Dưới đây là ghi chú của tôi từ các buổi TED talk tại TEDAI Vienna 2025 (ngày 26 tháng 9 năm 2025) Phiên 1: Nền tảng Walter Werzowa (Nghệ sĩ, Học viện Nghệ thuật Hoàng gia, Học viện Ghi âm), Olivier Oullier (Inclusive Brains, Biotech Dental, MBZUAI) - Giới thiệu - Dàn nhạc, giao diện não, DJ, nhạc sĩ - Buổi biểu diễn chuyển đổi sóng não thành âm nhạc thông qua AI Shaden Alshammari (Nhà nghiên cứu, MIT) - Bảng tuần hoàn hóa học là nguồn cảm hứng cho khung máy học - Bảng tuần hoàn máy học tổ chức các thuật toán, phân phối và hàm mục tiêu - Phương pháp học đại diện kết nối các phương pháp khác nhau - Thuật toán phân cụm hình ảnh mới cải thiện thuật toán phân cụm K-means đã 60 năm tuổi - Các biến R và Q đại diện cho các mối quan hệ thực (có và không có chú thích) và các mối quan hệ đã học tương ứng - Cấu trúc bảng tuần hoàn cho các thuật toán máy học tiết lộ các khoảng trống cho các phương pháp mới - Tín hiệu học có giám sát thông qua các đại diện đã học Lukasz Kaiser (Nhà nghiên cứu, OpenAI) - Xe tự lái - tại sao chúng không lái khắp nơi như tài xế taxi? - Tại sao AI để chữa bệnh lại khó khăn như vậy? Máy móc cần học từ ít dữ liệu hơn - Các mô hình có thể học mạnh mẽ hơn - RNNs - ốc sên đi quanh các từ - Transformers - ốc sên mang ba lô với tất cả các từ trước đó - Transformers học từ ít dữ liệu hơn - Các mô hình lý luận/người lý luận - vẫn mang theo tất cả các từ, nhưng cũng sản xuất ra các từ của riêng mình ở giữa (thời gian kiểm tra), có thể làm toán và suy nghĩ trong ngữ cảnh - Các nhà nghiên cứu - các mô hình mạnh mẽ + dữ liệu có thể học, dữ liệu tùy ý, thời gian kiểm tra tùy ý, song song (không còn tuần tự nữa) - Các phát hiện khoa học, loại mô hình tiếp theo - Thời gian - gần hơn chứ không phải xa hơn, vài tháng/một năm nhưng không phải hàng thập kỷ; không phải tương lai quá xa - Ngạc nhiên rằng các transformers và người lý luận hoạt động tốt như vậy Oriol Vinyals (Trưởng nhóm Kỹ thuật cho Gemini, Phó Chủ tịch Nghiên cứu, Google DeepMind) - Nhà khoa học - giải quyết trí tuệ để thúc đẩy khoa học và mang lại lợi ích cho nhân loại - "Những gì tôi không thể tạo ra, tôi không hiểu" (Feynman) - Dilemma của người xây dựng - các nhà khoa học tạo ra các hệ thống AI có thể thay thế chính họ - Sự thay thế con người - sự chuyển đổi ảnh hưởng đến tất cả, bao gồm cả các nhà khoa học - Công cụ chuyên biệt - AlphaFold (dự đoán cấu trúc protein) - Sự tiến hóa của các hệ thống đa năng - năm ngoái các mô hình chuyên biệt (AlphaProof, AlphaGeometry), năm nay mô hình tổng quát duy nhất (Deep Think) - Deep Think - huy chương vàng tại IMO và ICPC - Nhà khoa học AI - nguyên mẫu nội bộ tại Google DeepMind cho nghiên cứu khoa học tự động - Câu hỏi trung tâm - nhà khoa học xây dựng Nhà khoa học AI, thay thế chính mình? Verity Harding (Người sáng lập, Giám đốc & Tác giả, Đại học Cambridge & Formation Advisory) - Cuộc chạy đua vũ trang khác trên toàn cầu - AI - Sự lạc quan trước đây - AI toàn cầu, hợp tác, các đối tác toàn cầu - Sự hợp tác và cộng tác đã nhường chỗ khi AI trở nên mạnh mẽ hơn - Ra mắt ChatGPT - Sự kết hợp của các yếu tố dẫn đến sự chuyển dịch nhanh chóng - Kiểm soát xuất khẩu, các bài phát biểu phòng thủ - Trước tiên bạn phải thắng - bạn sẽ làm gì để thắng khi bạn không thể sống sót để thua - AI sẽ tiếp tục, nhưng không có vạch đích, việc áp dụng AI không phải là nhị phân - Ẩn dụ thay thế - đó là cuộc đua không gian (không phải cuộc đua hạt nhân) - "Chúng tôi đến đây trong hòa bình vì tất cả nhân loại" (chiến lược địa chính trị có chủ đích từ Mỹ) - Không gian - tỉnh của toàn nhân loại, không có vũ khí hủy diệt hàng loạt trong không gian, không ai sẽ thuộc địa hóa mặt trăng - "Chúng tôi tạo ra các ẩn dụ của mình và sau đó các ẩn dụ của chúng tôi tạo ra chúng tôi" - Hãy nói về việc lãnh đạo, không phải thắng - Cuộc đua hướng tới sự thống trị thế giới hoặc biên giới mới Tullio Ghi (MD, PhD, Bệnh viện Đại học Agostino Gemelli) - Rủi ro biến chứng trong quá trình sinh - Quyết định về can thiệp nào sẽ sử dụng khi nguồn cung oxy bị ảnh hưởng trong quá trình sinh (hút chân không, mổ lấy thai) tùy thuộc vào mức độ mà em bé đã xuống - Siêu âm qua perineal, đo khoảng cách đầu-perineum - Đo khoảng cách đầu-perineum tự động dựa trên AI - Đánh giá mức độ xoay và vị trí của đầu thai nhi trong ống sinh - 3 mạng nơ-ron tích chập hoạt động đồng thời - 2,154 hình ảnh siêu âm từ 16 trung tâm trên toàn thế giới, độ chính xác tổng thể 94.5% và độ nhạy 95.6%

OpenAI và NVIDIA đã công bố một bức thư ý định cho một quan hệ đối tác chiến lược mang tính bước ngoặt nhằm triển khai ít nhất 10 gigawatt hệ thống NVIDIA đại diện cho hàng triệu GPU cho cơ sở hạ tầng AI thế hệ tiếp theo của OpenAI để đào tạo và vận hành thế hệ mô hình tiếp theo trên con đường triển khai siêu trí tuệ. NVIDIA dự định đầu tư lên tới 100 tỷ đô la vào OpenAI một cách dần dần khi mỗi gigawatt được triển khai và giai đoạn đầu tiên dự kiến sẽ đi vào hoạt động trong nửa cuối năm 2026 sử dụng nền tảng Vera Rubin của NVIDIA.