# Bài viết Liên quan Định luật Mở rộng

Trung tâm Tin tức HTX cung cấp những bài viết mới nhất và phân tích chuyên sâu về "Định luật Mở rộng", 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.

Mô hình lớn quét sạch mọi kỳ thi, nhưng lại càng xa rời AGI hơn: Bài báo này đã vạch trần điều gì?

Nếu ai đó nói rằng AGI (Trí tuệ nhân tạo phổ quát) đã đạt được, làm sao để phân biệt thật hư? Ngành công nghiệp AI đang chạy đua hướng tới một mục tiêu không có đường kết thúc rõ ràng. Một bài báo gần đây của nhà nghiên cứu Michael Timothy Bennett đã đề xuất một thước đo mới cho AGI: không phải là khả năng bắt chước con người, mà là khả năng thích ứng và khám phá tri thức mới như một "nhà khoa học nhân tạo". Bài báo chỉ ra rằng các bài kiểm tra chuẩn cũ như bài kiểm tra Turing đã bị các mô hình lớn (large models) vượt qua, nhưng chúng ta lại càng xa rời trí thông minh phổ quát thực sự. Các mô hình hiện tại chủ yếu dựa vào "Scale-maxing" - tối đa hóa quy mô dữ liệu và tham số, lưu trữ các câu trả lời gần đúng trong trọng số mạng. Chúng thiếu khả năng chủ động thử nghiệm, hiểu biết nhân quả và cân bằng giữa khám phá (exploration) và khai thác (exploitation) trong điều kiện tài nguyên hạn chế (như năng lượng). Một AGI thực sự, theo định nghĩa mới này, cần có ba đặc điểm cốt lõi: (1) Chủ động thử nghiệm để thu thập thông tin, thay vì thụ động học từ dữ liệu có sẵn. (2) Hiểu được quan hệ nhân quả, không chỉ là tương quan. (3) Biết cách phân bổ tài nguyên tính toán một cách khôn ngoan để cân bằng giữa việc tìm kiếm thông tin mới và sử dụng kiến thức đã biết. Điều này đòi hỏi một sự chuyển dịch mô hình trong ngành AI. Tiêu chí đánh giá sẽ chuyển từ bảng xếp hạng điểm số sang các "điểm chuẩn thích ứng", nơi AI được đặt vào môi trường hoàn toàn mới để kiểm tra khả năng khám phá quy luật. Lộ trình kỹ thuật cũng cần kết hợp nhiều phương pháp (Scale-maxing, Simp-maxing, W-maxing) thay vì chỉ phụ thuộc vào một luật duy nhất. Tóm lại, bài báo nhấn mạnh rằng con đường đến AGI không phải là sự lặp lại tuyến tính của các mô hình lớn, mà là một sự thiết lập lại lộ trình, hướng tới việc xây dựng những hệ thống có tinh thần của một nhà khoa học: biết đặt câu hỏi "tại sao" và chủ động tìm kiếm câu trả lời.

marsbit05/28 00:26

Mô hình lớn quét sạch mọi kỳ thi, nhưng lại càng xa rời AGI hơn: Bài báo này đã vạch trần điều gì?

marsbit05/28 00:26

Gặp gỡ đỉnh cao của Generalist, hút 3 tỷ trong 30 ngày, Qiānxún Zhìnéng đã làm đúng điều gì?

Trong vòng 30 ngày, công ty khởi nghiệp Trung Quốc Qianxun AI (Thiên Tìm Thông Minh) đã huy động thành công 3 tỷ nhân dân tệ (khoảng 30.000 tỷ VND) qua hai vòng gọi vốn liên tiếp, với sự dẫn đầu từ các quỹ đầu tư lớn như Shunwei Capital (của Lôi Quân) và Yunfeng Fund (của Mã Vân). Công ty được đồng sáng lập bởi các chuyên gia hàng đầu về AI, robot và thương mại hóa. Qianxun AI tập trung phát triển mô hình AI "thể hiện" (embodied AI) Spirit v1.5, một mô hình thống nhất Vision-Language-Action (VLA) đầu-cuối. Mô hình này đã vượt qua các đối thủ để đứng đầu bảng xếp hạng RoboChallenge, thể hiện khả năng tổng quát hóa mạnh mẽ cho các tác vụ phức tạp mà không cần đào tạo bổ sung. Chiến lược cốt lõi của họ là áp dụng Định luật Scaling Law (Định luật Mở rộng Quy mô) tương tự như trong các mô hình ngôn ngữ lớn (LLM): tăng quy mô dữ liệu và mô hình để kích hoạt các khả năng mới. Động cơ dữ liệu đa dạng của họ kết hợp thu thập từ video Internet, vận hành từ xa và đặc biệt là thiết bị đeo tay chi phí thấp, giúp thu thập hơn 200.000 giờ dữ liệu tương tác. Để tạo ra một vòng lặp dữ liệu bền vững, Qianxun AI triển khai robot "Tiểu Mặc" vào các kịch bản thực tế như pha chế cà phê tại JD Mall và kiểm tra pin cho CATL. Những robot này không chỉ thực hiện nhiệm vụ mà còn thu thập dữ liệu chuyên gia từ môi trường thực, liên tục cải thiện mô hình. Cách tiếp cận "đẻ trứng dọc đường" này cho phép họ xác thực khả năng thương mại và thu thập dữ liệu cùng một lúc, định vị họ là một ứng cử viên mạnh mẽ trong cuộc đua AI thể hiện toàn cầu.

marsbit04/07 04:13

Gặp gỡ đỉnh cao của Generalist, hút 3 tỷ trong 30 ngày, Qiānxún Zhìnéng đã làm đúng điều gì?

marsbit04/07 04:13

Trao quyền cho AI, Mở đường cho Giá trị: Làm thế nào Crypto có thể định vị trong cuộc chiến cơ sở hạ tầng trước năm 2027?

Thực chất, cả Crypto và AI đều hướng tới việc “trao quyền” cho con người, nhưng theo những cách thức hoàn toàn khác biệt. Crypto tập trung vào “chủ quyền tài chính phi tập trung” một cách phòng thủ, trong khi AI thúc đẩy “khả năng sản xuất tăng theo cấp số nhân” một cách chủ động. Tốc độ tăng trưởng của Crypto hiện chậm hơn so với AI do đã chuyển từ đột phá sang thâm nhập có trật tự dưới sự công nhận của quy định. Do đó, Crypto phải đối mặt với một lựa chọn: hoặc tích cực kết hợp với AI để trở thành cơ sở hạ tầng giá trị cho nền kinh tế AI, hoặc dần thu hẹp thành thị trường tài chính đầu cơ nhỏ. Các hướng đi như giao thức x402, thanh toán AI Agent và nền kinh tế AI trên chuỗi là những bước tiến quan trọng. Cửa sổ thời gian then chốt là trước năm 2027 - thời điểm dự kiến AGI xuất hiện - để Crypto kịp hoàn thành việc định vị và bố trí các lớp giao thức, từ đó nắm bắt cơ hội tăng trưởng trong nền kinh tế AI.

marsbit12/25 09:21

Trao quyền cho AI, Mở đường cho Giá trị: Làm thế nào Crypto có thể định vị trong cuộc chiến cơ sở hạ tầng trước năm 2027?

marsbit12/25 09:21

活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow

Tin tức Ngànhright-arrow

Chính sách Quản lýright-arrow