Các trường hợp sử dụng Generative AI [Part 2]

27/12/2023

Generative AI (Trí tuệ nhân tạo tạo sinh) có thể được áp dụng trong nhiều trường hợp sử dụng khác nhau để tạo ra hầu hết bất kỳ loại nội dung nào. Công nghệ này đang trở nên dễ tiếp cận hơn với mọi loại người dùng nhờ những đột phá tiên tiến như GPT có thể được điều chỉnh cho các ứng dụng khác nhau.

Tìm hiểu về Generative AI (Phần 2)

Trường hợp sử dụng Generative AI

Triển khai Chatbot để phục vụ khách hàng và hỗ trợ kỹ thuật.
Triển khai Deepfakes để bắt chước con người hoặc thậm chí các cá nhân cụ thể.
Cải thiện lồng tiếng cho phim và nội dung giáo dục bằng các ngôn ngữ khác nhau.
Viết phản hồi email, hồ sơ hẹn hò, sơ yếu lý lịch và bài luận.
Tạo nghệ thuật ảnh hiện thực (photorealistic art) theo một phong cách cụ thể.
Cải thiện video giới thiệu sản phẩm.
Đề xuất các hợp chất thuốc mới để thử nghiệm.
Thiết kế các sản phẩm vật lý và công trình xây dựng.
Tối ưu hóa thiết kế chip mới.
Viết nhạc theo một phong cách hoặc giai điệu cụ thể.

Lợi ích của Generative AI

Trí tuệ nhân tạo tạo sinh có thể được áp dụng rộng rãi trên nhiều lĩnh vực kinh doanh. Nó có thể giúp việc diễn giải và hiểu nội dung hiện có dễ dàng hơn cũng như tự động tạo nội dung mới. Các nhà phát triển đang khám phá những cách mà Generative AI có thể cải thiện quy trình công việc hiện tại, nhằm mục đích điều chỉnh hoàn toàn quy trình công việc để tận dụng lợi thế của công nghệ này.

Một số lợi ích tiềm năng của việc triển khai Generative AI bao gồm:

Tự động hóa quy trình viết nội dung thủ công.
Giảm công sức phản hồi email.
Cải thiện phản hồi cho các truy vấn kỹ thuật cụ thể.
Tạo ra những hình ảnh thực tế về con người.
Tóm tắt thông tin phức tạp thành một câu chuyện mạch lạc.
Đơn giản hóa quá trình tạo nội dung theo một phong cách cụ thể.

Lợi ích của Generative AI

Những hạn chế của Generative AI

Các triển khai sớm của Generative Ai có một số hạn chế. Một số thách thức mà trí tuệ nhân tạo tạo sinh tạo ra xuất phát từ các phương pháp tiếp cận cụ thể được sử dụng để triển khai các trường hợp sử dụng cụ thể.

Ví dụ: Một bản tóm tắt về một chủ đề phức tạp sẽ dễ đọc hơn phần giải thích bao gồm các nguồn thông tin hay tư liệu khác nhau mà người viết sử dụng để chứng minh. Tuy nhiên, tính dễ đọc của bản tóm tắt lại khiến người dùng phải trả giá bằng việc không thể kiểm tra thông tin đến từ đâu.

Dưới đây là một số hạn chế cần xem xét trước khi triển khai hay sử dụng một Generative AI:

Nó không phải lúc nào cũng xác định được nguồn nội dung.
Khó khăn trong việc đánh giá độ chênh lệch của nội dung nguồn.
Nội dung âm thanh thực tế làm tăng khả năng xác định thông tin không chính xác.
Có thể khó hiểu cách điều chỉnh cho phù hợp với hoàn cảnh mới.
Kết quả có thể che đậy sự thiên vị, thành kiến và hận thù, làm cho nó trở nên khó nhận biết và đánh giá mức độ chính xác và khách quan của nội dung.

Tất cả những gì bạn cần là sự chú ý: Transformers (máy biến thế) mang đến khả năng mới

Năm 2017, Google đã báo cáo về một loại kiến trúc mạng nơ-ron mới mang lại những cải tiến đáng kể về hiệu quả và độ chính xác cho các tác vụ như xử lý ngôn ngữ tự nhiên. Phương pháp đột phá này, được gọi là “Transformer”, dựa trên khái niệm về “Attention” - một kỹ thuật hiện đại trong mạng nơ ron nhân tạo.

Ở mức độ cao, “Attention” đề cập đến mô tả toán học về cách các đối tượng (ví dụ: từ ngữ) liên quan, bổ sung và sửa đổi lẫn nhau.

Các nhà nghiên cứu đã mô tả kiến trúc trong bài báo chuyên đề của họ, "Attention là tất cả những gì bạn cần", cho thấy mạng nơ-ron transformer có thể dịch giữa tiếng Anh và tiếng Pháp với độ chính xác cao hơn và chỉ trong một phần tư thời gian đào tạo so với các mạng nơ-ron khác.

Kỹ thuật đột phá này cũng có thể khám phá các mối quan hệ hoặc mệnh lệnh ẩn giữa những thứ khác được chôn giấu trong dữ liệu mà con người có thể không biết vì chúng quá phức tạp để thể hiện hoặc phân biệt.

Kiến trúc transformers đã phát triển nhanh chóng kể từ khi được giới thiệu, tạo ra các LLMs (mô hình ngôn ngữ lớn) như GPT-3 và các kỹ thuật đào tạo trước tốt hơn, chẳng hạn như Google Bert.

Những lo ngại xoay quanh Generative AI là gì?

Sự bùng nổ của Generative AI cũng đang gây ra nhiều mối lo ngại khác nhau. Những điều này liên quan đến chất lượng của kết quả, khả năng sử dụng sai và lạm dụng cũng như việc phá vỡ các mô hình kinh doanh hiện tại.

Dưới đây là một số vấn đề cụ thể được đặt ra do Generative AI tạo ra:

Nó có thể cung cấp thông tin không chính xác và sai lệch.
Sẽ khó tin tưởng hơn nếu không biết nguồn gốc và xuất xứ của thông tin.
Nó có thể thúc đẩy các kiểu đạo văn mới, phớt lờ quyền của người sáng tạo nội dung và nghệ sĩ đối với nội dung gốc.
Có thể đảo lộn các mô hình kinh doanh hiện có được xây dựng xung quanh việc tối ưu hóa công cụ tìm kiếm và quảng cáo.
Làm cho việc tạo ra tin tức giả dễ dàng hơn.
Nó làm cho việc tuyên bố rằng một hình ảnh chân thực về một hành vi sai trái chỉ là giả mạo do AI tạo ra.
Nó có thể giả mạo danh tính người khác để thực hiện các cuộc tấn công mạng kỹ thuật xã hội hiệu quả hơn.

Thách thức của trí tuệ nhân tạo tạo sinh

Một số ví dụ về các công cụ generative AI

Các công cụ trí tuệ nhân tạo tạo sinh tồn tại cho nhiều phương thức khác nhau, chẳng hạn như văn bản, hình ảnh, âm nhạc, mã code và giọng nói. Một số công cụ tạo nội dung AI phổ biến để khám phá bao gồm:

Các công cụ tạo văn bản: GPT, Jasper, AI-Writer và Lex.
Các công cụ tạo hình ảnh: Dall-E 2, Midjourney và Stable Diffusion.
Các công cụ tạo nhạc: Amper, Dadabots và MuseNet.
Các công cụ tạo mã Code: CodeStarter, Codex, GitHub Copilot và Tabnine.
Các công cụ tổng hợp giọng nói: Descript, Listnr và Podcast.ai.
Các công ty thiết kế chip AI: Synopsys, Cadence, Google và Nvidia.

>> Đọc tiếp: Generative AI và trí tuệ nhân tạo AI truyền thống [Part 3]

Các trường hợp sử dụng Generative AI theo ngành

Các công nghệ Generative AI thế hệ mới đôi khi được mô tả là các công nghệ GPTs (general-purpose technologies) giống như năng lượng hơi nước, điện và điện toán vì chúng có thể ảnh hưởng sâu sắc đến nhiều ngành công nghiệp và trường hợp sử dụng.

Điều quan trọng cần lưu ý là, giống như các công nghệ GPTs trước đây, mọi người thường phải mất hàng thập kỷ để tìm ra cách tổ chức quy trình công việc tốt nhất nhằm tận dụng phương pháp tiếp cận mới thay vì tăng tốc các phần nhỏ của quy trình làm việc hiện có.

Dưới đây là một số cách ứng dụng Generative AI có thể tác động đến các ngành khác nhau:

Ngành tài chính có thể theo dõi các giao dịch trong ngữ cảnh lịch sử của một cá nhân để xây dựng hệ thống phát hiện gian lận tốt hơn.
Các công ty pháp lý có thể sử dụng trí tuệ nhân tạo tạo sinh để thiết kế và giải thích hợp đồng, phân tích bằng chứng và đề xuất lập luận.
Các nhà sản xuất có thể sử dụng generative AI để kết hợp dữ liệu từ máy ảnh, tia X và các số liệu khác để xác định các bộ phận bị lỗi và nguyên nhân gốc rễ một cách chính xác và tiết kiệm hơn.
Các công ty điện ảnh và truyền thông có thể sử dụng trí tuệ nhân tạo tạo sinh để sản xuất nội dung tiết kiệm hơn và dịch nội dung đó sang các ngôn ngữ khác bằng chính giọng nói của diễn viên.
Ngành y tế có thể sử dụng Generative AI để xác định các loại thuốc có triển vọng một cách hiệu quả hơn.
Các công ty kiến trúc có thể sử dụng trí tuệ nhân tạo tạo sinh để thiết kế và điều chỉnh các mô hình nguyên mẫu nhanh chóng hơn.
Các công ty Game có thể sử dụng Generative AI để thiết kế nội dung và cấp độ trò chơi.

GPT gia nhập hệ thống công nghệ chung mục đích (general-purpose technologies)
OpenAI, một công ty nghiên cứu và triển khai trí tuệ nhân tạo AI, đã lấy những ý tưởng cốt lõi đằng sau transformers để đào tạo phiên bản của mình, được đặt tên là Generative Pre-trained Transformer, hay GPT. Các nhà quan sát đã lưu ý rằng GPT là từ viết tắt tương tự được sử dụng để mô tả các “công nghệ có mục đích chung” như động cơ hơi nước, điện và điện toán. Hầu hết đều đồng ý rằng GPT và các triển khai transformer khác đã đúng với tên gọi của chúng khi các nhà nghiên cứu khám phá cách áp dụng chúng vào công nghiệp, khoa học, thương mại, xây dựng và y học.

Đạo đức và thành kiến trong Generative Ai

Bất chấp lời hứa của họ, các công cụ trí tuệ nhân tạo tạo sinh mới mở ra một hộp Pandora về độ chính xác, độ tin cậy, thành kiến, ảo tưởng và đạo văn – các vấn đề đạo đức có thể sẽ mất nhiều năm để giải quyết. Không có vấn đề nào đặc biệt mới đối với trí tuệ nhân tạo AI.

Chẳng hạn, bước đột phá đầu tiên của Microsoft vào chatbot vào năm 2016, có tên là Tay, đã phải bị tắt sau khi nó bắt đầu đưa ra những lời lẽ mang tính kích động trên Twitter.

Điều mới là thế hệ mới nhất của các các ứng dụng generative Ai nhìn bề ngoài có vẻ mạch lạc hơn. Nhưng sự kết hợp giữa ngôn ngữ giống con người và sự mạch lạc này không đồng nghĩa với trí thông minh của con người và hiện đang có cuộc tranh luận lớn về việc liệu các mô hình AI có thể tạo ra có thể được đào tạo để có khả năng suy luận hay không.

Một kỹ sư của Google thậm chí còn bị sa thải sau khi tuyên bố công khai ứng dụng trí tuệ nhân tạo tạo sinh của công ty, Mô hình ngôn ngữ cho các ứng dụng hộp thoại (LaMDA), là có cảm xúc.

Kỹ sư của Google bị sa thải sau khi nói rằng AI có tri giác

Chủ nghĩa hiện thực thuyết phục của nội dung Generative AI gây ra một loạt rủi ro mới về trí tuệ nhân tạo. Nó khiến việc phát hiện nội dung do AI tạo ra trở nên khó khăn hơn và quan trọng hơn là khiến việc phát hiện khi có sự cố trở nên khó khăn hơn.

Đây có thể là một vấn đề lớn khi chúng ta phụ thuộc vào kết quả Generative AI để viết Code hoặc đưa ra lời khuyên y tế.

Nhiều kết quả của Generative AI không minh bạch, do đó, rất khó để xác định xem liệu chúng có vi phạm bản quyền hay không hoặc liệu có vấn đề với nguồn ban đầu mà chúng rút ra kết quả hay không. Nếu bạn không biết AI đưa ra kết luận như thế nào, bạn không thể lý giải tại sao nó có thể sai.

Nguồn: Techtarget

CMC Cloud - Giải pháp Điện toán đám mây Toàn diện & Linh hoạt nhất. Cho phép tùy biến sử dụng và quản trị 25+ dịch vụ