Theo kết quả nghiên cứu được trình bày tại Hội nghị Quốc tế về Học máy diễn ra tại thành phố Vancouver của Canada, các thuật toán mới cho phép kết hợp sức mạnh của nhiều hệ thống AI khác nhau, qua đó giúp tăng hiệu suất và giảm chi phí.
Hiện các mô hình AI do các công ty khác nhau phát triển khó "giao tiếp" hoặc "phối hợp" với nhau, vì mỗi mô hình sử dụng một "ngôn ngữ" nội bộ khác nhau. Điều này giống như việc công dân của các nước khác nhau khó giao tiếp vì không cùng ngôn ngữ.
Để khắc phục tình trạng trên, nhóm nghiên cứu đã xây dựng 2 thuật toán. Trong đó, một thuật toán dịch dữ liệu đầu ra của các mô hình AI sang định dạng chung và thuật toán còn lại thúc đẩy sự hợp tác của các mô hình AI bằng cách sử dụng các đơn vị ngôn ngữ nội bộ (token) có cùng nghĩa trên nhiều hệ thống khác nhau. Mặc dù ban đầu các nhà nghiên cứu lo ngại rằng quá trình dịch dữ liệu đầu ra này có thể làm sai lệch nội dung nhưng khi áp dụng vào thực tế, kết quả đạt được lại rất khả quan.
Phương pháp mới này sẽ giúp cải thiện đáng kể tốc độ của các mô hình ngôn ngữ lớn (LLM), vốn hỗ trợ các công cụ như ChatGPT và Gemini. Theo WIS, thuật toán được xây dựng giúp tăng hiệu suất trung bình lên 1,5 lần và thậm chí lên tới 2,8 lần trong một số trường hợp. Nó sẽ giúp AI phù hợp hơn với điện thoại thông minh, các thiết bị bay không người lái và xe tự hành. Ngoài ra, thời gian phản hồi nhanh hơn cũng sẽ đóng vai trò rất quan trọng trong việc đảm bảo độ an toàn và chính xác. Đơn cử, trong trường hợp xe tự lái, mô hình AI phản hồi nhanh hơn sẽ có khả năng phân biệt và phản ứng tốt hơn trước các tình huống trên đường.
Các công cụ mới có sẵn trên các nền tảng mã nguồn mở, giúp các nhà phát triển trên toàn thế giới tạo ra các ứng dụng AI nhanh hơn và có khả năng phối hợp tốt hơn.
