Sự trỗi dậy và thoái trào của Jev: Khi cơn sốt AI đối mặt với thực tế

Jev từng được tung hô như một cú đột phá của trí tuệ nhân tạo, với lời hứa "không thể ảo giác" và tốc độ vượt trội. Nhưng chỉ sau vài tuần, cơn sốt tàn lụi nhanh như khi nó bùng lên. Câu chuyện này không chỉ nói về một sản phẩm, mà còn phơi bày cách ngành AI vận hành niềm tin — và những gì công nghệ này thực sự còn thiếu.

Jev thực chất là gì?

Theo tác giả Alex Ewerlöf, Jev về cơ bản là một bộ phân loại đa dụng (general purpose classifier) — tức đưa ra phán đoán nhanh. Điểm được cho là hấp dẫn là bạn không cần huấn luyện nó với lượng lớn dữ liệu.

Tuy nhiên, gọi Jev là một "mô hình ra quyết định" (decision model) thì hơi quá đà, nhất là khi nó không thể nhìn, không thể lý luận — chính vì không lý luận nên nó mới rẻ. Ý tưởng về các mô hình ra quyết định phi tự hồi quy (non-autoregressive) kết hợp học tăng cường đã xuất hiện từ hơn một năm trước.

"Không ảo giác không có nghĩa là câu trả lời đúng về mặt logic. Trong ngữ cảnh của Jev, điều đó chỉ có nghĩa đầu ra khớp với schema."

Minh họa vòng đời cơn sốt công nghệ

Bộ máy marketing: Từ "Peak of Inflated Expectations" đến "Trough of Disillusionment"

Chiến lược quảng bá của Jev là một mẫu hình đáng để nhận diện:

• Name dropping: nhắc đến tác giả từng làm ở ChatGPT, nghịch lý Jevons, đường cong Pareto, "System one"
• Tuyên bố lớn: không thể ảo giác, nhanh và rẻ gấp bội, ngăn xếp hoàn toàn mới, benchmark ấn tượng
• Mơ hồ và thuật ngữ: không có chi tiết triển khai hữu ích về "thuật toán huấn luyện mới" hay bộ dữ liệu RLCD
• Drama: một dự án tên Laya đã trình diễn ý tưởng tương tự trước đó 1,5 năm

Kết quả là Jev đi từ đỉnh cao kỳ vọng phồng to đến vực thẳm thất vọng với tốc độ kỷ lục. Người dùng nhận ra: nó không ảo giác nhưng vẫn sai — thậm chí sai nhiều hơn các mô hình ngôn ngữ thông thường. Nó rẻ hơn, nhưng có những mô hình trọng số mở vượt trội về tỷ lệ hiệu năng/chi phí. Điểm khác biệt thực sự duy nhất: chạy được biên (edge/local).

Chu kỳ hype của Gartner

Những cải tiến thực sự trong 4 năm qua

Từ GPT-2 đến nay, ngành AI đã có tiến bộ đáng kể:

• Mô hình tinh chỉnh theo chỉ dẫn (instruction-tuned)
• Gọi hàm (function calls) cho phép mô hình thực thi hành động
• Khung lập trình hỗ trợ (coding harness)
• Tác nhân AI (AI agents)
• Cửa sổ ngữ cảnh lớn hơn, mô hình đa phương thức
• MCP, ACP, kiến trúc bộ nhớ và học tăng cường

Nhưng đó chủ yếu là cải tiến gia tăng, chưa phải đột phá căn bản.

Những gì chúng ta vẫn còn thiếu

Sau 4 năm, một số vấn đề cốt lõi vẫn chưa được giải quyết:

• Lý luận trừu tượng: mạng nơ-ron vẫn dễ bịa đặt; cách gần nhất với "System 2" thực sự là ghép mô hình với mã nguồn và can thiệp của con người
• Học liên tục: mô hình vẫn chưa học được trong thời gian thực
• Hiện thân (embodiment): robot vẫn chưa đủ nhanh và hiệu quả để đảm nhận các công việc đơn giản của con người
• Kinh tế vận hành: bộ não con người đạt trí tuệ cấp AGI chỉ với 20 Watt, trong khi các trung tâm dữ liệu tiêu tốn nước và điện khổng lồ

"Chúng ta không cần trí tuệ cấp AGI để gây ra phá hoại. Thế hệ AI hiện tại, khi ghép với công cụ và kỹ năng, đã đủ khả năng gây tổn hại trong tay kẻ xấu."

Bài học cho người dùng và nhà đầu tư Việt Nam

Với cộng đồng công nghệ Việt Nam — nơi các doanh nghiệp và lập trình viên đang tích cực thử nghiệm AI — câu chuyện Jev là lời nhắc nhở thiết thực:

• Đừng tin vào benchmark cô lập không giống cách bạn thực sự dùng sản phẩm, nhất là khi chính bên công bố có xung đột lợi ích
• Cảnh giác với thuật ngữ mơ hồ và lời hứa quá lớn mà thiếu bằng chứng minh bạch
• Ưu tiên thử nghiệm thực tế trên quy trình của chính mình trước khi cam kết chi phí lớn

Cơn sốt AI và bài học thực tế

Kết luận

Jev là ví dụ điển hình cho việc marketing tuyệt vời bị thực tế làm tiêu tan. Nó có ích không? Có. Có liên quan không? Có. Có cách mạng không? Còn tùy vào bộ ba chi phí–chất lượng–tốc độ của bạn. Nhưng liệu nó vĩ đại như lời quảng cáo? Đến đây, câu trả lời đã rõ.

Bài học lớn nhất không nằm ở Jev, mà ở cách chúng ta phản ứng với những cơn sốt công nghệ. Trong kỷ nguyên nội dung tổng hợp hàng loạt và tuyên truyền cá nhân hóa, giữ được tư duy phản biện — thay vì để cảm xúc bị thao túng — có lẽ chính là "System 2" mà chúng ta cần nhất.