Goldman Sachs vừa triển khai "Devin", một nhà phát triển full-stack dựa trên AI tạo sinh, CIO Marco Argenti của Goldman chia sẻ với CNBC trong cuộc phỏng vấn ngày 11 tháng 7. "Devin giống như nhân viên mới của chúng tôi", Argenti nói, "người sẽ bắt đầu làm việc thay mặt các dev".

Devin có thể thực thi toàn bộ ứng dụng từ đầu dựa trên prompt. Và trong khi ngành ngân hàng đã sử dụng công nghệ liên quan đến AI trong nhiều thập kỷ, Devin là "kỹ sư phần mềm AI đầu tiên", theo lời người sáng lập Cognition.

Devin là một phần trong tầm nhìn của Argenti về "lực lượng lao động lai", nơi các AI agent làm việc cùng các đồng nghiệp bằng xương bằng thịt. Shanker Ramamurthy, Đối tác Quản lý Ngân hàng Toàn cầu & Thị trường Tài chính tại IBM, đã đưa ra ví dụ về cách Devin có thể hữu ích cho một tổ chức như Goldman. "Hãy nghĩ theo cách này", ông nói với IBM Think. "Nếu Devin tăng năng suất thêm 20%, thì 12.000 chuyên gia công nghệ của Goldman giờ đây có thể hoạt động như 14.400 chuyên gia công nghệ".

Ramamurthy cho biết, “hơn bất kỳ ngành nào khác, tài chính là lĩnh vực chúng ta thấy giá trị lớn nhất của việc tạo ra AI. Xét cho cùng, trong tài chính, bạn không giao dịch bằng nguyên tử; bạn giao dịch bằng bit".

Trong những năm gần đây, các lĩnh vực liên quan đến AI như học máy (ML) đã tạo ra bước tiến mang tính đột phá trong lĩnh vực tài chính, chẳng hạn như giao dịch thuật toán, giao dịch tần suất cao, hoạt động định giá luôn đầy thách thức. Ramamurthy giải thích, vai trò của Devin là thu hẹp khoảng cách công nghệ và thời gian giữa các yêu cầu phức tạp đến từ bàn giao dịch và quá trình thực hiện.

Để minh họa, Ramamurthy đưa ra trường hợp sử dụng giả định. "Giả sử có tin tức về việc ai đó tìm thấy hàng trăm triệu tấn quặng sắt chất lượng cao. Nếu bạn là nhà giao dịch hàng hóa, bạn có thể hỏi Devin, “Này, tác động có thể xảy ra đối với giá sắt và giá kỳ hạn trong một, ba và năm năm tới là gì? Tôi cần phải làm gì?", Ramamurthy nói. Devin không chỉ trả lời câu hỏi suông mà xây luôn ứng dụng để thực hiện yêu cầu, nhanh hơn nhiều so với con người.

Devin có hồ sơ LinkedIn riêng ở đây https://byvn.net/MW6K nhưng điều đó không có nghĩa nó đang cạnh tranh việc làm với con người. Suy cho cùng, AI thế hệ mới chỉ thông minh bằng những chỉ dẫn cho nó được tạo từ con người. Như Argenti của Goldman đã nói với CNBC: "Các kỹ sư được kỳ vọng có khả năng mô tả vấn đề một cách mạch lạc, chuyển đổi thành những gợi ý, sau đó chỉ cần giám sát công việc của các AI agent".

Tháng trước, một trò chơi điện tử 8-bit, không RAM trên máy chơi game Atari sinh năm 1979 đã gây xôn xao giới AI và game thủ khi đánh bại ChatGPT và Microsoft Copilot trong môn cờ vua.

Nhiều người bắt đầu hoài nghi về AI, coi đây là câu chuyện David đấu Goliath, và là bằng chứng cho thấy AI sinh sản như nấm mọc sau mưa chỉ là miếng bánh vẽ chứ không hề có trí tuệ. "AI được Atari 50 tuổi đào tạo",**** một tiêu đề quen thuộc về thí nghiệm kỹ sư Robert Caruso của Citrix đã thực hiện và mô tả trong một số bài đăng trên LinkedIn.

Cuộc tranh luận kéo theo rất nhiều yếu tố hấp dẫn - cờ vua, Atari và trò chơi Manga Grand Killing chỉ là ba ví dụ - nhưng điều đáng chú ý nhất, theo các chuyên gia, là việc ghi nhớ mục đích thực sự của AI thế hệ mới. "Mọi người đang sử dụng ChatGPT để làm quá nhiều việc", Chris Hay, Kỹ sư Xuất sắc của IBM, chia sẻ với IBM Think. "Nghĩ rằng ChatGPT có thể chơi cờ vua cũng giống như nghĩ rằng nó có thể là bạn gái hoặc nhà trị liệu của bạn vậy."

Các mô hình ngôn ngữ lớn (LLM) như ChatGPT hoạt động dựa trên mối tương quan đã học giữa các từ, chứ không dựa trên tuân thủ quy tắc hay lập kế hoạch. Hay cho biết, chúng kém cỏi trong cờ vua, không khá hơn trong cờ caro, đơn giản vì chúng không được thiết kế cho những nhiệm vụ đó.

Ngược lại, Hay giải thích, “Cờ vua là bài toán tìm kiếm.” Với mỗi nước đi, người chơi, dù người hay máy, phải tìm kiếm thông qua một chuỗi quyết định, đánh giá các kết quả có thể xảy ra, và về cơ bản là gán thứ hạng giá trị cho mỗi lựa chọn. Atari Video Chess được lập trình đặc biệt cho mục đích đó. Tuy nhiên, logic LLM lại “dựa trên các hệ thống dự đoán quân cờ tiếp theo”, Hay nói. “Về cơ bản, các mô hình này được cung cấp toàn bộ dữ liệu internet, sau đó được đào tạo để dự đoán từ tiếp theo.”

Điều này không có nghĩa các LLM không có khả năng chơi cờ vua giỏi. Vấn đề đơn giản là cung cấp cho nó những công cụ phù hợp, Hay nói - chẳng hạn như hệ thống gợi ý có cấu trúc và khả năng lập kế hoạch trước nhiều bước. "Nếu bạn nói với [ChatGPT], 'Tôi cho phép bạn tạo mã,' cũng như quyền truy cập vào sổ tay để lập kế hoạch, tôi dám chắc nó có thể thắng", ông nói.

Hiện tại, các LLM không có khả năng tự quyết định mục tiêu chiến thắng trong cờ vua, và cần những công cụ nào để chiến thắng. Nhưng điều này có lẽ không còn đúng lâu nữa. Gọi công cụ - khả năng cho phép mô hình AI tương tác với các công cụ bên ngoài - là lĩnh vực nghiên cứu đang được quan tâm trên toàn thế giới AI, bao gồm cả dự án mô hình ngôn ngữ Granite của IBM.

Các nhà lãnh đạo công nghệ, bao gồm Arvind Krishna của IBM và Giám đốc điều hành NVIDIA Jensen Huang, đã tán thành Kế hoạch hành động AI (AI Action Plan) rất được mong đợi của chính phủ Hoa Kỳ, trong đó nêu chi tiết chiến lược để Hoa Kỳ dẫn đầu về AI.

Lộ trình mới giúp các công ty dễ dàng phát triển AI, đẩy nhanh quá trình đổi mới AI của Hoa Kỳ trên lãnh thổ Hoa Kỳ và ở nước ngoài, bao gồm cả cơ sở hạ tầng, chẳng hạn như trung tâm dữ liệu, để hỗ trợ quá trình này.

Đối với Krishna của IBM, kế hoạch hỗ trợ đổi mới đã tạo được ấn tượng mạnh mẽ. “Tại IBM, chúng tôi tin rằng các mô hình mở, mã nguồn mở và sự hợp tác liên ngành là thiết yếu để đẩy nhanh quá trình khám phá, tăng cường an toàn và mở rộng khả năng tiếp cận AI”, Krishna viết trên LinkedIn.

Krishna cũng tỏ ra lạc quan khi cho biết chiến lược của Nhà Trắng đang giúp Hoa Kỳ "hướng tới các dịch vụ tốt hơn cho người dân, hướng tới giảm thiểu lãng phí, hướng tới các hệ thống tổng thể hiệu quả hơn".

Phát biểu trên podcast Mixture of Experts, Ryan Hagemann, Trưởng nhóm Chính sách AI Toàn cầu của IBM, đã nhấn mạnh trọng tâm của lộ trình là tập hợp các công ty công nghệ Mỹ, từ các nhà sản xuất chip đến các nhà phát triển mô hình. Ông cho biết kế hoạch này là "khẩu súng khởi động cho cuộc đua [AI]", đồng thời lưu ý "tập đoàn công nghiệp" này sẽ giúp tạo ra "một hệ thống công nghệ AI toàn diện của Mỹ" để xuất khẩu AI Mỹ ra toàn cầu.

Vậy, tiếp theo là gì? "Giờ thì thực sự phải cúi đầu, bút và giấy trên tay," Hagemann nói. "Chúng tôi chỉ cần bắt tay vào làm thôi."

❉ ❉ ❉

P/s: Nếu bạn có thể gọi tên 10 công ty sản xuất phần cứng AI, nghiên cứu mô hình AI, trung tâm dữ liệu AI lớn nhất thế giới, 9/10 trong số đó thuộc Hoa Kỳ.

Một phần mười còn lại, như BUTCHI.AI, là công ty phát triển ứng dụng (chuốt content quảng cáo) đứng trên vai – tay trong tay – những người khổng lồ. La bàn luôn chỉ hướng Bắc, nhưng không có đường tắt để trở thành kỳ lân.

Nếu máy móc có thể học cách chúng ta suy luận, chúng cũng có thể giúp chúng ta hiểu tại sao chúng ta làm như vậy.

Đó chính là ý tưởng đằng sau Centaur, mô hình ngôn ngữ lớn (LLM) mới được thiết kế để dự đoán hành vi của con người đang được thử nghiệm trong môi trường phòng thí nghiệm.

Phát triển trên nền tảng Llama 3.1 của Meta và được đào tạo dựa trên 10 triệu quyết định từ 160 nghiên cứu tâm lý học, Centaur giải quyết các vấn đề logic, tình huống khó xử về đạo đức và những lựa chọn hàng ngày (như mua Durex hay Kotex) để khám phá cách thức ra quyết định đằng sau tư duy của con người.

Các nhà nghiên cứu coi Centaur là công cụ khám phá, một công cụ hoạt động đủ giống con người để đưa ra những hiểu biết sâu sắc mà các mô hình truyền thống hiện tại có thể bỏ sót.

Kết quả là một hệ thống có thể thực hiện nhiều nhiệm vụ trí óc khác nhau, bao gồm câu đố logic, đánh giá rủi ro và trò chơi trí nhớ, đồng thời đưa ra các quyết định gần giống với phản ứng của con người.

Marcel Binz, tác giả chính của nghiên cứu, cho biết trong cuộc phỏng vấn với IBM Think: "Tôi rất hào hứng khi sử dụng mô hình này để tìm hiểu đôi điều về tâm trí phức tạp con người".

Các nhà nghiên cứu đã chuyển đổi từng thí nghiệm trong tập dữ liệu thành lời nhắc ngôn ngữ tự nhiên (natural language prompt) hoàn chỉnh với hướng dẫn đầy đủ, bối cảnh đầy đủ. Mục tiêu là tạo ra một LLM không chỉ ghi nhớ câu trả lời mà học được cách con người suy nghĩ. Bằng cách quan sát hàng ngàn quyết định được đưa ra, Centaur có thể xác định được logic đằng sau các lựa chọn của con người (ví dụ mua gói Pro để chuốt BUTCHI.AI bằng 8 văn phong, hoặc tiếp tục sử dụng ChatGPT miễn phí).

Nhóm nghiên cứu đã xây dựng Centaur để xử lý nhiều loại nhiệm vụ, chứ không chỉ một. Trong một nghiên cứu, câu trả lời của nó giúp các nhà nghiên cứu phát triển lý thuyết mới về cách con người phản ứng với lời khuyên của chuyên gia. Trong một nghiên cứu khác, nó giải quyết chính xác bài toán suy luận logic kiểu LSAT mà không cần bất kỳ quá trình đào tạo nào trước đó.

"Chúng tôi không cố gắng thay thế các mô hình nhận thức", Binz nói. "Chúng tôi muốn cung cấp cho các nhà nghiên cứu công cụ tốt hơn để khám phá những gì con người có thể đang làm."

Các công cụ AI xuất hiện khắp mọi nơi trong quá trình phát triển phần mềm, nhưng chúng vẫn chưa thể suy nghĩ giống như người (kỹ sư) mà chúng hỗ trợ.

Đó là kết quả rút ra từ nghiên cứu mới do Phòng thí nghiệm khoa học máy tính và trí tuệ nhân tạo MIT dẫn đầu, nghiên cứu này phát hiện, rằng mặc dù các mô hình ngôn ngữ lớn (LLM) rất hiệu quả trong việc tạo các đoạn mã nhỏ, nhưng chúng lại gặp khó khăn lớn với "lập kế hoạch mã dài hạn" - loại tư duy chiến lược, quy mô cấp hệ thống mà kỹ thuật và sản phẩm phần mềm thực tế đòi hỏi.

Alex Gu, tác giả chính của nghiên cứu, ứng viên tiến sĩ tại MIT CSAIL, chia sẻ với IBM Think trong cuộc phỏng vấn rằng: "Bạn phải cân nhắc những sự đánh đổi như hiệu suất, bộ nhớ và chất lượng mã - những thứ mô hình hiện tại chưa làm tốt" .

Nghiên cứu, đồng tác giả với Stanford, UC Berkeley và Cornell, lưu ý rằng hầu hết các tiêu chuẩn hiện nay đều kiểm tra AI dựa trên các tác vụ đơn lẻ, rời rạc, khác xa với thực tế của việc duy trì các cơ sở mã lớn và liên tục phát triển. Các chương trình LLM thông minh bậc nhất cũng gặp khó khăn khi người dùng đưa ra hướng dẫn mơ hồ, tài liệu ít ỏi hoặc yêu cầu đầu ra vượt quá dữ liệu đào tạo. "Chúng tôi thực sự quan tâm đến hiệu quả cộng tác của các AI Agent", Gu nói.

[Theo dữ liệu từ hệ thống BUTCHI.AI, chúng tôi nhận thấy 80% user vẫn chưa thành thạo cách prompt, đưa ra những chỉ dẫn mơ hồ, sau đó thắp nhang cầu nguyện AI bắn ra nội dung như mong muốn. Chính vì điều này, trang Community được tạo ra để chúng tôi có cơ hội lắng nghe và hỗ trợ cộng đồng, từ đó cộng đồng hỗ trợ lẫn nhau]

Bài báo đã ra mắt tại Hội nghị Quốc tế về Học máy (ICML) - một trong những diễn đàn toàn cầu hàng đầu về nghiên cứu AI. Hàng trăm bài báo tại ICML năm nay đặt ra những câu hỏi tương tự: AI tỏa sáng ở đâu trong thực tế và còn thiếu sót điều gì?

Các nhà khoa học và công ty khởi nghiệp đang chạy đua xây dựng hệ thống trí tuệ nhân tạo (AI) có khả năng phát hiện, dự đoán và thậm chí mô hình hóa hành vi cháy rừng trước khi lực lượng ứng cứu tiếp cận.

Mối nguy hiểm từng diễn biến chậm chạp nay đã trở thành chiến trường của cuộc chiến dữ liệu tốc độ cao, và AI ngày càng trở thành trung tâm của cuộc chiến này.

Khi xảy ra cháy rừng, AI có thể là công cụ đầu tiên phát hiện ra khói. Những công cụ này được thiết kế không chỉ tăng tốc độ phát hiện mà đảm bảo độ tin cậy, cho phép lực lượng ứng phó hành động nhanh hơn, với thông tin rõ ràng hơn.

Một trong những công ty khởi nghiệp Pano AI, với nền tảng giám sát hàng triệu kilomet vuông bằng camera và AI đưa ra cảnh báo bằng video trực tiếp, tọa độ vị trí và dữ liệu thời tiết, thường là trước khi người dân gọi 911.

“Những người ở tuyến đầu đã sẵn sàng,” Giám đốc điều hành Pano AI, Sonia Kastner, cho biết trong cuộc phỏng vấn với IBM Think. “Điều họ cần là những công cụ đáp ứng được tính cấp bách của mối đe dọa.”

Pano AI đã kết thúc vòng gọi vốn Series B trị giá 44 triệu đô la Mỹ, nâng tổng số vốn đã gọi lên 89 triệu đô, nhằm mở rộng cơ sở hạ tầng phát hiện cháy rừng và cải tiến các công cụ cảnh báo thời gian thực.

Loại hình phát hiện sớm này đang trở thành mục tiêu trọng tâm của cả các quan chức an toàn công cộng lẫn các nhà khoa học, những người cho rằng họ cần thông tin nhanh hơn và chính xác hơn.

Lính cứu hỏa vùng sâu vùng xa được kỳ vọng đưa ra quyết định trong tích tắc với thông tin chưa đầy đủ, thường là ở địa hình hiểm trở hoặc hẻo lánh. May mắn thay, một số nhà nghiên cứu và công ty hiện đang cố gắng sử dụng AI để cải thiện tình hình, kết hợp dữ liệu từ camera, vệ tinh và mô hình giúp xác định các vụ cháy nhỏ trước khi chúng chưa kịp bùng phát thành thảm họa.

Tại Đại học Nam California, giáo sư hàng không vũ trụ và kỹ thuật cơ khí Assad Oberai đang phát triển các mô hình AI để dự đoán sự lan rộng của đám cháy ở những khu dân cư, nơi địa hình tự nhiên tiếp giáp với các tòa nhà, một khu vực quá phức tạp đối với mô phỏng truyền thống.

“Các đám cháy đang thay đổi,” Oberai nói với IBM Think . “Chúng ta phải thay đổi theo.”

Cloudflare đang có lập trường chống lại việc cào nội dung bằng AI, trở thành nhà cung cấp cơ sở hạ tầng internet đầu tiên chặn các bot AI thu thập nội dung, một động thái được các hãng truyền thông lớn như The Atlantic, Fortune, TIME và The Associated Press nhiệt liệt hoan nghênh.

Công ty cho biết đây là bước đầu tiên hướng tới việc xây dựng hệ thống công bằng hơn cho nội dung trực tuyến, một hệ thống bảo vệ người sáng tạo khỏi bị cướp traffic và doanh thu, đồng thời mang lại trải nghiệm tốt hơn cho độc giả.

Đồng sáng lập kiêm CEO Matthew Prince viết trên blog Cloudflare: “Chúng tôi tin rằng nếu chúng ta có thể bắt đầu đánh giá và định giá nội dung không phải dựa trên lượng truy cập, mà dựa trên mức độ thúc đẩy kiến thức, chúng ta không chỉ giúp các công cụ AI trở nên tốt hơn, nhanh hơn mà qua đó tạo điều kiện cho kỷ nguyên vàng của việc đầu tư sáng tạo nội dung giá trị cao.”

Động thái này diễn ra vào thời điểm các công cụ tìm kiếm hỗ trợ AI từ các công ty như OpenAI, Anthropic, Meta và Perplexity đang định hình lại nền kinh tế web. Không giống các công cụ tìm kiếm truyền thống, những công cụ này không dẫn người dùng quay lại trang web của nhà xuất bản. Thay vào đó, chúng cung cấp câu trả lời trực tiếp, thường có nguồn gốc từ nội dung được sao chép, làm giảm lưu lượng truy cập mà các nhà xuất bản dựa vào để duy trì hoạt động kinh doanh.

Hơn nữa, việc sao chép nội dung đang gây áp lực lên máy chủ của các nhà xuất bản: tháng 4 năm ngoái, Wikimedia, tổ chức phi lợi nhuận đứng sau Wikipedia, lưu ý rằng 65% lưu lượng truy cập của họ đến từ mấy con bot. "Nội dung của chúng tôi miễn phí, nhưng cơ sở hạ tầng thì không", tổ chức này cho biết.

Một phân tích gần đây do Ahrefs thực hiện cho thấy AI đã làm giảm 34,5% lượt nhấp chuột. "Nếu bạn là người sáng tạo nội dung, điều đó có nghĩa thông tin của bạn được tóm tắt và bán, nhưng bạn không còn nhận được tiền", Prince phát biểu tại hội nghị gần đây của Axios. "Nếu mô hình kinh doanh trên web là tìm kiếm trong 30 năm qua, và nếu cách bạn kiếm tiền là bán đăng ký, bán banner quảng cáo hoặc danh tiếng, thì tất cả những thứ đó sẽ biến mất sớm thôi.”

Một số nhà xuất bản đang hợp tác vui vẻ với các công ty AI, số khác đang quyết liệt kiện tụng - với ít nhất 12 vụ kiện được đệ trình chống lại các anh lớn như OpenAI, Anthropic, Cohere và Perplexity. Tuy nhiên, cho đến nay, quan tòa vẫn chưa đưa ra lời giải thích rõ ràng, khi một số thẩm phán nhận định việc sử dụng nội dung có bản quyền để đào tạo AI có thể xem là "sử dụng với mục đích hợp lý".

AI giúp cuộc sống dễ thở hơn, điều này không cần chứng minh, nhưng một nghiên cứu mới từ MIT cho thấy nó cũng có thể làm suy giảm chính khả năng mà nó được tạo ra để hỗ trợ: khả năng tư duy của con người.

Các nhà nghiên cứu phát hiện rằng sinh viên sử dụng ChatGPT để viết bài luận ngắn có mức độ hoạt động não thấp hơn đáng kể so với người viết không dùng công cụ hỗ trợ.

Sử dụng thiết bị EEG (máy đo điện não đồ), các nhà khoa học theo dõi chức năng não trong quá trình viết. Họ phát hiện những người viết nhờ AI có hoạt động giảm rõ rệt ở các vùng não liên quan đến trí nhớ và suy luận, thậm chí ngay cả sau khi đã ngừng dùng công cụ. Điều này gợi ra câu hỏi lớn hơn: Nếu máy móc làm hết phần khó, thì chúng ta còn đầu tư bao nhiêu cho những việc cần tư duy thực sự?

“Chúng tôi chưa biết đâu là điểm cân bằng hợp lý,” Nataliya Kosmyna, tác giả chính của nghiên cứu, chia sẻ trong cuộc phỏng vấn với IBM Think. “Nhưng đây là tín hiệu mạnh mẽ cho thấy chúng ta cần hiểu rõ hơn về thời điểm và cách thức đưa các công cụ AI vào sử dụng.”

Trong nghiên cứu này, 54 sinh viên được giao viết bài luận ngắn bằng một trong ba cách: sử dụng ChatGPT, sử dụng công cụ tìm kiếm cơ bản, hoặc không dùng công cụ nào cả. Nhóm nghiên cứu không chấm điểm ngữ pháp hay lập luận, chỉ quan sát hoạt động của não bộ. Kết quả cho thấy: những sinh viên dùng ChatGPT kém tập trung về mặt thần kinh, và khi được yêu cầu viết lại bài luận mà không có sự hỗ trợ, họ ghi nhớ kém hơn và khó hồi tưởng lại các lập luận của chính mình.

Trong bối cảnh AI ngày càng len lỏi vào mọi khía cạnh công việc, phát hiện này là lời nhắc nhở rằng sự phân chia công việc giữa con người và công nghệ cần được theo dõi chặt chẽ và linh hoạt. Kosmyna cũng lưu ý nghiên cứu chỉ tập trung vào nhiệm vụ viết cụ thể, không nên vội vàng mở rộng kết luận cho mọi lĩnh vực.

Tuy vậy, bà cũng dẫn thêm các nghiên cứu khác đã qua phản biện — bao gồm nghiên cứu gần đây của Microsoft — cho thấy những người dùng AI mà quá luỵ công cụ thường suy nghĩ kém sắc bén. Ngược lại, những người tự tin vào bản thân lại giữ được sự tỉnh táo và chủ động khi sử dụng AI.

“Nếu AI trở thành một phần trong quá trình suy nghĩ của chúng ta,” Kosmyna nói, “thì chúng ta cần hiểu rõ nó đang thay đổi điều gì — trước khi chính nó thay đổi chúng ta.”

Các trợ lý AI bắt đầu xuất hiện trong sơ đồ tổ chức của hàng triệu doanh nghiệp. Câu hỏi thực sự bây giờ là: ai sẽ quản lý chúng?

Hiện tại vẫn chưa có câu trả lời rõ ràng. Nhưng khi các AI agent bắt đầu đưa ra quyết định, tham gia cuộc họp và hành xử như một nhân viên thực thụ, các công ty cần nhanh chóng xác định vai trò của nó.

AI hứa hẹn mang đến quy trình làm việc nhanh hơn, chi phí thấp hơn, khả năng sáng tạo mới mẻ. Tuy nhiên, rủi ro — từ trách nhiệm không rõ ràng cho đến các lỗi ngớ ngẩn bất ngờ — cũng ngày càng gia tăng, đặc biệt khi các AI agent ngày càng “lộng quyền”, tự động đưa ra quyết định.

“AI agent giúp chúng ta xây dựng nhanh hơn, làm việc với đội ngũ nhỏ hơn, biến nhiều ý tưởng điên rồ thành hiện thực,” Kunal Sawarkar, Kỹ sư cao cấp tại IBM, chia sẻ với IBM Think. “Chúng giúp loại bỏ những công việc nhàm chán để chúng ta tập trung vào điều thực sự có giá trị. Đây là bước chuyển mạnh mẽ, thời đại ai ai cũng có thể trở thành người sáng tạo, không chỉ giới hạn trong vài trò thực thi.”

AI agent là những chương trình phần mềm có thể đưa ra quyết định, hành động và hoàn thành nhiệm vụ với rất ít sự can thiệp của con người. Chúng đã được triển khai trong nhiều ngành như bán lẻ, tài chính, hậu cần, content quảng cáo (như BUTCHI.AI) và đang dần đảm nhận các công việc trong nhân sự, mua sắm và bán hàng. Trong các thử nghiệm nghiên cứu, các nhóm agent phối hợp có thể hoàn thành những dự án trích xuất dữ liệu quy mô lớn chỉ trong vài giờ — thay vì vài tuần — với con người đóng vai trò xác minh kết quả.

AI agent mang lại cơ hội lớn, “nhưng cũng kéo theo rủi ro rất lớn,” theo Stephen Casper, nhà nghiên cứu về độ tin cậy của AI tại MIT. Ông nhấn mạnh nhiều ứng dụng hiệu quả nhất của AI hiện nay vẫn cần con người kiểm soát. “Ngay cả khi AI có thể làm 90% công việc của con người trong một số lĩnh vực,” ông nói, “10% còn lại vẫn là phần khó tự động hóa nhất.”

Bước nhảy tiếp theo của AI có thể đến từ “nửa bị lãng quên” của bộ não. Một lý thuyết mới về trí nhớ đang gợi ý rằng tương lai của trí tuệ nhân tạo (AI) có thể phụ thuộc vào một loại tế bào não mà khoa học thần kinh từ lâu đã bỏ qua.

Các nhà nghiên cứu tại IBM vừa đề xuất một mô hình nhận thức mới, phản ánh cách các hệ thống AI hiện đại vận hành — không chỉ tập trung vào các nơ-ron, mà bao gồm cả tế bào hình sao (astrocytes). Đây là những tế bào thần kinh đệm có hình dạng như ngôi sao, từ trước đến nay thường bị xem là “hậu cần hỗ trợ”.

Tuy nhiên, theo lý thuyết mới, astrocytes có thể đóng vai trò trong việc lưu trữ và truy xuất ký ức thông qua các tín hiệu mà chúng truyền đi, tạo nên một hệ thống năng động, có khả năng lưu trữ cao — rất giống với các mô hình trí nhớ liên kết được dùng trong AI hiện nay, như các mô hình transformer.

Dù nơ-ron chiếm phần lớn sự chú ý, astrocytes thực tế lại chiếm khoảng một nửa số tế bào trong não, len lỏi khắp cấu trúc và ảnh hưởng đến cách thông tin được truyền đi.

“Có rất nhiều bằng chứng cho thấy astrocytes có liên quan đến nhận thức,” nhà nghiên cứu Leo Kozachkov của IBM, đồng tác giả bài báo gần đây về đề tài này, chia sẻ trong cuộc phỏng vấn với IBM Think. “Chúng tôi tự hỏi liệu chúng có thể thực hiện các hệ thống trí nhớ mạnh mẽ hay không, và mọi dấu hiệu đều cho thấy là có.”

Mô hình của nhóm nghiên cứu đã tái định nghĩa trí nhớ như một hiện tượng phát sinh từ sự tương tác rộng hơn giữa các nơ-ron và mạng lưới astrocyte. Về mặt ứng dụng, các hệ thống AI trong tương lai có thể lấy cảm hứng từ cách astrocytes quản lý trí nhớ, điều hòa hoạt động của nơ-ron và tích hợp thông tin theo thời gian.

“Chúng ta đã xây dựng hàng chục năm lý thuyết dựa trên một nửa hệ thống,” Kozachkov nói. “Giờ đây, chúng ta mới bắt đầu hiểu nửa còn lại hoạt động như thế nào.”