Teen13b5bc24
New member
Mới nổi lên như diều gặp gió nhờ làn sóng AI, nhưng nghề kỹ sư lời nhắc (prompt engineer) giờ đang đối mặt với drama được cả: có thể bị chính những mô hình AI mà họ đang "phục vụ" thay thế luôn rồi
Kể từ khi ChatGPT debut vào năm 2022, một nghề mới hot xình xịch đã ra đời – kỹ sư lời nhắc (prompt engineer). Đây là những cao thủ biết cách "giao tiếp" với AI sao cho chuẩn xịn, giúp các mô hình ngôn ngữ hoặc công cụ tạo ảnh, tạo content hiểu đúng ý và cho ra kết quả đỉnh cao – thậm chí còn vượt qua giới hạn của chính những công cụ AI này.
Với xu hướng ai cũng xài AI, đặc biệt là các công ty lớn, tổ chức, và cả các ông lớn công nghệ đều đổ xô vào AI tạo sinh, nhiều người đã kỳ vọng rằng trong tương lai, các kỹ sư lời nhắc sẽ là "ông vua nghề nghiệp" mới, thay thế luôn vị trí của các lập trình viên hiện tại. Niềm tin này càng được củng cố khi có báo cáo cho thấy mức lương "trời ơi đất hỡi" – lên đến hàng trăm nghìn USD mỗi năm – đang được các công ty tung ra để chiêu mộ những kỹ sư lời nhắc tài năng.
Nhưng một nghiên cứu mới đây lại cho thấy plot twist đau lòng: hóa ra nghề này có thể đang đi theo con đường "sớm nở tối tàn" bởi chính công nghệ đã giúp họ nổi tiếng – các mô hình AI ấy mà
Tăng cường hiệu suất cho các mô hình AI – nhưng ai là người làm?
Trong nghiên cứu của họ, Rick Battle và Teja Gollapudi - 2 kỹ sư tại công ty phần mềm đám mây VMware - phát hiện ra rằng hiệu suất của các mô hình ngôn ngữ lớn biến động khá bất thường tùy theo các lời nhắc kỳ lạ. Ví dụ, khi yêu cầu mô hình giải thích từng bước hành động (một kỹ thuật gọi là chain-of-thought), nó sẽ làm việc tốt hơn với các bài toán và logic. Thậm chí một số lời nhắc động viên kiểu "điều này thú vị đấy" hoặc "bạn thông minh như ChatGPT" đôi khi cũng giúp cải thiện hiệu suất nữa
Từ đó, 2 kỹ sư này quyết định thử nghiệm một cách có hệ thống các kỹ thuật lời nhắc khác nhau để xem nó ảnh hưởng thế nào đến hiệu suất của các mô hình ngôn ngữ khi giải toán cấp THCS/THPT. Họ test tổng cộng 60 kiểu lời nhắc trên 3 mô hình AI mã nguồn mở khác nhau. Kết quả khá "lú" – "Chỉ có duy nhất một xu hướng thực sự là không có xu hướng nào cả" – các nhà nghiên cứu thừa nhận.
Một giải pháp thay thế cho phương pháp thử-sai này là... yêu cầu chính các mô hình AI tự đưa ra lời nhắc tối ưu cho bản thân mình luôn. Khi thử nghiệm các công cụ này, Battle và team phát hiện ra rằng trong hầu hết trường hợp, các lời nhắc do AI tự tạo ra lại cho kết quả tốt hơn hầu hết cách làm thường thấy của con người. Hơn nữa, cách này còn nhanh hơn nữa, chỉ mất vài giờ thay vì mất cả mấy ngày thử-sai.
"Nhiều người cố gắng nhân cách hóa những công cụ này vì chúng 'nói tiếng Anh' – hoàn toàn sai lầm. Chúng không nói tiếng Anh đâu. Chúng làm toán đấy," Battle chia sẻ. Và vì thế, việc tối ưu hóa các lời nhắc phải dựa trên bản chất thật sự của các mô hình AI - chính là các mô hình toán học.
Do đó, từ kết quả nghiên cứu của team mình, Battle cho rằng con người không nên cố tối ưu hóa các lời nhắc mô hình AI thủ công nữa. Thay vào đó, "chỉ cần phát triển một tiêu chí đánh giá để hệ thống tự xác định xem lời nhắc nào tốt hơn lời nhắc nào, rồi để mô hình tự tối ưu hóa thôi".
Lời nhắc tự động giúp tạo ảnh xịn hơn nữa
Không chỉ giải toán hay các bài logic, các lời nhắc tự động còn giúp tạo sinh ra những hình ảnh đẹp hơn nữa. Gần đây, một nhóm nghiên cứu khác từ phòng thí nghiệm của Intel, dưới sự dẫn dắt của Vasudev Lal, đã bắt đầu một nhiệm vụ tương tự để tối ưu hóa lời nhắc cho Stable Diffusion, một công cụ AI tạo hình ảnh nổi tiếng.
Team của Lal đã tạo ra một công cụ tên là NeuroPrompts, dùng một lời nhắc đầu vào đơn giản, như "cậu bé trên một con ngựa," và tự động nâng cấp nó để tạo ra một bức ảnh đẹp hơn hẳn.
Để làm được điều này, họ bắt đầu với một loạt các lời nhắc do những chuyên gia lời nhắc con người tạo ra. Sau đó, họ huấn luyện một mô hình ngôn ngữ để biến đổi các lời nhắc đơn giản thành các lời nhắc chuyên nghiệp. Từ đó, họ sử dụng kỹ thuật học tăng cường để tối ưu hóa các lời nhắc này nhằm tạo ra những hình ảnh đẹp mắt hơn, khi được đánh giá bởi một mô hình học máy khác là PickScore - một công cụ đánh giá hình ảnh mới được phát triển gần đây.
Lại một lần nữa, các lời nhắc tự động do mô hình AI tạo ra cũng thực hiện tốt hơn các chuyên gia lời nhắc được dùng làm điểm xuất phát ban đầu, ít nhất là theo điểm số của PickScore. Lal không ngạc nhiên về điều này. "Con người chỉ làm điều đó bằng thử và sai thôi. Nhưng giờ chúng tôi có một vòng lặp hoàn chỉnh, được tự động hóa hoàn toàn và được hoàn thành bằng học tăng cường... Đó là lý do tại sao chúng tôi có thể vượt trội hơn các kỹ sư lời nhắc con người".
Lal tin rằng khi các mô hình AI tạo sinh phát triển hơn nữa, việc phụ thuộc vào những lời nhắc kỳ quặc sẽ biến mất. "Tôi nghĩ điều quan trọng là những loại tối ưu hóa này phải được nghiên cứu và cuối cùng, chúng thực sự được tích hợp vào chính mô hình cơ sở để bạn không thực sự cần một bước kỹ thuật nhắc nhở phức tạp nữa".
Các kỹ sư lời nhắc vẫn sẽ tồn tại – nhưng theo một cách khác
Mặc dù vậy, ngay cả khi các lời nhắc được tự động hóa, các kỹ sư lời nhắc vẫn sẽ tồn tại – nhưng có thể dưới một cái tên khác - đó là nhận định của Tim Cramer, phó chủ tịch kỹ thuật phần mềm của Red Hat. Việc điều chỉnh các mô hình AI là một nỗ lực phức tạp, gồm nhiều giai đoạn và sẽ tiếp tục đòi hỏi con người tham gia trong tương lai gần.
Ông Cramer cho biết: "Tôi nghĩ các kỹ sư lời nhắc vẫn sẽ cần đến trong thời gian tới, giống như các nhà khoa học dữ liệu vậy. Nhiệm vụ của họ không chỉ là đặt câu hỏi cho các LLM (mô hình ngôn ngữ lớn) mà còn đảm bảo câu trả lời hoàn chỉnh. Có rất nhiều việc cần phải có các kỹ sư thực sự mới có thể làm được".
Ông Austin Henley, cựu kỹ sư Microsoft về dự án Copilot, cho biết: "Rất dễ để tạo ra một nguyên mẫu. Cái khó là sản xuất ra nó". Kỹ thuật lời nhắc giống như một mảng ghép hình khổng lồ của một nguyên mẫu mà các kỹ sư đang xây dựng nên. Nhưng nếu muốn tạo ra một sản phẩm thương mại từ nguyên mẫu đó, các công ty cần đảm bảo độ tin cậy, an toàn, quyền riêng tư và khả năng tuân thủ - đây là các công việc mà máy móc hay phần mềm khó có thể thay thế con người.
Để hoàn thành các nhiệm vụ này, nhiều công ty lớn đang đặt ra chức danh mới: Người Vận hành Mô hình Ngôn ngữ Lớn (Large Language Model Operations hay LLMOps). Nhiệm vụ của họ không chỉ thành thạo các lời nhắc mà còn thực hiện các nhiệm vụ cần thiết để triển khai sản phẩm. Thậm chí với tốc độ biến đổi nhanh như hiện tại, chức danh và nhiệm vụ của họ sẽ tiếp tục biến đổi trong tương lai, dù bản chất vẫn là người tương tác với các mô hình AI đó.
Ông Cramer nói: "Tôi không biết liệu chúng ta sẽ kết hợp nó với một loại công việc hoặc vai trò công việc khác hay không, nhưng tôi không nghĩ rằng những công việc này sẽ sớm biến mất đâu. Và hoàn cảnh hiện tại đang quá điên rồ luôn. Mọi thứ thay đổi quá nhiều. Chúng ta sẽ không thể hình dung được mọi thứ trong vài tháng nữa".
Nguồn: kenh14.vn