Sử Dụng Hợp Lý: Thực Tế Khắc Nghiệt Của Đào Tạo & Đổi Mới AI

Nếu bạn đang xây dựng bất cứ thứ gì nghiêm túc trong AI, đặc biệt là cho quảng cáo hoặc hệ thống tự động hóa, bạn sẽ luôn phải đối mặt với dữ liệu. Và đó là lúc nguyên tắc sử dụng hợp lý phát huy tác dụng. OpenAI vừa công bố các đoạn trích từ hồ sơ tòa án của nhiều người—nhà sáng tạo, học giả, chuyên gia pháp lý—tất cả đều đưa ra cùng một quan điểm: sử dụng hợp lý không phải là một sự lịch sự học thuật; đó là động cơ thực sự cho việc đào tạo AI.

Tại Sao Sử Dụng Hợp Lý Không Phải Là Tùy Chọn Cho AI

Sử dụng hợp lý (fair use)? Đó là cơ chế pháp lý cho phép bạn sử dụng tài liệu có bản quyền mà không cần xin phép mỗi lần. Hãy nghĩ thế này: nếu mỗi mô hình AI cần một giấy phép riêng cho từng mẩu dữ liệu nó tiếp nhận, chúng ta vẫn sẽ ở thời kỳ đồ đá. Nó được thiết kế để cân bằng quyền của người sáng tạo với lợi ích công cộng. Đối với AI, điều đó có nghĩa là các mô hình thực sự có thể học hỏi từ một tập dữ liệu đa dạng, trong thế giới thực. Nếu không, bạn sẽ bị mắc kẹt với các tập dữ liệu nhỏ, vô trùng, và các mô hình của bạn? Chúng sẽ vô dụng.

Các bản tóm tắt do OpenAI tổng hợp đã trình bày rõ:

• Đổi mới không miễn phí: Sử dụng hợp lý mang lại cho các nhà phát triển không gian pháp lý để xây dựng dựa trên công việc hiện có. Nếu không có nó, bạn sẽ liên tục lo sợ bị kiện. Điều đó giết chết sự đổi mới nhanh hơn bất cứ điều gì.
• Khả năng tiếp cận là chìa khóa: Nếu chỉ những gã khổng lồ với ngân sách cấp phép khổng lồ mới có thể đào tạo AI, điều gì sẽ xảy ra với những người khác? Sử dụng hợp lý giúp cân bằng sân chơi, làm cho AI mạnh mẽ có thể tiếp cận được ngoài các khu vườn có tường bao quanh.
• Rắc rối pháp lý là có thật: Bối cảnh pháp lý xung quanh AI và dữ liệu là một bãi mìn. Các hướng dẫn sử dụng hợp lý rõ ràng, ngay cả khi chúng còn gây tranh cãi, ít nhất cũng cung cấp cho bạn một khuôn khổ. Nó không hoàn hảo, nhưng tốt hơn là sự hỗn loạn hoàn toàn. Và tin tôi đi, hóa đơn pháp lý sẽ tăng lên nhanh chóng nếu bạn cứ đoán mò.

Cuộc Chiến Cho Nhà Tiếp Thị và Nhà Phát Triển

Đối với các nhà tiếp thị tăng trưởng và nhà tiếp thị hiệu suất, điều này không trừu tượng. Nó có nghĩa là các mô hình của bạn thực sự có thể học hỏi từ các xu hướng thị trường rộng lớn, các mẫu hành vi người dùng và các thực thi sáng tạo mà không cần một luật sư thường trực cho mỗi điểm dữ liệu. Bạn có thể tinh chỉnh mục tiêu, tối ưu hóa chiến dịch và xây dựng các hệ thống tự động hóa hiệu quả hơn vì nguồn dữ liệu không phải là một vũng nước nhỏ. Giải pháp thay thế? Các tập dữ liệu hạn chế, các mô hình thiên vị và các chiến dịch không đạt hiệu quả.

Các nhà phát triển? Bạn là những người ở tuyến đầu. Việc đào tạo các mô hình AI thực sự mạnh mẽ và có khả năng thích ứng với các tình huống trong thế giới thực phụ thuộc vào dữ liệu đa dạng. Nếu bạn bị mắc kẹt với các bộ dữ liệu độc quyền, được chọn lọc, các mô hình của bạn sẽ dễ vỡ. Chúng sẽ không xử lý được các trường hợp ngoại lệ. Chúng sẽ không thích ứng. Và khi mô hình của bạn bị lỗi trong sản xuất, đó là một vấn đề thực sự. Gỡ lỗi một mô hình được đào tạo trên dữ liệu không đủ là một cơn ác mộng. Đó là một hộp đen của những giả định sai lầm. Và việc lấy dữ liệu đó? Nó không chỉ là vấn đề gọi một API; thường thì đó là một quá trình thủ công, lộn xộn của việc làm sạch, gắn nhãn và xác thực, với rất nhiều vấn đề định dạng không mong muốn và vấn đề chất lượng dữ liệu cần giải quyết.

Sử dụng hợp lý không phải là viên đạn bạc, nhưng nó là một mảnh ghép nền tảng của câu đố. Nếu không có nó, toàn bộ công trình AI, đặc biệt là đối với những người trong chúng ta đang xây dựng các công cụ thực tế cho tiếp thị và tự động hóa, sẽ không thể đứng vững. Đó là về việc cho phép công việc thực tế diễn ra, chứ không chỉ mơ ước về nó.