Jarvis AI của Google gần như chắc chắn là một tác nhân AI chạy trên web

Jarvis AI là gì?

Điều duy nhất chúng ta biết về Jarvis AI là đầu tháng 11 vừa rồi, một tiện ích Chrome mang tên Jarvis đã được phát hành trong thời gian ngắn. Dù xuất hiện chóng vánh, phần mô tả trên trang cửa hàng gọi nó là "a helpful companion that surfs the web for you." Mô tả này phù hợp với chức năng dự kiến của Jarvis như một tác nhân AI được thiết kế để tự động hóa các tác vụ trên web.

Trong bài phát biểu khai mạc hồi đầu năm, Google đã trình diễn các tác nhân AI chưa phát hành với khả năng điều khiển trình duyệt để thực hiện nhiều nhiệm vụ. Tôi phỏng đoán Jarvis AI có thể chính là sản phẩm thực tế đứng sau phần trình bày đó.

Trong phần trình bày, họ đưa ví dụ về việc trả hàng một đôi giày. Với tác nhân AI, tất cả những gì chúng ta cần làm là cho biết muốn trả hàng, và tác nhân sẽ tự động thực hiện toàn bộ các bước.

Tích hợp với trình duyệt và các sản phẩm khác của Google như Gmail, tác nhân có thể hoàn tất quy trình trả hàng theo các bước sau:

1. Tìm hóa đơn trong hộp thư đến.
2. Xác định số đơn hàng trong email.
3. Điền biểu mẫu trả hàng.
4. Lên lịch lấy hàng.

Jarvis AI hoạt động như thế nào?

Jarvis AI có thể tự động hóa các tác vụ web hằng ngày cho người dùng, như nghiên cứu thông tin, mua sắm trực tuyến, và đặt vé máy bay hoặc chỗ trước.

Jarvis nhiều khả năng sử dụng một phiên bản chuyên biệt của họ Gemini thuộc các mô hình ngôn ngữ lớn của Google. Điều này gợi ý rằng Jarvis dùng mô hình "tư duy" hoặc suy luận, giúp xử lý tác vụ phức tạp và đưa ra phản hồi cá nhân hóa hơn. Hơn nữa, nó được kỳ vọng sẽ tích hợp sâu với các dịch vụ hiện có của Google như Gmail, Maps và Search.

Sự tích hợp này có thể tăng cường năng lực của Jarvis bằng cách truy cập dữ liệu người dùng và tinh giản nhiều quy trình, chẳng hạn truy xuất hóa đơn từ Gmail để trả hàng trực tuyến hoặc dùng dữ liệu vị trí từ Maps để lập kế hoạch chuyến đi.

Các mô hình Gemini là đa phương thức và có thể xử lý nhiều loại dữ liệu (văn bản, hình ảnh, video, âm thanh, v.v.), tìm ra mối liên hệ giữa chúng. Nhiều khả năng tác nhân sẽ có quyền truy cập nội dung trình duyệt, cho phép quan sát, diễn giải và tương tác với các thành phần hiển thị trên màn hình.

Cần lưu ý rằng thông tin liên quan đến cơ chế nội bộ và sự phụ thuộc vào công nghệ cụ thể chỉ là suy đoán.

Jarvis AI so với các tác nhân AI khác

Như tôi đã đề cập, tôi tin rằng Jarvis được thiết kế để tự động hóa các tác vụ web hằng ngày. Jarvis tạo khác biệt nhờ tích hợp chặt chẽ với trình duyệt Google Chrome. Tuy nhiên, Jarvis không phải là cái tên duy nhất trong lĩnh vực này.

computer use của Anthropic

Anthropic, công ty đứng sau Claude, cũng đã tiến bước với tác nhân AI riêng gọi là computer use. Tác nhân này có thể tương tác với nhiều ứng dụng vượt ra ngoài trình duyệt web. Tác nhân của Anthropic đã bước vào giai đoạn beta công khai vào tháng 10 năm 2024, thể hiện khả năng di chuyển con trỏ, nhấp nút và gõ văn bản, gần giống người dùng thật.

Dù khác nhau về giai đoạn phát triển và phạm vi hoạt động, cả Jarvis và computer use của Anthropic đều có mục tiêu chung: tự động hóa tác vụ bằng cách mô phỏng tương tác người-máy. Cả hai tác nhân nhiều khả năng dựa vào các cơ chế tinh vi để chụp và diễn giải màn hình nhằm hiểu ngữ cảnh yêu cầu của người dùng và thực thi hành động phù hợp.

Operator của OpenAI

OpenAI chuẩn bị ra mắt "Operator", một tác nhân AI tự động được thiết kế để thực hiện nhiệm vụ thay người dùng, như viết mã và đặt dịch vụ du lịch. Theo Bloomberg, Operator dự kiến phát hành dưới dạng bản xem trước nghiên cứu vào tháng 1 năm 2025.

Sam Altman trả lời một phiên AMA trên Reddit

Toolformer của Meta

Meta AI Research đã giới thiệu Toolformer, một mô hình ngôn ngữ có khả năng tự động sử dụng công cụ bên ngoài để nâng cao hiệu suất trên nhiều nhiệm vụ. Được trình bày chi tiết trong bài báo "Toolformer: Language Models Can Teach Themselves to Use Tools", mô hình được huấn luyện để xác định nên gọi API nào, khi nào gọi, truyền tham số gì, và cách đưa kết quả vào dự đoán token tiếp theo.

Cách tiếp cận tự giám sát này chỉ cần một vài ví dụ minh họa cho mỗi API, cho phép mô hình sử dụng hiệu quả các công cụ như máy tính, hệ thống hỏi đáp, công cụ tìm kiếm, hệ thống dịch và lịch.

Thách thức của tác nhân AI

Nhìn chung, các tác nhân AI đặt ra nhiều thách thức và cân nhắc, đặc biệt liên quan đến quyền riêng tư, độ chính xác và hệ quả đạo đức.

Quan ngại về quyền riêng tư

Mặc dù việc tự động hóa những tác vụ nhàm chán, tốn thời gian nghe rất hấp dẫn, sự tiện lợi này cũng đi kèm cảm giác bất an. Tôi có muốn Google hay bất kỳ công ty nào khác có toàn quyền truy cập máy tính của mình không? Ý nghĩ đó khiến tôi thực sự lo lắng.

Quan ngại về quyền riêng tư là hết sức quan trọng. Google cần đảm bảo với người dùng rằng dữ liệu của họ sẽ được xử lý an toàn và có trách nhiệm. Họ sẽ cần triển khai các biện pháp bảo mật vững chắc và thực hành xử lý dữ liệu minh bạch để giảm thiểu rủi ro rò rỉ hoặc lạm dụng dữ liệu. Việc thiết lập hướng dẫn rõ ràng về quyền truy cập, lưu trữ, sử dụng dữ liệu và cung cấp cho người dùng quyền kiểm soát chi tiết đối với tùy chọn chia sẻ dữ liệu sẽ rất quan trọng để xây dựng niềm tin và thúc đẩy sự chấp nhận.

Độ chính xác và độ tin cậy

Điều gì xảy ra khi tác nhân AI của tôi mắc lỗi? Khi một chatbot AI mắc lỗi, nó có thể cung cấp thông tin sai, nhưng không có hành động nào được thực hiện trực tiếp. Nếu tôi nhờ chatbot AI lập kế hoạch chuyến đi, nó cung cấp kế hoạch bằng văn bản, nhưng tôi vẫn phải tự đặt chỗ, thanh toán, v.v. Vẫn có một tầng kiểm soát của con người để ngăn hệ quả không mong muốn. Tuy nhiên, khi tác nhân AI thực hiện hành động trong thế giới thực, các hành động đó có thể gây ra hệ quả không mong muốn thực sự.

Ai sẽ chịu trách nhiệm khi tác nhân AI đặt sai chuyến bay hoặc trả nhầm đôi giày? Tôi hình dung các tác nhân này sẽ xin phép người dùng trước mỗi hành động, nhưng tôi không chắc chỉ vậy đã đủ để ngăn lỗi trong các kịch bản phức tạp hơn chưa.

Các công ty như Google phải ưu tiên quy trình kiểm thử và thẩm định nghiêm ngặt để giảm thiểu sai sót. Việc triển khai cơ chế kiểm chứng, đối chiếu thông tin và cung cấp cho người dùng các khuyến cáo rõ ràng về khả năng xảy ra lỗi sẽ là thiết yếu.

Hệ quả đạo đức

Hệ quả đạo đức của Jarvis và các tác nhân AI nói chung vượt ra ngoài quyền riêng tư và độ chính xác. Các công ty cũng phải cân nhắc tác động xã hội rộng hơn của những tác nhân này, bao gồm khả năng thay thế việc làm và tạo ra sự lệ thuộc mới vào hệ thống AI.

Kết luận

Mọi điều chúng ta nói về Jarvis AI đều mang tính suy đoán. Cho đến khi ra mắt, chúng ta sẽ không biết chắc nó làm được gì. Tuy nhiên, có một điều chắc chắn: các tác nhân AI đang đến, và chúng đại diện cho bước tiếp theo trong cuộc cách mạng AI. 

Dù tôi thừa nhận việc tự động hóa tác vụ cực kỳ hữu ích và có thể tiết kiệm đáng kể thời gian, tôi vẫn thấy không thoải mái với ý tưởng trao quyền kiểm soát máy tính của mình cho một AI (hay cho bất kỳ ai, xét cho cùng).

Những năm gần đây, đã có nhiều bàn luận về các nguy cơ tiềm ẩn của AI. Tôi tin rằng chừng nào AI còn bị giới hạn ở chatbot và không thể thực hiện hành động trong thế giới thực, rủi ro vẫn ở mức tối thiểu. Đúng là AI có thể hướng dẫn ai đó tạo ra thứ gì đó gây hại, nhưng người đó vẫn phải tự hành động. Nếu thực sự muốn học điều đó, họ vẫn có thể tự tìm hiểu theo thời gian. Với các tác nhân AI, chúng ta đánh mất lớp bảo vệ đó và điều này nghe thật nguy hiểm khi chúng ta trao cho các tác nhân ngày càng nhiều khả năng.

Tôi cảm thấy xu hướng tiến tới tác nhân AI là không thể tránh khỏi, nhưng cần được tiếp cận với sự thận trọng cao độ.