Quá nhiều mô hình AI đang được tạo ra nhanh hơn chúng ta có thể đo lường giá trị thực của chúng. Từ GPT-4 đến một loạt các sản phẩm phụ mã nguồn mở ngày càng phát triển, Mô hình AI đang tăng trưởng với tốc độ chưa từng có. Nhưng sự gia tăng này không chỉ mang lại sự đổi mới mà còn đặt ra những câu hỏi khó về chi phí tăng cao, dữ liệu trùng lặp, lỗ hổng bảo mậtvà liệu cuộc đua AI này có thực sự đáng để tham gia hay không.

Cơn sốt vàng mô hình AI: Sự đa dạng so với sự bão hòa quá mức

Các doanh nghiệp thuộc mọi quy mô hiện nay đều có thể tiếp cận các khuôn khổ AI mô hình, cả mã nguồn mở lẫn độc quyền, thúc đẩy quá trình thử nghiệm chưa từng có. Tuy nhiên, khi hàng chục mạng nơ-ron tương tự cạnh tranh để thu hút sự chú ý, thị trường có nguy cơ trở nên quá bão hòa. Thay vì thúc đẩy tiến bộ, việc tạo ra quá nhiều mô hình có thể dẫn đến nhầm lẫn, trùng lặp công việc và lãng phí tài nguyên.

Kinh tế học về sự phổ biến: Đốt tiền hay đầu tư thông minh?

Chỉ riêng việc đào tạo các mô hình AI tiên tiến nhất có thể tiêu tốn hơn $5 triệu đô la tài nguyên tính toán, chưa kể phí bảo trì hàng tháng càng làm tăng thêm gánh nặng. Đối với các doanh nghiệp vừa và nhỏ, việc đổ ngân sách vào nhiều mô hình AI có thể không phải là "đầu tư thông minh" mà là "đốt tiền" nhiều hơn. Orthian khuyên khách hàng nên cân đối chi tiêu AI với các chỉ số ROI rõ ràng, ưu tiên các trường hợp sử dụng có giá trị cao hơn là số lượng mô hình đơn thuần.

Sự dư thừa và lãng phí: Khi nhiều mô hình AI không đạt yêu cầu

Do hầu hết các LLM đều sử dụng cùng một bộ dữ liệu công khai (ví dụ: Common Crawl, Wikipedia), nên khả năng chồng chéo rất phổ biến. Hai phần ba số mô hình mới thường chỉ mang lại những cải tiến nhỏ về độ chính xác hoặc hiệu quả. Sự dư thừa này không chỉ phân mảnh cộng đồng nhà phát triển mà còn làm chậm con đường dẫn đến những đổi mới AI thực sự mang tính đột phá.

Tác động môi trường: Chi phí thực sự của AI tạo sinh

Các mô hình AI tạo sinh, đặc biệt là những mô hình có hàng trăm tỷ tham số, tiêu tốn rất nhiều điện năng và giờ xử lý GPU. Việc đào tạo một mô hình quy mô lớn có thể thải ra lượng carbon tương đương với việc lái một chiếc ô tô thông thường trong một khoảng thời gian. 700.000 dặm. Khi các doanh nghiệp xây dựng nhiều mô hình AI mà không quan tâm đến các hoạt động bền vững, thiệt hại về môi trường có thể rất lớn.

Các mối đe dọa về an ninh và đạo đức trong bối cảnh AI đông đúc

Mỗi mô hình AI bổ sung đều tạo ra một bề mặt tấn công mới cho các tác nhân đe dọa. Hơn nữa, nguy cơ thiên vị và phân biệt đối xử không được kiểm soát sẽ nhân lên trên nhiều hệ thống "hộp đen". Orthian nhấn mạnh sự cần thiết của một khuôn khổ quản trị thống nhất, đảm bảo an ninh, đạo đức và tuân thủ được mở rộng cùng với việc triển khai mô hình.

Đạt được sự cân bằng phù hợp: Chất lượng hơn số lượng

Thay vì chạy theo xu hướng AI mới nhất hoặc mở rộng danh mục mô hình một cách bừa bãi, các tổ chức nên:

• Xác định mục tiêu rõ ràng: Bắt đầu với những vấn đề kinh doanh có phạm vi rõ ràng.
• Tận dụng các mô hình đã được thiết lập: Tùy chỉnh các nền tảng AI tạo sinh hiện có khi có thể.
• Đo lường và lặp lại: Sử dụng thử nghiệm A/B nghiêm ngặt và số liệu hiệu suất để hướng dẫn quá trình phát triển mô hình.

Phần kết luận

Câu hỏi "Liệu chúng ta có đang tạo ra quá nhiều mô hình AI?" không hẳn là về số lượng mà là về sự liên kết chiến lược. Bằng cách tập trung vào chất lượng, tính bền vững và quản trị đạo đức, tổ chức của bạn có thể khai thác AI mà không bị rơi vào tình trạng quá tải mô hình.

Nguồn: Thông tin tham khảo từ Infoworld.

Xem thêm những hiểu biết sâu sắc về AI và những câu chuyện đổi mới từ Orthian bên dưới:

4 hiểu biết sâu sắc về GenAI: Tối ưu hóa quy trình làm việc của bạn với AI
15 Thống kê AI đáng kinh ngạc mà mọi doanh nghiệp cần biết vào năm 2025