Ước mơ AI của Trung Quốc: Làm thế nào “nguồn mở” che giấu những gì quan trọng nhất

Với các công ty công nghệ lớn như Google, Microsoft và Meta đang cạnh tranh để thống trị thị trường AI, các công ty Trung Quốc như High Flyer, Baidu, Moonshot và Alibaba đã làm nên lịch sử khi phát hành các mô hình ngôn ngữ lớn của họ, bao gồm DeepSeek, ERNIE 4.5, Kimi K2 và Qwen3, dưới dạng nguồn mở. Sự thay đổi này từ việc phát hành các mô hình GenAI độc quyền đã được đón nhận như một dấu hiệu cho thấy ngành công nghiệp AI của Trung Quốc đang chấp nhận sức mạnh của nguồn mở để dân chủ hóa sự phát triển AI và thúc đẩy đổi mới.

Giống như nhiều người chơi khác tuyên bố sản phẩm của họ là nguồn mở, thậm chí đặt tên công ty của họ là “nguồn mở”, High Flyer, Baidu và Moonshot chưa thực sự chia sẻ các phần quan trọng như dữ liệu tại trung tâm của các mô hình của họ. Khi các mô hình lớn này cố gắng trở thành hàng hóa mà các nhà phát triển dựa vào, sự minh bạch của nguồn mở thực sự có thể được kiểm tra, điều tra và lặp lại là rất quan trọng để tạo ra công nghệ không thiên vị, đạo đức và có lợi mà chúng ta có thể tin tưởng. Tất cả các mô hình “nguồn mở” này thực sự là “nguồn mở trọng lượng”, nghĩa là chúng có thể được tải xuống và sử dụng, nhưng chúng không thể được kiểm tra một cách có ý nghĩa nào mà không có dữ liệu.

Khi các công ty Mỹ như Open AI và Meta dường như đang lùi lại khỏi nguồn mở, lời mời mở của Baidu để tận dụng bộ mô hình ERNIE 4.5 miễn phí có thể thực sự thúc đẩy đổi mới và hợp tác với các nhà phát triển đang tìm cách tạo ra các ứng dụng nhỏ nhưng mạnh mẽ. Đồng thời, công ty này, tương tự như Google của Trung Quốc, đã tạo cho mình một lợi thế cạnh tranh bằng cách khuyến khích việc áp dụng và củng cố các mô hình của mình trong hệ sinh thái AI đang phát triển.

Cũng có thể nói điều tương tự về DeepSeek, Kimi K2 giá rẻ và Qwen3 được cập nhật – mô hình này có các điểm chuẩn thách thức các mô hình đóng như Claude Opus 4 và GPT-4o-0327.

Các công ty AI này đã đặt mình vào vị trí tốt trong cuộc đua trở thành mô hình hàng hóa của sự lựa chọn và cập nhật sáng tạo mới nhất của Qwen3 thậm chí còn được lấy cảm hứng từ phản hồi của cộng đồng nguồn mở.

Giống như nhiều người tuyên bố mô hình AI lớn của họ là nguồn mở, cộng đồng AI Trung Quốc không thực sự chia sẻ dữ liệu hoặc các phần quan trọng khác của hệ thống AI của họ. Thay vào đó, họ đang yêu cầu các nhà phát triển toàn cầu đặt niềm tin mù quáng vào các mô hình mà họ không thể thực sự hiểu hoặc điều tra.

Đặt dấu ấn cho tương lai với mô hình AI hàng hóa nguồn mở

Khi iPhone xuất hiện trên thị trường vào năm 2007, một số người cho rằng Mac sẽ thống trị trò chơi điện thoại thông minh với iOS, nhưng sự tham gia nguồn mở là điều cần thiết cho các công ty khởi nghiệp, đồng thời cũng thúc đẩy sự phát triển kinh doanh và kinh tế toàn cầu – và Android, một công ty khởi nghiệp được Google mua lại vào năm 2005, đã theo đuổi con đường này để chiến thắng.

Bằng cách phát hành phần mềm nguồn mở có thể được xem, sửa đổi, áp dụng và chia sẻ, Android đã mời các học giả, nhà phát triển và thậm chí cả đối thủ cạnh tranh hợp tác trên phần mềm. Điều này đã tăng tốc quá trình đổi mới, dân chủ hóa sân chơi và cuối cùng, giảm giá. Android ra mắt một năm sau iPhone và vào đầu năm nay, boasted 71,88% thị phần toàn cầu so với 27,65% của iOS.

Trong một cuộc cách mạng công nghệ xảy ra gần như qua đêm, điện thoại thông minh đã trở nên phổ biến và ngay cả khi phần mềm, phần cứng và cải tiến giao diện người dùng tiếp tục, ngành công nghiệp đã phát triển xa hơn việc cố gắng cách mạng hóa cách điện thoại thông minh hoạt động. Với điện thoại di động bây giờ là một hàng hóa, đổi mới đang diễn ra trong các ứng dụng chạy trên chúng, và để trở thành những người cạnh tranh, các nhà cung cấp điện thoại thông minh phải duy trì một hệ sinh thái mời gọi các nhà phát triển.

Không đầy ba năm sau khi ra mắt ChatGPT, ngành công nghiệp AI đang tìm mình trên một ngưỡng tương tự. Mỗi người chơi trong ngành công nghiệp AI toàn cầu đều đang tìm cách biến mô hình của mình trở thành Android hoặc thậm chí iOS tiếp theo, và bằng cách trở thành nguồn mở với các mô hình DeepSeek, ERNIE 4.5 và Kimi K2, các nhà đổi mới Trung Quốc đang tìm cách đặt dấu ấn của mình trên một hệ sinh thái đang phát triển.

Mặc dù điều này có thể hoạt động có lợi cho họ, tuy nhiên, nó không tạo ra sự minh bạch thực sự của nguồn mở đã được chứng minh là không chỉ tạo ra đổi mới, mà còn tạo ra đổi mới mà chúng ta có thể tin tưởng.

Dữ liệu là phần còn thiếu trong hầu hết AI nguồn mở

Với các mô hình AI phức tạp hơn nhiều so với phần mềm truyền thống để tạo và chia sẻ, yêu cầu về nguồn mở AI đầy đủ không phải là một yêu cầu nhỏ. Thay vì chỉ là mã nguồn đơn giản, các hệ thống AI bao gồm bảy thành phần – bao gồm mã nguồn, tham số mô hình, tập dữ liệu, siêu tham số, mã nguồn đào tạo, tạo số ngẫu nhiên và khuôn khổ phần mềm.

Mỗi phần phải hoạt động cùng nhau để một mô hình có thể mang lại kết quả mong muốn, điều này có nghĩa là các nhà phát triển cần có tầm nhìn đầy đủ để chia sẻ, sửa đổi và áp dụng một hệ thống và hiểu những gì đang xảy ra. Với khả năng tái tạo là nền tảng của phương pháp khoa học, tuy nhiên, ngành công nghiệp AI có thói quen sử dụng thuật ngữ nguồn mở để chỉ các bản phát hành miễn phí hoặc giá thấp được cung cấp với quyền truy cập vào một vài phần của câu đố.

Ví dụ, Baidu đã cung cấp miễn phí mười mô hình ERNIE 4.5. Ngoài việc chia sẻ mô hình và tham số, công ty cũng đã mở nguồn ERNIEKit và công cụ triển khai FastDeploy. Những công cụ này cho phép các nhà phát triển xây dựng các ứng dụng AI mạnh mẽ bằng cách cung cấp các khả năng cấp công nghiệp, các công việc đào tạo và suy luận hiệu quả về tài nguyên và tương thích đa phần cứng.

Nghĩa là, Baidu đã cung cấp cho các nhà phát triển các công cụ thú vị giúp họ giải phóng đổi mới nhanh hơn, điều mà họ hy vọng sẽ thu hút họ chọn ERNIE 4.5 hơn các đối thủ cạnh tranh.

Các nhà phát triển tận dụng ERNIE 4.5, tuy nhiên, đang được yêu cầu tin tưởng mù quáng vào mô hình, vì Baidu đã giữ nhiều thứ ẩn, bao gồm cả tập dữ liệu thông tin và giảng dạy cho mô hình của mình.

Sức mạnh của mô hình AI nguồn mở minh bạch

Mặc dù mỗi phần của câu đố AI là quan trọng để tạo ra một mô hình hoạt động, 80% dự án AI thất bại, và dữ liệu là tại trung tâm của vấn đề. Các tập dữ liệu không chính xác, không đầy đủ và thiên vị dẫn đến các mô hình không hành xử theo cách dự đoán hoặc mong muốn.

Video va chạm Full-Self-Driving (FSD) của Tesla năm 2023 mới được phát hành, ví dụ, đã暴露 kịch bản tồi tệ nhất của những gì có thể xảy ra khi một tập dữ liệu và mô hình không đạt yêu cầu. Khi Tesla Model Y tăng tốc vào ánh nắng mặt trời đang setting, hệ thống tự động một phần không thể hiểu hoặc phản ứng phù hợp với những gì camera của nó đang nhìn thấy – hoặc không nhìn thấy. Trong khi các xe hơi được điều khiển bởi con người đã giảm tốc và kéo qua, sự nhầm lẫn của FSD đã dẫn đến cái chết của một người phụ nữ.

Sự thất bại thảm khốc này phản ánh dữ liệu hình ảnh không đầy đủ, cũng như sự thiếu một cơ chế an toàn có tính đến những điểm mù như vậy. Khi các nhà phát triển không có cái nhìn vào dữ liệu của họ, họ không thể thấy nó đang tương tác với mô hình như thế nào, điều này có nghĩa là họ không thể phát hiện ra những sai lầm và lặp lại để có hiệu suất mạnh mẽ.

Còn đáng lo ngại hơn, không có dữ liệu cung cấp năng lượng cho mô hình, họ bị buộc phải tin tưởng mù quáng vào nó.

Khi các tập dữ liệu là nguồn mở, tuy nhiên, cộng đồng AI đã chứng minh rằng họ sẽ tìm ra các vấn đề đáng lo ngại, như họ đã làm khi phát hiện hơn 1.000 URL chứa tài liệu lạm dụng tình dục trẻ em được xác minh trong LAION 5B. Với tập dữ liệu được sử dụng cho các mô hình tạo hình ảnh AI là nền tảng trong việc tạo ra các ứng dụng như Stable Diffusion và Midjourney, nó sẽ là một thảm họa cho ngành công nghiệp AI nếu người dùng bắt đầu tạo ra các hình ảnh photorealistic bất hợp pháp. Thay vào đó, tính chất mở của tập dữ liệu này đã cho phép cộng đồng tìm ra nội dung nguy hiểm và thúc đẩy một giải pháp, Liaison B.

Ngoài ra, phần lớn tập dữ liệu đầu tiên được rút ra từ việc thu thập web được thực hiện bởi Common Crawl khổng lồ, được sử dụng cho các mô hình ChatGPT và LLAMA. Ngay cả khi các trình thu thập AI tiếp tục gây ra lo ngại về bản quyền, quyền riêng tư và nhãn dán thiên vị và phân biệt chủng tộc, tuy nhiên, các nhà phát triển trong cộng đồng AI đang làm việc trên các cách để làm sạch các phần của tập dữ liệu nguồn mở Common Crawl để sử dụng an toàn hơn.

Khi các nhà phát triển nhằm mục đích không chỉ xây dựng AI mạnh mẽ, mà còn AI mà chúng ta có thể tin tưởng, cả người dùng và ngành công nghiệp đều được bảo vệ bởi sự minh bạch và hợp tác của nguồn mở thực sự.

Chấp nhận con đường nguồn mở

Với nhiều người vẫn còn e ngại về công nghệ đang phát triển này, cuộc đua để trở thành iOS hoặc Android của các mô hình AI hàng hóa lớn đang diễn ra – và khi cộng đồng AI toàn cầu đang xây dựng những gì sẽ trở thành tiêu chuẩn cho tương lai và các hệ thống AI đã đang điều khiển xe hơi và cung cấp đánh giá y tế, việc thiết lập niềm tin bằng cách tạo ra AI không thiên vị, đáng tin cậy và an toàn đã không bao giờ quan trọng hơn.

Với cộng đồng AI Trung Quốc đang cố gắng định vị mình như những người bảo vệ đổi mới mở, con đường đến AI an toàn chỉ được tìm thấy trong tính minh bạch của nguồn mở thực sự đã được chứng minh qua nhiều thập kỷ đổi mới phần mềm. Việc ném thuật ngữ này vào các hệ thống không chia sẻ các phần quan trọng như dữ liệu không cho phép các nhà phát triển điều tra, sao chép và lặp lại. Mặc dù sự hấp dẫn của các mô hình sẵn có như DeepSeek, ERNIE 4.5, Kimi K2 và Qwen3 là không thể phủ nhận, các nhà phát triển tận dụng chúng trao đổi sự minh bạch tạo ra sự hợp tác và đổi mới cho sự tiện lợi.

Cộng đồng AI phải chọn: chấp nhận sự minh bạch cấp tiến thông qua nguồn mở thực sự, hoặc rủi ro xây dựng các hệ thống quan trọng của ngày mai trên các hộp đen của ngày hôm nay.