OpenAI gây sốc với AI biết “suy nghĩ” trên hình ảnh và công cụ lập trình viên mã nguồn mở

https://www.nytimes.com/2025/04/16/technology/openai-reasoning-models-o3-o4-mini.html

OpenAI giới thiệu công nghệ có thể "lập luận" với hình ảnh

Công ty cũng giới thiệu công cụ mới giúp lập trình viên sử dụng chatbot khi viết mã.

Khác với các phiên bản đầu của chatbot ChatGPT, những hệ thống lập luận này dành một lượng thời gian đáng kể để "suy nghĩ" về câu hỏi trước khi trả lời, thay vì đưa ra phản hồi ngay lập tức. Ảnh: Kelsey McClellan cho The New York Times

Bài viết của Cade Metz

Báo cáo từ San Francisco

16/4/2025, 13:46 ET

Vào tháng 9, OpenAI đã giới thiệu công nghệ AI có thể "lập luận" qua các tác vụ liên quan đến toán học, lập trình và khoa học.

Hiện nay, công nghệ này có thể xử lý các tác vụ tương tự liên quan đến hình ảnh, bao gồm bản phác thảo, áp phích, sơ đồ và biểu đồ.

Vào thứ Tư, công ty đã tiết lộ hai phiên bản mới của công nghệ lập luận có tên OpenAI o3 và OpenAI o4-mini. Mỗi phiên bản có thể xử lý các tác vụ liên quan đến cả hình ảnh và văn bản.

Các hệ thống này có thể "thao tác, cắt và biến đổi hình ảnh phục vụ cho tác vụ bạn muốn thực hiện," Marc Chen, giám đốc nghiên cứu tại OpenAI cho biết khi công bố hệ thống mới trong buổi phát trực tiếp trên internet.

OpenAI cũng cho biết các hệ thống này có thể tạo hình ảnh, tìm kiếm trên web và sử dụng các công cụ kỹ thuật số khác.

Khác với các phiên bản đầu của chatbot ChatGPT, những hệ thống lập luận này dành một lượng thời gian đáng kể để "suy nghĩ" về câu hỏi trước khi trả lời, thay vì đưa ra phản hồi ngay lập tức.

Các hệ thống là một phần trong nỗ lực rộng lớn hơn nhằm xây dựng AI có thể lập luận qua các tác vụ phức tạp. Các công ty như Google, Meta và DeepSeek, một công ty khởi nghiệp Trung Quốc, đang phát triển những công nghệ tương tự.

Mục tiêu là xây dựng các hệ thống có thể giải quyết vấn đề thông qua một loạt các bước, mỗi bước dựa trên bước trước đó, tương tự như cách con người lập luận. Những công nghệ này đặc biệt hữu ích cho các lập trình viên sử dụng hệ thống AI để viết mã.

Các hệ thống lập luận dựa trên công nghệ gọi là mô hình ngôn ngữ lớn, hay LLM. Để xây dựng hệ thống lập luận, các công ty đưa LLM qua một quy trình bổ sung gọi là học tăng cường. Trong quá trình này, hệ thống học hành vi thông qua nhiều lần thử và sai.

Ví dụ, bằng cách giải quyết các bài toán khác nhau, hệ thống có thể học được phương pháp nào dẫn đến câu trả lời đúng và phương pháp nào không. Nếu lặp lại quá trình này với số lượng lớn bài toán, hệ thống có thể xác định các mẫu hình.

Các hệ thống mới nhất của OpenAI đã học cách xử lý các vấn đề liên quan đến cả hình ảnh và văn bản.

Các chuyên gia chỉ ra rằng hệ thống lập luận không nhất thiết lập luận giống như con người. Và giống như các công nghệ AI khác, chúng có thể mắc lỗi và tạo ra thông tin sai lệch - một hiện tượng gọi là ảo giác.

OpenAI cũng giới thiệu một công cụ mới có tên Codex CLI được thiết kế để hỗ trợ hơn nữa các tác vụ lập trình máy tính liên quan đến hệ thống như o3 và o4-mini. Được gọi là tác nhân AI, công cụ này cung cấp phương thức sử dụng các hệ thống AI này kết hợp với mã nguồn hiện có được lưu trữ trên máy cá nhân của lập trình viên.

Công ty cho biết đang mở mã nguồn công cụ này, nghĩa là tự do chia sẻ công nghệ cơ bản với các lập trình viên và doanh nghiệp, cho phép họ sửa đổi và phát triển dựa trên công nghệ.

OpenAI cho biết, bắt đầu từ thứ Tư, các hệ thống mới này sẽ được cung cấp cho bất kỳ ai đăng ký ChatGPT Plus, dịch vụ 20 USD/tháng, hoặc ChatGPT Pro, dịch vụ 200 USD/tháng cung cấp quyền truy cập vào tất cả các công cụ mới nhất của công ty.

(The New York Times đã kiện OpenAI và đối tác Microsoft về vi phạm bản quyền nội dung tin tức liên quan đến hệ thống AI. Cả hai công ty đều phủ nhận các cáo buộc).