Lộ trình học tập để đầu tư vào AI

Nguồn: DaoShuo Blockchain

Trong buổi thảo luận trực tuyến vào thứ Bảy, một số cư dân mạng đã để lại tin nhắn hỏi họ có thể đọc những cuốn sách nào, có thể đăng ký tạp chí nào và có thể sử dụng phương pháp nào để học trong lĩnh vực AI?

Tôi nghĩ việc nghiên cứu AI nên dựa trên mục đích của chúng ta.

Với tôi, mục đích học AI rất đơn giản: không phải để trở thành chuyên gia trong lĩnh vực này, cũng không phải để kiếm sống bằng nghề này trong tương lai, mà chỉ đơn giản là để hiểu được sự phát triển của ngành này để có thể tìm ra cơ hội đầu tư phù hợp trong lĩnh vực này.

Để nghiên cứu mục đích này, tôi nghĩ điều quan trọng nhất là phải hiểu logic của AI để có thể đưa ra đánh giá sơ bộ về những điều mới sẽ xuất hiện trong lĩnh vực AI trong tương lai.

Để hiểu được logic của AI, tôi nghĩ bạn có thể bắt đầu với một số cuốn sách giới thiệu các nguyên tắc cơ bản của AI.

Về vấn đề này, có một cuốn sách trực tuyến mà ngay cả Altman cũng giới thiệu là "Đây là ChatGPT" (do Stephen Wolfram viết).

Cuốn sách này bắt đầu với những khái niệm cơ bản đơn giản nhất và giới thiệu các nguyên tắc toán học và phương pháp làm việc của các mô hình ngôn ngữ lớn. Chỉ cần bạn biết các phép cộng, trừ, nhân, chia cơ bản là bạn có thể đọc cuốn sách này.

Nếu bạn thấy khó đọc, bạn chỉ cần đọc vài chương đầu. Bạn có thể hiểu được tổng quát các nguyên tắc của mô hình ngôn ngữ lớn mà không cần đọc các chương sau.

Sau khi hiểu được các nguyên tắc này, chúng ta có thể biết tại sao việc đào tạo các mô hình ngôn ngữ lớn lại cần đến GPU, dữ liệu và thuật toán, đồng thời chúng ta cũng có thể biết GPU, dữ liệu và thuật toán đóng vai trò gì và ở khía cạnh nào trong quá trình đào tạo các mô hình ngôn ngữ lớn.

Nếu chúng ta suy nghĩ sâu hơn, chúng ta sẽ biết NVIDIA đã thực hiện loại tối ưu hóa nào đối với GPU để cải thiện hiệu quả đào tạo các mô hình ngôn ngữ lớn, tại sao NVIDIA đã mua lại một số công ty nhỏ trong lịch sử để thực hiện các tối ưu hóa đó và những công ty nhỏ được mua lại đó làm gì.

Theo logic này, tôi hiểu sơ bộ tại sao nhiều cái gọi là năng lực điện toán phi tập trung trên thị trường lại là "dự án giả" - không phải là hướng đi của năng lực điện toán phi tập trung là sai, mà là rất khó để thiết kế một hệ thống năng lực điện toán phi tập trung lý tưởng trong khuôn khổ NVIDIA.

Để thực sự hiện thực hóa hệ thống này, tôi nghĩ thiết kế của GPU phải được tái cấu trúc. Nếu chúng ta phải sử dụng khuôn khổ của NVIDIA để xây dựng một hệ thống điện toán phi tập trung như vậy, thì hệ thống được xây dựng này chỉ có thể được coi là một thử nghiệm hoặc trình diễn, và rất khó để trở thành đối thủ cạnh tranh mạnh mẽ với hệ thống điện toán tập trung.

Khi chúng ta đã hiểu được các nguyên tắc cơ bản của AI, chúng ta không cần phải đi sâu hơn vào toán học nữa. Tiếp theo, tôi sẽ tập trung vào các tình huống ứng dụng và xu hướng phát triển của AI. Về vấn đề này, tôi đã đọc "Điểm uốn: Đứng trước thềm AI lật đổ thế giới" của Wan Weigang.

Điểm hay của cuốn sách này là nó rất giàu trí tưởng tượng và có cơ sở logic cơ bản, cho phép chúng ta suy đoán hợp lý và tưởng tượng thế giới tương lai tràn ngập AI sẽ như thế nào.

Ngoại trừ hai cuốn sách này, tôi chưa đọc bất kỳ cuốn sách nào khác. Thời gian còn lại, tôi chủ yếu đọc nhiều bài viết khác nhau trên Internet (như tài khoản công khai WeChat và Twitter) và theo dõi nhiều diễn biến mới. Sau đó, chúng tôi làm giàu và mở rộng hiểu biết của mình về AI dựa trên thông tin mới được cung cấp trong các bài viết và cập nhật này.

Ví dụ, chúng ta biết rằng ChatGPT hiện tại là một mô hình ngôn ngữ lớn, chủ yếu đào tạo AI để hiểu ngôn ngữ. Nhưng trí thông minh của con người rất phong phú và đa dạng. Ngoài ngôn ngữ, chúng ta còn có nhiều cách khác để nhận thức thế giới. Nhiều bài viết trong lĩnh vực AI sẽ giới thiệu về sự phát triển của các loại AI khác, chẳng hạn như mô hình hành vi, mô hình không gian, v.v.

Kiến thức này có thể làm phong phú thêm sự hiểu biết theo chiều ngang của chúng ta về AI và cho chúng ta biết rằng sự phát triển của AI trải dài trên rất nhiều lĩnh vực. Một số lĩnh vực này vẫn đang trong giai đoạn nghiên cứu, trong khi một số đã cho thấy kết quả khả quan. Trong vài năm tới, có thể họ sẽ cho ra đời "ChatGPT" của riêng mình. Và khi những “ChatGPT” mới này xuất hiện, chúng sẽ cần bao nhiêu đám mây, sức mạnh điện toán và GPU?

Những điều này có thể làm phong phú thêm đáng kể sự hiểu biết và trí tưởng tượng của chúng ta về việc đầu tư vào lĩnh vực AI.

Ngoài ra, tôi khuyên bạn nên đọc thêm các bản tóm tắt và chia sẻ về sự phát triển của lĩnh vực AI của một số nhà đầu tư mạo hiểm nổi tiếng.

Ví dụ, gần đây tôi đã đọc một số thông tin chuyên sâu từ Sequoia Capital về sự phát triển của lĩnh vực AI, trong đó có đề cập đến "nền kinh tế tác nhân thông minh" có thể xuất hiện trong tương lai, tức là nền kinh tế có thể được hình thành thông qua sự tương tác giữa các tác nhân AI.

Khi nói về nền kinh tế này, Sequoia Capital nhấn mạnh rằng nó phải có ba yếu tố:

Đầu tiên là bản sắc lâu dài; thứ hai là giao tiếp liền mạch; và thứ ba là an ninh.

Sau khi đọc ba yếu tố này, tôi nghĩ ngay đến blockchain. Ba yếu tố này không phải là những tính năng nổi bật của công nghệ blockchain sao?

Ví được mã hóa là danh tính vĩnh viễn của AI, tương tác dựa trên hợp đồng thông minh blockchain là giao tiếp liền mạch mà không bị can thiệp và các đặc điểm phi tập trung và chống kiểm duyệt đảm bảo tính bảo mật của các tác nhân AI.

Trên đây là một số phương pháp tôi sử dụng để học và hiểu AI, để bạn tham khảo.