Xu hướng mô hình ngôn ngữ lớn và AI tạo sinh trong 2025: Dự báo và triển vọng

Đã bước sang 2025, các mô hình ngôn ngữ lớn và AI tạo sinh sẽ phát triển mạnh mẽ, với những xu hướng mới không ngừng định hình cách AI được ứng dụng trong đa lĩnh vực. Từ những bước đột phá về hiệu suất và khả năng đa phương thức (multimodal) đến những thách thức đạo đức và thay đổi trong quy định pháp lý, AI đang dần thay đổi cách chúng ta tương tác và làm việc. Trong bài viết này, hãy cùng khám phá những xu hướng nổi bật sẽ định hình  năm 2025!

I. Xu hướng phát triển mô hình AI trong 2025

1. Hiệu suất và Tính bền vững của mô hình

• Mô hình nhỏ hơn, hiệu quả hơn: Khi AI ngày càng phát triển, nhu cầu năng lượng cũng tăng theo. Theo dự báo của Goldman Sachs, nhu cầu năng lượng của các trung tâm dữ liệu sẽ tăng 160% vào năm 2030. Điều này tạo áp lực lớn buộc các công ty phải phát triển những tạo mô hình AI nhỏ gọn hơn mà  vẫn đảm bảo hiệu suất tối ưu.
• AI xanh (Green AI): Việc phát triển AI tiêu tốn nguồn lực khổng lồ, mở ra cơ hội cho các giải pháp AI xanh thân thiện với môi trường. AI xanh giúp giảm thiểu năng lượng tiêu thụ thông qua các phương pháp như lưới điện thông minh (smart grids) và tối ưu hóa sự cân bằng giữa sản xuất  điện và nhu cầu tiêu thụ.

2. Các mô hình LLM chuyên biệt theo lĩnh vực (Domain-Specific LLMs)

• Giải pháp AI theo ngành dọc (Verticalized AI Solutions): Khi các ngành công nghiệp ngày càng ứng dụng AI vào nhu cầu đặc thù, những giải pháp AI chuyên biệt sẽ bùng nổ, đặc biệt trong các lĩnh vực như chẩn đoán y tế, phát hiện gian lận tài chính hay tối ưu hóa chuỗi cung ứng. Nhờ khai thác các dữ liệu đặc thù trong ngành và hiểu biết về các quy định pháp lý, các mô hình này không chỉ giúp nâng cao hiệu suất mà còn đảm bảo độ chính xác và tuân thủ quy định.
• Mô hình tùy chỉnh (Customizable Models): Một trong những xu hướng sẽ phát triển mạnh trong thời gian tới  là khả năng  tùy chỉnh các mô hình ngôn ngữ lớn (LLMs) và AI tạo sinh theo đặc thù doanh nghiệp. Thay vì phụ thuộc vào các mô hình tổng quát, doanh nghiệp có thể cung cấp dữ liệu, thuật ngữ và quy trình riêng ngành của mình để tạo ra những mô hình AI phù hợp hơn, mang lại hiệu quả cao hơn.

3. Nâng cao khả năng Đa phương thức (Multimodal Capabilities)

• Không chỉ là văn bản (Beyond Text): Khi các mô hình không chỉ xử lý văn bản mà còn  tích hợp khả năng đa phương thức như hình ảnh, âm thanh và video, nhu cầu về AI tạo ra các nội dung phức tạp hơn sẽ ngày càng gia tăng. Sự phát triển này cho phép AI hiểu và tạo ra những dạng nội dung phong phú, phức tạp hơn, từ đó thúc đẩy các ứng dụng sáng tạo và đột phá.
• Khả năng đa ngôn ngữ và đa ngành: Trong năm 2025, AI dự kiến sẽ có khả năng hoạt động giữa nhiều ngôn ngữ và lĩnh vực chuyên môn. Những tiến bộ này không chỉ giúp AI dịch thuật chính xác hơn mà còn có thể chuyển đổi và áp dụng các khái niệm phức tạp giữa các ngành nghề khác nhau, mở rộng tính ứng dụng của AI trong thực tế.

4. Phát triển AI có trách nhiệm và đạo đức

• Giảm thiểu thiên kiến (Bias Mitigation): Việc giảm thiểu thiên kiến trong phát triển AI sẽ trở thành yếu tố quan trọng trong năm 2025, nhằm tạo ra các mô hình minh bạch hơn, công bằng hơn và an toàn hơn. Các kỹ thuật như đào tạo nhận thức công bằng, thu thập dữ liệu “sạch” và giám sát liên tục sẽ đóng vai trò quan trọng trong việc phát triển các mô hình chính xác  hơn với các góc nhìn đa dạng.
• Bảo mật và quyền riêng tư dữ liệu: Quyền riêng tư và bảo mật dữ liệu sẽ trở thành ưu tiên hàng đầu, khi các yêu cầu về trách nhiệm dữ liệu từ cả  người tiêu dùng và quy định pháp lý gia tăng. Các phương pháp như học liên kết (federated learning), bảo vệ quyền riêng tư qua bảo mật vi sai (differential privacy) và tính toán đa bên an toàn (secure multi-party computation) sẽ giúp các mô hình AI học từ dữ liệu mà không làm xâm phạm quyền riêng tư của các cá nhân liên quan.

5. LLMs cho ứng dụng thời gian thực

• AI thời gian thực và hội thoại: Để triển khai các ứng dụng này, yêu cầu về thời gian thực là rất quan trọng và các mô hình ngôn ngữ lớn (LLMs) sẽ là yếu tố then chốt trong việc cung cấp cácphản hồi theo ngữ cảnh trong các tình huống động. Từ tiếp nhận yêu cầu của khách hàng, đến hỗ trợ người dùng hoặc yêu cầu dịch thuật tức thời, LLMs sẽ giúp tối ưu hóa hiệu suất và giảm thiểu độ trễ, mang đến phản hồi gần như ngay lập tức.

6. Tiến bộ trong Kỹ thuật Huấn luyện và Tinh chỉnh

• Học Few-shot và Zero-shot: Few-shot và Zero-shot learning sẽ cách mạng hóa AI bằng cách cho phép các mô hình thực hiện nhiệm vụ với rất ít hoặc không cần dữ liệu huấn luyện chuyên biệt. Các kỹ thuật tiên tiến này sẽ giúp các hệ thống AI tổng quát hóa trên một loạt các nhiệm vụ, giảm bớt sự phụ thuộc vào các bộ dữ liệu lớn có gán nhãn và thúc đẩy việc triển khai nhanh chóng hơn.
• Học tự giám sát và không giám sát (Self-supervised and unsupervised Learning): Các phương pháp học tự giám sát và không giám sát được dự đoán trở thành xu hướng chủ chốt khi các mô hình AI sẽ được đào tạo từ dữ liệu không gán nhãn, giảm sự phụ thuộc vào các bộ dữ liệu đã gán nhán thủ công  tốn kém và mất thời gian. Những cách tiếp cận này sẽ cho phép quá trình huấn luyện hiệu trở nên hiệu quả và dễ mở rộng hơn, cho phép AI phát hiện các mẫu, mối quan hệ và thông tin từ một lượng lớn dữ liệu phi cấu trúc.

II. Xu hướng phát triển AI trong các lĩnh vực mới

1. Thế giới ảo AI tạo sinh

Sau cơn sốt hình ảnh tạo sinh (generative image) trong năm 2023 và video tạo sinh (generative video) trong năm 2024, bước tiếp theo được kỳ vọng là thế giới ảo tạo sinh (generative virtual world).

Công nghệ này được giới thiệu vào tháng 2/2024 khi Google DeepMind ra mắt mô hình tạo sinh Genie, có khả năng biến một hình ảnh tĩnh thành một trò chơi 2D dạng đi cảnh cuộn ngang (side-scrolling platform game) với khả năng tương tác. Đến tháng 12/2024, phiên bản nâng cấp Genie 2 được công bố, với khả năng phát triển từ một hình ảnh khởi đầu thành cả một thế giới ảo.

Ứng dụng nổi bật nhất của công nghệ này thể hiện rõ nhất trong lĩnh vực video game. Những mô phỏng 3D do AI tạo sinh có thể hỗ trợ thử nghiệm ý tưởng thiết kế game, từ đó biến một bản phác thảo đơn giản thành một không gian game tương tác lập tức. Chính vì vậy công nghệ này mở ra tiềm năng phát triển những thể loại game hoàn toàn mới.

Không dừng lại tại đó, công nghệ này còn có thể được ứng dụng trong việc huấn luyện robot. Một công ty công nghệ đang tập trung phát triển trí tuệ không gian (so-called spatial intelligence), một khả năng giúp máy móc hiểu và tương tác với thế giới thực. Tuy nhiên, việc thiếu dữ liệu thực tế để đào tạo vẫn là một thách thức lớn. Việc tạo ra các thế giới ảo và huấn luyện robot trong các thế giới đó để học hỏi qua thử nghiệm có thể giúp giải quyết vấn đề này.

2. Các mô hình ngôn ngữ lớn biết “lý luận”

Khi OpenAI ra mắt mô hình o1 vào tháng 9/2024, họ đã giới thiệu một phương thức tiếp cận hoàn toàn mới về cách các mô hình ngôn ngữ lớn hoạt động. Chỉ hai tháng sau, o3 được công bố, đưa phương pháp này lên một tầm cao mới, có khả năng định hình lại toàn bộ công nghệ.

Hầu hết các mô hình hiện nay, bao gồm cả GPT-4 của OpenAI, đưa ra phản hồi ngay lập tức mà không kiểm tra lại. Câu trả lời đó có thể đúng hoặc sai. Tuy nhiên các mô hình mới của OpenAI được huấn luyện để xử lý câu trả lời theo từng bước, chia nhỏ các vấn đề phức tạp thành một chuỗi các bài toán đơn giản hơn. Nếu một cách tiếp cận không hiệu quả, chúng sẽ quay ngược trở lại và chuyển sang cách khác. Kỹ thuật này, được gọi là “reasoning” (lý luận), giúp công nghệ trở nên chính xác hơn, đặc biệt là với các câu hỏi về toán học, vật lý và logic.

Khả năng “lý luận” này đặc biệt quan trọng đối với các agent (tác nhân AI).

Tháng 12 vừa qua, Google DeepMind giới thiệu một tác nhân AI có thể duyệt web một cách thông minh mang tên Mariner. Trong buổi trình diễn thử nghiệm, Mariner được yêu cầu tìm công thức làm bánh quy Giáng sinh giống như bức ảnh được cung cấp. Mariner đã tìm được một công thức trên mạng và bắt đầu thêm nguyên liệu vào giỏ hàng trực tuyến của .

Tuy nhiên, nó bị “dừng lại” với lý do không biết nên chọn loại bột mì nào. Nhưng thay vì không đưa ra phản hồi, tác nhân AI này đã tự phân tích bước tiếp theo trong cửa sổ chat bằng cách trả lời: “Tôi sẽ dùng nút “Quay lại” trên trình duyệt để xem lại công thức.”

Thay vì dừng lại, tác nhân AI đã chia nhỏ nhiệm vụ và đưa ra cách giải quyết hợp lý – điều mà chỉ có con người mới có thể làm được. Việc quyết định nhấn nút “Quay lại” nghe có vẻ đơn giản, nhưng với một bot không có tư duy, đây gần như là một bước tiến nhảy vọt. Và nó đã thành công khi Mariner quay lại công thức, xác nhận loại bột cần dùng, và tiếp tục hoàn thành nhiệm vụ.

Google DeepMind cũng đang phát triển phiên bản mới nhất của mô hình ngôn ngữ lớn Gemini, áp dụng phương pháp giải quyết vấn đề từng bước này, được gọi là Gemini 2.0 Flash Thinking.

3. AI mang lại bước tiến lớn trong khoa học

Một trong những ứng dụng thú vị nhất của AI là thúc đẩy nhanh chóng quá trình phát triển các ngành khoa học tự nhiên. Có thể nói, sự công nhận lớn nhất đối với tiềm năng của AI trong lĩnh vực này được chứng minh vào tháng 10 năm ngoái, khi Viện Hàn lâm Khoa học Hoàng gia Thụy Điển (Royal Swedish Academy of Sciences) trao giải Nobel Hóa học cho Demis Hassabis và John M. Jumper từ Google DeepMind cho việc phát triển công cụ AlphaFold, công cụ giải mã cách protein gấp nếp, và David Baker với các công cụ hỗ trợ thiết kế protein mới.

Dự báo xu hướng này sẽ tiếp tục trong năm tới, với sự ra đời của nhiều bộ dữ liệu và mô hình được xây dựng chuyên biệt cho việc nghiên cứu khoa học. Trong đó, Protein là mục tiêu lý tưởng cho AI, bởi đã có các bộ dữ liệu chất lượng cao, tạo nền tảng tốt để huấn luyện các mô hình AI.

Các công ty phát triển mô hình AI cũng rất mong muốn quảng bá các sản phẩm tạo sinh của mình như những công cụ nghiên cứu dành cho các nhà khoa học. OpenAI đã cho phép các nhà khoa học thử nghiệm mô hình o1 mới nhất của mình để đo lường hiệu quả hỗ trợ trong nghiên cứu và kết quả thu được rất hứa hẹn.

III. Tác động đến các ngành công nghiệp

Chăm sóc sức khỏe

Các mô hình ngôn ngữ lớn (LLMs) đang thúc đẩy chẩn đoán, y học cá nhân hóa và nghiên cứu y khoa bằng cách xử lý lượng lớn dữ liệu y tế để khám phá các thông tin quan trọng, dự đoán kết quả và hỗ trợ ra quyết định. Trong chẩn đoán, LLMs hỗ trợ phân tích hồ sơ bệnh án, báo cáo hình ảnh và lịch sử bệnh nhân để đề xuất các bệnh lý có thể xảy ra.

Tài chính

Các mô hình ngôn ngữ lớn (LLMs) phân tích các mẫu giao dịch để phát hiện sự bất thường trong thời gian thực và hỗ trợ phát hiện gian lận, nhận diện hành vi nghi ngờ khi chúng xảy ra. LLMs giúp tạo ra các tương tác cá nhân hóa theo ngữ cảnh trong dịch vụ khách hàng, giảm thời gian phản hồi và nâng cao sự sự hài lòng của khách hàng. Chúng còn hỗ trợ xử lý các bộ dữ liệu lớn, tạo ra dự báo và tự động hóa các báo cáo trong phân tích tài chính.

Giáo dục

LLMs có thể phân tích tiến độ học tập của người học, thói quen học tập cá nhân và các phần cần cải thiện, đồng thời hiểu rõ hơn về từng cá nhân,, từ đó cung cấp nội dung học tập tùy chỉnh, trả lời câu hỏi trong thời gian thực và cung cấp phản hồi được cá nhân hóa. Điều này sẽ cho phép tạo ra các lớp học linh hoạt , phù hợp với tốc độ học và sở thích của từng người học.

Truyền thông và giải trí

LLMs sẽ tạo ra những ảnh hưởng lớn đối với lĩnh vực sáng tạo nội dung, trò chơi và truyền thông  tương tác bằng cách tạo ra các trải nghiệm động, hấp dẫn và cá nhân hóa. Trong sáng tạo nội dung, LLMs có thể hỗ trợ việc viết, lên ý tưởng và hoàn thiện các ý tưởng, giúp người sáng tạo sản xuất ra nội dung chất lượng cao một cách nhanh chóng.

IV. Thách thức

Yêu cầu về dữ liệu và tính toán

Độ phức tạp và quy mô của các mô hình này đòi hỏi một lượng dữ liệu khổng lồ, đa dạng, chất lượng cao để đảm bảo độ chính xác, tính ổn định và khả năng tổng quát, trong khi tài nguyên tính toán cần thiết để xử lý dữ liệu này vượt qua giới hạn của phần cứng hiện tại, thúc đẩy sự đổi mới trong cơ sở hạ tầng đám mây và các đơn vị xử lý chuyên biệt như GPU và TPU.

Tác động đạo đức xã hội

Các mô hình ngôn ngữ lớnsẽ sớm thay thế nhiều lĩnh vực nghề nghiệp, từ dịch vụ khách hàng đến sáng tạo nội dung và ngay cả phân tích dữ liệu, mối đe dọa về AI thay thế con người trong công việc ngày càng gia tăng. Ngoài ra, nó cũng dẫn tới các vấn đề đạo đức liên quan đến sự phát triển do AI tạo ra, bao gồmdeepfakes và thông tin sai lệch.

Môi trường pháp lý

Các chính phủ và tổ chức cần thiết lập các quy định, đảm bảo tính minh bạch, trách nhiệm, quyền riêng tư dữ liệu và giảm thiểu thiên kiến trong AI. Các khuôn khổ có thể bao gồm việc đánh giá tác động bắt buộc đối với các hệ thống AI, các hướng dẫn rõ ràng cho việc sử dụng có trách nhiệm, cũng như hợp tác quốc tế trong việc xây dựng các  tiêu chuẩn toàn cầu.

V. Dự báo xu thế tương lai

Đổi mới công nghệ

Trong tương lai không xa, chúng ta sẽ chứng kiến sự xuất hiện của các hệ thống tự động thực sự có khả năng suy nghĩ và lý luận giống như con người, sở hữu trí tuệ cảm xúc và khả năng tương tác tự nhiên hơn. Hơn nữa, tính toán lượng tử (quantum computing) có thể thực sự cách mạng hóa AI bằng cách mở rộng khả năng xử lý lên nhiều bậc, cho phép các mô hình học hỏi và thích ứng  với tốc độ đáng kinh ngạc và những đột phá trong giao diện não – máy tính (Brain-Computer Interface)có thể cho phép sự kết hợp mượt mà giữa nhận thức của con người và AI.

Tác động lâu dài đến xã hội

Với sự ứng dụng rộng rãi của các mô hình ngôn ngữ lớn (LLMs), lực lượng lao động và nền kinh tế toàn cầu đang đứng trước ngưỡng của sự thay đổi lớn. LLMs có thể tự động hóa các công việc như viết nội dung, trả lời câu hỏi của khách hàng và phân tích dữ liệu, điều này có thể góp phần vào việc thay thế công việc trong một số ngành, vậy nên chúng ta cần bắt thực hiện việc tái đào tạo và thiết kế lại lực lượng lao động để thích ứng với những thay đổi này.

Vai trò phát triển trong sự hợp tác giữa con người và AI

Trong vài năm tới, khi con người và AI ngày càng hợp tác trong tất cả các lĩnh vực, AI sẽ trở thành một công cụ mạnh mẽ để tăng cường khả năng ra quyết định, sáng tạo và năng suất của con người. Với sự hỗ trợ của AI, các chuyên gia có thể khai thác thông tin trong thời gian thực và tự động hóa các quy trình thủ công, giúp con người tập trung vào việc ra quyết định phức tạp, trí tuệ cảm xúc và đánh giá đạo đức.