Khi một mô hình AI được cho thêm thời gian trước câu trả lời

Dòng Chảy AI · Hành Trình AI · 7–13/9/2024

Một bài toán khó không phải lúc nào cũng có lời giải trong giây đầu tiên. Người giải có thể thử một hướng, nhận ra chỗ sai rồi quay lại. Tháng 9/2024, OpenAI giới thiệu một dòng mô hình được thiết kế để dành thêm thời gian xử lý trước khi trả lời những bài toán phức tạp.

Ngày 12/9, công ty công bố o1-preview và o1-mini. VnExpress đưa tin ngày 13/9 về hướng phát triển mà hãng gọi là mô hình có khả năng lập luận. Cách gọi ấy mô tả một mục tiêu kỹ thuật; nó không chứng minh máy suy nghĩ giống con người hay không còn mắc lỗi. 1 2

Thêm thời gian để xử lý có thể giúp gì?

Theo mô tả kỹ thuật của OpenAI, o1 được huấn luyện bằng học tăng cường để cải thiện quá trình xử lý nhiều bước. Hãng cho biết hiệu suất trên một số bài kiểm tra tăng khi mô hình có thêm tài nguyên tính toán lúc đưa ra câu trả lời. Nói giản dị, thay vì chỉ nhìn vào thời gian huấn luyện trước đó, nhóm phát triển còn xem lượng tính toán dành cho từng câu hỏi là một yếu tố có thể điều chỉnh. 3

OpenAI công bố kết quả trên các bài kiểm tra toán, lập trình và khoa học. Nhưng ngay trong tài liệu kỹ thuật, hãng lưu ý điểm số ở một bộ câu hỏi chuyên môn không có nghĩa mô hình giỏi hơn một người có bằng tiến sĩ ở mọi khía cạnh. Kết quả cũng phụ thuộc phiên bản mô hình, phương pháp lấy mẫu và cách đánh giá. Bởi vậy, những con số thử nghiệm không nên được chuyển thành lời hứa rằng mọi câu trả lời đều đáng tin. 3

Năng lực phụ thuộc cả cách thử nghiệm

METR, một tổ chức đánh giá bên ngoài, công bố kết quả sơ bộ ngày 12/9 sau khi được OpenAI cho tiếp cận mô hình trước ra mắt. Trong bộ nhiệm vụ tự chủ mà METR thử, o1-preview và o1-mini không vượt mô hình công khai tốt nhất mà tổ chức này đã đánh giá. Đồng thời, METR nói thời gian tiếp cận ngắn và cách kết nối mô hình với công cụ hạn chế khả năng xác định giới hạn năng lực; kết quả không phải phán quyết cuối cùng về mọi cách sử dụng. 4

Phân biệt này quan trọng vì một bài toán yêu cầu trả lời trực tiếp khác với việc giao cho hệ thống nhiều bước, công cụ và phản hồi từ môi trường. METR quan sát khó khăn trong một số thiết lập dùng công cụ, nhưng cũng thấy kết quả thay đổi khi điều chỉnh cách phối hợp. Một phép thử tốt giúp hiểu điều kiện nào đã được kiểm tra, thay vì biến một điểm số thành câu trả lời cho mọi tình huống. 4

Người dùng cần cân nhắc gì?

Theo thông báo lúc ra mắt, các bản preview chưa có một số tính năng quen thuộc như duyệt web và tải tệp, hình ảnh trong ChatGPT; OpenAI cũng nói GPT-4o có thể phù hợp hơn cho nhiều việc thông thường. Phạm vi truy cập và tính năng được mô tả ở đây là thời điểm tháng 9/2024, không phải hướng dẫn sử dụng hiện nay. 2

Với một người học hoặc lập trình viên Việt Nam, một mô hình xử lý nhiều bước có thể là đối tác để thử hướng giải. Nhưng nếu câu trả lời liên quan tới một quyết định quan trọng, việc kiểm tra giả định, đối chiếu tài liệu và thử lại kết quả vẫn cần thiết. Bài viết không đo hiệu quả của o1 với tiếng Việt hay trên một nhóm người dùng cụ thể.

Tuần ra mắt o1 đánh dấu một cách đặt lại câu hỏi: ngoài việc xây mô hình lớn hơn, điều gì xảy ra khi hệ thống được dành thêm nguồn lực để giải từng bài? Câu trả lời phụ thuộc vào bài toán, cách đánh giá và cả chi phí của việc chờ thêm.

Tài liệu tham khảo

1. VnExpress — OpenAI ra AI mới với khả năng lập luận, 13/9/2024.
2. OpenAI — Introducing OpenAI o1-preview, 12/9/2024: thông báo của nhà phát triển; trang có cập nhật sau đó.
3. OpenAI — Learning to reason with LLMs, 12/9/2024: phương pháp và kết quả do công ty công bố.
4. METR — Đánh giá sơ bộ OpenAI o1-preview, 12/9/2024: đánh giá bên ngoài có giới hạn phương pháp và thời gian.