Cuộc phỏng vấn mới nhất với đồng sáng lập OpenAI: Điều gì sẽ đến với ChatGPT sau khi đóng cửa Sora?

Tiêu đề video: Chủ tịch OpenAI Greg Brockman: Chiến lược AI, AGI và Siêu ứng dụng
Tác giả video: Alex Kantrowitz
Dịch: Peggy, BlockBeats

Lời biên tập: Bài viết này được dịch từ cuộc trò chuyện với Chủ tịch kiêm đồng sáng lập OpenAI Greg Brockman trên Big Technology Podcast. Chương trình từ lâu đã tập trung vào những thay đổi trong lĩnh vực AI, ngành công nghệ và cấu trúc kinh doanh, đóng vai trò là cửa sổ quan trọng để quan sát những diễn biến tại Thung lũng Silicon.

Trong cuộc trò chuyện này, Brockman không đi sâu vào khả năng của bản thân mô hình mà đẩy vấn đề đi xa hơn: khi năng lực của AI đã được kiểm chứng rộng rãi, ngành công nghiệp sẽ chọn con đường nào, định hình lại các sản phẩm ra sao và hấp thụ tác động mang tính hệ thống mà nó mang lại? Cuộc trò chuyện xoay quanh chiến lược sản phẩm của OpenAI, "Siêu ứng dụng" sắp ra mắt và nhận định của họ về việc AI đang bước vào "giai đoạn cất cánh".

Cuộc trò chuyện này có thể được hiểu qua ba khía cạnh.

Thứ nhất, Sự hội tụ lộ trình.
Từ tạo video đến các mô hình suy luận, từ tiến trình đa tuyến đến các lựa chọn chủ động, những quyết định của OpenAI không phải là sự đánh giá về ưu thế kỹ thuật đơn thuần mà là phản ứng trước những hạn chế thực tế—sức mạnh tính toán đã trở thành nút thắt cổ chai cốt lõi. Với nguồn lực hạn chế, lộ trình kỹ thuật đang bắt đầu hội tụ vào hai hướng có đòn bẩy cao: trợ lý cá nhân và giải quyết các vấn đề phức tạp. Điều này cũng có nghĩa là logic cạnh tranh của AI đang chuyển dịch từ "có thể làm được gì" sang "nên làm gì trước".

Thứ hai, Tái cấu trúc hình thái.
Việc đề xuất "Siêu ứng dụng" về cơ bản là một bước nhảy vọt về hình thái sản phẩm. AI không còn là tập hợp các công cụ rời rạc mà là một điểm truy cập thống nhất: nó hiểu ngữ cảnh, gọi công cụ, thực hiện tác vụ và liên tục tích lũy bộ nhớ trong các tình huống khác nhau. Từ ChatGPT đến Codex, AI đang dần tiếp quản toàn bộ quy trình làm việc, và vai trò của con người cũng chuyển từ người thực thi sang người điều phối—thiết lập mục tiêu, phân công nhiệm vụ và giám sát.

Thứ ba, Bước ngoặt nhịp độ.
Nếu hai năm qua là giai đoạn leo dốc về năng lực, thì những gì đang diễn ra hiện nay là sự "cất cánh". Một mặt, năng lực mô hình đã tăng từ "hỗ trợ khoảng 20% công việc" lên "bao phủ khoảng 80% tác vụ", trực tiếp kích hoạt việc tái cấu trúc quy trình làm việc; mặt khác, AI đang tham gia vào quá trình tiến hóa của chính nó (sử dụng AI để tối ưu hóa AI), chồng lớp chip, ứng dụng và sự phối hợp phía doanh nghiệp để tạo thành một vòng lặp tăng tốc liên tục. AI không còn là một công nghệ đơn điểm mà đang bắt đầu trở thành động cơ chính thúc đẩy tăng trưởng kinh tế.

Tuy nhiên, đồng thời, một loạt vấn đề khác cũng đang xuất hiện song song: sự mất lòng tin của công chúng, sự không chắc chắn về việc làm, tranh cãi xung quanh các trung tâm dữ liệu và ranh giới của an ninh và quản trị. Để đáp lại, câu trả lời của Brockman không chỉ nằm trong nội tại công nghệ. Ông nhấn mạnh hai điểm: thứ nhất, rủi ro không thể được giải quyết thông qua "kiểm soát tập trung" mà đòi hỏi phải thiết lập một cơ sở hạ tầng xã hội xung quanh AI tương tự như hệ thống điện; thứ hai, năng lực cá nhân đang trải qua một quá trình chuyển đổi—câu hỏi quan trọng không còn là "bạn có biết sử dụng công cụ không" mà là "bạn có thể đạt được mục tiêu của mình với AI hay không".

Nếu câu hỏi trước đây là "AI có thể làm gì", thì câu hỏi hiện tại đã chuyển sang việc bạn cần làm gì khi AI bắt đầu thực hiện hầu hết mọi thứ cho bạn.

Sau đây là văn bản gốc (đã được chỉnh sửa nhẹ để dễ đọc hơn):

Tóm tắt

AGI đã bước vào giai đoạn "Lộ trình rõ ràng": Greg Brockman (Đồng sáng lập OpenAI) tin rằng dựa trên mô hình suy luận của GPT, hiện đã có một lộ trình rõ ràng để đạt được AGI, dự kiến sẽ thành hiện thực trong vài năm tới, nhưng hình thái vẫn sẽ còn "gập ghềnh".

Lưu ý: AGI (Trí tuệ nhân tạo tổng quát) đề cập đến trí tuệ nhân tạo tổng quát, biểu thị các hệ thống AI sở hữu khả năng tương đương hoặc thậm chí vượt trội hơn con người trong hầu hết các tác vụ nhận thức. Trái ngược với "AI hẹp" hiện nay (như nhận dạng hình ảnh, thuật toán đề xuất), AGI nhấn mạnh tính tổng quát và khả năng chuyển đổi giữa các tác vụ.

Hội tụ chiến lược: Từ khám phá đa tuyến sang hai ứng dụng cốt lõi: Dưới những hạn chế về tính toán, OpenAI đang tập trung nguồn lực vào "trợ lý cá nhân" và "giải quyết vấn đề phức tạp", thay vì thúc đẩy tất cả các hướng cùng một lúc (như tạo video).

"Siêu ứng dụng" sẽ trở thành hình thái gia nhập của AI: Trò chuyện, lập trình, duyệt web và công việc tri thức sẽ được tích hợp vào một hệ thống thống nhất, chuyển đổi AI từ một công cụ thành "lớp thực thi", với người dùng trở thành "người điều phối".

Sự chuyển dịch then chốt: AI bắt đầu tiếp quản quy trình làm việc thay vì chỉ hỗ trợ: Năng lực mô hình đã tăng vọt từ "hoàn thành 20% tác vụ" lên "xử lý 80%", buộc các cá nhân và doanh nghiệp phải tái cấu trúc cách thức làm việc.

Sức mạnh tính toán trở thành nút thắt cổ chai và trọng tâm cạnh tranh cốt lõi: Nhu cầu về AI vượt xa nguồn cung, với hạn chế trong tương lai không nằm ở khả năng của mô hình mà ở tài nguyên tính toán, khiến các trung tâm dữ liệu và cơ sở hạ tầng trở thành những biến số quan trọng.

Sự "cất cánh" của AI đang diễn ra: Công nghệ tự tăng tốc (AI tối ưu hóa AI) kết hợp với sự cộng hưởng của ngành (chip, ứng dụng, doanh nghiệp) đang thúc đẩy AI từ một công cụ trở thành động cơ tăng trưởng kinh tế.

Rủi ro lớn nhất không nằm ở công nghệ, mà ở quản trị và sử dụng: Các vấn đề an ninh không thể được giải quyết bởi một thực thể duy nhất; một hệ sinh thái mở và cơ sở hạ tầng xã hội phải cùng nhau gánh vác trách nhiệm.

Năng lực cá nhân cốt lõi đang chuyển đổi: Khả năng cạnh tranh trong tương lai không nằm ở "thực thi" mà ở "thiết lập mục tiêu + quản lý hệ thống AI"; việc chủ động sử dụng AI sẽ trở thành một kỹ năng nền tảng.

Tóm tắt phỏng vấn:

Alex (Người dẫn chương trình):
Hôm nay, chúng ta có sự góp mặt của Greg Brockman, Đồng sáng lập kiêm Chủ tịch OpenAI, để thảo luận về những cơ hội hứa hẹn nhất trong lĩnh vực AI, cách OpenAI dự định nắm bắt những cơ hội này và khái niệm về "siêu ứng dụng". Greg đang có mặt tại phòng thu của chúng tôi hôm nay.

Greg Brockman (Đồng sáng lập & Chủ tịch OpenAI):
Rất vui được gặp bạn, cảm ơn vì đã mời tôi.

Tại sao lại đóng cửa Sora? Thiếu hụt sức mạnh tính toán

Alex:
Vào thời điểm này, OpenAI đang tạm dừng việc phát triển tạo video để tập trung nguồn lực vào một "siêu ứng dụng" sẽ tích hợp các kịch bản kinh doanh và lập trình. Từ bên ngoài (bao gồm cả tôi), có cảm giác như OpenAI đã dẫn đầu ở mảng người tiêu dùng nhưng hiện đang phân bổ lại nguồn lực. Chuyện gì đang xảy ra vậy?

Lưu ý: Vào tháng 3 năm 2026, OpenAI thông báo đóng cửa sản phẩm tạo video Sora (bao gồm ứng dụng và API) và dừng các nỗ lực thương mại liên quan.

Greg Brockman:
Trong thời gian qua, chúng tôi đã phát triển công nghệ học sâu này với mục tiêu kiểm chứng xem liệu nó có thực sự mang lại tác động tích cực như chúng tôi luôn hình dung hay không—liệu nó có thể được sử dụng để xây dựng các ứng dụng thực sự giúp ích cho con người và cải thiện cuộc sống.

Đồng thời, chúng tôi cũng đang theo đuổi một con đường khác: triển khai công nghệ này. Một mặt, điều này nhằm hỗ trợ các hoạt động kinh doanh, và mặt khác, là để tích lũy kinh nghiệm thực tế từ sớm, chuẩn bị cho thời điểm công nghệ thực sự trưởng thành.

Và bây giờ, chúng tôi đã đạt đến một giai đoạn mới. Chúng tôi thấy rằng công nghệ này thực sự khả thi. Chúng tôi đang chuyển đổi từ việc "đo lường hiệu năng" và một số minh chứng năng lực khá trừu tượng sang một giai đoạn mới—chúng tôi phải đưa nó vào thế giới thực, để nó tham gia vào công việc thực tế và tiếp tục phát triển thông qua phản hồi của người dùng.

Vì vậy, tôi thiên về cách hiểu sự thay đổi này là: một sự chuyển dịch chiến lược được thúc đẩy bởi sự thay đổi giai đoạn công nghệ.

Điều này không có nghĩa là chúng tôi đang chuyển từ "phía người tiêu dùng" sang "phía doanh nghiệp". Chính xác hơn, chúng tôi đang đặt ra một câu hỏi: trong tình huống nguồn lực hạn chế, chúng ta nên ưu tiên ứng dụng nào nhất? Bởi vì chúng ta không thể làm mọi thứ.

Ứng dụng nào có thể thực sự được triển khai, cộng tác với nhau và mang lại tác động trong thế giới thực? Nếu bạn liệt kê tất cả các hướng, phía người tiêu dùng có thể được chia thành nhiều loại: như một trợ lý cá nhân, một hệ thống thực sự hiểu bạn, phù hợp với mục tiêu của bạn và giúp bạn đạt được các mục tiêu cuộc sống; cũng như sáng tạo và giải trí; và nhiều khả năng khác. Ở phía doanh nghiệp, nếu bạn nhìn từ cấp độ cao hơn, nó thực sự có thể được trừu tượng hóa thành một điều: bạn có một tác vụ phức tạp, liệu AI có thể giúp bạn hoàn thành nó không?

Đối với chúng tôi, ưu tiên hiện tại rất rõ ràng, chỉ có hai điều đứng đầu: thứ nhất, trợ lý cá nhân; thứ hai, AI có thể giúp bạn giải quyết các vấn đề phức tạp.

Vấn đề là: với sức mạnh tính toán hiện tại, chúng tôi thậm chí không thể hỗ trợ đầy đủ hai điều này. Một khi bạn thêm nhiều kịch bản ứng dụng hơn, đơn giản là không thể bao phủ tất cả. Vì vậy, đây thực sự là một bài kiểm tra thực tế: công nghệ đang trưởng thành nhanh chóng, tác động sắp bùng nổ và chúng tôi phải đưa ra lựa chọn, chọn hướng quan trọng nhất để thực sự hiện thực hóa nó.

Alex:
Bạn đã từng đề cập đến một phép ẩn dụ trước đây, nói rằng OpenAI giống như Disney: nó có một năng lực cốt lõi, và sau đó có thể mở rộng sang các kịch bản khác nhau. Disney có chuột Mickey, có thể được sử dụng trong phim, công viên giải trí, Disney+. "Cốt lõi" của OpenAI là mô hình, có thể được sử dụng để tạo video, làm trợ lý, cho các ứng dụng doanh nghiệp.

Nhưng bây giờ, có vẻ như bạn không còn đi theo con đường "mở rộng toàn diện" này nữa, mà thay vào đó phải đưa ra lựa chọn. Có đúng không?

Greg Brockman:
Thực ra, tôi nghĩ phép ẩn dụ này thậm chí còn phù hợp hơn bây giờ. Nhưng điểm mấu chốt là: về mặt kỹ thuật, Sora (mô hình video) và GPT (mô hình suy luận) thực sự thuộc về hai nhánh kỹ thuật khác nhau. Cách chúng được xây dựng hoàn toàn khác nhau.

Vấn đề là, ở giai đoạn hiện tại, việc thúc đẩy cả hai nhánh kỹ thuật này cùng lúc là rất khó khăn, đặc biệt là với nguồn lực hạn chế. Vì vậy, lựa chọn mà chúng tôi đã đưa ra là tập trung nguồn lực chính vào lộ trình GPT ở giai đoạn này.

Tất nhiên, điều này không có nghĩa là chúng tôi từ bỏ các hướng khác. Ví dụ, trong lĩnh vực robot, chúng tôi vẫn đang tiếp tục nghiên cứu liên quan. Nhưng bản thân robot vẫn đang ở giai đoạn đầu và chưa bước vào giai đoạn trưởng thành thực sự bùng nổ.

Mặt khác, trong năm tới, chúng ta sẽ thấy AI thực sự cất cánh trong lĩnh vực công việc tri thức.

Và điều quan trọng cần nhấn mạnh: lộ trình GPT không chỉ nói về "văn bản". Ví dụ, tương tác giọng nói hai chiều (speech-to-speech) cũng là một phần của lộ trình kỹ thuật này, giúp AI trở nên dễ tiếp cận và thiết thực hơn. Những khả năng này về cơ bản nằm trong cùng một khung mô hình, được điều chỉnh theo những cách khác nhau.

Tuy nhiên, nếu bạn đi theo hai nhánh kỹ thuật hoàn toàn khác nhau, rất khó để duy trì trong dài hạn dưới sức mạnh tính toán hạn chế. Sức mạnh tính toán bị hạn chế vì nhu cầu quá cao. Hầu như sau mỗi lần phát hành mô hình, mọi người đều muốn làm nhiều hơn với nó.

Alex:
Vậy tại sao bạn không tập trung vào lộ trình "Mô hình thế giới"? Ví dụ, một mô hình video cần hiểu mối quan hệ giữa các đối tượng, điều này cũng rất quan trọng đối với robot. Hơn nữa, tiến độ của Sora rất nhanh. Tại sao cuối cùng bạn lại chọn đặt cược vào GPT?

Lưu ý: "Mô hình thế giới" tập trung vào nhận thức và trực giác vật lý, với ý tưởng cốt lõi là cho phép AI hiểu "thế giới vận hành như thế nào", không chỉ học "các mẫu bề mặt của dữ liệu". Các mô hình như vậy thường được sử dụng để mô tả các hệ thống như Sora: chúng không chỉ tạo ra hình ảnh hoặc video mà còn mô hình hóa các mối quan hệ giữa các đối tượng (như con người, xe cộ, ánh sáng), những thay đổi liên tục theo thời gian (sự tiến hóa giữa các khung hình) và các quy luật vật lý cơ bản (như chuyển động, che khuất và va chạm). Trái lại, GPT thuộc về các mô hình ngôn ngữ và suy luận, tập trung nhiều hơn vào nhận thức trừu tượng và khả năng thực thi tác vụ.

Greg Brockman:
Vấn đề lớn nhất trong lĩnh vực này thực sự là có quá nhiều cơ hội.

Chúng tôi đã phát hiện ra từ sớm tại OpenAI rằng miễn là một ý tưởng có cơ sở toán học vững chắc, nó thường hoạt động và có thể đạt được kết quả tốt. Điều này chứng minh sức mạnh tiềm ẩn của học sâu, có thể trừu tượng hóa các quy tắc tạo ra từ dữ liệu và chuyển chúng sang các kịch bản mới. Điều này có thể được áp dụng vào nhiều lĩnh vực khác nhau như mô hình thế giới, khám phá khoa học và lập trình.

Nhưng điểm mấu chốt là: chúng ta cần phải đưa ra lựa chọn.

Luôn có một cuộc tranh luận về việc các mô hình văn bản có thể đi xa đến đâu. Liệu chúng có thực sự hiểu thế giới không? Tôi nghĩ bây giờ chúng ta đã có câu trả lời cho câu hỏi này: các mô hình văn bản có thể đạt tới AGI.

Chúng tôi đã thấy một lộ trình rõ ràng, và năm nay, những mô hình mạnh mẽ hơn nữa sẽ xuất hiện. Nội bộ tại OpenAI, một trong những nỗi đau lớn nhất của chúng tôi là làm thế nào để phân bổ sức mạnh tính toán—vấn đề này sẽ chỉ trở nên tồi tệ hơn, không tốt hơn. Vì vậy, về cơ bản, đó không phải là vấn đề "lộ trình nào quan trọng hơn", mà là vấn đề thời điểm và trình tự.

Bây giờ, một số ứng dụng mà chúng tôi từng nghĩ là xa vời đang bắt đầu trở nên khả thi. Ví dụ, giải quyết các vấn đề vật lý chưa được giải đáp. Gần đây chúng tôi có một trường hợp, một nhà vật lý đã nghiên cứu một vấn đề trong một thời gian dài, đưa vấn đề đó cho một mô hình, và 12 giờ sau, chúng tôi đã có lời giải. Ông ấy nói đó là lần đầu tiên ông cảm thấy một mô hình đang "suy nghĩ". Vấn đề này thậm chí có thể là một vấn đề mà con người không bao giờ có thể giải quyết, nhưng AI đã làm được.

Khi bạn thấy một điều như thế này, lựa chọn duy nhất của bạn là tăng gấp đôi, gấp ba nỗ lực. Bởi vì điều đó có nghĩa là chúng ta thực sự có thể giải phóng tiềm năng to lớn.

Vì vậy, đối với tôi, đây không phải là cuộc cạnh tranh giữa các hướng khác nhau, mà là sứ mệnh của OpenAI là gì? Làm thế nào để chúng ta mang AGI đến với thế giới? Làm thế nào để chúng ta làm cho nó thực sự có lợi cho tất cả mọi người? Và chúng tôi đã thấy lộ trình đó, chúng tôi biết cách thúc đẩy nó.

Đặt cược vào GPT thay vì Mô hình thế giới: Lộ trình đến AGI

Alex:
Vâng, tôi thực sự muốn quay lại các mô hình thế hệ tiếp theo mà bạn đã đề cập trước đó, nhưng trước tiên tôi muốn theo dõi câu hỏi này.

Đầu năm nay, tôi đã có một cuộc trò chuyện với Demis Hassabis của Google DeepMind. Thật thú vị, ông ấy nói rằng đối với ông, thứ gần nhất với AGI thực ra là trình tạo hình ảnh của họ có tên là Nano Banana.

Lưu ý: Demis Hassabis là một trong những nhân vật chủ chốt thúc đẩy AI từ nghiên cứu đến các ứng dụng đột phá. Ông đồng sáng lập DeepMind, đơn vị đã phát triển AlphaGo và nổi tiếng với việc đánh bại nhà vô địch thế giới môn cờ vây vào năm 2016, một sự kiện mang tính bước ngoặt trong lịch sử phát triển AI.

Lập luận của ông ấy là: cho dù đó là trình tạo hình ảnh hay trình tạo video, để tạo ra những hình ảnh và video như vậy, về cơ bản, bạn phải hiểu sự tương tác giữa các đối tượng, ít nhất là có một mức độ hiểu biết nhất định về cách thế giới vận hành.

Vậy điều này có ngụ ý một rủi ro tiềm ẩn không? Đây có phải là một canh bạc lớn — nếu đúng như vậy, liệu OpenAI có tiếp tục tăng gấp đôi vào một nhánh công nghệ khác và bỏ lỡ cơ hội không?

Greg Brockman:
Nếu thực sự là như vậy? Tôi có hai câu trả lời.

Thứ nhất, tất nhiên, đó là một khả năng. Lĩnh vực này là như vậy; cuối cùng bạn phải đưa ra lựa chọn, bạn phải đặt cược. Và OpenAI đã làm điều này ngay từ đầu: chúng tôi phải đánh giá, tin tưởng vào lộ trình đến AGI, và sau đó thúc đẩy một cách tập trung cao độ dọc theo lộ trình đó. Giống như việc cộng các vectơ ngẫu nhiên, kết quả cuối cùng có thể gần bằng không; nhưng nếu bạn căn chỉnh tất cả các vectơ, chúng có thể thúc đẩy bạn rõ ràng theo một hướng.

Tuy nhiên, điểm thứ hai là tạo hình ảnh thực ra cũng là một khả năng rất phổ biến trong ChatGPT, và chúng tôi vẫn đang liên tục đầu tư và ưu tiên thúc đẩy tiến bộ trong lĩnh vực này. Lý do chúng tôi có thể làm điều này là vì nó không thực sự thuộc về nhánh kỹ thuật "mô hình thế giới" hay "mô hình khuếch tán"; nó thực sự được xây dựng trên kiến trúc GPT. Vì vậy, mặc dù nó đối mặt với một phân phối dữ liệu khác, ở cấp độ công nghệ cốt lõi cơ bản hơn, nó vẫn là một thứ.

Và đây chính xác là một trong những điều tuyệt vời nhất về AGI: đôi khi, các ứng dụng trông rất khác nhau—như speech-to-speech, tạo hình ảnh, xử lý văn bản và việc ứng dụng chính văn bản trong các kịch bản khác nhau như nghiên cứu khoa học, lập trình, thông tin sức khỏe cá nhân, v.v.—thực sự đều có thể được chứa trong cùng một khung kỹ thuật.

Vì vậy, từ góc độ kỹ thuật, một điều mà tôi và công ty luôn suy nghĩ là làm thế nào để thống nhất các nỗ lực của chúng tôi nhiều nhất có thể. Bởi vì chúng tôi thực sự tin rằng công nghệ này sẽ mang lại sự cải thiện toàn diện và thậm chí có thể nâng tầm toàn bộ hệ thống kinh tế.

Và quy mô của thứ này quá lớn. Chúng tôi chắc chắn không thể làm mọi thứ, nhưng chúng tôi có thể hoàn thành phần việc của mình.

Alex:
Đây là ý nghĩa của từ "tổng quát" trong Trí tuệ nhân tạo tổng quát (AGI).

Greg Brockman:
Chính xác, đó là chữ "G", đó thực sự là ý nghĩa của nó.

Alex:
Nói về "sự thống nhất", siêu ứng dụng này cuối cùng sẽ trông như thế nào?

Greg Brockman:
Siêu ứng dụng theo cách tôi nhìn nhận—

Alex:
Nó sẽ tích hợp trò chuyện, lập trình, duyệt web và những thứ như ChatGPT tất cả lại với nhau, đúng không?

Greg Brockman:
Đúng. Những gì chúng tôi muốn tạo ra là một ứng dụng hướng tới người dùng cuối, cho phép bạn thực sự trải nghiệm sức mạnh của AGI, đó là "tính tổng quát" của nó.

Nếu bạn nghĩ về các sản phẩm trò chuyện ngày nay, tôi nghĩ chúng sẽ dần phát triển thành trợ lý cá nhân của bạn, API cá nhân của bạn, một AI thực sự quan tâm đến bạn. Nó biết nhiều về bạn, phù hợp với mục tiêu của bạn, đáng tin cậy và có thể ở một mức độ nào đó "đại diện" cho bạn trong thế giới kỹ thuật số này.

Đối với Codex, bạn có thể coi nó như: hiện tại nó là một công cụ được xây dựng chủ yếu cho các kỹ sư phần mềm, nhưng nó đang phát triển thành một "Codex cho mọi người".

Bất kỳ ai muốn tạo hoặc xây dựng thứ gì đó đều có thể sử dụng Codex để máy tính làm những gì họ muốn. Và nó không còn chỉ là "viết phần mềm"; nó giống như "sử dụng máy tính" vậy. Ví dụ, tôi nhờ nó giúp tôi điều chỉnh cài đặt máy tính xách tay của mình. Đôi khi tôi quên cách thiết lập các góc nóng (hot corners), vì vậy tôi chỉ cần Codex làm điều đó, và nó thực sự làm được.

Đây là cách một chiếc máy tính nên vận hành một cách tự nhiên; nó nên thích nghi với con người, không phải bắt tôi thích nghi với nó.

Vì vậy, bạn có thể tưởng tượng một ứng dụng như thế này: bất cứ điều gì bạn muốn máy tính làm, bạn có thể nói trực tiếp với nó. Nó sẽ bao gồm khả năng "sử dụng máy tính" và "duyệt web", cho phép AI thực sự vận hành các trang web, và bạn cũng có thể giám sát những gì nó đang làm. Hơn nữa, cho dù tương tác của bạn là thông qua trò chuyện, viết mã hay công việc tri thức chung, tất cả các cuộc trò chuyện này sẽ được thống nhất trong một hệ thống. AI sẽ có bộ nhớ và hiểu bạn.

Đây là những gì chúng tôi đang xây dựng.

Nhưng thành thật mà nói, đây chỉ là phần nổi của tảng băng trôi, phần có thể nhìn thấy phía trên mặt nước. Đối với tôi, điều thực sự quan trọng hơn là sự thống nhất của công nghệ nền tảng.

Chúng tôi đã đề cập đến sự thống nhất ở cấp độ các mô hình nền tảng, nhưng điều thực sự thay đổi trong vài năm qua là điều này: nó không còn chỉ là về bản thân "mô hình"; điều quan trọng hơn là "hệ thống triển khai". Nói cách khác, làm thế nào để các mô hình có được ngữ cảnh? Làm thế nào để chúng kết nối với thế giới thực? Chúng có thể thực hiện những hành động gì? Vòng lặp phản hồi với người dùng vận hành như thế nào khi các ngữ cảnh mới liên tục xuất hiện?

Nội bộ, trong quá khứ, chúng tôi thực sự có nhiều triển khai cho những thứ này, hoặc ít nhất là một vài triển khai hơi khác nhau. Bây giờ chúng tôi đang hợp nhất chúng thành một. Cuối cùng, chúng tôi sẽ có một lớp AI thống nhất, và sau đó, theo một cách rất nhẹ nhàng, chúng tôi sẽ hướng nó đến các trường hợp sử dụng cụ thể khác nhau.

Tất nhiên, bạn vẫn có thể tạo một plugin nhỏ, một giao diện nhỏ, dành riêng cho tài chính hoặc luật, nhưng trong hầu hết các trường hợp, bạn thậm chí có thể không cần vì bản thân siêu ứng dụng này sẽ đủ rộng và tổng quát.

Alex:
Ứng dụng này có hướng tới cả các trường hợp sử dụng doanh nghiệp và cá nhân không?

Greg Brockman:
Vâng, đó thực sự là cốt lõi của nó. Giống như một chiếc máy tính, chẳng hạn như máy tính xách tay của bạn, nó dành cho mục đích cá nhân hay công việc? Câu trả lời là cả hai. Nó chủ yếu là thiết bị của bạn, giao diện của bạn với thế giới kỹ thuật số. Và đó chính xác là những gì chúng tôi muốn đạt được.

Alex:
Vậy, từ góc độ phi kinh doanh, nếu tôi sử dụng siêu ứng dụng này trong cuộc sống cá nhân, tôi sẽ sử dụng nó để làm gì? Cuộc sống của tôi sẽ thay đổi như thế nào?

Greg Brockman:
Cách hiểu của tôi sẽ là thế này: Trong cuộc sống cá nhân của bạn, nó sẽ bắt đầu bằng việc mở rộng cách bạn hiện đang sử dụng ChatGPT.

Bạn hiện đang sử dụng ChatGPT như thế nào? Mọi người đã và đang sử dụng nó để hoàn thành rất nhiều tác vụ tuyệt vời. Đôi khi nó đơn giản như việc nói, "Tôi cần giúp soạn thảo một bài phát biểu cho đám cưới, bạn có thể hỗ trợ không?" hoặc "Bạn có thể xem ý tưởng này và cho tôi một số phản hồi không?" Hoặc thậm chí, "Tôi đang điều hành một doanh nghiệp nhỏ, bạn có thể cung cấp cho tôi một số ý tưởng không?"

Một số kịch bản này mang tính cá nhân hơn, trong khi những kịch bản khác đang bắt đầu làm mờ ranh giới giữa cá nhân và chuyên nghiệp. Và quan điểm của tôi là: tất cả các loại truy vấn này nên là thứ mà một siêu ứng dụng có thể xử lý.

Greg Brockman:
Nhưng nếu bạn nhìn lại sự tiến hóa của ChatGPT, nó đã tự tiến hóa.

Nó từng không có trạng thái, phải không? Đối với mọi người, nó là cùng một AI, bắt đầu từ con số không mỗi lần, gần như đang nói chuyện với một người lạ. Nhưng nếu nó có thể ghi nhớ các tương tác trong quá khứ của bạn, nó sẽ trở nên mạnh mẽ hơn nhiều. Nếu nó có thể khai thác nhiều ngữ cảnh hơn, nó cũng trở nên mạnh mẽ hơn nhiều.

Ví dụ, kết nối nó với email, lịch của bạn, thực sự hiểu sở thích của bạn, có một tập hợp thông tin nền sâu sắc hơn về những trải nghiệm trong quá khứ của bạn, và sau đó sử dụng điều này để giúp bạn đạt được mục tiêu của mình. Ví dụ, ChatGPT đã có một tính năng gọi là Pulse, cung cấp nội dung hàng ngày dựa trên sự hiểu biết của nó về bạn.

Vì vậy, ở cấp độ sử dụng cá nhân, siêu ứng dụng sẽ bao gồm tất cả những điều này và thực hiện nó sâu sắc và phong phú hơn.

Alex:
Khi nào bạn dự định ra mắt nó?

Greg Brockman:
Một cách chính xác hơn để nghĩ về nó là, trong vài tháng tới, chúng tôi sẽ dần dần thúc đẩy theo hướng này. Tầm nhìn đầy đủ mà chúng ta đang nói đến sẽ được thực hiện từng bước một, không phải tất cả cùng một lúc; nó sẽ được tung ra theo từng giai đoạn.

Ví dụ, ứng dụng Codex ngày nay thực sự chứa hai lớp: một là khung tác nhân tổng quát có thể sử dụng các công cụ; hai là tác nhân giỏi viết mã.

Và khung tổng quát này thực sự có thể được sử dụng cho nhiều kịch bản khác. Bạn kết nối nó với một bảng tính, kết nối nó với một tài liệu Word, và nó có thể giúp bạn với công việc tri thức.

Vì vậy, bước đầu tiên của chúng tôi là làm cho ứng dụng Codex trở nên thân thiện hơn với người dùng cho công việc tri thức chung. Bởi vì chúng tôi đã thấy trong nội bộ OpenAI rằng mọi người đã tự phát bắt đầu sử dụng nó theo cách này.

Đây sẽ là bước đầu tiên, với nhiều bước nữa sẽ đến.

Alex:
Khi tôi đang nói chuyện với một trong những đồng nghiệp của bạn về Codex ngày hôm qua, anh ấy đề cập rằng có người đang sử dụng Codex để chỉnh sửa video: anh ấy đã nhờ Codex giúp anh ấy xử lý video, Codex thậm chí đã tạo một plugin cho Adobe Premiere để phân đoạn video và sau đó bắt đầu chỉnh sửa. Đây có phải là hướng bạn đang nhắm tới không?

Greg Brockman:
Tôi đặc biệt thích nghe về những trường hợp sử dụng này. Đây chính xác là cách chúng tôi hy vọng hệ thống này sẽ được sử dụng. Điều thực sự thú vị là ứng dụng Codex ban đầu được thiết kế cho các kỹ sư phần mềm, vì vậy khả năng sử dụng hiện tại của nó thực sự không cao đối với những người không phải là lập trình viên. Bởi vì trong quá trình thiết lập, nhiều vấn đề nhỏ có thể phát sinh.

Các nhà phát triển có thể hiểu ngay điều đó có nghĩa là gì và cách khắc phục; chúng tôi đã quen với nó. Nhưng nếu bạn không phải là nhà phát triển, khi bạn thấy những điều này, bạn có thể nghĩ, "Đây là cái gì? Tôi chưa bao giờ thấy điều này trước đây."

Tuy nhiên, ngay cả như vậy, chúng tôi đã thấy nhiều người chưa từng viết mã trước đây bắt đầu sử dụng nó để xây dựng trang web hoặc làm những việc như bạn vừa đề cập—tự động hóa các tương tác giữa các phần mềm khác nhau, đạt được đòn bẩy đáng kể từ nó. Ví dụ, một người trong nhóm truyền thông của chúng tôi đã tích hợp nó với Slack và email để xử lý một lượng lớn phản hồi, và nó đã tạo ra các bản tóm tắt và phân tích rất tốt.

Vì vậy, tình hình hiện tại là: những người rất có động lực đã sẵn sàng vượt qua những rào cản này và sau đó gặt hái những phần thưởng cao từ nó.

Theo một nghĩa nào đó, phần khó nhất đã được thực hiện—chúng tôi đã tạo ra một AI thực sự thông minh, có khả năng thực sự hoàn thành các tác vụ.

Những gì chúng tôi cần làm tiếp theo là phần tương đối "dễ": làm cho nó thực sự hữu ích với công chúng, dần dần phá bỏ những rào cản gia nhập này.

Alex:
Nhìn vào bối cảnh cạnh tranh, Anthropic hiện cũng có ứng dụng Claude, bao gồm cả chatbot và Claude Code. Ở một mức độ nào đó, họ đã có nguyên mẫu "siêu ứng dụng" của riêng mình.

Bạn nhìn nhận thế nào về lý do tại sao Anthropic thực hiện động thái này sớm hơn? Và bạn nghĩ khả năng OpenAI bắt kịp là bao nhiêu?

Greg Brockman:
Nếu bạn tua ngược thời gian 12 đến 18 tháng, chúng tôi thực sự luôn tập trung vào "lập trình" như một lĩnh vực chính và liên tục xuất sắc trong các cuộc thi lập trình khác nhau và các bài kiểm tra "kỹ năng thuần túy" khác. Tuy nhiên, một điều chúng tôi đã không đầu tư đủ vào thời điểm đó là dặm cuối của khả năng sử dụng.

Đó là để nói, chúng tôi đã không chú ý đủ đến vấn đề này: AI đã rất thông minh, có khả năng giải quyết nhiều vấn đề lập trình khó khăn, nhưng nó chưa bao giờ nhìn thấy các cơ sở mã trong thế giới thực— và các cơ sở mã trong thế giới thực thường lộn xộn, khác xa với các môi trường "sạch" mà nó quen thuộc.

Tại thời điểm đó, chúng tôi thực sự đã tụt hậu. Nhưng bắt đầu khoảng giữa năm ngoái, chúng tôi bắt đầu thực sự nghiêm túc về điều này. Chúng tôi đã thành lập một nhóm đặc biệt để xem xét tất cả những khoảng trống này, sự lộn xộn và phức tạp trong thế giới thực mà chúng tôi chưa thực sự gặp phải trước đây.

Ví dụ, làm thế nào để xây dựng dữ liệu đào tạo? Làm thế nào để thiết lập một môi trường đào tạo? Cảm giác thực sự khi AI "thực hiện kỹ thuật phần mềm" là gì—bị gián đoạn, gặp phải các vấn đề lạ, các tình huống không lý tưởng khác nhau, v.v.

Tôi nghĩ đến bây giờ, chúng tôi đã bắt kịp. Khi người dùng thực sự so sánh chúng tôi với các đối thủ cạnh tranh cạnh nhau, nhiều người có xu hướng nghiêng về việc chọn chúng tôi hơn.

Tất nhiên, chúng tôi cũng biết rằng chúng tôi có một khoảng cách trong trải nghiệm giao diện người dùng, và chúng tôi sẽ giải quyết phần này. Nhưng nhìn chung, đây là trọng tâm của chúng tôi trong thời gian này: không chỉ xây dựng một mô hình và sau đó tát vào một lớp vỏ sản phẩm; mà thay vào đó, coi nó như một sản phẩm hoàn chỉnh ngay từ đầu. Trong khi nghiên cứu, chúng tôi cũng đang suy nghĩ: nó cuối cùng sẽ được sử dụng như thế nào? Đây là một sự chuyển dịch đã và đang diễn ra nội bộ tại OpenAI trong thời gian này.

Vì vậy, theo quan điểm của tôi, chúng tôi sẽ có một làn sóng nâng cấp mô hình rất mạnh mẽ tiếp theo. Chỉ cần nhìn vào lộ trình của năm nay, tôi rất phấn khích, thực sự có rất nhiều thứ có thể đạt được.

Đồng thời, chúng tôi cũng rất tập trung vào việc lấp đầy dặm cuối của khả năng sử dụng.

Alex:
Kể từ năm 2022, OpenAI đã giống như người dẫn đầu không thể tranh cãi trong lĩnh vực này. Rõ ràng, cuộc cạnh tranh bây giờ không còn chỉ là về điểm số kiểm tra. Bạn vừa tự sử dụng cụm từ "chúng tôi đã bắt kịp".

Bầu không khí nội bộ của công ty cũng đã thay đổi chưa? Nói cách khác, liệu đó có phải là cảm giác không còn là người dẫn đầu xa trong một sản phẩm như ChatGPT như trong quá khứ, mà thực sự bước vào một cuộc cạnh tranh thực sự.

Một số báo cáo bên ngoài thực sự cho thấy sự thay đổi này— chẳng hạn như các cuộc họp nội bộ nhấn mạnh rằng OpenAI không còn bất kỳ "tác vụ phụ" nào, và mọi người nên tập trung vào hướng cốt lõi này. Vậy, những thay đổi nào đã xảy ra trong môi trường và bầu không khí nội bộ bây giờ?

Greg Brockman:
Tôi muốn nói, đối với cá nhân tôi, khoảnh khắc bất an nhất tại OpenAI thực sự là sau khi chúng tôi phát hành ChatGPT.

Tôi nhớ mình đang ở bữa tiệc ngày lễ của công ty, và có cảm giác "chúng ta đã làm được" trong không khí. Tôi chưa bao giờ cảm thấy điều đó trước đây. Phản ứng của tôi lúc đó là: Không, chúng ta không phải là những người đã làm được, chúng ta là kẻ yếu thế.

Và chúng tôi luôn như vậy. Các đối thủ cạnh tranh trong không gian này chủ yếu là các công ty lớn thâm căn cố đế với nhiều vốn hơn, nhiều người hơn, nhiều dữ liệu hơn và hầu hết mọi nguồn lực đều dồi dào hơn.

Vậy tại sao OpenAI có thể cạnh tranh? Ở một mức độ nào đó, câu trả lời là chúng tôi không bao giờ cảm thấy thoải mái. Chúng tôi luôn coi mình là kẻ thách thức.

Thực tế, đối với tôi, việc thấy thị trường thực sự bắt đầu đón nhận động lực cạnh tranh này, thấy các đối thủ cạnh tranh khác xuất hiện và làm tốt, là một điều rất lành mạnh.

Bởi vì, theo quan điểm của tôi, bạn không bao giờ có thể cố định vào vị trí của đối thủ cạnh tranh. Nếu bạn chỉ nhìn vào vị trí của họ bây giờ, đến khi bạn đến đó, họ đã chuyển đi rồi.

Và tôi cảm thấy, trong thời gian gần đây, thực sự là ngược lại: rất nhiều người đã tập trung vào vị trí của chúng tôi, và chúng tôi đã có thể tiếp tục thúc đẩy phía trước. Điều này đã mang lại cho chúng tôi cảm giác căn chỉnh và thống nhất nội bộ.

Tôi đã đề cập trước đó rằng chúng tôi từng gần như coi "nghiên cứu" và "triển khai" là hai thứ riêng biệt; và bây giờ, chúng tôi thực sự muốn tích hợp chúng. Đối với tôi, đây là một điều tuyệt vời.

Vì vậy, tôi muốn nói, giai đoạn chúng ta đang ở bây giờ không phải là giai đoạn mà tôi cảm thấy chúng ta đã từng "chiến thắng chắc chắn", hoặc đột nhiên rơi vào khủng hoảng. Bạn biết đấy, nhận thức bên ngoài về bạn thường không tốt như họ nói, cũng không tệ như vậy.

Tôi cảm thấy tổng thể, chúng tôi thực sự khá ổn định. Và về mặt phát triển mô hình cốt lõi, tôi rất tự tin vào lộ trình và công việc nghiên cứu mà chúng tôi đã bỏ ra. Về phía sản phẩm, tôi cảm thấy chúng tôi hiện có một năng lượng thực sự tốt, mọi người đang đến với nhau để thực sự mang những thứ này đến với thế giới.

Alex:
Bạn đã đề cập nhiều lần trước đó rằng sẽ có một số mô hình mới rất mạnh mẽ sắp ra mắt. Vậy chính xác chúng là gì?

The Information báo cáo rằng bạn đã hoàn thành tiền huấn luyện trên "Spud"; và Sam Altman cũng nói với nhân viên OpenAI nội bộ rằng họ sẽ thấy một mô hình rất mạnh trong vài tuần nữa. Đó là vài tuần trước. Nhóm nội bộ tin rằng nó thậm chí có thể thực sự thúc đẩy tăng tốc kinh tế và mọi thứ đang tiến triển nhanh hơn nhiều người mong đợi.

Vậy, "Spud" chính xác là gì?

Greg Brockman:
Đó là một mô hình tuyệt vời. Nhưng tôi nghĩ trọng tâm không thực sự nằm ở một mô hình duy nhất.

Quy trình nghiên cứu của chúng tôi đại khái như thế này: đầu tiên là tiền huấn luyện, đó là tạo ra một mô hình cơ sở mới, và sau đó tất cả các cải tiến tiếp theo sẽ được xây dựng trên mô hình cơ sở này. Và bước này thường đòi hỏi rất nhiều nhóm nội bộ trong công ty phải bỏ ra một nỗ lực to lớn. Thực tế, trong 18 tháng qua, phần lớn thời gian của tôi đã dành ở đây: chủ yếu xung quanh cơ sở hạ tầng GPU, hỗ trợ các nhóm chịu trách nhiệm về khung huấn luyện, và thực sự chạy các tác vụ huấn luyện quy mô lớn này.

Sau đó là giai đoạn học tăng cường. Đây là nơi AI này, vốn đã học được rất nhiều kiến thức thế giới, bắt đầu thực sự áp dụng kiến thức đó.

Tiếp theo là quá trình tinh chỉnh. Ở giai đoạn này, bạn sẽ thực sự nói với nó—chà, bây giờ bạn biết cách giải quyết vấn đề rồi, hãy tiếp tục và thực hành trong nhiều kịch bản khác nhau.

Cuối cùng, có một giai đoạn "dặm cuối" liên quan đến hành vi và khả năng sử dụng.

Vì vậy, tôi sẽ coi Spud là một nền tảng mới, một mô hình tiền huấn luyện mới. Và trên đó, bạn có thể nói rằng nghiên cứu của chúng tôi trong hai năm qua đang bắt đầu thực sự cho thấy kết quả. Nó sẽ rất thú vị.

Tôi nghĩ những gì thế giới bên ngoài cuối cùng sẽ cảm nhận được là một sự cải thiện tổng thể về năng lực. Nhưng đối với tôi, đây chưa bao giờ chỉ là vấn đề phát hành một lần. Bởi vì ngay khi phiên bản này ra mắt, nó thực sự chỉ là một phiên bản sớm của nhiều tiến bộ sắp tới. Chúng tôi sẽ tiếp tục làm nhiều hơn ở mọi giai đoạn của quá trình cải tiến này.

Vì vậy, tôi nghĩ chúng tôi giống như đang có một động cơ tiến bộ không ngừng tăng tốc bây giờ, và Spud chỉ là một cột mốc trên con đường này.

Alex:
Vậy bạn nghĩ nó có thể làm được gì mà các mô hình ngày nay không thể?

Greg Brockman:
Tôi nghĩ nó sẽ có thể giải quyết các vấn đề khó hơn và trở nên tinh tế hơn. Nó sẽ hiểu hướng dẫn và ngữ cảnh tốt hơn.

Đôi khi mọi người nói về một cảm giác gọi là "mùi mô hình lớn"—nghĩa là, khi mô hình thực sự thông minh hơn và có khả năng hơn, bạn có thể cảm nhận rõ ràng. Nó sẽ tuân theo ý định của bạn chặt chẽ hơn và phù hợp hơn với nhu cầu của bạn.

Khi bạn đặt một câu hỏi và AI không thực sự hiểu ý bạn, cảm giác đó vẫn rất thất vọng. Bạn không thể không nghĩ: Đây là điều bạn rõ ràng có thể tự tìm ra.

Vì vậy, tôi muốn nói, theo một nghĩa nào đó, đây sẽ là kết quả của sự tích lũy nhiều "thay đổi định lượng" dẫn đến một "thay đổi định tính". Một mặt, sẽ có những cải thiện đáng kể trong các chỉ số khác nhau; mặt khác, một số kịch bản hoàn toàn mới sẽ xuất hiện: trước đây, bạn có thể đã quá lười để sử dụng AI vì nó không đủ tin cậy, nhưng bây giờ bạn sẽ sử dụng nó mà không do dự.

Tôi nghĩ đây sẽ là một sự thay đổi toàn diện. Tôi đặc biệt mong chờ được thấy cách nó sẽ tiếp tục nâng cao giới hạn năng lực. Chúng tôi đã thấy hiệu suất của nó trong các kịch bản như nghiên cứu vật lý, và tôi nghĩ tiếp theo, nó sẽ có thể giải quyết các vấn đề mở hơn và trải dài trong khung thời gian dài hơn.

Đồng thời, tôi cũng mong chờ được thấy cách nó sẽ nâng cao mức sàn của năng lực—nghĩa là dù bạn muốn làm gì, nó cũng sẽ hữu ích hơn nhiều so với ngày nay.

Alex:
Nhưng đối với người dùng trung bình, cảm nhận được loại thay đổi này đôi khi không dễ dàng. Ví dụ, trước khi phát hành GPT-5, thực sự có rất nhiều sự cường điệu và mong đợi; tuy nhiên, khi nó thực sự ra mắt, phản ứng ban đầu của công chúng phần nào gây thất vọng. Sau đó, mọi người từ từ phát hiện ra rằng nó thực sự rất mạnh mẽ trong một số tác vụ cụ thể.

Vì vậy, đối với thế hệ mô hình tiếp theo, bạn nghĩ nó sẽ chủ yếu được cảm nhận trong một số kịch bản chuyên nghiệp, hay đó sẽ là một loại cải tiến được cảm nhận một cách trực quan và phổ quát hơn bởi tất cả mọi người?

Greg Brockman:
Tôi nghĩ câu chuyện có thể tương tự. Sau khi mô hình được phát hành, một số người sẽ ngay lập tức cảm thấy rằng đó là một sự chuyển đổi hoàn toàn so với những gì họ đã thấy trước đây. Nhưng cũng sẽ có một số trường hợp sử dụng mà nút thắt không nằm ở "trí thông minh". Vì vậy, nếu bạn chỉ làm cho mô hình thông minh hơn, trong những lĩnh vực này, người dùng có thể không ngay lập tức cảm thấy sự khác biệt.

Tuy nhiên, theo thời gian, tôi nghĩ mọi người cuối cùng sẽ cảm thấy sự thay đổi. Bởi vì điều thực sự thay đổi là: bạn bắt đầu dựa vào hệ thống này đến mức độ nào.

Nếu bạn nghĩ về cách chúng ta tương tác với AI bây giờ, mọi người thực sự có một mô hình tinh thần về "những gì nó có thể làm". Và mô hình tinh thần này không thay đổi nhanh chóng. Nó thường tiến hóa khi bạn có kinh nghiệm, và sau đó nó thỉnh thoảng làm điều gì đó kỳ diệu cho bạn, và bạn đột nhiên nhận ra: wow, nó thực sự có thể làm điều này, điều mà tôi chưa bao giờ nghĩ tới trước đây.

Ví dụ, trong các kịch bản như truy cập thông tin y tế, chúng tôi đã thấy các trường hợp tương tự. Tôi có một người bạn đã sử dụng ChatGPT để khám phá các lựa chọn điều trị khác nhau cho bệnh ung thư của mình. Bác sĩ trước đó đã nói với anh ấy rằng đó là giai đoạn cuối, và không còn gì có thể làm được nữa. Nhưng anh ấy đã sử dụng ChatGPT để nghiên cứu nhiều ý tưởng khác nhau và thực sự tìm thấy một phương pháp điều trị nhờ nó.

Trong một kịch bản như thế này, tiền đề thực sự là: bạn phải có một mức độ tin tưởng nhất định vào khả năng giúp đỡ của AI trong ngữ cảnh này trước khi bạn sẵn sàng đầu tư rất nhiều nỗ lực vào việc trích xuất giá trị từ hệ thống.

Vì vậy, tôi nghĩ những gì chúng ta sẽ thấy tiếp theo là: trong bất kỳ kịch bản ứng dụng tương tự nào, điều mà AI có thể giúp bạn sẽ trở nên rõ ràng hơn với tất cả mọi người.

Do đó, đây không chỉ là về bản thân công nghệ trở nên mạnh mẽ hơn mà còn là về sự hiểu biết của chúng ta về công nghệ thay đổi và bắt kịp với nó.

Alex:
Vậy bạn sẽ ngày càng dựa vào nó. Nội bộ OpenAI, bạn cũng đang phát triển một nhà nghiên cứu AI tự động, được cho là sẽ ra mắt vào mùa thu này. Vậy chính xác đó là gì?

AI bước vào giai đoạn "cất cánh"

Greg Brockman:
Tôi nghĩ, từ góc độ xu hướng tổng thể, chúng ta hiện đang ở giai đoạn đầu của sự cất cánh công nghệ này.

Alex:
"Cất cánh" nghĩa là gì?

Greg Brockman:
Cất cánh đề cập đến việc AI liên tục trở nên mạnh mẽ hơn dọc theo một đường cong hàm mũ. Và một phần lý do cho điều này là: chúng ta đã có thể sử dụng AI để giúp chúng ta cải thiện chính AI, vì vậy toàn bộ quá trình nghiên cứu cũng đang tăng tốc.

Nhưng tôi nghĩ rằng "cất cánh" không chỉ là vấn đề công nghệ; nó cũng biểu thị sự giải phóng tác động trong thế giới thực. Sự phát triển của nhiều công nghệ tuân theo một đường cong hình chữ S; và nếu bạn nhìn vào nhiều đường cong S trong một khung thời gian dài hơn, chúng cuối cùng sẽ hội tụ thành một hình thức tăng trưởng gần như hàm mũ.

Tôi nghĩ chúng ta hiện đang ở trong một giai đoạn như vậy. Đó là để nói, bản thân công nghệ đang tiến triển với tốc độ ngày càng nhanh, và động cơ tiến bộ này đang liên tục đạt được động lực.

Đồng thời, trong thế giới bên ngoài, nhiều cơn gió thuận đang hình thành: các nhà phát triển chip đang nhận được nhiều tài nguyên hơn; nhiều người đang làm việc trên các ứng dụng khác nhau, cố gắng nhúng AI vào các kịch bản khác nhau, và tìm kiếm các điểm hội tụ giữa nó và các nhu cầu cụ thể khác nhau.

Tất cả năng lượng này liên tục tích lũy, cùng nhau thúc đẩy AI vào một "giai đoạn cất cánh", chuyển đổi nó từ một sự tồn tại bên lề thành động cơ chính thúc đẩy tăng trưởng kinh tế.

Và điều này không chỉ diễn ra trong các bức tường của tổ chức chúng tôi. Nó liên quan đến cả thế giới, toàn bộ hệ thống kinh tế, làm thế nào để cùng nhau thúc đẩy công nghệ này, và làm thế nào để tính thực tiễn của nó tiếp tục tiến triển.

Alex:
Vậy "nhà nghiên cứu" này sẽ làm gì cụ thể?

Greg Brockman:
Cái gọi là "Nhà nghiên cứu" về cơ bản đề cập đến: khi tỷ lệ các tác vụ AI có thể tiếp quản tăng lên, chúng ta nên cho phép nó vận hành tự chủ hơn.

Tất nhiên, có nhiều khía cạnh đằng sau điều này cần xem xét cẩn thận. Nó không có nghĩa là: chúng tôi phát hành nó, để nó tự chạy trong một thời gian, và sau đó quay lại sau để xem liệu nó có tạo ra kết quả tốt nào không.

Tôi nghĩ chúng tôi vẫn sẽ tham gia rất sâu vào việc quản lý nó. Giống như bây giờ, nếu bạn có một nhà nghiên cứu cấp dưới và bạn để họ một mình quá lâu, họ có khả năng đi theo một con đường không mang lại nhiều giá trị. Nhưng nếu bạn có một nhà nghiên cứu cấp cao, hoặc ai đó có ý thức thực sự về hướng đi dẫn dắt họ, họ thậm chí có thể không cần phải làm chủ cá nhân tất cả các kỹ năng vận hành cụ thể nhưng vẫn có thể cung cấp phản hồi liên tục về những gì người đó đang tạo ra, xem xét nó, và cung cấp hướng dẫn về hướng đi: chính xác những gì tôi hy vọng bạn sẽ đạt được.

Vì vậy, hệ thống theo cách tôi hiểu là một tập hợp các cơ chế chúng tôi đang xây dựng sẽ làm tăng đáng kể tốc độ đầu ra mô hình của chúng tôi, thúc đẩy các đột phá nghiên cứu mới, và làm cho các mô hình này hữu ích và có thể sử dụng hơn trong thế giới thực. Và tất cả những điều này sẽ xảy ra với tốc độ ngày càng nhanh hơn.

Alex:
Nó sẽ làm gì cụ thể? Bạn sẽ trực tiếp bảo nó "tìm AGI" và sau đó nó sẽ tự thử nghiệm?

Greg Brockman:
Ở một mức độ nào đó, tôi thấy nó theo cách đó, ít nhất là theo nghĩa đầu tiên. Nhưng nếu nhìn từ góc độ thực tế hơn, tôi sẽ hiểu nó là: lấy toàn bộ quy trình làm việc của một trong những nhà khoa học nghiên cứu của chúng tôi từ đầu đến cuối và cố gắng thực hiện nó nhiều nhất có thể trong một hệ thống dựa trên silicon.

Alex:
Một cách khác để hiểu "cất cánh" là: tiến bộ của AI sẽ chuyển từ cải tiến gia tăng sang tích lũy động lực, cuối cùng tiến hóa thành một quá trình đẩy gần như không thể ngăn cản hướng tới một trí tuệ thông minh hơn con người.

Bạn có lo lắng rằng, giống như mọi thứ có thể phát triển theo hướng tích cực, tiến bộ này bản thân nó cũng có thể vượt khỏi tầm kiểm soát, chệch hướng không?

Greg Brockman:
Tôi nghĩ, tất nhiên là sẽ có, điều đó không nghi ngờ gì. Tôi tin rằng để tận hưởng những lợi ích của công nghệ này, người ta cũng phải nghiêm túc xem xét những rủi ro của nó.

Nếu bạn nhìn vào cách tiếp cận của chúng tôi đối với phát triển kỹ thuật, bạn sẽ thấy rằng chúng tôi đã nỗ lực rất nhiều vào an ninh và bảo vệ. Một ví dụ điển hình là các cuộc tấn công tiêm lệnh (prompt injection). Nếu bạn định tạo ra một AI rất thông minh, mạnh mẽ có quyền truy cập vào nhiều công cụ, bạn chắc chắn muốn đảm bảo rằng nó không bị dẫn dắt sai hoặc bị thao túng bởi ai đó đưa cho nó một lệnh lạ.

Đây là điều chúng tôi đã nỗ lực rất nhiều, và tôi nghĩ chúng tôi đã đạt được kết quả rất tốt. Chúng tôi cũng có một đội ngũ rất mạnh chịu trách nhiệm cho công việc này.

Thật thú vị, một số vấn đề này thực sự có thể được so sánh với con người. Con người cũng dễ bị tấn công lừa đảo, có thể bị đánh lừa, và có thể hành động mà không có ngữ cảnh đầy đủ.

Chúng tôi đưa những phép loại suy này vào quy trình R&D của riêng mình. Bất cứ khi nào chúng tôi phát hành một mô hình, phát triển một mô hình, chúng tôi luôn nghĩ: làm thế nào để đảm bảo nó thực sự phù hợp với các mục tiêu của con người, làm thế nào để đảm bảo nó thực sự giúp ích? Đây là điều chúng tôi rất quan tâm.

Tất nhiên, cũng có một số vấn đề lớn hơn liên quan đến cả thế giới, toàn bộ nền kinh tế: mọi thứ sẽ thay đổi như thế nào? Làm thế nào để mọi người có thể hưởng lợi từ công nghệ này? Đây không chỉ là các vấn đề kỹ thuật, cũng không phải OpenAI có thể giải quyết chúng một mình. Nhưng vâng, tôi thực sự nghĩ thường xuyên về việc không chỉ thúc đẩy công nghệ mà còn đảm bảo rằng nó có thể thực sự mang lại tác động tích cực tương xứng với tiềm năng của nó.

Alex:
Vấn đề là, điều này trông giống như một cuộc đua. Những gì đang diễn ra trong các bức tường của trụ sở OpenAI cũng nhanh chóng được sao chép bởi nhiều người chơi mã nguồn mở. Và những người chơi này thường yếu hơn nhiều về ranh giới an ninh và các biện pháp bảo vệ.

Tôi nhớ bạn đã nói điều gì đó trước đây, ý chính là: Những thành tựu sáng tạo đòi hỏi nhiều người làm đúng nhiều việc, nhưng kết quả hủy diệt có thể chỉ cần một tác nhân độc hại. Đây ít nhất là nơi tôi lo lắng nhất. Bởi vì đây rõ ràng là một cuộc đua, và tiến bộ rất nhanh. Nhiều đồng nghiệp của bạn đã nói nếu mọi người đồng ý dừng lại, họ cũng sẵn sàng dừng lại. Nhưng bây giờ, có vẻ như không có dấu hiệu nào cho thấy cuộc đua này chậm lại chút nào.

Vậy, phần thưởng có thực sự xứng đáng để chấp nhận những rủi ro như vậy không?

Greg Brockman:

Tôi tin rằng phần thưởng là xứng đáng. Tuy nhiên, tôi cũng cảm thấy rằng một câu trả lời như vậy vẫn còn quá rộng và quá đơn giản.

Kể từ khi thành lập OpenAI, chúng tôi đã tự hỏi: Tương lai nào tạo nên một tương lai tốt đẹp? Làm thế nào công nghệ này có thể thực sự nâng tầm tình hình của mọi người?

Bạn có thể chia câu hỏi này thành hai góc nhìn. Một là quan điểm "tập trung": nghĩ rằng để làm cho công nghệ này an toàn, cách tốt nhất là chỉ một thực thể phát triển nó. Sau đó không có áp lực cạnh tranh, và bạn có thể cẩn thận làm đúng mọi thứ, và khi bạn đã sẵn sàng, quyết định cách cung cấp nó cho mọi người. Ý tưởng này có thể hiểu được, nhưng ở một mức độ nào đó, nó cũng là một giải pháp rất khó chấp nhận.

Và một con đường khác, cũng là con đường chúng tôi nghiêng về, là suy nghĩ từ góc độ "khả năng phục hồi". Nói cách khác, coi nó như một hệ thống mở: nhiều người tham gia đang thúc đẩy sự phát triển của công nghệ này, nhưng trọng tâm không chỉ là bản thân công nghệ mà nhiều hơn vào việc xây dựng cơ sở hạ tầng xã hội xung quanh công nghệ này, cho phép nó được đón nhận an toàn hơn.

Bạn có thể nghĩ về sự phát triển của điện. Điện cũng được sản xuất bởi nhiều người và tổ chức khác nhau, và bản thân nó cũng mang theo những rủi ro và nguy hiểm. Tuy nhiên, đồng thời, chúng tôi đã xây dựng nhiều lớp cơ sở hạ tầng an ninh xung quanh nó: có các tiêu chuẩn an toàn điện, các thông số kỹ thuật sử dụng khác nhau, các cách tiếp cận quy định tương ứng với các quy mô khác nhau. Ở quy mô rất lớn, thậm chí còn có các yêu cầu quy định chuyên biệt. Nhiều người có thể sử dụng điện theo cách dân chủ hóa, cùng với các thanh tra và toàn bộ hệ thống hỗ trợ dần dần được thiết lập xung quanh các đặc điểm của công nghệ này.

Và tôi nghĩ AI cũng vậy. Những gì chúng tôi thực sự thấy là phải có một cuộc thảo luận xã hội rộng rãi xung quanh AI. Nếu công nghệ này thực sự sắp đến và thay đổi cuộc sống của mọi người, thì mọi người phải tham gia. Nó không thể chỉ được thúc đẩy và quyết định bởi một nhóm nhỏ tập trung trong bí mật.

Vì vậy, đối với tôi, đây luôn là một vấn đề rất cốt lõi: Công nghệ này nên mở ra theo cách nào? Và những gì chúng tôi thực sự tin tưởng là một "hệ sinh thái kiên cường" dần dần được hình thành xung quanh sự phát triển công nghệ.

Alex:
Vậy bạn đang nói rằng chúng ta hiện đang trong quá trình "cất cánh", và tất cả chúng ta thực sự đã ở trong đó? CEO của NVIDIA, Jensen Huang, gần đây nói ông tin rằng AGI đã đạt được. Bạn có đồng ý không?

Greg Brockman:
Tôi nghĩ AGI có những định nghĩa khác nhau cho những người khác nhau. Và thực sự, nhiều người sẽ lập luận rằng công nghệ chúng ta có ngày nay đã được coi là AGI.

Điều này có thể được tranh luận. Nhưng tôi nghĩ phần thực sự thú vị là công nghệ chúng ta có ngày nay vẫn còn rất "thô", với cảm giác phân mảnh rõ ràng.

Trong nhiều tác vụ, chẳng hạn như viết mã, nó đã là siêu nhân. AI có thể làm được, và nó đã giảm đáng kể ma sát của việc tạo ra mọi thứ. Nhưng đồng thời, vẫn có một số điều rất cơ bản mà con người có thể dễ dàng làm nhưng AI vẫn còn chật vật.

Vậy bạn vạch ra ranh giới ở đâu? Ở một mức độ nào đó, nó giống như một "cảm giác", một sự đánh giá về bầu không khí, hơn là một câu hỏi có thể được xác định khoa học nghiêm ngặt vào thời điểm này.

Vì vậy, đối với bản thân tôi, tôi nghĩ chúng ta rõ ràng đang trải qua khoảnh khắc đó. Nếu bạn cho tôi xem những hệ thống này ngày hôm nay cách đây năm năm, tôi sẽ nói: Vâng, đây là những gì chúng ta đã nói đến hồi đó. Chỉ là thực tế đã phát triển ra, trông rất khác so với những gì chúng ta tưởng tượng ban đầu. Nó khác với bất kỳ hình thức nào chúng ta từng hình dung.

Vì vậy, tôi nghĩ chúng ta cần điều chỉnh các mô hình tinh thần của mình cho phù hợp.

Alex:
Vậy ý bạn là, chúng ta chưa đến đó?

Greg Brockman:
Tôi muốn nói, chúng ta có lẽ đã đạt được 70% đến 80% rồi. Vì vậy, tôi nghĩ chúng ta thực sự rất gần.

Và tôi tin một điều rất rõ ràng: trong vài năm tới, chúng ta chắc chắn sẽ chứng kiến AGI. Hiệu suất của nó có thể vẫn còn hơi "gập ghềnh", không hoàn toàn trơn tru và hoàn hảo ở mọi nơi. Nhưng mức sàn của các tác vụ mà nó có thể hoàn thành sẽ được nâng lên rất cao—gần như đối với bất kỳ tác vụ trí tuệ nào bạn cần thực hiện trên máy tính, AI đều có thể làm được.

Vì vậy, bây giờ tôi phải đưa ra một câu trả lời hơi không chắc chắn vì thực sự có một chút "nguyên lý bất định" trong điều này—bạn có thể lập luận nó từ các định nghĩa khác nhau. Nhưng theo định nghĩa cá nhân của tôi, tôi nghĩ chúng ta gần như đã đến đó. Tiến thêm một bước nữa, và chúng ta hoàn toàn ở đó.

Điểm uốn then chốt: Sự bàn giao công việc từ 20% lên 80%

Alex:

Chuyện gì đã xảy ra vào tháng 12 năm 2025 chính xác. Bởi vì đó dường như là một bước ngoặt, ý tưởng "để máy viết mã không bị gián đoạn trong vài giờ liên tục" đột nhiên chuyển từ một ý tưởng lý thuyết sang việc mọi người bắt đầu nói, "Tôi nghĩ tôi có thể tin tưởng nó tiếp tục chạy một mình trong một thời gian."

Vậy điều gì thực sự đã xảy ra vào thời điểm đó?

Greg Brockman:
Sau khi phát hành mô hình mới, tỷ lệ các tác vụ AI có thể thực hiện đã nhảy vọt từ khoảng 20% công việc của bạn lên 80% trong một lần. Đây là một sự chuyển dịch cực kỳ quan trọng. Bởi vì nó không còn chỉ là "một công cụ nhỏ khá tốt", mà nó đã trở thành: bạn phải tổ chức lại quy trình làm việc của mình xung quanh những AI này.

Đối với cá nhân tôi, tôi cũng có một khoảnh khắc nội tạng rất điển hình. Trong nhiều năm, tôi đã có một tín hiệu kiểm tra: nhờ AI xây dựng một trang web cho tôi. Trang web này thực sự là một trang web tôi đã tự tay xây dựng khi tôi đang học viết mã, mất của tôi vài tháng.

Và đến năm 2025, nó có lẽ vẫn mất bốn giờ và vài vòng nhắc nhở qua lại để có được thứ gì đó tươm tất. Nhưng đến tháng 12, tôi hỏi một lần, và AI đã làm một lần, và nó đã làm rất tốt.

Alex:
Vậy làm thế nào những mô hình này thực hiện bước nhảy vọt này?

Greg Brockman:
Một phần lớn lý do là bản thân mô hình cơ sở đã trở nên mạnh mẽ hơn. OpenAI đã liên tục cải thiện các kỹ thuật tiền huấn luyện của mình. Và tại thời điểm đó, chúng tôi đã thấy một gợi ý về những gì phần còn lại của năm sẽ trông như thế nào. Nhưng đồng thời, đó không chỉ là một điểm đột phá duy nhất. Chính xác hơn, chúng tôi đã thúc đẩy phía trước trên tất cả các khía cạnh của sự đổi mới.

Một điều thú vị về những mô hình này là: theo một nghĩa nào đó, bạn có thể cảm thấy rằng chúng đã có những khoảnh khắc "gián đoạn" lặp đi lặp lại; nhưng từ một góc độ khác, mọi thứ đã là một sự tiến hóa liên tục. Nó không đột nhiên nhảy từ 0% lên 80%, mà thay vào đó là từ 20% lên 80%. Vì vậy, theo một cách nào đó, bạn cũng có thể nói rằng nó chỉ trở nên tốt hơn.

Và tôi nghĩ tiến bộ này thực sự đang tiếp tục trong mỗi bản cập nhật phiên bản nhỏ tiếp theo. Ví dụ, từ 5.2 lên 5.3, tôi có một kỹ sư cộng tác chặt chẽ, người ban đầu không thể khiến mô hình thực hiện công việc hệ thống cấp thấp, cốt lõi mà anh ấy chịu trách nhiệm; nhưng đến phiên bản mới, mô hình có thể tiếp quản các tài liệu thiết kế của anh ấy, thực sự thực hiện chúng, thêm giám sát số liệu và khả năng quan sát, chạy một profiler để phân tích hiệu suất, tiếp tục tối ưu hóa, và cuối cùng đạt được kết quả mà anh ấy ban đầu hy vọng sẽ mang lại bằng chính đôi tay của mình.

Vì vậy, tôi muốn nói, nó giống như một quá trình "tiến bộ gia tăng, và sau đó đột nhiên mọi thứ đã thay đổi". Nhưng tất cả những điều này thực sự đã được báo trước bởi các khả năng hiện đang được phát huy. Trong vòng một năm chậm nhất, nhiều thứ, một số thậm chí nhanh hơn nhiều, sẽ trở nên cực kỳ đáng tin cậy.

Alex:
Điều này không làm bạn ngạc nhiên sao? Bởi vì tôi nhớ không lâu trước đây bạn đã đề cập trong một cuộc phỏng vấn rằng các công cụ như Codex, một công cụ lập trình tự động, ban đầu chỉ dành cho các nhà phát triển phần mềm. Nhưng sớm hơn trong cuộc trò chuyện hôm nay, bạn nói rằng thực ra mọi người đều có thể sử dụng những loại công cụ này.

Điều gì đã khiến bạn thay đổi suy nghĩ?

Greg Brockman:
Tôi thực sự luôn đóng khung Codex trong ngữ cảnh "viết mã". Rốt cuộc, tên của nó có mã trong đó, vì vậy thật tự nhiên khi coi nó là một công cụ cho các lập trình viên. Và nội bộ OpenAI, nhiều người trong chúng tôi là các kỹ sư phần mềm, xây dựng công cụ cho chính mình, vì vậy thật tự nhiên khi nghĩ theo cách này.

Nhưng khi công nghệ này tiến triển, chúng tôi bắt đầu nhận ra một điều: công nghệ nền tảng mà chúng tôi thực sự xây dựng hầu như không phải về "mã" chút nào, nó về cơ bản là về "giải quyết vấn đề".

Cốt lõi của nó là về việc quản lý ngữ cảnh, xây dựng một khung thực thi, và suy nghĩ về cách AI nên cắm vào công việc thực tế, làm thế nào để thực sự hoàn thành mọi việc. Và một khi điều này được thiết lập, ngay cả trong ngữ cảnh lập trình, nó đột nhiên có nghĩa là bất kỳ ai cũng có thể có khả năng này. Bởi vì những gì bạn thực sự có là một hệ thống có thể làm công việc cho bạn. Miễn là bạn có một tầm nhìn, một mục tiêu để hoàn thành, và có thể mô tả ý định của mình một cách rõ ràng, AI có thể đi và thực thi, có thể hoàn thành mọi việc.

Nhưng điều này cũng sẽ khiến bạn bắt đầu tự hỏi, tại sao tôi chỉ tập trung vào sự phân chia "phi lập trình" hoặc "lập trình"? Thực tế, có rất nhiều công việc về cơ bản chỉ là một loại kỹ năng cơ học. Như bảng tính Excel, như thực hiện các bài thuyết trình. Nếu AI đã có đủ ngữ cảnh và trí thông minh thô đầy đủ, nó thực sự có thể làm những việc này rất tốt bây giờ.

Vì vậy, nếu chúng tôi chỉ làm cho nó dễ tiếp cận hơn, thân thiện hơn với người dùng, nó sẽ chuyển từ "Codex dành cho lập trình viên" sang đột nhiên "Codex dành cho mọi người".

Alex:
Và sau khi chúng ta thấy tiến bộ rõ ràng này, Thung lũng Silicon nhanh chóng thấy một hiện tượng gần như im lặng khác xuất hiện, đó là Open Claw, phải không? Hoặc rộng hơn, toàn bộ cộng đồng công nghệ đang bắt đầu tin tưởng AI theo cách bạn vừa đề cập—giống như bàn giao quyền kiểm soát máy tính để bàn cho một robot AI, hoặc thiết lập một chiếc Mac mini, cấp cho nó quyền truy cập email, lịch, tệp, và sau đó ở một mức độ nào đó, để nó "tiếp quản cuộc sống".

Sau đó, OpenAI đã đưa người sáng lập Open Claw vào công ty. Vậy bạn có thể nói thêm một chút về loại AI "giúp bạn quản lý cuộc sống" này không? Đưa nhóm Open Claw vào, liệu tầm nhìn cơ bản có phải là như vậy không?

Greg Brockman:
Tôi muốn nói, khía cạnh cốt lõi nhất của công nghệ này là: tìm ra cách nó có thể hữu ích, cách mọi người thực sự muốn sử dụng nó, tầm nhìn của tác nhân thông minh là gì, nó sẽ đi vào cuộc sống của mọi người như thế nào—đây đều là những câu hỏi rất khó.

Những gì tôi đã thấy lặp đi lặp lại trong sự tiến hóa của công nghệ này là những người thực sự sẵn sàng tham gia sâu, đầy tò mò, và có trí tưởng tượng mạnh mẽ, điều này bản thân nó là một khả năng rất thực tế, và nó sẽ trở thành một khả năng ngày càng có giá trị trong nền kinh tế mới.

Người sáng lập Open Claw, Peter, theo ý kiến của tôi, là một người như vậy; anh ấy có trí tưởng tượng rất mạnh mẽ và một sự thôi thúc sáng tạo mạnh mẽ. Vì vậy, theo một cách nào đó, điều này liên quan đến một công nghệ cụ thể; nhưng theo một cách khác, nó không chỉ là một vấn đề kỹ thuật chút nào. Nó thực sự liên quan đến: làm thế nào để chúng ta nhúng những khả năng này vào cuộc sống của mọi người, tìm nơi chúng thực sự thuộc về.

Vì vậy, với tư cách là một nhà công nghệ, điều này chắc chắn là thú vị; nhưng với tư cách là một người thực sự quan tâm đến việc mang lại giá trị thiết thực cho người dùng, chúng tôi hiện đang đầu tư rất nhiều vào điều này, đầu tư rất nhiều.

Alex:
Bạn gần đây có một bình luận thú vị về điều này. Bạn nói, khi bạn bắt đầu có những tác nhân AI tự chủ làm việc cho bạn, bạn sẽ trở thành "CEO của một đội tàu gồm hàng ngàn tác nhân thông minh" đang làm việc cho bạn để đạt được mục tiêu, tầm nhìn và tác vụ của bạn, và bạn không còn tham gia sâu vào các chi tiết cụ thể về cách các vấn đề khác nhau đang được giải quyết.

Nhưng bạn cũng đề cập rằng, theo một nghĩa nào đó, cách làm việc mới này có thể khiến mọi người cảm thấy họ đang mất đi "nhịp đập" của chính vấn đề.

Greg Brockman:
Đây thực sự có phải là một điều tốt không? Tôi nghĩ đó là một con dao hai lưỡi.

Vì vậy, tôi nghĩ những gì chúng ta cần làm là, một mặt, nhận ra sức mạnh thực sự mà những công cụ này có thể mang lại, và mặt khác, cố gắng giảm thiểu nhiều nhất có thể những điểm yếu mà chúng mang lại. Ví dụ, mang lại cho mọi người đòn bẩy lớn hơn, mang lại cho mọi người quyền tự quyết lớn hơn—nếu bạn có một tầm nhìn, thứ gì đó bạn muốn hoàn thành, thì bạn có thể huy động cả một đội tàu tác nhân để làm điều đó cho bạn, điều này tất nhiên rất mạnh mẽ.

Nhưng nếu bạn nghĩ về cách thế giới vận hành, cuối cùng phải có ai đó chịu trách nhiệm. Giả sử bạn đang xây dựng một trang web và tác nhân của bạn làm hỏng mọi thứ, cuối cùng ảnh hưởng đến người dùng, nói một cách nghiêm túc, đó không phải là lỗi của tác nhân, đó là lỗi của bạn. Vì vậy, bạn phải quan tâm đến nó.

Tôi nghĩ bất kỳ ai thực sự muốn sử dụng những công cụ này phải nhận ra: quyền tự quyết của con người, trách nhiệm của con người, là những phần cốt lõi của toàn bộ hệ thống. Cách con người sử dụng AI là quan trọng về cơ bản.

Vì vậy, tôi nghĩ điểm quan trọng nhất là: với tư cách là người dùng của những tác nhân này—chúng tôi cũng như vậy trong nội bộ OpenAI—bạn không thể từ bỏ trách nhiệm. Bạn không thể chỉ nói, "AI sẽ tự lo liệu mọi thứ."

Alex:
Tất nhiên. Nhưng những gì bạn vừa nói về "cảm giác như bạn đang mất đi nhịp đập của vấn đề" dường như khác với "trách nhiệm".

Greg Brockman:
Đối với tôi, hai điều này thực sự được kết nối. Bởi vì điểm mấu chốt là: nếu bạn là một CEO, nhưng bạn quá xa rời các chi tiết—giống như nếu bạn đang dẫn dắt một nhóm, điều hành một công ty, nhưng bạn đã mất liên lạc với tiền tuyến, điều đó thường không dẫn đến kết quả tốt. Vì vậy, những gì tôi muốn bày tỏ ngay bây giờ không phải là "con người cuối cùng có thể không biết gì" là điều đáng theo đuổi.

Tất nhiên, một số chi tiết thực sự có thể được tự tin bàn giao. Giống như khi bạn thuê một nhà thầu chung để xây nhà, có rất nhiều chi tiết bạn có thể không cần phải đích thân giám sát vì bạn tin rằng bên kia sẽ xử lý tốt. Nhưng cuối cùng, nếu một số chi tiết quan trọng đi sai hướng, bạn vẫn nên quan tâm và bạn vẫn nên biết.

Vì vậy, đây là một sự khác biệt tinh tế rất quan trọng: bạn không thể chỉ mù quáng nói, "Tôi sẵn sàng mất đi cảm giác nắm bắt vấn đề đó." Thay vào đó, chúng ta nên chủ động nói: Tôi vẫn cần duy trì nhận thức đó để thực sự hiểu những điểm mạnh và điểm yếu của hệ thống.

Và khi bạn bắt đầu tách mình ra khỏi một số giao dịch cấp thấp, cơ học hơn, lý do bạn có thể làm điều đó nên là vì bạn đã thiết lập niềm tin vào hệ thống này, xác nhận rằng nó thực sự làm đúng mọi việc.

Alex:
Liên quan đến các mô hình, tôi có một câu hỏi cuối cùng. Bạn đã đề cập đến một lộ trình tiến hóa mô hình: từ tiền huấn luyện, đến tinh chỉnh, đến học tăng cường, làm cho nó tốt hơn trong việc giải quyết vấn đề từng bước và có thể thực hiện các tác vụ trên internet.

Và bây giờ chúng ta đã đạt đến giai đoạn mà mô hình đã học cách sử dụng các công cụ thông qua quá trình này. Nếu tôi hiểu đúng, bước tiếp theo trong lộ trình tiến hóa này sẽ là gì?

Greg Brockman:
Tôi nghĩ, thế giới chúng ta đang ở bây giờ là một thế giới nơi năng lực máy móc đang sâu sắc và mở rộng liên tục. Một phần của nó chắc chắn là về việc sử dụng công cụ, nhưng đồng thời, chúng ta cũng cần thực sự làm cho bản thân các "công cụ" đủ tốt. Ví dụ, nếu AI đã có thể thực hiện "các thao tác máy tính" và sử dụng các hệ thống máy tính để bàn như con người, thì về nguyên tắc, nó có thể làm bất cứ điều gì bạn có thể làm.

Nhưng đồng thời, chúng ta cũng cần cung cấp rất nhiều thứ ở cấp độ cơ sở hạ tầng cho máy móc. Ví dụ, trong một môi trường doanh nghiệp, làm thế nào để bạn thực hiện xác thực danh tính và quản lý ủy quyền? Làm thế nào để bạn thực hiện kiểm toán và khả năng quan sát? Để bắt kịp với sự phát triển của các năng lực nền tảng của mô hình, rất nhiều công nghệ hỗ trợ cần được xây dựng.

Và từ một hướng tổng thể, tôi nghĩ nó sẽ bao gồm những thứ như một "giao diện giọng nói rất tự nhiên". Đó là để nói, bạn có thể có một cuộc trò chuyện tự nhiên với máy tính như bạn làm bây giờ, nơi nó có thể thực sự hiểu bạn, làm những gì bạn cần nó làm, và cung cấp các đề xuất có giá trị.

Ví dụ, nó sẽ chủ động nhắc nhở bạn: một điều gì đó bạn đang tiến triển hiện đang bị mắc kẹt, và vấn đề nằm ở đây. Hoặc khi bạn thức dậy vào buổi sáng, nó sẽ nói với bạn: đây là bản tóm tắt hàng ngày của bạn, các tác nhân của bạn đã tiến triển bao nhiêu công việc tối qua.

Có lẽ nó thậm chí đang điều hành một doanh nghiệp cho bạn — tôi nghĩ đây sẽ là một ứng dụng to lớn của công nghệ này. Sự dân chủ hóa của tinh thần khởi nghiệp chắc chắn sẽ xảy ra. Nó sẽ nói với bạn: những lĩnh vực này có vấn đề; một khách hàng hiện rất không hài lòng và muốn nói chuyện với một người thực, bạn tốt hơn nên tự mình xử lý nó. Những điều này sẽ xảy ra.

Sau đó, tôi nghĩ giai đoạn tiếp theo cũng bao gồm: giới hạn trên của các thách thức đối với con người sẽ tiếp tục được nâng cao bởi công nghệ này. Chúng ta thực sự đã ở tiền tuyến của xu hướng này. Điều khiến tôi phấn khích nhất gần như tương tự với Move 37 của AlphaGo — nước đi đó là thứ con người sẽ không bao giờ thực hiện, nó sáng tạo, và nó đã thay đổi sự hiểu biết của nhiều người về trò chơi.

Loại điều này sẽ xảy ra trong mọi lĩnh vực. Nó sẽ xảy ra trong khoa học, toán học, vật lý, hóa học; nó sẽ xảy ra trong khoa học vật liệu, sinh học, chăm sóc sức khỏe, khám phá thuốc; và nó thậm chí có thể xảy ra trong văn học, thơ ca, và nhiều lĩnh vực khác. Nó sẽ mở ra những không gian mới của sự sáng tạo và hiểu biết của con người theo những cách chúng ta chưa thể tưởng tượng ngày nay.

Alex:
Nhưng nếu mô hình đã mạnh mẽ như bạn nói, tại sao điều này chưa xảy ra thực sự cho đến bây giờ?

Greg Brockman:
Tôi nghĩ có một "độ trễ năng lực" đang diễn ra ở đây—nghĩa là vẫn còn một khoảng cách đáng kể giữa năng lực thực tế của mô hình và cách mọi người hiện đang sử dụng nó. Ở một mức độ nào đó, sự hiểu biết của chúng ta về những gì "bên trong" mô hình vẫn đang tiến hóa.

Vì vậy, tôi tin rằng ngay cả khi tiến bộ công nghệ dừng lại từ thời điểm này, thế giới vẫn sẽ trải qua một sự thay đổi to lớn—một nền kinh tế do tính toán thúc đẩy, do AI thúc đẩy vẫn sẽ đến.

Nhưng đồng thời, có một lớp khác cho điều này: những gì chúng ta giỏi nhất hiện nay là đào tạo các mô hình trên các tác vụ "có thể đo lường". Vì vậy, ban đầu, chúng ta bắt đầu với các bài toán, các tác vụ lập trình vì những tác vụ này có các trình xác thực rất rõ ràng: câu trả lời đúng hoặc không, làm cho nó dễ đánh giá. Và theo thời gian, lý do chúng ta có thể dần dần đẩy các mô hình hướng tới các câu hỏi mở hơn là bằng cách mở rộng phạm vi của "những gì có thể được xác thực, đánh giá".

Bản thân AI cũng có thể giúp với điều này. Nếu AI đủ thông minh, hiểu tác vụ, và được đưa ra một tiêu chí đánh giá, nó có thể học dần dần. Tuy nhiên, các tác vụ như viết sáng tạo, chẳng hạn như "bài thơ này hay đến mức nào", rất khó để chấm điểm.

Do đó, trong những loại kịch bản này trong quá khứ, thực sự đã rất khó khăn để khiến AI thực sự học thông qua thử nghiệm và phản hồi liên tục. Tuy nhiên, tất cả những điều này đang thay đổi, và chúng ta đã có một cái nhìn khá rõ ràng về con đường phía trước.

Alex:
Điều đó khá thú vị. Peter Thiel từng nói một điều đại loại như: nếu bạn giỏi toán, tác động bạn có thể trải nghiệm trước những mô hình này có thể còn lớn hơn so với một người "giỏi ngôn từ". Và bạn cũng là thành viên Câu lạc bộ Toán học ngày xưa. Bạn không lo lắng về điều này sao?

Greg Brockman:
Tôi nghĩ mọi người có xu hướng nhìn thấy nhiều hơn những gì họ đã mất thay vì những gì họ đã đạt được. Đó là vì chúng ta có một trải nghiệm sâu sắc về "cách tôi từng làm điều này". Ví dụ, tôi từng tham gia các cuộc thi toán, và bây giờ AI cũng có thể tham gia các cuộc thi toán. Nhưng vấn đề là, điều này chưa bao giờ thực sự nói về "các cuộc thi toán" đúng không? Đó không phải là điều cốt lõi thúc đẩy tiến bộ của con người.

Nếu bạn nhìn vào cách chúng ta làm việc bây giờ—ngồi trước một chiếc hộp, gõ trên một chiếc hộp khác—chúng ta đã không sống như thế này một trăm năm trước. Đây không phải là một trạng thái tự nhiên, cũng không thực sự là cách chúng ta nên tồn tại trong thế giới kỹ thuật số này mà chúng ta đã bị cuốn vào.

Đó không phải là bản chất của "làm người". Điều thực sự quan trọng là hiện diện, sống trong khoảnh khắc, và kết nối với người khác.

Và tôi tin những gì chúng ta sắp thấy là: AI sẽ giải phóng một lượng thời gian đáng kể, cho phép con người có nhiều cơ hội hơn để củng cố các kết nối với nhau, để xây dựng nhiều mối quan hệ giữa con người hơn.

Điều này khiến tôi vô cùng phấn khích.

Alex:
Đúng. Vậy, khi bạn tiến xa hơn về phía các ứng dụng giống tác nhân này, có một cuộc thảo luận đang nổi lên về việc liệu các tác vụ huấn luyện lớn có còn cần thiết trong tương lai không?

Đặc biệt khi mô hình đã đủ tốt, có vẻ như bạn chỉ có thể triển khai nó vào thế giới thực và đạt được một sự cải thiện đáng kể thông qua nhiều giai đoạn không dựa vào tiền huấn luyện. Và những thứ thực sự đòi hỏi sự hỗ trợ của trung tâm dữ liệu khổng lồ chủ yếu là cho tiền huấn luyện, thực tế là vậy.

Bạn luôn phụ trách việc mở rộng quy mô, thúc đẩy nỗ lực này. Bạn nhìn nhận lập luận này như thế nào?

Greg Brockman:
Tôi nghĩ lập luận này bỏ qua một điểm rất quan trọng trong tiến bộ công nghệ. Thực tế, mỗi bước trong quy trình sản xuất mô hình khuếch đại tác động của nhau. Vì vậy, bạn sẽ muốn mỗi bước trở nên mạnh mẽ hơn.

Chúng ta thấy rằng: một khi tiền huấn luyện trở nên mạnh mẽ hơn, mỗi bước tiếp theo trở nên dễ dàng hơn nhiều. Điều này thực sự có ý nghĩa. Bởi vì mô hình có khả năng hơn ngay từ đầu, nó học nhanh hơn; nó cũng tiến triển nhanh hơn khi nó thử các cách tiếp cận khác nhau, học từ những sai lầm của mình, và tiến triển nhanh hơn với ít lỗi hơn vì nền tảng mạnh mẽ hơn của nó.

Do đó, sự thay đổi lớn thực sự không phải là chúng ta đang chuyển từ "huấn luyện một hệ thống hợp lý, tự dẫn xuất, đóng kín hoàn toàn" sang "chỉ để nó phạm sai lầm trong thế giới thực". Thay vào đó, chúng ta nhận ra rằng chúng ta không chỉ cần làm cho bản thân mô hình lớn hơn và mạnh mẽ hơn, mà còn để nó thử mọi thứ, hiểu cách mọi người sử dụng nó trong thế giới thực, và phản hồi phản hồi sử dụng đó vào quá trình huấn luyện. Điều này không làm giảm giá trị của việc tiếp tục thúc đẩy nghiên cứu đó, cũng không làm giảm tầm quan trọng của nó.

Tôi cũng nghĩ có một sự thay đổi khác: trong quá khứ, chúng ta chủ yếu tập trung vào việc tăng cường các khả năng thô trong giai đoạn tiền huấn luyện, nhưng không nhấn mạnh nhiều vào khả năng trong giai đoạn suy luận hoặc suy diễn. Và trong 24 tháng qua, một sự chuyển dịch đáng kể là chúng ta đang bắt đầu nhận ra nhu cầu về sự cân bằng giữa hai điều này.

Nói cách khác, bạn có thể có một mô hình với năng lực rất mạnh, nhưng nó cũng cần đủ hiệu quả trong quá trình suy luận và triển khai thực tế. Bởi vì nếu bạn định thực hiện học tăng cường và thực sự triển khai nó trong thế giới thực, tất cả những điều này đòi hỏi hiệu quả suy luận rất mạnh.

Điều này cũng có nghĩa là bạn có thể không nhất thiết đẩy quy mô huấn luyện đến mức lớn nhất có thể về mặt lý thuyết, vì bạn cũng phải xem xét các kịch bản sử dụng quy mô lớn tiếp theo.

Những gì bạn thực sự muốn là: điểm tối ưu của sản phẩm giữa mức độ thông minh và chi phí, thay vì chỉ tối ưu hóa một chiều.

Alex:
Nếu tương lai chủ yếu chuyển sang suy luận, bạn sẽ không còn cần GPU của Nvidia nhiều nữa sao?

Greg Brockman:
Chúng tôi vẫn hoàn toàn cần chúng.

Alex:
Tại sao?

Greg Brockman:
Có nhiều lý do.

Một trong số đó là: bất kể tỷ lệ giữa huấn luyện và suy luận thay đổi như thế nào, huấn luyện quy mô siêu lớn vẫn là thứ chỉ có thể được thực hiện bằng cách tập trung sức mạnh tính toán khổng lồ vào một vấn đề, và hiện tại không có cách thay thế nào để làm điều này.

Vì vậy, tôi nghĩ điều có khả năng xảy ra hơn trong tương lai là: tỷ lệ sức mạnh tính toán ở phía triển khai sẽ tăng đáng kể; nhưng đồng thời, vẫn sẽ có những khoảnh khắc khi bạn phải thực hiện một tác vụ tiền huấn luyện đặc biệt lớn, và vào thời điểm đó bạn vẫn cần tập trung một lượng lớn sức mạnh tính toán.

Và tôi cũng nghĩ rằng nhóm của Nvidia thực sự xuất sắc, công việc họ làm thật tuyệt vời. Vì vậy, vâng, chúng tôi làm việc rất chặt chẽ với họ.

Alex:
Liệu sẽ có một ngày mọi người bắt đầu nói, "Chúng ta đã tiền huấn luyện đủ rồi, mô hình đã đủ thông minh rồi"?

Greg Brockman:
Tôi nghĩ điều này hơi giống như nói: khi con người đã giải quyết tất cả các vấn đề trước mắt, có lẽ chúng ta có thể nói điều đó. Nhưng tôi nghĩ rằng giới hạn của những gì chúng ta muốn đạt được thực sự cao hơn nhiều.

Trong 50 năm qua, ở một mức độ nào đó, tham vọng của chúng ta cho nhiều mục tiêu thực sự đã giảm đi. Ví dụ, một số vấn đề có vẻ rất rõ ràng—chúng ta có thể đảm bảo rằng mọi người đều có bảo hiểm y tế không? Và không chỉ "điều trị khi có vấn đề", mà thực sự đạt được chăm sóc sức khỏe phòng ngừa, tập trung vào lối sống, giúp mọi người sớm, phát hiện các rủi ro tiềm ẩn trước khi bệnh xảy ra. Tôi nghĩ chúng ta thực sự có thể sử dụng các mô hình thông minh hơn để thực sự giải quyết những loại vấn đề này.

Tất nhiên, có lẽ có một mức độ nào đó mà vấn đề này đã được giải quyết triệt để, và tại thời điểm đó bạn có thể hỏi: Tôi có còn cần một mô hình thông minh gấp đôi không? Nhưng đồng thời, chắc chắn sẽ có những vấn đề khác đòi hỏi mức độ thông minh cao hơn.

Sức mạnh tính toán không phải là chi phí, mà là động cơ doanh thu

Alex:
Hãy nói về những con số đằng sau việc xây dựng các trung tâm dữ liệu này. Đầu năm nay, bạn đã huy động được 110 tỷ đô la. Toán học ở đó hoạt động như thế nào? Số tiền này có đi trực tiếp vào các trung tâm dữ liệu không? Bạn đang nghĩ thế nào về việc trả lại số tiền này cho các nhà đầu tư trong tương lai? Hãy nói về logic này trong tính toán.

Greg Brockman:
Tôi nghĩ, về cơ bản, điều này rất đơn giản: chi phí lớn nhất của chúng tôi hiện nay là sức mạnh tính toán. Nhưng bạn không thể chỉ nhìn vào sức mạnh tính toán như một trung tâm chi phí; nó giống như một trung tâm doanh thu hơn.

Bạn có thể coi nó như việc thuê một đội ngũ bán hàng. Bạn sẵn sàng thuê bao nhiêu nhân viên bán hàng? Miễn là sản phẩm của bạn có thể được bán, miễn là bạn có cơ chế để mở rộng quy mô bán hàng của sản phẩm này, bạn càng thuê nhiều nhân viên bán hàng, doanh thu càng cao.

Và thế giới chúng ta đang ở ngay bây giờ là chúng ta liên tục thấy mình không thể xây dựng sức mạnh tính toán đủ nhanh để theo kịp nhu cầu. Điều này, tôi có thể cảm nhận rất cụ thể ngay bây giờ. Chúng tôi phải đưa ra những quyết định rất đau đớn: tính năng nào có thể đi vào hoạt động, tính năng nào không thể trong thời điểm hiện tại; sức mạnh tính toán đi đâu trước, và đi đâu không.

Và tôi nghĩ, khi toàn bộ nền kinh tế chuyển sang nền kinh tế do AI thúc đẩy, tình hình này sẽ được cảm nhận rộng rãi hơn nhiều.

Những vấn đề thực tế trong tương lai sẽ là: vấn đề nào có thể nhận được loại sức mạnh tính toán khổng lồ đó? Làm thế nào để bạn mở rộng quy mô sao cho mọi người đều có AI cá nhân của riêng mình? Làm thế nào để bạn khiến mọi người sử dụng các hệ thống như Codex?

Ngay bây giờ, đơn giản là không có đủ sức mạnh tính toán trên thế giới để hỗ trợ những điều này. Vì vậy, chúng tôi đang chuẩn bị cho vấn đề này trước.

Alex:
Nhưng đây cuối cùng là một danh mục hoàn toàn mới, phải không? Và bạn đang sử dụng một sự quyết định rất mạnh mẽ để đặt cược vào—một số tiền lớn như vậy, gần như chưa từng thấy trên thế giới. Khi bạn đang tạo ra một danh mục mới, làm thế nào bạn có thể chắc chắn nó cuối cùng sẽ đứng vững?

Greg Brockman:
Tôi nghĩ có một vài thành phần cho điều này.

Thứ nhất, thực sự có một tiền lệ lịch sử bây giờ. Kể từ thời điểm ChatGPT được phát hành, tôi nhớ đã có một cuộc trò chuyện rất rõ ràng với chính mình và nhóm. Ai đó hỏi tôi: Chúng ta nên mua bao nhiêu sức mạnh tính toán? Tôi nói: Tất cả. Sau đó ai đó hỏi lại: Không, nghiêm túc đấy, chúng ta nên mua bao nhiêu? Tôi nói: Cho dù chúng ta xây dựng thế nào, tôi biết chúng ta không thể theo kịp nhu cầu.

Và mỗi năm kể từ đó đã chứng minh điểm đó. Thách thức là việc mua sắm sức mạnh băm (hashing power) như vậy thường cần được khóa trước 18 tháng, đôi khi 24 tháng, hoặc thậm chí lâu hơn. Vì vậy, bạn phải đưa ra quyết định rất lâu trước khi máy móc thực sự được giao. Điều này có nghĩa là bạn phải cực kỳ có tư duy tiến bộ.

Và thế giới chúng ta đang hướng tới là: cho đến nay, phần lớn doanh thu của chúng tôi vẫn đến từ đăng ký người tiêu dùng, điều này cũng sẽ vẫn rất quan trọng trong tương lai. Tất nhiên, chúng tôi cũng đang tạo ra các luồng doanh thu khác.

Nhưng cơ hội lớn hơn, mới nổi bây giờ là công việc tri thức.

Và điều này, chúng tôi đã thấy rất cụ thể: hầu như mọi công ty đều bắt đầu nhận ra rằng công nghệ này thực sự hữu ích, và nếu họ muốn duy trì khả năng cạnh tranh, họ phải áp dụng nó. Bạn có thể thấy động lực rất tự nhiên đó, rất nhiều kỹ sư phần mềm đã sử dụng nó; và bây giờ bạn bắt đầu thấy sự phổ biến rộng rãi hơn, mọi người trong công ty kết hợp nó vào các kịch bản công việc tri thức khác nhau. Và sự sẵn sàng chi trả đã xuất hiện trong ngành này, và tăng trưởng doanh thu bạn đang thấy, là rất rõ ràng.

Điều này đang diễn ra ngay bây giờ. Bạn chỉ cần ngoại suy nó. Và một điều chúng ta có thể thấy rõ ràng hơn những người khác là: chúng ta có thể thấy rõ hơn cách các mô hình này sẽ tiến triển tiếp theo.

Đặt tất cả những điều này lại với nhau, bạn nhận ra: bản thân nền kinh tế này là một thứ cực kỳ to lớn, gần như không thể tưởng tượng được. Và kể từ bây giờ, động lực chính của tăng trưởng cho nền kinh tế này sẽ là AI—bạn có thể tận dụng AI tốt như thế nào và bạn có bao nhiêu sức mạnh băm để thúc đẩy nó.

Alex:
Bạn vừa đề cập rằng đăng ký người tiêu dùng hiện là nguồn doanh thu lớn nhất của bạn. Vậy, nhận định của bạn là trong tương lai, điều này sẽ bị đảo ngược, và các doanh nghiệp sẽ trở thành nguồn doanh thu lớn nhất?

Greg Brockman:
Tôi nghĩ bây giờ rất rõ ràng rằng "phía doanh nghiệp" này đang phát triển nhanh chóng. Tất nhiên, bản thân thuật ngữ "phía doanh nghiệp" cũng đang tiến hóa. Bởi vì những gì nó thực sự chỉ ra là: mọi người sử dụng AI trong công việc tri thức hiệu quả.

Và về mặt định giá, tôi không nghĩ các danh mục nhất thiết sẽ rõ ràng như trước đây. Ví dụ, mô hình sử dụng hiện tại của Codex là: nếu bạn có đăng ký người tiêu dùng ChatGPT, bạn đã có quyền truy cập vào Codex.

Vì vậy, tôi không nghĩ tương lai sẽ là một sự phân chia rõ rệt giữa B2B và B2C. Kịch bản có khả năng hơn là: với tư cách là người dùng, bạn sẽ có một điểm truy cập thống nhất—giống như máy tính xách tay của bạn, đó là cổng vào thế giới kỹ thuật số của bạn.

Và doanh thu thực sự, về cơ bản, sẽ đến từ đây.

Alex:
Dario từng nói một điều, và tôi nghĩ ông ấy có thể đã nói về bạn: Một số người chơi đã đẩy mức rủi ro lên quá cao, và ông ấy rất lo lắng về điều đó. Tôi nghĩ ông ấy đang đề cập đến khoản đặt cược cơ sở hạ tầng khổng lồ của bạn. Bạn nghĩ gì về tuyên bố này?

Greg Brockman:
Tôi không đồng ý. Tôi nghĩ chúng tôi luôn rất thận trọng, và chúng tôi thực sự đã thấy những gì sắp tới. Tôi tin rằng ngay cả chỉ nhìn vào năm nay, tất cả những ai đã thực sự tham gia sẽ cảm thấy 'hạn chế tính toán'.

Và tôi nghĩ chúng tôi chỉ nhận ra điều này sớm hơn những người khác, chuẩn bị sớm hơn cho cách công nghệ sẽ mở ra.

Những gì tôi thấy thay vào đó là nhiều người tham gia khác có lẽ chỉ nhận ra điều này vào cuối năm ngoái và sau đó đổ xô đi tìm sức mạnh tính toán, chỉ để thấy rằng hầu như không còn gì để mua.

Vì vậy, tôi nghĩ thật dễ dàng để nói những điều như vậy. Nhưng thực tế là, mọi người bây giờ nhận ra: công nghệ này khả thi, nó ở đây, nó có thật. Kỹ thuật phần mềm chỉ là ví dụ rõ ràng đầu tiên của nó.

Và những gì thực sự hạn chế chúng tôi là tính toán có sẵn.

Alex:
Ông ấy cũng nói rằng nếu dự đoán của ông ấy chệch đi dù chỉ một chút, công ty của ông ấy có thể phá sản. Bạn có đối mặt với rủi ro tương tự không?

Greg Brockman:
Tôi nghĩ thực sự có nhiều "cái bẫy" ở đây hơn. Nếu bạn bắt đầu nghiêm túc suy nghĩ về mặt tiêu cực—và tôi nghĩ đó là một câu hỏi hoàn toàn công bằng—bạn sẽ thấy rằng ở một mức độ nào đó, khoản đặt cược này không thực sự vào bất kỳ công ty nào.

Nó thực sự vào toàn bộ ngành công nghiệp. Đó là một sự đặt cược vào: Bạn có tin rằng công nghệ này có thể được tạo ra, và nó có thể mang lại giá trị to lớn mà chúng ta thấy ngày nay không?

Tôi liên tục quay lại những bằng chứng trực tiếp nhất đó. Giống như kỹ thuật phần mềm—nếu bạn không phải là kỹ sư phần mềm, nếu bạn chưa thực sự sử dụng Codex, thật khó để hiểu sự khác biệt trong trải nghiệm thông qua việc đọc. Sự khác biệt đó thực sự khó mô tả. Nhưng tôi nghĩ mọi người sẽ sớm thực sự cảm nhận được nó.

Sáu tháng trước, loại trải nghiệm rõ ràng này chủ yếu là nội bộ đối với chúng tôi; sau đó, cũng có những bằng chứng bên ngoài rõ ràng. Và trong sáu tháng nữa, tôi nghĩ mọi người sẽ cảm nhận được nó. Và đến lúc đó, tất cả chúng ta sẽ cảm thấy một loại đau đớn khác: có những mô hình tuyệt vời ngoài kia, nhưng bạn không thể sử dụng chúng vì đơn giản là không có đủ sức mạnh tính toán trên thế giới.

Alex:
Vâng, nhưng khi chúng ta đưa ra dự đoán cho năm 2026 trong chương trình, đã có một cuộc thảo luận vào cuối năm ngoái. Ranjan Roy cũng ở đó, và ông ấy nói rằng 2026 sẽ là năm của 'mọi người sử dụng một tác nhân thông minh'. Phản ứng của tôi lúc đó là: Tôi sẽ tin khi tôi thấy nó bằng chính mắt mình và khi tôi thực sự bắt đầu sử dụng một tác nhân thông minh cho chính mình.

Greg Brockman:
Vậy bây giờ, chúng ta chưa đạt đến khoảnh khắc đó sao? Bạn sử dụng nó để làm gì bây giờ?

Alex:
Tôi sử dụng nó để xây dựng một số công cụ nội bộ giúp những người tôi làm việc cùng đồng bộ hóa tốt hơn khi video lên mạng, hình thu nhỏ nên được thực hiện như thế nào, và những thứ tương tự. Tôi cũng kéo một số dữ liệu từ YouTube để chúng tôi có thể phân tích hiệu suất video dựa trên các yếu tố như hình thu nhỏ. Ở một mức độ nào đó, đây là một bộ phần mềm mà tôi đã tự tùy chỉnh, và nếu thực hiện theo cách truyền thống, tôi có lẽ sẽ không chi tiền để mua nó chút nào.

Tôi nghĩ đây là điều làm cho nó thú vị ngay bây giờ: Phần mềm ban đầu được sản xuất trên quy mô lớn cho công chúng, nhưng chính vì điều này, luôn có nhiều nơi trong đó không được thiết kế riêng cho bạn. Và có lẽ sự thay đổi do AI mang lại là cuối cùng nó cho phép chúng ta tương tác với phần mềm theo cách tự nhiên hơn.

Greg Brockman:
Tôi nghĩ đó là chìa khóa. Và một điều tôi đã liên tục suy nghĩ về là: Cách chúng ta xây dựng máy tính ngày nay thực sự kéo chúng ta vào một thế giới kỹ thuật số.

Hãy nghĩ về việc bạn dành bao nhiêu thời gian để liên tục cuộn nội dung trên điện thoại của mình. Sau đó hãy nghĩ về việc bạn dành bao nhiêu thời gian để liên tục nhấp vào các nút khác nhau, cố gắng kết nối hệ thống này với hệ thống kia—tại sao những việc này phải được thực hiện bởi chính bạn? Những gì AI thực sự nên làm là đưa máy móc đến gần bạn hơn, làm cho nó phù hợp hơn với bạn, và hiểu rõ hơn về những gì bạn muốn hoàn thành.

Ý tưởng này luôn là một phần của văn hóa đại chúng của chúng ta: bạn có thể nói chuyện trực tiếp với máy tính, và sau đó nó hoàn thành mọi việc cho bạn. Và bây giờ, thứ này đang bắt đầu trở thành hiện thực, thực sự trở thành thứ bạn có thể làm. Mức độ của sự thay đổi này thực sự tuyệt vời, và nhiều lần bạn phải tự mình thử để thực sự hiểu nó. Vì vậy, tôi thực sự cảm thấy rằng chúng ta đang ở trong một khoảnh khắc rất đặc biệt.

Alex:
Vậy tôi tự hỏi, tại sao nhận thức của công chúng về AI lại tiêu cực như vậy? Ví dụ, dữ liệu YouGov cho thấy ở Hoa Kỳ, số người tin rằng AI sẽ có tác động tiêu cực đến xã hội nhiều gấp ba lần so với những người tin rằng nó sẽ có tác động tích cực.

Bạn nghĩ lý do đằng sau điều này là gì? Bạn có lo lắng về hình ảnh công chúng của AI không?

Greg Brockman:
Tôi nghĩ một điều chúng ta thực sự phải làm là: cho người dân của đất nước này thấy tại sao AI có lợi cho họ. Và không chỉ từ quan điểm kinh tế vĩ mô, không chỉ nói nó sẽ thúc đẩy tăng trưởng GDP và những từ ngữ lớn khác như vậy, mà: nó thực sự cải thiện cuộc sống của họ cụ thể như thế nào.

Thực tế, tôi nghe những câu chuyện rất cụ thể mỗi ngày. Ví dụ, có một gia đình có đứa con bị đau đầu liên tục và một số vấn đề sức khỏe khác, nhưng bản chụp MRI của họ chưa được phê duyệt. Sau đó, họ sử dụng ChatGPT để nghiên cứu các triệu chứng và nhận ra họ thực sự có thể sử dụng điều này để đưa ra một trường hợp mạnh mẽ hơn cho công ty bảo hiểm. Họ đã làm như vậy, và hóa ra đứa trẻ thực sự có một khối u trong não. Và chính vì họ có được thông tin đúng thông qua ChatGPT mà cuộc sống của đứa trẻ đã được cứu.

Đó chỉ là một câu chuyện. Có rất nhiều, rất nhiều câu chuyện tương tự. Cuộc sống của mọi người đã được cải thiện sâu sắc bởi công nghệ này, và một số thậm chí đã được cứu bởi nó. Chìa khóa là họ đã thực sự tham gia với công nghệ này trong cuộc sống thực.

Nhưng tôi cảm thấy những loại câu chuyện này chưa thực sự được chia sẻ rộng rãi. Tôi nghĩ điều này đang diễn ra trong cuộc sống của nhiều người, nhưng vì lý do nào đó, nó chưa thực sự trở thành một câu chuyện chủ đạo.

Tôi cũng nhận thấy rằng văn hóa đại chúng, đặc biệt là trí tưởng tượng đã tồn tại từ những năm 1990, rất tiêu cực về AI, luôn nhấn mạnh những gì có thể sai. Nhưng một khi mọi người thực sự bắt đầu sử dụng AI, họ thấy rằng nó có giá trị thiết thực, rằng nó hữu ích.

Vì vậy, tôi rất quan tâm đến điều này: chúng ta chưa thực sự thành công trong việc giúp mọi người hiểu tại sao làn sóng công nghệ này sẽ cải thiện cuộc sống của họ, tại sao nó sẽ thúc đẩy các kết nối gần gũi hơn giữa con người.

Đây là một trọng tâm rất quan trọng đối với tôi. Và nếu bạn mở rộng góc nhìn của mình một chút để xem tại sao AI lại quan trọng như vậy, tôi nghĩ nó sẽ trở thành một nguồn sức mạnh kinh tế và an ninh quốc gia đáng kể trong tương lai. Nó sẽ ảnh hưởng đến khả năng cạnh tranh của một quốc gia. Và các quốc gia khác như Trung Quốc đã cho thấy một hướng đi gần như hoàn toàn ngược lại trong AI.

Vì vậy, vâng, tôi nghĩ điều này rất quan trọng. Chúng ta phải đối mặt với nó, và chúng ta phải thực sự tìm ra cách để đảm bảo rằng mọi người đều có thể hưởng lợi từ những lợi thế của công nghệ này.

Alex:
Nhưng chúng ta cũng đang ở trong một khoảnh khắc cực kỳ bất ổn ngay bây giờ. Mọi người rất lo lắng về công việc. Mỗi khi tôi nói chuyện với ai đó về AI, họ hầu như luôn hỏi: Tôi có thể giữ công việc của mình trong bao lâu?

Và sau đó khi nói đến các trung tâm dữ liệu, nhận thức của công chúng về chúng thậm chí còn tệ hơn so với bản thân AI. Nếu bạn nhìn vào các cuộc thăm dò dư luận này, bạn sẽ thấy rằng nhiều người tin rằng các trung tâm dữ liệu sẽ có tác động tiêu cực đến môi trường, chi phí năng lượng gia đình và chất lượng cuộc sống của cư dân xung quanh, thay vì tác động tích cực.

Vì vậy, chúng ta thấy mình ở một khoảnh khắc nơi công việc tốt ngày càng khó tìm, và mọi người thấy các trung tâm dữ liệu đi vào cộng đồng của họ và nghĩ, "Thứ này không thân thiện với môi trường cũng không hiệu quả về chi phí năng lượng, và nó sẽ làm giảm chất lượng cuộc sống của chúng ta."

Họ có sai không?

Greg Brockman:
Tôi nghĩ thực sự có rất nhiều thông tin sai lệch xung quanh các trung tâm dữ liệu.

Một ví dụ rất điển hình là vấn đề sử dụng nước. Nếu bạn thực sự đi và xem cơ sở của chúng tôi ở Abilene, nơi là cơ sở lớn nhất thế giới, hoặc ít nhất là một trong những cơ sở siêu máy tính lớn nhất, tổng lượng tiêu thụ nước hàng năm của nó thực sự tương đương với một hộ gia đình trung bình trong một năm. Nói cách khác, việc sử dụng nước thực sự là tối thiểu.

Nhưng có rất nhiều thông tin sai lệch ngoài kia khiến mọi người tin rằng các trung tâm dữ liệu này tiêu thụ một lượng lớn tài nguyên nước.

Điện cũng là một tình huống tương tự. Chúng tôi đã cam kết tự chịu chi phí và không chuyển áp lực tăng giá điện cho cư dân. Điều này rất quan trọng, và bây giờ toàn bộ ngành công nghiệp đang bắt đầu đưa ra các cam kết tương tự vì cải thiện cộng đồng địa phương thực sự rất quan trọng. Và khi chúng tôi xây dựng một trung tâm dữ liệu, chúng tôi cũng thực sự tham gia với các cộng đồng địa phương này để hiểu những gì đang diễn ra tại địa phương và những gì chúng tôi có thể làm để giúp đỡ. Các trung tâm dữ liệu mang lại doanh thu thuế và tạo việc làm. Nó thực sự mang lại rất nhiều lợi ích.

Vì vậy, tôi nghĩ chìa khóa vẫn là cách chúng ta xuất hiện, và đây là một trách nhiệm mà chúng tôi thực sự coi trọng.

Alex:
Được rồi, nhưng nếu hóa đơn tiền điện của cư dân không tăng, bạn vẫn phải mang điện vào, điều đó có thể có nghĩa là ô nhiễm nhiều hơn. Đó không phải là một vấn đề sao?

Greg Brockman:
Tôi nghĩ thực sự có nhiều lớp tinh tế hơn cho điều này.

Nếu bạn nhìn vào cách lưới điện vận hành ngày nay, bạn sẽ thấy rằng thực sự có rất nhiều "điện nhàn rỗi" — nghĩa là rất nhiều điện đã ở đó nhưng không được tận dụng hết. Đồng thời, bản thân hệ thống truyền tải cần nâng cấp. Và chìa khóa là những chi phí nâng cấp này nên do chúng tôi chịu, không phải bởi những người trả tiền điện bình thường, điều này rất quan trọng. Có rất nhiều nơi có năng lượng sạch sẵn có, nhưng nguồn điện này thực sự không được tận dụng hết và thậm chí bị lãng phí ở một mức độ nào đó.

Vì vậy, khi nhu cầu từ các trung tâm dữ liệu đến, nó thực sự mang lại một động lực thực sự để nâng cấp những lưới điện cũ kỹ, lỗi thời đó. Và việc nâng cấp này, thực tế, cũng mang lại lợi ích thực sự cho cộng đồng. Ví dụ, ở Bắc Dakota, chúng tôi đã thấy rằng việc xây dựng một trung tâm dữ liệu địa phương thực sự đã giúp cải thiện cơ sở hạ tầng tiện ích, dẫn đến việc giảm giá điện cho cư dân.

Alex:
Được rồi, một câu hỏi chính trị cuối cùng. Bạn đã quyên góp 25 triệu đô la cho MAGA Inc., một ủy ban hành động chính trị ủng hộ Trump.

Greg Brockman:
Bạn đã thảo luận điều này với Kara trước đây rồi.

LƯU Ý: Kara Swisher, một nhà báo công nghệ nổi tiếng của Mỹ, được biết đến với những câu hỏi sắc bén và phong cách trực tiếp, đã đưa tin về Thung lũng Silicon và các công ty internet trong một thời gian dài.

Alex:
Đúng. Bạn đã nói vào thời điểm đó, "Bất cứ điều gì giúp công nghệ này thực sự mang lại lợi ích cho mọi người, tôi sẽ làm." Nếu điều này khiến bạn trở thành một "cử tri một vấn đề" hoặc "nhà tài trợ một vấn đề", thì cứ như vậy. Nhưng điều tôi luôn tự hỏi là: Đối với loại "trại một vấn đề" này, liệu ngôi sao Bắc Đẩu cuối cùng của bất kỳ hành động chính trị nào không nên là "làm cho đất nước này mạnh mẽ hơn" chính nó?

Nói cách khác, ngay cả khi một ứng cử viên không hoàn toàn ủng hộ những gì bạn đang làm, nếu họ có thể làm cho đất nước này mạnh mẽ hơn, đó không nên là một tiêu chí chính cho sự ủng hộ chính trị sao? Nếu vậy, đây có phải là một phần trong cân nhắc quyên góp của bạn không?

Greg Brockman:
Đây là cách tôi nhìn nhận nó: Khoản quyên góp đó là một quyết định mà vợ tôi và tôi đã cùng nhau đưa ra. Chúng tôi cũng đã quyên góp cho các siêu PAC ở cả hai phía của lối đi.

Tôi cảm thấy công nghệ này đang đến rất nhanh. Trong vài năm tới, nó thực sự sẽ thay đổi mọi thứ và trở thành nền tảng của toàn bộ nền kinh tế. Nhưng nó chưa phổ biến. Vì vậy, chúng tôi rất muốn ủng hộ những nhân vật chính trị thực sự sẵn sàng đón nhận công nghệ này, những người thực sự hiểu công nghệ này.

Tất nhiên, ở một cấp độ rộng hơn, bản thân công nghệ này thực sự đang nâng cao năng lực của đất nước chúng ta. Theo một nghĩa nào đó, tôi thực sự là một "cử tri một vấn đề" vì tôi tin rằng đây là lĩnh vực mà tôi có thể đóng góp độc đáo. Nhưng cuối cùng, đây vẫn là về việc bày tỏ sự ủng hộ: với tư cách là một quốc gia, chúng ta nên chủ động đón nhận công nghệ này.

Năng lực cốt lõi trong tương lai: Không phải sử dụng AI, mà là "quản lý AI"

Alex:
Nếu có ai đó đang ngồi trước mặt bạn ngay bây giờ, người rất sợ AI, nghĩ rằng AI sẽ lấy đi công việc của họ, hủy hoại cộng đồng của họ, thay đổi thế giới quá nhanh, bạn sẽ nói gì với họ?

Greg Brockman:
Điều duy nhất tôi muốn nói nhất là: Hãy tự mình thử những công cụ này. Bởi vì chỉ khi bạn thực sự trải nghiệm AI đã tồn tại ngày nay, bạn mới thực sự hiểu những gì nó có thể làm cho bạn.

Và hôm nay chúng ta đã thấy quá nhiều cơ hội, tiềm năng và sự trao quyền từ công nghệ này. Bạn vừa nói những gì bạn có thể làm với nó bây giờ, phải không? Những người chưa bao giờ tạo trang web trước đây bây giờ có thể tạo một trang web; nếu bạn muốn bắt đầu một doanh nghiệp nhỏ, trước đây bạn có thể đã bị choáng ngợp bởi các quy trình phụ trợ và chi tiết vận hành khác nhau, nhưng bây giờ AI có thể giúp bạn với nhiều điều trong số này.

Vì vậy, tôi nghĩ, đối với cuộc sống của chính bạn, bạn nên suy nghĩ về: Nó có thể giúp bạn quản lý sức khỏe không? Nó có thể giúp bạn chăm sóc những người thân yêu không? Nó có thể giúp bạn kiếm tiền không? Nó có thể giúp bạn tiết kiệm tiền không? Tất cả những điều này sẽ là những lựa chọn thực tế.

Tôi nghĩ mọi người luôn thấy dễ dàng hơn để thấy "điều gì sẽ thay đổi" nhưng không dễ để thấy "những gì họ sẽ đạt được". Tuy nhiên, tôi tin rằng đáng để cho nó một cơ hội công bằng, để thực sự hiểu mỗi bên của quy mô thực sự đại diện cho điều gì.

Alex:
Nhân tiện, đây cũng là một điểm hiếm khi được thảo luận trong các cuộc khảo sát. Những người chỉ "nghe nói về AI" nhưng chưa bao giờ thực sự sử dụng nó, hoặc hầu như không sử dụng AI, có xu hướng tiêu cực hơn. Một khi bạn trở thành người dùng nặng, hoặc thậm chí chỉ là người dùng thường xuyên, quan điểm của bạn về công nghệ này thường tích cực hơn nhiều.

Greg Brockman:
Đối với cá nhân tôi, chúng tôi đã suy nghĩ về công nghệ này trong nhiều năm. Và bây giờ, cách tôi thấy thực tế đang mở ra thậm chí còn tuyệt vời và có lợi hơn chúng ta từng tưởng tượng, và nó sẽ có tác động tích cực hơn nhiều so với chúng ta mong đợi.

Alex:
Một câu hỏi cuối cùng. Nếu ai đó hỏi bạn, "Tôi nên chuẩn bị cho tương lai như thế nào?" bạn sẽ trả lời thế nào?

Và câu trả lời này không thể chỉ là "đi sử dụng một công cụ". Bởi vì tôi thực sự có những người bạn đến với tôi và hỏi, "Tôi không biết điều gì sẽ xảy ra với công việc của mình, không biết điều gì sẽ xảy ra với thế giới này, tôi chỉ muốn biết bây giờ phải làm gì."

Greg Brockman:
Tôi vẫn nghĩ điều đầu tiên là hiểu công nghệ này. Chúng tôi đã thấy rằng những người thực sự hưởng lợi nhiều nhất từ công nghệ này thường là những người tiếp cận nó với sự tò mò. Họ sẽ thực sự tích hợp nó vào quy trình làm việc của mình, nỗ lực vượt qua ngưỡng ban đầu — đối mặt với một hộp nhập liệu trống và cảm giác "tôi nên làm gì với nó".

Bạn cần dần dần nuôi dưỡng ý thức về quyền tự quyết: Tôi có thể là một người quản lý; tôi có thể thiết lập các hướng đi; tôi có thể ủy quyền các tác vụ; tôi có thể giám sát. Và bạn cần thực sự phát triển khả năng này vì nó sẽ trở thành một kỹ năng rất nền tảng.

Chúng tôi đang xây dựng công nghệ này để giúp đỡ nhân loại, để thúc đẩy nhiều kết nối hơn giữa con người, để cho mọi người nhiều thời gian hơn để làm những gì họ thực sự muốn làm. Vì vậy, câu hỏi cuối cùng sẽ trở thành: Bạn thực sự muốn gì? Và điều thực sự quan trọng là làm rõ điều này và sử dụng công nghệ này để đạt được nó.

Alex:
Đúng vậy. Cảm ơn bạn rất nhiều vì đã đến chương trình.

Greg Brockman:

Cảm ơn vì lời mời.

Alex:
Ngoài ra, cảm ơn mọi người đã lắng nghe và xem. Hẹn gặp lại lần sau trên Big Technology Podcast.

[Liên kết video]