Sau hai năm mô hình lớn lao nhanh chóng, các “ông lớn AI” cùng lúc quay đầu sửa lại nền tảng dữ liệu
Gắn động cơ lên rồi, nhưng con đường vẫn chưa được làm xong
Hiệp 1: Mọi người thi chạy trong phòng trưng bày
Trong hai năm qua, câu chuyện về AI khá đồng nhất: mô hình lớn hơn, tham số nhiều hơn, bảng xếp hạng cao hơn; đội mã nguồn mở và đội mã nguồn đóng tranh nhau giành spotlight. Kịch bản của doanh nghiệp cũng giống nhau đến mức đáng ngạc nhiên: mua năng lực tính toán, tuyển kỹ sư thuật toán, triển khai mô hình; mặc định mô hình đủ mạnh thì việc “đi vào triển khai” cũng sẽ theo kịp
Thực tế đã giáng một đòn: câu chuyện của một CIO doanh nghiệp nhà nước quy mô lớn là một ví dụ điển hình. Có 17 hệ thống nghiệp vụ, 9 kho dữ liệu, 3 “đám mây”. Định dạng dữ liệu thì đủ kiểu, nhiều báo cáo giấy vẫn chưa được số hóa. Cuối cùng đến cả ứng dụng cơ bản nhất như chẩn đoán lỗi thiết bị cũng không chạy được; mô hình còn không đọc hiểu được dữ liệu lịch sử sửa chữa
Nút thắt không phải do mô hình không được, mà là dữ liệu không thể “bơm vào” được
Hiệp 2: Cho xe chạy vào khu phố thực
Nhà máy phải không ngừng vận hành, bệnh viện phải an toàn, chính phủ phải tuân thủ. Mô hình có mạnh đến đâu, nếu con đường dữ liệu chưa được sửa xong thì chỉ có thể đứng tại chỗ vòng đi vòng lại
Chuỗi cung ứng công nghiệp toàn cầu bắt đầu đồng loạt điều chỉnh. Mọi nơi đều cho cùng một mô hình lớn chạy thô với dữ liệu doanh nghiệp và bộ hệ thống dữ liệu đầu vào hoàn chỉnh, tạo ra chênh lệch theo kiểu “dốc đứng” về độ chính xác. Khoảng cách không nằm ở “bộ não” của mô hình, mà nằm ở việc có thể ăn đúng “nguyên liệu” hay không
Thế là một kiến trúc mới xuất hiện: phía trên là mô hình và năng lực, phía dưới là kỹ thuật dữ liệu, kiểm toán quyền truy cập, chiến lược quản trị. Mô hình và dữ liệu không còn là quan hệ thượng - hạ lưu kiểu dây chuyền nữa, mà là đối tác cùng “cho ăn” lẫn nhau
Độ khó của Trung Quốc còn tăng thêm một lớp
Chuỗi cung ứng ngành sản xuất dài hơn, yêu cầu tuân thủ chặt hơn, dữ liệu phi cấu trúc nhiều hơn, hệ thống rời rạc hơn, chuẩn mực và cách diễn giải khác nhau hơn. Khoảng cách từ “trí tuệ phổ quát” sang “trí tuệ theo ngành” là một hố sâu; và nền tảng hỗ trợ ở tầng thấp chính là hạ tầng dữ liệu toàn chuỗi
Không phải để gắn “bộ não” cho AI, mà là trước tiên sửa cho thông suốt “hệ thần kinh”
Thứ thực sự khan hiếm là gì?
Việc lần này quay đầu sửa nền tảng về bản chất là một sự hiệu chỉnh nhận thức. Giá trị khi mở rộng quy mô của AI không phụ thuộc vào việc hôm nay một mô hình chạy được bao nhiêu điểm, mà phụ thuộc vào việc dữ liệu có thể được cung cấp liên tục với chất lượng hay không, hệ thống có thể được quản trị liên tục để đáng tin cậy hay không, và kỹ thuật có thể đóng vòng triển khai liên tục hay không
Trung Quốc không thiếu mô hình mã nguồn mở thứ 101, cái thiếu là phải “rửa sạch” cái nồi dữ liệu này trước, rồi nấu ra được “món canh” chất lượng cao
Chờ khi việc này chạy thông, AI mới có thể từ tin nóng trên báo trở thành công cụ trên bàn làm việc
DYOR Không phải lời khuyên đầu tư
#AI