OpenAI lo ngại các mô hình mã nguồn mở: Mỹ có nên dè chừng?

Những khả năng ấn tượng của Kimi K3 từ phòng thí nghiệm Moonshot của Trung Quốc, mô hình ngôn ngữ lớn (LLM) có trọng số mở lớn nhất hiện nay, đã khơi mào một cuộc tranh luận làm lẫn lộn hai vấn đề: tiềm năng kinh tế của các gã khổng lồ AI Mỹ và tương lai của LLM như một công nghệ.

Trưởng bộ phận tương lai chiến lược của OpenAI, Dean W. Ball, thậm chí còn lập luận rằng chính phủ Mỹ nên tìm cớ để tạo ra nỗi sợ hãi, sự không chắc chắn và hoài nghi về các mô hình mới này, vì các mô hình có trọng số mở chắc chắn sẽ làm giảm chi tiêu vốn của các phòng thí nghiệm tiên phong.

Nhiều người đã phản ứng dữ dội, với các tên tuổi lớn trong ngành công nghệ như Yann LeCun và Martin Casado lập luận rằng phần mềm mở có thể thúc đẩy đổi mới và cùng tồn tại với các dự án độc quyền. Ball sau đó đã rút lại tuyên bố cho rằng một cuộc trấn áp theo quy định là "chiến lược tốt nhất" của Nhà Trắng và rằng các mô hình trọng số mở nhất thiết sẽ làm chậm tiến bộ công nghệ.

Tuy nhiên, Axios đưa tin rằng chính quyền Trump đang cân nhắc việc cấm K3 và các mô hình tiên tiến khác của Trung Quốc theo yêu cầu từ các phòng thí nghiệm tiên phong của Mỹ. Một báo cáo khác từ Politico cho biết Bộ Thương mại sẽ không thực hiện bước đi đó trong tương lai gần.

Lợi ích đối với các công ty AI lớn là rất rõ ràng: Các mô hình trọng số mở, chạy trên cơ sở hạ tầng độc lập hoặc bên trong các doanh nghiệp lớn, cung cấp trí tuệ với chi phí rẻ hơn so với các mô hình hàng đầu của Anthropic hay OpenAI. Nếu người dùng ngày càng chi tiêu nhiều hơn bên ngoài các phòng thí nghiệm đóng, điều đó đồng nghĩa với lợi nhuận thấp hơn cho các khoản đầu tư khổng lồ của họ vào việc huấn luyện mô hình.

Quan điểm đó mở rộng ra ngoài phạm vi của OpenAI. Braden Hancock, đồng sáng lập Snorkel AI và cựu Giám đốc AI tại Meta, chia sẻ với TechCrunch: “Các mô hình mã nguồn mở mạnh mẽ, đạt chuẩn tiên phong sẽ gây áp lực lên biên lợi nhuận và làm giảm giá thành của các công ty tiên phong. Điều đó không nhất thiết có nghĩa là mức độ sử dụng AI sẽ giảm đi. Bạn biết đấy, rõ ràng là hoàn toàn ngược lại.”

Đó không phải là vấn đề đối với những người không nắm giữ cổ phần tại Anthropic và OpenAI. AI vẫn sẽ tiếp tục phát triển. Vậy đâu là lý do chính đáng để chính phủ ngăn cản người Mỹ mua sắm trong một thị trường được cho là tự do của chúng ta?

Những lo ngại về các mô hình Trung Quốc có nhiều khía cạnh. Một là bảo vệ dữ liệu của Mỹ khỏi chính phủ Trung Quốc; Mỹ đã cấm nhập khẩu xe điện hiện đại của Trung Quốc vì lo ngại về việc thu thập dữ liệu. Tuy nhiên, các chuyên gia có xu hướng cho rằng các mô hình trọng số mở chạy trên máy chủ tại Mỹ khó có khả năng rò rỉ dữ liệu về Trung Quốc, mặc dù không loại trừ khả năng điều đó có thể xảy ra.

Một lo ngại khác là các mô hình này có thể có định kiến ngầm đối với CHND Trung Hoa — nhưng chưa rõ điều đó có ý nghĩa gì đối với, chẳng hạn như các tác vụ lập trình.

Một mối lo ngại phổ biến thứ ba là các mô hình Trung Quốc thiếu các rào chắn bảo vệ mà chính phủ Mỹ đã bắt buộc (thông qua một quy trình không minh bạch), nhằm ngăn chặn các LLM hàng đầu của Mỹ bị sử dụng để khai thác các hệ thống máy tính đóng hoặc chế tạo vũ khí. Tuy nhiên, chính những rào chắn đó có thể khiến các công ty Mỹ dễ bị tổn thương hơn: David Sacks, nhà đầu tư mạo hiểm và cố vấn của Trump, đã chia sẻ các trường hợp các công ty Mỹ chuyển sang sử dụng LLM của Trung Quốc để lấp đầy các lỗ hổng bảo mật khi các mô hình tiên phong của Mỹ từ chối thực hiện các tác vụ đó.

Nhưng động lực quan trọng nhất cho việc hạn chế các mô hình này là nỗi sợ rằng Trung Quốc sẽ có thể vượt mặt Mỹ nếu các phòng thí nghiệm tiên phong bị chậm lại.

Sam Bresnick, một nghiên cứu viên tập trung vào Trung Quốc tại Trung tâm An ninh và Công nghệ Mới nổi của Georgetown, cho biết tầm quan trọng ngày càng tăng của AI đối với các hoạt động quân sự của Mỹ mang lại cho nước này lý do để hỗ trợ đầu tư liên tục vào các phòng thí nghiệm tiên phong. Nhưng ông cho rằng toàn bộ vấn đề này rất phức tạp.

"Tại sao chính phủ Mỹ lại phải dồn sức bảo vệ các công ty này khỏi những đối thủ đang bị khóa khỏi thị trường Mỹ chỉ vì nguồn gốc xuất xứ của họ?" Bresnick đặt câu hỏi.

Những người ủng hộ AI mở cho rằng các công ty tiên phong đang tạo ra một sự phân định sai lầm giữa đổi mới và các mô hình đóng.

"Tác động lớn hơn của việc có các mô hình mã nguồn mở từ Trung Quốc không nằm ở chỗ họ đang lén lút cài cửa sau, mà ở chỗ họ đang làm chủ sự đổi mới," Hancock nói với TechCrunch. "Cuối cùng, bạn có một lực lượng lao động mở rộng cho mô hình của mình. PyTorch trở thành tiêu chuẩn ngành vì nó là mã nguồn mở, nhờ đó cả cộng đồng có thể đóng góp thay vì chỉ một công ty, và nó ngày càng phát triển, trong khi tất cả các thư viện học sâu khác gần như lụi tàn khi so sánh."

Hancock và những người ủng hộ khác lo ngại rằng các LLM của Trung Quốc sẽ trở thành tâm điểm của nghiên cứu quốc tế. Hiện nay, các chương trình sau đại học tại Mỹ chủ yếu xây dựng dựa trên các mô hình trọng số mở của Trung Quốc, và Hancock cho biết một nửa số bài báo mà sinh viên nghiên cứu đến từ các tổ chức Trung Quốc, trong khi các phòng thí nghiệm tiên phong của Mỹ ngày càng dè dặt trong việc chia sẻ rộng rãi công trình của họ.

"Hạn chế các mô hình mở sẽ không làm cho AI an toàn hơn," Clem Delangue, CEO của Hugging Face, một nền tảng hợp tác AI mở, cho biết. "Nó chỉ đơn giản là che giấu các rủi ro, tập trung quyền lực vào tay một vài người và gây khó khăn hơn cho thế hệ những người xây dựng, nhà nghiên cứu, giới học thuật, tổ chức phi lợi nhuận và chính phủ tiếp theo trong việc tham gia làm cho AI an toàn và có lợi hơn cho tất cả mọi người."

Bresnick cho rằng cách thực sự để làm chậm Trung Quốc là tập trung nhiều hơn vào các biện pháp kiểm soát xuất khẩu chip. Một cách tốt hơn để duy trì vị thế dẫn đầu về AI của Mỹ là ngừng bán bộ vi xử lý Nvidia H200 cho Trung Quốc. "Điều đó," ông nói, "có khả năng giúp chúng ta tránh khỏi cuộc tranh luận hóc búa về việc cấm các công nghệ mã nguồn mở mà rất nhiều công ty Mỹ muốn sử dụng."

Một phần của vấn đề là sự không chắc chắn xung quanh kinh tế học AI. "Mô hình kinh doanh mở, mô hình kinh doanh độc quyền — chưa có mô hình nào được định hình rõ ràng. Các công ty AI đang chật vật tìm cách kiếm tiền từ các công cụ của họ, đặc biệt là khi chi phí huấn luyện ngày càng tăng cao," Bresnick chỉ ra.

Những thách thức tương tự đang diễn ra ở Mỹ cũng đang xảy ra tại Trung Quốc, nơi các công ty AI cũng đang chật vật để tạo ra doanh thu và tiếp cận sức mạnh tính toán, và chính phủ được cho là đang khuyến khích các bản phát hành mở vì lý do chính sách bất chấp những thách thức trong việc thương mại hóa chúng.

Một số công ty Mỹ, bao gồm Thinking Machines Lab và Nvidia, đang cố gắng xây dựng mô hình kinh doanh xung quanh việc phát hành các mô hình mở. Hancock chỉ ra rằng Nvidia sẽ làm tốt hơn "nếu có hàng chục hoặc hàng trăm công ty xây dựng AI thay vì chỉ hai hoặc ba công ty có đủ vốn để tự sản xuất chip," đó là một lý do đằng sau khoản đầu tư của họ vào Nemotron, một bộ sưu tập các mô hình mở.

"Điểm mấu chốt là Mỹ sẽ rất có lợi nếu có các mô hình mở của riêng mình, có khả năng cao và chi phí thấp hơn nhiều," Bresnick nói. "Nó chỉ là xung đột với cách tiếp cận mà các phòng thí nghiệm tiên phong đã thực hiện."

Với sự đóng góp thông tin từ Rebecca Bellan.

Khi bạn mua hàng thông qua các liên kết trong bài viết của chúng tôi, chúng tôi có thể nhận được một khoản hoa hồng nhỏ. Điều này không ảnh hưởng đến tính độc lập trong biên tập của chúng tôi.