Buzz
Thành công của DeepSeek cùng với mô hình AI mới càng làm dấy lên câu hỏi về hiệu quả ngân sách dành cho nghiên cứu AI ở Thung lũng Silicon.
Trong suốt những ngày qua, DeepSeek đã gây chú ý khi ra mắt R1, một mô hình AI có khả năng tương đương và các hệ thống đắt đỏ khác nhưng với chi phí huấn luyện chỉ bằng một phần rất nhỏ so với mức thông thường ở Silicon Valley. Thành tựu này đạt được nhờ vào các đột phá trong việc tối ưu hóa phần cứng và phần mềm, giúp giảm thiểu chi phí huấn luyện và vận hành.
Một nhóm các nhà nghiên cứu tại Đại học California, Berkeley cho biết họ đã có thể tái tạo công nghệ của DeepSeek với chi phí còn thấp hơn nữa – chỉ với 30 USD. Dưới sự dẫn dắt của nghiên cứu sinh Jiayi Pan, nhóm đã phát triển một phiên bản thu nhỏ của mô hình gốc mang tên "TinyZero" và đăng tải lên GitHub cho cộng đồng thử nghiệm.
Dù chỉ có quy mô khiêm tốn với 671 tỷ tham số so với mô hình gốc, TinyZero vẫn mô phỏng được chính xác các hành vi cốt lõi của DeepSeek nhờ vào phương pháp học tăng cường (reinforcement learning).
Cách tiếp cận của Jiayi Pan tập trung vào kỹ thuật học tăng cường (reinforcement learning), trong đó AI bắt đầu với những dự đoán gần như ngẫu nhiên và dần dần cải thiện kết quả qua các lần thử và sửa lỗi. Pan đã chia sẻ về trò chơi Countdown – một cuộc thi truyền hình Anh, trong đó người chơi kết hợp các con số để đạt được giá trị mục tiêu. "Sau nhiều lần thử sai, nó tự sửa lỗi và đạt đáp án đúng", Pan cho biết.
Thành công của TinyZero đã đặt ra câu hỏi lớn: Tại sao các ông lớn như OpenAI hay Google lại chi hàng tỷ USD cho nghiên cứu AI, trong khi một nhóm nghiên cứu nhỏ có thể đạt được kết quả tương tự với chi phí cực kỳ thấp? DeepSeek đã từng gây sốc khi công bố chi phí huấn luyện mô hình R1 chỉ vài triệu USD, nhưng TinyZero lại còn tiết kiệm hơn – chỉ tốn 30 USD cho phiên bản thu nhỏ.
Những con số này đi ngược lại với quan niệm phổ biến rằng các bước đột phá lớn trong AI cần đến các trung tâm dữ liệu khổng lồ, GPU tốn điện và hàng triệu hoặc thậm chí hàng tỷ USD chi tiêu.
Tuy vậy, nhiều người vẫn tỏ ra hoài nghi. Họ cho rằng những con số mà DeepSeek công bố chưa phản ánh đầy đủ sự thật, bởi có thể công ty này đang tận dụng các nguồn lực hoặc công nghệ khác mà chưa được tiết lộ. Mặc dù TinyZero là minh chứng rõ ràng cho việc học tăng cường hiệu quả có thể triển khai với ngân sách hạn chế, nhưng nó không thể so sánh hoàn toàn với khả năng của DeepSeek. TinyZero chỉ như một phiên bản thu nhỏ, đơn giản hóa chứ không phải đối trọng thực sự.
Mặc dù vậy, thí nghiệm của UC Berkeley mở ra một xu hướng mới: AI mã nguồn mở và tiết kiệm tài nguyên. Nếu các nhà phát triển độc lập có thể tạo ra công nghệ tương tự với ngân sách thấp, thì áp lực cạnh tranh lên các đại gia công nghệ sẽ càng lớn. "TinyZero chứng minh rằng sáng tạo không nhất thiết phải tốn kém. Một sinh viên xuất sắc hoặc một startup nhỏ cũng có thể tạo ra sự khác biệt", một nhà phân tích nhận định.
Thành công của TinyZero và DeepSeek R1 phản ánh nhu cầu ngày càng lớn đối với các mô hình AI nhỏ gọn, tiết kiệm năng lượng. Điều này mở ra cơ hội cho các quốc gia hoặc tổ chức có ngân sách hạn chế tiếp cận công nghệ cao, đồng thời thúc đẩy sự cạnh tranh trong ngành. Tuy nhiên, vẫn còn những thách thức. Các mô hình nhỏ như TinyZero dù ấn tượng, nhưng chưa thể xử lý đa nhiệm phức tạp như phiên bản đầy đủ. Hơn nữa, việc sao chép công nghệ có thể gây rủi ro về bản quyền và chất lượng.
Theo nhóm nghiên cứu UC Berkeley, mục tiêu của họ là "giải mã xu hướng mở rộng AI dựa trên học tăng cường" và khuyến khích cộng đồng tham gia. Với sự quan tâm từ khắp nơi trên thế giới, TinyZero đã chứng minh rằng cuộc cách mạng AI không chỉ thuộc về những ai có tiềm lực tài chính lớn mà còn mở ra cơ hội cho những ý tưởng táo bạo và sáng tạo không giới hạn. Liệu đây có phải là khởi đầu cho một kỷ nguyên AI "bình dân"? Câu trả lời sẽ phụ thuộc vào cách ngành công nghiệp này thích ứng với làn sóng mới.
