Khả năng của AI đang phát triển nhanh hơn phần cứng

Khả năng của AI đã bùng nổ trong 2 năm qua, với các mô hình ngôn ngữ lớn (LLM) như ChatGPT, Dall-E và Midjourney trở thành công cụ sử dụng hàng ngày. Khi bạn đang đọc bài viết này, các chương trình AI tạo sinh đang phản hồi email, viết bài tiếp thị, ghi âm bài hát và tạo hình ảnh từ các đầu vào đơn giản.

Điều đáng chú ý hơn nữa là tốc độ mà cả cá nhân và công ty đang áp dụng hệ sinh thái AI. Một cuộc khảo sát gần đây của McKinsey cho thấy số lượng công ty đã áp dụng GenAI trong ít nhất một chức năng kinh doanh đã tăng gấp đôi trong vòng một năm lên 65%, từ 33% vào đầu năm 2023.

Tuy nhiên, giống như hầu hết các tiến bộ công nghệ, lĩnh vực đổi mới mới mẻ này không thiếu thách thức. Đào tạo và chạy các chương trình AI là nỗ lực đòi hỏi nhiều nguồn lực, và theo tình hình hiện tại, công nghệ lớn dường như đang chiếm ưu thế, tạo ra nguy cơ tập trung AI vào tay các công ty công nghệ lớn.

Giới hạn điện toán trong phát triển AI

Theo một bài viết của Diễn đàn Kinh tế Thế giới, nhu cầu về điện toán AI đang ngày càng tăng cao; tài nguyên điện toán cần thiết để duy trì sự phát triển AI hiện đang tăng với tốc độ hàng năm từ 26% đến 36%.

Một nghiên cứu gần đây khác của Epoch AI cũng xác nhận hướng đi này khi dự đoán rằng sẽ sớm tốn hàng tỷ USD để đào tạo hoặc chạy các chương trình AI.

Ben Cottier, nhà nghiên cứu AI của Epoch, lưu ý rằng : "Chi phí cho các đợt đào tạo AI lớn nhất đang tăng gấp 2-3 lần mỗi năm kể từ năm 2016 và điều đó sẽ khiến mức giá lên tới hàng tỷ USD vào năm 2027, thậm chí có thể là sớm hơn".

Thực tế chúng ta đã đến thời điểm này rồi. Microsoft đã đầu tư 10 tỷ USD vào OpenAI vào năm ngoái và gần đây hơn, có tin tức cho biết 2 công ty này đang có kế hoạch xây dựng một trung tâm dữ liệu lưu trữ siêu máy tính được cung cấp năng lượng bởi hàng triệu con chip chuyên dụng. Chi phí là 100 tỷ USD. Một con số khổng lồ, cao gấp 19 lần so với khoản đầu tư ban đầu.

Microsoft không phải là công ty công nghệ lớn duy nhất đang chi tiêu mạnh tay để tăng cường tài nguyên điện toán AI của mình. Các công ty khác trong cuộc chạy đua AI, bao gồm Google, Alphabet và Nvidia đều đang hướng một lượng tiền tài trợ đáng kể vào nghiên cứu và phát triển AI.

Mặc dù chúng ta có thể đồng ý rằng kết quả có thể tương xứng với số tiền đầu tư, nhưng khó có thể bỏ qua thực tế rằng phát triển AI hiện là một môn thể thao xa xỉ. Chỉ những công ty có nhiều tiền mới có khả năng tài trợ cho các dự án AI lên tới hàng chục hoặc hàng trăm tỷ.

Điều này đặt ra câu hỏi: làm thế nào để tránh những cạm bẫy mà các sáng kiến Web2 đang phải đối mặt do một số ít công ty kiểm soát sáng kiến?

Phó giám đốc HAI và Giám đốc khoa nghiên cứu của Stanford, James Landay, là một trong những chuyên gia đã từng cân nhắc về kịch bản này. Theo Landay, việc chạy đua tìm kiếm tài nguyên GPU và việc các công ty công nghệ lớn ưu tiên sử dụng tài nguyên điện toán AI của họ sẽ thúc đẩy nhu cầu về tài nguyên điện toán, cuối cùng thúc đẩy các bên liên quan phát triển các giải pháp phần cứng rẻ hơn.

Tại Trung Quốc, chính phủ đã bắt đầu hỗ trợ các công ty khởi nghiệp AI sau cuộc chiến chip với Hoa Kỳ, vốn đã hạn chế các công ty Trung Quốc tiếp cận dễ dàng các chip quan trọng. Các chính quyền địa phương tại Trung Quốc đã đưa ra các khoản trợ cấp vào đầu năm nay, cam kết cung cấp các phiếu mua hàng điện toán cho các công ty khởi nghiệp AI có giá trị từ 140.000 đến 280.000 USD. Nỗ lực này nhằm mục đích giảm chi phí liên quan đến điện toán.

Phân cấp chi phí điện toán AI

Nhìn vào tình hình hiện tại của điện toán AI có thể thấy ngành công nghiệp này đang tập trung. Các công ty công nghệ lớn kiểm soát phần lớn các chương trình AI.

Nhưng mọi thứ đang thay đổi theo hướng tốt hơn, nhờ vào cơ sở hạ tầng điện toán phi tập trung như blockchain Qubic Layer 1. Blockchain L1 này sử dụng cơ chế khai thác tiên tiến được gọi là Proof-of-Work (PoW); không giống như PoW thông thường của Bitcoin sử dụng năng lượng cho mục đích duy nhất là bảo mật mạng, uPoW của Qubic sử dụng tài nguyên điện toán của nó cho các tác vụ AI hiệu quả như đào tạo mạng nơ-ron.

Nói một cách đơn giản hơn, Qubic đang thoát khỏi mô hình hiện tại, bị giới hạn trong phần cứng mà họ sở hữu hoặc thuê từ công ty công nghệ lớn. Thay vào đó, L1 này đang khai thác mạng lưới thợ đào của mình, có thể lên tới hàng chục nghìn người để cung cấp tài nguyên điện toán.

Mặc dù hơi kỹ thuật hơn một chút so với việc để công ty công nghệ lớn xử lý phần hậu cần, nhưng cách tiếp cận phi tập trung để tìm nguồn cung ứng tài nguyên điện toán AI sẽ tiết kiệm hơn. Quan trọng hơn, sẽ chỉ công bằng nếu các cải tiến AI được thúc đẩy bởi nhiều bên liên quan hơn là tình trạng hiện tại khi ngành công nghiệp dường như phụ thuộc vào một số ít người.

Điều gì sẽ xảy ra nếu tất cả chúng sụp đổ? Tệ hơn nữa, các công ty công nghệ này đã chứng minh được sự không đáng tin cậy với những tiến bộ công nghệ thay đổi cuộc sống.

Ngày nay, hầu hết mọi người đều phản đối việc vi phạm quyền riêng tư dữ liệu, chưa kể đến các vấn đề liên quan khác như thao túng xã hội. Với các cải tiến AI phi tập trung, việc kiểm tra các diễn biến sẽ dễ dàng hơn trong khi giảm chi phí gia nhập.

Kết luận

Những đổi mới về AI chỉ mới bắt đầu, nhưng thách thức trong việc tiếp cận tài nguyên điện toán vẫn là một trở ngại. Thêm vào đó, BigTech hiện đang kiểm soát hầu hết các nguồn lực, đây là một thách thức lớn đối với tốc độ đổi mới, chưa kể đến thực tế là những công ty này sẽ có nhiều quyền lực hơn đối với dữ liệu của chúng ta.

Tuy nhiên, với sự ra đời của cơ sở hạ tầng phi tập trung, toàn bộ hệ sinh thái AI có nhiều cơ hội hơn để giảm chi phí điện toán và loại bỏ sự kiểm soát của các công ty nghệ lớn đối với một trong những công nghệ có giá trị nhất thế kỷ 21.

Hoàng Yến