# Bài viết Liên quan DeepMind

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "DeepMind", bao gồm xu hướng thị trường, cập nhật dự án, phát triển công nghệ và chính sách quản lý trong ngành tiền kỹ thuật số.

Cha nuôi cõi mạng Tibo tiết lộ: Google đã tạo ra ChatGPT sớm hơn một năm, nhưng không dám phát hành

Cựu nhân viên Google, hiện là người phụ trách Codex tại OpenAI - Tibo (Thibault Sottiaux) tiết lộ: Google đã phát triển một chatbot tương tự ChatGPT trước một năm. Sản phẩm nội bộ có tên LMChat của DeepMind đã đạt được trải nghiệm gần giống ChatGPT nhưng không bao giờ được ra mắt. Lý do? Theo Tibo, ban lãnh đạo Google quá thận trọng, lo ngại công cụ trò chuyện AI có thể gây xáo trộn cho hạt nhân kinh doanh tìm kiếm đang ăn nên làm ra của họ. Họ đặt ra tiêu chuẩn "phải tốt hơn Google Tìm kiếm", một ngưỡng quá cao khiến sản phẩm bị "xếp kệ". DeepMind cũng bị hạn chế quyền phát triển các sản phẩm cạnh tranh với nghiệp vụ chính của Google. Sự do dự này trở thành một bài học đắt giá. Sau khi ChatGPT của OpenAI bùng nổ vào cuối năm 2022, Google rơi vào thế bị động và bắt đầu chứng kiến làn sóng chảy máu chất xám. Những nhân tài AI hàng đầu như Noam Shazeer (đồng tác giả Transformer), John Jumper (người đoạt giải Nobel từ AlphaFold) và các kỹ sư then chốt của Gemini lần lượt rời đi để gia nhập OpenAI hoặc Anthropic. Câu chuyện này được so sánh với "lời nguyền Xerox" trong lịch sử công nghệ: tập đoàn này từng sở hữu những phát minh định hình tương lai (như giao diện đồ họa, chuột) nhưng đã bỏ lỡ cơ hội vì không muốn làm ảnh hưởng đến doanh thu máy in truyền thống. Tương tự, Google với lợi nhuận khổng lồ từ tìm kiếm và quảng cáo đã tự trói mình, để lỡ mất cơ hội dẫn đầu cuộc cách mạng AI.

marsbit2 ngày trước 08:33

Cha nuôi cõi mạng Tibo tiết lộ: Google đã tạo ra ChatGPT sớm hơn một năm, nhưng không dám phát hành

marsbit2 ngày trước 08:33

Nhà triết học AI đầu tiên trên thế giới, 9 năm tại Google DeepMind: Chạy đôn đáo vì an toàn AGI

Trong 9 năm qua tại Google DeepMind, nhà triết học Iason Gabriel đã nỗ lực giải quyết các vấn đề đạo đức trọng tâm của AI và AGI. Ông phát triển khung "bốn bên" để cân bằng lợi ích giữa hệ thống AI, người dùng, nhà phát triển và xã hội, khung này đã ảnh hưởng trực tiếp đến việc đào tạo Gemini. Công trình của ông cảnh báo về rủi ro "nhân cách hóa vô thức" và "khai thác phần thưởng xã hội", nơi AI tìm cách làm hài lòng người dùng bằng mọi giá, thậm chí góp phần vào một vụ tự tử liên quan đến Gemini. Tuy nhiên, ảnh hưởng của triết học bị thách thức bởi tốc độ phát triển chóng mặt và cuộc chạy đua thương mại khốc liệt, với khoản đầu tư 6700 tỷ USD. Điều kiện cấm sử dụng quân sự khi DeepMind được Google mua lại đã bị phá vỡ. Người sáng lập Demis Hassabis thừa nhận sự phát triển thiếu suy ngẫm triết học. Gabriel chuyển trọng tâm sang nghiên cứu tác động hệ thống của AGI, so sánh với Cách mạng Công nghiệp. Cuối cùng, hành trình của ông tại DeepMind phản ánh một câu hỏi cơ bản hơn: AI buộc chúng ta phải đặt lại câu hỏi về chính bản chất con người.

marsbit07/06 12:31

Nhà triết học AI đầu tiên trên thế giới, 9 năm tại Google DeepMind: Chạy đôn đáo vì an toàn AGI

marsbit07/06 12:31

Vừa ra mắt, tác phẩm kinh điển của DeepMind lại lên ngôi, giải thưởng ICML 2026 công bố

Hội nghị ICML 2026 đã công bố các giải thưởng danh giá. Hai bài báo về mô hình khuếch tán (diffusion model) đã cùng đoạt giải Bài báo Xuất sắc, cho thấy sự tập trung nghiên cứu mạnh mẽ vào hướng này. Một bài chỉ ra "cái bẫy linh hoạt" trong mô hình ngôn ngữ khuếch tán, chất vấn lợi ích thực tế của việc sinh văn bản theo thứ tự bất kỳ. Bài còn lại đề xuất phương pháp lấy mẫu độ chính xác cao, thúc đẩy nền tảng kỹ thuật. Giải Bài báo Lập trường Xuất sắc thuộc về một nghiên cứu chỉ trích sắc bén: cộng đồng nghiên cứu an toàn AI đang vô tình xây dựng "bộ công cụ kiểm duyệt". Công trình này cảnh báo về việc các kỹ thuật điều chỉnh AI (như RLHF) có thể bị lạm dụng cho mục đích kiểm soát nội dung. Năm bài báo nhận được đề cử danh dự bao phủ nhiều chủ đề nóng: xác định vị trí tính trung thực nảy sinh trong mô hình, quy kết chuyển động trong tạo video, giới hạn ghi nhớ của mô hình ngôn ngữ lớn, tính nhất quán của mô hình khuếch tán dưới góc độ lý thuyết ma trận ngẫu nhiên, và hiện tượng "thấu hiểu đột ngột" (grokking) được chứng minh chặt chẽ trong hồi quy ridge. Giải Thử thách Thời gian được trao cho công trình kinh điển "Phương pháp không đồng bộ cho Học tăng cường Sâu" của DeepMind (2016), ghi nhận ảnh hưởng lâu dài của thuật toán A3C. Danh sách giải thưởng ICML 2026 phản ánh xu hướng chuyển từ mở rộng nhanh sang đào sâu nghiên cứu, nhấn mạnh vào việc xem xét lại các giả định cốt lõi và xây dựng nền tảng vững chắc hơn cho các lĩnh vực trọng tâm như mô hình khuếch tán và an toàn AI.

marsbit07/06 02:40

Vừa ra mắt, tác phẩm kinh điển của DeepMind lại lên ngôi, giải thưởng ICML 2026 công bố

marsbit07/06 02:40

OpenAI sụp đổ, nghiên cứu gốc về Scaling Law lộ bug, nghìn tỷ FLOPs hao phí vô ích

OpenAI nghiên cứu viên Diogo Almeida tiết lộ một lỗi cơ bản trong bài báo gốc về Scaling Law năm 2020. Lỗi này đến từ việc huấn luyện tất cả mô hình với số lượng token dữ liệu cố định (khoảng 130B token) và sử dụng lịch trình suy giảm tốc độ học (Cosine Decay), khiến các mô hình lớn bị "thiếu dinh dưỡng" và tạo ảo tưởng rằng việc tăng dữ liệu không còn hiệu quả. Kết quả là ngành AI toàn cầu đã bị dẫn lối sai, ưu tiên tăng tham số một cách cực đoan (như GPT-3) thay vì cân bằng với dữ liệu, dẫn đến lãng phí hàng nghìn tỷ phép tính. Năm 2022, DeepMind với Chinchilla đã sửa sai, chứng minh rằng mô hình và dữ liệu cần được mở rộng cân đối (khoảng 20 token/1 tham số). Tuy nhiên, ngay cả nghiên cứu Chinchilla cũng được phát hiện có lỗi tối ưu hóa. Hơn nữa, Scaling Law hiện tại chủ yếu dựa trên tiếng Anh - một ngôn ngữ kém hiệu quả về mặt hình thái. Thí nghiệm cho thấy mô hình tiếng Pháp đạt hiệu quả cao hơn 50-100 lần so với tiếng Anh ở một số nhiệm vụ, cho thấy định luật hiện nay có thể chỉ phản ánh đặc tính của một ngôn ngữ cụ thể chứ không phải quy luật phổ quát của trí tuệ nhân tạo. Sự sai lệch này đã khiến cả ngành công nghiệp đi chệch hướng trong nhiều năm, lãng phí lượng lớn tài nguyên tính toán và có thể làm chậm tiến trình phát triển AI hiệu quả.

marsbit07/06 00:00

OpenAI sụp đổ, nghiên cứu gốc về Scaling Law lộ bug, nghìn tỷ FLOPs hao phí vô ích

marsbit07/06 00:00

Gã khổng lồ 'Ông vua suy luận' của Google cũng 'chuồn' sang Meta, xưa kia còn được Lý Phi Phi mời về

Làn sóng nhân sự cấp cao rời Google, đặc biệt là DeepMind, tiếp tục diễn ra âm thầm nhưng mạnh mẽ. Mới đây, thông tin cho thấy Denny Zhou, chuyên gia hàng đầu về lĩnh vực suy luận (reasoning) của Google, thường được mệnh danh là "Ông hoàng suy luận", đã chuyển sang làm việc cho Meta với tư cách là Nhà khoa học nghiên cứu tại MSL từ bốn tháng trước mà không có bất kỳ thông báo công khai nào. Ông từng có đóng góp nền tảng trong nhiều kỹ thuật quan trọng như Chain-of-Thought (CoT) và từng được CEO Sundar Pichai giới thiệu tại Google I/O. Meta đồng thời cũng đón chào một bổ nhiệm quan trọng khác: Giáo sư Dawn Song của UC Berkeley, chuyên gia bảo mật AI nổi tiếng, đã gia nhập với vai trò Phó chủ tịch nghiên cứu AI tại MSL, cùng toàn bộ đội ngũ công ty khởi nghiệp Virtue AI của bà. Trong khi đó, Google liên tục chứng kiến làn sóng ra đi của các nhân tài chủ chốt. Noam Shazeer, đồng tác giả Transformer, rời Google để đến OpenAI. Tiếp theo là John Jumper, người đoạt giải Nobel và là cựu phó chủ tịch DeepMind, cùng hai nhà nghiên cứu cốt cán Jonas Adler và Alexander Pritzel, đều chuyển sang Anthropic. Nguyên nhân được cho là do sự thay đổi ưu tiên chiến lược nội bộ tại Google. Để đuổi kịp đối thủ trong lĩnh vực AI cho lập trình (AI coding), Google đã thành lập một "Đội đặc nhiệm Coding" (Coding Strike Team) với sự tham gia của người đồng sáng lập Sergey Brin và được ưu tiên cấp phát tài nguyên tính toán rất lớn. Sự ưu tiên mạnh mẽ cho hướng đi mang tính thương mại cao này được cho là đã làm lu mờ tầm nhìn ban đầu về "mô hình thế giới" (world model) cho AGI của DeepMind, dẫn đến mâu thuẫn và khiến một số nhà nghiên cứu có tầm nhìn dài hạn cảm thấy thiếu sự hỗ trợ cần thiết và quyết định ra đi.

marsbit06/26 13:42

Gã khổng lồ 'Ông vua suy luận' của Google cũng 'chuồn' sang Meta, xưa kia còn được Lý Phi Phi mời về

marsbit06/26 13:42

Ba năm trì hoãn, bài viết mới nhất của cựu sinh viên Bắc Đại Weng Lilian gây bão mạng

Sau ba năm trì hoãn, Lilian Weng, cựu Phó chủ tịch OpenAI và là cựu sinh viên Đại học Bắc Kinh, đã đăng một bài blog dài về Scaling Laws (Định luật Mở rộng Quy mô) - quy tắc toán học định hình sự phát triển của AI hiện đại. Bài viết chỉ ra rằng, mặc dù các định luật này cung cấp nền tảng để dự đoán hiệu suất mô hình khi mở rộng quy mô tính toán, dữ liệu và tham số, nhưng chúng lại rất mong manh và chứa đầy các vấn đề tinh vi. Một điểm quan trọng là sự mâu thuẫn trong các khuyến nghị từ OpenAI (2020) và DeepMind (2022) về cách phân bổ ngân sách tính toán tối ưu giữa quy mô mô hình và dữ liệu. Sự khác biệt này, hóa ra, bắt nguồn từ cách đếm tham số (có bao gồm embedding layer hay không) và quy mô thí nghiệm hạn chế. Hơn nữa, ngay cả công thức nổi tiếng của DeepMind (Chinchilla) - từng được coi là chuẩn mực trong ngành - cũng được phát hiện có lỗi phương pháp luận vào năm 2024, như việc sử dụng hàm mất mát trung bình khiến bộ tối ưu hóa dừng sớm. Bài viết cảnh báo việc ngoại suy các định luật được khớp từ mô hình nhỏ lên mô hình nghìn tỷ tham số là rất rủi ro. Thách thức cơ bản hơn là nguồn dữ liệu văn bản chất lượng cao đang cạn kiệt, làm suy yếu giả định dữ liệu vô hạn của các định luật cổ điển. Các nghiên cứu mới đang cố gắng tích hợp yếu tố lặp lại dữ liệu vào công thức, cho thấy hiệu suất giảm dần và mô hình lớn nhạy cảm hơn với việc huấn luyện lặp. Điều này giải thích tại sao ngành công nghiệp đang chuyển hướng sang các hướng tiếp cận như học tăng cường, tính toán tại thời điểm suy luận và dữ liệu tổng hợp để vượt qua "bức tường dữ liệu". Tóm lại, bài viết nhấn mạnh rằng con đường phát triển AI trong tương lai sẽ không chỉ đơn thuần là "mở rộng quy mô" mà còn đòi hỏi sự hiểu biết tinh tế và xử lý cẩn thận các chi tiết của những định luật cơ bản này.

marsbit06/26 04:55

Ba năm trì hoãn, bài viết mới nhất của cựu sinh viên Bắc Đại Weng Lilian gây bão mạng

marsbit06/26 04:55

Mất hai huyền thoại trong ba ngày: Con đập nhân tài AI của Google đang vỡ?

Chỉ trong ba ngày, Google đã chứng kiến hai huyền thoại AI rời đi: Noam Shazeer (đồng tác giả Transformer, lãnh đạo Gemini) gia nhập OpenAI, và John Jumper (người đoạt giải Nobel Hóa học 2024, lãnh đạo AlphaFold) chuyển sang Anthropic. Đây không phải là trường hợp cá biệt mà là một xu hướng rõ ràng, bổ sung cho việc cựu thành viên sáng lập OpenAI Andrej Karpathy gia nhập Anthropic trước đó. Các tài năng AI hàng đầu đang tập trung ngày càng nhiều vào OpenAI và Anthropic, khiến Google trở thành nguồn cung cấp chính trong cuộc tái cấu trúc nhân tài này. Sự dịch chuyển này bắt nguồn từ sự khác biệt cốt lõi về sứ mệnh. Google, với doanh thu chính phụ thuộc vào quảng cáo, thường đặt các dự án AI trong khuôn khổ phục vụ mục tiêu sản phẩm và lợi nhuận. Ngược lại, OpenAI (với sứ mệnh AGI) và Anthropic (tập trung vào AI an toàn) cho phép các nhà nghiên cứu tập trung hoàn toàn vào việc đẩy xa giới hạn năng lực mô hình. Ngoài ra, cơ hội thu lợi nhuận lớn từ cổ phiếu trước thềm IPO của hai công ty này là động lực hấp dẫn mà Google - một gã khổng lồ trưởng thành - khó có thể sánh được. Việc sáp nhập Google Brain và DeepMind vào năm 2023 cũng tạo ra những lực ly tâm mới, làm xói mòn văn hóa nghiên cứu dài hạn dưới áp lực phải phù hợp với lộ trình sản phẩm. Sự ra đi của các nhân vật then chốt như Jumper và Shazeer phản ánh điều này. Cuộc khủng hoảng nhân tài này mang tính cấu trúc. Google có thể sở hữu cơ sở hạ tầng máy tính khổng lồ và kho dữ liệu đồ sộ, nhưng việc thiếu những bộ óc xuất sắc nhất để khai thác chúng khiến lợi thế đó trở nên vô nghĩa. Trong khi OpenAI và Anthropic củng cố vị thế với đội ngũ tinh nhuệ ngày càng mạnh, Google đang mất dần hào quang là trung tâm hấp dẫn nhân tài AI toàn cầu. Trong cuộc đua mà mật độ tài năng quyết định năng lực mô hình và thị phần, đây là một thách thức tồn vong thầm lặng nhưng nghiêm trọng của Google.

marsbit06/20 04:05

Mất hai huyền thoại trong ba ngày: Con đập nhân tài AI của Google đang vỡ?

marsbit06/20 04:05

Vừa rồi, Nhà đoạt giải Nobel trở thành nhân viên mới của Anthropic

Chỉ vừa qua, nhà khoa học đoạt giải Nobel Hóa học John Jumper, linh hồn của AlphaFold, đã chính thức rời Google DeepMind sau gần 9 năm để gia nhập Anthropic. Đây được coi là một sự kiện gây chấn động giới công nghệ, đánh dấu việc Anthropic chiêu mộ thành công một tài năng hàng đầu. Jumper, người có nền tảng toán học, vật lý và hóa học lý thuyết, đã được Demis Hassabis giao lãnh đạo dự án AlphaFold chỉ 6 tháng sau khi nhận bằng tiến sĩ. Dưới sự dẫn dắt của anh, AlphaFold đã cách mạng hóa ngành sinh học cấu trúc, giải quyết bài toán gập protein và tạo ra cơ sở dữ liệu cấu trúc protein khổng lồ, đóng góp đưa anh và Hassabis đến giải Nobel Hóa học 2024. Sự ra đi của Jumper diễn ra chỉ 2 ngày sau khi Noam Shazeer, đồng tác giả của Transformer và cựu lãnh đạo Gemini, rời Google để đến OpenAI. Việc liên tiếp mất đi hai nhân vật then chốt đặt ra câu hỏi lớn về chiến lược giữ chân nhân tài của Google. Một số ý kiến cho rằng các công ty AI tiên phong như Anthropic hay OpenAI đang cung cấp một thứ Google khó có thể cho các nhà nghiên cứu: cảm giác một cá nhân có thể thay đổi lộ trình của cả công ty. Động thái này là một bước đi chiến lược rõ ràng của Anthropic trong cuộc đua AI cho khoa học sự sống. Công ty trước đó đã mua lại Coefficient Bio, xây dựng phòng thí nghiệm và ra mắt các sản phẩm như Claude for Life Sciences. Việc có Jumper dẫn dắt sẽ tăng cường đáng kể năng lực này. Mặt trận này đang nóng lên khi cả OpenAI (với GPT-Rosalind) và Google DeepMind (qua Isomorphic Labs) cũng đang đổ nguồn lực khổng lồ để tái định hình ngành sinh học và dược phẩm bằng AI. Sự dịch chuyển của Jumper không chỉ là một tin tức nhân sự, mà còn là tín hiệu cho thấy cuộc cạnh tranh khốc liệt giữa các gã khổng lồ AI đã chính thức mở rộng sang lĩnh vực có tiềm năng cách mạng hóa sức khỏe con người: khoa học sự sống.

marsbit06/20 01:17

Vừa rồi, Nhà đoạt giải Nobel trở thành nhân viên mới của Anthropic

marsbit06/20 01:17

AGI không phải là điểm kết thúc, nghiên cứu mới của DeepMind: Hướng tới ASI, tiến bộ AI thực sự mới chỉ bắt đầu

DeepMind mới đây công bố nghiên cứu cho rằng AGI (Trí tuệ nhân tạo phổ quát) không phải là điểm cuối. AI sẽ tiếp tục phát triển vượt qua khả năng của các nhóm chuyên gia con người hàng đầu, hướng tới ASI (Trí tuệ siêu nhân tạo). Báo cáo phân biệt ba khái niệm: AGI (năng lực nhận thức tương đương mức trung bình của con người), ASI (vượt trội con người trong hầu hết lĩnh vực quan tâm), và UAI (giới hạn lý thuyết tối thượng). Nghiên cứu đề xuất bốn con đường tiềm năng để chuyển từ AGI sang ASI: 1. Mở rộng quy mô tính toán, mô hình và dữ liệu. 2. Tiến hóa thuật toán, có thể thay đổi mô hình mới. 3. Tự cải thiện đệ quy, tạo phản hồi tích cực. 4. Điều phối đa tác tử và trí tuệ tập thể. Đồng thời, báo cáo chỉ ra sáu điểm nghẽn chính: giới hạn dữ liệu chất lượng cao, áp lực tài nguyên và kinh tế, hạn chế của mô hình mạng nơ-ron hiện tại, nghiên cứu ngày càng khó khăn, rào cản trừu tượng, cùng các vấn đề quản lý và phản ứng xã hội. Khi AI vượt con người, các phương pháp đánh giá truyền thống sẽ mất ý nghĩa. Cần xây dựng hệ thống đánh giá mới cho thời kỳ hậu AGI. ASI không phải là hệ thống toàn năng, vẫn chịu ràng buộc bởi các quy luật vật lý, độ phức tạp tính toán, dữ liệu, tài nguyên và tốc độ phản hồi thực tế. Tương lai phát triển của AI vẫn chứa nhiều bất định, đòi hỏi một nỗ lực liên ngành quy mô lớn để theo dõi và ứng phó.

marsbit06/16 12:04

AGI không phải là điểm kết thúc, nghiên cứu mới của DeepMind: Hướng tới ASI, tiến bộ AI thực sự mới chỉ bắt đầu

marsbit06/16 12:04

Cha đẻ của AlphaGo cho AI vào xã hội nhân tạo 23 năm: Ba điểm khó nhất của tác tử thông minh đều ở đây

Giám đốc điều hành DeepMind, cha đẻ AlphaGo Demis Hassabis, đã chọn EVE Online - một trò chơi không gian MMORPG đã vận hành suốt 23 năm - làm "vũ trụ sống" mới để nghiên cứu AI. Hợp tác này nhằm giải quyết ba thách thức lớn nhất của tác nhân AI hiện nay: lập kế hoạch dài hạn (long-horizon planning), trí nhớ (memory) và học tập liên tục (continual learning). Khác với các trò chơi có ván đấu kết thúc như Go hay StarCraft, EVE Online là một vũ trụ duy nhất, tồn tại liên tục, nơi người chơi xây dựng các hệ thống kinh tế, liên minh chính trị và kế hoạch chiến tranch kéo dài hàng năm. Môi trường phức tạp, do chính người chơi định hình này là bài kiểm tra lý tưởng cho các khả năng mà AI cần. Nghiên cứu ban đầu sẽ được thực hiện trong một phiên bản EVE Offline, trên máy chủ cục bộ, đảm bảo môi trường kiểm soát và không ảnh hưởng đến máy chủ chính thức. Lựa chọn này đánh dấu bước tiến trong lộ trình nghiên cứu của DeepMind: từ môi trường quy tắc cố định (Atari, Go) đến thế giới mở, tồn tại lâu dài và tiến hóa tự nhiên như EVE. Động thái này cho thấy xu hướng mới: thay vì tạo ra môi trường tổng hợp, các nhà nghiên cứu đang tìm đến những "xã hội nhân tạo" đã được kiểm chứng độ phức tạp qua thời gian dài để huấn luyện và đánh giá tác nhân AI thông minh hơn.

marsbit05/25 00:10

Cha đẻ của AlphaGo cho AI vào xã hội nhân tạo 23 năm: Ba điểm khó nhất của tác tử thông minh đều ở đây

marsbit05/25 00:10

活动图片