AI sáng tạo đã thúc đẩy năng suất cá nhân tăng đột biến, giúp chúng ta thực hiện mọi loại nhiệm vụ hiệu quả hơn. Tuy nhiên trong doanh nghiệp, năng suất này đã gặp phải trở ngại. Trong khi các nhà lãnh đạo doanh nghiệp đang thúc đẩy triển khai AI trên toàn công ty thì một số vấn đề về niềm tin đang khiến họ phải tạm dừng. Trong cuộc khảo sát của Workday với hơn 2.300 giám đốc điều hành doanh nghiệp, 43% số người được hỏi “lo ngại về độ tin cậy của AI và ML”.
May mắn thay, những phát triển mới đang giúp các công ty vượt qua các rào cản và mở đường cho việc cải thiện năng suất trên toàn doanh nghiệp.
Những phát triển này đã được thảo luận chi tiết trong bài phát biểu “The UiPath Blueprint for AI at Work” tại FORWARD VI. Bài phát biểu quan trọng có sự góp mặt của các chuyên gia AI, Giáo sư David Barber, Giám đốc Trung tâm Trí tuệ Nhân tạo UCL và Nhà khoa học Xuất sắc UiPath, Tiến sĩ Ed Challis, Trưởng phòng Chiến lược AI tại UiPath và Luke Palamara, Phó Chủ tịch, Quản lý Sản phẩm AI tại UiPath.
Các chuyên gia đã có cuộc trò chuyện thú vị xoay quanh lịch sử của AI và ý nghĩa của những tiến bộ mới nhất đối với người dùng doanh nghiệp.
Thời đại AI
Vì AI đang thống trị các diễn đàn nên nhiều người tin rằng đây là một công nghệ hoàn toàn mới. Tuy nhiên, các nhà nghiên cứu thực sự đã nghiên cứu nó trong ít nhất nửa thế kỷ. Và theo Barber, “tham vọng luôn là làm cho AI giống như con người”.
Để tiến gần hơn đến việc tái tạo trí thông minh của con người, trong những thập kỷ gần đây, các nhà nghiên cứu đã tạo ra mạng lưới thần kinh nhân tạo phản ánh cách bộ não của chúng ta hoạt động.
Ý tưởng này có lý nhưng việc tìm ra cách kết nối mạng lưới thần kinh nhân tạo “là một vấn đề rất phức tạp”, Barber nói. Anh ấy giải thích rằng “khối lượng tính toán…và lượng dữ liệu bạn cần để xác định những kết nối đó là rất, rất khó khăn. Vì vậy, mặc dù lĩnh vực này đã có từ lâu nhưng chỉ gần đây chúng ta mới thấy tiến bộ nhanh chóng theo nghĩa là các hệ thống này đang trở nên rất, rất hữu ích.”
Sự tiến bộ nhanh chóng đó đến vào năm 2012 với sự phổ biến rộng rãi của các đơn vị xử lý đồ họa (GPU). GPU đã mang lại sự gia tăng rất cần thiết về sức mạnh xử lý, giúp tăng tốc đáng kể thời gian đào tạo AI.
Như biểu đồ trên cho thấy, AI được hỗ trợ bởi GPU ngày nay đánh bại con người bình thường trong việc nhận dạng đồ vật, lời nói và thậm chí cả khả năng đọc hiểu. Nhưng những nhiệm vụ nhận thức này chỉ là một nửa những gì khiến trí tuệ con người trở nên sâu sắc đến vậy.
Biến AI thành người đóng góp thay vì chỉ là cố vấn
Khi khả năng nhận thức của AI tăng lên, các nhà nghiên cứu bắt đầu khám phá tiềm năng sáng tạo của nó. Vào năm 2019, họ đã có một ý tưởng táo bạo là đào tạo LLM trên một lượng lớn dữ liệu internet.
Như chúng ta đã thấy với các LLM như ChatGPT, kết quả thật đáng kinh ngạc. Các hệ thống này không chỉ tạo ra các đoạn mã hoặc văn bản - với dữ liệu ngôn ngữ khổng lồ có sẵn trực tuyến, chúng còn đạt được sự hiểu biết sâu sắc về văn hóa mà trước đây được coi là không thể đạt được.
Nhưng mặc dù khả năng sáng tạo của những hệ thống này thật đáng kinh ngạc nhưng chúng vẫn chưa hoàn hảo.
Điều tốt là [LLM]…được xây dựng giống như bộ não con người…nên chúng thực hiện tốt các nhiệm vụ nhận thức. Điều tệ là chúng được xây dựng giống như bộ não con người ở chỗ chúng cũng có thể mắc sai lầm.”
David Barber, Giám đốc Trung tâm Trí tuệ Nhân tạo UCL và Nhà khoa học Xuất sắc của UiPath
Nắm bắt được khi nào chúng ta có thể tin tưởng vào AI và khi nào chúng ta không thể đang là một trở ngại lớn cản trở việc áp dụng rộng rãi cho doanh nghiệp.
Những thách thức AI hiện tại
Theo Palamara, khi nói đến AI trong doanh nghiệp hiện nay, “mọi thứ gần như bị phân nhánh”.
Một mặt, bạn có AI chuyên dụng — các mô hình được tùy chỉnh cao, nhanh chóng, không tốn kém và có hiểu biết chi tiết về dữ liệu kinh doanh. Chúng có hiệu quả cao trong các nhiệm vụ cụ thể, như trích xuất thông tin từ thông tin liên lạc và từ tài liệu, bao gồm hóa đơn và biên lai. Tuy nhiên, chúng kém hiệu quả hơn khi gặp phải những khác biệt ngoài những ví dụ mà chúng được đào tạo.
Sau đó, bạn có LLM nền tảng của AI sáng tạo. Chúng cực kỳ mạnh mẽ, nhưng chủ yếu dành cho các nhiệm vụ riêng lẻ như tóm tắt thông tin, phân tích dữ liệu, v.v. Chúng cũng có những hạn chế khác, chẳng hạn như cung cấp thông tin không chính xác.
Để AI có thể vượt xa các nhiệm vụ cá nhân và tăng năng suất doanh nghiệp, nó không chỉ cần đóng vai trò cố vấn mà còn cần phải thực sự hoạt động. Làm thế nào chúng ta có thể biến điều đó thành hiện thực?
Theo Palamara, có ba thành phần quan trọng.
Bối cảnh
“AI chỉ tốt khi thông tin bạn cung cấp cho nó tốt,” Palamara nói. Ngay cả khi bạn có nhân viên chăm sóc khách hàng tốt nhất thế giới, họ cũng sẽ không thể giúp đỡ khách hàng nếu họ không có kiến thức về chính sách của công ty.
Trong Nền tảng UiPath, một trong những cách kết hợp là thông qua Dịch vụ tích hợp UiPath. Nó hoạt động như một cầu nối giữa AI và các nguồn dữ liệu có liên quan, cung cấp cho AI bối cảnh cần thiết để hoàn thành công việc.
Hoạt động
Palamara hỏi đám đông: “Kiến thức có ích gì nếu bạn không thể hành động dựa trên nó?” Để hoạt động hiệu quả ở cấp độ doanh nghiệp, AI cần phải làm nhiều việc hơn ngoài việc tạo ra văn bản và hình ảnh. Nó cần thực hiện những việc như di chuyển dữ liệu giữa các hệ thống, trả lời khách hàng và đặt hàng tự động.
Đây chính là nội dung của UiPath…đó là việc đưa AI vào hoạt động. Đó là việc mang đến bộ khả năng phong phú cho phép AI hành động chứ không chỉ đóng vai trò cố vấn.”
Luke Palamara, Phó chủ tịch, Quản lý sản phẩm AI, UiPath
Lòng tin
Nhiều lãnh đạo công ty rất mong muốn nắm bắt AI nhưng chưa có đủ niềm tin vào nó. “Niềm tin là nền tảng. Tiến sĩ Challis nói: Nếu chúng tôi không thể tin tưởng vào những hệ thống này thì cuối cùng chúng tôi không thể sử dụng chúng.
Tiến sĩ Challis đã xác định ba thách thức cốt lõi cản trở việc tin tưởng vào AI: bảo mật thông tin, thiếu kiến thức chuyên môn và ảo giác.
UiPath đang nỗ lực giải quyết những thách thức này. Lớp tin cậy AI của UiPath mới cung cấp tính minh bạch của mô hình, khả năng kiểm soát của quản trị viên và kiểm tra việc sử dụng để đảm bảo với người dùng rằng dữ liệu của họ được an toàn trong các ứng dụng UiPath.
Có một số cách để giải quyết tình trạng thiếu kiến thức chuyên môn. Đầu tiên, bạn có thể đưa ra lời nhắc chính xác. Tiến sĩ Challis cho biết: “UiPath rất giỏi trong việc đưa thông tin đó vào LLM.
Bạn cũng có thể tinh chỉnh các mô hình bằng thông tin chuyên biệt. Điều này trước đây rất tốn kém, nhưng học tập tích cực là một cách mới để đào tạo các mô hình hiệu quả hơn nhiều.
Học tập tích cực tăng cường hiệu quả như thế nào
Về cơ bản, học tập tích cực cho phép AI đề xuất các thuật toán của riêng mình thay vì dựa vào việc ghi nhãn dữ liệu thủ công. Ví dụ: theo truyền thống, việc đào tạo mô hình để xác định một con mèo yêu cầu dán nhãn hình ảnh mèo theo cách thủ công. Tuy nhiên, với phương pháp học tập tích cực, AI có thể tự học cách nhận dạng một con mèo trong hình ảnh và xác thực thông tin nhận dạng của nó bằng phản hồi của con người, giúp giảm đáng kể tình trạng tắc nghẽn ghi nhãn dữ liệu thủ công.
Thay thế mèo bằng tài liệu và giá trị doanh nghiệp sẽ trở nên rõ ràng hơn. Tiến sĩ Challis nói rằng ông coi “học tập tích cực gần như là một cuộc trò chuyện giữa hai đồng nghiệp. Bạn chỉ đặt câu hỏi về những điều bạn không chắc chắn, bạn không hỏi đi hỏi lại cùng một câu hỏi.”
AI vẫn cần có con người trong vòng lặp
Mạnh mẽ như AI với tính năng học tập tích cực, nó vẫn cần có con người tham gia để đảm bảo độ tin cậy và độ chính xác. Palamara cho biết việc có con người tham gia vào vòng lặp là “một trong những khả năng quan trọng nhất khi nói đến việc giúp AI doanh nghiệp hoạt động hiệu quả trong các doanh nghiệp”.
Mặc dù sửa lỗi là một nhiệm vụ quan trọng đối với con người trong vòng lặp nhưng họ cũng thiết lập niềm tin. Đó là lý do tại sao chúng tôi đã tạo Trung tâm hành động UiPath để hoạt động như một trung tâm để con người phê duyệt các quyết định của AI và ghi đè chúng khi cần thiết.
Con đường phía trước cho AI
Tiến sĩ Challis kết thúc buổi thảo luận bằng cách hỏi Barber những gì ông mong đợi ở AI trong vài năm tới. Barber dự đoán nó sẽ cải thiện khả năng logic và tính toán tốt hơn, khi kết hợp với các khả năng hiện có, sẽ là một “bước tiến lớn cho nhân loại”.
Trong khi AI có nhiều vấn đề, Tiến sĩ Challis nhắc nhở “chúng ta có đủ các thành phần để làm cho AI trở nên an toàn, để triển khai AI có trách nhiệm, có thể quản lý được. Trách nhiệm của chúng tôi là xây dựng…các hệ thống mà doanh nghiệp có thể dựa vào.”