Naval Ravikant: Phòng AI dùng “bánh đà” giữ nhân tài, dữ liệu

Có phân tích cho rằng các phòng nghiên cứu AI hàng đầu đang xây dựng cấu trúc “bánh đà” (flywheel) nhằm thu hút nhân tài xuất sắc và dữ liệu người dùng để nâng cao hiệu suất mô hình.

Naval Ravikant, nhà sáng lập kiêm nhà đầu tư của AngelList, đã giải thích chiến lược của các phòng nghiên cứu AI hàng đầu trong bài đăng trên X ngày 10. Nội dung này được PANews đưa tin.

Naval nói: “Để những người giỏi nhất sử dụng mô hình hàng đầu, rồi trích xuất dữ liệu đầu vào của họ, đầu ra của chính mô hình, cùng dữ liệu tổng hợp và môi trường huấn luyện được tạo ra từ đó, để đưa trở lại vào quá trình huấn luyện”. Điều này có nghĩa là các phòng nghiên cứu không chỉ dừng lại ở việc thu hút nhân tài, mà còn kết nối kết quả tạo ra trong quá trình sử dụng vào việc cải thiện mô hình.

Bánh đà là cấu trúc tuần hoàn trong đó sự gia tăng người dùng và việc cải thiện dịch vụ thúc đẩy lẫn nhau. Khi phòng nghiên cứu AI thu hút được nhân tài xuất sắc, dữ liệu đầu vào và kết quả chất lượng cao sẽ được tích lũy, việc cải thiện mô hình dựa trên đó có thể dẫn đến việc thu hút thêm người dùng mới.

Trong cấu trúc này, người dùng không chỉ đơn thuần là người tiêu dùng mà trở thành chủ thể tham gia vào quá trình cải thiện mô hình. Dữ liệu đầu vào và đầu ra được tạo ra từ nhiều tác vụ khác nhau có thể được dùng làm cơ sở để đánh giá mô hình cần đáp ứng yêu cầu nào.

Naval cho rằng nguyên nhân khiến người dùng tiếp tục sử dụng các mô hình hàng đầu là sự cạnh tranh giữa các phòng nghiên cứu AI. Ông giải thích rằng khi các phòng nghiên cứu cạnh tranh về hiệu suất, mô hình được cải thiện nhanh chóng, và người dùng tìm đến mô hình hàng đầu để có kết quả tốt hơn.

Phân tích chỉ ra rằng thay vì chỉ dựa vào hiệu suất mô hình để phân định lợi thế cạnh tranh, cấu trúc kết nối giữa nhân tài, người dùng, dữ liệu và môi trường huấn luyện cũng có thể trở thành một phần của năng lực cạnh tranh. Người dùng càng nhiều, các trường hợp tác vụ càng đa dạng, và phòng nghiên cứu càng có nhiều dư địa để điều chỉnh cách huấn luyện cũng như môi trường đánh giá mô hình.

Điểm được xem là cốt lõi là việc sử dụng đồng thời dữ liệu đầu vào và kết quả đầu ra của mô hình. Nếu cộng thêm dữ liệu tổng hợp và môi trường huấn luyện được tạo ra trong quá trình sử dụng, sẽ hình thành cấu trúc trong đó việc sử dụng dịch vụ trở thành nguồn tài nguyên cho chu kỳ huấn luyện tiếp theo.

Điều này cũng liên quan đến cuộc cạnh tranh thu hút nhân tài giữa các nền tảng AI. Trước đó từng có phân tích cho rằng sự dịch chuyển nhân tài xung quanh các nền tảng AI có thể ảnh hưởng đến hình thái tổ chức doanh nghiệp cũng như tiêu chuẩn đánh giá của nhà phát triển và người dùng.

Tuy nhiên, phát biểu lần này chỉ là phân tích của Naval về chiến lược của các phòng nghiên cứu AI, không phải là xác nhận việc một phòng nghiên cứu cụ thể nào đang sử dụng dữ liệu theo cách tương tự, cũng không xác nhận kết quả đạt được từ đó.

Trọng tâm của phân tích này là trong khi cuộc cạnh tranh giữa các phòng nghiên cứu AI tiếp diễn, cấu trúc gắn kết giữa việc thu hút nhân tài, mức độ sử dụng mô hình và cách khai thác dữ liệu có thể được củng cố thêm. Hiện trạng áp dụng cụ thể theo từng phòng nghiên cứu và kết quả thực tế vẫn cần được xác nhận riêng.