Nhận bản tin
Báo cáo thường niên

Toàn cảnh AI 2023: Khi trí tuệ nhân tạo bước vào cuộc sống

Nhìn lại năm 2023 — năm trí tuệ nhân tạo bước rõ hơn vào cuộc sống hằng ngày, từ khung chat đến công việc, học tập và câu hỏi về niềm tin.

Dòng Chảy AI
Ngày:
Báo cáo thường niên
Mục lục
  1. Một cuộc trò chuyện, nhiều câu hỏi
  2. Một cánh cửa không mở như nhau
  3. Những điểm chạm của năm 2023
  4. Từ câu hỏi đến nội dung mới
  5. Từ bản mô tả đến kiểm chứng: GPT-4 có ý nghĩa gì?
  6. Một câu trả lời có thể rất tự tin
  7. Khi AI bước vào lớp học
  8. Từ sự tò mò đến chính sách
  9. Tác vụ thay đổi trước khi nghề đổi tên
  10. Công việc Việt Nam: hai người có thể nhìn khác nhau
  11. Phơi nhiễm không phải mất việc
  12. Những người đứng sau bộ lọc an toàn
  13. Những người làm công việc mà giao diện không cho thấy
  14. Một hình ảnh, nhiều quyền lợi
  15. Sáng tạo: từ việc tạo hình đến quyền quyết định
  16. Một hệ sinh thái đang đặt câu hỏi

Một cuộc trò chuyện, nhiều câu hỏi

ChatGPT chỉ là điểm mở đầu cho câu chuyện rộng hơn về con người, công việc và quyền lực.

Ngày 30/11/2022, OpenAI giới thiệu ChatGPT dưới dạng bản xem trước nghiên cứu. Chỉ vài tháng sau, một học sinh ở Hà Nội đã thử đặt câu hỏi về tin học và công thức học tập. Giữa hai thời điểm ấy là một thay đổi về cách nhiều người có thể tiếp xúc với công nghệ: họ không cần biết lập trình để bắt đầu một cuộc trò chuyện. [01, 02]

Nhưng AI đã tồn tại trước ChatGPT. Các hệ thống nhận diện, gợi ý và dự báo đã được dùng trong nhiều bối cảnh khác nhau. Điều nổi bật của năm 2023 là AI tạo sinh - công nghệ tạo ra văn bản, hình ảnh hoặc nội dung khác - trở nên dễ nhìn thấy hơn đối với công chúng, trong khi khả năng tiếp cận vẫn không đồng đều.

Báo cáo này theo dõi năm 2023 qua các câu hỏi của người học, người lao động, nhà nghiên cứu, nghệ sĩ và người làm chính sách. Việt Nam xuất hiện trong câu chuyện như nơi người dân trải nghiệm, thảo luận và xây dựng công nghệ, không chỉ là nơi nhận tác động từ thế giới.

Phạm vi chính: 01/01–31/12/2023. Mốc 2022 là bối cảnh; dữ liệu xuất bản sau năm 2023 được ghi rõ.

Một cánh cửa không mở như nhau

Khi nói năm 2023 đưa AI đến gần công chúng, cần đặt ngay câu hỏi: công chúng nào? Đầu năm, ChatGPT chưa hỗ trợ đăng ký trực tiếp từ Việt Nam. VnExpress kể về người tìm cách tạo hoặc mua tài khoản và những học sinh, giáo viên thử công cụ mới. Các câu chuyện ấy cho thấy sự quan tâm trong nhóm được báo phỏng vấn, chứ không cho biết bao nhiêu người Việt có thể dùng hoặc muốn dùng chatbot. 16, 17

Sự khác biệt về khả năng tiếp cận không chỉ là có hay không có một tài khoản. Người dùng còn cần thiết bị, kết nối, thời gian thử nghiệm và khả năng diễn đạt câu hỏi. Chất lượng công cụ đối với tiếng Việt hay các chủ đề địa phương cũng có thể khác với tiếng Anh. Một người dùng được phần mềm không có nghĩa người ấy có đủ thông tin để đánh giá rủi ro hoặc biết dữ liệu của mình được xử lý ra sao.

Chính vì vậy, một câu chuyện công nghệ toàn cầu cần được kể bằng nhiều điểm nhìn. Một công bố sản phẩm ở Mỹ, một giáo viên tại Hà Nội, một người lao động dữ liệu tại Kenya và một nhà nghiên cứu tiếng Việt không có cùng vai trò. Những trải nghiệm của họ soi sáng những phần khác nhau của hệ thống, nhưng không nên bị ghép lại như thể họ chia sẻ cùng một trải nghiệm hay đại diện cho toàn bộ khu vực của mình.

Những điểm chạm của năm 2023

Năm mốc được chọn để thấy câu chuyện mở rộng, không phải danh sách đầy đủ.

02/02 · HÀ NỘI. VnExpress ghi lại trải nghiệm của giáo viên và học sinh với ChatGPT, trong đó có sự hào hứng và những câu trả lời còn hạn chế. [02]

14/03 · CÔNG NGHỆ. OpenAI công bố GPT-4 cùng các kết quả kiểm tra và giới hạn do chính nhà phát triển trình bày. [04]

07/09 · GIÁO DỤC. UNESCO công bố hướng dẫn về AI tạo sinh trong giáo dục và nghiên cứu. [08]

06/11 · TIẾNG VIỆT. Bản nghiên cứu PhoGPT đầu tiên được nhóm VinAI nộp lên arXiv. [10]

09/12 · CHÂU ÂU. Các nhà đàm phán Hội đồng EU và Nghị viện châu Âu đạt thỏa thuận tạm thời về dự luật AI. Đây chưa phải luật có hiệu lực trong năm 2023. [11]

Timeline phản ánh ngày của từng sự kiện hoặc công bố; các mốc không hàm ý quan hệ nhân quả.

Từ câu hỏi đến nội dung mới

Vì sao một giao diện trò chuyện lại khiến nhiều người chú ý?

Một mô hình ngôn ngữ được huấn luyện trên dữ liệu để học những mẫu trong ngôn ngữ. Khi nhận yêu cầu, hệ thống tạo ra chuỗi trả lời dựa trên mô hình đã học. Nhờ đó, nó có thể giúp phác thảo văn bản, giải thích ý tưởng hoặc tạo ví dụ. Những năng lực này khác nhau theo mô hình, cách sử dụng và thời điểm.

Tháng 3/2023, OpenAI công bố GPT-4 và mô tả khả năng xử lý đầu vào văn bản, hình ảnh, cùng kết quả trên một số bài kiểm tra. Đây là báo cáo của nhà phát triển; điểm kiểm tra không đảm bảo câu trả lời đúng trong một lớp học, một cuộc tư vấn hay một trường hợp cụ thể. [04]

Điều quan trọng với người dùng không chỉ là hệ thống làm được gì trong màn trình diễn. Câu hỏi tiếp theo là: trong điều kiện nào nó thất bại, ai có thể kiểm tra kết quả, và điều gì xảy ra khi một câu trả lời sai được đưa vào quyết định thật?

Cách dùng thận trọng: xem đầu ra là bản nháp cần kiểm tra, đặc biệt khi quyết định ảnh hưởng đến quyền lợi hoặc an toàn.

Từ bản mô tả đến kiểm chứng: GPT-4 có ý nghĩa gì?

Ngày 14/03/2023, OpenAI giới thiệu GPT-4 như một mô hình có khả năng tiếp nhận văn bản và hình ảnh trong những cấu hình được mô tả, tạo đầu ra bằng văn bản. Công ty công bố kết quả trên một số bài thi và bài kiểm tra chuyên môn. Đây là bằng chứng về các thử nghiệm do nhà phát triển báo cáo, cùng một tập hợp điều kiện cụ thể; nó không có nghĩa mọi người dùng đều có cùng khả năng truy cập hình ảnh ngay ngày công bố, hay mô hình có năng lực nghề nghiệp tương đương một chuyên gia. 18

Một điểm số đáng chú ý không tự nói lên cách một hệ thống xử lý trường hợp chưa thấy, điều kiện ngôn ngữ khác hoặc nhiệm vụ cần hiểu tình huống xã hội. Bài thi có thể được chấm theo đáp án định sẵn; công việc đời thực thường cần làm rõ mục tiêu, kiểm tra bằng chứng, trao đổi với người liên quan và chịu trách nhiệm khi kết quả gây hại. Mô hình cũng có thể tạo ra một câu trả lời nghe hợp lý dù chi tiết của nó không có căn cứ.

Có thể hình dung một người đang nhờ công cụ giải thích lá thư hợp đồng: một bản giải thích ngắn giúp người đọc biết cần đặt câu hỏi gì, nhưng nếu công cụ bỏ sót một điều khoản, cái giá không chỉ là một câu trả lời sai trong bài thi. Ví dụ này là tình huống minh họa, không phải vụ việc đã được điều tra. Lựa chọn hợp lý là coi AI như công cụ hỗ trợ và đối chiếu với văn bản gốc, với người có chuyên môn khi cần; không gửi tài liệu nhạy cảm trước khi hiểu điều kiện xử lý dữ liệu.

Việc các mô hình được đánh giá trên bộ kiểm tra cũng tạo ra một vấn đề khác: các bài thi không phải là thước đo bất biến cho “trí thông minh”. Chúng hữu ích khi có mục tiêu rõ, cách đo minh bạch và khả năng tái lập. Chúng gây hiểu nhầm khi kết quả ở một nhóm tác vụ bị biến thành lời khẳng định chung về mọi năng lực của con người.

Một câu trả lời có thể rất tự tin

Văn bản trôi chảy không đồng nghĩa với bằng chứng đáng tin.

Các hệ thống tạo sinh có thể đưa ra thông tin sai hoặc không phù hợp bối cảnh. Một số câu trả lời còn trình bày sai sót với giọng điệu rất chắc chắn. Sự trôi chảy khiến người đọc dễ bỏ qua bước đối chiếu, nhất là khi công việc đang gấp.

Trong vụ Mata v. Avianca tại Mỹ, một tòa án liên bang năm 2023 xem xét việc luật sư nộp các trích dẫn án lệ không tồn tại do ChatGPT tạo ra và ra quyết định xử phạt. Đây là câu chuyện về trách nhiệm kiểm tra nguồn trong một vụ việc cụ thể, không phải mô tả pháp luật Việt Nam. [05]

Với một người học hoặc người làm việc ở Việt Nam, bài học thực tế là yêu cầu nguồn chưa đủ: cần mở nguồn, đọc đúng tài liệu, kiểm ngày và xác nhận rằng tài liệu thật sự nói điều được trích. Với những vấn đề chuyên môn quan trọng, người có chuyên môn vẫn phải chịu trách nhiệm đánh giá.

Chúng ta chưa có bằng chứng từ trường hợp này để tính tỷ lệ sai của mọi mô hình hay mọi người dùng.

Khi AI bước vào lớp học

Một học sinh, một trải nghiệm - và nhiều câu hỏi lớn hơn.

VnExpress thuật lại rằng đầu năm 2023, Lê Đức Cường, học sinh lớp 12 tại Hà Nội, thử ChatGPT với câu hỏi tin học và công thức. Em đánh giá một số câu trả lời hữu ích nhưng cũng nhận thấy hạn chế của tiếng Việt và các câu trả lời sai bối cảnh. Đây là trải nghiệm được báo chí ghi lại, không phải cuộc phỏng vấn của Dòng Chảy AI. [02]

Ở một lớp học, một câu trả lời được tạo ra nhanh có thể giúp người học bắt đầu tìm hiểu một chủ đề khó. Nhưng nếu chỉ sao chép kết quả, giáo viên khó biết học sinh có hiểu hay không. Bởi thế, cách giải thích lập luận, đặt câu hỏi tiếp theo và kiểm chứng nguồn trở thành phần quan trọng của quá trình học.

Một trường hợp không cho biết bao nhiêu học sinh Việt Nam sử dụng AI, cũng không chứng minh kết quả học tập tốt hơn. Muốn trả lời những câu hỏi đó cần khảo sát và nghiên cứu phù hợp với điều kiện Việt Nam.

CÂU HỎI GIỮ LẠI: Nếu AI làm được bài tập, làm sao biết người học thật sự hiểu?

Từ sự tò mò đến chính sách

Nhà trường cần lựa chọn cách sử dụng, không chỉ lựa chọn công cụ.

Ngày 13/02/2023, Bộ Giáo dục và Đào tạo tổ chức tọa đàm về lợi ích và thách thức của ChatGPT và AI trong giáo dục. Các nhà quản lý và chuyên gia trao đổi về khả năng công nghệ ảnh hưởng đến việc dạy và học. Việc tổ chức thảo luận không có nghĩa mọi trường đã triển khai AI hay đã thống nhất một phương pháp. [03]

Tháng 9, UNESCO công bố hướng dẫn về AI tạo sinh trong giáo dục và nghiên cứu. Tài liệu nhấn mạnh cách tiếp cận lấy con người làm trung tâm và các câu hỏi về chính sách, năng lực và an toàn. Đó là khuyến nghị quốc tế, không tự động trở thành quy định của Việt Nam. [08]

Một giáo viên có thể thử dùng AI để gợi ý hoạt động, rồi tự kiểm tra nội dung và điều chỉnh theo lớp học. Đây là một tình huống minh họa, không phải bằng chứng đã được triển khai hoặc có hiệu quả ở tất cả các trường.

ĐIỀU CHƯA BIẾT: Chưa có một chuỗi số liệu đại diện đã kiểm chứng về mức dùng AI trong mọi trường học Việt Nam năm 2023.

Tác vụ thay đổi trước khi nghề đổi tên

Một thử nghiệm có thể cho thấy cơ hội mà không dự báo toàn bộ thị trường lao động.

Năm 2023, hai nhà nghiên cứu Shakked Noy và Whitney Zhang công bố thí nghiệm với 453 người có bằng đại học, thực hiện các nhiệm vụ viết chuyên môn được thiết kế cho nghiên cứu. Một nhóm được tiếp cận ChatGPT; kết quả cho thấy tác động đến thời gian và chất lượng trong điều kiện của thí nghiệm. [06]

Điều đó không có nghĩa mọi nhân viên văn phòng đều tiết kiệm cùng một lượng thời gian. Công việc ngoài đời có thêm các bước thu thập dữ liệu, hiểu khách hàng, bảo vệ thông tin, phối hợp đồng nghiệp và chịu trách nhiệm cho quyết định. Những yếu tố ấy có thể làm kết quả khác xa một bài tập được kiểm soát.

Với người làm việc, câu hỏi tốt hơn “AI có thay nghề này không?” là “Những phần nào của công việc có thể được hỗ trợ, phần nào cần kinh nghiệm và ai quyết định lợi ích được chia như thế nào?” Chưa thể dùng nghiên cứu này để tính số việc làm mất tại Việt Nam.

Tác vụ, nghề nghiệp và việc làm là ba đơn vị khác nhau. Đừng dùng chúng thay thế nhau.

Công việc Việt Nam: hai người có thể nhìn khác nhau

Tháng 3/2023, VnExpress ghi nhận quan điểm khác nhau về ChatGPT tại Việt Nam. Một đại diện tuyển dụng nêu khả năng những phần trả lời tiêu chuẩn trong chăm sóc khách hàng có thể bị tự động hóa. Một người quản lý nhóm tổng đài cho rằng công cụ khi ấy chưa thể thay thế đầy đủ nhân viên con người. Hai người đang nói từ những vị trí khác nhau, với kinh nghiệm và kỳ vọng khác nhau; bài báo không xác lập dự báo của bên nào là đúng. 24

Một cuộc gọi có thể bắt đầu bằng câu hỏi lặp lại, nhưng cũng có thể chuyển thành một trường hợp cần hiểu hoàn cảnh, truy cập hồ sơ và tìm cách xử lý ngoại lệ. Nếu doanh nghiệp chỉ xem số câu trả lời mà không xem chất lượng hoặc khả năng sửa sai, một quy trình trông có vẻ nhanh hơn vẫn có thể làm khách hàng phải gọi lại nhiều lần. Đó là một ví dụ phân tích để làm rõ câu hỏi, không phải kết quả khảo sát của một tổng đài cụ thể.

Nghiên cứu của Noy và Zhang đem lại một lát cắt có kiểm soát: những nhiệm vụ viết được giao cho người tham gia và chất lượng đầu ra được đánh giá theo thiết kế nghiên cứu. Nó không cho biết tổ chức nào sẽ chia sẻ năng suất cho người lao động, tăng khối lượng việc hay thay đổi số nhân sự. Phân tích của ILO về phơi nhiễm tác vụ cũng không đo trực tiếp số việc đã mất. 25, 26

Đối với người đi làm, việc học dùng công cụ có thể hữu ích, nhưng không nên biến thành một lời hứa rằng ai cũng có thể tự bảo vệ mình khỏi thay đổi thị trường chỉ bằng một kỹ năng. Doanh nghiệp, người lao động, nhà trường và chính sách đều có vai trò trong điều kiện đào tạo, quyền thương lượng, an toàn dữ liệu và phân phối lợi ích. Đó là một nhận định biên tập dựa trên bản chất xã hội của các lựa chọn, không phải một kết quả đo lường tại Việt Nam năm 2023.

Phơi nhiễm không phải mất việc

Ước lượng tiềm năng và kết quả thực tế cần được tách riêng.

Tổ chức Lao động Quốc tế (ILO) công bố năm 2023 một phân tích về khả năng công việc chịu tác động từ AI tạo sinh. Nghiên cứu xem xét cấu trúc nhiệm vụ của nghề để ước lượng mức độ phơi nhiễm. Phơi nhiễm mô tả khả năng công nghệ liên quan đến một phần công việc; nó không đo được việc làm đã biến mất. [07]

Tổ chức có thể dùng công cụ để hỗ trợ một nhân viên, thay đổi quy trình, phân bổ thêm công việc hoặc cắt giảm nhân sự. Kết quả phụ thuộc vào chi phí, kỹ năng, thương lượng, điều kiện kinh tế và các quyết định quản lý - không chỉ vào khả năng kỹ thuật.

Việt Nam có cơ cấu nghề nghiệp, mức lương và điều kiện tiếp cận công nghệ riêng. Một con số toàn cầu không tự mô tả được người lao động Việt Nam. Báo cáo giữ câu hỏi này mở cho đến khi có dữ liệu theo quốc gia và phương pháp đủ rõ.

Đọc một dự báo việc làm: dữ liệu là về nhiệm vụ nào, nhóm người nào, kỳ nào và có đo thực tế hay chỉ ước lượng?

Những người đứng sau bộ lọc an toàn

Các sản phẩm AI còn phụ thuộc vào lao động của con người.

Năm 2023, theo điều tra của TIME, một số lao động dữ liệu tại Kenya tham gia xử lý nội dung độc hại cho hệ thống liên quan đến OpenAI. Phóng sự mô tả điều kiện lao động và tác động mà những người được phỏng vấn kể lại, đồng thời đưa phản hồi của các bên liên quan. [13]

Những công việc như gắn nhãn hoặc đánh giá đầu ra giúp nhà phát triển kiểm tra và điều chỉnh hệ thống. Công việc đó có thể rất khác nhau giữa dự án và địa điểm. Một phóng sự không đại diện cho tất cả người làm dữ liệu trên thế giới, nhưng nó cho thấy có những chi phí con người mà màn hình trò chuyện thường không hiển thị.

Câu hỏi về lợi ích của AI vì vậy bao gồm cả những người ở phía sau sản phẩm: họ được trả lương thế nào, có quyền lên tiếng hay hỗ trợ phù hợp không, và ai chịu trách nhiệm khi công việc có thể gây tổn hại?

Những người làm công việc mà giao diện không cho thấy

Để một hệ thống xử lý yêu cầu của người dùng, nhiều loại lao động thường phải diễn ra ở phía sau: tạo dữ liệu, gắn nhãn, kiểm thử, xây dựng hạ tầng và trả lời khiếu nại. Các nhóm và hợp đồng rất khác nhau; không phải ai cũng làm cùng một công việc hoặc có điều kiện giống nhau.

Năm 2023, theo điều tra của TIME, một số công nhân tại Kenya tham gia xử lý nội dung độc hại cho một dự án liên quan OpenAI. Người lao động được phỏng vấn kể về trải nghiệm của họ; phóng sự cũng trình bày phản hồi của các doanh nghiệp liên quan. Đó là điều tra về những hợp đồng và nguồn cụ thể, không phải khảo sát đại diện cho toàn bộ ngành. 27

Khi một công ty nói về “an toàn”, độc giả có thể hỏi an toàn cho ai và được thực hiện như thế nào. Một bộ lọc giảm bớt nội dung có hại cho người dùng cuối là điều khác với việc đảm bảo những người làm việc để xây dựng bộ lọc có điều kiện làm việc và hỗ trợ phù hợp. Cả hai đều đáng được xem xét, và một tuyên bố thành công về sản phẩm không tự trả lời các câu hỏi lao động.

Dòng Chảy AI chưa phỏng vấn trực tiếp các lao động trong trường hợp này. Phần tường thuật dựa trên phóng sự đã công bố; độc giả nên đọc toàn văn nguồn và phản hồi của các bên, và không hiểu minh họa khái niệm (nếu có) như ảnh của người thật trong phóng sự.

Một hình ảnh, nhiều quyền lợi

Công cụ tạo sinh làm rõ những câu hỏi cũ về tác giả và sự đồng ý.

AI tạo sinh mở ra cách thử ý tưởng bằng chữ, hình ảnh, âm thanh và những phương tiện khác. Với người sáng tạo độc lập, một bản phác thảo nhanh có thể giúp khám phá phương án. Nhưng khả năng tạo ra một nội dung cũng đặt ra câu hỏi về dữ liệu được dùng, danh tính của người biểu diễn và cách công việc được đền bù.

Tại Mỹ, các cuộc đàm phán năm 2023 trong ngành giải trí bao gồm vấn đề bản sao kỹ thuật số và AI. Tài liệu của SAG-AFTRA cho thấy công đoàn xem việc thương lượng các điều khoản về AI là một vấn đề quan trọng. Đây là quan điểm và tài liệu của một bên trong quá trình thương lượng, không đại diện cho mọi nghệ sĩ. [14]

Không nên suy từ hợp đồng hay tranh chấp ở Mỹ rằng luật Việt Nam quy định giống hệt. Bản báo cáo cuối cần đối chiếu điều khoản gốc, hoàn cảnh từng ngành và quan điểm của các bên trước khi đưa ra bất kỳ kết luận pháp lý chi tiết nào.

Câu hỏi dành cho người sáng tạo: ai đồng ý, ai được ghi nhận và ai được chia lợi ích?

Sáng tạo: từ việc tạo hình đến quyền quyết định

AI tạo sinh khiến việc thử một ý tưởng hình ảnh hoặc văn bản có thể bắt đầu bằng một câu yêu cầu. Một người không biết vẽ vẫn có thể mô tả bố cục mong muốn; một họa sĩ có thể dùng công cụ như một bước thử nghiệm. Nhưng sản phẩm dễ tạo hơn không tự xóa các câu hỏi về dữ liệu được sử dụng, nguồn thu của người sáng tạo hay sự cho phép khi dùng giọng nói và hình ảnh của một người.

Tại Mỹ, năm 2023, nhóm tác giả và Authors Guild kiện OpenAI, cáo buộc các tác phẩm của họ bị sử dụng trong huấn luyện mà không có sự cho phép phù hợp. Đây là cáo buộc của nguyên đơn trong một vụ kiện, không phải kết luận cuối cùng của tòa. Họ sau đó sửa đổi đơn; nếu bài viết nói về tình trạng ở một thời điểm sau 2023, cần ghi rõ thời điểm và đối chiếu hồ sơ tòa cùng quan điểm của bên bị kiện. 28, 29

Trong ngành biểu diễn, tài liệu của công đoàn SAG-AFTRA về hợp đồng 2023 cho thấy việc sử dụng bản sao kỹ thuật số và AI trở thành đối tượng thương lượng. Hợp đồng thường phân biệt hoàn cảnh sử dụng và có điều khoản chi tiết; bản tóm tắt không thể thay thế văn bản hợp đồng. Cũng không thể chuyển trực tiếp kết luận về luật hay thỏa thuận của Mỹ sang điều kiện pháp lý tại Việt Nam. 30

Những người sáng tạo không có chung một lập trường. Một số tìm thấy cơ hội thử nghiệm; một số lo về quyền kiểm soát tác phẩm hay cạnh tranh; nhiều người có thể cùng lúc nghĩ tới cả hai. Câu hỏi biên tập không phải chọn một khẩu hiệu cho họ, mà là xem cụ thể ai tạo ra giá trị, ai đồng ý với cách sử dụng và lợi ích được phân chia ra sao.

Một hệ sinh thái đang đặt câu hỏi

Việt Nam không chỉ đứng ngoài quan sát làn sóng AI.

Tháng 9/2023, Ngày hội Trí tuệ nhân tạo Việt Nam AI4VN diễn ra tại TP.HCM với những hoạt động thảo luận và giới thiệu giải pháp. VnExpress đưa tin về chương trình và cũng là đơn vị tổ chức, vì vậy bài viết cho thấy sự kiện và các chủ đề được nêu nhưng cần nguồn bổ sung để đánh giá tác động của sự kiện. [09]

Một triển lãm cho thấy doanh nghiệp và nhà nghiên cứu có sản phẩm để giới thiệu. Nó không tự trả lời có bao nhiêu tổ chức sử dụng sản phẩm đó, khách hàng có được lợi ích gì hay hệ thống hoạt động ra sao sau khi trình diễn.

Đối với độc giả Việt Nam, việc quan sát cả người dùng lẫn người xây dựng quan trọng: công nghệ có phù hợp tiếng Việt, có được triển khai trong bối cảnh cụ thể và có cơ chế để kiểm tra kết quả hay không? Đây là các câu hỏi cần nghiên cứu tiếp, không phải kết luận đã được chứng minh.

Một sự kiện, một bản trình diễn và việc ứng dụng rộng rãi là ba bằng chứng khác nhau.

Khi AI cần hiểu tiếng Việt

Một ngôn ngữ cần dữ liệu, kiểm thử và những lựa chọn thiết kế phù hợp.

Ngày 06/11/2023, nhóm VinAI nộp phiên bản đầu tiên của nghiên cứu PhoGPT lên arXiv, mô tả nỗ lực xây dựng mô hình ngôn ngữ cho tiếng Việt. Bài nghiên cứu do chính nhóm phát triển công bố là nguồn quan trọng để biết họ đã xây dựng gì, nhưng không thay thế một đánh giá độc lập về mọi tình huống sử dụng. [10]

Tiếng Việt có dấu, sắc thái vùng miền, cách xưng hô và bối cảnh văn hóa phong phú. Một mô hình có thể tạo câu đúng ngữ pháp nhưng vẫn hiểu sai ý định hoặc thiếu bối cảnh. Vì vậy, việc kiểm thử cần quan tâm tới loại câu hỏi, người dùng và hoàn cảnh, thay vì chỉ dựa vào một điểm số.

Tài liệu PhoGPT tiếp tục được cập nhật sau 2023. Khi kể câu chuyện của năm 2023, phải đối chiếu bản v1 và không chuyển các thông số hay kết quả của phiên bản 2024 ngược về thời điểm ban đầu.

Câu hỏi mở: hệ thống phục vụ tốt cho những nhóm nói tiếng Việt nào, và nhóm nào còn bị bỏ sót?

Việt Nam: từ PhoGPT đến ViGPT

PhoGPT và ViGPT là hai ví dụ riêng, do các nhóm khác nhau phát triển, với mục tiêu sản phẩm và cách tiếp cận cần được đọc theo tài liệu của từng bên. Bản nghiên cứu PhoGPT đầu tiên của nhóm VinAI được nộp ngày 06/11/2023. Việc nộp một bài nghiên cứu cho biết nhóm đã công bố công trình; nó không chứng minh một ứng dụng đã được đông đảo người Việt sử dụng. Bản arXiv về sau có cập nhật, vì vậy phải quay lại phiên bản v1 khi nói về năm 2023. 21

Ngày 27/12/2023, VinBigdata công bố đưa ứng dụng ViGPT vào hoạt động. Báo Sài Gòn Giải Phóng đưa tin phiên bản cộng đồng ban đầu dành cho 1.000 người đầu tiên trải nghiệm trong thời gian giới hạn. Điều này giúp phân biệt một sản phẩm được giới thiệu cho người dùng với việc nó đã được sử dụng rộng rãi: bài báo mô tả điều kiện ban đầu, không cung cấp số người thực tế sử dụng hay đánh giá chất lượng độc lập. 22, 23

Công ty gọi sản phẩm của mình là phiên bản “đầu tiên” cho người dùng cuối. Đây là tuyên bố cần hiểu theo định nghĩa, thị trường và tiêu chí của công ty; báo cáo này chưa có đối chiếu độc lập đủ rộng để xác lập kỷ lục đó. Tương tự, các thông số được công bố về dữ liệu hoặc năng lực là thông tin của nhà cung cấp cho đến khi có thể đối chiếu tài liệu kỹ thuật và đánh giá bên ngoài.

Một hệ thống phục vụ tiếng Việt cần được xem xét vượt ra ngoài việc thêm dấu chính xác. Nó cần xử lý cách gọi thân mật hay trang trọng, những từ có ý nghĩa khác nhau theo địa phương, câu hỏi liên quan đến đời sống Việt Nam và trường hợp dữ liệu ít đại diện cho một cộng đồng. Một bài đánh giá chỉ dùng vài câu hỏi không thể đảm bảo mọi nhóm người dùng được phục vụ tốt. Câu hỏi của năm 2024 vì thế không chỉ là có bao nhiêu mô hình tiếng Việt, mà là chúng được thử nghiệm bởi ai, trên dữ liệu nào và có thể được sửa chữa như thế nào.

Từ dữ liệu đến câu trả lời

Huấn luyện một mô hình và sử dụng mô hình là hai giai đoạn khác nhau.

GIAI ĐOẠN 1 · HUẤN LUYỆN. Nhà phát triển chọn dữ liệu và dùng tài nguyên tính toán để điều chỉnh các tham số của mô hình. Tùy hệ thống, quá trình có thể có thêm các bước tinh chỉnh và đánh giá. Quyết định về dữ liệu, công việc của con người và nguồn lực ảnh hưởng đến hệ thống được tạo ra.

GIAI ĐOẠN 2 · SỬ DỤNG. Người dùng nhập yêu cầu; mô hình đã huấn luyện xử lý đầu vào và tạo đầu ra. Một ứng dụng có thể bổ sung tìm kiếm, cơ sở dữ liệu hoặc các công cụ khác. Không phải mọi hệ thống đều được thiết kế giống nhau.

Một mô hình không mặc nhiên kiểm chứng từng phát biểu mà nó tạo ra. Để đánh giá chất lượng, cần xem cách thử nghiệm và các tình huống thực tế, đồng thời nhận diện các điểm chưa được đo. Sơ đồ này là giải thích khái quát, không mô tả chi tiết một sản phẩm riêng.

DỮ LIỆU + TÍNH TOÁN → HUẤN LUYỆN → MÔ HÌNH; sau đó CÂU HỎI + MÔ HÌNH → CÂU TRẢ LỜI.

Ai có thể xây dựng những mô hình lớn?

Nguồn lực và quyền tiếp cận ảnh hưởng đến ai có tiếng nói trong AI.

Mô hình mạnh thường cần dữ liệu, chuyên môn và tài nguyên tính toán đáng kể. Các tổ chức có nguồn lực lớn có lợi thế khi phát triển và triển khai hệ thống quy mô lớn. Song nghiên cứu không chỉ diễn ra trong doanh nghiệp: trường đại học, cộng đồng mở và các nhóm hợp tác cũng góp phần, với khả năng tiếp cận khác nhau.

Theo AI Index 2024 của Stanford, trong tập dữ liệu các mô hình học máy được xếp là “đáng chú ý” năm 2023, có 51 mô hình do công nghiệp tạo ra, 15 do học thuật và 21 từ hợp tác công nghiệp - học thuật. Báo cáo công bố năm 2024, tức sau kỳ đang kể. [12]

Đây không phải số lượng mọi mô hình AI trên thế giới. Cách nguồn định nghĩa “đáng chú ý”, thu thập và phân nhóm ảnh hưởng đến kết quả; độc giả nên đối chiếu dữ liệu gốc và phương pháp của nguồn trước khi suy rộng.

Phạm vi của chỉ số quyết định điều có thể kết luận. Nó không đo trực tiếp lợi ích của người Việt hay toàn bộ nghiên cứu AI.

Mở hơn cho ai? Bài toán Llama 2

Ngày 18/07/2023, Meta công bố Llama 2 và mô tả một cách tiếp cận cho phép nhiều tổ chức và nhà phát triển tiếp cận mô hình hơn. Thay vì chỉ gọi một dịch vụ qua giao diện của nhà cung cấp, một số người có thể nhận trọng số mô hình để triển khai hoặc điều chỉnh theo điều kiện của giấy phép. 19

Trọng số có thể hiểu là các tham số mà mô hình thu được trong quá trình huấn luyện. Có trọng số cho phép người có đủ kỹ thuật và hạ tầng kiểm tra hoặc vận hành mô hình theo những cách nhất định. Nhưng công khai trọng số không mặc nhiên có nghĩa mọi dữ liệu huấn luyện, quy trình xây dựng và công cụ đều được công bố. Llama 2 đi kèm giấy phép cộng đồng và chính sách sử dụng; người dùng phải xem điều kiện thực tế thay vì hiểu “mở” là không có bất kỳ ràng buộc nào. 20

Mức độ mở cũng tạo ra những đánh đổi. Khả năng kiểm tra và tùy chỉnh có thể giúp nghiên cứu, hỗ trợ ngôn ngữ địa phương và giảm phụ thuộc vào một giao diện duy nhất. Đồng thời, cùng công cụ ấy có thể được dùng sai mục đích hoặc triển khai mà thiếu năng lực đánh giá. Quyền truy cập không tự giải quyết chi phí máy tính, tài nguyên con người hay trách nhiệm với người bị ảnh hưởng.

Với một nhóm nhỏ tại Việt Nam, sự khác biệt giữa dùng dịch vụ, điều chỉnh một mô hình sẵn có và xây dựng mô hình mới từ đầu có thể ảnh hưởng tới chi phí và quyền kiểm soát. Không có một lựa chọn đúng cho mọi trường hợp: cần hỏi giấy phép cho phép gì, dữ liệu nào đi đâu, có ai kiểm thử tiếng Việt và tổ chức có đủ năng lực bảo trì hay không.

Những đường dây vô hình: chip, tiền và điện

Phía sau một câu hỏi gửi tới chatbot là hạ tầng để lưu trữ, kết nối và tính toán. Huấn luyện một mô hình và phục vụ hàng triệu yêu cầu là hai loại công việc tính toán khác nhau; mức tài nguyên phụ thuộc vào mô hình, thiết bị, cách triển khai và lượng sử dụng. Một doanh nghiệp có sẵn trung tâm dữ liệu hoặc có thể mua nhiều tài nguyên có điều kiện khác một nhóm nghiên cứu nhỏ.

Báo cáo AI Index công bố năm 2024 nhìn lại dữ liệu năm 2023 và ghi nhận nguồn vốn tư nhân đổ vào AI tạo sinh tăng mạnh, trong khi tổng đầu tư tư nhân vào AI theo phân loại của báo cáo giảm. Đây là hai tập hợp khác nhau, không phải mâu thuẫn. Vốn đầu tư cũng không phải doanh thu hay lợi nhuận: nó thể hiện các giao dịch được nhà cung cấp dữ liệu ghi nhận và phân loại, có thể được sửa khi dữ liệu lịch sử cập nhật. 35

Năng lượng là một câu hỏi thường đi kèm với mở rộng hạ tầng. Nhưng không phải trung tâm dữ liệu nào cũng phục vụ AI, và không phải mọi hoạt động AI đều có cùng mức tiêu thụ. Báo cáo Electricity 2024 của IEA đưa ra một ước tính gộp cho trung tâm dữ liệu, tiền mã hóa và AI trong năm 2022. Không thể lấy tổng gộp đó làm lượng điện riêng của AI trong năm 2023. 36

Với độc giả Việt Nam, các câu hỏi có thể gần gũi hơn những con số toàn cầu: một tổ chức nhỏ phải chi bao nhiêu để dùng dịch vụ, dữ liệu được xử lý ở đâu, và họ có thể chuyển nhà cung cấp nếu điều kiện thay đổi không? Dự thảo chưa có dữ liệu đủ tốt để định lượng tác động điện, chi phí hay thị phần của AI tại Việt Nam năm 2023. Khoảng trống đó cần được giữ nguyên cho tới khi có nguồn phù hợp.

Ai đặt ra những giới hạn?

Các cuộc thảo luận về AI không chỉ diễn ra trong phòng thí nghiệm.

Năm 2023, các cơ quan và tổ chức ở nhiều nơi thảo luận về quyền riêng tư, an toàn, bản quyền và trách nhiệm khi sử dụng AI. Những vấn đề này khác nhau: một hướng dẫn giáo dục, một vụ kiện và một dự luật không có cùng hiệu lực pháp lý.

Ngày 09/12/2023, Hội đồng EU thông báo những người đàm phán của Hội đồng và Nghị viện châu Âu đạt thỏa thuận tạm thời về đề xuất quy định AI. Thỏa thuận là một bước trong quy trình lập pháp, không phải bằng chứng rằng đạo luật đã có hiệu lực trong năm 2023. Trang thông cáo được bổ sung nội dung vào năm 2024. [11]

Với Việt Nam, một ví dụ quốc tế có thể giúp đặt câu hỏi về cách đánh giá rủi ro và trách nhiệm. Nó không tự tạo ra quyền hay nghĩa vụ pháp lý tại Việt Nam. Bất kỳ nhận định nào về quy định trong nước cần đối chiếu văn bản chính thức và thời điểm áp dụng.

Phân biệt: đề xuất → đàm phán → thông qua → có hiệu lực. Không phải các mốc này diễn ra cùng một ngày.

Trung Quốc và câu hỏi quản trị không chỉ có một con đường

Nếu chỉ theo dõi các công bố ở Mỹ, bức tranh năm 2023 sẽ thiếu một phần quan trọng. Baidu giới thiệu ERNIE Bot trong năm và đến cuối tháng 8, Associated Press đưa tin công cụ này được mở cho công chúng. Thời điểm mở công chúng cần được phân biệt với thời điểm một sản phẩm được giới thiệu hoặc thử nghiệm trước đó. 37

Cũng trong năm 2023, Trung Quốc ban hành biện pháp tạm thời về quản lý dịch vụ AI tạo sinh cung cấp cho công chúng trong phạm vi được quy định. Theo phân tích của Thư viện Quốc hội Mỹ, các biện pháp có hiệu lực từ ngày 15/08/2023. Chúng không tự động có nghĩa mọi hoạt động nghiên cứu AI, ở mọi môi trường, chịu cùng một điều kiện; để đưa ra kết luận pháp lý chi tiết phải kiểm tra văn bản gốc và phạm vi áp dụng. 38

Ở châu Âu, thỏa thuận tạm thời ngày 09/12 là một bước khác trong một quá trình lập pháp khác. So sánh hai trường hợp chỉ hữu ích khi giữ nguyên những khác biệt về mục tiêu, đối tượng, giai đoạn pháp lý và bối cảnh. Không nên gom mọi chính sách vào một bảng xếp hạng “nghiêm” hay “thoáng” rồi bỏ qua quyền của người dùng, trách nhiệm của nhà cung cấp và cách các quy tắc được thực thi. 39

Một câu hỏi dành cho Việt Nam là làm sao vừa tạo điều kiện nghiên cứu, ứng dụng phù hợp ngôn ngữ và nhu cầu trong nước, vừa bảo vệ quyền riêng tư, khả năng khiếu nại và những nhóm dễ chịu rủi ro. Câu hỏi đó cần được trả lời bằng bằng chứng và quy định Việt Nam, không bằng cách sao chép một mô hình pháp lý nước ngoài.

An toàn AI: rủi ro đã thấy và những khả năng còn tranh luận

Đầu tháng 11/2023, hội nghị tại Bletchley Park ở Anh đưa các chính phủ và bên liên quan tới bàn thảo về cơ hội và rủi ro của những hệ thống AI tiên tiến. Tuyên bố Bletchley thể hiện sự thừa nhận và hợp tác được các bên tham gia thống nhất trong văn bản. Một tuyên bố ngoại giao không tự chứng minh những rủi ro cụ thể đã được giải quyết, cũng không thay thế các quy định có hiệu lực trong từng nước. 45

Khi nghe cụm từ “rủi ro AI”, một người có thể nghĩ tới thông tin sai, xâm phạm riêng tư, phân biệt đối xử hoặc việc một hệ thống hoạt động không đúng trong một dịch vụ quan trọng. Người khác lo về các khả năng trong tương lai xa hơn, như việc kiểm soát những hệ thống có năng lực vượt quá dự kiến. Mức độ bằng chứng, xác suất và tác động của các kịch bản không giống nhau; một mối quan tâm không tự phủ nhận hay chứng minh mối quan tâm khác.

Cách kiểm chứng đáng tin bắt đầu bằng câu hỏi cụ thể. Hệ thống nào được đánh giá? Nó được sử dụng trong hoàn cảnh nào? Ai được quyền kiểm thử và phản hồi? Có dữ liệu thực tế về lỗi hay chỉ có một tình huống được mô phỏng? Khi thông tin về dữ liệu huấn luyện hoặc triển khai không được công bố, đó cũng là giới hạn mà người đọc cần biết.

Đến cuối năm 2023, điều chưa được giải quyết là làm thế nào để những người xây dựng hệ thống, cơ quan công quyền, giới nghiên cứu và người bị ảnh hưởng cùng có tiếng nói có ý nghĩa. Từ góc nhìn Việt Nam, cuộc thảo luận an toàn cần bao gồm không chỉ những rủi ro được mô tả từ các công ty hàng đầu, mà còn cả chất lượng tiếng Việt, quyền dữ liệu và khả năng khiếu nại trong các ứng dụng gần đời sống.

Không chỉ là một câu chuyện

Một công nghệ có thể hữu ích và gây ra những câu hỏi nghiêm túc cùng lúc.

Một người học có thể dùng AI để thử diễn đạt lại một khái niệm. Một người làm việc có thể tạo bản nháp để bắt đầu. Một nhóm nghiên cứu có thể xây dựng mô hình phù hợp hơn với ngôn ngữ của mình. Đó là những hướng sử dụng có thể đáng khám phá; hiệu quả phải được đo trong hoàn cảnh cụ thể.

Cùng lúc, một hệ thống có thể đưa thông tin sai, phản ánh thiên lệch trong dữ liệu hoặc làm lộ thông tin nếu người dùng không hiểu cách dữ liệu được xử lý. Các công việc gắn nhãn và kiểm tra cũng đặt câu hỏi về điều kiện lao động. Những rủi ro này không giống nhau và không nên được gộp thành một dự báo duy nhất. [04, 13]

Không có lý do để kết luận mọi lời hứa tiếp thị đều thành hiện thực, cũng không có cơ sở để xem mọi ứng dụng là vô ích. Bằng chứng tốt cần so sánh với lựa chọn hiện có, ghi nhận sai sót và hỏi ai phải gánh hậu quả khi hệ thống thất bại.

Đánh giá công bằng cần xem cả lợi ích, người được hưởng lợi, rủi ro và người chịu rủi ro.

AI trong khoa học: từ dự đoán tới thực nghiệm

Bức tranh AI 2023 không kết thúc ở chatbot. Tháng 6, nhóm nghiên cứu công bố bài báo trên Nature về AlphaDev, dùng học tăng cường để tìm các thuật toán sắp xếp trong những thiết lập được xác định. Bài báo báo cáo kết quả đối với các bài toán và điều kiện kiểm thử cụ thể. Đây là một ví dụ cho thấy AI có thể tham gia tìm kiếm phương án trong một vấn đề kỹ thuật; nó không chứng minh AI đã tự giải mọi vấn đề khoa học. 31, 32

Cuối năm, Google DeepMind giới thiệu nghiên cứu GNoME về dự đoán cấu trúc vật liệu. Nhóm phát triển báo cáo các kết quả tính toán và những ứng viên vật liệu tiềm năng. Nhưng một cấu trúc được dự đoán ổn định không đồng nghĩa với một vật liệu đã được tổng hợp thành công, sản xuất với chi phí hợp lý hay lắp đặt trong pin và thiết bị. Các bước kiểm chứng, chế tạo và đánh giá ứng dụng có vai trò riêng. 33

Sự khác nhau giữa dự đoán và phát hiện được xác nhận rất quan trọng đối với y tế. AI có thể hỗ trợ tìm kiếm, phân loại hay đưa ra gợi ý; bằng chứng để dùng một hệ thống trong chăm sóc bệnh nhân phải giải quyết thêm câu hỏi về dữ liệu, tính an toàn, hiệu quả và hoàn cảnh triển khai. Một kết quả trên bộ dữ liệu hoặc thông cáo sản phẩm không tự chứng minh người bệnh có kết quả tốt hơn.

Tại Việt Nam, VnExpress đưa tin tháng 2/2023 về thỏa thuận hợp tác nghiên cứu giữa FPT Long Châu, VinUniversity và BKAI liên quan công nghệ VAIPE. Đây là một thỏa thuận hợp tác được công bố cùng kỳ vọng của các bên; bản tin không chứng minh một hệ thống đã được sử dụng trên toàn quốc hay mang lại hiệu quả lâm sàng cho người bệnh. 34

Điều đáng theo dõi không chỉ là liệu một mô hình đạt kết quả tốt trong phòng nghiên cứu, mà còn là kết quả đó có được tái lập, được đánh giá độc lập và có ích trong điều kiện thật hay không. Đây là hành trình chậm hơn một dòng tiêu đề, nhưng là nơi lời hứa có thể trở thành lợi ích đáng tin.

Khi chatbot trở thành nền tảng: ai giữ tay lái?

Đến cuối 2023, cuộc cạnh tranh không chỉ xoay quanh một ô trò chuyện. Ngày 06/11, OpenAI giới thiệu GPTs, những phiên bản ChatGPT có thể được tùy chỉnh cho mục đích nhất định. Công ty cũng công bố những công cụ cho nhà phát triển kết hợp mô hình với hướng dẫn và một số khả năng sử dụng công cụ. Các thông báo mô tả sản phẩm, điều kiện triển khai và kế hoạch của nhà cung cấp; chúng không chứng minh mọi phiên bản tùy chỉnh đều đáng tin, tự chủ hay đã có mặt cho mọi người dùng. 41, 42

Một ứng dụng dùng công cụ có thể đề xuất những bước vượt ra ngoài việc tạo câu trả lời. Nhưng có sự khác biệt giữa “có thể gọi một công cụ” và “có thể an toàn tự ra quyết định, hành động và tự chịu trách nhiệm trong mọi hoàn cảnh”. Quyền truy cập dữ liệu, khả năng thay đổi thông tin, chi phí thực hiện và cơ hội để con người kiểm tra từng bước đều cần được thiết kế. Một trợ lý giúp soạn lịch là ví dụ khác với một hệ thống tự đặt mua hàng; ở trường hợp thứ hai, một hành động sai có thể tạo ra chi phí thực.

Cũng trong tháng 11, OpenAI công bố thay đổi lãnh đạo và sau đó công bố việc Sam Altman trở lại vị trí CEO cùng hội đồng ban đầu mới. Những thông cáo này xác nhận các mốc do tổ chức công bố, nhưng không tự giải đáp mọi tranh cãi về lý do hay chứng minh một quan điểm duy nhất về an toàn AI. 43, 44

Sự kiện cho thấy câu hỏi quản trị không nằm riêng trong văn bản luật. Hội đồng quản trị, nhân viên, nhà đầu tư, đối tác và người dùng có mức ảnh hưởng khác nhau tới quyết định của tổ chức phát triển AI. Một công ty phát hành công cụ cho hàng triệu người có thể thay đổi một quy tắc hay tính năng; hệ quả đối với những người dựa vào công cụ đó không phải lúc nào cũng được họ trực tiếp biểu quyết.

Những điều chúng ta chưa biết về Việt Nam

Khoảng trống dữ liệu cũng là một phần của câu chuyện.

Các trường hợp trong báo cáo cho thấy một số người Việt đã trải nghiệm ChatGPT, các nhà quản lý giáo dục đã thảo luận và một nhóm nghiên cứu công bố mô hình tiếng Việt. Chúng không đủ để tính tỷ lệ người Việt sử dụng AI, năng suất bình quân hay số việc làm bị ảnh hưởng. [02, 03, 10]

Muốn hiểu sự khác biệt giữa các nhóm, cần dữ liệu về cách tiếp cận theo vùng, nghề, tuổi, kỹ năng, thiết bị và chi phí, cùng phương pháp lấy mẫu rõ ràng. Nếu chỉ khảo sát những người vốn quan tâm tới công nghệ, kết quả có thể không phản ánh những người chưa được tiếp cận.

Báo cáo này chọn nói rõ điều chưa biết thay vì thay bằng một tỷ lệ toàn cầu. Các ví dụ và câu hỏi thực tế vẫn có giá trị khi giới hạn của chúng được trình bày công khai.

Chưa xác định được chuỗi khảo sát Việt Nam có phương pháp ổn định để so sánh hằng năm. Tạm thời để trống chỉ số này.

Điều gì còn thiếu trong bức tranh này?

Báo cáo đã bổ sung Trung Quốc, nghiên cứu khoa học, lao động dữ liệu và hai trường hợp phát triển tiếng Việt. Nó vẫn không phải bách khoa toàn thư về mọi sự kiện AI năm 2023. Các chủ đề như châu Phi ngoài câu chuyện lao động dữ liệu, các ngôn ngữ thiểu số, người khuyết tật, robot công nghiệp và kinh nghiệm của lao động ngoài văn phòng cần thêm nghiên cứu nếu muốn trình bày tương xứng.

Các bài lịch sử theo tuần và quý của Dòng Chảy AI là những điểm bắt đầu quý giá, nhưng một bài cũ đã được duyệt không làm cho mọi chi tiết tự động đúng trong báo cáo mới. Mỗi tuyên bố đáng kể cần được gắn với nguồn gần sự kiện nhất, đối chiếu thời gian và nhìn lại giới hạn. Những hồ sơ đã được duyệt vẫn được bảo vệ nguyên trạng.

Với hồ sơ tuần, nhóm đã xác định các kỳ có thể tiếp cận tới ngày 29/12/2023; việc có hay không một hồ sơ phù hợp cho ngày 30–31/12 chưa được xác nhận. Đây là vấn đề về khả năng xác minh hồ sơ, không phải kết luận rằng không có sự kiện quan trọng trong hai ngày đó. ViGPT ngày 27/12 thuộc kỳ đã có, và được đưa vào bản mở rộng vì ý nghĩa Việt Nam của nó.

Bằng cách nêu rõ điều mình chưa biết, Dòng Chảy AI không dừng cuộc điều tra. Ngược lại, đó là cách để những kỳ báo cáo sau biết cần tìm câu trả lời ở đâu và để người đọc phân biệt sự chắc chắn có căn cứ với những kỳ vọng còn đang hình thành.

Bảng theo dõi cho các năm sau: giữ định nghĩa trước khi so sánh

Một báo cáo hằng năm cần những thước đo có thể theo dõi, nhưng một con số chỉ hữu ích nếu người đọc biết nó đo điều gì. Một chỉ số “mô hình đáng chú ý” không phải thống kê của mọi mô hình; một chỉ số về vốn đầu tư chỉ phản ánh các giao dịch mà nguồn thu thập được; một chỉ số phơi nhiễm nghề không bằng số người mất việc.

Với số mô hình đáng chú ý theo tổ chức, báo cáo AI Index 2024 trình bày dữ liệu 2023 theo các nhóm doanh nghiệp, học thuật và hợp tác. Trước khi so sánh với năm tiếp theo, cần kiểm tra nguồn dữ liệu, tiêu chí chọn, định nghĩa nhóm và các thay đổi hồi tố. 40

Với nguồn vốn AI tạo sinh, cần ghi rõ tiền tệ, kỳ dữ liệu, đơn vị cung cấp và cách phân loại. Nếu bản AI Index năm sau cập nhật giá trị của năm trước, không ghép các con số lấy từ hai bản khác nhau rồi trình bày như một chuỗi bất biến. Với lao động, một chuỗi đáng tin cần giữ khái niệm và phương pháp, đồng thời tách nghiên cứu phơi nhiễm khỏi dữ liệu việc làm thực tế.

Riêng Việt Nam, chưa có chuỗi khảo sát đại diện về mức sử dụng AI năm 2023 với định nghĩa có thể lặp lại đã được xác minh độc lập. Vì vậy, ô dữ liệu Việt Nam nên để trống và kèm lời giải thích. Không dùng số liệu của thế giới để lấp khoảng trống đó. Trong các kỳ sau, nguồn tiềm năng có thể đến từ cơ quan thống kê, trường đại học hoặc khảo sát độc lập khi công bố phương pháp, quy mô mẫu, nhóm được hỏi và thời gian thu thập.

Những câu hỏi còn ở lại

Kết thúc năm không đồng nghĩa câu chuyện đã có lời giải.

1 · Khi các mô hình được tích hợp vào nhiều ứng dụng hơn, người dùng có hiểu khi nào họ đang tương tác với AI, và họ có cách kiểm tra những kết quả quan trọng không?

2 · Các trường học sẽ tìm được cách khuyến khích khám phá mà vẫn đánh giá được tư duy của người học như thế nào? Nghiên cứu nào phản ánh điều kiện thực tế ở Việt Nam?

3 · Người lao động, nghệ sĩ và các nhóm xây dựng dữ liệu có được tham gia quyết định về cách AI thay đổi công việc của họ không?

4 · Những người phát triển mô hình tiếng Việt có thể tiếp cận dữ liệu, tài nguyên và phương pháp đánh giá phù hợp ra sao? Ai sẽ kiểm tra chất lượng cho các nhóm người dùng khác nhau?

5 · Các chính sách đang được thương lượng cuối năm 2023 sẽ thay đổi như thế nào, và những lựa chọn đó có tác động gì tới Việt Nam? Đây là câu hỏi cho các bài nhìn lại 2024, không phải lời khẳng định điều gì chắc chắn đã xảy ra.

Tiếp nối hành trình: theo dõi các câu trả lời bằng dữ liệu và trải nghiệm được ghi nhận, không chỉ bằng các tuyên bố ra mắt.

Cách đọc báo cáo này

Chúng tôi tách những điều đã quan sát được khỏi điều còn phải tìm hiểu.

Phạm vi là các sự kiện từ 01/01 đến 31/12/2023. ChatGPT ra mắt ngày 30/11/2022 là bối cảnh mở đầu. Khi dùng AI Index 2024 để nhìn lại dữ liệu 2023, báo cáo ghi rõ năm xuất bản của nguồn. [01, 12]

Các ví dụ được chọn từ báo chí Việt Nam, nguồn cơ quan nhà nước, công bố nghiên cứu, tổ chức quốc tế, doanh nghiệp và văn bản tòa án. Mỗi loại nguồn trả lời một câu hỏi khác nhau. Công bố doanh nghiệp cho biết họ tuyên bố điều gì; nghiên cứu theo tác vụ không chứng minh hiệu quả cho mọi công việc; một trải nghiệm không đại diện dân số.

Tài liệu tham khảo

Tài liệu tham khảo bổ sung