Name: Bạn đã bao giờ muốn có một trợ lý cá nhân chưa? Một trợ lý AI có thể sắp xuất hiện. (Ever wanted a personal assistant? An AI one could be around the corner)
Uploaded: 2025-10-27T18:27:59.000Z
Duration: 34 min 56 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...

Welcome to beyond the Valley, a CNBC tech podcast with Arjun Karpal and Tom Chitty.

Chào mừng đến với Beyond the Valley, một tech podcast của CNBC với Arjun Karpal và Tom Chitty.

Have you ever wanted a personal assistant?

Bạn đã bao giờ muốn có một personal assistant chưa?

Someone that can manage your diary, arrange travel, make notes in meetings, but also knows you personally, what your interests are, your habits, your likes and dislikes.

Một người có thể quản lý lịch trình của bạn, sắp xếp các chuyến đi, ghi chú trong các cuộc họp, nhưng cũng hiểu bạn về mặt cá nhân, sở thích của bạn là gì, thói quen, những gì bạn thích và không thích.

Now, what if that assistant was an AI large language model trained on your individual data?

Bây giờ, điều gì sẽ xảy ra nếu trợ lý đó là một AI large language model được đào tạo trên dữ liệu cá nhân của bạn?

This is just one of the many ways that future technology could impact our lives in 2025 and beyond, according to a list of predictions that have often become a reality beyond the Valley.

Đây chỉ là một trong nhiều cách mà future technology có thể tác động đến cuộc sống của chúng ta vào năm 2025 và xa hơn nữa, theo một danh sách các dự đoán mà thường xuyên trở thành hiện thực trên Beyond the Valley.

Vị khách của chúng ta tuần này là Ben Wood.

He is chief analyst at tech research firm CCS Insight.

Ông là chief analyst tại công ty nghiên cứu công nghệ CCS Insight.

In 2021, he was ranked as one of the top five tech analysts in the US and Europe by Apollo Research.

Vào năm 2021, ông được Apollo Research xếp hạng là một trong năm tech analysts hàng đầu tại US và Europe.

Ben is also the founder and co curator of the Mobile Phone Museum.

Ben cũng là founder và co curator của Mobile Phone Museum.

But this week we're going to discuss his work leading CCS Insight's annual predictions event.

Nhưng tuần này chúng ta sẽ thảo luận về công việc của ông ấy trong việc dẫn dắt annual predictions event của CCS Insight.

Ben, thanks for joining us on beyond the Valley again.

Ben, cảm ơn bạn đã quay trở lại với Beyond the Valley.

You are the first repeat guest we've had on the podcast.

Bạn là vị khách thứ hai quay lại podcast của chúng tôi.

Well, I'm flattered to enter that hall of fame.

Chà, tôi rất vinh dự khi được vào danh sách danh dự đó.

Cảm ơn bạn rất nhiều vì đã mời tôi trở lại.

We're going to get a plaque of some sort, I imagine.

Tôi đoán chúng ta sẽ nhận được một tấm bảng gì đó.

We did promise maybe to give out mugs, didn't we, to some of our guests?

Chúng ta đã hứa có thể tặng cốc cho một vài vị khách, phải không?

That hasn't materialized yet, but we'll work on that.

Điều đó vẫn chưa thành hiện thực, nhưng chúng ta sẽ cố gắng thực hiện.

Chúng ta chỉ có ba hoặc bốn cái thôi.

Các vấn đề về chuỗi cung ứng.

Talk us through this event and how you come up with these predictions.

Hãy nói cho chúng tôi biết về sự kiện này và cách ông đưa ra những dự đoán đó.

So I've been in the analyst game for quite a while and I don't know, about 15 years ago or so, there were a few companies who were doing the odd tech prediction, but I felt there was an opportunity to do it in a more structured manner.

Tôi đã làm việc trong lĩnh vực phân tích được một thời gian khá lâu rồi và tôi không biết, khoảng 15 năm trước hoặc hơn, có một vài công ty đã đưa ra những dự đoán công nghệ kỳ lạ, nhưng tôi cảm thấy có cơ hội để làm điều đó một cách có cấu trúc hơn.

We had a team of analysts and quite frankly, our job is to provide insight into where technology is going to.

Chúng tôi có một đội ngũ các nhà phân tích và thành thật mà nói, công việc của chúng tôi là cung cấp cái nhìn sâu sắc về hướng đi của công nghệ.

And if a team of analysts can't come up with a few interesting predictions, then we're not doing our job properly.

Và nếu một đội ngũ các nhà phân tích không thể đưa ra một vài dự đoán thú vị, thì chúng tôi đã không làm tốt công việc của mình.

So we started putting together a short list of predictions about how we saw things happening in the next year in the kind of five years out.

Vì vậy, chúng tôi bắt đầu lập một danh sách ngắn các dự đoán về cách chúng tôi nhìn thấy mọi thứ sẽ diễn ra trong năm tới và khoảng năm năm tới.

So this year, for example, would be 2025 and beyond.

Vì vậy, ví dụ như năm nay sẽ là năm 2025 và xa hơn nữa.

But the charter for the predictions was they have to be definitive.

Nhưng mục tiêu của các dự đoán là chúng phải mang tính quyết định.

It can't be kind of like might, could, would.

Nó không thể kiểu như có thể, có lẽ, sẽ.

I like people to actually put it on the line and actually commit to something.

Tôi thích mọi người thực sự đặt cược và thực sự cam kết với điều gì đó.

We don't do stuff that's deliberately provocative.

Chúng tôi không làm những điều cố tình khiêu khích.

I think that's a bit of a fool's errand, but we will put things in there which might raise people's eyebrows because if you just go for low hanging fruit and say, you know, the sun will come up and grass will be green if it rains and those sorts of things, it's a waste of time.

Tôi nghĩ đó là một nhiệm vụ khá vô ích, nhưng chúng tôi sẽ đưa vào những điều có thể khiến mọi người ngạc nhiên vì nếu bạn chỉ chọn những điều hiển nhiên và nói, bạn biết đấy, mặt trời sẽ mọc và cỏ sẽ xanh nếu trời mưa và những thứ tương tự, thì đó là lãn

You have to have stuff which is potentially a little bit more edgy and that means you will get things wrong.

Bạn phải có những thứ có khả năng hơi táo bạo hơn và điều đó có nghĩa là bạn sẽ sai.

And then the final thing that we put into it was the fact that we, we're always happy to after we'd done our predictions the year later or a couple of years later, we'd go back and reflect on them and say, here's some we got right, but more importantly, here's the ones we got wrong.

Và điều cuối cùng mà chúng tôi đưa vào đó là thực tế là chúng tôi, chúng tôi luôn sẵn lòng sau khi chúng tôi đưa ra dự đoán của mình, một năm sau hoặc vài năm sau, chúng tôi sẽ xem lại và suy ngẫm về chúng và nói, đây là một số điều chúng tôi đã đúng, như

Và tại sao chúng tôi nghĩ đó là trường hợp?

Well, we're going to get into those later in the episode, but first let's talk about the prediction that we're most interested and explore it a little deeper before we do that though, Stat of the Week Ben, you played last time, I can't actually remember the result of I got in the ballpark, but I didn't get it exactly right.

Chà, chúng ta sẽ đi sâu vào những điều đó sau trong tập, nhưng trước tiên hãy nói về dự đoán mà chúng ta quan tâm nhất và khám phá nó sâu hơn một chút trước khi làm điều đó, Thống kê của Tuần Ben, lần trước bạn đã chơi, tôi không thực sự nhớ kết quả của t

Đó là một thống kê của Samsung.

Yeah, I think you were really far off as well, Tom, as yeah, as usual.

Ừ, tôi nghĩ anh cũng sai bét nhè luôn, Tom, như mọi khi.

And remember a few episodes ago, just want to make this very clear.

Và nhớ lại vài tập trước, tôi chỉ muốn làm rõ điều này.

Well, for looking at Google during the salad.

À, vì đã xem Google trong lúc ăn salad.

I think it was reviewed and inconclusive.

Tôi nghĩ nó đã được xem xét và không có kết luận.

There's still an inquiry going on as we speak.

Vẫn đang có một cuộc điều tra diễn ra ngay lúc này.

But the start of the week this week, 990 billion.

All right, so the prediction that we're going to discuss in the main for this episode is this.

Được rồi, vậy dự đoán mà chúng ta sẽ thảo luận chính trong tập này là đây.

So the first personal large language model for AI arrives in 2025.

Vậy large language model cá nhân đầu tiên cho AI sẽ ra mắt vào năm 2025.

A personal large language model is trained using only data specific to an individual user.

Một large language model cá nhân được huấn luyện chỉ sử dụng dữ liệu dành riêng cho từng người dùng.

In contrast to a standard model, it is tuned specifically to a person's communication style, name, needs and preferences.

Trái ngược với mô hình tiêu chuẩn, nó được tinh chỉnh đặc biệt cho phong cách giao tiếp, tên, nhu cầu và sở thích của một người.

It is trained using the individual's data based on previous interactions, such as emails, messages, documents and social media interactions.

Nó được huấn luyện bằng dữ liệu của cá nhân dựa trên các tương tác trước đây, chẳng hạn như email, tin nhắn, tài liệu và tương tác trên mạng xã hội.

The model is continuously updated by drawing on the person's evolving data sources.

Mô hình được cập nhật liên tục bằng cách sử dụng các nguồn dữ liệu đang phát triển của cá nhân.

So the thesis behind this prediction is the fact that we've seen AI becoming more prominent.

Vậy luận điểm đằng sau dự đoán này là thực tế là chúng ta đã thấy AI ngày càng trở nên nổi bật hơn.

We're certainly seeing it becoming very much an on device phenomenon centered around the smartphone and we're seeing the addition of things like contextual awareness.

Chúng ta chắc chắn đang thấy nó trở thành một hiện tượng trên thiết bị, tập trung vào điện thoại thông minh và chúng ta đang thấy sự bổ sung của những thứ như nhận thức ngữ cảnh.

So if there's something on the screen, the AI model can look at it and it can help you provide information on that.

Vì vậy, nếu có thứ gì đó trên màn hình, mô hình AI có thể xem nó và nó có thể giúp bạn cung cấp thông tin về điều đó.

Something that we're intrigued about and excited about is the idea of taking all of the personal data that people have, and of course with all of the Uzi caveats around privacy, and using that to, to create a model which is more tailored to that specific individual.

Một điều mà chúng tôi tò mò và hào hứng là ý tưởng lấy tất cả dữ liệu cá nhân mà mọi người có, và tất nhiên với tất cả những cảnh báo về quyền riêng tư, và sử dụng nó để tạo ra một mô hình phù hợp hơn với từng cá nhân cụ thể đó.

And if there's one company that's well positioned to do this, it's Apple, because of the unbelievable repository of personal data that people tend to have on an iPhone or in icloud, because Apple have been fantastically good at taking people on a journey of keeping all of their data from one generation of a device to another.

Và nếu có một công ty có vị thế tốt để làm điều này, thì đó là Apple, vì kho dữ liệu cá nhân khổng lồ mà mọi người có xu hướng có trên iPhone hoặc trong iCloud, bởi vì Apple đã làm rất tốt việc giúp mọi người chuyển tất cả dữ liệu của họ từ thế hệ thiết b

And what this means is, is you would then be able to get some amazing results out of this kind of model.

Và điều này có nghĩa là, bạn sẽ có thể nhận được một số kết quả tuyệt vời từ loại mô hình này.

So just take for example, some of these scenarios we see about asking AI to create a holiday for me or those sorts of things.

Vì vậy, hãy lấy ví dụ, một số kịch bản chúng ta thấy về việc yêu cầu AI tạo ra một kỳ nghỉ cho tôi hoặc những thứ tương tự.

It's still relying somewhat on some sort of general algorithms around what people like you like.

Nó vẫn còn phụ thuộc phần nào vào một số thuật toán chung về những gì những người như bạn thích.

But this would take it right down to that specific view in terms of where you've been in the past, what you like, perhaps doing analysis of pictures you've taken so you can tell who you like, going with what things.

Nhưng điều này sẽ đi sâu vào quan điểm cụ thể đó về việc bạn đã từng ở đâu trong quá khứ, bạn thích gì, có lẽ phân tích những bức ảnh bạn đã chụp để bạn có thể cho biết bạn thích đi cùng với những gì.

Những điều khiến bạn hào hứng.

It could be a remarkable way of delivering context and for other things, just prioritizing important things in your life.

Nó có thể là một cách tuyệt vời để cung cấp ngữ cảnh và cho những điều khác, chỉ cần ưu tiên những điều quan trọng trong cuộc sống của bạn.

If things are appearing in your email that maybe haven't been there for a while, but they all of a sudden are super hyper relevant and you need to know about them, it could surface those better than a general model.

Nếu có những thứ xuất hiện trong email của bạn mà có lẽ đã lâu rồi không có, nhưng đột nhiên chúng lại cực kỳ liên quan và bạn cần biết về chúng, nó có thể hiển thị những thứ đó tốt hơn một mô hình chung.

So this would be something you see working on devices at this point, whether it's a smartphone or a tablet, laptop, etc.

Vì vậy, đây sẽ là thứ bạn thấy hoạt động trên các thiết bị tại thời điểm này, dù là điện thoại thông minh hay máy tính bảng, máy tính xách tay, v.v.

Sử dụng tất cả những điều đó.

So in the holiday example, that could be something like scraping sort of your, your photo day, saying, well, you've got a lot of pictures of food when you're on holiday.

Vì vậy, trong ví dụ về kỳ nghỉ, đó có thể là thứ gì đó như xem lại ngày chụp ảnh của bạn, nói rằng, bạn có rất nhiều ảnh đồ ăn khi đi nghỉ.

Specifically you're really into food when you go abroad.

Cụ thể là bạn thực sự thích đồ ăn khi đi du lịch nước ngoài.

Maybe we should throw up some good restaurant recommendations for you.

Có lẽ chúng ta nên gợi ý cho bạn một số nhà hàng ngon.

When you go on holiday, there's a lot of beaches you like.

Khi bạn đi nghỉ, có rất nhiều bãi biển mà bạn thích.

A beach holiday, is it, is it that kind of way that it will work?

Một kỳ nghỉ biển, liệu nó có hoạt động theo cách đó không?

And then down to all of the individual things.

Và sau đó đi sâu vào tất cả các chi tiết riêng lẻ.

You know, looking in your email to see what hotel reservations you've made and making sure that it's the kind of profile of hotel that you like, looking at the kind of experiences that you like.

Bạn biết đấy, xem trong email của bạn để biết bạn đã đặt phòng khách sạn nào và đảm bảo đó là loại hồ sơ khách sạn mà bạn thích, xem xét các loại trải nghiệm mà bạn thích.

You know, make no mistake, we're seeing with AI already you can get some general information in this context and it will draw on some of your personal information already.

Bạn biết đấy, đừng nhầm lẫn, chúng ta đang thấy AI đã có thể cung cấp một số thông tin chung trong bối cảnh này và nó sẽ dựa trên một số thông tin cá nhân của bạn.

Nhưng điều này sẽ thực sự cá nhân hóa.

And the reason it needs to be on device is because it means that it's ring fenced.

Và lý do nó cần phải có trên thiết bị là vì nó có nghĩa là nó được bảo vệ.

From a privacy perspective, you don't want that deepest personal data all being relinquished up into the cloud and then to goodness knows who.

Từ góc độ quyền riêng tư, bạn không muốn dữ liệu cá nhân sâu nhất đó bị chuyển lên đám mây và sau đó cho ai đó không rõ.

So can we just talk about that from a technical perspective on how it will work?

Vậy chúng ta có thể nói về điều đó từ góc độ kỹ thuật về cách nó sẽ hoạt động không?

Because we did an episode recently on large language models and we're talking about all of these large language models being trained via these huge, you know, GPU chipsets, data servers, etc.

Bởi vì chúng tôi đã có một tập gần đây về large language models và chúng tôi đang nói về tất cả các large language models này được huấn luyện thông qua các bộ chip GPU khổng lồ, máy chủ dữ liệu, v.v.

And then obviously in the cloud you can access the services that are a result of them, Whether it be ChatGPT or something else, so that we understand.

Và sau đó rõ ràng trên đám mây, bạn có thể truy cập các dịch vụ là kết quả của chúng, dù là ChatGPT hay thứ gì khác, để chúng ta hiểu.

And when we're accessing some of the current smartphone digital assistants, whether it be, you know, Google, Gemini, Samsung's Bixby, or the Apple Siri and Apple intelligence, when it comes again, it's not fully on device yet.

Và khi chúng ta truy cập một số trợ lý kỹ thuật số trên điện thoại thông minh hiện tại, dù là Google, Gemini, Bixby của Samsung, hay Siri và Apple intelligence của Apple, thì nó vẫn chưa hoàn toàn hoạt động trên thiết bị.

A lot of it will still be coming from the cloud.

Phần lớn vẫn sẽ đến từ đám mây.

So when it comes to a sort of personalized LLM, how would one train or how would a company train that and then sort of deploy that to the user?

Vậy khi nói đến một large language model cá nhân hóa, thì làm thế nào để một người hoặc một công ty huấn luyện và triển khai nó cho người dùng?

Chà, tôi nghĩ điều đó rất thú vị.

You know, we obviously continue to see the processing power on devices increasing.

Rõ ràng, chúng ta tiếp tục thấy sức mạnh xử lý trên thiết bị ngày càng tăng.

We're seeing the size of the models growing.

Chúng ta đang thấy kích thước của các mô hình ngày càng lớn.

So the latest Gemini nano model, 3.8 trillion parameters.

Vì vậy, mô hình Gemini nano mới nhất có 3,8 nghìn tỷ tham số.

I mean, it's staggering, staggering numbers.

Ý tôi là, đó là những con số đáng kinh ngạc, đáng kinh ngạc.

Bạn đã bao giờ muốn có một trợ lý cá nhân chưa? Một trợ lý AI có thể sắp xuất hiện. (Ever wanted a personal assistant? An AI one could be around the corner)