Lý do mà DeepMind quan tâm đến một kỳ thi toán học cấp trung học có thể nằm trong những thách thức mà các bài toán hình học đặt ra. Việc chứng minh các định lý toán học hay giải thích logic về lý do mà một định lý là đúng, như định lý Pythagore, đòi hỏi không chỉ suy luận mà còn khả năng lựa chọn giữa một loạt các bước để đi đến lời giải. Những kỹ năng giải quyết vấn đề này, theo DeepMind, có thể trở thành thành phần hữu ích trong các mô hình AI tổng quát trong tương lai.

Trong mùa hè vừa qua, DeepMind đã trình diễn một hệ thống kết hợp AlphaGeometry2 với AlphaProof, một mô hình AI dành cho lý luận toán học, để giải quyết bốn trong số sáu bài toán từ IMO 2024. Điều đặc biệt ở đây là tiếp cận này không chỉ dừng lại ở hình học mà còn có thể mở rộng sang các lĩnh vực toán học và khoa học khác, chẳng hạn như hỗ trợ trong các phép tính kỹ thuật phức tạp.

AlphaGeometry2 bao gồm nhiều thành phần cốt lõi, trong đó có một mô hình ngôn ngữ thuộc gia đình AI Gemini của Google và một “công cụ biểu tượng”. Mô hình Gemini giúp công cụ biểu tượng, sử dụng các quy tắc toán học để suy diễn các giải pháp vấn đề, đạt được những chứng minh khả thi cho một định lý hình học nhất định. Hệ thống này hoạt động bằng cách gợi ý các bước và cấu trúc bằng một ngôn ngữ toán học chính thức mà công cụ có thể lấy làm tham chiếu để thực hiện suy diễn.

Eli Collins, phó giám đốc sản phẩm tại DeepMind, cho biết Veo 2 sẽ được cung cấp thông qua nền tảng phát triển Vertex AI của Google khi mẫu đã sẵn sàng cho việc sử dụng quy mô lớn. Collins cho biết thêm rằng trong vài tháng tới, Google sẽ tiếp tục cải thiện dựa trên phản hồi từ người dùng và tìm cách tích hợp các khả năng mới của Veo 2 vào nhiều ứng dụng hấp dẫn trong hệ sinh thái của Google.

Veo 2, giống như Veo, có khả năng tạo ra video dựa trên các lệnh văn bản hoặc kết hợp giữa văn bản và hình ảnh tham khảo. Những điểm mới của Veo 2 là mẫu AI này đã được cải thiện về khả năng “hiểu” vật lý và điều khiển máy quay, cho phép tạo ra các video với hình ảnh sắc nét hơn và chuyển động mượt mà hơn. Bên cạnh đó, Veo 2 còn có khả năng mô phỏng chuyển động, động lực học của chất lỏng và tính chất ánh sáng một cách tinh tế hơn.

DeepMind đã chia sẻ một số mẫu video từ Veo 2 và nhận định rằng chúng trông rất ấn tượng, đặc biệt là trong việc mô phỏng các vật thể phức tạp như nước rót và hiệu ứng hoạt hình kiểu Pixar. Tuy nhiên, dòng công nghệ AI này vẫn gặp một vài thách thức như tính hiệu quả trong việc giữ vững các yếu tố mà người dùng yêu cầu trong khoảng thời gian dài.

Người sáng lập DeepMind thừa nhận rằng vẫn còn nhiều công việc phải làm để cải thiện tính nhất quán và chi tiết của các video được tạo ra, như mô phỏng chuyển động nhanh hay chi tiết phức tạp. Để có được kết quả tối ưu, DeepMind đang phối hợp với nhiều nghệ sĩ và nhà sản xuất từ những ngày đầu phát triển Veo.

Veo 2 được đào tạo dựa trên một lượng lớn video, nhưng DeepMind không tiết lộ chính xác nguồn dữ liệu mà họ đã sử dụng, mặc dù YouTube có thể là một trong những nguồn tài nguyên đó. Mặc dù DeepMind đã xây dựng cơ chế cho phép các chủ sở hữu trang web chặn bot của mình, nhưng vẫn chưa có phương thức nào cho phép các nhà sáng tạo yêu cầu xóa các tác phẩm của họ khỏi tập huấn luyện hiện tại.

Là một phần trong nỗ lực giảm thiểu rủi ro từ việc tạo video giả mạo, DeepMind đã phát triển công nghệ đánh dấu riêng SynthID, nhằm thêm những dấu ấn vô hình vào các khung hình do Veo 2 tạo ra. Tuy nhiên, như với tất cả các công nghệ đánh dấu, sự hoàn thiện vẫn chưa được đảm bảo.

Bên cạnh Veo 2, Google DeepMind cũng đã công bố các nâng cấp cho Imagen 3, mẫu AI tạo hình ảnh thương mại của mình, với khả năng tạo ra hình ảnh chất lượng cao hơn và trung thành hơn với các lệnh mà người dùng yêu cầu. Nâng cấp này mở ra nhiều khả năng mới cho người dùng sáng tạo nội dung trong tương lai.

Khi so sánh với hệ thống ENS, nhóm nghiên cứu đã đào tạo GenCast dựa trên dữ liệu thời tiết đến năm 2018 và sau đó tiến hành so sánh các dự đoán cho năm 2019. Kết quả cho thấy GenCast có độ chính xác cao hơn tới 97.2% so với ENS. Google cho biết GenCast là một phần trong bộ công cụ mô hình thời tiết AI của công ty, và họ sẽ sớm tích hợp nó vào Google Tìm kiếm và Bản đồ. Ngoài ra, Google cũng dự định phát hành dự báo thời tiết theo thời gian thực và lịch sử từ GenCast, giúp người dùng có thể sử dụng cho nghiên cứu và mô hình của riêng họ. Như vậy, với GenCast, Google đang đặt mục tiêu nâng cao độ chính xác dự báo thời tiết, cung cấp thông tin hữu ích cho người dùng cũng như các nhà nghiên cứu trong lĩnh vực này.

CEO của DeepMind, Demis Hassabis, và nhà khoa học nghiên cứu cấp cao John Jumper đã được trao giải nhờ vào mô hình AI mã nguồn mở AlphaFold2, một công trình giúp tính toán cấu trúc của các protein trong cơ thể người. AlphaFold2 đã mở ra khả năng dự đoán cấu trúc của gần như tất cả 200 triệu protein mà các nhà nghiên cứu đã xác định. Đây là một bước tiến khổng lồ, giúp tiết kiệm thời gian và công sức cho giới nghiên cứu, như lời của ủy ban Nobel tại Viện Hàn lâm Khoa học Hoàng gia Thụy Điển.

David Baker, người cùng nhận giải với Hassabis và Jumper, đã được vinh danh nhờ “thiết kế protein bằng máy tính”, một hành trình mà ông đã khởi đầu từ năm 2003 khi tạo ra một protein hoàn toàn mới. Hiện nay, ông đã phát triển các protein mới phục vụ cho ngành dược phẩm, phát triển vaccine, chế tạo vật liệu nano và những cảm biến siêu nhỏ trong suốt hai thập kỷ.

Như Chủ tịch ủy ban Nobel hóa học, Heiner Linke, nhận xét: “Một trong những phát hiện được công nhận trong năm nay liên quan đến việc xây dựng các protein tuyệt đẹp, phát hiện còn lại là hoàn thành giấc mơ 50 năm: dự đoán cấu trúc protein từ các chuỗi amino acid của chúng.” Những khám phá này mở ra vô số khả năng mới.

Ứng dụng khoa học của AlphaFold2 đã giúp nghiên cứu sự kháng kháng sinh và phát triển enzyme phân hủy nhựa, một công trình đoạt giải năm nay mà trước đó đã ngốn nhiều năm, thì nay chỉ mất vài phút nhờ vào các cống hiến của các vị khoa học gia năm nay.

Sự phát triển của công nghệ trí tuệ nhân tạo đã đóng vai trò đáng kể trong danh mục giải thưởng năm nay, khi giải Nobel vật lý cũng đã trao tặng cho hai nhà khoa học với công trình tạo dựng nền tảng cho AI. Tuyên bố đó đã gây ra một số chỉ trích từ các nhà vật lý cảm thấy giải thưởng không phù hợp – một tình cảm được chia sẻ bởi Geoffrey Hinton, một trong những người đoạt giải vật lý năm nay được mệnh danh là “cha đỡ đầu của AI”. Ông cho rằng nếu có một giải Nobel cho khoa học máy tính, công trình của họ sẽ phù hợp hơn với điều đó và ông khéo léo truyền tải điều đó qua một cuộc phỏng vấn sau giải thưởng.

Thông báo từ Google DeepMind đã mở ra nhiều đồn đoán khi đề cập đến AlphaChip – một công nghệ mà MediaTek sử dụng để phát triển các chip hàng đầu của mình, bao gồm cả dòng Dimensity Flagship 5G. Điều đặc biệt là câu chốt trong thông báo này: “các chip tương tự như Dimensity Flagship 5G được sử dụng trong điện thoại di động của Samsung” đã gợi mở ra sự bất ngờ rằng Samsung sẽ lần đầu tiên sử dụng chip Dimensity 9000 series cho dòng sản phẩm Galaxy S của mình.

Việc Samsung chuyển hướng sử dụng chip MediaTek cho các sản phẩm chủ lực không chỉ là một thay đổi lớn mà còn là tín hiệu rõ ràng cho thấy hãng muốn khắc phục những vấn đề về hiệu suất và hiệu quả năng lượng của dòng Exynos trước đây. Thực tế gần đây, Samsung cũng đã sử dụng chip Dimensity 9300+ cho dòng sản phẩm máy tính bảng Galaxy Tab S10 mới nhất, không cần đến Snapdragon từ Qualcomm như trước đây.

Mặc dù chưa thể khẳng định chính xác điều gì, tuy nhiên với thông tin từ Google DeepMind, cộng thêm những tin đồn gần đây về vấn đề hiệu quả của Exynos 2500, rất có khả năng Galaxy S25 và S25+ sẽ được trang bị Dimensity 9400. Đây chắc chắn là một thay đổi chiến lược quan trọng của Samsung khi xâm nhập vào thị trường toàn cầu, nhằm đảm bảo chất lượng và hiệu suất của sản phẩm. Liệu đây có phải là động thái đúng đắn để Samsung tiến xa hơn trong cuộc đua công nghệ hay không, hãy cùng chờ xem những bước đi tiếp theo của ông lớn công nghệ này.