Đồng sáng lập OpenAI chỉ cách 'thuần hóa' các mô hình AI ngày càng mạnh

Nút thắt mới nằm ở người dùng mô hình ngôn ngữ

Andrej Karpathy nhận định, con người sẽ phải dành "nhiều thời gian hơn hẳn để cố hiểu đầu ra của các mô hình ngôn ngữ".

Lập luận của ông xuất phát từ một sự chênh lệch. Một mô hình ngôn ngữ lớn có thể viết báo cáo hàng chục trang trong vài phút. Tuy nhiên, người đọc vẫn cần thời gian như trước khi có AI để đọc nó.

Theo Karpathy, khi mô hình mạnh lên, chúng sẽ tự làm phần lớn việc tay chân. Công việc của con người khi đó sẽ "nâng lên các tầng trừu tượng, thành giám sát và thấu hiểu". Nói cách khác, cái giá của AI không còn nằm ở khâu tạo ra nội dung, mà ở khâu con người kiểm tra nội dung đó có đúng hay không.

Nếu việc đọc hiểu là nút thắt, giải pháp hợp lý là bắt AI trình bày theo cách đọc nhanh hơn. Bốn mẹo của Karpathy đều xoay quanh ý đó.

Bài học từ sổ tay bảo dưỡng máy bay

Mẹo đầu tiên của Karpathy là yêu cầu AI giải thích bằng ASD-STE100, hay "tiếng Anh kĩ thuật giản lược". Ông viết rằng các mô hình đều biết ASD-STE100 khá rõ và văn bản tạo ra sẽ dễ đọc hơn nhiều.

Chuẩn này ra đời từ một bài toán an toàn. Năm 1983, các hãng hàng không đề nghị chuẩn hóa ngôn ngữ trong tài liệu bảo dưỡng, vì khoảng 80% trong số họ đến từ các nước không nói tiếng Anh. Thợ máy đọc sai một bước trong quy trình có thể khiến máy bay gặp nạn. Năm 1986, chuẩn chính thức được áp dụng.

Phiên bản mới nhất, phát hành tháng 1/2025, gồm 53 quy tắc viết và bộ từ điển khoảng 900 từ được phép dùng. Mỗi từ chỉ có đúng một nghĩa. Câu trong quy trình không quá 20 từ, ưu tiên thể chủ động, mỗi đoạn chỉ nói một ý.

Những ràng buộc này nhắm đúng vào thói quen xấu nhất của LLM, đó là lạm dụng các câu dài, từ thừa, rào đón đủ kiểu. Aakash Gupta tóm lại trên X rằng "ngành hàng không đã giải quyết rác AI từ năm 1986". Một người dùng khác là Kun Chen thử ngay quy tắc này và nhận xét nó "tốt đến bất ngờ" trong việc làm câu trả lời rõ ràng hơn.

Giá trị của STE không chỉ nằm ở chỗ câu ngắn hơn, mà ở chỗ mỗi từ chỉ còn một nghĩa. Một câu mơ hồ không bao giờ sai hẳn, nên cũng không kiểm tra được. Một câu chính xác thì có thể bị bắt lỗi.

Karpathy cũng biết chuẩn này khá khô cứng. Ông cho biết đôi khi chỉ yêu cầu mô hình viết "80% theo ASD-STE100" để giữ cấu trúc rõ mà câu chữ vẫn tự nhiên. Blog công nghệ Fresh Brewed Science từng thử và thừa nhận văn bản theo STE rõ hơn nhưng "khô khan" hơn hẳn, mất giọng văn và sức thuyết phục.

Từ "đọc" sang "xem"

Ba mẹo còn lại của Karpathy còn đi xa hơn khi "mạnh dạn" bỏ hẳn chữ. Ông chỉ ra rằng thay vì yêu cầu AI viết, hãy để nó vẽ sơ đồ, vì sơ đồ dễ xử lí, dễ phân tích và dễ hiểu hơn nhiều. Với hệ thống có nhiều thành phần nối với nhau, một hình vẽ có thể cho thấy những mối quan hệ mà nhiều đoạn văn phải mô tả lần lượt.

Bước tiếp theo là yêu cầu output bằng HTML để nhận về một trang web đẹp, có tương tác. Các mô hình hiện nay viết giao diện web khá tốt, nên người dùng có thể bấm, lọc, mở rộng nội dung thay vì cuộn một báo cáo dài.

Định dạng Karpathy đánh giá cao nhất là video giải thích làm riêng cho từng chủ đề. Câu lệnh mẫu của ông chỉ có hai câu: tạo video giải thích về một chủ đề theo phong cách 3Blue1Brown (một kênh YouTube nổi tiếng với hoạt hình toán học), rồi dùng khóa API của ElevenLabs để lồng tiếng.

Điểm chung của các mẹo là một khái niệm Karpathy gọi là một sản phẩm phần mềm "lớn, làm riêng và dùng một lần". Trước đây, không ai dựng một trang web hay làm một video chỉ để trả lời một câu hỏi, do chi phí công sức và thời gian quá cao so với lợi ích. Giờ đây, chi phí đó đã giảm được rất nhiều nhờ "giao việc" cho AI.

Thứ tự các thủ thuật vì thế giống một chiếc thang. Mỗi bậc tốn nhiều năng lực máy tính hơn để tạo ra, đổi lại người dùng tốn ít công hơn để hiểu.

Dễ hiểu chưa chắc đã dễ kiểm tra

Karpathy đặt hai từ "giám sát" và "thấu hiểu" cạnh nhau. Thực tế, nhiều người dùng cho rằng một định dạng có thể giúp việc này mà cản trở việc kia.

Theo đó, một video hoạt hình có lồng tiếng chạy theo nhịp do người làm ra nó thiết lập. Người xem khó dừng lại đối chiếu từng câu với nguồn, không tìm kiếm được một con số, khó nhận ra một bước lập luận bị bỏ qua.

Văn bản thì ngược lại. Tuy chậm và "khô" hơn, nhưng người dùng có thể dễ kiểm tra từng câu từ hơn. Chiếc thang của Karpathy, xét theo độ dễ hiểu, có thể đảo ngược khi xét theo độ dễ kiểm tra.

Trong bốn cách, ASD-STE100 có lẽ là cách duy nhất cải thiện cả hai. Nó vẫn là văn bản, nhưng là văn bản không còn chỗ cho sự mơ hồ.

Kỹ năng mới của người dùng AI

Bài đăng của Karpathy cho thấy một thay đổi trong cách làm việc với AI. Trước đây, câu hỏi là nhờ AI làm gì và viết câu lệnh ra sao. Giờ người dùng cần thêm một câu hỏi: mình cần nhìn kết quả dưới dạng nào để biết nó đúng?

Câu trả lời có lẽ không nằm ở một format duy nhất, mà ở cách kết hợp. Video hay trang web giúp nắm bức tranh lớn. Bản văn bản gọn, rõ nghĩa giúp soi từng chi tiết. Khi AI tạo ra cả hai gần như miễn phí, không còn lý do để chọn một.

Người dùng thật sự kiểm soát được AI sẽ không phải là người đọc nhanh nhất. Đó là người biết bắt AI trình bày theo cách để hạn chế tối đa lỗi sai.

AI trong trải nghiệm khách hàng: Từ tốc độ đến bài toán niềm tin và hiệu quả kinh doanh