Elon Musk: Dữ liệu tổng hợp là chìa khóa cho tương lai AI

Trong một buổi phỏng vấn gần đây tại CES, Elon Musk khẳng định trí tuệ nhân tạo (AI) đã sử dụng hết dữ liệu thực tế có sẵn, nhấn mạnh rằng việc tạo dữ liệu tổng hợp sẽ là hướng đi chính trong phát triển AI.

Quan điểm này cũng được cựu Giám đốc khoa học của OpenAI, Ilya Sutskever, chia sẻ khi ông cho rằng ngành AI đã đạt đến “đỉnh dữ liệu.”

Musk cho rằng chúng ta đã hết dữ liệu do con người tạo ra từ năm 2024. Là CEO của Tesla và chủ sở hữu xAI, Musk nhấn mạnh rằng để AI tự tạo dữ liệu huấn luyện là giải pháp thực tế nhất để tiếp tục phát triển. Phương pháp này cho phép hệ thống AI tự kiểm tra và học hỏi trong quá trình hoạt động.

Công nghệ dữ liệu tổng hợp đang dần chiếm ưu thế

Nhiều công ty công nghệ lớn đã áp dụng phương pháp dữ liệu tổng hợp. Ví dụ, mô hình Phi-4 mới được Microsoft phát hành mã nguồn mở kết hợp dữ liệu tổng hợp và dữ liệu thực tế. Google cũng áp dụng chiến lược tương tự với các mô hình Gemma của mình. Các mô hình Claude 3.5 Sonnet của Anthropic và Llama của Meta cũng dựa vào dữ liệu do AI tạo ra.

Theo dự báo của các nhà phân tích tại Gartner, đến năm 2024, khoảng 60% dữ liệu sử dụng trong các dự án AI và phân tích sẽ là dữ liệu tổng hợp. Lý do chính cho sự chuyển đổi này là chi phí. Công ty khởi nghiệp AI Writer cho biết họ chỉ tốn khoảng 700.000 USD để phát triển mô hình Palmyra X 004, rẻ hơn rất nhiều so với con số 4,6 triệu USD để xây dựng một mô hình tương tự từ OpenAI.

Rủi ro tiềm ẩn từ dữ liệu tổng hợp

Tuy nhiên, việc sử dụng dữ liệu tổng hợp không phải không có vấn đề. Các nhà nghiên cứu cảnh báo về nguy cơ “sụp đổ mô hình”, khi AI có thể trở nên kém sáng tạo và thiên vị hơn. Điều này có thể xảy ra nếu các thiên kiến trong tập dữ liệu ban đầu được khuếch đại khi AI tự tạo ra dữ liệu mới.

Dù có những rủi ro nhất định, dữ liệu tổng hợp vẫn được xem là hướng đi tất yếu để giải quyết bài toán khan hiếm dữ liệu trong bối cảnh AI ngày càng phát triển mạnh mẽ. Các công ty công nghệ sẽ tiếp tục tìm kiếm cách tối ưu hóa và giảm thiểu rủi ro, nhằm khai thác tối đa tiềm năng của AI.