Thoại Viết Hoàng
Writer
AI sáng tạo đang được áp dụng rộng rãi hơn, đặc biệt là trong kinh doanh.
Ví dụ, gần đây nhất, Walmart đã thông báo rằng họ đang triển khai một ứng dụng AI thế hệ mới cho 50.000 nhân viên không làm việc tại cửa hàng. Theo báo cáo của Axios, ứng dụng này kết hợp dữ liệu từ Walmart với các mô hình ngôn ngữ lớn (LLM) của bên thứ ba và có thể giúp nhân viên thực hiện nhiều nhiệm vụ, từ tăng tốc quá trình soạn thảo, đến đóng vai trò là đối tác sáng tạo, đến tóm tắt các tài liệu lớn và hơn.Việc triển khai như thế này đang giúp thúc đẩy nhu cầu về các đơn vị xử lý đồ họa (GPU) cần thiết để đào tạo các mô hình học sâu mạnh mẽ. GPU là bộ xử lý điện toán chuyên dụng thực hiện các hướng dẫn lập trình song song thay vì tuần tự - cũng như các bộ xử lý trung tâm (CPU) truyền thống. Theo Wall Street Journal, việc đào tạo những mô hình này “có thể khiến các công ty tốn hàng tỷ đô la do họ cần thu thập và phân tích khối lượng lớn dữ liệu”. Điều này bao gồm tất cả các LLM nền tảng và học sâu từ GPT-4 đến LaMDA — tương ứng hỗ trợ các ứng dụng chatbot ChatGPT và Bard.
Cưỡi làn sóng AI rộng lớn Xu hướng thế hệ AI đang tạo động lực mạnh mẽ cho Nvidia, nhà cung cấp thống trị các GPU này: Công ty đã công bố thu nhập đáng kinh ngạc trong quý gần đây nhất của họ. Ít nhất đối với Nvidia, đây là thời điểm hưng phấn vì có vẻ như gần như mọi người đều đang cố gắng sở hữu GPU của mình.
Erin Griffiths đã viết trên tờ New York Times rằng các công ty khởi nghiệp và nhà đầu tư đang thực hiện các biện pháp phi thường để có được những con chip này: “Hơn cả tiền bạc, tài năng kỹ thuật, sự cường điệu hay thậm chí là lợi nhuận, các công ty công nghệ năm nay đang khao khát GPU”. Trong bản tin Stratechery tuần này, Ben Thompson gọi đây là “Nvidia trên đỉnh núi”. Để tăng thêm động lực, Google và Nvidia đã công bố mối quan hệ hợp tác, theo đó khách hàng trên nền tảng đám mây của Google sẽ có quyền truy cập nhiều hơn vào công nghệ được cung cấp bởi GPU của Nvidia. Tất cả những điều này cho thấy sự khan hiếm hiện tại của những con chip này trước nhu cầu tăng cao. Liệu nhu cầu hiện tại này có đánh dấu thời điểm cao điểm của thế hệ AI hay thay vào đó nó có thể chỉ ra sự khởi đầu của làn sóng phát triển tiếp theo? Công nghệ sáng tạo đang định hình tương lai của điện toán như thế nào
Giám đốc điều hành Nvidia Jensen Huang cho biết trong cuộc gọi thu nhập gần đây nhất của công ty rằng nhu cầu này đánh dấu buổi bình minh của “điện toán tăng tốc”. Ông nói thêm rằng sẽ là khôn ngoan nếu các công ty “chuyển hướng đầu tư vốn từ điện toán cho mục đích chung và tập trung vào AI tổng hợp và điện toán tăng tốc”. Điện toán mục đích chung là tham chiếu đến CPU được thiết kế cho nhiều tác vụ khác nhau, từ bảng tính đến cơ sở dữ liệu quan hệ đến ERP. Nvidia lập luận rằng CPU hiện là cơ sở hạ tầng kế thừa và thay vào đó, các nhà phát triển nên tối ưu hóa mã của họ để GPU thực hiện các tác vụ hiệu quả hơn CPU truyền thống. GPU có thể thực hiện nhiều phép tính đồng thời, khiến chúng hoàn toàn phù hợp cho các tác vụ như học máy (ML), nơi hàng triệu phép tính được thực hiện song song. GPU cũng đặc biệt thành thạo trong một số loại tính toán toán học nhất định - chẳng hạn như các tác vụ thao tác ma trận và đại số tuyến tính - là nền tảng cho học sâu và thế hệ AI. GPU mang lại ít lợi ích cho một số loại phần mềm
Tuy nhiên, các loại phần mềm khác (bao gồm hầu hết các ứng dụng kinh doanh hiện có) được tối ưu hóa để chạy trên CPU và sẽ nhận được rất ít lợi ích từ việc thực thi lệnh song song của GPU. Thompson dường như cũng có quan điểm tương tự: “Giải thích của tôi về triển vọng của Huang là tất cả các GPU này sẽ được sử dụng cho nhiều hoạt động giống nhau hiện đang chạy trên CPU; đó chắc chắn là một quan điểm lạc quan đối với Nvidia, bởi vì điều đó có nghĩa là phần công suất dư thừa có thể đến từ việc theo đuổi AI có thể tạo ra sẽ được lấp đầy bởi khối lượng công việc điện toán đám mây hiện tại.” Anh ấy tiếp tục: “Điều đó đã lưu ý, tôi nghi ngờ: Con người - và các công ty - lười biếng và không chỉ các ứng dụng dựa trên CPU dễ phát triển hơn mà hầu hết chúng còn được xây dựng sẵn. Tôi khó có thể biết được các công ty sẽ dành thời gian và công sức như thế nào để chuyển những thứ đã chạy trên CPU sang GPU.”Chúng ta đã trải qua điều này trước đây Matt Assay của InfoWorld nhắc nhở chúng ta rằng chúng ta đã từng thấy điều này trước đây. “Khi học máy lần đầu tiên xuất hiện, các nhà khoa học dữ liệu đã áp dụng nó vào mọi thứ, ngay cả khi có những công cụ đơn giản hơn nhiều. Như nhà khoa học dữ liệu Noah Lorang đã từng lập luận, ‘Có một nhóm rất nhỏ các vấn đề kinh doanh được giải quyết tốt nhất bằng học máy; hầu hết họ chỉ cần dữ liệu tốt và hiểu ý nghĩa của nó.” Vấn đề là, khả năng tính toán tăng tốc và GPU không phải là câu trả lời cho mọi nhu cầu về phần mềm. Nvidia đã có một quý tuyệt vời, được thúc đẩy bởi cơn sốt vàng hiện nay để phát triển các ứng dụng AI thế hệ mới. Kết quả là công ty trở nên sôi nổi một cách tự nhiên. Tuy nhiên, như chúng ta đã thấy từ chu kỳ cường điệu hóa công nghệ mới nổi của Gartner gần đây, thế hệ AI đang có thời điểm phát triển và đang ở đỉnh điểm của những kỳ vọng tăng cao Theo Đại học Singularity và người sáng lập XPRIZE Peter Diamandis, những kỳ vọng này là về việc nhìn thấy tiềm năng trong tương lai với một số nhược điểm. “Tại thời điểm đó, sự cường điệu bắt đầu tạo ra sự phấn khích vô căn cứ và kỳ vọng tăng cao.”
Hạn chế hiện tại Đến thời điểm này, chúng ta có thể sớm đạt đến giới hạn của sự bùng nổ AI thế hệ hiện tại. Như các nhà đầu tư mạo hiểm Paul Kedrosky và Eric Norlin của SK Ventures đã viết trên Substack của công ty họ: “Quan điểm của chúng tôi là chúng tôi đang ở cuối làn sóng đầu tiên của AI dựa trên mô hình ngôn ngữ lớn. Làn sóng đó bắt đầu vào năm 2017, với việc phát hành bài báo về người biến đổi [Google] (“Chú ý là tất cả những gì bạn cần”) và kết thúc ở đâu đó trong một hoặc hai năm tới với những loại giới hạn mà mọi người đang phải đối mặt.” Những hạn chế đó bao gồm “xu hướng ảo giác, dữ liệu đào tạo không đầy đủ trong các lĩnh vực hẹp, cơ sở đào tạo đã ngừng hoạt động từ nhiều năm trước hoặc vô số lý do khác”. Họ nói thêm: “Trái ngược với sự cường điệu, chúng tôi đã ở giai đoạn cuối của làn sóng AI hiện tại”.
Next wave
Tương lai của thế hệ AI có vẻ tươi sáng, mặc dù đã đạt đến đỉnh cao những hạn chế hiện có của thế hệ mô hình và ứng dụng hiện tại. Có nhiều lý do đằng sau lời hứa này, nhưng có lẽ quan trọng nhất là sự thiếu hụt lực lượng lao động trong toàn bộ nền kinh tế, điều này sẽ tiếp tục thúc đẩy nhu cầu tự động hóa nhiều hơn. Mặc dù AI và tự động hóa trong lịch sử được coi là riêng biệt nhưng quan điểm này đang thay đổi với sự ra đời của thế hệ AI. Công nghệ ngày càng trở thành động lực cho tự động hóa và nâng cao năng suất. Mike Knoop, người đồng sáng lập công ty Workflow Zapier, đã đề cập đến hiện tượng này trên podcast Eye on AI gần đây khi ông nói: “AI và tự động hóa là hai chế độ kết hợp thành một thứ giống nhau”. Chắc chắn, McKinsey tin vào điều này. Trong một báo cáo gần đây, họ tuyên bố: “AI sáng tạo đã sẵn sàng để giải phóng làn sóng năng suất tiếp theo”. Họ hầu như không đơn độc. Ví dụ, Goldman Sachs tuyên bố rằng gen AI có thể tăng GDP toàn cầu thêm 7%. Dù chúng ta có đang ở đỉnh cao của thế hệ AI hiện tại hay không thì rõ ràng đây là một lĩnh vực sẽ tiếp tục phát triển và là chất xúc tác cho các cuộc tranh luận trong giới kinh doanh. Mặc dù những thách thức là rất lớn nhưng những cơ hội cũng rất lớn - đặc biệt là trong một thế giới khao khát sự đổi mới và hiệu quả. Cuộc đua giành quyền thống trị GPU chỉ là một bức ảnh chụp nhanh trong câu chuyện đang diễn ra này, phần mở đầu cho các chương tương lai của AI và điện toán.
Tham khảo bài viết gốc tại đây:
Ví dụ, gần đây nhất, Walmart đã thông báo rằng họ đang triển khai một ứng dụng AI thế hệ mới cho 50.000 nhân viên không làm việc tại cửa hàng. Theo báo cáo của Axios, ứng dụng này kết hợp dữ liệu từ Walmart với các mô hình ngôn ngữ lớn (LLM) của bên thứ ba và có thể giúp nhân viên thực hiện nhiều nhiệm vụ, từ tăng tốc quá trình soạn thảo, đến đóng vai trò là đối tác sáng tạo, đến tóm tắt các tài liệu lớn và hơn.Việc triển khai như thế này đang giúp thúc đẩy nhu cầu về các đơn vị xử lý đồ họa (GPU) cần thiết để đào tạo các mô hình học sâu mạnh mẽ. GPU là bộ xử lý điện toán chuyên dụng thực hiện các hướng dẫn lập trình song song thay vì tuần tự - cũng như các bộ xử lý trung tâm (CPU) truyền thống. Theo Wall Street Journal, việc đào tạo những mô hình này “có thể khiến các công ty tốn hàng tỷ đô la do họ cần thu thập và phân tích khối lượng lớn dữ liệu”. Điều này bao gồm tất cả các LLM nền tảng và học sâu từ GPT-4 đến LaMDA — tương ứng hỗ trợ các ứng dụng chatbot ChatGPT và Bard.
Cưỡi làn sóng AI rộng lớn Xu hướng thế hệ AI đang tạo động lực mạnh mẽ cho Nvidia, nhà cung cấp thống trị các GPU này: Công ty đã công bố thu nhập đáng kinh ngạc trong quý gần đây nhất của họ. Ít nhất đối với Nvidia, đây là thời điểm hưng phấn vì có vẻ như gần như mọi người đều đang cố gắng sở hữu GPU của mình.
Erin Griffiths đã viết trên tờ New York Times rằng các công ty khởi nghiệp và nhà đầu tư đang thực hiện các biện pháp phi thường để có được những con chip này: “Hơn cả tiền bạc, tài năng kỹ thuật, sự cường điệu hay thậm chí là lợi nhuận, các công ty công nghệ năm nay đang khao khát GPU”. Trong bản tin Stratechery tuần này, Ben Thompson gọi đây là “Nvidia trên đỉnh núi”. Để tăng thêm động lực, Google và Nvidia đã công bố mối quan hệ hợp tác, theo đó khách hàng trên nền tảng đám mây của Google sẽ có quyền truy cập nhiều hơn vào công nghệ được cung cấp bởi GPU của Nvidia. Tất cả những điều này cho thấy sự khan hiếm hiện tại của những con chip này trước nhu cầu tăng cao. Liệu nhu cầu hiện tại này có đánh dấu thời điểm cao điểm của thế hệ AI hay thay vào đó nó có thể chỉ ra sự khởi đầu của làn sóng phát triển tiếp theo? Công nghệ sáng tạo đang định hình tương lai của điện toán như thế nào
Giám đốc điều hành Nvidia Jensen Huang cho biết trong cuộc gọi thu nhập gần đây nhất của công ty rằng nhu cầu này đánh dấu buổi bình minh của “điện toán tăng tốc”. Ông nói thêm rằng sẽ là khôn ngoan nếu các công ty “chuyển hướng đầu tư vốn từ điện toán cho mục đích chung và tập trung vào AI tổng hợp và điện toán tăng tốc”. Điện toán mục đích chung là tham chiếu đến CPU được thiết kế cho nhiều tác vụ khác nhau, từ bảng tính đến cơ sở dữ liệu quan hệ đến ERP. Nvidia lập luận rằng CPU hiện là cơ sở hạ tầng kế thừa và thay vào đó, các nhà phát triển nên tối ưu hóa mã của họ để GPU thực hiện các tác vụ hiệu quả hơn CPU truyền thống. GPU có thể thực hiện nhiều phép tính đồng thời, khiến chúng hoàn toàn phù hợp cho các tác vụ như học máy (ML), nơi hàng triệu phép tính được thực hiện song song. GPU cũng đặc biệt thành thạo trong một số loại tính toán toán học nhất định - chẳng hạn như các tác vụ thao tác ma trận và đại số tuyến tính - là nền tảng cho học sâu và thế hệ AI. GPU mang lại ít lợi ích cho một số loại phần mềm
Tuy nhiên, các loại phần mềm khác (bao gồm hầu hết các ứng dụng kinh doanh hiện có) được tối ưu hóa để chạy trên CPU và sẽ nhận được rất ít lợi ích từ việc thực thi lệnh song song của GPU. Thompson dường như cũng có quan điểm tương tự: “Giải thích của tôi về triển vọng của Huang là tất cả các GPU này sẽ được sử dụng cho nhiều hoạt động giống nhau hiện đang chạy trên CPU; đó chắc chắn là một quan điểm lạc quan đối với Nvidia, bởi vì điều đó có nghĩa là phần công suất dư thừa có thể đến từ việc theo đuổi AI có thể tạo ra sẽ được lấp đầy bởi khối lượng công việc điện toán đám mây hiện tại.” Anh ấy tiếp tục: “Điều đó đã lưu ý, tôi nghi ngờ: Con người - và các công ty - lười biếng và không chỉ các ứng dụng dựa trên CPU dễ phát triển hơn mà hầu hết chúng còn được xây dựng sẵn. Tôi khó có thể biết được các công ty sẽ dành thời gian và công sức như thế nào để chuyển những thứ đã chạy trên CPU sang GPU.”Chúng ta đã trải qua điều này trước đây Matt Assay của InfoWorld nhắc nhở chúng ta rằng chúng ta đã từng thấy điều này trước đây. “Khi học máy lần đầu tiên xuất hiện, các nhà khoa học dữ liệu đã áp dụng nó vào mọi thứ, ngay cả khi có những công cụ đơn giản hơn nhiều. Như nhà khoa học dữ liệu Noah Lorang đã từng lập luận, ‘Có một nhóm rất nhỏ các vấn đề kinh doanh được giải quyết tốt nhất bằng học máy; hầu hết họ chỉ cần dữ liệu tốt và hiểu ý nghĩa của nó.” Vấn đề là, khả năng tính toán tăng tốc và GPU không phải là câu trả lời cho mọi nhu cầu về phần mềm. Nvidia đã có một quý tuyệt vời, được thúc đẩy bởi cơn sốt vàng hiện nay để phát triển các ứng dụng AI thế hệ mới. Kết quả là công ty trở nên sôi nổi một cách tự nhiên. Tuy nhiên, như chúng ta đã thấy từ chu kỳ cường điệu hóa công nghệ mới nổi của Gartner gần đây, thế hệ AI đang có thời điểm phát triển và đang ở đỉnh điểm của những kỳ vọng tăng cao Theo Đại học Singularity và người sáng lập XPRIZE Peter Diamandis, những kỳ vọng này là về việc nhìn thấy tiềm năng trong tương lai với một số nhược điểm. “Tại thời điểm đó, sự cường điệu bắt đầu tạo ra sự phấn khích vô căn cứ và kỳ vọng tăng cao.”
Hạn chế hiện tại Đến thời điểm này, chúng ta có thể sớm đạt đến giới hạn của sự bùng nổ AI thế hệ hiện tại. Như các nhà đầu tư mạo hiểm Paul Kedrosky và Eric Norlin của SK Ventures đã viết trên Substack của công ty họ: “Quan điểm của chúng tôi là chúng tôi đang ở cuối làn sóng đầu tiên của AI dựa trên mô hình ngôn ngữ lớn. Làn sóng đó bắt đầu vào năm 2017, với việc phát hành bài báo về người biến đổi [Google] (“Chú ý là tất cả những gì bạn cần”) và kết thúc ở đâu đó trong một hoặc hai năm tới với những loại giới hạn mà mọi người đang phải đối mặt.” Những hạn chế đó bao gồm “xu hướng ảo giác, dữ liệu đào tạo không đầy đủ trong các lĩnh vực hẹp, cơ sở đào tạo đã ngừng hoạt động từ nhiều năm trước hoặc vô số lý do khác”. Họ nói thêm: “Trái ngược với sự cường điệu, chúng tôi đã ở giai đoạn cuối của làn sóng AI hiện tại”.
Next wave
Tương lai của thế hệ AI có vẻ tươi sáng, mặc dù đã đạt đến đỉnh cao những hạn chế hiện có của thế hệ mô hình và ứng dụng hiện tại. Có nhiều lý do đằng sau lời hứa này, nhưng có lẽ quan trọng nhất là sự thiếu hụt lực lượng lao động trong toàn bộ nền kinh tế, điều này sẽ tiếp tục thúc đẩy nhu cầu tự động hóa nhiều hơn. Mặc dù AI và tự động hóa trong lịch sử được coi là riêng biệt nhưng quan điểm này đang thay đổi với sự ra đời của thế hệ AI. Công nghệ ngày càng trở thành động lực cho tự động hóa và nâng cao năng suất. Mike Knoop, người đồng sáng lập công ty Workflow Zapier, đã đề cập đến hiện tượng này trên podcast Eye on AI gần đây khi ông nói: “AI và tự động hóa là hai chế độ kết hợp thành một thứ giống nhau”. Chắc chắn, McKinsey tin vào điều này. Trong một báo cáo gần đây, họ tuyên bố: “AI sáng tạo đã sẵn sàng để giải phóng làn sóng năng suất tiếp theo”. Họ hầu như không đơn độc. Ví dụ, Goldman Sachs tuyên bố rằng gen AI có thể tăng GDP toàn cầu thêm 7%. Dù chúng ta có đang ở đỉnh cao của thế hệ AI hiện tại hay không thì rõ ràng đây là một lĩnh vực sẽ tiếp tục phát triển và là chất xúc tác cho các cuộc tranh luận trong giới kinh doanh. Mặc dù những thách thức là rất lớn nhưng những cơ hội cũng rất lớn - đặc biệt là trong một thế giới khao khát sự đổi mới và hiệu quả. Cuộc đua giành quyền thống trị GPU chỉ là một bức ảnh chụp nhanh trong câu chuyện đang diễn ra này, phần mở đầu cho các chương tương lai của AI và điện toán.
Tham khảo bài viết gốc tại đây:
