Triết học hàn lâm bỗng trở thành 'liều thuốc' nóng cho AI

marsbitXuất bản vào 2026-07-20Cập nhật gần nhất vào 2026-07-20

Tóm tắt

Triết học, một ngành từng được coi là "lạnh", đang trở thành tâm điểm trong các cuộc thảo luận về AI tại Diễn đàn Trí tuệ Nhân tạo Thế giới (WAIC) năm nay. Các học giả như Giáo sư Tôn Ninh và Tôn Hướng Thần từ Đại học Phúc Đán đã chia sẻ quan điểm, nhấn mạnh rằng trí tuệ cần có nền tảng từ thế giới thực—qua cơ thể, môi trường, quan hệ xã hội và lịch sử. Diễn đàn tập trung vào việc AI ngày càng tham gia sâu vào hoạt động khoa học, từ việc tự viết bài báo, chứng minh toán học đến mô phỏng xã hội. Tuy nhiên, nhiều câu hỏi nổi lên: Liệu AI có thực sự hiểu? Làm thế nào đánh giá kết quả nghiên cứu do AI tạo ra? Ai chịu trách nhiệm khi có sai sót? Vấn đề quản trị AI trở nên cấp thiết khi công nghệ này bắt đầu mô phỏng xã hội và ảnh hưởng đến quyết định thực tế. Các chuyên gia cảnh báo về rủi ro từ định kiến trong dữ liệu và sự cần thiết của việc giữ con người trong vòng lặp ra quyết định. "Sổ tay Xanh 2026" về Phát triển Thông minh Nhân văn & Xã hội đề xuất các khung như STRIDES để đảm bảo tính minh bạch và trách nhiệm. Ứng dụng AI vào công nghiệp, như trong lĩnh vực sinh học tổng hợp, cho thấy tiềm năng to lớn nhưng cũng đòi hỏi sự phối hợp giữa mô hình, thí nghiệm tự động và quy trình sản xuất. Thách thức nằm ở việc điều chỉnh các mối quan hệ sản xuất và cơ chế phân phối lợi ích. Tóm lại, sự "nóng lên" của triết học trong AI phản ánh một xu hướng sâu sắc hơn: khi công nghệ tiến sâu vào đời sống, chúng ta cần suy ngẫm nghiêm túc về những câu hỏi cơ bản—đặt niềm tin vào đâu, hỏi...

Ai có ngờ, ngành triết học vốn hàn lâm này, lại trở thành điểm nóng trong làng AI hiện nay.

Đây là phát hiện bất ngờ của chúng tôi khi tham dự WAIC năm nay – hàm lượng triết học, có phần hơi cao.

△

Ví dụ, tại phiên song song “Diễn đàn Thanh niên - Tâm trí và Trí tuệ” của Diễn đàn Khoa học Mở về Trí tuệ Nhân tạo WAIC, vị khách mời đầu tiên lên diễn đàn chính là Giáo sư Tôn Ninh từ Khoa Triết học, Đại học Phúc Đán; trong phiên thảo luận chính "Đổi mới căn bản thời đại AI nguyên sinh" của diễn đàn, Giáo sư Tôn Hướng Thần từ Khoa Triết học, Đại học Phúc Đán cũng ngồi vào ghế đối thoại đỉnh cao.

Không chỉ vậy, trong khuôn khổ WAIC, "Sách Xanh Phát triển Thông minh Nhân văn và Xã hội 2026" do Phòng thí nghiệm Toàn diện về Phát triển Quốc gia và Quản trị Thông minh của Đại học Phúc Đán công bố, lại một lần nữa đưa tư duy sâu sắc, độ tin cậy nghiên cứu và quản trị AI vào ánh đèn sân khấu.

Tuy nhiên, phải nói rằng, làn sóng nhiệt triết học tưởng chừng bất ngờ này, thực ra có dấu vết để theo dõi.

Vài năm trước tham dự hội nghị AI, mọi người bàn luận nhiều nhất là tham số, năng lực tính toán và bảng xếp hạng; mà ngày nay, AI đã có thể viết luận văn, chứng minh toán học, tạo cấu trúc protein, thậm chí dùng một nhóm tác nhân thông minh để mô phỏng xã hội.

Dù năng lực của AI đang trên đà phát triển mạnh mẽ, nhưng những vấn đề phát sinh cũng ngày càng tiệm cận với triết học:

Một mô hình có thể trả lời câu hỏi trôi chảy, có đại diện cho việc nó thực sự hiểu không?
AI có thể tự chủ khám phá tri thức, nó có được coi là nhà khoa học mới không?
Nếu AI phát hiện ra quy luật mà con người không thể giải thích, nhưng có thể kiểm chứng qua thực nghiệm, chúng ta có nên tin tưởng không?

Tôn Ninh trong bài phát biểu có tên "Trước khi có trí tuệ, phải có thế giới", đã kéo vấn đề trở lại điểm khởi nguồn.

Ngay từ những năm 90 của thế kỷ trước, nhà khoa học nhận thức Stevan Harnad đã đưa ra vấn đề nền tảng biểu tượng, chất vấn hệ thống biểu tượng làm thế nào thông qua cảm nhận và tương tác để có được ý nghĩa thực sự. Khoảng cùng thời gian đó, kỹ sư robot Rodney Brooks lại đưa ra giả thuyết nền tảng vật lý, và để lại một câu nói có sức ảnh hưởng lớn – chính thế giới là mô hình tốt nhất.

△

Theo hướng tư duy này, Tôn Ninh đề xuất, một loại trí tuệ bám rễ sâu vào thế giới, ít nhất cần có cơ thể, môi trường, tha nhân và lịch sử. Cơ thể khiến hành động phải trả giá, môi trường cung cấp phản hồi, tha nhân mang lại quy phạm, lịch sử thì khiến thất bại lắng đọng thành kinh nghiệm.

Cuối cùng ông tóm tắt thành hai câu:

Trước khi có trí tuệ, phải có thế giới. Trước khi có tâm trí, phải có quan hệ.

Điều này cũng đặt định hướng cho cuộc thảo luận trong ngày hôm đó.

Diễn đàn thanh niên này do Phòng thí nghiệm Toàn diện về Phát triển Quốc gia và Quản trị Thông minh của Đại học Phúc Đán, Viện Nghiên cứu Khoa học Thông minh Thượng Hải, Khoa Triết học Đại học Phúc Đán, Viện Công nghệ Tương lai Phúc Đán Thanh Phố Thượng Hải và Datawhale cùng tổ chức.

Trên sân khấu vừa có các nhà khoa học trẻ, vừa có triết gia, nhà khoa học xã hội và doanh nhân khởi nghiệp. Mọi người từ mô hình tự tiến hóa nói đến chứng minh toán học, từ động lực protein nói đến mô phỏng xã hội, cuối cùng lại đưa chủ đề rơi vào quản trị và công nghiệp.

Những vấn đề tưởng chừng rải rác trong các ngành học khác nhau, cứ thế được xâu chuỗi lại với nhau.

AI bắt đầu tự làm khoa học

Triết gia vừa chất vấn xong "trí tuệ là gì", nhà sáng lập Siêu Diễn Trí Tuệ Trần Dũng Siêu liền mang đến một câu hỏi cụ thể hơn – AI có thể trở thành nhà khoa học mới không?

△

Các mô hình lớn trước đây chủ yếu học từ dữ liệu internet tri thức mà con người đã có. Mô hình tự tiến hóa mà Trần Dũng Siêu nói đến, lại hy vọng đi vào nhiệm vụ thực tế, học liên tục từ quá trình nghiên cứu và phản hồi môi trường.

Cụ thể, mô hình có thể tự nghĩ ý tưởng, viết code, chạy thí nghiệm, phân tích dữ liệu, rồi lắng đọng lại hành trình thành công và thất bại, tiếp tục điều chỉnh dữ liệu, mô hình và Harness.

Trần Dũng Siêu tại hiện trường còn trình chiếu một nhóm kết quả khá thu hút.

Apex Search do đội ngũ của anh phát triển đã tạo ra 34 bài báo, và nộp những bài báo này đến hệ thống phản biện học thuật như ACL, ARR. Theo kết quả anh tiết lộ tại hiện trường, trong đó khoảng 10 bài có cơ hội vào Findings hoặc hội nghị chính, hai bài báo đạt 3.67 điểm, điểm số cao hơn khoảng 95% bài nộp của con người.

Một số ý kiến phản biện thậm chí còn đưa ra đánh giá như "nghiên cứu đầu tiên trong lĩnh vực", "thí nghiệm nghiêm ngặt", "đề tài trúng vấn đề cốt lõi".

Nói cách khác, thành quả nghiên cứu do AI tạo ra, đã có thể vượt qua vòng kiểm tra đầu tiên của người phản biện.

Nhưng vấn đề cũng theo đó mà đến.

Trong phiên thảo luận bàn tròn "Biến đổi Xã hội" sau đó, Giáo sư Ngụy Trung Ngọc từ Trường Dữ liệu Lớn Đại học Phúc Đán đã đặt vấn đề, nếu AI một lần tạo và nộp mấy chục bài báo, cuối cùng có vài bài đạt điểm cao, rốt cuộc chúng ta nên đánh giá năng lực nghiên cứu của nó thế nào? Điều này chứng minh năng lực nghiên cứu của hệ thống đạt trình độ có thể công bố tại hội nghị đỉnh cao, hay chỉ là nó tình cờ tìm thấy điểm yếu của cơ chế phản biện đồng nghiệp hiện hành?

Khi bài báo được tạo ra ngày càng nhanh, đánh giá có thể sẽ khó hơn cả việc tạo ra.

Bản thân Trần Dũng Siêu cũng để lại một loạt câu hỏi. AI có thể tạo ra đột phá cấp độ Transformer không? Làm thế nào đánh giá lượng lớn phát hiện khoa học? Thành quả nghiên cứu AI thuộc về ai? Nếu hệ thống bị sử dụng cho nghiên cứu có hại, trách nhiệm nên được phân chia thế nào?

Tiếp theo lên diễn đàn, Phó giáo sư Chính thức Vương Thiên Đống từ Trung tâm Toán học Thượng Hải, Đại học Phúc Đán, đưa ra một sự phân công lao động giữa người và máy rõ ràng hơn.

△

AI giỏi truy xuất, quy nạp, tìm ví dụ đặc biệt và phản ví dụ, cũng có thể đồng thời tạo ra mấy chục đường dẫn chứng minh ứng viên. Nhà toán học chịu trách nhiệm phán đoán vấn đề có quan trọng không, giả thuyết có đáng nghiên cứu không, sau đó dùng khái niệm và cấu trúc nghiêm ngặt để áp đặt ràng buộc lên kết quả. Cuối cùng, còn phải thêm vào xác minh bằng máy, kiểm tra xem lập luận có bước nhảy không, tính toán có sai sót không.

Nói thẳng ra là:

AI mở rộng không gian tìm kiếm, người định nghĩa giá trị, máy chịu trách nhiệm xác minh.

Trong quy trình này, toán học có thể cung cấp cho AI ràng buộc cấu trúc, xác minh hình thức hóa, phân tích sai số và ranh giới áp dụng. Tin cậy cũng không bằng không bao giờ phạm sai lầm, tiêu chuẩn thực tế hơn là sai sót có thể được phát hiện, rủi ro có thể được định nghĩa, kết luận chịu được kiểm tra lại.

Sau đó, Nhà khoa học AI Dương Tự Hùng từ Viện Nghiên cứu Khoa học Thông minh Thượng Hải lại đưa vấn đề tin cậy vào thế giới sự sống phức tạp hơn.

△

Vấn đề cốt lõi mà AlphaFold giải quyết, là từ trình tự suy luận cấu trúc tĩnh có xác suất cao. Nhưng protein, RNA và các phân tử sinh học khác luôn chuyển động, nhiều chức năng phụ thuộc vào phân bố cấu hình, chuyển đổi trạng thái và thang thời gian.

Vì vậy, mục tiêu nghiên cứu thời kỳ hậu AlphaFold, bắt đầu từ "dự đoán một cấu trúc" đi đến "tạo ra một đoạn động".

Điều này có nghĩa mô hình vừa phải bao phủ cấu hình hiếm nhưng quan trọng, cũng phải duy trì ổn định cấu trúc trong quá trình tạo thời gian dài, còn phải thỏa mãn quy luật nhiệt động lực học, động lực học và vật lý. Cấu trúc tĩnh tích lũy lượng lớn dữ liệu, nhưng dữ liệu phân tử động lại rất hạn chế, hệ thống đánh giá liên quan cũng chờ hoàn thiện.

Từ chứng minh toán học đến động lực protein, AI thực sự có thể làm thăm dò nhanh hơn, rộng hơn. Nhưng một khi bước vào phát hiện khoa học hiệu quả, chứng cứ, thí nghiệm và phản hồi từ thế giới thực, một cái cũng không thể thiếu.

Nếu nói toán học và khoa học sự sống còn có con đường xác minh tương đối rõ ràng, thì khi AI bắt đầu mô phỏng con người và xã hội, sự việc càng phức tạp hơn.

Trí tuệ bước vào xã hội, quản trị không thể chậm nửa nhịp

Nhà khoa học trẻ Cù Tinh Tinh từ Phòng thí nghiệm Trí tuệ Nhân tạo Thượng Hải, nghiên cứu chính là giao thoa giữa AI và khoa học xã hội.

△

Theo cô, khoa học xã hội là nền tảng cốt lõi cho sự phát triển của AI. Nghiên cứu của Alan Turing về "máy móc có thể suy nghĩ không" được đăng trên tạp chí triết học "Mind"; Herbert A. Simon đề xuất lý thuyết lý trí hữu hạn, cùng Allen Newell sáng lập giả thuyết hệ thống biểu tượng vật lý, mở ra chủ nghĩa biểu tượng AI; Geoffrey Hinton kết hợp tâm lý học và khoa học nhận thức nghiên cứu mạng nơ-ron, mô phỏng cơ chế não người, thúc đẩy hình thành thời đại mô hình lớn như hiện nay.

Mà bây giờ, mối quan hệ này bắt đầu chạy ngược lại, AI cũng đang mang đến phương pháp thí nghiệm mới cho khoa học xã hội. Tuy nhiên, khi AGI tiến tới xã hội hóa, quy mô hóa, luôn tồn tại một vấn đề nan giải cốt lõi: trong trò chơi tiến hóa xã hội quy mô lớn, phức tạp, rất khó dung hòa tính nhất quán logic với độ tin cậy của kết quả thí nghiệm.

Cù Tinh Tinh trình chiếu nền tảng mô phỏng xã hội Epitome. Về hiệu suất thông lượng cao, nền tảng mô phỏng có thể tạo một chạm hàng nghìn mẫu ảo, nén quá trình biến đổi xã hội mười năm xuống còn 14 giờ. Nhà nghiên cứu có thể tự do điều chỉnh biến số như chính sách can thiệp, quan hệ nhóm... nhanh chóng quan sát tác động xã hội dài hạn của nó.

Phương pháp loại này đặc biệt phù hợp với những thí nghiệm khó trực tiếp triển khai trong thế giới thực.

Ví dụ, làm thế nào mô phỏng một đứa trẻ từ lớp ba tiểu học trưởng thành lên lớp năm? Mô hình vừa phải thể hiện thay đổi tri thức, cũng phải mô phỏng tâm lý, hành vi và quan hệ xã hội. Nhà nghiên cứu còn hy vọng trong môi trường ảo này thử nghiệm các chính sách giáo dục khác nhau, quan sát cách nào có lợi hơn cho sự trưởng thành của trẻ em.

Dù ý tưởng rất hấp dẫn, nhưng rủi ro cũng ẩn chứa trong đó.

Xét cho cùng, mô hình lớn có thể mô phỏng một chuyên gia, nhưng chưa chắc có thể mô phỏng chính xác một đứa trẻ ở trong gia đình, địa phương và quan hệ xã hội cụ thể. Thái độ mà vai trò ảo biểu hiện ra, rốt cuộc đến từ quy luật xã hội thực, hay định kiến trong dữ liệu huấn luyện?

Trên bàn tròn "Biến đổi Xã hội", Nghiên cứu viên Trăm người, Giáo sư hướng dẫn tiến sĩ Tưởng Trác Nhân từ Trường Quản lý Công, Đại học Chiết Giang, chia sẻ một nhóm dữ liệu mang tính cảnh báo hơn.

Trong một nghiên cứu tin cậy xuyên quốc gia, dữ liệu do mô hình lớn tạo ra ở cấp độ giá trị trung bình quốc gia, hệ số tương quan có thể đạt trên 90%. Nhưng khi bước vào phân tích hồi quy, mức độ bao phủ ý nghĩa giảm xuống 34% - 37%; khi nhà nghiên cứu thử dùng những dữ liệu này khôi phục loại hình quốc gia, kết quả lại gần với ngẫu nhiên.

Có nghĩa là, mô hình nhìn từ vĩ mô rất giống xã hội thực, nhưng một khi bước vào nhóm người cụ thể và quan hệ nhân quả, sai lệch sẽ lộ ra.

Phiền phức hơn là, dữ liệu xã hội còn sẽ hình thành vòng lặp.

Định kiến trong thực tế đi vào dữ liệu huấn luyện, mô hình lại tham gia tuyển dụng, giáo dục, phân phát nội dung và quyết định công cộng, kết quả mới lại trở thành tài liệu huấn luyện vòng tiếp theo. Nếu thiếu kiểm toán và chỉnh sửa sai lệch, định kiến ban đầu có thể bị khuếch đại liên tục trong vòng lặp.

Vì vậy, trên bàn tròn xuất hiện một lời nhắc nhở rất thẳng thắn:

Có thể dùng mô hình lớn mô phỏng xã hội, nhưng đừng coi kết quả mô phỏng thành tiếng nói của xã hội thực.

AI bước vào xã hội rồi, quản trị cũng không thể dừng lại ở lớp "mô hình có chính xác không".

Bàn tròn "Chất vấn Tâm trí" đã bàn đến các rủi ro như tấn công, nghiên cứu sinh vật có hại, phụ thuộc tâm lý. Nghiên cứu viên Phó Giáo sư trẻ Chu Lâm Phiên từ Viện Nghiên cứu Đạo đức Khoa học và Tương lai Nhân loại, Đại học Phúc Đán còn đề cập, quản trị AI hiện nay phổ biến đối mặt với khó khăn "quản thì chết, buông thì loạn", cần kỹ thuật, chính sách, đạo đức và hợp tác quốc tế cùng tìm giải pháp tinh tế hơn.

Cùng diễn đàn, Nghiên cứu viên trẻ Mã Lập Bằng từ Viện Công nghệ Tương lai Phúc Đán Thanh Phố Thượng Hải, lại từ góc độ kỹ thuật bổ sung một tầng. AI ngày nay hầu như cái gì cũng trả lời được, nhưng lại thiếu năng lực siêu nhận thức "biết mình không biết". Chỉ khi để AI nhận rõ năng lực và ranh giới của mình trước, đánh giá và quản trị sau này mới có điểm bám tốt hơn. Vì vậy, cũng cần triết học, giáo dục học, máy tính... các ngành học khác nhau cùng tham gia.

Vấn đề trách nhiệm cũng ngày càng nan giải.

Khi tác nhân thông minh AI có tính chủ động mạnh hơn, nó có thể trở thành chủ thể hành động theo nghĩa pháp lý hay đạo đức không? Nếu nó không thể độc lập chịu trách nhiệm, giữa nhà phát triển, người triển khai, người sử dụng và người quyết định cuối cùng, nên phân chia trách nhiệm thế nào?

Nói đến đây, cũng không khó hiểu, tại sao Phòng thí nghiệm Toàn diện về Phát triển Quốc gia và Quản trị Thông minh của Đại học Phúc Đán lại xuất hiện trong danh sách tổ chức của diễn đàn khoa học thông minh này.

Phạm vi nghiên cứu của phòng thí nghiệm này trải dài xuyên qua trí tuệ nhân tạo, dữ liệu lớn, nhân văn khoa học xã hội, quản trị công cộng..., là một trong những phòng thí nghiệm trọng điểm khoa học xã hội triết học đầu tiên của Bộ Giáo dục. Một công việc quan trọng mà nó đảm nhiệm, chính là đem biến đổi kỹ thuật đặt vào môi trường xã hội và chế độ thực để quan sát, rồi thúc đẩy kết nối nghiên cứu học thuật với nhu cầu chính sách.

"Sách Xanh Phát triển Thông minh Nhân văn và Xã hội 2026" do phòng thí nghiệm này chủ trì hệ sinh thái AI+ nhân văn mới của Đại học Phúc Đán, phối hợp Viện Nghiên cứu Khoa học Thông minh Thượng Hải, tập hợp hơn 40 chuyên gia gần 20 ngành học cùng biên soạn, chính là cố gắng đem nhiều nguyên tắc quản trị trừu tượng tưởng chừng, chuyển hóa thành quy trình nghiên cứu và chế độ có thể thực thi.

Ví dụ, AI bước vào nghiên cứu khoa học rồi, cuối cùng lưu lại không thể chỉ có một bài báo ngôn ngữ trôi chảy. Vấn đề nghiên cứu, từ điển dữ liệu, kịch bản phân tích, bản ghi chạy, ý kiến thẩm tra và phán quyết nhân công, cũng nên được lưu giữ lại, để người khác có thể đi lại một lần theo chuỗi chứng cứ.

Khung STRIDES mà "Sách Xanh" đề xuất, ngay tại các mắt xích lý thuyết, phương pháp, dữ liệu, thực thi và thẩm tra... thiết lập nút kiểm tra. Những giả thuyết nào cần ghi rõ, những chứng cứ nào cần định vị, những kết luận có độ tin cậy thấp nào cần giao lại cho người phán đoán, đều được đưa vào quy trình.

Đến lĩnh vực quản trị công cộng, vấn đề càng trực tiếp hơn.

Sách Xanh phân biệt hai chế độ nhúng AI là đại lý và hỗ trợ. Chế độ trước để thuật toán tham gia một mạch đến quyết định đầu ra, người thường chỉ xuất hiện khi hệ thống trục trặc hoặc khiếu nại; chế độ sau để AI đảm nhiệm truy xuất, tính toán, nhắc nhở rủi ro và tạo phương án, quyết định cuối cùng vẫn do người hoàn thành.

Mà cái gọi là "người trong vòng lặp", cũng không thể chỉ còn một nút xác nhận. Người cần có quyền can thiệp, quyền chỉnh sửa sai lệch và quyền giải thích.

Nhìn từ góc độ này, quản trị giống như đang sửa đường cho kỹ thuật. Tình huống nào có thể tăng tốc, nơi nào cần lan can, xảy ra vấn đề rồi do ai kiểm tra lại, ai giải thích, ai chịu trách nhiệm, đều phải viết vào quy tắc trước.

Ngoài ra, "Sách Xanh" 2026 còn xây dựng "Chỉ số AI4SSH Đại học Trung Quốc", từ các chiều như năng lực cốt lõi nghiên cứu, tiềm lực đổi mới phát triển và năng lực truyền bá xã hội..., quan sát mức độ hòa nhập giữa AI và nhân văn khoa học xã hội ở các trường đại học.

Phán đoán mà nó truyền tải rất rõ ràng. Một lĩnh vực muốn hình thành năng lực dài hạn, dựa vào mấy bài báo và mấy mô hình là chưa đủ, dữ liệu, năng lực tính toán, chuỗi công cụ, đào tạo nhân tài, hợp tác tổ chức và chế độ đánh giá đều phải theo kịp.

Đây chính là ý nghĩa của việc Phòng thí nghiệm Toàn diện về Phát triển Quốc gia và Quản trị Thông minh kết nối học thuật và chính sách. Kỹ thuật cung cấp khả năng mới, khoa học xã hội giải thích tác động, kinh tế học nghiên cứu khuyến khích và phân phối, nghiên cứu quản trị lại chuyển hóa nhận thức này thành chương trình và chế độ.

Ở Thượng Hải, học thuật, chính sách và công nghiệp nối thành một đường

Vấn đề quản trị tiếp tục đi xuống, cuối cùng sẽ chạm đến công nghiệp.

Nghiên cứu viên Viện Nghiên cứu Công nghệ Tiên tiến Thâm Quyến, Viện Hàn lâm Khoa học Trung Quốc, người sáng lập Công nghệ Sinh học Sen Rui Tư La Tiểu Chu, tại hiện trường kể một khác biệt rất hình tượng.

△

AI viết code, làm toán, nhiều quy trình có thể hoàn thành vòng lặp kín trong máy tính. Nhưng chế tạo sinh học còn phải vượt qua rào cản giữa thế giới số và thế giới vật lý.

Mô hình đưa ra một giả thuyết khoa học rồi, thiết bị thí nghiệm phải thực sự làm ra nó, rồi đưa kết quả kiểm tra phản hồi lại cho mô hình. Chỉ cần một mắt xích không thông, tự tiến hóa sẽ dừng lại.

Nhóm của La Tiểu Chu dựa vào cơ sở khoa học công nghệ lớn sinh học tổng hợp Thâm Quyến đầu tư hơn 2 tỷ nhân dân tệ, dùng thiết bị tự động hóa đóng vai "cơ thể và tay", rồi để AI đảm nhiệm thiết kế và quyết định thí nghiệm. Họ hy vọng sau khi nhập một nhu cầu, hệ thống có thể tự động thiết kế thí nghiệm, viết kịch bản, thực thi thao tác, thu thập dữ liệu, rồi bước vào vòng tối ưu tiếp theo.

Công nghệ liên quan đã được dùng cho nghiên cứu và sản xuất sản phẩm như squalene, squalane. Trong đó, sản phẩm squalene đã vào chuỗi cung ứng Merck, squalane cũng vào chuỗi cung ứng mỹ phẩm.

Nhưng nghiên cứu khoa học và công nghiệp hòa nhập sâu, mô hình chỉ là một mắt xích trong đó.

Bàn tròn "Con đường Ứng dụng" bàn luận khá thẳng thắn. AI có thể tăng tốc thiết kế kháng thể, tối ưu hóa protein và cải tạo chủng vi khuẩn, nhưng phía sau còn thí nghiệm ướt, lâm sàng, phê duyệt, công nghệ, sản xuất và thị trường.

Đồng sáng lập kiêm Phó chủ tịch cao cấp Công nghệ Magi Trương Diễm, thì tổng kết điểm khó trong đó thành "kilômét cuối cùng" của AI ứng dụng vào thế giới vật lý. Theo anh, tự động hóa phòng thí nghiệm và công nghệ robot đã tương đối trưởng thành, khó hơn là thực sự thông suốt AI, hệ thống phần mềm, thiết bị dụng cụ và nhu cầu ngành học cụ thể. Vì vậy, Công nghệ Magi thử để dụng cụ và robot trong phòng thí nghiệm được điều khiển như thiết bị ngoại vi máy tính, rồi kết nối mô hình, thí nghiệm tự động và phản hồi dữ liệu thành vòng lặp kín.

Thượng nguồn rút ngắn thời gian nghiên cứu, nút thắt cổ chai có thể lập tức chuyển sang mắt xích tiếp theo. Chế độ giám sát, quán tính công nghiệp và quy trình tổ chức không thay đổi đồng bộ, tốc độ tăng do kỹ thuật mang lại cũng khó truyền dọc theo chuỗi giá trị.

Đương nhiên, vấn đề tiền cũng không tránh khỏi.

Bên dữ liệu, bên mô hình, nền tảng thí nghiệm tự động và khách hàng công nghiệp cùng tạo ra một kết quả, nên tính phí thế nào, lại nên phân phối thu nhập ra sao? Trương Diễm cũng nói rất trực tiếp, sức sản xuất mới sẽ thay đổi quan hệ sản xuất, ngoài "kiếm tiền thế nào", còn phải nghĩ rõ các bên trên chuỗi nên "phân tiền thế nào".

Nghe rất sát đất, nhưng lại chỉ trúng biến đổi sâu xa sau khi AI bước vào công nghiệp.

Trước đây, các bên tính phí theo mắt xích công việc; mà bây giờ, AI thúc đẩy công nghiệp từ giao nộp quá trình đi đến giao nộp kết quả, người tham gia bắt đầu cùng chịu trách nhiệm cho thành quả cuối cùng.

Sức sản xuất mới, cũng đang thúc đẩy quan hệ sản xuất mới.

Điều này cũng thuộc phạm vi quản trị AI. Ngoài an toàn, đạo đức và quyền lợi, lợi ích kỹ thuật phân phối thế nào, quy tắc công nghiệp điều chỉnh ra sao, cũng như giám sát truyền thống thích ứng với tốc độ nghiên cứu mới thế nào, đều cần có người nghiên cứu.

Nhìn lại, cấu thành khách mời của diễn đàn thanh niên này thực ra rất thú vị.

Người nghiên cứu mô hình tự tiến hóa, người xây dựng ranh giới tin cậy cho AI, người thăm dò động lực protein và mô phỏng xã hội, cũng có biên tập viên tạp chí xuất phát từ hệ thống đánh giá học thuật, chất vấn nghiên cứu AI rốt cuộc giải quyết vấn đề thực tế gì; lại có người từ phòng thí nghiệm đi đến khởi nghiệp, đẩy thành quả nghiên cứu khoa học đến thí nghiệm tự động và sản xuất công nghiệp.

Họ đến từ chuyên ngành và cơ quan khác nhau, lại cùng ngồi lại với nhau ở Thượng Hải.

Cùng buổi chiều hôm đó, diễn đàn chính Khoa học Thông minh Mở dọc theo "Đạo lý Phát hiện, Nền tảng Vòng lặp, Con đường Ứng dụng" triển khai, người đoạt giải Nobel Hóa học Arieh Warshel, người đoạt giải Turing Gilles Brassard và các khách mời khác thảo luận khoa học thông minh và đổi mới căn bản.

Diễn đàn thanh niên thì đưa ống kính hướng đến độ tin cậy nghiên cứu, quản trị xã hội và chuỗi công nghiệp.

Một bên thảo luận khoa học thông minh có thể đi bao xa, bên kia tiếp tục chất vấn nó ổn định bước vào hiện thực thế nào.

Đằng sau, là một hệ sinh thái khoa học thông minh thanh niên đang hình thành ở Thượng Hải.

Thượng Hải cung cấp trường đại học, cơ quan nghiên cứu, tài nguyên công nghiệp và nền tảng nghiên cứu chính sách, thanh niên thì ở đây vượt qua biên giới ngành học, đem mô hình, xã hội và công nghiệp đặt vào cùng một bộ vấn đề.

Vì vậy, triết học lại nóng lên trong làng AI, chỉ là phần lộ ra trên mặt nước của biến đổi này.

Sâu hơn, AI đã bước vào sản xuất tri thức và vận hành xã hội, vấn đề kỹ thuật cũng bắt đầu đan xen với quản trị, kinh tế, đạo đức và chính sách công cộng.

AI càng biết trả lời, con người càng phải nghiêm túc quyết định nên hỏi gì, nên tin gì, lại nên đưa kỹ thuật đi về đâu.

Bài viết này từ tài khoản công chúng WeChat "Lượng tử vị" (ID: QbitAI), tác giả: Kim Lôi

Tiền kỹ thuật số thịnh hành

CitreaCTR

wrapped stUSDTWSTUSDT

Velodrome FinanceVELODROME

BrevisBREV

ZRX（0X）ZRX

PancakeSwapCAKE

Câu hỏi Liên quan

QTại sao triết học, một chuyên ngành được coi là 'kén người học', lại trở nên phổ biến trong lĩnh vực AI hiện nay?

ATheo bài viết, sự phổ biến của triết học trong AI có nguyên nhân từ việc trí tuệ nhân tạo ngày càng phát triển mạnh mẽ, nảy sinh nhiều vấn đề mang tính nền tảng và đạo đức sâu sắc mà triết học có thể giải quyết. Các câu hỏi như 'AI có thực sự hiểu không?', 'AI có thể trở thành nhà khoa học mới không?' hay 'Chúng ta có nên tin tưởng vào những quy luật do AI phát hiện mà con người không giải thích được?' đều là những vấn đề triết học cốt lõi về nhận thức, ý thức và tri thức. Do đó, triết học cung cấp khung tư duy và công cụ phân tích quan trọng để định hướng và 'trị' sự phát triển của AI một cách có trách nhiệm.

QGiáo sư Tôn Ninh (Sun Ning) đã đưa ra quan điểm gì về nền tảng của trí tuệ trong bài phát biểu 'Trước khi có trí tuệ, phải có thế giới'?

ATrong bài phát biểu 'Trước khi có trí tuệ, phải có thế giới', Giáo sư Tôn Ninh cho rằng một loại trí tuệ bắt nguồn sâu sắc từ thế giới cần ít nhất bốn yếu tố: cơ thể (hành động phải trả giá), môi trường (cung cấp phản hồi), người khác (mang lại chuẩn mực) và lịch sử (kết tủa thất bại thành kinh nghiệm). Ông tóm tắt quan điểm này bằng hai câu: 'Trước khi có trí tuệ, phải có thế giới. Trước khi có tâm trí, phải có mối quan hệ.' Điều này nhấn mạnh tầm quan trọng của sự tương tác thể chất, xã hội và lịch sử đối với sự hình thành trí tuệ thực sự, khác với trí tuệ chỉ dựa trên xử lý ký hiệu thuần túy.

QNhững thách thức và câu hỏi đạo đức nào nảy sinh khi AI có khả năng tự động tạo ra và nộp bài báo khoa học, như ví dụ về Apex Search?

AKhi AI như Apex Search có thể tự tạo và nộp hàng chục bài báo khoa học, nhiều thách thức và câu hỏi đạo đức đã xuất hiện: (1) Làm sao đánh giá thực lực nghiên cứu thực sự của AI? Liệu nó có thực sự đạt trình độ hay chỉ lợi dụng điểm yếu trong cơ chế bình duyệt? (2) Việc đánh giá có thể trở nên khó khăn hơn cả việc tạo ra bài báo. (3) AI có thể tạo ra đột phá cấp độ Transformer không? (4) Làm thế nào để đánh giá một khối lượng lớn phát hiện khoa học do AI tạo ra? (5) Ai sở hữu thành quả nghiên cứu của AI? (6) Trách nhiệm thuộc về ai nếu hệ thống được sử dụng cho nghiên cứu độc hại? Những vấn đề này đòi hỏi sự suy nghĩ lại về quy trình nghiên cứu, đánh giá và quyền sở hữu trí tuệ.

QTại sao việc sử dụng AI để mô phỏng xã hội (social simulation) lại tiềm ẩn rủi ro, và các nhà nghiên cứu đã đưa ra cảnh báo gì?

AViệc sử dụng AI mô phỏng xã hội tiềm ẩn nhiều rủi ro vì: (1) Mô hình có thể phản ánh định kiến và khuôn mẫu từ dữ liệu huấn luyện hơn là các quy luật xã hội thực sự. (2) Dữ liệu xã hội có thể tạo thành vòng lặp: định kiến thực tế đi vào dữ liệu huấn luyện, AI đưa ra quyết định dựa trên đó, và kết quả lại trở thành dữ liệu cho chu kỳ tiếp theo, làm khuếch đại định kiến. (3) Nghiên cứu cho thấy dữ liệu do AI tạo ra có thể trông giống xã hội ở cấp độ vĩ mô, nhưng khi phân tích quan hệ nhân quả cụ thể hoặc phân loại nhóm người, sai lệch sẽ lộ rõ. Do đó, các nhà nghiên cứu đã cảnh báo rõ ràng: 'Có thể sử dụng mô hình lớn để mô phỏng xã hội, nhưng đừng coi kết quả mô phỏng là tiếng nói của xã hội thực.'

QKhung STRIDES được đề xuất trong 'Sách xanh Phát triển Thông minh Khoa học Xã hội và Nhân văn 2026' nhằm mục đích gì trong bối cảnh AI tham gia vào nghiên cứu khoa học?

AKhung STRIDES được đề xuất trong Sách xanh nhằm mục đích chuyển các nguyên tắc quản trị AI trừu tượng thành quy trình nghiên cứu và thể chế có thể thực thi được. Nó thiết lập các điểm kiểm tra tại các khâu như lý thuyết, phương pháp, dữ liệu, thực thi và xem xét. Cụ thể, khung này yêu cầu làm rõ các giả thuyết, xác định vị trí bằng chứng, và đưa các kết luận có độ tin cậy thấp trở lại để con người đánh giá lại. Mục tiêu là đảm bảo rằng khi AI tham gia vào nghiên cứu, không chỉ có một bài báo trôi chảy mà còn để lại một chuỗi bằng chứng đầy đủ (câu hỏi nghiên cứu, từ điển dữ liệu, kịch bản phân tích, hồ sơ chạy, ý kiến đánh giá và phán quyết của con người) để người khác có thể kiểm tra và tái hiện lại toàn bộ quá trình, từ đó nâng cao tính minh bạch và độ tin cậy của nghiên cứu khoa học sử dụng AI.

Nội dung Liên quan

Nhu cầu Bitcoin tại thị trường giao ngay suy yếu khi vốn mới do dự bất chấp dòng tiền vào ETF

Mặc dù dòng tiền vào các quỹ ETF Bitcoin đã chuyển sang tích cực kể từ giữa tháng 7, nhưng điều này vẫn chưa đủ để đưa giá Bitcoin vượt lên vùng cung địa phương quanh mốc 65.000 USD. Theo phân tích từ CryptoQuant, nhu cầu mua Bitcoin trên thị trường giao ngay (spot) trong 30 ngày đã suy yếu đáng kể, giảm từ -80.000 BTC xuống -170.000 BTC. Sự ổn định tương đối của giá hiện tại chủ yếu được hỗ trợ bởi các lệnh mua để đóng vị thế bán (short-covering) trên thị trường phái sinh và áp lực bán từ các nhà đầu tư ngắn hạn đã giảm bớt. Chỉ số "Nhà đầu tư mới vào Bitcoin", đo lường tỷ trọng vốn hóa nắm giữ bởi các đồng coin non trẻ (dưới 1 tháng tuổi), vẫn ở gần mức thấp nhất trong năm, cho thấy sự tham gia của dòng vốn mới còn yếu. Tỷ lệ lợi nhuận trên đầu ra đã chi tiêu của nhà đầu tư ngắn hạn (STH SOPR) cũng duy trì dưới mức 1.0, có nghĩa là họ vẫn đang chốt lỗ trung bình. Những chỉ báo này cùng củng cố quan điểm rằng thị trường hiện đang trong giai đoạn ổn định cục bộ, chứ chưa có dấu hiệu đảo chiều tăng mạnh. Các nhà phân tích nhấn mạnh rằng, cần theo dõi việc giá có thể vượt qua đỉnh dao động địa phương 67.300 USD hay không để xác nhận một sự đảo chiều thực sự.

ambcrypto1 giờ trước

Nhu cầu Bitcoin tại thị trường giao ngay suy yếu khi vốn mới do dự bất chấp dòng tiền vào ETF

ambcrypto1 giờ trước

Vì sao giao dịch "cá voi" 32,6 triệu USD của Chainlink có thể định hình đà tăng của LINK về phía 9 USD

Một giao dịch chuyển 3,89 triệu LINK (trị giá 32,58 triệu USD) từ ví Coinbase Institutional sang một ví ẩn danh đã thu hút sự chú ý đến Chainlink. Chuyển động này làm dấy lên suy đoán về việc các tổ chức lớn đang tích lũy thay vì bán ra ngay lập tức. Dòng tiền ròng trên sàn giao dịch đã chuyển sang dương với lượng vào khoảng 620,18 nghìn USD, đánh dấu sự thay đổi sau một thời gian dài dòng tiền ra chiếm ưu thế. Tuy nhiên, tâm lý trên thị trường phái sinh vẫn thận trọng, với chỉ số CVD 90 ngày cho thấy lệnh bán vẫn chiếm ưu thế. Về mặt kỹ thuật, LINK đang giao dịch quanh mức 8,35 USD, thử thách vùng kháng cự gần đó. Chỉ số RSI ở mức 57,71 cho thấy áp lực mua đang tăng lên. Để duy trì đà hồi phục, giá cần vượt qua được ngưỡng 8,35 USD, từ đó mở đường hướng tới mục tiêu 9,00 USD. Ngược lại, nếu bị từ chối tại đây, giá có thể quay lại kiểm tra vùng hỗ trợ 8,18 USD. Tóm lại, hoạt động của ví tổ chức và dòng tiền ròng trên sàn là tín hiệu tích cực, nhưng tâm lý bán trên thị trường phái sinh vẫn tạo ra sự thận trọng, khiến triển vọng ngắn hạn của LINK chưa thực sự rõ ràng.

ambcrypto2 giờ trước

Vì sao giao dịch "cá voi" 32,6 triệu USD của Chainlink có thể định hình đà tăng của LINK về phía 9 USD

ambcrypto2 giờ trước

Bản nâng cấp giao thức v25 của Pi Network có thể đẩy giá PI lên 0.12 USD?

Mạng lưới Pi (PI) đã duy trì đà tăng giá, chạm mốc 0,1 USD trước khi điều chỉnh nhẹ về 0,098 USD tại thời điểm bài viết, với mức tăng 11% trong ngày. Sự gia tăng này được hỗ trợ bởi khối lượng giao dịch tăng 200% và vốn hóa thị trường phục hồi về 1 tỷ USD, cho thấy dòng tiền ổn định. Nguyên nhân chính đến từ kỳ vọng vào bản nâng cấp Giao thức v25 dự kiến vào ngày 22/7, hướng tới việc cải thiện độ ổn định mạng lưới và bổ sung các hợp đồng thông minh bảo mật hơn. Sự lạc quan này kích thích nhu cầu thị trường: Tỷ lệ Long/Short duy trì trên 1 và Chênh lệch Thị trường (Market Delta) dương trong 9 ngày liên tiếp, cho thấy phe mua đang tích cực. Về mặt kỹ thuật, PI đã vượt lên các đường trung bình động ngắn hạn (9 và 21 ngày) và chỉ báo MACD cũng hình thành tín hiệu cắt lên, củng cố đà tăng. Tuy nhiên, MACD vẫn trong vùng âm, cho thấy phe mua chưa hoàn toàn chi phối thị trường. Tóm lại, với động lực từ bản nâng cấp sắp tới và sự tích lũy mạnh mẽ từ cả nhà đầu tư giao ngay và nhà giao dịch phái sinh, PI có cơ hội duy trì trên mức 0,10 USD và nhắm mục tiêu đến vùng kháng cự 0,12 USD nếu đà mua tiếp tục được duy trì.

ambcrypto4 giờ trước

Bản nâng cấp giao thức v25 của Pi Network có thể đẩy giá PI lên 0.12 USD?

ambcrypto4 giờ trước

Ai đang thu về giá trị trong Web 2.5?

Phần lớn lịch sử tài chính, việc chuyển tiền là khó khăn. Crypto và stablecoin hứa hẹn giảm ma sát này, nhưng nếu tiền không thể sử dụng trong nền kinh tế rộng hơn thì sẽ mất đi giá trị. Sự kết hợp giữa hệ thống tài chính cũ và mới đã tạo ra một lớp trung gian mới, nơi tích lũy giá trị - được gọi là "Web 2.5". Web 2.5 kết hợp ưu điểm của cả hai: duy trì mặt giao diện quen thuộc, quy định và sự tin cậy của tài chính truyền thống, trong khi sử dụng crypto làm cơ sở hạ tầng thanh toán chi phí thấp, có thể lập trình và luôn hoạt động ở phía sau. Giá trị không nằm ở các ngân hàng hay blockchain riêng lẻ, mà ở "lớp dịch" kết nối chúng. Các tổ chức như Visa hay SWIFT trong quá khứ đã chứng minh sức mạnh và lợi nhuận khổng lồ của việc điều hành một lớp kết nối và chuyển đổi tiêu chuẩn như vậy. Hiện nay, nhiều mô hình đang cạnh tranh để trở thành lớp dịch chuẩn cho Web 2.5, bao gồm các giao thức (như Chainlink), tiện ích thị trường, hợp tác xã ngân hàng và câu lạc bộ ngân hàng trung ương (như Dự án Agorá của BIS). Chainlink, thông qua Dự án Pangea với hơn 50 ngân hàng, đang thử nghiệm giải quyết giao dịch ngoại hối theo thời gian thực. DTCC cũng sử dụng công nghệ của Chainlink. SWIFT thì đang xây dựng sổ cái dùng chung dựa trên blockchain. Cơ chế tạo ra giá trị chính cho lớp này là quyền lực "cấp phép" (kiểm soát điều kiện giao dịch) và thu nhập từ "float" (lãi suất trên tiền đang chờ chuyển). Thế giới Web 2.5 thực tế hơn tầm nhìn phi tập trung thuần túy, vì nó không đòi hỏi thay thế hệ thống hiện có. Blockchain dần trở thành một thành phần hàng hóa, vô hình. Giá trị thực sự nằm ở các mô hình kinh doanh và quyền kiểm soát luồng tiền trong lớp kết nối trung gian này.

链捕手4 giờ trước

链捕手4 giờ trước

Dự đoán giá Ethereum – Liệu ETH có thể lấy lại mốc 2.000 USD khi dòng tiền ETF quay trở lại?

Giá Ethereum (ETH) hiện giao dịch quanh mức $1.865, củng cố sau khi phục hồi mạnh từ đáy tháng 6 và tạo các đỉnh cao hơn, đáy cao hơn trong suốt tháng 7. Triển vọng tái chinh phục mức $2.000 nhận được hỗ trợ từ dòng tiền thể chế, khi các quỹ ETF spot Ethereum tại Mỹ ghi nhận tuần thứ hai liên tiếp có dòng tiền ròng dương, với $105.44 triệu trong tuần kết thúc ngày 17/7, nâng tổng tài sản ETF lên gần $10 tỷ. Về mặt kỹ thuật, động lực mua đang được cải thiện với RSI hàng ngày ở khoảng 58. Tuy nhiên, RSI hàng tuần vẫn dưới mức trung tính 50, cho thấy xu hướng tổng thể chưa hoàn toàn tăng. Kháng cự trước mắt nằm ở vùng $1.900. Việc vượt qua quyết định mức này có thể mở đường chinh phục mức tâm lý $2.000. Trong khi đó, vùng hỗ trợ chính hiện nay là $1.800. Khả năng ETH vượt lên trên $2.000 sẽ phụ thuộc vào việc áp lực mua có được duy trì trong các phiên tới hay không, cùng với đà củng cố từ dòng tiền ETF.

ambcrypto5 giờ trước

Dự đoán giá Ethereum – Liệu ETH có thể lấy lại mốc 2.000 USD khi dòng tiền ETF quay trở lại?

ambcrypto5 giờ trước

Giao dịch

Giao ngay

Bài viết Nổi bật

GROK AI là gì

Grok AI: Cách mạng hóa Công nghệ Đối thoại trong Kỷ nguyên Web3 Giới thiệu Trong bối cảnh trí tuệ nhân tạo đang phát triển nhanh chóng, Grok AI nổi bật như một dự án đáng chú ý kết nối các lĩnh vực công nghệ tiên tiến và tương tác người dùng. Được phát triển bởi xAI, một công ty do doanh nhân nổi tiếng Elon Musk dẫn dắt, Grok AI nhằm định nghĩa lại cách chúng ta tương tác với trí tuệ nhân tạo. Khi phong trào Web3 tiếp tục phát triển mạnh mẽ, Grok AI hướng tới việc tận dụng sức mạnh của AI đối thoại để trả lời các câu hỏi phức tạp, mang đến cho người dùng một trải nghiệm không chỉ thông tin mà còn giải trí. Grok AI là gì? Grok AI là một chatbot AI đối thoại tinh vi được thiết kế để tương tác với người dùng một cách linh hoạt. Khác với nhiều hệ thống AI truyền thống, Grok AI chấp nhận một loạt các câu hỏi rộng hơn, bao gồm những câu hỏi thường được coi là không phù hợp hoặc ngoài các phản hồi tiêu chuẩn. Các mục tiêu cốt lõi của dự án bao gồm: Lập luận đáng tin cậy: Grok AI nhấn mạnh lập luận theo lẽ thường để cung cấp các câu trả lời hợp lý dựa trên sự hiểu biết về ngữ cảnh. Giám sát có thể mở rộng: Việc tích hợp công cụ hỗ trợ đảm bảo rằng các tương tác của người dùng được theo dõi và tối ưu hóa về chất lượng. Xác minh chính thức: An toàn là điều tối quan trọng; Grok AI tích hợp các phương pháp xác minh chính thức để nâng cao độ tin cậy của các đầu ra của nó. Hiểu biết về ngữ cảnh dài: Mô hình AI xuất sắc trong việc giữ lại và nhớ lại lịch sử cuộc trò chuyện dài, tạo điều kiện cho các cuộc thảo luận có ý nghĩa và nhận thức về ngữ cảnh. Khả năng chống lại các cuộc tấn công: Bằng cách tập trung vào việc cải thiện khả năng phòng thủ chống lại các đầu vào bị thao túng hoặc độc hại, Grok AI nhằm duy trì tính toàn vẹn của các tương tác của người dùng. Nói tóm lại, Grok AI không chỉ là một thiết bị truy xuất thông tin; nó là một đối tác đối thoại hấp dẫn khuyến khích cuộc trò chuyện năng động. Người sáng tạo Grok AI Bộ óc đứng sau Grok AI không ai khác chính là Elon Musk, một cá nhân gắn liền với sự đổi mới trong nhiều lĩnh vực, bao gồm ô tô, du hành vũ trụ và công nghệ. Dưới sự bảo trợ của xAI, một công ty tập trung vào việc phát triển công nghệ AI theo những cách có lợi, tầm nhìn của Musk nhằm định hình lại cách hiểu về các tương tác AI. Sự lãnh đạo và tinh thần nền tảng bị ảnh hưởng sâu sắc bởi cam kết của Musk trong việc thúc đẩy các ranh giới công nghệ. Các nhà đầu tư của Grok AI Mặc dù các chi tiết cụ thể về các nhà đầu tư hỗ trợ Grok AI vẫn còn hạn chế, nhưng đã được công nhận công khai rằng xAI, vườn ươm của dự án, được thành lập và hỗ trợ chủ yếu bởi chính Elon Musk. Các dự án và tài sản trước đây của Musk cung cấp một nền tảng vững chắc, tăng cường thêm độ tin cậy và tiềm năng phát triển của Grok AI. Tuy nhiên, tính đến thời điểm hiện tại, thông tin về các quỹ đầu tư hoặc tổ chức bổ sung hỗ trợ Grok AI vẫn chưa dễ dàng tiếp cận, đánh dấu một lĩnh vực có thể khám phá trong tương lai. Grok AI hoạt động như thế nào? Cơ chế hoạt động của Grok AI sáng tạo không kém gì khung khái niệm của nó. Dự án tích hợp một số công nghệ tiên tiến giúp tạo ra các chức năng độc đáo của nó: Hạ tầng mạnh mẽ: Grok AI được xây dựng bằng Kubernetes cho việc điều phối container, Rust cho hiệu suất và an toàn, và JAX cho tính toán số hiệu suất cao. Bộ ba này đảm bảo rằng chatbot hoạt động hiệu quả, mở rộng hiệu quả và phục vụ người dùng kịp thời. Truy cập kiến thức theo thời gian thực: Một trong những tính năng nổi bật của Grok AI là khả năng truy cập dữ liệu theo thời gian thực thông qua nền tảng X—trước đây được biết đến với tên gọi Twitter. Khả năng này cho phép AI truy cập thông tin mới nhất, giúp nó cung cấp các câu trả lời và khuyến nghị kịp thời mà các mô hình AI khác có thể bỏ lỡ. Hai chế độ tương tác: Grok AI cung cấp cho người dùng sự lựa chọn giữa “Chế độ Vui” và “Chế độ Thông thường.” Chế độ Vui cho phép một phong cách tương tác vui tươi và hài hước hơn, trong khi Chế độ Thông thường tập trung vào việc cung cấp các câu trả lời chính xác và đúng đắn. Sự linh hoạt này đảm bảo một trải nghiệm được cá nhân hóa phù hợp với sở thích của từng người dùng. Nói tóm lại, Grok AI kết hợp hiệu suất với sự tương tác, tạo ra một trải nghiệm vừa phong phú vừa giải trí. Thời gian phát triển của Grok AI Hành trình của Grok AI được đánh dấu bởi các cột mốc quan trọng phản ánh các giai đoạn phát triển và triển khai của nó: Phát triển ban đầu: Giai đoạn nền tảng của Grok AI diễn ra trong khoảng hai tháng, trong đó việc đào tạo và tinh chỉnh ban đầu của mô hình được thực hiện. Phát hành Beta Grok-2: Trong một bước tiến quan trọng, beta Grok-2 đã được công bố. Phiên bản này giới thiệu hai phiên bản của chatbot—Grok-2 và Grok-2 mini—mỗi phiên bản đều có khả năng trò chuyện, lập trình và lập luận. Truy cập công khai: Sau khi phát triển beta, Grok AI đã trở thành có sẵn cho người dùng nền tảng X. Những người có tài khoản được xác minh bằng số điện thoại và hoạt động ít nhất bảy ngày có thể truy cập phiên bản giới hạn, giúp công nghệ có sẵn cho một đối tượng rộng lớn hơn. Thời gian này tóm tắt sự phát triển có hệ thống của Grok AI từ lúc khởi đầu đến khi công khai, nhấn mạnh cam kết của nó đối với việc cải tiến liên tục và tương tác người dùng. Các tính năng chính của Grok AI Grok AI bao gồm một số tính năng chính góp phần vào bản sắc đổi mới của nó: Tích hợp kiến thức theo thời gian thực: Truy cập thông tin hiện tại và liên quan phân biệt Grok AI với nhiều mô hình tĩnh, cho phép một trải nghiệm người dùng hấp dẫn và chính xác. Phong cách tương tác đa dạng: Bằng cách cung cấp các chế độ tương tác khác nhau, Grok AI phục vụ cho sở thích đa dạng của người dùng, khuyến khích sự sáng tạo và cá nhân hóa trong việc trò chuyện với AI. Cơ sở công nghệ tiên tiến: Việc sử dụng Kubernetes, Rust và JAX cung cấp cho dự án một khung vững chắc để đảm bảo độ tin cậy và hiệu suất tối ưu. Xem xét về đạo đức trong đối thoại: Việc bao gồm chức năng tạo hình ảnh thể hiện tinh thần đổi mới của dự án. Tuy nhiên, nó cũng đặt ra các vấn đề đạo đức liên quan đến bản quyền và việc thể hiện tôn trọng các nhân vật dễ nhận biết—một cuộc thảo luận đang diễn ra trong cộng đồng AI. Kết luận Như một thực thể tiên phong trong lĩnh vực AI đối thoại, Grok AI khái quát tiềm năng cho những trải nghiệm người dùng chuyển đổi trong kỷ nguyên số. Được phát triển bởi xAI và được thúc đẩy bởi cách tiếp cận tầm nhìn của Elon Musk, Grok AI tích hợp kiến thức theo thời gian thực với khả năng tương tác tiên tiến. Nó cố gắng mở rộng ranh giới của những gì trí tuệ nhân tạo có thể đạt được trong khi vẫn giữ trọng tâm vào các vấn đề đạo đức và an toàn cho người dùng. Grok AI không chỉ thể hiện sự tiến bộ công nghệ mà còn thể hiện một mô hình đối thoại mới trong bối cảnh Web3, hứa hẹn sẽ thu hút người dùng bằng cả kiến thức sâu sắc và sự tương tác vui tươi. Khi dự án tiếp tục phát triển, nó đứng như một minh chứng cho những gì giao thoa giữa công nghệ, sáng tạo và tương tác giống như con người có thể đạt được.

Tổng lượt xem 714Xuất bản vào 2024.12.26Cập nhật vào 2024.12.26

ERC AI là gì

Euruka Tech: Tổng Quan về $erc ai và Những Tham Vọng trong Web3 Giới thiệu Trong bối cảnh công nghệ blockchain và ứng dụng phi tập trung đang phát triển nhanh chóng, các dự án mới thường xuyên xuất hiện, mỗi dự án đều có những mục tiêu và phương pháp độc đáo. Một trong những dự án đó là Euruka Tech, hoạt động trong lĩnh vực tiền điện tử và Web3 rộng lớn. Mục tiêu chính của Euruka Tech, đặc biệt là token $erc ai của nó, là cung cấp các giải pháp sáng tạo nhằm khai thác những khả năng đang phát triển của công nghệ phi tập trung. Bài viết này nhằm cung cấp một cái nhìn tổng quan về Euruka Tech, khám phá các mục tiêu, chức năng, danh tính của người sáng lập, các nhà đầu tư tiềm năng và tầm quan trọng của nó trong bối cảnh rộng lớn hơn của Web3. Euruka Tech, $erc ai là gì? Euruka Tech được mô tả như một dự án tận dụng các công cụ và chức năng mà môi trường Web3 cung cấp, tập trung vào việc tích hợp trí tuệ nhân tạo trong các hoạt động của nó. Mặc dù các chi tiết cụ thể về khung của dự án vẫn còn mơ hồ, nhưng nó được thiết kế để nâng cao sự tham gia của người dùng và tự động hóa các quy trình trong không gian tiền điện tử. Dự án nhằm tạo ra một hệ sinh thái phi tập trung không chỉ tạo điều kiện cho các giao dịch mà còn tích hợp các chức năng dự đoán thông qua trí tuệ nhân tạo, do đó tên gọi của token, $erc ai. Mục tiêu là cung cấp một nền tảng trực quan giúp tạo ra các tương tác thông minh hơn và xử lý giao dịch hiệu quả hơn trong lĩnh vực Web3 đang phát triển. Ai là Người Sáng Lập Euruka Tech, $erc ai? Hiện tại, thông tin về người sáng lập hoặc đội ngũ sáng lập đứng sau Euruka Tech vẫn chưa được xác định và có phần mờ mịt. Sự thiếu hụt dữ liệu này gây ra lo ngại, vì kiến thức về nền tảng của đội ngũ thường rất quan trọng để thiết lập độ tin cậy trong lĩnh vực blockchain. Do đó, chúng tôi đã phân loại thông tin này là không rõ cho đến khi có các chi tiết cụ thể được công bố trong lĩnh vực công cộng. Ai là Các Nhà Đầu Tư của Euruka Tech, $erc ai? Tương tự, việc xác định các nhà đầu tư hoặc tổ chức hỗ trợ cho dự án Euruka Tech không được cung cấp dễ dàng qua các nghiên cứu hiện có. Một khía cạnh quan trọng đối với các bên liên quan tiềm năng hoặc người dùng đang xem xét tham gia vào Euruka Tech là sự đảm bảo đến từ các quan hệ đối tác tài chính đã được thiết lập hoặc sự hỗ trợ từ các công ty đầu tư uy tín. Thiếu thông tin về các mối quan hệ đầu tư, rất khó để rút ra những kết luận toàn diện về sự an toàn tài chính hoặc độ bền vững của dự án. Theo thông tin đã tìm thấy, phần này cũng đang ở trạng thái không rõ. Euruka Tech, $erc ai hoạt động như thế nào? Mặc dù thiếu các thông số kỹ thuật chi tiết cho Euruka Tech, nhưng điều quan trọng là phải xem xét những tham vọng đổi mới của nó. Dự án tìm cách tận dụng sức mạnh tính toán của trí tuệ nhân tạo để tự động hóa và nâng cao trải nghiệm người dùng trong môi trường tiền điện tử. Bằng cách tích hợp AI với công nghệ blockchain, Euruka Tech nhằm cung cấp các tính năng như giao dịch tự động, đánh giá rủi ro và giao diện người dùng cá nhân hóa. Bản chất đổi mới của Euruka Tech nằm ở mục tiêu tạo ra một kết nối liền mạch giữa người dùng và những khả năng rộng lớn mà các mạng phi tập trung mang lại. Thông qua việc sử dụng các thuật toán học máy và AI, nó nhằm giảm thiểu những thách thức mà người dùng lần đầu gặp phải và tinh giản trải nghiệm giao dịch trong khuôn khổ Web3. Sự cộng sinh giữa AI và blockchain nhấn mạnh tầm quan trọng của token $erc ai, đứng như một cầu nối giữa các giao diện người dùng truyền thống và các khả năng tiên tiến của công nghệ phi tập trung. Thời Gian của Euruka Tech, $erc ai Thật không may, do thông tin hạn chế hiện có về Euruka Tech, chúng tôi không thể trình bày một thời gian biểu chi tiết về các phát triển chính hoặc cột mốc trong hành trình của dự án. Thời gian biểu này, thường rất quý giá trong việc vạch ra sự tiến triển của một dự án và hiểu được quỹ đạo phát triển của nó, hiện không có sẵn. Khi thông tin về các sự kiện đáng chú ý, quan hệ đối tác hoặc các bổ sung chức năng trở nên rõ ràng, các cập nhật chắc chắn sẽ nâng cao sự hiện diện của Euruka Tech trong lĩnh vực tiền điện tử. Làm rõ về Các Dự Án “Eureka” Khác Điều đáng lưu ý là nhiều dự án và công ty chia sẻ một tên gọi tương tự với “Eureka.” Nghiên cứu đã xác định các sáng kiến như một đại lý AI từ NVIDIA Research, tập trung vào việc dạy robot thực hiện các nhiệm vụ phức tạp bằng các phương pháp sinh tạo, cũng như Eureka Labs và Eureka AI, cải thiện trải nghiệm người dùng trong giáo dục và phân tích dịch vụ khách hàng, tương ứng. Tuy nhiên, những dự án này là khác biệt với Euruka Tech và không nên bị nhầm lẫn với các mục tiêu hoặc chức năng của nó. Kết luận Euruka Tech, cùng với token $erc ai của nó, đại diện cho một người chơi hứa hẹn nhưng hiện tại còn mờ mịt trong bối cảnh Web3. Trong khi chi tiết về người sáng lập và các nhà đầu tư vẫn chưa được công bố, tham vọng cốt lõi của việc kết hợp trí tuệ nhân tạo với công nghệ blockchain vẫn là một điểm thu hút sự chú ý. Các phương pháp độc đáo của dự án trong việc thúc đẩy sự tham gia của người dùng thông qua tự động hóa tiên tiến có thể giúp nó nổi bật khi hệ sinh thái Web3 tiến triển. Khi thị trường tiền điện tử tiếp tục phát triển, các bên liên quan nên theo dõi chặt chẽ những tiến bộ xung quanh Euruka Tech, vì sự phát triển của các đổi mới đã được ghi chép, các quan hệ đối tác hoặc một lộ trình rõ ràng có thể mang lại những cơ hội đáng kể trong tương lai gần. Hiện tại, chúng tôi đang chờ đợi những hiểu biết sâu sắc hơn có thể tiết lộ tiềm năng của Euruka Tech và vị trí của nó trong bối cảnh cạnh tranh của tiền điện tử.

Tổng lượt xem 720Xuất bản vào 2025.01.02Cập nhật vào 2025.01.02

DUOLINGO AI là gì

DUOLINGO AI: Tích hợp Học ngôn ngữ với Web3 và Đổi mới AI Trong một kỷ nguyên mà công nghệ định hình lại giáo dục, việc tích hợp trí tuệ nhân tạo (AI) và các mạng blockchain báo hiệu một biên giới mới cho việc học ngôn ngữ. Giới thiệu DUOLINGO AI và đồng tiền điện tử liên quan của nó, $DUOLINGO AI. Dự án này mong muốn kết hợp sức mạnh giáo dục của các nền tảng học ngôn ngữ hàng đầu với những lợi ích của công nghệ Web3 phi tập trung. Bài viết này đi sâu vào các khía cạnh chính của DUOLINGO AI, khám phá các mục tiêu, khung công nghệ, sự phát triển lịch sử và tiềm năng tương lai trong khi duy trì sự rõ ràng giữa tài nguyên giáo dục gốc và sáng kiến tiền điện tử độc lập này. Tổng quan về DUOLINGO AI Cốt lõi của DUOLINGO AI là thiết lập một môi trường phi tập trung nơi người học có thể kiếm được phần thưởng mã hóa cho việc đạt được các cột mốc giáo dục trong khả năng ngôn ngữ. Bằng cách áp dụng hợp đồng thông minh, dự án nhằm tự động hóa các quy trình xác minh kỹ năng và phân bổ token, tuân thủ các nguyên tắc Web3 nhấn mạnh tính minh bạch và quyền sở hữu của người dùng. Mô hình này khác biệt so với các phương pháp truyền thống trong việc tiếp cận ngôn ngữ bằng cách dựa nhiều vào cấu trúc quản trị do cộng đồng điều hành, cho phép những người nắm giữ token đề xuất cải tiến nội dung khóa học và phân phối phần thưởng. Một số mục tiêu đáng chú ý của DUOLINGO AI bao gồm: Học tập gamified: Dự án tích hợp các thành tựu blockchain và token không thể thay thế (NFT) để đại diện cho các cấp độ thành thạo ngôn ngữ, thúc đẩy động lực thông qua các phần thưởng kỹ thuật số hấp dẫn. Tạo nội dung phi tập trung: Nó mở ra cơ hội cho các nhà giáo dục và những người yêu thích ngôn ngữ đóng góp khóa học của họ, tạo điều kiện cho một mô hình chia sẻ doanh thu có lợi cho tất cả các bên đóng góp. Cá nhân hóa dựa trên AI: Bằng cách sử dụng các mô hình học máy tiên tiến, DUOLINGO AI cá nhân hóa các bài học để thích ứng với tiến trình học tập của từng cá nhân, tương tự như các tính năng thích ứng có trong các nền tảng đã được thiết lập. Người sáng lập dự án và Quản trị Tính đến tháng 4 năm 2025, đội ngũ đứng sau $DUOLINGO AI vẫn giữ bí danh, một thực tiễn phổ biến trong lĩnh vực tiền điện tử phi tập trung. Sự ẩn danh này nhằm thúc đẩy sự phát triển tập thể và sự tham gia của các bên liên quan thay vì tập trung vào các nhà phát triển cá nhân. Hợp đồng thông minh được triển khai trên blockchain Solana ghi chú địa chỉ ví của nhà phát triển, điều này thể hiện cam kết về tính minh bạch liên quan đến các giao dịch mặc dù danh tính của các nhà sáng lập vẫn chưa được biết đến. Theo lộ trình của nó, DUOLINGO AI dự định phát triển thành một Tổ chức Tự trị Phi tập trung (DAO). Cấu trúc quản trị này cho phép những người nắm giữ token bỏ phiếu về các vấn đề quan trọng như triển khai tính năng và phân bổ ngân quỹ. Mô hình này phù hợp với tinh thần trao quyền cho cộng đồng có trong nhiều ứng dụng phi tập trung, nhấn mạnh tầm quan trọng của việc ra quyết định tập thể. Nhà đầu tư và Đối tác chiến lược Hiện tại, không có nhà đầu tư tổ chức hoặc nhà đầu tư mạo hiểm nào được xác định công khai liên quan đến $DUOLINGO AI. Thay vào đó, tính thanh khoản của dự án chủ yếu đến từ các sàn giao dịch phi tập trung (DEX), đánh dấu một sự tương phản rõ rệt với các chiến lược tài trợ của các công ty công nghệ giáo dục truyền thống. Mô hình cơ sở này cho thấy một cách tiếp cận do cộng đồng điều hành, phản ánh cam kết của dự án đối với sự phi tập trung. Trong tài liệu trắng của mình, DUOLINGO AI đề cập đến việc hình thành các hợp tác với các “nền tảng giáo dục blockchain” không xác định nhằm làm phong phú thêm các khóa học của mình. Mặc dù các đối tác cụ thể vẫn chưa được công bố, những nỗ lực hợp tác này gợi ý về một chiến lược kết hợp đổi mới blockchain với các sáng kiến giáo dục, mở rộng quyền truy cập và sự tham gia của người dùng qua nhiều con đường học tập khác nhau. Kiến trúc công nghệ Tích hợp AI DUOLINGO AI tích hợp hai thành phần chính dựa trên AI để nâng cao các đề xuất giáo dục của mình: Công cụ học tập thích ứng: Công cụ tinh vi này học từ các tương tác của người dùng, tương tự như các mô hình độc quyền từ các nền tảng giáo dục lớn. Nó điều chỉnh độ khó của bài học một cách linh hoạt để giải quyết các thách thức cụ thể của người học, củng cố các lĩnh vực yếu thông qua các bài tập có mục tiêu. Đại lý hội thoại: Bằng cách sử dụng chatbot được hỗ trợ bởi GPT-4, DUOLINGO AI cung cấp một nền tảng cho người dùng tham gia vào các cuộc hội thoại mô phỏng, thúc đẩy một trải nghiệm học ngôn ngữ tương tác và thực tiễn hơn. Hạ tầng Blockchain Được xây dựng trên blockchain Solana, $DUOLINGO AI sử dụng một khung công nghệ toàn diện bao gồm: Hợp đồng thông minh xác minh kỹ năng: Tính năng này tự động trao token cho người dùng đã vượt qua các bài kiểm tra thành thạo, củng cố cấu trúc khuyến khích cho các kết quả học tập thực sự. Huy hiệu NFT: Những token kỹ thuật số này biểu thị các cột mốc khác nhau mà người học đạt được, chẳng hạn như hoàn thành một phần của khóa học hoặc thành thạo các kỹ năng cụ thể, cho phép họ giao dịch hoặc trưng bày thành tích của mình một cách kỹ thuật số. Quản trị DAO: Các thành viên cộng đồng nắm giữ token có thể tham gia vào quản trị bằng cách bỏ phiếu về các đề xuất chính, tạo điều kiện cho một văn hóa tham gia khuyến khích đổi mới trong các đề xuất khóa học và tính năng của nền tảng. Dòng thời gian lịch sử 2022–2023: Khái niệm Công việc chuẩn bị cho DUOLINGO AI bắt đầu với việc tạo ra một tài liệu trắng, nêu bật sự phối hợp giữa những tiến bộ AI trong học ngôn ngữ và tiềm năng phi tập trung của công nghệ blockchain. 2024: Ra mắt Beta Một phiên bản beta giới hạn giới thiệu các đề xuất trong các ngôn ngữ phổ biến, thưởng cho người dùng sớm bằng các phần thưởng token như một phần của chiến lược tham gia cộng đồng của dự án. 2025: Chuyển đổi DAO Vào tháng 4, một lần ra mắt mainnet đầy đủ diễn ra với sự lưu thông của các token, thúc đẩy các cuộc thảo luận trong cộng đồng về khả năng mở rộng sang các ngôn ngữ châu Á và các phát triển khóa học khác. Thách thức và Hướng đi tương lai Khó khăn kỹ thuật Mặc dù có những mục tiêu tham vọng, DUOLINGO AI phải đối mặt với những thách thức đáng kể. Khả năng mở rộng vẫn là một mối quan tâm liên tục, đặc biệt là trong việc cân bằng chi phí liên quan đến xử lý AI và duy trì một mạng lưới phi tập trung phản hồi. Ngoài ra, việc đảm bảo chất lượng tạo nội dung và quản lý trong bối cảnh cung cấp phi tập trung đặt ra những phức tạp trong việc duy trì tiêu chuẩn giáo dục. Cơ hội chiến lược Nhìn về phía trước, DUOLINGO AI có tiềm năng tận dụng các quan hệ đối tác cấp chứng chỉ vi mô với các tổ chức học thuật, cung cấp các xác nhận kỹ năng ngôn ngữ được xác minh bằng blockchain. Hơn nữa, việc mở rộng chuỗi chéo có thể cho phép dự án tiếp cận các cơ sở người dùng rộng hơn và các hệ sinh thái blockchain bổ sung, nâng cao khả năng tương tác và phạm vi tiếp cận của nó. Kết luận DUOLINGO AI đại diện cho một sự kết hợp đổi mới giữa trí tuệ nhân tạo và công nghệ blockchain, cung cấp một lựa chọn tập trung vào cộng đồng thay thế cho các hệ thống học ngôn ngữ truyền thống. Mặc dù sự phát triển bí danh và mô hình kinh tế mới nổi của nó mang lại một số rủi ro, cam kết của dự án đối với học tập gamified, giáo dục cá nhân hóa và quản trị phi tập trung mở ra một con đường phía trước cho công nghệ giáo dục trong lĩnh vực Web3. Khi AI tiếp tục phát triển và hệ sinh thái blockchain tiến hóa, các sáng kiến như DUOLINGO AI có thể định hình lại cách người dùng tương tác với giáo dục ngôn ngữ, trao quyền cho cộng đồng và thưởng cho sự tham gia thông qua các cơ chế học tập đổi mới.

Tổng lượt xem 754Xuất bản vào 2025.04.11Cập nhật vào 2025.04.11

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến của người dùng về giá của AI (AI) được trình bày dưới đây.