Trong nhiều năm, các công ty phát triển trí tuệ nhân tạo như OpenAI, Anthropic hay Google đã dựa vào lượng dữ liệu khổng lồ trên Internet để huấn luyện mô hình ngôn ngữ. Họ lập luận rằng việc thu thập nội dung công khai trên web là phù hợp với nguyên tắc sử dụng hợp lý hoặc được pháp luật cho phép trong một số trường hợp. Thế nhưng khi AI ngày càng phát triển, chính những công ty này lại phải đối mặt với một nghịch lý.
Chưng cất mô hình – kỹ thuật gây tranh cãi
Thay vì chỉ dựa vào dữ liệu do con người tạo ra, các công ty AI giờ đây còn sử dụng chính đầu ra của những mô hình AI khác để huấn luyện hệ thống của mình. Theo Business Insider, kỹ thuật này mang tên distillation (chưng cất mô hình). Nhờ đó, mô hình mới có thể đạt chất lượng tương đối cao với chi phí thấp hơn đáng kể.
Những tháng gần đây, Anthropic liên tục lên tiếng cáo buộc một số công ty AI, trong đó có Alibaba, lợi dụng kỹ thuật này để khai thác đầu ra của Claude nhằm phát triển mô hình riêng. OpenAI và Google cũng từng bày tỏ quan điểm tương tự khi cho rằng các mô hình tiên tiến đang trở thành mục tiêu của hoạt động "sao chép" quy mô lớn.
Nghịch lý bảo vệ dữ liệu
Trước đây, nhiều công ty AI từng bảo vệ quan điểm thu thập dữ liệu công khai trên Internet cho việc huấn luyện mô hình. Tuy nhiên, khi chính các mô hình AI của họ bị sử dụng làm nguồn dữ liệu cho đối thủ, lập luận này lại trở nên khó bảo vệ hơn. Các nhà nghiên cứu AI cho rằng chưng cất mô hình không giống với việc thu thập dữ liệu từ Internet. Tuy nhiên, ngay trong ngành AI vẫn chưa có sự thống nhất về việc kỹ thuật này có được xem là hợp lý hay không, cũng như đâu là ranh giới giữa học hỏi công nghệ và sao chép thành quả.
Không chỉ riêng Trung Quốc
Theo Business Insider, việc tận dụng kết quả từ mô hình của đối thủ không phải hiện tượng mới và cũng không chỉ diễn ra ở Trung Quốc. Google từng thuê lực lượng cộng tác viên tạo và chỉnh sửa câu trả lời dựa trên ChatGPT nhằm cải thiện chất lượng Gemini trong giai đoạn hãng chạy đua với OpenAI.
Lập luận có phần mâu thuẫn này đang dần bị thực tế khắc nghiệt của Internet hiện đại phơi bày. Trong nhiều tháng qua, Anthropic liên tục siết chặt quyền truy cập vào các mô hình AI tiên tiến nhất của mình nhằm ngăn đối thủ học hỏi quá nhiều từ Claude. Tuy nhiên, những biện pháp này hoặc không mang lại hiệu quả như mong muốn, hoặc chỉ khiến các đối thủ tìm ra những cách thức tinh vi hơn để vượt qua rào cản.
Cuộc chơi mèo vờn chuột
"Đó luôn là một cuộc chơi mèo vờn chuột", Zilan Qian, nhà nghiên cứu tại Oxford China Policy Lab, chia sẻ. Theo bà, chừng nào đầu ra của các mô hình AI vẫn còn được công khai trên Internet, sẽ luôn có người tìm ra cách để tiếp cận chúng. Trước kia, các website tìm cách ngăn bot thu thập dữ liệu, còn bot liên tục tìm cách vượt qua rào cản. Giờ đây, chính các công ty AI lại rơi vào vị trí của những website năm xưa, khi phải tìm cách ngăn AI khác khai thác sản phẩm của mình.
