Báo cáo Chỉ số AI 2024 nổi bật rằng ngành công nghiệp vẫn tiếp tục dẫn đầu trong nghiên cứu AI tiên phong. Vào năm 2023, ngành công nghiệp đã tạo ra 51 mô hình học máy đáng chú ý, trong khi học viện chỉ đóng góp 15 mô hình. Ngoài ra, có 21 mô hình đáng chú ý là kết quả của sự hợp tác giữa ngành công nghiệp và học viện, đạt mức cao kỷ lục.

Xu hướng này của ngành công nghiệp thống trị nghiên cứu AI tiên phong vẫn tiếp tục tăng lên. Báo cáo đặt ra câu hỏi liệu chính phủ có nên tham gia nhiều hơn vào các dự án AI, vì vai trò dẫn đầu của khu vực tư nhân có thể tạo ra một mất cân bằng quyền lực đáng lo ngại trong tương lai.

Hơn nữa, báo cáo ghi nhận rằng số lượng các mô hình nền tảng được phát hành vào năm 2023 đã tăng gấp đôi so với năm 2022, với 65% trong số các mô hình mới được phát hành này là mã nguồn mở, tăng từ 44% vào năm 2022 và 33% vào năm 2021. Điều này cho thấy xu hướng ngày càng tăng của AI mã nguồn mở, ngay cả khi các mô hình giới hạn tiên tiến như GPT-4 và các phiên bản kế nhiệm vẫn là mã nguồn đóng.

Báo cáo cũng cung cấp ước tính về chi phí đào tạo cho các mô hình này, với GPT-4 ước tính 78 triệu USD và Gemini Ultra 191 triệu USD, nhấn mạnh các khoản đầu tư đáng kể cần thiết để phát triển các hệ thống AI tiên tiến này.

Nói chung, báo cáo vẽ ra một bức tranh về sự lãnh đạo liên tục của ngành công nghiệp trong nghiên cứu AI tiên phong, với các mô hình mã nguồn mở đang có những bước tiến, và nhu cầu tiềm ẩn về sự tham gia nhiều hơn của chính phủ để giải quyết các mối lo ngại về mất cân bằng quyền lực trong bối cảnh AI.

Báo cáo Chỉ số AI 2024 nổi bật sự gia tăng nổi bật của các mô hình AI mã nguồn mở. Một số điểm chính:

• Vào năm 2023, 65% trong số 149 mô hình nền tảng mới được phát hành là mã nguồn mở, tăng từ 44% vào năm 2022 và 33% vào năm 2021. Điều này cho thấy một xu hướng rõ ràng hướng tới phát triển AI mã nguồn mở nhiều hơn.

• Số lượng các dự án liên quan đến AI trên GitHub đã tăng mạnh 59,3% vào năm 2023, tăng hơn ba lần từ 4 triệu vào năm 2022 lên 12,2 triệu vào năm 2023. Sự bùng nổ của hoạt động mã nguồn mở này được thúc đẩy bởi việc ra mắt ChatGPT vào cuối năm 2022.

• Trong khi các mô hình mã nguồn đóng như GPT-4 và Gemini Ultra vẫn thống trị trong một số tiêu chuẩn đánh giá, báo cáo ghi nhận rằng các hệ thống mã nguồn mở đang ngày càng bắt kịp và thống trị cảnh quan AI.

• Sự gia tăng của AI mã nguồn mở được coi là một xu hướng tích cực, thúc đẩy tính minh bạch và khả năng tiếp cận. Tuy nhiên, vẫn còn những lo ngại về những rủi ro tiềm ẩn khi các mô hình mã nguồn mở mạnh mẽ rơi vào tay sai trái.

• Các cơ quan quản lý có thể sẽ phải đối mặt với việc cân bằng giữa lợi ích của đổi mới mã nguồn mở và nhu cầu giảm thiểu lạm dụng, đảm bảo phát triển có trách nhiệm của những công nghệ biến đổi này.

Tóm lại, Chỉ số AI 2024 nổi bật sự tăng trưởng đáng kể của AI mã nguồn mở, đang định hình lại cảnh quan và thách thức sự thống trị của các mô hình mã nguồn đóng. Xu hướng này có thể tiếp tục là một lĩnh vực trọng tâm cho cộng đồng AI trong những năm tới.

Chương này xem xét hiệu suất của các hệ thống AI trên nhiều tiêu chuẩn đánh giá khác nhau so với khả năng của con người. Dữ liệu cho thấy một xu hướng ngày càng ấn tượng, với AI vượt qua hiệu suất của con người trên một số nhiệm vụ:

• AI đã vượt qua hiệu suất của con người trên các tiêu chuẩn đánh giá bao gồm phân loại hình ảnh, lý luận thị giác và hiểu biết tiếng Anh.
• Tuy nhiên, AI vẫn thua kém con người trong các nhiệm vụ phức tạp hơn như toán học cấp độ cạnh tranh, lý luận thông thường thị giác và lập kế hoạch.

Xu hướng trên các tiêu chuẩn đánh giá này cho thấy khi chúng ta bước vào năm 2023 và những năm tiếp theo, AI đang nhanh chóng thu hẹp khoảng cách và thậm chí vượt qua mức cơ sở của con người trong nhiều lĩnh vực. Một số điểm chính:

• Mức cơ sở của con người đang bị vượt qua trong các lĩnh vực như phân loại hình ảnh và hiểu biết ngôn ngữ tự nhiên.
• Trong khi AI vẫn tụt lại phía sau trong các lĩnh vực như toán học và hiểu biết đọc, khoảng cách về hiệu suất đang nhanh chóng thu hẹp.
• Các tiêu chuẩn đánh giá như Multitask Language Understanding (MMLU) cho thấy khả năng của AI đang nhanh chóng tiến gần đến mức độ của con người.

Dữ liệu này gợi ý rằng vào cuối năm 2024, các hệ thống AI có thể đạt gần như sự tương đương với con người trên một loạt các nhiệm vụ nhận thức. Sự tiến bộ liên tục của các mô hình ngôn ngữ lớn như GPT-4 có khả năng thúc đẩy thêm những bước đột phá trong hiệu suất của AI. Khi các khả năng này phát triển, việc theo dõi cả tiến bộ và giới hạn của các hệ thống AI so với khả năng của con người sẽ là điều quan trọng.

Truyền thống, các hệ thống AI đã bị giới hạn về phạm vi, với các mô hình ngôn ngữ xuất sắc trong việc hiểu văn bản nhưng lại kém trong xử lý hình ảnh, và ngược lại. Tuy nhiên, những tiến bộ gần đây đã dẫn đến sự phát triển của các mô hình đa phương tiện mạnh mẽ như Gemini của Google và GPT-4 của OpenAI.

Những mô hình này thể hiện sự linh hoạt đáng kể và có khả năng xử lý cả hình ảnh và văn bản. Thực tế, Gemini 1.5 Pro thậm chí còn có thể xử lý âm thanh. Mức cơ sở cho khả năng AI đa phương tiện đã tiếp tục tăng, đạt 94,04% vào năm 2023, so với mức cơ sở của con người là 89,8%.

Sự tiến bộ trong AI đa phương tiện này đã thúc đẩy các nhà nghiên cứu phát triển các tiêu chuẩn đánh giá thách thức hơn, như SWE bench cho lập trình, Heim cho tạo hình ảnh, MMU cho lý luận chung và Mocker cho lý luận đạo đức. Những tiêu chuẩn mới này nhằm mục đích đẩy mạnh giới hạn của khả năng AI và khám phá ra những hạn chế của nó.

Mặc dù các mô hình AI đã đạt được hiệu suất bão hòa trên các tiêu chuẩn đã thiết lập như IMAC, SNAP và SuperGLUE, sự xuất hiện của những đánh giá phức tạp và đòi hỏi hơn này sẽ tiếp tục thách thức các nhà nghiên cứu và nhà phát triển. Khả năng lý luận, hiểu biết và tương tác qua nhiều phương tiện là một bước quan trọng hướng tới các hệ thống AI linh hoạt và có khả năng hơn.

Khi lĩnh vực AI đa phương tiện tiến triển, chúng ta có thể mong đợi thấy những tiến bộ ấn tượng hơn nữa trong những năm tới, với các tác nhân AI trở nên ngày càng thành thạo trong việc điều hướng và hiểu biết bản chất đa dạng và liên kết của thế giới thực.

Báo cáo Chỉ số AI nổi bật sự tiến bộ nhanh chóng trong các tiêu chuẩn đánh giá AI chuyên biệt vượt ra ngoài các nhiệm vụ truyền thống về ngôn ngữ và thị giác. Khi các hệ thống AI tiếp tục tiến bộ, các nhà nghiên cứu đã phát triển các tiêu chuẩn thách thức và tinh tế hơn để đánh giá khả năng của chúng.

Một số phát triển chính trong lĩnh vực này bao gồm:

1. Tiêu chuẩn Lập trình: Sự ra đời của SWE Bench, một tiêu chuẩn mới để đánh giá khả năng lập trình của các mô hình AI. Tiêu chuẩn này đã gây ra tranh cãi, với một số cáo buộc rằng kết quả demo không hoàn toàn chân thực. Tuy nhiên, nhiều dự án mã nguồn mở đã thể hiện hiệu suất ấn tượng trên nhiệm vụ thách thức này.

2. Tiêu chuẩn Lý luận: Các tiêu chuẩn như HEIM cho lý luận hình ảnh, MMU cho lý luận chung và MOCKER cho lý luận đạo đức đã xuất hiện để đẩy mạnh giới hạn của khả năng lý luận của AI. Trong khi các mô hình hiện tại vẫn thua kém con người trong những lĩnh vực này, báo cáo gợi ý rằng những bước đột phá trong lý luận có thể sắp xuất hiện, có thể với sự ra mắt của GPT-5 và các mô hình tiên tiến khác.

3. Tiêu chuẩn dựa trên Tác nhân: Agent Bench, đánh giá hiệu suất của các tác nhân tự trị trong các môi trường khác nhau, đã cho thấy những cải thiện ổn định. Các tác nhân AI hiện có thể thành thạo các trò chơi phức tạp như Minecraft và xử lý các nhiệm vụ thực tế như mua sắm và hỗ trợ nghiên cứu một cách hiệu quả hơn.

4. Tiêu chuẩn Tạo nhạc: Việc đánh giá các mô hình tạo nhạc trên các tiêu chuẩn như MusicCaps đã thể hiện những tiến bộ trong khả năng của AI tạo ra nhạc chất lượng cao. Báo cáo ghi nhận rằng khoảng cách giữa các mô hình mã nguồn đóng và mã nguồn mở trong lĩnh vực này vẫn đáng kể, cho thấy những khả năng tạo nhạc tiên tiến nhất vẫn chủ yếu được tìm thấy trong các hệ thống độc quyền.

5. Tiêu chuẩn Đa phương tiện: Báo cáo nổi bật sự gia tăng của các mô hình AI đa phương tiện mạnh mẽ, như Gemini của Google và GPT-4 của OpenAI, có thể xử lý kết h