OpenAI o1: Loạt model mới của OpenAI dành cho suy luận AI

Cộng đồng AI đang sôi nổi đồn đoán về bước tiến tiếp theo của các model GPT của OpenAI, với nhiều người gọi đó là “Project Strawberry”. Lý do là nếu bạn đưa câu lệnh cho GPT-4o bằng cách hỏi từ "strawberry" có bao nhiêu chữ R, model sẽ trả lời rằng từ "strawberry" có hai chữ R. Điều này có vẻ kỳ lạ khi xét đến năng lực mạnh mẽ của GPT-4o. Có tin đồn rằng model tiếp theo sẽ hướng tới giải quyết vấn đề này. Sam Altman càng làm những tin đồn đó lan rộng khi đăng ảnh dâu tây lên tài khoản X (trước đây là Twitter) của mình.

Với thông báo mới nhất của OpenAI vào thứ Năm, ngày 12 tháng 9, cuối cùng chúng ta đã có câu trả lời cho những suy đoán này! OpenAI o1, dòng model suy luận AI mới được thiết kế để chậm lại và suy nghĩ trước khi phản hồi, đã ra mắt. Điều thú vị là OpenAI o1 có khả năng suy luận tốt hơn và trả lời chính xác câu hỏi về dâu tây! Trong bài viết này, chúng ta sẽ tìm hiểu OpenAI o1 là gì, cách hoạt động, ứng dụng ở đâu và ý nghĩa của model này đối với tương lai của AI. Bắt đầu nhé!

Hình 1. Ví dụ về việc đưa prompt cho OpenAI o1 về quả dâu tây.

Những tiến bộ AI mới của OpenAI#

Vào tháng 7 năm 2024, các lãnh đạo OpenAI cho biết nghiên cứu của OpenAI đang tiến gần đến khả năng giải quyết vấn đề ở cấp độ con người, được gọi là cấp độ 2 của AI. Rõ ràng cấp độ này tập trung vào khả năng lập luận, khi OpenAI giới thiệu dòng model mới OpenAI o1 với cách tiếp cận suy nghĩ trước khi trả lời. OpenAI o1 là một LLM (mô hình ngôn ngữ lớn), một model AI hiểu và tạo văn bản giống con người bằng cách học các quy luật từ lượng dữ liệu ngôn ngữ khổng lồ. Model được thiết kế để xử lý các vấn đề phức tạp đòi hỏi lập luận chuyên sâu.

Hình 2. Quan điểm của OpenAI về các giai đoạn của AI.

Model được huấn luyện bằng học tăng cường, một kỹ thuật trong đó model học cách đưa ra quyết định tốt hơn thông qua thử và sai, bằng cách nhận phần thưởng hoặc hình phạt cho hành động của mình. Thuật toán học tăng cường giúp model suy nghĩ hiệu quả hơn bằng cách đi theo một chuỗi suy luận. OpenAI cũng chia sẻ rằng hiệu năng của o1 tiếp tục được cải thiện khi tăng cường học tăng cường trong quá trình huấn luyện và kéo dài thời gian "suy nghĩ" khi giải quyết vấn đề, cho thấy cả huấn luyện mở rộng lẫn xử lý có cân nhắc đều giúp nâng cao năng lực của model.

Dù OpenAI o1 là bước tiến đáng kể trong lập luận phức tạp, đây vẫn là model ở giai đoạn đầu và còn thiếu một số tính năng giúp ChatGPT hữu ích, chẳng hạn như duyệt web hoặc tải tệp và hình ảnh lên. Với nhiều tác vụ phổ biến, hiện tại GPT-4o có thể vẫn mạnh hơn. Tuy nhiên, OpenAI o1 đánh dấu bước tiến lớn trong khả năng xử lý lập luận phức tạp của AI, đó là lý do OpenAI bắt đầu một dòng mới và đặt tên là OpenAI o1.

Cách các model OpenAI mới nâng cao khả năng lập luận của AI#

OpenAI o1 có thể được dùng cho các tác vụ như giải mã mật mã, xử lý thử thách lập trình, trả lời bài toán, giải ô chữ và thậm chí xử lý các chủ đề phức tạp trong khoa học, an toàn và chăm sóc sức khỏe. Trong một cách gợi nhắc hài hước đến tên mã của dự án, OpenAI đã thể hiện khả năng suy luận của model bằng cách giải một mật mã hé lộ thông điệp "THERE ARE THREE R’S IN STRAWBERRY."

Ngoài giải mật mã, OpenAI o1 còn có năng lực lập trình tốt. Model hoạt động hiệu quả trong các thử thách lập trình cạnh tranh như trên Codeforces, một nền tảng nơi lập trình viên giải các bài toán mã hóa phức tạp trong điều kiện giới hạn thời gian. Trong những thử thách này, model đạt điểm Elo cao (hệ thống tính điểm đo lường kỹ năng dựa trên kết quả thi đấu với đối thủ khác) và vượt trội hơn các model trước đó. Model cũng nổi bật trong toán học và đạt kết quả tốt ở các kỳ thi như Kỳ thi Toán học Mời tham dự Hoa Kỳ (AIME).

Hình 3. Đánh giá năng lực lập trình của o1.

Những tiến bộ này giúp OpenAI o1 trở thành một bản nâng cấp đáng kể so với các model trước đây như GPT-4o. Model mở ra những khả năng mới cho AI trong các lĩnh vực như kinh doanh, phát triển, nghiên cứu và chăm sóc sức khỏe. Ví dụ, trong nghiên cứu di truyền học, OpenAI o1 có thể nhanh chóng xem qua số lượng lớn bài báo nghiên cứu, chọn lọc các phát hiện chính và mối liên hệ giữa dấu ấn di truyền với bệnh tật. Model hiểu ngôn ngữ khoa học phức tạp và có thể tóm tắt các điểm quan trọng, giúp nhà nghiên cứu tập trung vào thông tin phù hợp nhất.

Tìm hiểu sâu hơn về chuỗi suy luận#

Trước đó, chúng ta đã thấy OpenAI o1 giới thiệu quy trình suy luận "Chuỗi suy luận". Quy trình này cho phép model xử lý các vấn đề phức tạp theo cách tương tự chiến lược nhận thức của con người. Model có thể chia nhỏ thách thức thành các bước dễ quản lý hơn và lặp lại để tinh chỉnh phương pháp giải quyết. Khác với các model trước đây dựa vào nhận dạng mẫu tức thời, o1 tối ưu hóa quá trình ra quyết định bằng cách khám phá nhiều hướng suy luận, học hỏi từ cả thành công lẫn sai lầm thông qua học tăng cường.

OpenAI quyết định ẩn các chuỗi suy luận thô này khỏi người dùng, thay vào đó cung cấp bản tóm tắt giúp hiểu quá trình lập luận của model mà không tiết lộ từng bước. Quyết định này giúp ngăn việc lạm dụng quá trình suy nghĩ của model, đồng thời vẫn cho phép nhà phát triển theo dõi và hoàn thiện độ an toàn cũng như tính tương thích của AI. Bằng cách quan sát nội bộ các chuỗi suy luận bị ẩn, nhà phát triển có thể đảm bảo o1 tuân thủ nguyên tắc đạo đức và tránh hành vi có hại.

Đánh giá OpenAI o1#

OpenAI o1 cho thấy những cải thiện đáng kể so với GPT-4o trên một số benchmark đánh giá năng lực suy luận và giải quyết vấn đề. Trong Kỳ thi Toán học Mời tham dự Hoa Kỳ (AIME) 2024, một kỳ thi toán khó dành cho học sinh trung học xuất sắc, o1 đạt độ chính xác 74% chỉ với một mẫu cho mỗi bài toán, so với 12% của GPT-4o. Khi lấy đồng thuận từ 64 mẫu, độ chính xác tăng lên 83%; với phương pháp xếp hạng lại đã tinh chỉnh trên 1.000 mẫu, độ chính xác đạt 93%, đưa model vào nhóm 500 học sinh hàng đầu toàn quốc.

Ngoài toán học, o1 còn đạt kết quả xuất sắc trên các benchmark kiểm tra kiến thức khoa học như GPQA Diamond, bao gồm các câu hỏi trình độ tiến sĩ về hóa học, vật lý và sinh học. Đáng chú ý, o1 vượt qua các chuyên gia có bằng tiến sĩ trong bài kiểm tra này, trở thành model AI đầu tiên làm được điều đó. Model cũng vượt GPT-4o ở 54 trong số 57 hạng mục của benchmark MMLU, đánh giá mức độ hiểu biết trên nhiều lĩnh vực như lịch sử, luật và khoa học. Các model OpenAI mới hơn như GPT-6.1 Sol tiếp nhận cả hình ảnh lẫn văn bản, còn Bảng xếp hạng VLM của Ultralytics so sánh khả năng phát hiện đối tượng của chúng với các model ngôn ngữ thị giác khác.

Hình 4. Đánh giá OpenAI o1 bằng benchmark.

Trải nghiệm thực tế OpenAI o1#

OpenAI đã giới thiệu hai model AI mới trong dòng o1: o1-preview và o1-mini. Model o1-preview được thiết kế để suy nghĩ sâu hơn trước khi phản hồi, đặc biệt xuất sắc trong các tác vụ lập luận phức tạp về khoa học, lập trình và toán học. Model cung cấp khả năng giải quyết vấn đề tiên tiến cho người dùng thực hiện các dự án đầy thách thức. Ngược lại, o1-mini là model nhỏ hơn, nhanh hơn và tiết kiệm chi phí hơn, được tối ưu riêng cho lập luận trong STEM, đặc biệt là toán học và lập trình. Dù có thể thiếu kiến thức thế giới bao quát, o1-mini gần đạt hiệu suất của o1-preview trong các đánh giá quan trọng như cuộc thi toán AIME và thử thách lập trình Codeforces, với chi phí thấp hơn 80%.

Hình 5. So sánh các model OpenAI.

Bạn có thể dùng thử các model này thông qua nhiều nền tảng OpenAI. Người dùng ChatGPT Plus và Team có thể truy cập cả o1-preview lẫn o1-mini qua bộ chọn model, trực tiếp trải nghiệm khả năng lập luận nâng cao trong ChatGPT. Nhà phát triển ở cấp sử dụng API 5 có thể bắt đầu tạo nguyên mẫu với các model này, dù một số tính năng nâng cao vẫn đang được phát triển. OpenAI cũng dự định sớm cung cấp o1-mini cho tất cả người dùng ChatGPT Free. Khám phá các model này sẽ giúp bạn trực tiếp trải nghiệm những tiến bộ trong khả năng lập luận của AI và chọn model phù hợp nhất với nhu cầu.

Các cân nhắc về AI có đạo đức của OpenAI#

OpenAI chú trọng đạo đức và an toàn trong quá trình phát triển dòng model o1. Trước khi phát hành o1-preview và o1-mini, OpenAI đã tiến hành đánh giá kỹ lưỡng, bao gồm kiểm thử bên ngoài và kiểm tra nội bộ các rủi ro như nội dung bị cấm, ảo giác và thiên kiến. Các model được thiết kế với khả năng lập luận tiên tiến để hiểu và tuân thủ các quy tắc an toàn tốt hơn.

OpenAI cũng đã triển khai các biện pháp bảo vệ như danh sách chặn và bộ phân loại an toàn để quản lý rủi ro. Model o1 có mức đánh giá rủi ro tổng thể trung bình. Model có rủi ro thấp trong các lĩnh vực như an ninh mạng và quyền tự chủ của model, nhưng rủi ro trung bình trong các lĩnh vực như nội dung CBRN (hóa học, sinh học, phóng xạ và hạt nhân) và thuyết phục. Nhóm cố vấn an toàn và Hội đồng quản trị của OpenAI đã xem xét các biện pháp an toàn này để đảm bảo model an toàn và có đạo đức khi sử dụng.

Hình 6. Bảng điểm OpenAI o1.

Từ tin đồn đến hiện thực: OpenAI o1 ra mắt#

OpenAI o1 là bước tiến lớn trong khả năng lập luận của AI, biến một số tin đồn ban đầu thành hiện thực. Khác với GPT-4o, dòng o1 suy nghĩ sâu hơn bằng cách sử dụng phương pháp "Chuỗi suy luận", chia vấn đề phức tạp thành các bước nhỏ để đưa ra phản hồi tốt hơn. Hiện có thể trải nghiệm phiên bản xem trước sớm trong ChatGPT và qua API; OpenAI dự định bổ sung các tính năng như duyệt web và tải tệp cũng như hình ảnh lên. OpenAI cũng chia sẻ kế hoạch tiếp tục phát triển và phát hành các model trong dòng GPT, song song với dòng OpenAI o1 mới. Khi AI tiếp tục phát triển, những tiến bộ như vậy đang mở đường cho các hệ thống AI mạnh mẽ, trực quan và linh hoạt hơn, có khả năng hỗ trợ và thấu hiểu nhu cầu của con người tốt hơn.

Cập nhật những tin tức mới nhất về AI bằng cách tham gia cộng đồng của chúng tôi! Truy cập kho lưu trữ GitHub để xem cách chúng tôi xây dựng các giải pháp AI trong những lĩnh vực như sản xuất và chăm sóc sức khỏe.