Các công nghệ như tạo mã học máy, AI thiết kế tạo sinh và mô hình nền tảng nằm trong số những công nghệ mới nổi sẽ thúc đẩy tự động hóa AI, theo một báo cáo mới từ Gartner. Báo cáo Hype Cycle cho các công nghệ mới nổi của Gartner cho thấy những công nghệ này sẽ giúp tự động hóa AI trở thành một phần không thể thiếu của các sản phẩm, dịch vụ và giải pháp.
"Những công nghệ mới nổi mang lại tiềm năng chuyển đổi cho các doanh nghiệp, nhưng các CIO và các nhà lãnh đạo đổi mới công nghệ gặp khó khăn trong việc mở rộng khả năng số hóa đồng thời cải thiện tính bền vững trong bối cảnh tài nguyên ngày càng hạn chế," Melissa Davis, phó chủ tịch phân tích tại Gartner cho biết.
"Điều cần thiết là các tổ chức phải cắt giảm tiếng ồn xung quanh các công nghệ mới nổi để thúc đẩy sự thay đổi bằng cách tận dụng các đổi mới mang lại sự khác biệt cạnh tranh và hiệu quả."
Causal AI — Xác định các nguyên nhân cơ bản của hành vi hệ thống và cung cấp những hiểu biết mà người dùng có thể sử dụng để xây dựng lại hoặc đánh giá lại hệ thống mà không cần sử dụng dữ liệu lịch sử. Causal AI có thể vượt qua các dự đoán dựa trên học máy và có tiềm năng cung cấp kết quả ít thiên vị hơn với tính giải thích cao hơn.
Một ví dụ về công nghệ Causal AI là causaLens, một startup có trụ sở tại London, muốn xây dựng phòng thí nghiệm Causal AI lớn nhất thế giới. Công nghệ này cho phép xác định các nguyên nhân sâu xa của các hành vi hệ thống và cung cấp thông tin chi tiết mà người dùng có thể sử dụng để tái cấu trúc hoặc đánh giá lại hệ thống mà không cần dựa vào dữ liệu lịch sử.
Hệ thống tự động — Hệ thống phần mềm hoặc vật lý tự quản lý học từ môi trường xung quanh. Về cơ bản, đây là các tài nguyên phân tán với các đặc điểm tự quản lý có thể thích ứng với các thay đổi. Một ví dụ điển hình về hệ thống tự động là IBM. Gã khổng lồ công nghệ này đã nghiên cứu vấn đề này trong một thời gian dài. Một tài liệu của IBM từ năm 2005, "Bản vẽ kiến trúc cho tính toán tự động," chi tiết khái niệm và các công cụ cần thiết để đưa vào thực tiễn.
Mô hình nền tảng — Một mô hình AI lớn được huấn luyện trên lượng dữ liệu khổng lồ không gắn nhãn ở quy mô lớn dẫn đến việc mô hình có thể thích ứng với nhiều nhiệm vụ khác nhau. Các ví dụ nổi bật về mô hình nền tảng là BERT, GPT-3 và DALL-E. DeepMind, mặc dù nổi tiếng nhất với AlphaFold, mô hình Gato của họ là một trong những mô hình nền tảng sáng tạo nhất. Hệ thống này được thiết kế để có thể đảm nhận nhiều nhiệm vụ khác nhau. Nó có thể chơi Atari, chú thích hình ảnh và được sử dụng để xếp khối thông qua cánh tay robot.
AI thiết kế tạo sinh — Công nghệ mới nổi này cho phép các nhà thiết kế hoặc kỹ sư nhập các nhiệm vụ vào một hệ thống phần mềm. AI sau đó tạo ra kết quả cần thiết sử dụng các tham số nhập như yêu cầu không gian và hạn chế chi phí. Về cơ bản, đây là một công cụ để cải thiện công việc thiết kế và kỹ thuật. Additive Flow, một startup có trụ sở tại London, đang phát triển các ứng dụng cho các kỹ sư để tích hợp các vật liệu khác nhau vào một module trong khi ứng dụng tối ưu hóa cấu trúc liên kết cùng lúc.
Tạo mã học máy — Nghĩa là AI viết mã. Đây là một khái niệm đang thu hút sự chú ý nhờ các hệ thống như AlphaCode của DeepMind. Một hệ thống tạo mã được huấn luyện trên các ngôn ngữ lập trình khác nhau như Python và sau đó tạo ra mã, thay vì các mô hình dựa trên văn bản. OpenAI và GitHub đã hợp tác vào năm ngoái để ra mắt Copilot, một công cụ dựa trên AI có khả năng tự động hoàn thành các đoạn mã.
Ngoài những công nghệ đã đề cập, báo cáo của Gartner cũng đề cập đến các công nghệ mới nổi khác như NFT, tính bền vững đám mây và siêu ứng dụng. Các khái niệm như kiến trúc lưới an ninh mạng và metaverse cũng được nhắc đến nhưng được ghi nhận là không có khả năng đạt đỉnh trong ít nhất mười năm.
Những công nghệ mới nổi này không chỉ hứa hẹn mang lại sự thay đổi lớn trong lĩnh vực tự động hóa AI mà còn đặt ra những thách thức và cơ hội cho các doanh nghiệp trong việc ứng dụng và tối ưu hóa chúng. Việc hiểu rõ và áp dụng những công nghệ này sẽ giúp các doanh nghiệp duy trì sự cạnh tranh và phát triển bền vững trong tương lai.
