Trong nội bộ các tổ chức lớn ở Trung Quốc, có rất nhiều ý kiến ủng hộ việc mở nguồn công nghệ.

Lý do rất đơn giản: dù là sự tham gia của các lực lượng bên ngoài hay các doanh nghiệp tư nhân trong nước, mọi người đều mong muốn công nghệ được mở nguồn.

Nếu chỉ dựa vào hình thức hợp tác thông thường, thì vấn đề ai sẽ tiếp cận trước, ai có thể hợp tác được với ai thì còn rất nhiều yếu tố không chắc chắn.

Mặc dù Robin đã công khai tuyên bố rằng Baidu và Guangjia Aerospace là đối tác chiến lược, nhưng anh ấy thực sự không chắc liệu họ có thể giành được lợi thế trong lĩnh vực xe tự lái này hay không.

Dù trong các cuộc phỏng vấn, anh ấy luôn nói một cách quả quyết.

So với những yếu tố không chắc chắn, các doanh nghiệp tư nhân tự nhiên sẽ ưa chuộng việc mở nguồn công nghệ hơn, bởi điều này đồng nghĩa với việc họ mới là người nắm giữ công nghệ đó.

Những quan chức ủng hộ quan điểm này cũng có những lập luận chính đáng; công nghệ internet từ trước đến nay luôn được mở nguồn, và Mỹ cũng chưa bao giờ giấu giếm thông tin hoặc mã nguồn liên quan đến công nghệ trí tuệ nhân tạo.

Hơn nữa, rất nhiều người cho rằng công nghệ nên được mở nguồn, và chúng ta nên lắng nghe ý kiến của các chuyên gia. Ai có thể thuyết phục được hơn những người đứng đầu nghiên cứu công nghệ?

Quan điểm này đã tồn tại từ lâu, chỉ là trước đây mọi người không dám công khai bày tỏ ý kiến của mình, mà chỉ thường trao đổi trong những nhóm nhỏ.

Khi mọi người biết rằng Trần Nguyên Quang đã đưa ra ý kiến công khai về vấn đề này với phía Yenjing, các cuộc thảo luận bắt đầu trở nên sôi nổi hơn.

Người ta cũng dám thông báo ý kiến của mình qua báo Nam Hoa Sáng Báo.

Dù là Nam Hoa Sáng Báo hay Liên Hợp Nhật Báo, chúng đều có thể được coi là những kênh truyền thông không chính thức để tạo dựng dư luận từ bên ngoài nhằm đạt được mục đích nội bộ. Tuy nhiên, theo sự phát triển của quốc gia Đại học Đông Đài, phương pháp này ngày càng ít hiệu quả hơn.

Lâm Giá đang họp tại Hải Khẩu, trong khi Trần Nguyên Quang đang họp tại Yenjing.

“Chào mọi người, tôiTin tưởng mọi người đều đã nghe nói về robot tài xế gần đây, và trên mạng có rất nhiều ý kiến khác nhau.

Robot này tên là Tiě Dàn, và nó không phải là “Terminator” như mọi người vẫn nghĩ.

Từ khi dự án được bắt đầu, chúng tôi đã liên tục trao đổi với các bên liên quan. Từ khi Tiě Dàn được thử nghiệm trên các tuyến đường thử nghiệm, cho đến khi chúng tôi nhận được sự phê duyệt từ Bộ Công nghệ Thông tin và Viễn thông, Bộ Giao thông Vận tải và các bộ phận khác.

Kể cả khi Tiě Dàn bắt đầu hoạt động chính thức nh

“Tất cả những điều này đều đã được thảo luận kỹ lưỡng với các cơ quan quản lý giao thông,” Trần Nguyên Quang nói, anh muốn giải thích rõ nguyên nhân và quá trình từ đầu đến cuối.

“Sau đó, tôi muốn nói về công nghệ nền tảng của nó. Thực ra, đây không phải là hệ thống lái xe tự động; chính xác hơn, đây là những mô hình dựa trên bộ não con người. Chúng tôi gọi tắt chúng là HBM.”

Mọi người đều biết đến ChatGPT trong những năm gần đây; những mô hình như vậy được gọi chung là Large Language Model, hay còn gọi là “mô hình ngôn ngữ lớn”. Nói một cách chính xác hơn, đó là các mô hình xử lý ngôn ngữ quy mô lớn. Khi nhập vào ngôn ngữ nguồn và xuất ra ngôn ngữ đích, nội dung đầu ra có thể là văn bản, hình ảnh, bảng biểu, thậm chí là video… Nhưng về bản chất, tất cả những thứ này vẫn là dữ liệu; chỉ là dữ liệu có cấu trúc được chuyển đổi thành dữ liệu phi cấu trúc mà thôi. Còn HBM của chúng tôi thì sử dụng dữ liệu thu được từ hoạt động của bộ não con người để huấn luyện các mô hình này. Nhờ vào “thân máy” – những thiết bị cơ học – những mô hình này cuối cùng có thể tác động đến Thế giới thực.

Lấy ví dụ về Tiě Dàn, chúng tôi đã thu thập dữ liệu từ hoạt động não bộ của hơn 100.000 tài xế taxi điện tử, sau đó đưa những dữ liệu này vào HBM. Sau quá trình tự huấn luyện, HBM đã loại bỏ những yếu tố không cần thiết trong dữ liệu và bắt đầu đưa ra kết quả đầu ra thông qua “thân máy”. Ban đầu, HBM được thử nghiệm trong các khu vực kiểm tra, sau đó trên những đoạn đường được quy định, và cuối cùng là hoạt động một cách tự do.

Việc huấn luyện HBM cũng sử dụng dữ liệu, nhưng không phải là dữ liệu văn bản mà là dữ liệu thu được từ hoạt động của bộ não con người. Có thể coi đó là việc trích xuất dữ liệu từ bộ não con người và đưa chúng vào HBM. Vì vậy, lái xe tự động chỉ là một trong những ứng dụng của HBM mà thôi; giống như việc các mô hình ngôn ngữ lớn ban đầu chỉ xuất ra văn bản, nhưng sau đó chúng nhanh chóng bắt đầu xuất ra hình ảnh, video, bảng biểu… Tương tự, trong tương lai, HBM sẽ có rất nhiều ứng dụng khác nhau; việc chỉ sử dụng nó cho mục đích lái xe tự động thì về mặt chi phí không hợp lý chút nào. Lái xe tự động chỉ là ví dụ đầu tiên, giống như ChatGPT khi mới được giới thiệu lần đầu.

Mọi người ngồi đó đều nhìn nhau, ngay cả những cơ quan quản lý liên quan đến HBM cũng không hiểu rõ về bản chất công nghệ này; họ chỉ nghĩ đó là công nghệ lái xe tự động mà thôi. Nhưng bây giờ, họ nhận ra rằng công nghệ này có giá trị cao hơn nhiều so với những gì họ tưởng tượng.

Hoàn toàn có thể bù đắp được những thiếu sót đó thông qua phần cứng. Giống như nhiều công ty sản xuất xe điện mới đang áp dụng hệ thống vệ tinh quang học để khắc phục những hạn chế của thuật toán, thì khoảng cách so với mức độ tự lái L4 đã giảm đi rất nhiều. Vì vậy, việc mở nguồn Kỹ thuật này này không gây ra nhiều thiệt hại cho các nước giàu và trung bình; thậm chí còn có thể kéo các nước như Mỹ, Châu Âu và Nhật Bản – những nơi không mấy quan tâm đến lĩnh vực xe điện mới – vào cuộc đua này. Xe sử dụng nhiên liệu hóa thạch có những hạn chế bẩm sinh trong lĩnh vực tự lái. Nhưng nếu như Trần Nguyên Quang đã nói, thì về cơ bản, quan điểm của mọi người sẽ phải được thay đổi hoàn toàn.

“Nguyên Quang, tôi hoàn toàn là người ngoài ngành về công nghệ trí tuệ nhân tạo. Mặc dù đã nghe các chuyên gia giảng rất nhiều lần, nhưng hiểu biết chuyên môn của tôi vẫn còn kém xa so với các bạn. Tôi muốn hỏi, ứng dụng của công nghệ này bao gồm những lĩnh vực nào? Bạn có thể giải thích một cách ngắn gọn không? Ngoài ra, trong lĩnh vực quân sự, nó có thể làm được những gì?”

Trần Nguyên Quang trả lời: “HBM có thể tiến hóa. Độ khó kỹ thuật của từng công việc là khác nhau; ví dụ như công nhân xây dựng hay người làm việc trong ngành dệt may – những công việc yêu cầu thao tác máy móc đơn giản và lặp đi lặp lại – thì HBM hoàn toàn có thể đảm nhận được. Đối với công việc của tài xế, độ khó cao hơn một chút, nhưng hiện tại, HBM cũng có thể đáp ứng tốt. Còn đối với những công việc đòi hỏi độ chính xác cao hơn, như thợ điện hay thợ cơ khí, thì việc HBM có thể đảm nhận được những công việc này không chỉ đòi hỏi sự tiến hóa của thuật toán mà còn cần sự cải thiện về phần cứng – chẳng hạn như việc nâng cao độ chính xác của camera dùng để thu thập thông tin thị giác, hay độ chính xác của cảm biến lực trên ngón tay… Bao gồm cả việc tăng cường sức mạnh tính toán của “bộ não” của HBM nữa. Đây sẽ là một sự cải thiện toàn diện. Theo tôi, trong thời gian ngắn, ứng dụng lớn nhất của HBM có thể là trong vai trò của công nhân xây dựng trên Mặt Trăng, nhằm xây dựng các căn cứ trên đó. Trong thời gian trung hạn, trạm vũ trụ của chúng ta sẽ chủ yếu sử dụng robot để bảo trì thiết bị khai thác tài nguyên trong không gian và duy trì hoạt động của trạm vũ trụ. Về mặt quân sự, tôi cho rằng việc sử dụng robot không mang lại nhiều lợi ích; chi phí sản xuất robot cao, hiệu suất thực hiện nhiệm vụ không cao, và độ ổn định cũng rất kém. Theo tôi, robot không bằng những loại chó máy hay máy bay không người lái.

“Trần Nguyên Quang nói.”

“Nguyên Quang, ban đầu tôi cũng ủng hộ việc mở nguồn công nghệ, nhưng sau khi nghe giải thích, tôi thấy rằng tiềm năng của phương thức này thật sự rất lớn.

Ý kiến của tôi đã bắt đầu dao động nghiêm trọng; tôi tin rằng nhiều đồng nghiệp ở đây cũng có suy nghĩ tương tự.

Tôi hy vọng bạn Có thể giúp đỡ có thể giúp chúng ta hiểu rõ hơn về những lợi ích của việc mở nguồn công nghệ.”

Trần Nguyên Quang cười và nói: “Đây cũng chính là mục đích chính của tôi khi đến đây. Nhiều vấn đề không thể được giải thích rõ ràng qua video; gặp mặt trực tiếp mới là cách tốt nhất.

Tôi muốn bắt đầu bằng việc nói về quá khứ – trong các nghiên cứu về trí tuệ nhân tạo, mục tiêu luôn là mô phỏng hoạt động của con người bằng máy móc.

Máy tính có nhiều ưu điểm, đặc biệt là về tốc độ truyền tín hiệu. Tốc độ truyền tín hiệu của nơ-ron con người thông qua quá trình điện hóa là 100 mét/giây, trong khi tốc độ truyền tín hiệu của chip silicon gần bằng 70% tốc độ ánh sáng, tức là 20 triệu mét/giây; còn tốc độ truyền tín hiệu của các loại chip bán dẫn topo thì còn cao hơn nữa, gần bằng 90% tốc độ ánh sáng.

Ngoài ra, xác suất sai sót trong quá trình truyền tín hiệu của nơ-ron con người chỉ là 1%, trong khi đó xác suất sai sót của chip silicon là 4,2 tỷ phần trăm, còn chip bán dẫn topo thì còn thấp hơn nữa.

Vì vậy, chip có ưu thế rõ rệt về tốc độ và độ chính xác trong xử lý thông tin.

Cách đây hai năm, Intel đã thực hiện một dự án mang tên Hala Point, sử dụng 1,15 tỷ nơ-ron kỹ thuật số để mô phỏng não bộ con người. Mặc dù đã sử dụng số lượng lớn nơ-ron kỹ thuật số như vậy, và mặc dù chip silicon có những ưu thế tự nhiên so với nơ-ron con người, dự án Hala Point của Intel vẫn chỉ có thể xử lý các bài toán tính toán, và không thể thể hiện tốt trong lĩnh vực trí tuệ nhân tạo mô phỏng. Ngược lại, dự án Brainoware do Đại học Harvard thực hiện vào khoảng thời gian tương đó lại cho kết quả tốt hơn nhiều trong việc mô phỏng não bộ con người.

Dự án của Harvard là sự kết hợp giữa tế bào não con người và chip silicon, tạo ra thiết bị mới mà họ đặt tên là Brainoware. Họ đã sử dụng tế bào gốc đa năng của con người để nuôi cấy các cơ quan não, sau đó sử dụng một phần của Brainoware làm từ phần cứng máy tính truyền thống, và phần còn lại làm từ các cơ quan não này.”

Họ đã xây dựng một khung tính toán ba tầng, bao gồm tầng đầu vào, tầng lưu trữ và tầng đầu ra; trong đó, tầng lưu trữ sử dụng các cơ quan giống não bộ. Các cơ quan này nhận tín hiệu thông qua tầng đầu vào, nơi các tín hiệu được chuyển đổi thành các xung điện. Các cơ quan giống não bộ đóng vai trò như một cơ sở dữ liệu tự thích ứng, giúp kết nối các tín hiệu này với tầng đầu ra. Tại tầng đầu ra, các hoạt động thần kinh biểu thị trạng thái của lớp lưu trữ được ghi lại và được giải mã để cung cấp các dữ liệu có thể được sử dụng cho các ứng dụng như phân loại, nhận dạng và dự đoán. Bằng cách đánh giá phản ứng của hệ thống đối với các thay đổi về thời gian xung và điện áp kích thích, người ta đã kiểm tra các đặc tính vật lý của Brainoware, bao gồm động lực học phi tuyến, xử lý thông tin không gian và khả năng “lãng quên” dữ liệu theo thời gian. Sau đó, hệ thống này được áp dụng vào các tác vụ thực tế như nhận dạng giọng nói và dự đoán các phương trình hỗn loạn phi tuyến. Trong nhiệm vụ nhận dạng giọng nói, Brainoware cần phải nhận diện giọng nói của người nói từ một nhóm người nói khác nhau. Hệ thống được huấn luyện bằng cách sử dụng 240 đoạn âm thanh nguyên âm tiếng Nhật do tám người đàn ông khác nhau phát âm. Cuối cùng, họ đã đạt được kết quả tương tự chỉ trong thời gian huấn luyện ít hơn 10% so với việc sử dụng phần cứng truyền thống. Vậy là hai ví dụ trên đã được trình bày xong. Hai ví dụ này cho thấy rằng các loại phần cứng hiện có ở nước ngoài đều có những hạn chế tự nhiên; mô hình HBM rất kém hiệu quả khi được áp dụng trên các chip silicon truyền thống. Tất nhiên, hiện tại tôi vẫn chưa tạo ra được các cơ quan giống não bộ có thể được sản xuất hàng loạt để thay thế chip silicon. Nhưng tôi có thể nói với mọi người rằng, nếu các nước ngoài muốn sử dụng mô hình HBM, họ buộc phải mua các chip bán dẫn topo-lập phương do Đại học Đông Đài sản xuất – điều này đồng nghĩa với việc chúng ta đang kiểm soát phần cứng. Dù sao đi nữa, ngay cả khi công nghệ này không được mở nguồn, để mô hình HBM có thể phát triển, chúng ta cần phải hợp tác với các công ty công nghệ hàng đầu trong nước. Tuy nhiên, càng nhiều người tham gia, nguy cơ rò rỉ thông tin công nghệ cũng sẽ tăng lên. Thay vì đó, chúng ta nên mở nguồn công nghệ này ngay từ đầu, kiểm soát nguồn cung phần cứng. Chúng ta nên ký kết các thỏa thuận mở nguồn công nghệ với tất cả các quốc gia và tổ chức tham gia, yêu cầu rằng mọi tiến bộ công nghệ liên quan đến mô hình HBM đều phải được mở nguồn và không được sử dụng trong lĩnh vực quân sự. Nếu ai không tuân thủ các điều khoản này, chúng ta có th

Tất nhiên, tôi nghĩ vẫn còn rất nhiều thứ có thể được giao dịch, và chúng ta có thể từ từ thảo luận về những điều đó.”

Brainoware mà đã được đề cập ở trên là một bài báo được công bố trên tạp chí điện tử của Nature vào tháng 12 năm 2023. Những thiết bị lai giữa sinh học và cơ khí này sở hữu tiềm năng vượt trội trong việc tính toán các phương trình phi tuyến và nhận dạng giọng nói. Có lẽ sau này, việc “thăng hoa” thông qua công nghệ cơ khí chỉ sẽ là đặc quyền của một số ít người mà thôi.

Sau khi Trần Nguyên Quang trình bày chi tiết, phe ủng hộ việc mở mã nguồn đã chiếm ưu thế.

“Tôi nghĩ Nguyên Quang nói rất đúng; đây thực sự là một lợi thế vô cùng quý giá đối với chúng ta. Chúng ta có thể sử dụng nó, nhưng phải đổi lấy những thứ có giá trị tương xứng.”

“Tôi cũng ủng hộ ý kiến đó. Như Nguyên Quang vừa đề cập, việc ngành công nghiệp chip của chúng ta bước vào thị trường nước ngoài là một chiến lược không thể tránh khỏi nếu họ muốn sử dụng công nghệ HBM. Giống như trước đây chúng ta buộc phải mua card đồ họa của Nvidia vì không có sản phẩm thay thế trên thị trường… Và chúng ta cần đạt được những lợi ích thực chất từ việc này.”

“Tôi đồng ý với quan điểm của mọi người. Tôi có một câu hỏi muốn hỏi bạn: bạn vừa đề cập đến nghiên cứu của Harvard về thiết bị kết hợp giữa mô não con người và phần cứng máy tính… Bạn nói rằng hiện tại vẫn chưa thể triển khai được. Tôi muốn hỏi, liệu tương lai chúng ta có nên theo đuổi hướng công nghệ này không? Liệu hướng này có tiềm năng hay không?”

Câu hỏi này không chỉ khiến anh ấy tò mò, mà nhiều người trong cuộc họp cũng đều thắc mắc. Sự kết hợp giữa cơ khí và cơ thể con người có thể gây ra những tác động nghiêm trọng về mặt đạo đức.

“Hướng công nghệ này rất triển vọng, nhưng chi phí lại quá cao – dù là việc tạo ra và bảo trì các cấu trúc giống cơ quan, hay là mức tiêu thụ điện năng của toàn bộ thiết bị, cũng như việc quản lý hiệu quả dữ liệu… Đều còn nhiều vấn đề cần giải quyết. Chúng ta có thể tài trợ cho một số dự án nghiên cứu ban đầu thông qua Quỹ Khoa học Tự nhiên, nhưng không cần thiết phải trở thành những người tiên phong trong lĩnh vực này.” Trần Nguyên Quang nói.

Cuối cùng, ý kiến của mọi người dần hòa nhập với nhau.

“Nguyên Quang, nếu mô hình HBM chỉ có thể sử dụng chip bán kim loại topo, thì tôi nghĩ việc mở mã nguồn hoàn toàn có thể được thảo luận. Tiếp theo, chúng ta sẽ sắp xếp cho các nhân viên cụ thể liên hệ với các chuyên gia để kiểm tra tính chính xác của thông tin và soạn thảo m