Một số khán giả đến sân Wimbledon để thưởng thức món dâu tây với kem và ly cocktail Pimm’s đặc trưng. Nhưng có đến 670 triệu người hâm mộ trên toàn cầu theo dõi giải đấu qua nhiều kênh khác nhau để đắm chìm trong những trận cầu gay cấn diễn ra trong hai tuần đầu tháng 7. Phía sau hậu trường, các công cụ hỗ trợ bởi trí tuệ nhân tạo (AI) đang giúp người xem hiểu rõ hơn về những diễn biến nghẹt thở trên sân cỏ xanh mướt của All England Lawn Tennis và Croquet Club tại London, Anh Quốc.

Dù xem trực tuyến hay trực tiếp, Wimbledon đã hợp tác với IBM suốt hơn 30 năm để kết nối với người hâm mộ hiện tại và thu hút thêm người mới. Năm nay, Wimbledon ra mắt Match Chat – trợ lý ảo tương tác xây dựng trên nền tảng IBM watsonx – cho phép người xem đặt câu hỏi theo thời gian thực, chẳng hạn như: “Ai là người giao bóng ăn điểm trực tiếp nhiều nhất trong trận này?” hoặc “Ai có tỷ lệ giao bóng hai tốt nhất?”

Match Chat xây dựng dựa trên công nghệ Watson Orchestrate, bao gồm một bộ sưu tập các tác nhân AI và mô hình ngôn ngữ lớn IBM Granite, được đào tạo theo phong cách biên tập và ngôn ngữ quần vợt của Wimbledon. "Chúng tôi hợp tác rất chặt chẽ với đội ngũ để đảm bảo trợ lý tạo ra phản hồi theo đúng tông điệu, giọng điệu và thương hiệu Wimbledon", ông Tyler Sidell, Giám đốc Chương trình Công nghệ phụ trách Mối quan hệ Đối tác Thể thao và Giải trí tại IBM, cho biết.

Một tính năng mới khác có tên Likelihood to Win (Khả năng chiến thắng) sử dụng AI tạo sinh để dự đoán kết quả trận đấu theo từng thời điểm, dựa trên phân tích phong độ và đà thi đấu liên tục của các tay vợt.

Những tay vợt hàng đầu đều hiểu kết quả trong quá khứ không đảm bảo chiến thắng trong tương lai. Điều thực sự quan trọng là phong độ hiện tại và hiệu suất của bạn ngay bây giờ.

Khi những tài năng ưu tú đối mặt, khả năng phục hồi tinh thần và động lực có thể nhanh chóng thay đổi cục diện - luôn có thể lội ngược dòng và điểm trận đấu có thể biến mất trong nháy mắt. Live Likelihood to Win sẽ tính đến tất cả những bước ngoặt này, cập nhật khi trận đấu diễn ra, vì vậy "bạn có thể thấy động lực đang chuyển từ người chơi này sang người chơi khác trong một trận đấu nhất định", Sidell cho biết.

Những công cụ này phản ánh xu hướng rộng lớn hơn: các tổ chức thể thao (từ tennis, bóng rổ đến boxing) đang tận dụng AI không chỉ phân tích hiệu suất đơn thuần mà đưa người hâm mộ đến gần hơn với trận đấu. Trong thời đại sự chú ý của khán giả bị phân tán bởi mạng xã hội, nền tảng phát trực tuyến và tìm kiếm thời gian thực, Wimbledon đang đặt cược vào bối cảnh sâu sắc – không đơn thuần là những khoảnh khắc nổi bật – để giữ chân người xem.

Hơn 15.000 nhà cung cấp, đối tác và khách hàng đổ về San Francisco tham dự Hội nghị Thượng đỉnh Data + AI do Databricks tổ chức. Thành phố bên bờ vịnh này là quê hương của Databricks, và theo lời CEO kiêm đồng sáng lập công ty – ông Ali Ghodsi – San Francisco đang trên đà trở thành thành phố quan trọng nhất thế giới nhờ trí tuệ nhân tạo (AI). “Gần như tất cả các công ty đang làm AI đều có mặt ở đây và đang phát triển rất mạnh,” ông chia sẻ. (Xin lỗi New York nhé)

Tạm gác lại cuộc ganh đua vùng miền sang một bên, bầu không khí tại hội nghị năm nay cho thấy xu hướng chuyển từ lý thuyết sang thực tiễn. Dù chủ đề về trí tuệ siêu việt nhân tạo vẫn còn rất nóng trong giới nghiên cứu, những người tham dự đến từ các doanh nghiệp (bao gồm cả IBM) lại quan tâm hơn đến các ứng dụng thực tế của AI agent. “Chúng vẫn chưa đạt đến kỳ vọng của chúng ta, và ngành này vẫn chưa ở vị trí chúng ta mong muốn,” Ghodsi chia sẻ với báo chí.

Databricks đã công bố một loạt sản phẩm mới nhằm giải quyết những khoảng trống hiện tại, bao gồm Agent Bricks –công cụ tự động tạo ra các AI agent hiệu suất cao dành riêng cho từng doanh nghiệp, có khả năng đánh giá hiệu quả và độ chính xác trong công việc. Ngoài ra còn có Lakebase – cơ sở dữ liệu vận hành mới của họ, giúp chạy các ứng dụng độc lập và phân tích dữ liệu hoạt động của doanh nghiệp.

Tuy nhiên, Ghodsi thừa nhận để AI có thể phát huy hiệu quả thực sự, yếu tố quan trọng vẫn là dữ liệu riêng biệt của từng doanh nghiệp. “Không phải cơ sở dữ liệu là yếu tố tạo nên sự khác biệt,” ông nói. “Nếu bạn muốn một AI làm tốt một nhiệm vụ cụ thể, nó cần hiểu rõ dữ liệu trong tổ chức của bạn – đó mới là điều tạo nên sự khác biệt.”

Ý kiến này cũng được đồng tình bởi bà Stephanie Valarezo – Giám đốc Chương trình và Lãnh đạo Sản phẩm Kỹ thuật mảng Dữ liệu và AI của IBM. “Chúng tôi đều đang nghĩ đến cách tận dụng sức mạnh của các AI agent, cuối cùng vẫn quay về vai trò sống còn của dữ liệu,” bà chia sẻ trong cuộc phỏng vấn với IBM Think.

Để đơn giản hóa hạ tầng dữ liệu doanh nghiệp, IBM gần đây ra mắt hai sản phẩm mới: watsonx.data integration và watsonx.data intelligence – cả hai đều được xây trên quan điểm một hạ tầng dữ liệu thống nhất, tinh gọn là nền tảng ban đầu cho thành công của AI. Nếu có một điều dữ liệu nói với chúng ta, thì đó là: AI không thể thành công nếu không có dữ liệu.

P/s: BUTCHI.AI sở hữu siêu dữ liệu content quảng cáo tích luỹ từ 18 năm king nghiệm làm nghề copywriter của Mr. Bút Chì, người đồng sáng lập, tác giả 2 cuốn sách ngành:

- Làm bạn với hình, làm tình với chữ
- Người trong nghề, Nghề trong người

AI có thể nói chuyện mơn trớn mượt mà, nhưng điều đó không có nghĩa nó thực sự “suy nghĩ” như con người đâu nhé.

Một nghiên cứu của Apple mang tên “Ảo tưởng về tư duy” cho rằng những mô hình AI tiên tiến hiện nay vẫn gặp khó khăn khi đối mặt với các bài toán logic phức tạp, làm lộ ra khoảng cách giữa câu trả lời tưởng rất thông minh và khả năng thấu hiểu thực sự.

Nhóm nghiên cứu đã dùng các bộ kiểm tra tùy chỉnh, bao gồm logic đệ quy và chứng minh nhiều bước. Ngay cả khi được cung cấp đúng thuật toán, mô hình đôi khi vẫn không làm đúng chỉ dẫn. Kết luận: lỗi không nằm ở công nghệ, mà ở cách chúng ta sử dụng nó.

“Chúng ta đang yêu cầu các mô hình làm những việc bản thân chúng chưa từng được thiết kế để xử lý,” bà Marina Danilevsky, nhà nghiên cứu cao cấp tại IBM, chia sẻ với IBM Think. “Chúng không phải agent hoàn chỉnh. Giỏi lắm chỉ là công cụ lập kế hoạch, và chúng ta nên ngừng giả vờ rằng chúng thông minh hơn thế.”

Tuy vậy, nghiên cứu này vẫn gióng lên hồi chuông cảnh báo, nhất là khi nhiều ngành công nghiệp và chủ doanh nghiệp đang vội vã tin tưởng giao các quyết định quan trọng cho AI.

“Chúng không quá logic – chúng chỉ tạo ra những câu trả lời nghe có vẻ hợp lý,” Danilevsky nói. “Chúng có thể bắt chước suy luận ở các bài toán đơn giản, nhưng khi đụng tới những vấn đề đòi hỏi khả năng khái quát hóa hay logic nhiều bước, chúng thường thất bại.”

Không phải ai cũng đồng tình với nghiên cứu của Apple. Shobhit Varshney, Giám đốc Dữ liệu và AI khu vực châu Mỹ của IBM, chia sẻ trong podcast Mixture of Experts rằng các mô hình mới hơn như OpenAI o3 cho thấy khả năng lý luận vượt trội. Khi thử lại một trong các câu hỏi từ nghiên cứu của Apple với o3, ông nhận xét: “Đúng là một phát ăn luôn – mô hình xử lý cực kỳ tốt ngay lập tức.”

Ở góc nhìn doanh nghiệp, Varshney cho rằng điều quan trọng không phải AI có suy nghĩ như Einstein hay không. Câu hỏi đúng nên là: “Tôi có thể tóm lấy khả năng siêu phàm của AI, áp dụng vào hệ thống cụ thể để giải quyết vấn đề, và tạo ra giá trị ting ting không?”

AI ngày càng tập trung vào những gì nó có thể làm cụ thể. Các mô hình AI và agent được xây dựng sẵn, chuyên biệt cho từng lĩnh vực kinh doanh, chức năng hoặc trường hợp sử dụng, hiện đang giúp hàng triệu doanh nghiệp nâng cao hiệu suất và hiệu quả.

Viện Quản lý Khách sạn Quốc tế (IIHM) – trường đào tạo về quản trị khách sạn tại Ấn Độ – đã giới thiệu NamAIste, GPT đầu tiên trên thế giới phát triển riêng cho ngành khách sạn. Được huấn luyện dựa trên kiến thức chuyên ngành phong phú và các nghiên cứu sâu rộng, NamAIste giúp các chuyên gia và sinh viên ngành khách sạn tiếp cận thông tin, xu hướng và thực tiễn toàn cầu theo thời gian thực, phục vụ việc học tập, ra quyết định và đổi mới sáng tạo dựa trên AI.

Các mô hình và agent AI chuyên biệt như vậy là bước tiến cần thiết tiếp theo trong hành trình phát triển của AI. Nhờ được thiết kế cho mục đích cụ thể (tương tự BUTCHI.AI phục vụ chuyên biệt trong lĩnh vực viết content quảng cáo) những giải pháp này giúp doanh nghiệp tiết kiệm chi phí huấn luyện, nâng cao chất lượng và độ tin cậy, đồng thời rút ngắn thời gian tạo ra giá trị.

“Chúng tôi đang nhận thấy các agent AI thúc đẩy đổi mới và tăng năng suất ở nhiều lĩnh vực quan trọng trong doanh nghiệp,” bà Ritika Gunnar, Tổng Giám đốc mảng Dữ liệu và AI tại IBM, chia sẻ tại hội nghị Think 2025.

“Trong nhân sự, có đến 94% yêu cầu được xử lý tự động. Trong bán hàng, AI giúp nhân viên tiết kiệm một phần tư thời gian làm việc hàng tuần. Và trong mua sắm, thời gian tìm nguồn hàng và ký hợp đồng giảm tới 70%. Và đây chỉ là điểm khởi đầu.”

Việc xây dựng AI theo hướng có mục tiêu rõ ràng, kết hợp đổi mới, thiết kế lấy con người làm trung tâm, đang định hình cách các giải pháp AI hiện đại được phát triển.

“AI có mục tiêu là xây dựng vì con người phù hợp, chứ không chạy đua chức năng phù hợp,” bà Shalini Harkar, chuyên gia truyền bá AI tại IBM Ấn Độ, cho biết. “Tác động đến con người, sự minh bạch và niềm tin phải là tiêu chuẩn. Những sáng kiến như thế này giúp hiện thực hóa tầm nhìn của IBM rằng tương lai của AI phải hợp tác, có trách nhiệm, gắn liền với các mục tiêu thực tế.”

Một loài cá nhỏ với chiếc đầu trong suốt đang giúp các nhà nghiên cứu hiểu rõ hơn bao giờ hết về cách bộ não vận hành – và điều này có thể mở ra thế hệ AI tiên tiến hơn trong tương lai.

ZAPBench, bộ dữ liệu mới do Google Research và HHMI Janelia phát triển, ghi lại hoạt động của hơn 70.000 nơron trong hình ảnh 3D độ phân giải cao suốt 2 giờ đồng hồ. Đây là một phần trong làn sóng nghiên cứu nhằm mô hình hóa hoạt động não bộ với độ chính xác cao – có thể làm thay đổi cách xây dựng trí tuệ nhân tạo.

“Một thách thức lớn là xác định chính xác vị trí của các nơron này,” theo chia sẻ của Jan-Matthis Lueckmann, nhà khoa học nghiên cứu tại Google, trong cuộc phỏng vấn với IBM Think.

Đó là lý do cá ngựa vằn ấu trùng (larval zebrafish) được lựa chọn. Loài cá này có bộ não đủ nhỏ để quét toàn bộ, nhưng vẫn đủ phức tạp để thực hiện những hành vi thực tế như săn mồi và học tập. Bằng cách nghiên cứu cách các nơron hoạt động và tương tác, các nhà nghiên cứu đang cố gắng xây dựng hệ thống máy học bắt chước logic hoạt động của bộ não sinh học.

Không giống phương pháp chụp não thông thường như chụp MRI trong lĩnh vực y tế, ZAPBench cho phép ghi lại hoạt động của từng nơron đơn lẻ trên toàn bộ não, giúp kiểm tra các mô hình dự đoán cách dòng suy nghĩ di chuyển liên tục trong một sinh vật sống. Nhờ đó, các nhà khoa học có thể phát hiện mối quan hệ giữa cấu trúc và chức năng não – và cách những mô hình này có thể áp dụng để phát triển AI. Thực sự phi thường.

Trong khi ZAPBench giúp huấn luyện mô hình AI từ cách não thật xử lý thông tin, chip NorthPole của IBM hiện thực hóa nguyên lý đó thành phần cứng, tạo ra những máy tính có bộ xử lý giống não người hơn.

Cả hai hướng nghiên cứu đều nhắm đến mục tiêu thu hẹp khoảng cách giữa trí tuệ sinh học và trí tuệ nhân tạo. “Đây có thể là bước tiến của ngành thần kinh học,” Lueckmann chia sẻ. “Và có lẽ cũng là bước ngoặt cho AI trong tương lai.” Chúng ta chờ xem điều phi thường gì sẽ xảy ra tiếp theo.

Phần lớn cuộc tranh luận xoay quanh AI và báo chí thường tập trung vào những rủi ro: đạo văn, đưa tin sai sự thật, nội dung hời hợt, và nguy cơ mất việc. Những lo ngại này không phải không có cơ sở – đặc biệt khi ngày càng có nhiều thông tin về việc lạm dụng AI trong các tòa soạn và làn sóng cắt giảm nhân sự ở các nhà xuất bản lớn.

Tuy nhiên, AI cũng đang cho thấy giá trị rõ rệt trong ngành truyền thông tin tức: giúp phóng viên tìm kiếm thông tin nhanh hơn, xử lý các tệp dữ liệu khổng lồ, và tập trung thời gian cho những cuộc điều tra chuyên sâu có giá trị cao.

Hai năm liên tiếp, những dự án báo chí đoạt giải Pulitzer đã sử dụng AI – trong đó machine learning hỗ trợ các cuộc điều tra quy mô lớn dựa trên dữ liệu. Một ví dụ điển hình là Djinn – công cụ do IBM phát triển cho tờ iTromsø của Na Uy, giúp nhà báo rút ngắn quá trình nghiên cứu và phát hiện câu chuyện đáng đưa tin nhanh hơn.

Djinn kết hợp công nghệ watsonx.ai và Watson NLP, sử dụng AI sinh ngữ và học máy để truy xuất kho dữ liệu công khai, tóm tắt và cảnh báo các chủ đề tiềm năng cho phóng viên. Nhờ đó, thời gian nghiên cứu của phóng viên giảm từ 90 phút xuống còn 5 phút. Hiện đã có 37 tòa soạn sử dụng công cụ này.

(Tương tự tại Việt Nam, hàng trăm CTV viết bài cho 10 toà soạn lớn đã âm thầm chuốt BUTCHI.AI trong hơn nửa năm qua, đặc biệt trong các bài viết cần chất lượng văn phong cao cấp như bài PR doanh nghiệp, bài long form và e-Magazine. Thời gian hoàn thành trung bình từ một ngày xuống còn 2 tiếng, chủ yếu ở khâu biên tập)

Không chỉ tiết kiệm chi phí, các đơn vị sử dụng Djinn còn ghi nhận lượng truy cập tăng đáng kể, theo chia sẻ của Silvia Podestà, Chuyên gia thiết kế đổi mới tại IBM Đan Mạch: “AI không chỉ giúp giảm chi phí mà góp phần tăng doanh thu, nâng cao mức độ sẵn sàng chi trả của độc giả và mở ra các dòng thu nhập mới.”

“Đây là ví dụ tuyệt vời về cách AI có thể ứng dụng trong báo chí,” nhận định của Florent Daudens, Trưởng nhóm truyền thông tại Hugging Face.

Khi câu hỏi về tương lai của nội dung số trong thời đại AI ngày càng được quan tâm, Bryan Casey, Phó Chủ tịch Tiếp thị Số tại IBM, bày tỏ sự lạc quan: “Sức mạnh của AI có thể cải thiện trải nghiệm trên internet bằng cách giúp chúng ta làm được những điều trước đây là bất khả thi.”

Từ Agentforce của Salesforce, watsonx Orchestrate của IBM cho đến Agentspace của Google, thật khó để tìm thấy bất kỳ công ty công nghệ lớn nào đang không mạnh tay phát triển AI agent trong thời điểm hiện tại.

Microsoft thậm chí còn nâng tầm cuộc chơi với tầm nhìn về “nhà máy sản xuất agent” – chính thức mang tên Azure AI Foundry. CEO Microsoft Satya Nadella gọi đây là “agent factory” trong bài đăng trên LinkedIn, nơi cho phép các công ty và nhà phát triển thiết kế, tùy biến, quản lý ứng dụng và agent AI ở quy mô lớn chưa từng có.

“Tôi muốn nền tảng của chúng tôi trở thành nơi bất kỳ doanh nghiệp hay tổ chức nào cũng có thể biến nó thành ‘nhà máy agent’ của riêng họ,” Jay Parikh, Giám đốc nhóm CoreAI của Microsoft chia sẻ trong cuộc phỏng vấn với The Verge.

Một lợi ích lớn của việc “phổ biến hóa” AI agent là lĩnh vực này đang trở nên “dân chủ hóa” hơn, theo lời Kate Soule, Giám đốc Quản lý Sản phẩm Kỹ thuật tại IBM, trong podcast Mixture of Experts. “Khả năng tự xây dựng agent, thay đổi linh kiện, tùy biến chức năng là điều cực kỳ quan trọng để doanh nghiệp có thể khai thác giá trị từ kho dữ liệu quý báu của họ,” cô nói.

Việc chuẩn hóa các agent cũng dẫn đến thay đổi lớn: không còn chuyện ‘kẻ thắng ăn cả’, theo chia sẻ của Chris Hay, Kỹ sư cao cấp tại IBM.
Các công ty giờ đây có thể kết hợp các agent và công cụ từ nhiều nguồn khác nhau, rồi tùy chỉnh theo nhu cầu cụ thể. Điều quan trọng phải chọn đúng nguồn, nếu không là nỗi buồn lên tiếng.

“Từ góc độ nhà máy, nếu tôi muốn xây dựng một thứ gì đó, thực tế là 80% công cụ đã có sẵn, 80% agent tương thích với các công cụ đó cũng đã có rồi, tôi chỉ cần làm nốt 20% còn lại,” Hay nói. “Không như trước kia, tôi phải tự làm mọi thứ từ A đến Z muốn ná thở.”

Các mô hình Claude 4 của Anthropic đang đưa trí tuệ nhân tạo tiến sâu hơn vào thế giới AI agent — đánh dấu bước chuyển lớn từ chatbot đơn thuần sang cộng tác viên thông minh và tự chủ.

Thay vì chỉ phản hồi các câu hỏi hay câu lệnh đơn giản, Claude Opus 4 và Sonnet 4 được thiết kế để lập kế hoạch, thực thi và xử lý đa tác vụ trong các quy trình phức tạp. Các mô hình này có thể:

• Sử dụng nhiều công cụ cùng lúc
• Ghi nhớ thông qua truy cập tệp cục bộ
• Duy trì các phiên làm việc kéo dài hàng giờ

 Những tính năng này đánh dấu sự chuyển mình ngoạn mục từ chatbot sang cộng tác viên tự động và chủ động. “Rõ ràng Claude giờ đã vận hành như một hệ thống agent liền mạch thực thụ,” Gabe Goodhart, Kiến trúc sư trưởng về AI Mở tại IBM, chia sẻ với IBM Think. “Việc sử dụng công cụ song song 2-trong-một nghe có vẻ đơn giản, nhưng thực tế mở ra khả năng hoạt động phi tuyến tính, nơi mô hình có thể thực hiện nhiều việc cùng lúc. Nói theo ngôn ngữ tiếng Việt là ba đầu sáu tay.”

Theo báo cáo, Claude Opus 4 hiện đang dẫn đầu trong các bảng xếp hạng lập trình như SWE-bench và Terminal-bench, vượt qua cả GPT-4 và Gemini 1.5 Pro trong các nhiệm vụ kỹ thuật phức tạp và kéo dài.

Sonnet 4, phiên bản nhẹ hơn và nhanh hơn, hiện đã tích hợp vào GitHub Copilot thế hệ mới. Cả hai mô hình đều hỗ trợ chế độ “suy nghĩ mở rộng” - cho phép Claude tạm dừng để suy luận, chạy công cụ và truy xuất dữ liệu bên ngoài để nâng cao chất lượng phản hồi.

Động thái của Anthropic phản ánh xu hướng: AI đang dần trở thành các agent tự chủ, biết lên kế hoạch, sử dụng công cụ, ghi nhớ ngữ cảnh và làm việc qua nhiều bước mà không cần liên tục được hướng dẫn như trước đó. IBM cũng đang đầu tư mạnh vào xu hướng này thông qua nền tảng watsonx và các nghiên cứu ứng dụng nhằm phát triển agent cho môi trường doanh nghiệp.

“Trước đây, tôi đề cao sự hữu ích hơn độ chính xác,” Goodhart chia sẻ. “Giờ đây, Claude đang hướng tới cả hai: vừa hữu ích, vừa tự chủ. Điều đó thay đổi cách chúng ta nhìn nhận về vai trò của các hệ thống AI và kỳ vọng vào chúng.”

Google DeepMind công bố hệ thống AI mới AlphaEvolve, có khả năng tự tạo ra và cải tiến các thuật toán mà không cần con người can thiệp.

‘Thuật toán’ nghe cao siêu thế thôi, chứ bản chất là tập hợp các bước hướng dẫn giúp máy tính giải quyết một vấn đề, chẳng hạn như sắp xếp dữ liệu hay tìm liên hệ trong mạng lưới. AlphaEvolve kết hợp mô hình ngôn ngữ Gemini của DeepMind với công cụ tự động kiểm tra hiệu suất của từng phiên bản thuật toán, từ đó cải tiến và tối ưu. Hệ thống này đã có thể tự phát hiện lại các thuật toán cổ điển và làm cho chúng hiệu quả hơn.

Google cho biết, bước tiến này dẫn đến khả năng tính toán nhanh hơn, tiết kiệm chi phí hơn, giúp AI thực hiện những nhiệm vụ kỹ thuật phức tạp hơn trong tương lai.

“Chúng tôi tin rằng AlphaEvolve có thể tạo ra bước ngoặt trong nhiều lĩnh vực như khoa học vật liệu, phát triển thuốc, và cả ứng dụng trong công nghệ cũng như kinh doanh,” Google chia sẻ trong thông cáo báo chí.

Trong khi đó, IBM cũng đang phát triển các hệ thống AI tương tự nhưng theo hướng tiếp cận khác. Các hệ thống AI-Descartes và AI-Hilbert của IBM kết hợp logic ký hiệu (symbolic logic) với học máy (machine learning) để khám phá các mối quan hệ mới trong khoa học và toán học.

“Chúng tôi tập trung vào việc kết hợp AI thống kê và AI logic, đặc biệt trong những bài toán vừa có lý thuyết vừa có dữ liệu — như các vấn đề tương đối hack não trong thế giới vật lý trừu tượng," theo lời Lior Horesh, Giám đốc cấp cao mảng Toán học và Khoa học Máy tính Lý thuyết tại IBM.

Horesh cho rằng AlphaEvolve mang tính chất như phương pháp “dò tìm kiểu brute-force,” và nói thêm: “IBM đang hướng tới khai thác cấu trúc và logic hình thức để đưa công nghệ AI tiến xa hơn. Tất cả đang là phép thử, nhưng toàn tâm toàn lực cho AI chưa bao giờ là một phép sai.”

Việc xây dựng AI agents hiệu quả là quá trình phức tạp — và đôi khi quá mức cần thiết đối với những task vụ đơn giản. Tuy nhiên, lợi ích mang lại rất rõ ràng: các hệ thống gồm nhiều agent âm thầm liên kết để thực hiện các tác vụ cực kỳ tinh vi, mở ra tương lai nơi AI có thể hoạt động như các nhóm chuyên gia trong từng lĩnh vực cụ thể (content quảng cáo chẳng hạn).

Vấn đề không nằm ở lựa chọn framework nào để xây dựng agent, mà cần ngẫm nghĩ xem liệu agent có thực sự phù hợp với bài toán hiện tại không, theo chia sẻ của Anna Gutowska, Kỹ sư AI kiêm Đại sứ Phát triển tại IBM.

“Không phải tình huống nào cũng cần, hoặc thực sự hưởng lợi từ AI agent,” cô cảnh báo. “Đôi khi, chỉ cần dùng mô hình ngôn ngữ lớn (LLM) với tính năng gọi hàm (function calling) quen thuộc là đã đủ món ăn chơi.”

Ngay cả khi sử dụng agent là lựa chọn đúng, quy trình xây dựng cũng rất phức tạp. “Theo quan sát, tôi thấy nhiều lập trình viên (junior) gặp khó khăn trong việc điều khiển agent biết cách chọn và dùng công cụ phù hợp,” Gutowska chia sẻ.

“Nhiều người chỉ đơn giản ném một loạt công cụ vào agent, sau đó thắp nhang cầu nguyện nó tự xử lý. Khi mọi thứ không hoạt động như mong muốn, junior vibe coder bắt đầu nổi điên. Bình tĩnh nào! Nếu không có định nghĩa rõ ràng về đầu vào/đầu ra, mô tả tỉ mỉ và giao thức liên lạc chặt chẽ, agent đó sẽ thất bại toàn tập.”

Tuy nhiên, khi được thiết kế đúng cách, AI agents có thể làm được những việc phi thường nhẹ nhàng như hơi thở. Gutowska hiện đang phát triển hệ thống multi-agent (đa tác nhân) sử dụng nền tảng IBM BeeAI, có khả năng:

- Phân tích dữ liệu ngân sách của khách hàng
- Đọc hiểu từng dòng điều khoản trong hợp đồng
- Tự động thu thập thông tin liên quan từ internet
- Và thậm chí đàm phán các điều khoản bất lợi

“Những agent chuyên biệt này phối hợp mượt mà với nhau như một nhóm tư vấn chuyên nghiệp,” cô nói.

❉ ❉ ❉

P/s: Hãy tưởng tượng khi đang lướt web, bạn thấy đoạn content xuất sắc, muốn viết lại thành bài viết hoàn chỉnh với văn phong phù hợp.

Giải pháp là gì?

Đầu tiên, hãy chọn chính xác đoạn content đó, và gọi ngay API Bút Chì AI nhờ trợ giúp. Agent tìm kiếm ngay lập tức vào việc. Agent suy luận bắt đầu phân tích chủ đề. Cuối cùng, Agent copywriting bắn ra content đúng đỉnh. Tất cả diễn ra trong vài cái chớp mắt, bởi bên trong Bút Chì AI là hệ thống multi-agent (đa tác nhân) đã được thử nghiệm qua thời gian, chạy tốt trên nhiều trình duyệt.