Trong bài đăng ngày 11/10, nhà nghiên cứu AI Andrej Karpathy cho rằng khoảng cách trong cách mọi người hình dung về năng lực AI đang rộng dần, và giờ giống một “chiếc phễu” hơn là hai nhóm chỉ đơn giản nói chuyện lệch nhau. Ở miệng phễu là hàng tỷ người ít khi dùng mô hình ngôn ngữ lớn (LLM); ở đáy là một nhóm rất nhỏ tiếp cận các hệ thống tiên tiến nhất.
8
16
Karpathy nhấn mạnh đây là phép tính sơ bộ kiểu “nhẩm trên giấy”, không phải kết quả của một khảo sát mức độ sử dụng AI.
8
16
Bốn nấc trải nghiệm AI theo ước tính của Karpathy
Các nhóm dưới đây phản ánh mức độ tiếp xúc và loại hệ thống người dùng có thể sử dụng, chứ không phải thước đo đã được kiểm chứng về năng lực của từng người hay từng mô hình.
8
16
- Khoảng 6 tỷ người, tương đương 75% dân số thế giới: hầu như chưa tiếp xúc với LLM.
2
16
- Khoảng 1–2 tỷ người dùng không thường xuyên: chủ yếu dùng chatbot miễn phí như công cụ hỗ trợ tìm kiếm hoặc viết lách.
4
16
- Khoảng 20 triệu chuyên gia: sử dụng các mô hình tiên tiến, đặc biệt trong toán học và phần mềm.
6
8
- Khoảng 5.000 người trong các phòng thí nghiệm AI: có quyền truy cập nội bộ vào những hệ thống tiên tiến nhất.
6
20
Điểm khác biệt nằm ở quy mô công việc. Một người hỏi chatbot để tìm thông tin hay sửa câu chữ đang có trải nghiệm rất khác với người dùng tác nhân AI cho một dự án lớn, kéo dài qua nhiều bước. Karpathy cho rằng vì thế, những người chủ yếu biết đến chatbot thông thường có thể hình dung về AI rất khác với nhóm dùng các hệ thống mạnh hơn cho công việc tham vọng hơn.
3
16
Vì sao trải nghiệm về AI có thể khác xa nhau?
Quy mô nhiệm vụ có ý nghĩa. Một câu hỏi ngắn hoặc yêu cầu viết vài dòng không thử thách AI như một dự án dài hơi. Các bài viết thuật lại lập luận của Karpathy nhấn mạnh rằng quy mô và độ tham vọng của công việc ảnh hưởng đến điều người dùng có thể quan sát được.
3
17
Lĩnh vực cũng quan trọng. Những lĩnh vực như lập trình và toán học có thể cho kết quả tương đối rõ để kiểm tra. Điều đó không đồng nghĩa năng lực AI tiến bộ đồng đều trong mọi loại công việc.
17
Quyền truy cập tạo ra trải nghiệm khác nhau. Dùng chatbot miễn phí đôi khi, dùng mô hình tiên tiến cho công việc chuyên môn và có quyền truy cập nội bộ vào hệ thống trong phòng thí nghiệm là những mức tiếp cận khác nhau trong chiếc phễu của Karpathy.
6
16
Ông cũng cảnh báo rằng khi công việc của các tác nhân AI ngày càng mở rộng, khả năng con người rà soát và hiểu đầu ra có thể không theo kịp. Đây là mối lo về năng lực giám sát của con người, không phải bằng chứng cho thấy đầu ra của tác nhân luôn chính xác.
7
Những con số này cho biết gì — và không cho biết gì?
Chiếc phễu giúp hình dung vì sao nhiều người có thể gặp những phiên bản AI rất khác nhau. Nhưng các con số về quy mô dân số không nên được xem là số liệu đã được kiểm chứng độc lập: Karpathy gọi chúng là ước tính sơ bộ và bài đăng không đưa ra nghiên cứu nền về mức độ phổ cập.
8
16
Ý tưởng này cũng gợi ý rằng chỉ thử chatbot trong những tác vụ thường ngày có thể chưa phản ánh đầy đủ các công cụ được thiết kế để xử lý dự án phức tạp. Tuy vậy, các ước tính của Karpathy không chứng minh những công cụ đó hoạt động tốt đến đâu trong từng nhiệm vụ, hay liệu đầu ra của chúng có thể được tin cậy nếu thiếu kiểm tra cẩn thận.
7
16
Câu chuyện riêng về chi phí của tác nhân AI
Một dự báo của Morgan Stanley được các bài viết về AI tác nhân dẫn lại cho rằng khối lượng công việc do tác nhân AI tạo ra có thể bổ sung 32,5–60 tỷ USD vào cơ hội thị trường CPU và bộ nhớ cho trung tâm dữ liệu đến năm 2030. Đây là dự báo về thị trường hạ tầng, không phải bằng chứng rằng mọi cách triển khai tác nhân AI đều có hiệu quả chi phí hoặc sinh lời.
31
Hai lập luận này nói về những vấn đề khác nhau: chiếc phễu của Karpathy mô tả ai được trải nghiệm những mức năng lực AI nào, còn dự báo của Morgan Stanley nói về nhu cầu hạ tầng tiềm năng. Không ước tính nào tự xác nhận ước tính còn lại.