Name: Sự phát triển của trí tuệ nhân tạo (AI) đã bắt đầu chậm lại chưa? (Are AI advancements already slowing down?)
Uploaded: 2025-07-28T20:14:58.000Z
Duration: 13 min 29 s
Description: Thousands of YouTube videos with English-Chinese subtitles! Now you can learn to understand native speakers, expand your vocabulary, and improve your pronunciation...

AI breakthroughs have been a question of when, not if.

Các đột phá trong trí tuệ nhân tạo (AI) không còn là vấn đề "có hay không", mà là "khi nào".

Google unveiling long-awaited new details about its large language model, Gemini.

Google chính thức công bố những thông tin chi tiết được mong đợi từ lâu về mô hình ngôn ngữ lớn của mình, Gemini.

Cloud 3 is arguably now one of the most powerful AI models out there, if not the most powerful.

Cloud 3 hiện nay có thể được coi là một trong những mô hình trí tuệ nhân tạo (AI) mạnh mẽ nhất hiện có, nếu không muốn nói là mạnh mẽ nhất.

Preview, if you will, for its chat GPT-5.

Hãy xem trước, nếu bạn muốn, về chatbot GPT-5 của chúng tôi.

I expect it to be a significant leap forward.

Tôi kỳ vọng đây sẽ là một bước tiến quan trọng.

But what if that core assumption that models can only keep getting bigger and better is now fizzling?

Nhưng nếu giả định cốt lõi rằng các mô hình chỉ có thể ngày càng lớn hơn và tốt hơn đang dần mất đi sức mạnh thì sao?

Liệu có thực sự có sự chậm lại trong quá trình này không?

Bởi vì điều đó không được dự kiến.

It could spell cracks in the NVIDIA Bull story.

Điều này có thể báo hiệu những rạn nứt trong câu chuyện thành công của NVIDIA.

We're increasing GPUs at the same rate, but we're not getting the intelligence improvements out of it.

Chúng tôi đang tăng số lượng GPU với cùng tốc độ, nhưng không đạt được sự cải thiện về trí tuệ từ việc này.

Calling into question the gigantic ramp in spending from Amazon, Google, Microsoft.

Đặt câu hỏi về sự gia tăng đột biến trong chi tiêu của Amazon, Google và Microsoft.

A rush for tangible use cases and a killer app.

Cuộc đua tìm kiếm các trường hợp sử dụng thực tế và ứng dụng đột phá.

I'm Deirdre Bosa with the Tech Check take.

Tôi là Deirdre Bosa, người thực hiện phần kiểm tra công nghệ.

Sự phát triển của trí tuệ nhân tạo (AI) đã đạt đỉnh chưa?

The growing concern in Silicon Valley that AI's rapid progression is losing steam.

Sự lo ngại ngày càng gia tăng tại Thung lũng Silicon rằng sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) đang mất đà.

We've really slowed down in terms of the amount of improvement.

Chúng ta đã thực sự chậm lại đáng kể về mặt tiến bộ.

Reached a ceiling and is now slowing down.

Đã đạt đến giới hạn và hiện đang chậm lại.

In the pure model competition, the question is, when do we start seeing an asymptote to scale?

Trong cuộc thi mô hình thuần túy, câu hỏi đặt ra là: Khi nào chúng ta bắt đầu thấy một đường tiệm cận theo quy mô?

Hitting walls that even the biggest players from open AI to Google can't seem to overcome.

Đối mặt với những thách thức mà ngay cả những "ông lớn" như OpenAI và Google cũng không thể vượt qua.

Sự tiến bộ không đến một cách dễ dàng.

Billions of dollars invested to keep pace, banking on the idea that returns, they would be outsized too.

Hàng tỷ đô la đã được đầu tư để bắt kịp xu hướng, đặt cược vào ý tưởng rằng lợi nhuận thu về cũng sẽ rất lớn.

Nhưng không có cơn sốt vàng nào được đảm bảo sẽ kéo dài.

And early signs of struggle are now bubbling up at major AI players.

Và những dấu hiệu ban đầu của sự cạnh tranh gay gắt đang bắt đầu xuất hiện tại các công ty công nghệ trí tuệ nhân tạo (AI) hàng đầu.

The first indication that things are turning, the lack of progression between models.

Dấu hiệu đầu tiên cho thấy tình hình đang thay đổi là sự thiếu tiến triển giữa các mô hình.

I expect that the delta between five and four will be the same as between four and three.

Tôi dự đoán rằng sự chênh lệch giữa mức 5 và 4 sẽ tương đương với sự chênh lệch giữa mức 4 và 3.

Each new generation of open AI's flagship GPT models, the ones that power chat GPT, they have been exponentially more advanced than the last in terms of their ability to understand, generate and reason.

Mỗi thế hệ mới của các mô hình GPT chủ lực của OpenAI, những mô hình cung cấp sức mạnh cho ChatGPT, đều vượt trội hơn hẳn so với thế hệ trước về khả năng hiểu, tạo ra và suy luận.

But according to reports, that's not happening anymore.

Tuy nhiên, theo các báo cáo, điều đó không còn xảy ra nữa.

There was talk prior to now that these companies were just going to train on bigger and bigger and bigger system.

Trước đây đã có những đồn đoán rằng các công ty này chỉ đơn giản là sẽ đào tạo trên các hệ thống ngày càng lớn hơn và lớn hơn nữa.

If it's true that it's top, that's not going to happen anymore.

Nếu điều đó là sự thật, thì điều đó sẽ không xảy ra nữa.

Open AI has led the pack in terms of advancements.

OpenAI đã dẫn đầu trong lĩnh vực phát triển công nghệ.

It's highly anticipated next model called Aride.

Mẫu xe mới được mong đợi nhất mang tên Aride.

It was expected to be a groundbreaking system that would represent a generational leap in bringing us closer to AGI or artificial general intelligence.

Được kỳ vọng sẽ là một hệ thống đột phá, đánh dấu một bước nhảy vọt thế hệ trong việc đưa chúng ta gần hơn với Trí tuệ nhân tạo tổng quát (AGI).

But that initial vision, it's now being scaled back.

Nhưng tầm nhìn ban đầu đó hiện đang được thu hẹp lại.

Employees who have used or tested Orion told the information that the increase in quality was far smaller than the jump between GPT three and four, and that they believed Orion isn't reliably better than its predecessor at handling certain tasks like coding.

Những nhân viên đã sử dụng hoặc thử nghiệm Orion đã chia sẻ rằng sự cải thiện về chất lượng là rất nhỏ so với sự nhảy vọt giữa GPT 3 và GPT 4, và họ cho rằng Orion không đáng tin cậy hơn phiên bản tiền nhiệm trong việc xử lý một số tác vụ cụ thể như lập t

Put in perspective, remember, chat GPT came out at the end of 2022.

Để nhìn nhận một cách khách quan, hãy nhớ rằng ChatGPT ra mắt vào cuối năm 2022.

So now it's been, you know, close to two years.

And so you had initially a huge ramp up in terms of what all these new models can do.

Và như vậy, ban đầu bạn đã chứng kiến một sự gia tăng đột biến về khả năng của tất cả các mô hình mới này.

And what's happening now is you've really trained all these models.

Và điều đang xảy ra hiện nay là bạn đã thực sự đào tạo tất cả các mô hình này.

And so the performance increases are kind of leveling off.

Và như vậy, sự tăng trưởng về hiệu suất đang dần chậm lại.

The same thing may be happening at other leading AI developers.

Cùng một tình huống có thể đang diễn ra tại các nhà phát triển AI hàng đầu khác.

The startup Anthropic, it could be hitting roadblocks to improving its most powerful model, the Opus, quietly removing wording from its website that promised a new version of Opus later this year.

Startup Anthropic có thể đang gặp khó khăn trong việc cải thiện mô hình mạnh mẽ nhất của mình, Opus, khi âm thầm gỡ bỏ nội dung trên trang web hứa hẹn sẽ ra mắt phiên bản mới của Opus vào cuối năm nay.

And sources telling Bloomberg that the model didn't perform better than the previous versions as much as it should, given the size of the model and how costly it was to build and run.

Theo các nguồn tin của Bloomberg, mô hình này không đạt hiệu quả tốt hơn so với các phiên bản trước đó như mong đợi, xét đến quy mô của mô hình và chi phí xây dựng và vận hành cao.

These are startups focused on one thing, the development of large language models with billions of dollars in backing from names like Microsoft and Amazon and Venture Capital.

Đây là những startup tập trung vào một lĩnh vực duy nhất: phát triển các mô hình ngôn ngữ lớn (LLM) với nguồn vốn đầu tư hàng tỷ đô la từ các tập đoàn lớn như Microsoft, Amazon và các quỹ đầu tư mạo hiểm (Venture Capital).

But even Google, which has enough cash on hand to buy an entire country, it may also be seeing progress plateau.

Nhưng ngay cả Google, công ty có đủ tiền mặt để mua cả một quốc gia, cũng có thể đang chứng kiến sự tăng trưởng chậm lại.

The current generation of LLM models are roughly, you know, a few companies have converged at the top, but I think they're all working on our next versions, too.

Thế hệ hiện tại của các mô hình ngôn ngữ lớn (LLM) hiện nay, nói chung, chỉ có một số công ty hàng đầu đang dẫn đầu, nhưng tôi nghĩ tất cả họ đều đang phát triển các phiên bản tiếp theo.

I think the progress is going to get harder.

Tôi nghĩ rằng tiến độ sẽ trở nên khó khăn hơn.

When I look at 25, the low hanging fruit is gone.

Khi nhìn lại tuổi 25, những cơ hội dễ dàng đã không còn.

You know, the curve, the hill is steeper.

Bạn biết đấy, đường cong, con dốc trở nên dốc hơn.

Its principal AI model, Gemini, is already playing catch up to open AI and Anthropics.

Mô hình AI chính của nó, Gemini, hiện đang nỗ lực bắt kịp OpenAI và Anthropics.

Now, Bloomberg reports, quoting sources, that an upcoming version is not living up to internal expectations.

Theo Bloomberg đưa tin, dẫn lời các nguồn tin, phiên bản sắp ra mắt không đạt được kỳ vọng nội bộ.

That's to make you think, OK, are we going to go through a period here where we're going to need to digest all this hundreds of billions of dollars we've spent on AI over the last couple of years, especially if revenue forecasts are getting cut or not changing, even though you're increasing the spending you're doing on AI.

Điều đó khiến bạn phải suy nghĩ: "OK, liệu chúng ta có đang bước vào một giai đoạn mà chúng ta sẽ phải tiêu hóa hết số tiền hàng trăm tỷ đô la mà chúng ta đã chi cho trí tuệ nhân tạo (AI) trong vài năm qua, đặc biệt là nếu dự báo doanh thu bị cắt giảm hoặ

The trend has even been confirmed by one of the most widely respected and pioneering AI researchers, Ilya Sutskever, who co-founded OpenAI and raised a billion dollar seed round for his new AI startup.

Xu hướng này thậm chí còn được xác nhận bởi một trong những nhà nghiên cứu trí tuệ nhân tạo (AI) được kính trọng và tiên phong nhất, Ilya Sutskever, người đồng sáng lập OpenAI và đã huy động được vòng đầu tư hạt giống trị giá một tỷ đô la cho startup AI m

As you scale up pre-training, a lot of the low hanging fruit was plucked.

Khi bạn mở rộng quy mô đào tạo trước, phần lớn các kết quả dễ đạt được đã được thu hoạch.

And so it makes sense to me that you're seeing a deceleration in the rate of improvement.

Và vì vậy, điều đó có ý nghĩa với tôi rằng bạn đang chứng kiến sự giảm tốc trong tốc độ cải thiện.

But not everyone agrees the rate of progress has peaked.

Nhưng không phải ai cũng đồng ý rằng tốc độ tiến bộ đã đạt đỉnh.

Foundation model pre-training scaling is intact and it's continuing.

Quá trình mở rộng quy mô đào tạo trước của mô hình cơ sở vẫn được duy trì và đang tiếp tục.

As you know, this is an empirical law, not a fundamental physical law.

Như bạn đã biết, đây là một quy luật thực nghiệm, không phải là một quy luật vật lý cơ bản.

But the evidence is that it continues to scale.

Nhưng bằng chứng cho thấy nó vẫn tiếp tục phát triển.

Nothing I've seen in the field is out of character with what I've seen over the last 10 years or leads me to expect that things will slow down.

Những gì tôi đã quan sát được trong thực tế không có gì khác biệt so với những gì tôi đã thấy trong 10 năm qua và cũng không khiến tôi dự đoán rằng tình hình sẽ chậm lại.

There's no evidence that the scaling has laws, as they're called, have begun to stop.

Không có bằng chứng cho thấy các quy luật quy mô, như chúng được gọi, đã bắt đầu dừng lại.

They will eventually stop, but we're not there yet.

Họ sẽ dừng lại, nhưng chúng ta chưa đến đó.

And even Sam Altman posting simply, there is no wall.

Và ngay cả khi Sam Altman chỉ đăng một cách đơn giản, vẫn không có bức tường nào.

OpenAI and Anthropic, they didn't respond to requests for comment.

OpenAI và Anthropic không trả lời yêu cầu bình luận.

Google says it's pleased with its progress on Gemini and has seen meaningful performance gains and capabilities like reasoning and coding.

Google cho biết họ hài lòng với tiến độ phát triển của Gemini và đã ghi nhận những cải thiện đáng kể về hiệu suất cũng như các khả năng như suy luận và lập trình.

If progress is, in fact, plateauing, it has to do with scaling laws.

Nếu sự tiến bộ thực sự đang chững lại, điều đó có liên quan đến các quy luật quy mô.

The idea that adding more compute power and more data guarantees better models to an infinite degree.

Ý tưởng cho rằng việc tăng cường sức mạnh tính toán và dữ liệu sẽ đảm bảo mô hình tốt hơn một cách vô hạn.

In recent years, Silicon Valley has treated this as religion.

Trong những năm gần đây, Thung lũng Silicon đã coi điều này như một tôn giáo.

One of the properties of machine learning, of course, is that the larger the brain, the more data we can teach it, the smarter it becomes.

Một trong những đặc điểm của học máy, tất nhiên, là não càng lớn, chúng ta càng có thể dạy cho nó nhiều dữ liệu hơn, và nó càng trở nên thông minh hơn.

Chúng tôi gọi đó là định luật quy mô.

There's every evidence that as we scale up the size of the models, the amount of training data, the effectiveness, the quality, the performance of the intelligence improves.

Có đầy đủ bằng chứng cho thấy rằng khi chúng ta mở rộng quy mô của các mô hình, lượng dữ liệu đào tạo, hiệu quả, chất lượng và hiệu suất của trí tuệ nhân tạo đều được cải thiện.

In other words, all you need to do is buy more NVIDIA GPUs, find more articles or YouTube videos or research papers to feed the models, and it's guaranteed to get smarter.

Nói cách khác, tất cả những gì bạn cần làm là mua thêm GPU NVIDIA, tìm thêm bài viết, video YouTube hoặc bài báo nghiên cứu để cung cấp dữ liệu cho các mô hình, và chắc chắn chúng sẽ trở nên thông minh hơn.

But recent development suggests that may be more theory than law.

Tuy nhiên, những phát triển gần đây cho thấy điều đó có thể chỉ là lý thuyết hơn là luật pháp.

Người ta gọi chúng là các định luật quy mô.

That's a misnomer, like Moore's law is a misnomer.

Đó là một thuật ngữ không chính xác, giống như "Luật Moore" cũng là một thuật ngữ không chính xác.

Moore's law, scaling laws, they're not laws of the universe.

Luật Moore, các định luật quy mô, chúng không phải là định luật của vũ trụ.

Đó là những quy luật thực nghiệm.

I am going to bet in favor of them continuing, but I'm not certain of that.

Tôi sẽ đặt cược rằng họ sẽ tiếp tục, nhưng tôi không chắc chắn về điều đó.

Vấn đề có thể nằm ở dữ liệu.

It's a key component of that scaling equation, but there's only so much of it in the world.

Đó là một thành phần quan trọng trong phương trình mở rộng quy mô, nhưng lượng của nó trên thế giới là có hạn.

And experts have long speculated that companies would eventually hit what is called the data wall.

Và các chuyên gia đã lâu nay đã dự đoán rằng các công ty cuối cùng sẽ gặp phải điều được gọi là "bức tường dữ liệu".

If we do nothing and if, you know, at scale, we don't continue innovating, we're likely to face similar bottlenecks in data like the ones that we see in computational capability and chip production or power or data center build outs.

Nếu chúng ta không làm gì và nếu, như bạn biết đấy, trên quy mô lớn, chúng ta không tiếp tục đổi mới, chúng ta có thể phải đối mặt với những nút thắt cổ chai tương tự trong dữ liệu như những gì chúng ta đang thấy trong khả năng tính toán, sản xuất chip, n

So AI companies have been turning to so-called synthetic data, data created by AI, fed back into AI.

Vì vậy, các công ty trí tuệ nhân tạo (AI) đã chuyển sang sử dụng dữ liệu tổng hợp, tức là dữ liệu được tạo ra bởi AI và sau đó được đưa trở lại vào hệ thống AI.

Nhưng điều đó có thể gây ra vấn đề riêng của nó.

AI is an industry which is garbage in, garbage out.

Trí tuệ nhân tạo (AI) là một ngành công nghiệp "rác vào, rác ra".

So if you feed into these models a lot of AI gobbledygook, then the models are going to spit out more AI gobbledygook.

Vì vậy, nếu bạn cung cấp cho các mô hình này nhiều dữ liệu vô nghĩa do AI tạo ra, thì các mô hình sẽ tiếp tục tạo ra nhiều dữ liệu vô nghĩa do AI tạo ra.

The information reports that Orion was trained in part on AI generated data produced by other open AI models and that Google has found duplicates of some data in the sets used to train Gemini.

Báo cáo cho biết Orion đã được đào tạo một phần trên dữ liệu do trí tuệ nhân tạo (AI) tạo ra từ các mô hình AI mở khác và rằng Google đã phát hiện ra một số dữ liệu trùng lặp trong các bộ dữ liệu được sử dụng để đào tạo Gemini.

Low quality data, low quality performance.

Dữ liệu chất lượng thấp, hiệu suất kém.

This is what a lot of the research that's focused on synthetic data is focused on.

Đây chính là điều mà nhiều nghiên cứu tập trung vào dữ liệu tổng hợp đang hướng đến.

So if you if you if you don't do this well, you don't get much more than you started with.

Vậy nên, nếu bạn không làm tốt điều này, bạn sẽ không nhận được nhiều hơn so với lúc ban đầu.

But even if the rate of progress for large language models is plateauing, some argue that the next phase, post-training or inference, will require just as much compute power.

Tuy nhiên, ngay cả khi tốc độ phát triển của các mô hình ngôn ngữ lớn đang chững lại, một số chuyên gia cho rằng giai đoạn tiếp theo, sau đào tạo hoặc suy luận, sẽ đòi hỏi lượng sức mạnh tính toán tương đương.

Databricks CEO Ali Ghazi says there's plenty to build on top of the existing models.

CEO của Databricks, Ali Ghazi, cho biết có rất nhiều tiềm năng để phát triển dựa trên các mô hình hiện có.

I think lots and lots of innovation is still left on the AI side.

Tôi nghĩ rằng vẫn còn rất nhiều tiềm năng sáng tạo chưa được khai thác trong lĩnh vực trí tuệ nhân tạo.

Maybe those who expected all of our ROI to happen in 2023, 2024, maybe they, you know, they should readjust their horizons.

Có thể những người mong đợi toàn bộ lợi nhuận đầu tư (ROI) của chúng ta sẽ đạt được vào năm 2023, 2024, có lẽ họ nên điều chỉnh lại kỳ vọng của mình.

The place where the industry is squeezing to get to get that progress is shifted from pre-training, which is, you know, lots of Internet data, maybe trying synthetic data on huge clusters of GPUs towards post-training and test and compute, which is more about, you know, smaller amounts of data, but it's very high quality, very specific.

Ngành công nghiệp đang tập trung nỗ lực để đạt được tiến bộ không còn nằm ở giai đoạn tiền đào tạo (pre-training), tức là việc xử lý lượng lớn dữ liệu từ Internet hoặc thử nghiệm dữ liệu tổng hợp trên các cụm GPU khổng lồ, mà chuyển sang giai đoạn hậu đào

Feeding data, testing different types of data, adding more compute.

Nhập dữ liệu, thử nghiệm các loại dữ liệu khác nhau, tăng cường sức mạnh tính toán.

Subtitles ListPlay Video

Sự phát triển của trí tuệ nhân tạo (AI) đã bắt đầu chậm lại chưa? (Are AI advancements already slowing down?)

eventually

multiple

debate

evidence