Khi Gemini ra mắt: Một video AI cho thấy điều gì — và che khuất điều gì?

Dòng Chảy AI · Hành Trình AI · Tuần 02–08/12/2023

Một bàn tay vẽ con vịt. Trên màn hình, một giọng nói AI dường như theo dõi từng nét vẽ và trả lời ngay lập tức. Với người xem, khoảnh khắc ấy có thể gợi ra một tương lai rất gần: chỉ cần đưa đồ vật trước máy quay, rồi trò chuyện tự nhiên với máy.

Tháng 12/2023, Google giới thiệu Gemini, họ mô hình AI mới của mình. Nhưng chính video trình diễn đi cùng sản phẩm đặt ra một câu hỏi lớn hơn cuộc đua giữa hai công ty: khi thấy AI làm điều ấn tượng, làm sao biết điều gì đã thực sự diễn ra?

Từ câu chữ đến hình ảnh

Ngày 6/12/2023, Google công bố Gemini 1.0 với ba kích cỡ Ultra, Pro và Nano, được thiết kế cho những nhu cầu và điều kiện tính toán khác nhau. Reuters ghi nhận Google đưa một phiên bản Gemini vào Bard, chatbot của hãng, trong bối cảnh cạnh tranh với ChatGPT. Ngày 7/12 theo giờ Việt Nam, VnExpress đưa tin về màn ra mắt và các kết quả thử nghiệm mà Google công bố. 1 2 5

Google mô tả Gemini là mô hình đa phương thức: được xây dựng để xử lý nhiều dạng thông tin như chữ, hình ảnh, âm thanh và video. Có thể hình dung sự khác biệt bằng một ví dụ: thay vì chỉ hỏi “Biểu đồ nói gì?”, một người học có thể đưa thêm hình biểu đồ cùng câu hỏi. Ví dụ này giải thích ý tưởng, không khẳng định mọi phiên bản Gemini khi ấy đều hỗ trợ mọi cách nhập hoặc sẽ trả lời đúng. 2

Đó là một hướng phát triển đáng chú ý. Thế giới mà chúng ta muốn hỏi về không chỉ gồm những đoạn văn. Một tờ hướng dẫn, ảnh chụp hay biểu đồ đều có thể chứa thông tin khó diễn đạt trọn vẹn bằng chữ. Nhưng một mô hình được thiết kế để tiếp nhận nhiều dạng thông tin không tự động biến mọi cuộc trò chuyện thành trải nghiệm giống video quảng cáo.

Mô hình, chatbot và bản trình diễn

Ba cái tên dễ bị lẫn vào nhau. Gemini khi ra mắt là tên của họ mô hình. Bard là chatbot mà người dùng tương tác. Còn video của Google là một bản trình diễn được biên tập để giới thiệu khả năng và hình dung trải nghiệm có thể xây dựng từ công nghệ ấy.

Theo thông báo tiếng Việt của Google ngày 6/12, Bard bắt đầu dùng phiên bản Gemini Pro được điều chỉnh cho tiếng Anh. Nhật ký cập nhật của Google nói rõ giai đoạn đầu hỗ trợ lời nhắc bằng văn bản; các phương thức khác được hẹn bổ sung sau. Công ty dự kiến đưa Ultra vào một phiên bản Bard cao cấp hơn trong năm sau. Điều này khác với việc mọi người đã có thể dùng Ultra và trải nghiệm đầy đủ mọi khả năng trong video ngay lúc ra mắt. 3 7

Với độc giả Việt Nam, chi tiết ngôn ngữ đặc biệt quan trọng. Một thông báo được viết bằng tiếng Việt không có nghĩa bản nâng cấp mới khi đó đã hoạt động như nhau bằng tiếng Việt. Các nguồn này không cho chúng ta một phép đo đại diện về chất lượng tiếng Việt, hay trải nghiệm thực tế của người dùng Việt Nam vào tháng 12/2023.

Con vịt trong video đã được nhìn thấy như thế nào?

Video cho người xem cảm giác một cuộc trao đổi bằng giọng nói đang diễn ra liên tục. Nhưng TechCrunch đưa tin ngày 7/12 rằng Google giải thích các nhà nghiên cứu đã dùng khung hình tĩnh từ đoạn quay và lời nhắc bằng văn bản; video sau đó được biên tập để trình bày các tương tác. Bài viết chỉ trích cách trình diễn có thể khiến người xem hiểu nhầm về tốc độ và hình thức tương tác. 6

Google cũng công bố bài hướng dẫn cho nhà phát triển với ví dụ kết hợp ảnh và câu hỏi bằng chữ, kèm những bước và lời nhắc chi tiết. Tài liệu này giúp người đọc nhìn rõ hơn cách một số ví dụ được tạo ra. Nó không phải một thử nghiệm độc lập về tần suất mô hình trả lời đúng, cũng không chứng minh video là cuộc gọi video trực tiếp. 4

Hai điều có thể cùng đúng: các ví dụ phản ánh những đầu ra do mô hình tạo ra theo mô tả của Google, và cách dựng video có thể tạo ấn tượng sai về trải nghiệm trực tiếp. Tranh luận không chứng minh Gemini không xử lý được hình ảnh. Nó cho thấy một bản trình diễn được chọn lọc không đủ để biết hệ thống hoạt động ra sao trong mọi tình huống.

Một con số có thể kể hết câu chuyện?

VnExpress dẫn các kết quả do Google công bố, trong đó Gemini Ultra đạt kết quả nổi bật trên một số bài kiểm tra. Bài kiểm tra chuẩn giúp nhà nghiên cứu so sánh trong điều kiện xác định. Tuy nhiên, điểm số do nhà phát triển công bố không tự trả lời một người dùng cụ thể sẽ nhận được kết quả gì, bằng ngôn ngữ nào, trên phiên bản nào, với chi phí và độ tin cậy ra sao. 1 2

Giả sử một chủ cửa hàng ở Việt Nam muốn hỏi AI về ảnh nhãn sản phẩm. Điều quan trọng không chỉ là mô hình từng nhận diện được một hình mẫu; người ấy còn cần biết ảnh có rõ không, câu trả lời có sai không và có thể kiểm tra thông tin ở đâu. Đây là tình huống giả định, không phải cuộc thử nghiệm của Dòng Chảy AI hay bằng chứng về một cửa hàng thực tế.

Nhìn lại sau tuần ra mắt

Bằng chứng sau kỳ: Ngày 8/2/2024, Google thông báo đổi tên Bard thành Gemini và giới thiệu Gemini Advanced dùng Ultra 1.0. Bước này cho thấy tên họ mô hình đã trở thành tên của sản phẩm trò chuyện, nhưng không giải quyết mọi câu hỏi về chất lượng hay sự công bằng trong các bản trình diễn trước đó. 8

Câu chuyện con vịt không đòi hỏi chúng ta phải từ chối công nghệ mới. Nó gợi ý một thói quen tốt hơn: thưởng thức màn trình diễn, rồi hỏi thêm điều gì đã được nhập vào, điều gì đã được chỉnh sửa, và liệu mình có thể kiểm tra kết quả trong hoàn cảnh của chính mình hay không.

Tài liệu tham khảo

1. VnExpress — Google ra Gemini, 07/12/2023 giờ Việt Nam; báo chí đương thời, dẫn kết quả do Google công bố.
2. Google — Introducing Gemini, 06/12/2023; thông báo nhà phát triển.
3. Google tiếng Việt — Bard tích hợp Gemini, 06/12/2023; thông báo nhà cung cấp.
4. Google Developers — How it’s Made: Interacting with Gemini through multimodal prompting, tháng 12/2023; hướng dẫn của nhà phát triển về các ví dụ, không phải kiểm chứng độc lập.
5. Reuters qua Investing.com — Alphabet unveils long-awaited Gemini AI model, 06/12/2023; báo chí đương thời.
6. TechCrunch — Google’s best Gemini demo was faked, 07/12/2023; phê bình độc lập, dẫn thông tin công bố qua Bloomberg và phản hồi Google.
7. Google — Gemini Apps release notes, mục 06/12/2023; nhật ký sản phẩm, trang có cập nhật sau đó.
8. Google — Bard becomes Gemini, 08/02/2024; thông báo sau kỳ.