng, trong đó các công ty có thể trở nên phụ thuộc vào một nền tảng cụ thể cho các nhu cầu AI tổng quát của họ. Đối với hiệu ứng mạng, các công ty có thể tận dụng hiệu ứng nền tảng để củng cố sức mạnh thị trường của họ, đặc biệt nếu họ thực hiện các bước cụ thể để thu hút khách hàng theo cách loại trừ hoặc bất hợp pháp. Một lĩnh vực cụ thể mà hiệu ứng nền tảng có thể đóng vai trò quan trọng là dịch vụ đám mây. Các nhà cung cấp đám mây có thể khai thác nhu cầu điện toán của các công ty AI bằng cách cố gắng thu hút khách hàng, chẳng hạn như tính phí xuất dữ liệu cắt cổ.
Nhìn về phía trước
FTC không xa lạ gì với việc đối phó với các công nghệ mới nổi. AI sáng tạo vẫn đang phát triển nhanh chóng, nhưng nó đã có tiềm năng biến đổi nhiều thị trường. Thông qua việc thực thi pháp luật mạnh mẽ, FTC cố gắng hỗ trợ một thị trường sôi động, nơi các doanh nghiệp mới có thể cạnh tranh, các nhà nghiên cứu được tự do chuyển sang những công việc mà họ có thể thúc đẩy tốt nhất trạng thái của công nghệ và các doanh nhân có thể tiếp tục đổi mới. Khi các vấn đề cạnh tranh xung quanh AI tổng quát tiếp tục phát triển, Cục Cạnh tranh, phối hợp chặt chẽ với Văn phòng Công nghệ, sẽ sử dụng đầy đủ các công cụ của chúng tôi để xác định và giải quyết các phương pháp cạnh tranh không lành mạnh.
Tham khảo bài gốc tại đây:
