Startup Mostik: 'Thần giao cách cảm' giữa các mô hình AI mở ra kỷ nguyên mới

Một nhóm các nhà toán học tài năng người Nga vừa trình làng một kỹ thuật đột phá, cho phép các mô hình trí tuệ nhân tạo (AI) giao tiếp với nhau bằng một dạng 'thần giao cách cảm' máy móc, không cần đến bất kỳ ngôn ngữ hay văn bản trung gian nào. Phương pháp này được cho là có thể giúp các mô hình AI nguồn mở nhỏ hơn nâng cấp trí thông minh của mình một cách vượt trội, đủ sức cạnh tranh với những 'siêu mô hình' đóng, độc quyền của các tập đoàn công nghệ lớn.

'Cầu nối' giữa các 'bộ não' nhân tạo

Mostik, một cái tên bắt nguồn từ tiếng Nga có nghĩa là 'cây cầu', là startup đứng sau ý tưởng táo bạo này. Theo đó, các mô hình AI khác nhau không cần phải 'trò chuyện' bằng ngôn ngữ tự nhiên thông thường. Thay vào đó, chúng có thể tương tác trực tiếp với nhau bằng cách sử dụng các giá trị toán học trong 'trọng số' (weights) – những thành phần quyết định cách một câu lệnh (prompt) được chuyển hóa thành kết quả đầu ra. Cách tiếp cận này cho phép truyền 'năng lực' của một mô hình lớn sang một mô hình nhỏ hơn một cách nhanh chóng và hiệu quả, giúp tăng cường trí thông minh cho mô hình nhỏ một cách tối ưu.

Bà Sasha Malysheva, CEO của Mostik, chia sẻ về triết lý của công ty: “Trong học máy, ai cũng biết rằng việc kết hợp nhiều mô hình (ensemble) sẽ cho kết quả tốt hơn so với việc dùng một mô hình đơn lẻ.” Bà ví von rằng tương lai của AI cũng giống như việc dự đoán cân nặng của một con lợn – khi kết hợp và lấy trung bình các phán đoán của nhiều người ngẫu nhiên, kết quả sẽ chính xác hơn nhiều so với một chuyên gia duy nhất.

Kết quả ấn tượng và tiềm năng ứng dụng lớn

Mostik đã sử dụng kỹ thuật này để tạo ra một mô hình nhanh chóng leo lên vị trí dẫn đầu trong bảng xếp hạng ARC-AGI 3, một bài thi khét tiếng khó đối với các mô hình AI. Để minh họa rõ hơn, họ đã tạo ra một 'cây cầu' liên kết hai mô hình nguồn mở của Trung Quốc: GLM-5.2 (phiên bản lớn nhất với 753 tỷ tham số) và Qwen-3.5 (phiên bản 4 tỷ tham số, có thể chạy trên thiết bị di động). Hệ thống lai này có chi phí chỉ bằng 1/20 so với việc sử dụng mô hình GLM khổng lồ, nhưng hiệu suất lại nằm chính xác ở mức trung bình giữa hai mô hình thành phần.

Ông Karl Tuyls, cựu nhà khoa học máy tính tại Google DeepMind, nhận xét rằng kỹ thuật của Mostik cho phép đạt chất lượng của một mô hình lớn mà không cần mô hình đó xử lý toàn bộ quy trình. Điều này mang lại những cải thiện đáng kể chỉ với một mô hình nhỏ hơn hoạt động song song, một lựa chọn 'không cần suy nghĩ' cho những ai muốn vận hành mô hình một cách hiệu quả nhất.

Hành trình chinh phục và tương lai của AI

Ông Stanislav Smirnov, giáo sư tại Đại học Geneva và là chủ nhân huy chương Fields 2010, hiện là nhà khoa học trưởng tại Mostik. Ông cho biết việc tìm ra tiếng nói chung giữa hai mô hình AI khác nhau là một thách thức không nhỏ. “Xem ra vẫn chưa có một ngôn ngữ toán học phù hợp nào cho việc này,” ông nói, nhấn mạnh cách tiếp cận của Mostik như một giải pháp 'bắc cầu' tạm thời.

Không chỉ dừng lại ở việc kết hợp sức mạnh, công trình của Mostik có thể mở ra những hiểu biết mới về cách thức hoạt động của các mô hình AI so với bộ não con người. Smirnov tin rằng phân tích toán học sâu hơn có thể cho thấy điểm chung trong cách cả AI và con người lý luận để giải quyết các vấn đề khó.

Câu chuyện về đội ngũ Mostik cũng đầy cảm hứng. Bà Malysheva kể lại rằng bà chỉ khám phá ra năng khiếu toán học sau khi bị anh trai thách đố rằng sẽ không giải được các bài toán Olympic. Vài năm sau, bà đã theo học tại một trong những trường hàng đầu ở St. Petersburg. Gần đây, một số đồng nghiệp đã cảnh báo rằng cách tiếp cận 'cầu nối' là quá khó để thành công. “Họ nói điều đó có thể quá sức với một cô gái trẻ,” bà chia sẻ. “Tôi quyết định phải chứng minh họ đã sai.”

Công nghệ của Mostik nếu được ứng dụng rộng rãi có thể gia tăng đáng kể giá trị của các mô hình AI nguồn mở, cho phép chúng cạnh tranh sòng phẳng với các mô hình đóng của các tập đoàn như Anthropic và OpenAI, đồng thời mở ra hướng đi mới cho sự phát triển của trí tuệ nhân tạo trong tương lai.