Khánh Vân
Writer
Gần đây, startup AI DeepSeek đã gây chú ý khi giới thiệu R1, mô hình AI có hiệu năng tương đương với ChatGPT và các hệ thống đắt đỏ khác, nhưng với chi phí huấn luyện chỉ bằng một phần nhỏ so với mức chi tiêu điển hình ở Thung lũng Silicon. Thành công này đạt được nhờ vào hàng loạt đột phá trong việc tối ưu cả phần cứng lẫn phần mềm, giúp quá trình huấn luyện và vận hành tiết kiệm hơn đáng kể.
Tuy nhiên, một nhóm nghiên cứu tại Đại học California, Berkeley (UC Berkeley) còn đi xa hơn khi tuyên bố có thể đạt được kết quả tương tự với chi phí chỉ vỏn vẹn 30 USD. Dưới sự dẫn dắt của nghiên cứu sinh Jiayi Pan, nhóm đã sao chép thành công công nghệ lõi của DeepSeek để tạo ra một phiên bản quy mô nhỏ hơn mang tên "TinyZero" và phát hành mã nguồn mở trên GitHub để cộng đồng cùng thử nghiệm.
Mặc dù sở hữu quy mô khiêm tốn hơn nhiều so với mô hình gốc DeepSeek R1 (671 tỷ tham số), TinyZero được cho là mô phỏng chính xác hành vi cốt lõi của DeepSeek nhờ phương pháp học tăng cường (reinforcement learning).
Phương pháp học tăng cường: Chìa khóa cho AI "giá rẻ"
Cách tiếp cận của Pan tập trung vào học tăng cường, một kỹ thuật trong đó AI bắt đầu với những phỏng đoán gần như ngẫu nhiên, sau đó dần dần tinh chỉnh câu trả lời bằng cách sửa đổi và tìm kiếm các giải pháp khả thi. Trong bài đăng mô tả dự án, Pan đã minh họa bằng trò chơi Countdown - một câu đố truyền hình của Anh, nơi người chơi kết hợp các con số đã cho để đạt được giá trị mục tiêu. "Sau nhiều lần thử sai, nó tự sửa lỗi và đạt đáp án đúng," Pan chia sẻ.
Thách thức quan niệm truyền thống về chi phí phát triển AI
Thành công của TinyZero đặt ra câu hỏi lớn về tính hiệu quả của ngân sách nghiên cứu AI hiện nay. Tại sao các tập đoàn như OpenAI hay Google lại chi hàng tỷ USD cho AI, trong khi một nhóm nghiên cứu nhỏ có thể đạt kết quả tương tự với ngân sách "hạt dẻ"? Trước đó, DeepSeek từng gây sốc khi tuyên bố chi phí đào tạo mô hình R1 chỉ vài triệu USD, nhưng TinyZero còn gây ấn tượng hơn với chi phí chỉ 30 USD cho phiên bản thu nhỏ.
Những con số này đi ngược lại quan niệm thông thường rằng những bước đột phá lớn trong AI đòi hỏi phải có những trung tâm dữ liệu khổng lồ, hàng loạt GPU ngốn điện và ngân sách hàng triệu, thậm chí hàng tỷ USD.
Ý kiến trái chiều và tiềm năng của AI mã nguồn mở
Tuy nhiên, vẫn còn nhiều ý kiến hoài nghi về tính xác thực của những con số mà DeepSeek công bố, cho rằng công ty này có thể đang hưởng lợi từ các nguồn lực hoặc kỹ thuật khác được giữ kín. Dù TinyZero là minh chứng cho việc học tăng cường hiệu quả có thể được triển khai với ngân sách eo hẹp, nó không hoàn toàn tương đương để so sánh năng lực với DeepSeek. TinyZero giống một phiên bản mẫu đơn giản hóa hơn là một đối trọng thực sự.
Mặc dù vậy, thí nghiệm của UC Berkeley đã hé lộ một xu hướng mới: AI mã nguồn mở và tiết kiệm tài nguyên. Nếu các nhà phát triển độc lập có thể tạo ra công nghệ tương tự với ngân sách hạn chế, áp lực cạnh tranh lên các "ông lớn" công nghệ sẽ ngày càng gia tăng. "TinyZero cho thấy sáng tạo không nhất thiết phải đắt đỏ. Một sinh viên xuất sắc hoặc startup nhỏ cũng có thể tạo ra sự khác biệt," một nhà phân tích nhận định.
Tương lai của AI "bình dân"
Thành công của TinyZero và DeepSeek R1 phản ánh nhu cầu ngày càng lớn đối với các mô hình AI gọn nhẹ, tiết kiệm năng lượng. Điều này mở ra cánh cửa cho những quốc gia hoặc tổ chức thiếu ngân sách tiếp cận công nghệ cao, đồng thời thúc đẩy cạnh tranh trong ngành.
Tuy nhiên, thách thức vẫn còn đó. Các mô hình quy mô nhỏ như TinyZero dù ấn tượng nhưng chưa thể xử lý đa nhiệm phức tạp như các phiên bản đầy đủ. Hơn nữa, việc sao chép công nghệ có thể dẫn đến các rủi ro về bản quyền và chất lượng.
Theo nhóm nghiên cứu UC Berkeley, mục tiêu của họ là "giải mã xu hướng mở rộng AI dựa trên học tăng cường" và khuyến khích cộng đồng cùng tham gia. Với làn sóng quan tâm từ khắp thế giới, TinyZero đã chứng minh rằng cuộc cách mạng AI không chỉ thuộc về những ai có tiềm lực tài chính mạnh, mà còn mở ra cho những ý tưởng táo bạo và sáng tạo không biên giới.
Liệu đây có phải bước khởi đầu cho kỷ nguyên AI "bình dân"? Câu trả lời phụ thuộc vào cách ngành công nghiệp này thích ứng với làn sóng mới.
#DeepSeek
Tuy nhiên, một nhóm nghiên cứu tại Đại học California, Berkeley (UC Berkeley) còn đi xa hơn khi tuyên bố có thể đạt được kết quả tương tự với chi phí chỉ vỏn vẹn 30 USD. Dưới sự dẫn dắt của nghiên cứu sinh Jiayi Pan, nhóm đã sao chép thành công công nghệ lõi của DeepSeek để tạo ra một phiên bản quy mô nhỏ hơn mang tên "TinyZero" và phát hành mã nguồn mở trên GitHub để cộng đồng cùng thử nghiệm.
Mặc dù sở hữu quy mô khiêm tốn hơn nhiều so với mô hình gốc DeepSeek R1 (671 tỷ tham số), TinyZero được cho là mô phỏng chính xác hành vi cốt lõi của DeepSeek nhờ phương pháp học tăng cường (reinforcement learning).
Phương pháp học tăng cường: Chìa khóa cho AI "giá rẻ"
Cách tiếp cận của Pan tập trung vào học tăng cường, một kỹ thuật trong đó AI bắt đầu với những phỏng đoán gần như ngẫu nhiên, sau đó dần dần tinh chỉnh câu trả lời bằng cách sửa đổi và tìm kiếm các giải pháp khả thi. Trong bài đăng mô tả dự án, Pan đã minh họa bằng trò chơi Countdown - một câu đố truyền hình của Anh, nơi người chơi kết hợp các con số đã cho để đạt được giá trị mục tiêu. "Sau nhiều lần thử sai, nó tự sửa lỗi và đạt đáp án đúng," Pan chia sẻ.
Thách thức quan niệm truyền thống về chi phí phát triển AI
Thành công của TinyZero đặt ra câu hỏi lớn về tính hiệu quả của ngân sách nghiên cứu AI hiện nay. Tại sao các tập đoàn như OpenAI hay Google lại chi hàng tỷ USD cho AI, trong khi một nhóm nghiên cứu nhỏ có thể đạt kết quả tương tự với ngân sách "hạt dẻ"? Trước đó, DeepSeek từng gây sốc khi tuyên bố chi phí đào tạo mô hình R1 chỉ vài triệu USD, nhưng TinyZero còn gây ấn tượng hơn với chi phí chỉ 30 USD cho phiên bản thu nhỏ.
Những con số này đi ngược lại quan niệm thông thường rằng những bước đột phá lớn trong AI đòi hỏi phải có những trung tâm dữ liệu khổng lồ, hàng loạt GPU ngốn điện và ngân sách hàng triệu, thậm chí hàng tỷ USD.
Ý kiến trái chiều và tiềm năng của AI mã nguồn mở
Tuy nhiên, vẫn còn nhiều ý kiến hoài nghi về tính xác thực của những con số mà DeepSeek công bố, cho rằng công ty này có thể đang hưởng lợi từ các nguồn lực hoặc kỹ thuật khác được giữ kín. Dù TinyZero là minh chứng cho việc học tăng cường hiệu quả có thể được triển khai với ngân sách eo hẹp, nó không hoàn toàn tương đương để so sánh năng lực với DeepSeek. TinyZero giống một phiên bản mẫu đơn giản hóa hơn là một đối trọng thực sự.
Mặc dù vậy, thí nghiệm của UC Berkeley đã hé lộ một xu hướng mới: AI mã nguồn mở và tiết kiệm tài nguyên. Nếu các nhà phát triển độc lập có thể tạo ra công nghệ tương tự với ngân sách hạn chế, áp lực cạnh tranh lên các "ông lớn" công nghệ sẽ ngày càng gia tăng. "TinyZero cho thấy sáng tạo không nhất thiết phải đắt đỏ. Một sinh viên xuất sắc hoặc startup nhỏ cũng có thể tạo ra sự khác biệt," một nhà phân tích nhận định.
Tương lai của AI "bình dân"
Thành công của TinyZero và DeepSeek R1 phản ánh nhu cầu ngày càng lớn đối với các mô hình AI gọn nhẹ, tiết kiệm năng lượng. Điều này mở ra cánh cửa cho những quốc gia hoặc tổ chức thiếu ngân sách tiếp cận công nghệ cao, đồng thời thúc đẩy cạnh tranh trong ngành.
Tuy nhiên, thách thức vẫn còn đó. Các mô hình quy mô nhỏ như TinyZero dù ấn tượng nhưng chưa thể xử lý đa nhiệm phức tạp như các phiên bản đầy đủ. Hơn nữa, việc sao chép công nghệ có thể dẫn đến các rủi ro về bản quyền và chất lượng.
Theo nhóm nghiên cứu UC Berkeley, mục tiêu của họ là "giải mã xu hướng mở rộng AI dựa trên học tăng cường" và khuyến khích cộng đồng cùng tham gia. Với làn sóng quan tâm từ khắp thế giới, TinyZero đã chứng minh rằng cuộc cách mạng AI không chỉ thuộc về những ai có tiềm lực tài chính mạnh, mà còn mở ra cho những ý tưởng táo bạo và sáng tạo không biên giới.
Liệu đây có phải bước khởi đầu cho kỷ nguyên AI "bình dân"? Câu trả lời phụ thuộc vào cách ngành công nghiệp này thích ứng với làn sóng mới.
#DeepSeek
