Các mô hình quy mô lớn bén rễ trong ngành: từ "sự xuất hiện của các khả năng" đến "sự xuất hiện của giá trị"

Nguồn gốc: Yibang Power

Nguồn hình ảnh: Được tạo bởi Unbounded AI‌

“Cơn đại trào” trí tuệ nhân tạo AI vang lên từ đầu năm 2023 gần đây không còn quá “ngọt ngào” mà xen lẫn những ồn ào, nghi vấn.

**Ví dụ, tranh chấp giao thông. **

Theo dữ liệu từ tổ chức nghiên cứu nước ngoài Similarweb, sau khi OpenAI đã đạt được những bước tiến vượt bậc, kể từ tháng 5, tốc độ tăng trưởng lưu lượng đã chững lại. Vào tháng 6, số lượt truy cập vào ChatGPT thậm chí lần đầu tiên cho thấy sự sụt giảm so với tháng trước, với tỷ lệ 9,7%. Theo dữ liệu này, một số người nói rằng AI sẽ trở nên tuyệt vời trở lại.

Tuy nhiên, cũng có dư luận cho rằng lưu lượng khảo sát chỉ là dữ liệu C-end, trong khi AI hiện đang hoạt động ở B-end. Lưu lượng truy cập ở phía B thậm chí còn vượt quá một nửa tổng lưu lượng hiện tại và nó đang tăng lên nhanh chóng. Chỉ là các tổ chức nghiên cứu đã không nhận được dữ liệu đầy đủ.

Là dòng chảy một biến động ngắn hạn? Hay suy giảm dài hạn? Hay nó thực sự là một điểm nhấn khác?

** Một ví dụ khác là sự nhiệt tình giả tạo. **

Zhang Ying, một đối tác của Matrix Partners, đã chia sẻ hai dữ liệu khá thú vị khi so sánh. Một là từ tháng 3 đến tháng 5 năm nay, trong số các công ty trong Chỉ số S&P 500, giám đốc điều hành của 110 công ty đã đề cập đến AI tại các cuộc trao đổi về hiệu suất, gấp ba lần cùng một loại dữ liệu trong mười năm qua.

Nhưng một tập hợp dữ liệu khác là ngân hàng đầu tư quốc tế Morgan Stanley gần đây đã tiến hành một cuộc khảo sát với hơn 2.000 người và kết quả là 80% trong số họ chưa bao giờ sử dụng ChatGPT hoặc Bard1 của Google.

So với dữ liệu này, có cảm giác như "Ye Gong yêu rồng". Sự nhiệt tình của các giám đốc điều hành công ty, gã khổng lồ công nghệ và nhà phân tích này là giả tạo?

** Hoặc, sự nhầm lẫn của người dùng. **

Người dùng C-end rất nhiệt tình và chân thành, nhưng sau khi sử dụng, họ lại nghi ngờ: Chúng tôi muốn robot giúp con người quét sàn và rửa bát vì con người muốn làm thơ và vẽ tranh. Kết quả là AI đang làm thơ và vẽ tranh, trong khi con người chúng ta vẫn đang quét nhà và rửa bát.

Có thể nào sự "xuất hiện" của trí tuệ nhân tạo không thể được phản ánh trong thế giới thực?

Tranh cãi về lưu lượng truy cập, sự nhiệt tình sai lầm và sự nhầm lẫn giữa người dùng, những tranh cãi này cũng đánh trực tiếp vào các yếu tố cốt lõi của sự phát triển của các mô hình lớn: Làm thế nào ** có thể thực sự trở thành một lực lượng sản xuất? **

Các cách trả lời khác nhau sẽ định hình các hệ thống phát triển AI khác nhau, đồng thời cũng sẽ trở thành bước ngoặt cho sự phát triển của doanh nghiệp trong tương lai.

01 Từ thuật toán đến sản phẩm

Ngay từ khi ra đời, trí tuệ nhân tạo đã và đang củng cố “hai chân” của mình để bước đi: một bên là công nghệ và một bên là ứng dụng.

Đằng sau sự cải tiến của công nghệ AI là sự hỗ trợ chung của ba yếu tố chính là sức mạnh tính toán, dữ liệu và thuật toán. Chẳng hạn, về thuật toán, trí tuệ nhân tạo đã lần lượt trải qua các giai đoạn như quy tắc, học máy thống kê, học sâu, đào tạo trước, qua đó mở rộng đáng kể lượng dữ liệu; và thuật toán “tiên phong” Transformer, qua sự chú ý cơ chế, cho phép AI "làm câu hỏi" Đào tạo nhanh một cách nhanh chóng, do đó cho thấy sự đột biến đáng kể và khả năng tự học mạnh mẽ hơn.

Mỗi bước nhảy vọt của công nghệ sẽ mang đến những bất ngờ, nhưng nếu nhìn lại lịch sử phát triển của trí tuệ nhân tạo, bạn sẽ thấy sau những bất ngờ đó là sự cô đơn.

Ví dụ, trong đợt nắng nóng xuất hiện vào năm 1956, trí tuệ nhân tạo có thể chơi cờ vua và bắt các khối xây dựng, nhưng vào năm 1973, một báo cáo trong cộng đồng học thuật đã kết luận: Cho đến nay, bất kỳ khám phá nào trong lĩnh vực này đều không mang lại lời hứa ban đầu .Tác động đáng kể2.

Năm 1976, hệ thống chuyên gia dựa trên AI bắt đầu tham gia chẩn đoán và tư vấn y tế. Với những đợt nắng nóng mới, các chính phủ trên khắp thế giới đang đẩy mạnh đầu tư. Tuy nhiên, mười năm sau, người ta phát hiện ra rằng các chuyên gia máy móc không thể hiện được nhiều tài năng. Các bác sĩ vẫn phải đích thân đến đó, điều đó là không đủ.

Kể từ năm 2016, Google AlphaGO đã thách đấu nhiều vua cờ người trong thế giới cờ vây, giành 60 chiến thắng liên tiếp trong 5 ngày. Ngay cả Li Shishi và Ke Jie cũng chỉ có thể đầu hàng. Mọi người than thở về sức mạnh của trí tuệ nhân tạo, nhưng trong 5 năm tới, AI vẫn chưa làm được điều gì đáng kinh ngạc.

Bước ngoặt giữa những thăng trầm chính là "sản phẩm": có sản phẩm tốt hay không, hãy để công nghệ bước xuống bàn thờ và bước vào xã hội, thực sự trở thành người dẫn đầu về năng suất và sáng tạo.

Có nhiều trường hợp công nghệ và sản phẩm thúc đẩy lẫn nhau. Ví dụ, trường hợp thất bại là dự án Iridium của Motorola, cung cấp dịch vụ liên lạc vệ tinh toàn cầu, công nghệ dẫn đầu nhưng do sản phẩm không có căn cứ nên tuyên bố phá sản sau 4 năm chính thức hoạt động. Các trường hợp thành công bao gồm xe điện, mặc dù pin và ổ điện là những công nghệ hiện có, nhưng thị trường sẽ chỉ dần mở ra sau khi các sản phẩm mang đậm tính công nghệ ra đời.

Quay trở lại lĩnh vực mô hình lớn, có một điểm thú vị trong đợt thủy triều AI lần này: OpenAI đã phát hành ChatGPT nổi tiếng thế giới, nhưng nó sử dụng thuật toán Transformer của Google để tối ưu hóa liên tục. Điều này cho thấy trong đợt cạnh tranh mô hình quy mô lớn và làn sóng trí tuệ nhân tạo hiện nay, chỉ thuật toán thôi là chưa đủ. Chỉ có thuật toán là yếu; sự cạnh tranh một điểm của thuật toán cuối cùng sẽ nhường chỗ cho "sự cạnh tranh của sản phẩm".

Và OpenAI không phải là “công nghệ mê hoặc” mà đằng sau đó còn là sự hỗ trợ của “hệ thống sản phẩm” mạnh mẽ của Microsoft: tìm kiếm Bing, office family bucket, trợ lý cá nhân, tiếp thị quảng cáo và các dịch vụ đám mây hướng doanh nghiệp khác.

Đây giống như một “khuôn vàng thước ngọc” trong giới đầu tư mạo hiểm: nếu người sáng lập là một chuyên gia công nghệ hoặc một người lập dị thì đồng thời khi đưa tiền cũng phải đưa cho một đối tác am hiểu thị trường. Bằng cách này, công nghệ được hoan nghênh, nhưng thu nhập không phổ biến.

Do đó, trong khi coi trọng công nghệ, nó cũng chú ý nhiều hơn đến hướng dẫn ứng dụng và định hướng sản phẩm. Đặc biệt là đối với các doanh nghiệp quy mô lớn, thay vì nói với đối tác, tôi có rất nhiều khả năng AI mạnh mẽ và bạn có thể sử dụng chúng theo cách bạn muốn, có lẽ, cung cấp một số mô-đun sản phẩm sẽ gần với thực tế hơn. Vậy, một sản phẩm tốt thì phải làm như thế nào?

02 Từ chung đến công nghiệp

Cho dù Gia Cát Lượng có biết thiên văn học trên đỉnh và địa lý ở dưới cùng, cho dù Da Vinci có thể vẽ, mổ xẻ và chế tạo máy bay, thì họ cũng chỉ có thể bị giới hạn trong kiến thức của thời đại đó. Mặt khác, trí tuệ nhân tạo có thể dựa vào một số lượng lớn đầu vào để mở rộng đáng kể ranh giới của kiến thức.

Tuy nhiên, trí tuệ của trí tuệ nhân tạo không phải là hoàn hảo và phổ quát. Đánh giá từ kinh nghiệm trong vài tháng qua, AI sẽ "nghiêm túc nói những điều vô nghĩa" theo thời gian. Có thể AI không cố ý nói dối, nhưng nó chắc chắn cho thấy rằng mô hình chung vẫn chưa hoàn hảo.

Đặc biệt khi nói đến một số lĩnh vực đặc thù như tài chính, giáo dục… thì sẽ thấy rõ hạn chế của các mô hình lớn nói chung. Rốt cuộc, luôn có nhiều lĩnh vực mà gừng vẫn còn nóng, và bí quyết là chìa khóa.

Tuy nhiên, nếu mô hình lớn không thể vào ngành, giá trị sẽ giảm đi rất nhiều. Đặc biệt đối với nước ta, nơi có nền tảng chuỗi công nghiệp khổng lồ và phong phú, tất cả các ngành dọc nên được kết hợp với công nghệ mới để giảm chi phí, nâng cao hiệu quả và tạo ra giá trị mới.

Vậy ở trường dọc chỉ cần làm mô hình nhỏ? câu trả lời là tiêu cực. Các mô hình công nghiệp nhỏ có thể giải quyết các vấn đề trong các lĩnh vực cụ thể hoặc chúng có thể làm tốt công việc, nhưng có hai vấn đề.

Một là thiếu khái quát hóa, một khi thay đổi hiện trường có thể phải thực hiện lại, dẫn đến chi phí tăng lên đáng kể. Mỗi người một món, món không lặp lại, mở nhà hàng kiểu này chắc chắn phá sản. Vì vậy trí thông minh hạn chế không phải là thông minh.

Mặt khác, trong quá trình ứng dụng, nếu người dùng đột nhiên hỏi một số câu hỏi liên miền, mô hình nhỏ cũng sẽ bối rối. Rõ ràng, xu hướng crossover trong ngành ngày càng lộ rõ, giống như xe điện, vừa là phương tiện, vừa là pin, vừa là chất bán dẫn. Một khi bạn nghĩ từ góc độ của người dùng, ngay cả khi đó là một lĩnh vực hoàn toàn không liên quan, bạn vẫn hy vọng nhận được dịch vụ một cửa.

Do đó, các mô hình lớn cần phải vào các ngành dọc và các ngành dọc cũng cần các mô hình lớn. Làm thế nào để làm gì? Một mẫu quan sát là JD.com.

Vào năm 2021, JD.com sẽ đi đầu trong việc đưa kiến thức miền vào các mô hình lớn, có thể tăng độ chính xác của mô hình từ 83% lên 96%. Mới hôm qua, JD.com đã ra mắt mô hình quy mô Yanxi cấp 100 tỷ cho ngành. Theo phần giới thiệu, ** 70% dữ liệu đào tạo của nó là dữ liệu lớn nói chung và 30% còn lại là dữ liệu bí quyết ngành được tích lũy trong quá trình hoạt động của các lĩnh vực khác nhau của JD, bao gồm bán lẻ, hậu cần, y tế, tài chính và các ngành khác ** .

Chắc chắn, người lớn không đưa ra lựa chọn, nhưng muốn cả hai.

Trong thực tế, đây là điều đúng đắn để làm. Vòng AI tạo ra này rất hấp dẫn, nhưng cũng bởi vì thuật toán mạnh, dữ liệu phong phú và khả năng tính toán đủ mạnh. Và mô hình lớn nhất không phải là tĩnh, mà là học tập liên tục. Vì vậy, dữ liệu và thuật toán tạo thành một “hiệu ứng bánh đà”, càng có nhiều dữ liệu tốt thì thuật toán sẽ càng nâng cao, thuật toán càng hiệu quả thì càng nhiều người dùng, dữ liệu phản hồi càng nhiều. **.

Do đó, hình thành vòng khép kín "thuật toán dữ liệu" càng sớm càng tốt không chỉ là con đường dẫn đến thành công của sản phẩm mà còn là chìa khóa cạnh tranh của doanh nghiệp.

Ngoài ra, dữ liệu chất lượng cao cũng khan hiếm. Trong tiêu đề "Liệu chúng ta có hết dữ liệu không?" "Báo cáo cho thấy dữ liệu ngôn ngữ tự nhiên chất lượng tốt có thể bị cạn kiệt bởi các mô hình ngôn ngữ lớn ngay sau năm 2026. Ai có dữ liệu tốt sẽ có "đạn dược" tốt hơn. Và dữ liệu tốt, đặc biệt là trong lĩnh vực công nghiệp, phải đến từ các kịch bản công nghiệp thực tế.

Do đó, vòng khép kín của “data-algorithm” được hiểu là sự cạnh tranh của “scene-product”. Và chỉ bằng cách tham gia vào bối cảnh, mô hình lớn mới có thể chuyển từ "sự xuất hiện của khả năng" sang "sự xuất hiện của giá trị".

03 Từ tự nhiên đến trao quyền

Một cách để nhận ra sự xuất hiện của giá trị công nghiệp là hợp tác với ngành, các công ty công nghệ cung cấp công nghệ và ngành cung cấp bí quyết. Và cách khác cũng là cách tốt nhất, đó là từ ngành công nghiệp.

Nếu bạn sở hữu doanh nghiệp công nghiệp của riêng mình, bạn sẽ có "dữ liệu chất lượng cao" thực sự và có giá trị: bạn đã chịu thua lỗ, giẫm phải sấm sét, đánh trận, thắng trận và biết cách chiến đấu. Những dữ liệu này, giống như chất xúc tác, có thể thúc đẩy hiệu quả sự phát triển của các mô hình lớn, gần gũi hơn với doanh nghiệp và giải quyết vấn đề tốt hơn.

Một trường hợp trong quá khứ là sự phát triển của các dịch vụ đám mây ở Trung Quốc. Bất kể trong nước hay nước ngoài, giai đoạn ban đầu của đám mây bắt đầu từ nhu cầu của chính doanh nghiệp, sau đó là định hướng thị trường. Thời kỳ đầu của các dịch vụ đám mây, dường như “sản phẩm” nào cũng giống nhau, tôi có cái bạn có. Tuy nhiên, với sự kết hợp giữa công nghệ và kinh doanh, mỗi công ty lại có những đặc điểm riêng.

Lấy Jingdong làm ví dụ. JD.com bắt đầu từ “tiếp thị, kinh doanh, kho bãi, phân phối, hậu mãi” và các hoạt động kinh doanh khác, nhưng cùng với việc từng bước cải thiện mạng lưới chuỗi cung ứng vật lý, số hóa chuỗi cung ứng nội bộ, JD. com bán lẻ, tài chính, hậu cần, y tế của riêng mình, Với sự phát triển sâu rộng của các ngành công nghiệp và các lĩnh vực khác, JD.com đã dần hoàn thành việc mở rộng từ "năm phân khúc cuối cùng của ** mía đường" thành "năm phân khúc đầu tiên của ** ": ** có nền tảng, cảnh, AI, có kinh nghiệm **.

Sau đó, JD.com đã tinh chỉnh kinh nghiệm của mình trong chuỗi cung ứng thành các sản phẩm và dịch vụ "chuỗi cung ứng trí tuệ kỹ thuật số" dựa trên công nghệ của JD Cloud và xuất khẩu chúng ra xã hội. Do đó, các khả năng cải thiện hiệu quả cơ sở hạ tầng kỹ thuật số, cải thiện hiệu quả tổng hợp công nghiệp và quản lý đô thị thông minh đã được hình thành.

Ngày nay, có hơn 10 triệu SKU sản phẩm tự vận hành trong chuỗi cung ứng của Jingdong Shuzhi, phục vụ hơn 8 triệu khách hàng doanh nghiệp đang hoạt động, trong đó hơn 90% là 500 công ty hàng đầu thế giới ở Trung Quốc và gần 70% các doanh nghiệp vừa và nhỏ chuyên biệt của đất nước, đồng thời đạt được sự hợp tác sâu rộng với hơn 2.000 vành đai công nghiệp trên cả nước.

Loại kịch bản JD.com này với các liên kết dài, cộng tác phức tạp và luồng dữ liệu động hơn là cơ sở đào tạo tốt nhất cho các mô hình lớn và nó cũng là hiện thân tốt nhất của lợi thế công nghiệp.

Trải nghiệm từ đám mây nội bộ sang đám mây bên ngoài cũng đang được áp dụng để phát triển các mô hình lớn. Jingdong cũng đề xuất "cách tiếp cận ba bước" cho các mô hình lớn:

Nguồn hình ảnh: Đám mây JD

Trước hết, vào tháng 7 năm nay, mô hình quy mô lớn Yanxi đã được ra mắt, có hệ thống bốn lớp gồm lớp cơ sở, lớp mô hình, MaaS và SaaS. Thứ hai, "mài giũa" trong các lĩnh vực kinh doanh nội bộ khác nhau trong nửa năm và tiến hành hợp tác đo điểm chuẩn với các đối tác bên ngoài một cách vừa phải và trải qua nhiều chu kỳ "sai lầm, cải tiến và kết luận" để đạt được sự tích hợp sản phẩm. Cuối cùng, trong nửa đầu năm 2024, đối với sản lượng công nghiệp, chúng tôi sẽ sử dụng thái độ tốt hơn và hệ sinh thái cởi mở hơn để phục vụ ngành và nâng cao hiệu quả của ngành.

Các ứng dụng nội bộ cũng đã khá hiệu quả. Đơn cử như lĩnh vực tiếp thị tài chính, đây cũng là “căn cứ cũ” của JD.com. JD Finance đã tích lũy được vô số kiến thức qua nhiều thập kỷ phát triển kinh doanh và kết hợp với AI, nó có thể tối ưu hóa hiệu quả các tác vụ chính, khả năng thích ứng linh hoạt và trải nghiệm người dùng.

Ví dụ: giảm chi phí đào tạo và chi phí vận hành của nhân viên vận hành và tăng hiệu quả sản xuất của giải pháp lên hàng trăm lần; giảm quy trình chỉ có thể được hoàn thành bởi hơn 5 loại chức năng như sản phẩm/R&D/thuật toán/ thiết kế/nhà phân tích cho một người; đồng thời, Chế độ tương tác mới của lối vào giúp giảm số lượng tương tác giữa người và máy từ 2.000 xuống dưới 50 và cải thiện hiệu quả hoạt động hơn 40 lần.

Con số tăng lên đáng kể cũng cho thấy rằng mặc dù từ quan điểm nhịp điệu, bước đi ba bước này có vẻ hơi chậm. Tuy nhiên, xét đến chi phí đầu vào của mô hình lớn và tác động đáng kể đến ngành, chỉ bằng cách áp dụng cách tiếp cận từng bước, nó mới có thể chuyển thành "lợi nhuận từng bước" để cho phép công nghệ tạo ra lợi ích.

Nói cách khác, nó thực sự không chậm, bởi vì không dễ để thực sự đạt được một bước đột phá công nghiệp. Nhưng cũng giống như sự tự tin của Xu Ran, Giám đốc điều hành của Tập đoàn Jingdong, bước vào mô hình quy mô lớn từ phía công nghiệp cũng giống như leo lên đỉnh Everest kỹ thuật từ sườn phía bắc. giá trị khám phá lớn. Chỉ bằng cách hiểu thấu đáo chuỗi cung ứng vật lý và kỹ thuật số, mô hình lớn mới có thể trao quyền cho ngành.

Theo kinh nghiệm được đúc kết bởi đường cong Gartner, sự phát triển của mọi thứ sẽ trải qua các giai đoạn như "nảy mầm kỹ thuật-mở rộng kỳ vọng-phá vỡ thung lũng-phục hồi-trưởng thành sản xuất". Và tóm lại trong một câu khác: Đừng coi vấn đề về nhịp điệu là vấn đề về cấu trúc.

Sự phát triển của công nghệ là một xu hướng tất yếu, được thúc đẩy bởi ba yếu tố "dữ liệu, thuật toán và sức mạnh tính toán", trí tuệ nhân tạo chắc chắn sẽ tiếp tục phát triển, tuy nhiên, trong giai đoạn này chắc chắn sẽ có một số khúc ngoặt. Cái cần là nhịp điệu khoa học của doanh nghiệp trong nghiên cứu phát triển và ứng dụng công nghệ, cũng như tính dài hạn nhìn ra xu hướng và sẵn sàng bám lấy nó.

Sự bền bỉ và đột phá của JD.com trong chuỗi cung ứng là một mô hình thu nhỏ về chiến thắng của chủ nghĩa dài hạn. Bây giờ, trong cuộc cạnh tranh mô hình lớn, trong làn sóng trí tuệ nhân tạo, điều tương tự cũng cần thiết.

Có thể tin chắc rằng mặc dù công nghệ được triển khai với tốc độ chóng mặt nhưng miễn là nó bén rễ trong ngành thì giá trị khổng lồ chắc chắn sẽ được sinh ra. Như Xu Ran, Giám đốc điều hành của Jingdong Group, cho biết, khi hiệu quả công nghiệp và ranh giới của ngành được mở rộng và cải thiện về chất lượng, mô hình lớn sẽ có giá trị và ý nghĩa thực tế quan trọng hơn, sẽ không thua kém gì một cuộc cách mạng công nghiệp khác.

Công thức của trí tuệ nhân tạo cũng được suy ra thành "kịch bản, sản phẩm, nhóm sức mạnh tính toán và độ dày công nghiệp", là chìa khóa để thúc đẩy mô hình lớn từ "năng lực xuất hiện" sang "xuất hiện giá trị".

[1] Jingwei Zhang Ying: Xa và gần của AI, Học viện hỗn loạn, 2023;

[2] Báo cáo Lighthill, Hội đồng Nghiên cứu Khoa học Vương quốc Anh, 1973