Đối thoại với Người sáng lập Chance AI: Nhìn thấy một con đường khác của thế giới, thoát khỏi bức tường đồng nhất hóa của "mô hình lớn"

Trong cuộc cạnh tranh AI quy mô lớn chưa từng có hiện nay, “mô hình lớn” đã trở thành câu trả lời mặc định của mọi công ty. Ai cũng đang nâng cấp năng lực tính toán, thi đấu để lên top, giành giật đủ loại vị trí truy cập. Tuy nhiên, ngay khi câu chuyện trong ngành ngày càng dần thu hẹp lại, một công ty khởi nghiệp đã xuất hiện—gần như phủ định tất cả các cách làm phổ biến hiện nay—Chance AI.

Người sáng lập Tằng Hỉ Tường từng xóa ô nhập liệu khỏi trang chủ, làm một ứng dụng AI không cần bạn phải đặt câu hỏi; chỉ cần giơ tay bấm một cái là có thể giúp bạn diễn giải bằng chữ bất cứ thứ gì bạn nhìn thấy, điều này phù hợp hơn với trực giác.

Tại hiện trường, Tằng Hỉ Tường đã chụp một bức ảnh đôi giày Air Jordan 1, Chance AI cho chúng tôi biết đôi đó trị giá 300.000 đô la Mỹ; tại sao ư? Vì đó là đôi giày mà anh chàng Jordan đã mang trong trận Chung kết năm đó; nó còn có thể giúp các cô gái nhìn ra cách phối trang phục. Trước khi ra ngoài, chụp một tấm selfie, App có thể cho cô ấy biết: nếu đổi chiếc khăn quàng cổ sang màu khác, hoặc thêm một chiếc túi màu nào đó thì mức độ ăn khớp sẽ cao hơn.

Rất nhanh, sau khi được sinh viên Bắc Mỹ “kết” trong vòng yêu thích, đội ngũ lại hướng tới tiếng nói của thế hệ trẻ, phát triển hàng loạt tính năng như chấm điểm OOTD (mỗi ngày mặc gì), xem chỉ tay, xem chất da, bình luận kiểu “châm biếm thẳng” và nhiều tính năng khác.

Chỉ diễn giải thôi thì chưa đủ; người dùng còn có thể chia sẻ một chạm lên cộng đồng có sẵn của Chance AI, “những gì nhìn thấy” trở thành câu chuyện để người dùng mang đi kể lại, và cũng từ đó mà một nhóm người trẻ 18-25 tuổi tụ lại với nhau.

CTO Ngô Hiểu Phàm chia sẻ với Huáljiè giới thiệu kinh doanh rằng, Chance AI hiện đã thu hút khoảng 250.000 người dùng trên toàn cầu.

Từ đó, hình thái kiểu Google Lens + Xiaohongshu, Instagram dần định hình; Chance AI cũng bước đầu đã gom đủ các yếu tố tạo “hit”. Hơn nữa, người trẻ dùng càng nhiều thì càng có thể nắm bắt được nhu cầu thật của họ; Tằng Hỉ Tường nói: “Chúng tôi có khoảng hơn 200.000 người dùng, mỗi cô gái Bắc Mỹ trung bình mỗi ngày chụp 2,8 lần trang phục; lượng dữ liệu này kinh khủng đến mức nào”.

Nắm trong tay mỏ tài nguyên mà các đại công ty và sàn thương mại điện tử đều mơ ước, nhưng Tằng Hỉ Tường và đội ngũ lại không vội vàng kiếm tiền. Họ cũng không có ý định mù quáng chạy theo làn sóng “phần cứng AI” đang nóng rực thời điểm hiện tại, thậm chí tạm thời cũng không dám làm truyền thông quy mô lớn hơn, vì sợ cơ sở hạ tầng nhất thời không chống đỡ nổi “cơn mưa phú quý đổ xuống như thác”.

Họ dự định tiếp tục mài giũa “visual Agent” của chính mình, phát triển “bộ não thị giác” này mạnh mẽ hơn, qua đó tích lũy dữ liệu phong phú hơn, hình thành cộng đồng thị giác, gia tăng tốc độ “lăn cầu tuyết”.

Trong bối cảnh sản phẩm AI ngày càng bị đồng nhất hóa, Tằng Hỉ Tường trở thành một số ít phe rời khỏi câu chuyện chủ đạo; nhưng anh lại đào được sự đồng thuận xuất phát từ bản năng con người: nếu 70% băng thông não của con người được dùng để xử lý thị giác, thì lối vào tương lai của AI không nên tiếp tục bị độc quyền bởi một ô nhập liệu.

Lựa chọn của Chance AI có thể là quyết liệt, nhưng trong một đường đua ngày càng bị cuốn vào vòng cạnh tranh khốc liệt, nó lại càng đáng để quan sát vì tính hiếm có.

Đưa tương tác trở về bản năng thị giác

Khi ngành đã quen định nghĩa ranh giới sản phẩm bằng cách “con người hỏi, AI trả lời”, Chance AI—người sáng lập Tằng Hỉ Tường—đã nêu với Huáljiè giới thiệu kinh doanh một câu hỏi: “Tại sao mắt không mọc ở mông?”

Bởi trong logic tiến hóa của loài người, thị giác là nguyên lý cơ bản bậc nhất; còn ngôn ngữ chỉ là một hệ thống mã hóa xuất hiện muộn hơn.

Tằng Hỉ Tường cho biết, xét từ góc độ tiến hóa, trong não người có khoảng 70% xử lý thông tin liên quan đến thị giác—trước khi ngôn ngữ xuất hiện, con người đã dựa vào thị giác để nhận biết môi trường, phán đoán nguy hiểm và cơ hội.

Trong mười năm qua, mọi cách tương tác chủ đạo đều được chuẩn hóa bằng ô nhập liệu. Người dùng phải biết trước vấn đề là gì; phải dịch nhu cầu thành ngôn ngữ; rồi đưa ngôn ngữ đó cho một mô hình.

Với phần lớn mọi người, cách làm này không tự nhiên. Khi đi ngoài đường nhìn thấy một tòa nhà lạ lùng, nhìn thấy một tác phẩm nghệ thuật xa lạ, nhìn thấy một ký hiệu mờ mịt, phản ứng đầu tiên là “bị thu hút”; còn câu hỏi thì xuất hiện sau khi sự chú ý đã được kích hoạt.

Tằng Hỉ Tường nói: “Prompt là để dành cho AI lười biếng.”

Ý của anh không phải là tấn công hệ sinh thái prompt, mà là cho rằng trong đa số trường hợp, prompt là thứ mà con người đang giúp mô hình làm việc—lấp vào chuỗi suy luận mà mô hình còn thiếu. Nếu AI đủ thông minh, nó không nên dựa vào việc con người dạy nó “cách hỏi”; thay vào đó, nó phải có thể thông qua các manh mối thị giác để chủ động hiểu điểm người dùng đang chú ý.

Tằng Hỉ Tường kể với Huáljiè giới thiệu kinh doanh một câu chuyện. Anh nói bản thân là người yêu nghệ thuật; hai năm trước, anh từng làm một ứng dụng nhỏ để quét và thuyết minh AI cho việc tổ chức triển lãm. Tuy nhiên sau khi triển lãm kết thúc, Tằng Hỉ Tường phát hiện vẫn có hơn 1500 người đang dùng ứng dụng nhỏ đó; sau khi khảo sát, anh biết rằng người dùng đã hình thành trí nhớ cơ bắp, dùng nó để quét đủ loại hoa cỏ, phim ảnh, trang phục, rồi tiếp tục trò chuyện với AI.

Trên thực tế, trong con người Tằng Hỉ Tường có trách nhiệm của một nhà thiết kế rất nặng; “sứ mệnh của chúng tôi là xóa bỏ khoảng cách giữa công nghệ và con người. AI có thể trong mắt nhiều người hơi ‘lạnh lùng’, nhưng mục tiêu của tôi là khiến nó trở nên tự nhiên hơn, gần với nhu cầu bản năng của con người hơn—dùng thị giác để hiểu và khám phá thế giới.”

Dựa trên phán đoán đó, hình thái sản phẩm được quyết định trực tiếp. Ngay từ ngày đầu, Chance AI đã loại bỏ ô nhập liệu khỏi giao diện lõi.

“Nhìn” trở thành hành động mặc định, còn “hỏi” trở thành một hành động tùy chọn. Người dùng không cần tổ chức ngôn ngữ, không cần tự xây dựng câu hỏi trước, cũng không cần tốn công tìm “cách đặt câu hỏi mà AI thích nhất”. Trong khi gần như mọi người trong ngành đều đang tăng cường tương tác bằng ngôn ngữ, quyết định này lại trông như đi ngược dòng.

Nhưng chính vì thế, nó né được đường đua nơi đa số mô hình chen chúc vào cùng nhau. Ô nhập liệu đại diện cho mục đích; còn thị giác đại diện cho bản năng; ô nhập liệu nhấn mạnh giải quyết vấn đề, còn thị giác nhấn mạnh kích hoạt sự tò mò. Cách tương tác của Chance AI, nếu nói giống công cụ thì có lẽ giống hơn một phương thức luyện tập cơ bắp nhận thức.

Tuy nhiên, người tiên phong cũng gánh rủi ro. Hiện tại ngành đã dựng sẵn một hành trình người dùng hoàn chỉnh dựa trên tương tác bằng ngôn ngữ: từ tìm kiếm, đến thương mại điện tử, rồi đến chế độ trợ lý; người dùng cũng dần được huấn luyện để ngày càng phụ thuộc vào việc “đặt câu hỏi”.

Liệu thị giác có thực sự trở thành cổng vào mới hay không vẫn chưa có câu trả lời chắc chắn, hình thái phần cứng cũng chưa trưởng thành. Nhưng trong một đường đua có mức độ đồng nhất cao như vậy, Chance AI ít nhất đã cố gắng để vấn đề quay về trạng thái “mở ra”, thay vì tiếp tục ép tương tác thành một cái hộp giống như tất cả những người khác.

Từ nhận diện đến suy luận ý nghĩa

Phần không đồng thuận thật sự của Chance AI không nằm ở việc nó dùng camera, mà ở chỗ nó coi việc “giải thích ý nghĩa” là năng lực cốt lõi của AI.

Tằng Hỉ Tường nói rằng cảm hứng khi anh sáng lập Chance AI bắt nguồn từ một lần thời thơ ấu xem ngắm bức “Mona Lisa”. “Khi tôi đứng trước nàng, nhỏ hơn rất nhiều so với tưởng tượng trong khi tầm vóc của nàng chỉ trong khuôn khổ kích thước ấy, tôi đầy mong đợi nhưng hoàn toàn không hiểu ý nghĩa trong đó. ‘Chẳng phải chỉ là một bức tranh nhỏ xíu, có gì ghê gớm đâu’, tôi liếc qua một cái rồi bỏ đi vội”.

“Con người là động vật thị giác, cũng là động vật của câu chuyện; bẩm sinh chúng ta bị thu hút bởi cảnh tượng trước mắt, nhưng điều thực sự chạm đến chúng ta lại là câu chuyện phía sau nó”. Sau này, khi Tằng Hỉ Tường có cơ hội tìm hiểu sâu hơn về Đa Vinci và câu chuyện đằng sau bức tranh, cuối cùng anh hiểu vì sao nó được gọi là một báu vật của nền văn minh nhân loại.

Tằng Hỉ Tường nói, sứ mệnh của Chance AI là dùng công nghệ để giúp mọi người khám phá những câu chuyện ẩn giấu này, xóa bỏ khoảng cách giữa con người và thế giới. Còn “Chance” trong cái tên này không chỉ đại diện cho “cơ hội”, mà còn đại diện cho “tính ngẫu nhiên” (contingency).

Trong quan điểm của anh, quá trình tiến hóa của sinh vật phụ thuộc vào tính ngẫu nhiên; và sự ra đời của tri thức, sáng tạo của con người cũng thường bắt nguồn từ những va chạm ngẫu nhiên ấy. Chance AI hy vọng bằng cách kết nối thị giác và câu chuyện, tăng tốc sự giao thoa của những tri thức đó, để mỗi trải nghiệm thị giác trở nên sâu sắc và có ý nghĩa hơn.

Nhìn lại, trong năm qua toàn ngành đã tiến mạnh theo hướng đa phương thức; các mô hình chủ đạo ngày càng chính xác trong việc nhận dạng hình ảnh, gắn nhãn, mô tả. Tuy nhiên theo Tằng Hỉ Tường, hầu hết các năng lực đó gần như đều có một giới hạn chung: chúng có thể nói rõ “đó là gì”, nhưng rất khó để giải thích tiếp “vì sao nó quan trọng”.

Sự hiểu biết của con người về thế giới chưa bao giờ dừng ở tầng sự thật. Cho dù đó là thuyết minh phim, bình luận trận đấu, hướng dẫn du lịch hay giảng giải nghệ thuật, con người cần những vai trò đó vì chúng giúp chúng ta chuyển sự thật thành ý nghĩa, biến thông tin thành câu chuyện sau khi “giải nén”, và liên kết những thứ chúng ta nhìn thấy với hệ thống văn hóa lớn hơn. Theo nghĩa đó, thị giác là một phương thức suy luận.

Sản phẩm của Chance AI đã đưa ra một lựa chọn rõ ràng trong phần này. Nó không chỉ dừng ở mô tả khách quan, mà cố gắng huy động nền tảng tri thức của một vật thể, bối cảnh ngữ cảnh văn hóa và sự đồng thuận xã hội xoay quanh nó.

Tằng Hỉ Tường đưa ra ví dụ với Huáljiè giới thiệu kinh doanh: một hòn đá không còn chỉ là “một khối đá cỡ lớn đặt trên bê tông”, mà là LevitatedMass ở LACMA Los Angeles; đó là một tác phẩm nghệ thuật công cộng được vận chuyển với chi phí 13 triệu 3 trăm ngàn đô la Mỹ; nó là một ẩn dụ về cấu trúc tầng lớp đô thị của Mỹ. Một tòa nhà không chỉ là “tòa nhà chọc trời theo chủ nghĩa tương lai”, mà là một trong những tác phẩm còn lại của Zaha Hadid; đó là biểu tượng cho việc hoa tử đằng nụ sắp nở.

Những giải thích này không phải do mô hình tự động sinh ra, mà là một dạng suy luận ý nghĩa mang tính chủ động. Tiền đề của nó là mô hình sẵn sàng can thiệp, sẵn sàng giải thích, và sẵn sàng chấp nhận một mức rủi ro chủ quan. Đây chính là điều mà các mô hình chủ đạo ít muốn làm nhất.

Theo quan điểm của người trong ngành, chiến lược của các mô hình từ đại công ty cực kỳ thận trọng; họ thiên về cung cấp thông tin an toàn, chuẩn hóa, không gây tranh cãi. Còn việc “giải thích” bản thân lại mang tính chủ quan, đồng thời cũng mang đến tranh luận; điều này đối với một sản phẩm thương mại quy mô lớn sẽ làm rủi ro bị khuếch đại.

Đó cũng là lý do vì sao “suy luận ý nghĩa” luôn là vùng xám của ngành. Công ty lớn không làm không có nghĩa là họ không thể làm, mà là nếu làm thì có thể kéo theo chi phí. Định vị của Chance AI khiến nó có năng lực gánh vác những “lời giải thích không chắc chắn” này, và cũng khiến nó đi xa hơn người khác trên con đường “hiểu thị giác”.

Nhưng giới hạn của mô hình này cũng rất rõ ràng. Ngữ cảnh văn hóa có thể bị lệch, câu chuyện về ý nghĩa có thể biến thành một dạng “thầy bói AI” mới. Mô hình càng đi về phía “giải thích” thì càng cần cân bằng giữa độ sâu và độ chính xác. Với các đại công ty, đó là rủi ro không thể mạo hiểm; còn với Chance, đó là ranh giới buộc phải gánh.

Nhưng chính vì nó đứng ở khu vực mà các gã khổng lồ ít muốn bước vào, nó lại sở hữu một “cửa sổ thời gian” hiếm có. Thứ mà nó cố gắng trả lời là “AI có thể nâng cao khả năng hiểu biết của con người hay không”. Nó đúng là đã chạm tới nhu cầu thật của một nhóm người: trong một thế giới tràn ngập thông tin, việc phán đoán còn hiếm hơn cả đáp án; hiểu biết còn quan trọng hơn cả tốc độ.

Vấn đề của Chance AI nằm ở chỗ lộ trình của nó đòi hỏi sự kiên nhẫn, đòi hỏi hệ sinh thái, đòi hỏi phần cứng và cần quá trình chuyển đổi thói quen văn hóa. Điểm mạnh của nó là: sớm hơn người khác nhận ra rằng lần thay đổi cổng vào tiếp theo của AI có thể diễn ra ở mảng thị giác.

Trong thời đại mà mọi công ty đều đặt cược vào mô hình ngôn ngữ, phán đoán này trông có vẻ cô độc; nhưng cũng vì thế mà xứng đáng được ghi nhận.

Cảnh báo rủi ro và điều khoản miễn trừ trách nhiệm

        Thị trường có rủi ro, đầu tư cần thận trọng. Bài viết này không cấu thành lời khuyên đầu tư cá nhân và cũng không xem xét đến mục tiêu đầu tư đặc thù của từng người dùng, tình hình tài chính hoặc nhu cầu cụ thể. Người dùng cần cân nhắc liệu bất kỳ ý kiến, quan điểm hoặc kết luận nào trong bài viết này có phù hợp với tình huống cụ thể của họ hay không. Căn cứ vào đó để đầu tư, chịu trách nhiệm hoàn toàn.