0:00

31:43

Inside Google DeepMind: AGI, Robotics, & World Models Explained - Demis Hassabis

All-In Podcast·31:43·Technology·B2

Chương · 7

Chương 1·Demis Hassabis and DeepMind's Mission

Hiển thị

Tiếng ViệtAuto-scroll

0:01

A genius who may hold the cards of our future.

Một thiên tài có thể nắm giữ vận mệnh tương lai của chúng ta.

0:05

- CEO of Google DeepMind, which is the engine of the company's artificial intelligence.

- CEO của Google DeepMind, đơn vị là động lực cho trí tuệ nhân tạo của công ty.

0:10

- After his Nobel and a knighthood from King Charles, he became a pioneer of artificial intelligence.

- Sau giải Nobel và được phong tước hiệp sĩ bởi Vua Charles, ông trở thành người tiên phong của trí tuệ nhân tạo.

0:17

- We were the first ones to start doing it seriously in the modern era.

- Chúng tôi là những người đầu tiên bắt đầu làm điều đó một cách nghiêm túc trong kỷ nguyên hiện đại.

0:21

AlphaGo was the big watershed moment, I think, not just for DeepMind at my company, but for AI in general.

AlphaGo là khoảnh khắc bước ngoặt lớn, tôi nghĩ vậy, không chỉ đối với DeepMind tại công ty tôi, mà còn đối với AI nói chung.

0:27

This was always my aim with AI from a kid, which is to use it to accelerate scientific discovery.

Đây luôn là mục tiêu của tôi với AI từ khi còn nhỏ, đó là sử dụng nó để tăng tốc khám phá khoa học.

0:33

- Ladies and gentlemen, please welcome Google DeepMind's Demis Hassabis.

- Thưa quý vị, xin chào mừng Demis Hassabis của Google DeepMind.

0:40

Applause - Welcome.

[Vỗ tay] - Chào mừng.

0:44

- Great to be here.

- Rất vui được ở đây.

0:45

- Thanks.

- Cảm ơn.

0:45

Thanks for following Tucker, Mark Cuban at all.

Cảm ơn vì đã theo dõi Tucker, Mark Cuban và tất cả.

0:48

Um, first off, congrats on winning the Nobel Prize.

Ừm, trước tiên, chúc mừng ông đã giành giải Nobel.

0:52

- Thank you.

- Cảm ơn.

0:53

Um, thanks for the incredible breakthrough of AlphaFold.

Ừm, cảm ơn vì bước đột phá đáng kinh ngạc của AlphaFold.

0:56

Maybe you may have done this before, but I know everyone here would love to hear your recounting of how you where you were when you won the Nobel Prize.

Có thể ông đã làm điều này trước đây, nhưng tôi biết mọi người ở đây đều muốn nghe ông kể lại về việc ông đã ở đâu khi giành giải Nobel.

1:07

How'd you find out?

Ông đã phát hiện ra như thế nào?

1:09

- Well, it was very surreal moment obviously.

- Chà, đó rõ ràng là một khoảnh khắc rất siêu thực.

1:11

Um, you know, it's that everything about it is surreal.

Ừm, bạn biết đấy, mọi thứ về nó đều siêu thực.

1:13

The way they tell you, they tell you like 10 minutes before it all goes live.

Cách họ thông báo cho bạn, họ thông báo cho bạn khoảng 10 phút trước khi mọi thứ được công bố.

1:17

It's just, you know, you can't really it's you're sort of shell shocked when you get that call from Sweden.

Chỉ là, bạn biết đấy, bạn thực sự không thể - bạn như bị sốc khi nhận được cuộc gọi từ Thụy Điển.

1:22

It's the call that every scientist dreams about.

Đó là cuộc gọi mà mọi nhà khoa học đều mơ ước.

1:25

And um and then the seal ceremonies the

Và ừm và sau đó là các buổi lễ trao giải

1:27

whole week in Sweden with the royal family.

Cả tuần ở Thụy Điển với hoàng gia.

1:29

It's amazing.

Thật tuyệt vời.

1:30

Obviously, it's been going for 120 years.

Rõ ràng, nó đã diễn ra được 120 năm.

1:32

Uh and the most amazing bit is they bring out the this Nobel book from the from the vaults in the safe and you get to sign your name next to you know all the other greats.

Uh và điều tuyệt vời nhất là họ mang ra cuốn sách Nobel này từ hầm lưu trữ và két sắt, và bạn được ký tên mình bên cạnh, bạn biết đấy, tất cả những người vĩ đại khác.

1:43

So it's quite an incredible moment sort of leafing back to the other pages and seeing Feynman and Marie Curie

Vì vậy, đó là một khoảnh khắc khá đáng kinh ngạc khi lật lại các trang khác và thấy Feynman và Marie Curie

1:49

and Einstein and Niels Bohr and you just carry on going backwards and you get to put your name on that in that book.

Và Einstein và Niels Bohr, và bạn cứ tiếp tục lật ngược lại và bạn được đặt tên mình vào cuốn sách đó.

1:54

It's incredible.

Thật đáng kinh ngạc.

1:55

- Did you have an inkling you had been nominated and that this might be coming your way?

- Ông có linh cảm rằng mình đã được đề cử và điều này có thể sẽ đến với mình không?

1:59

- Well, you you get you hear rumors.

- Chà, bạn - bạn nghe tin đồn.

2:00

It's amazingly locked down actually in today's age how they keep it so quiet, but um it's sort of like a national treasure for Sweden.

Thật đáng kinh ngạc là họ giữ kín đến vậy trong thời đại ngày nay, nhưng ừm, nó giống như một báu vật quốc gia của Thụy Điển.

2:07

And um and so you hear, you know, maybe AlphaFold is the kind of thing that would be uh worthy of that recognition.

Và ừm, và vì vậy bạn nghe nói, bạn biết đấy, có thể AlphaFold là loại thứ sẽ xứng đáng với sự công nhận đó.

2:15

And it has they look for impact as well as the scientific breakthrough uh impact in the real world.

Và họ tìm kiếm tác động cũng như đột phá khoa học - ừm, tác động trong thế giới thực.

2:21

And that can take 20 30

Và điều đó có thể mất 20, 30

2:23

years to arrive.

Năm để đến.

2:23

So you just never know, you know, whether how soon it's going to be and and whether it's going to be at all.

Vì vậy, bạn không bao giờ biết, bạn biết đấy, liệu nó sẽ đến sớm như thế nào và liệu nó có đến không.

2:29

So it's a surprise.

Vì vậy, đó là một bất ngờ.

2:30

- Well, congrats.

- Chà, chúc mừng.

2:31

- Yeah.

- Vâng.

2:31

Thank you.

Cảm ơn.

2:32

- Um and thank you.

- Ừm và cảm ơn ông.

2:33

You let me take a picture with it a few weeks ago when we So that's something I'll cherish.

Ông đã cho tôi chụp ảnh với nó vài tuần trước khi chúng ta - Vì vậy, đó là điều tôi sẽ trân trọng.

2:39

Um - what is DeepMind within Alphabet?

Ừm - DeepMind nằm ở đâu trong Alphabet?

2:41

Alphabet is a sprawling organization, sprawling business units.

Alphabet là một tổ chức rộng lớn, các đơn vị kinh doanh trải rộng.

2:43

What is DeepMind?

DeepMind là gì?

2:44

What are you responsible for?

Ông chịu trách nhiệm về điều gì?

2:46

- Well, we sort of see DeepMind now and Google DeepMind as it's become.

- Chà, chúng tôi thấy DeepMind bây giờ và Google DeepMind như nó đã trở thành.

2:49

We sort of merged a couple of years back all of the different AI efforts across Google and Alphabet including DeepMind.

Chúng tôi đã hợp nhất vài năm trước tất cả các nỗ lực AI khác nhau trên khắp Google và Alphabet bao gồm cả DeepMind.

2:55

Put it all together, the kind of bringing the the strengths of all the different groups together into one division.

Đặt tất cả lại với nhau, kiểu như mang thế mạnh của tất cả các nhóm khác nhau vào một bộ phận.

3:01

And um really the way I describe it now is that we're the engine room of the whole

Và thực sự cách tôi mô tả nó bây giờ là chúng tôi là phòng máy của toàn bộ

3:06

of Google and the whole of Alphabet.

Của Google và toàn bộ Alphabet.

3:08

So Gemini, our main model that we're building, but also many of the other models that we also build, the video models and interactive world models, uh we plug them in all across Google now.

Vậy nên Gemini, mô hình chính mà chúng tôi đang xây dựng, nhưng cũng như nhiều mô hình khác mà chúng tôi cũng xây dựng, các mô hình video và mô hình thế giới tương tác, uh chúng tôi cắm chúng vào khắp Google hiện nay.

3:18

So pretty much every product, every surface area has um uh one of our AI models in it.

Vậy nên hầu như mọi sản phẩm, mọi bề mặt đều có um uh một trong các mô hình AI của chúng tôi trong đó.

3:23

So you know, billions of people now interact with Gemini models, whether that's through AI overview, AI mode, or the Gemini app.

Vậy nên bạn biết đấy, hàng tỷ người hiện nay tương tác với các mô hình Gemini, dù là thông qua tổng quan AI, chế độ AI, hay ứng dụng Gemini.

3:31

Uh and that's just the beginning.

Uh và đó chỉ là khởi đầu.

3:33

You know, we're kind of incorporating into workspace into Gmail and so on.

Bạn biết đấy, chúng tôi đang tích hợp vào workspace, vào Gmail và vân vân.

3:37

So it's a fantastic opportunity really for us to do cutting

Vậy nên đó thực sự là một cơ hội tuyệt vời cho chúng tôi để làm nghiên cứu tiên

3:41

edge research, but then immediately ship it to billions of users.

Phong, nhưng rồi ngay lập tức triển khai nó đến hàng tỷ người dùng.

3:45

- And uh how many people what's the profile?

- Và uh có bao nhiêu người, hồ sơ của họ là gì?

3:47

Are these scientists, engineers?

Họ là các nhà khoa học, kỹ sư phải không?

3:49

What's the makeup of your - There's around 5,000 people in in my or in Google DeepMind and you know, it's predominantly I guess 80% plus engineers and PhD researchers.

Thành phần của bạn là gì - Có khoảng 5.000 người trong tôi hoặc trong Google DeepMind và bạn biết đấy, chủ yếu tôi đoán là hơn 80% là kỹ sư và nhà nghiên cứu có bằng tiến sĩ.

3:58

So, uh yeah, about you know, three or 4 thousand.

Vậy, uh vâng, khoảng bạn biết đấy, ba hoặc bốn nghìn.

4:02

- So, there's an evolution of models, a lot of new models coming out and also new classes of models.

- Vậy, có một sự tiến hóa của các mô hình, rất nhiều mô hình mới ra đời và cả những lớp mô hình mới.

4:08

Um the other day you released this Genie World model.

Um hôm trước bạn đã phát hành mô hình Genie World này.

4:11

- Yes.

- Vâng.

4:12

- So, what is the Genie World model and um I think we got a video of it.

- Vậy, mô hình Genie World là gì và um tôi nghĩ chúng ta có một video về nó.

4:16

Is it worth looking at and we can talk about it live?

Có đáng để xem không và chúng ta có thể nói về nó trực tiếp?

4:19

- Yeah, we can watch.

- Vâng, chúng ta có thể xem.

4:19

Sure.

Chắc chắn rồi.

4:20

- Because I think you have to see it to understand it because it's so extraordinary.

- Bởi vì tôi nghĩ bạn phải xem nó để hiểu nó vì nó quá phi thường.

4:23

Um, can we pull up the video and then uh Demis can narrate a little bit about what we're looking at.

Um, chúng ta có thể mở video lên và rồi uh Demis có thể tường thuật một chút về những gì chúng ta đang xem.

4:28

- What you're seeing are not games or videos, they're worlds.

- Những gì bạn đang thấy không phải là trò chơi hay video, chúng là những thế giới.

4:34

Each one of these is an interactive environment generated by Genie 3, a new frontier for world models.

Mỗi cái trong số này là một môi trường tương tác được tạo ra bởi Genie 3, một biên giới mới cho các mô hình thế giới.

4:40

With Genie 3, you can use natural language to generate a variety of worlds and explore them interactively.

Với Genie 3, bạn có thể sử dụng ngôn ngữ tự nhiên để tạo ra nhiều thế giới khác nhau và khám phá chúng một cách tương tác.

4:47

All with a single text prompt.

Tất cả chỉ với một câu lệnh văn bản.

4:49

- Yeah.

- Vâng.

4:49

So all of these videos, all these interactive worlds that you're seeing, so you're seeing someone actually can control the video.

Vậy tất cả những video này, tất cả những thế giới tương tác mà bạn đang thấy, vậy bạn đang thấy ai đó thực sự có thể điều khiển video.

4:55

It's not a static video.

Nó không phải là video tĩnh.

4:56

It's just being generated by a text prompt.

Nó chỉ được tạo ra bởi một câu lệnh văn bản.

4:58

And then people are able to control the 3D environment using the arrow keys and the spacebar.

Và rồi mọi người có thể điều khiển môi trường 3D bằng các phím mũi tên và phím cách.

5:03

So everything you're seeing here is being fully all these pixels are being

Vậy mọi thứ bạn đang thấy ở đây đều được hoàn toàn, tất cả những pixel này đều được

5:07

generated on the fly.

Tạo ra ngay lập tức.

5:08

They don't exist until the player or the the person interacting with it goes to that part of the world.

Chúng không tồn tại cho đến khi người chơi hoặc người tương tác với nó đi đến phần đó của thế giới.

5:14

So, um, all of this richness, um, and then you'll see in a second.

Vậy, um, tất cả sự phong phú này, um, và rồi bạn sẽ thấy trong giây lát.

5:18

So, this is fully generated.

Vậy, cái này được tạo ra hoàn toàn.

5:19

This is not a real video.

Đây không phải là video thật.

5:21

This is generated someone painting their room and they're painting some stuff on the wall.

Đây là được tạo ra, ai đó đang sơn phòng của họ và họ đang sơn vài thứ lên tường.

5:25

And then the player is going to look to the right.

Và rồi người chơi sẽ nhìn sang phải.

5:29

Uh, and then look back.

Uh, và rồi nhìn lại.

5:32

So, now this part of the world didn't exist before, so now it exists.

Vậy, bây giờ phần này của thế giới đã không tồn tại trước đó, nên bây giờ nó tồn tại.

5:36

And then they look back and they see the same painting marks they left just earlier.

Và rồi họ nhìn lại và họ thấy những vết sơn giống như họ đã để lại trước đó.

5:41

And again, this is fully every pixel you can see is fully generated.

Và một lần nữa, đây hoàn toàn là mọi pixel bạn có thể thấy đều được tạo ra hoàn toàn.

5:46

And then you can type things like person in a chicken suit or a jet ski and it will just uh in real time uh include them in the scene.

Và rồi bạn có thể gõ những thứ như người trong bộ đồ gà hay xe trượt nước và nó sẽ uh trong thời gian thực uh đưa chúng vào cảnh.

5:55

- So um I think - you know it's quite mind-blowing really.

- Vậy um tôi nghĩ - bạn biết đấy nó thực sự khá kinh ngạc.

5:58

- I think what's hard to gro when looking at this because we've all played video games that have a 3D element to them when you're in an immersive world, - but there's no objects that have been created.

- Tôi nghĩ điều khó hiểu khi nhìn vào cái này bởi vì tất cả chúng ta đều đã chơi trò chơi điện tử có yếu tố 3D khi bạn ở trong một thế giới nhập vai, - nhưng không có vật thể nào được tạo ra.

6:08

There's no rendering engine.

Không có công cụ kết xuất.

6:10

You're not using Unity or Unreal which are the 3D rendering engines.

Bạn không sử dụng Unity hay Unreal, những công cụ kết xuất 3D.

6:13

- Yeah, - this is actually just 2D images that are being rendered like created on the fly by the AI.

- Vâng, - cái này thực sự chỉ là những hình ảnh 2D được kết xuất như được tạo ra ngay lập tức bởi AI.

6:19

- This model is reverse engineering intuitive physics.

- Mô hình này đang đảo ngược kỹ thuật vật lý trực giác.

6:21

So, you know, it's watched many millions of videos and YouTube videos and other things about the world.

Vậy, bạn biết đấy, nó đã xem hàng triệu video và video YouTube và những thứ khác về thế giới.

6:28

And just from that, it's kind of reverse engineered how a lot of the world works.

Và chỉ từ đó, nó đã phần nào đảo ngược kỹ thuật cách mà phần lớn thế giới vận hành.

6:33

It's not perfect yet, but it can generate um a consistent minute or two of um interaction as you as the user uh in many different worlds.

Nó vẫn chưa hoàn hảo, nhưng nó có thể tạo ra một hoặc hai phút tương tác nhất quán khi bạn là người dùng trong nhiều thế giới khác nhau.

6:43

There's some videos later on where you can control, you know, a dog on a beach or a jellyfish or that's not limited to just human things - cuz the way a 3D rendering engine works is you type in the programmer programs all the laws of physics.

Có một số video sau này mà bạn có thể điều khiển, bạn biết đấy, một con chó trên bãi biển hoặc một con sứa hoặc không chỉ giới hạn ở những thứ con người - vì cách một công cụ kết xuất 3D hoạt động là bạn nhập vào, lập trình viên lập trình tất cả các định luật vật lý.

6:57

How does light reflect off of an object?

Ánh sáng phản chiếu khỏi một vật thể như thế nào?

6:59

You create a 3D object, light reflects off, and then so what I see visually is rendered by

Bạn tạo một vật thể 3D, ánh sáng phản chiếu, và sau đó những gì tôi thấy bằng mắt được kết xuất bởi

7:05

the software because it's got all the programming on how to create physics, how to do physics.

Phần mềm vì nó có tất cả lập trình về cách tạo vật lý, cách thực hiện vật lý.

7:09

- But this was just trained off of video and it figured it all out.

- Nhưng cái này chỉ được huấn luyện từ video và nó đã tự tìm ra tất cả.

7:14

- Yeah, it was trained off of video and some synthetic data from game engines and it's just reverse engineered it.

- Đúng, nó được huấn luyện từ video và một số dữ liệu tổng hợp từ các công cụ trò chơi và nó chỉ đảo ngược kỹ thuật nó.

7:19

For me, it's it's it's very close to my heart, this project, but it's also quite mind-blowing because in the 90s, in my early career, I used to write uh video games and AI for video games and graphics engines.

Đối với tôi, nó rất gần gũi với trái tim tôi, dự án này, nhưng nó cũng khá kinh ngạc vì vào những năm 90, trong sự nghiệp ban đầu của tôi, tôi từng viết trò chơi điện tử và AI cho trò chơi điện tử và công cụ đồ họa.

7:30

And I remember how hard it was to do this by hand, program

Và tôi nhớ việc làm điều này bằng tay khó khăn như thế nào, lập trình

7:34

all the polygons and the physics engines.

Tất cả các đa giác và công cụ vật lý.

7:36

Um, and it's amazing to just see this, do it effortlessly, all of the reflections on the water and the way materials flow, um, and and objects behave.

Ừm, và thật tuyệt vời khi chỉ nhìn thấy điều này, làm nó một cách dễ dàng, tất cả các phản chiếu trên mặt nước và cách vật liệu chảy, ừm, và các vật thể hành xử.

7:46

And it's just doing that all out of the box.

Và nó chỉ làm điều đó ngay khi cài đặt.

7:50

I think it's hard to describe like how much complexity was solved for with that model.

Tôi nghĩ thật khó để mô tả mức độ phức tạp đã được giải quyết bằng mô hình đó.

7:56

Uh it's it's it's really really mind-blowing.

Uh nó thực sự thực sự kinh ngạc.

7:59

Where does this lead us?

Điều này dẫn chúng ta đến đâu?

8:00

So fast forward this model to gen five.

Vậy hãy tua nhanh mô hình này đến thế hệ thứ năm.

8:04

- Yeah.

- Đúng.

8:04

So the reason we're building these kind of models is um we feel and we've always felt obviously progressing on the normal language models like with our Gemini model but from the beginning with Gemini we wanted it to be multimodal.

Vậy lý do chúng tôi xây dựng những loại mô hình này là ừm chúng tôi cảm thấy và chúng tôi luôn cảm thấy rõ ràng là tiến bộ trên các mô hình ngôn ngữ thông thường như với mô hình Gemini của chúng tôi nhưng từ đầu với Gemini chúng tôi muốn nó đa phương thức.

8:16

So we wanted it to input any take any kind of input images audio video and it can output anything and uh and so we've been very interested in

Vậy chúng tôi muốn nó nhập bất kỳ loại đầu vào nào hình ảnh âm thanh video và nó có thể xuất ra bất cứ thứ gì và uh và vì vậy chúng tôi rất quan tâm đến

8:25

this because you for an AI to be truly general to build AGI we feel that the AGI system needs to understand the world around us and the physical world around us not just the abstract world of languages or mathematics and of course that's what's critical for robotics to work.

Điều này bởi vì để một AI thực sự tổng quát để xây dựng AGI chúng tôi cảm thấy rằng hệ thống AGI cần hiểu thế giới xung quanh chúng ta và thế giới vật lý xung quanh chúng ta không chỉ thế giới trừu tượng của ngôn ngữ hay toán học và tất nhiên đó là điều quan trọng để robot hoạt động.

8:40

It's probably what's missing from it today.

Đó có lẽ là điều còn thiếu ở nó ngày nay.

8:42

And also things like smart glasses, a smart glass assistant that

Và cả những thứ như kính thông minh, một trợ lý kính thông minh mà

8:46

helps you in your everyday life.

Giúp bạn trong cuộc sống hàng ngày.

8:47

It's got to understand the physical context that you're in and how the world the intuitive physics of the world works.

Nó phải hiểu bối cảnh vật lý mà bạn đang ở và cách thế giới vật lý trực quan vận hành.

8:54

So we think that building these types of models uh these genie models and also VO our the best text to video models um those are expressions of us uh building world models that understand the dynamics of the world the physics of the

Vậy chúng tôi nghĩ rằng việc xây dựng những loại mô hình này uh những mô hình genie này và cả VO của chúng tôi những mô hình văn bản thành video tốt nhất ừm đó là những biểu hiện của việc chúng tôi uh xây dựng các mô hình thế giới hiểu động lực học của thế giới vật lý của

9:07

world.

Thế giới.

9:07

If you can generate it then um that's that's an expression of your system understanding uh those dynamics - and that leads to a world of robotics ultimately um one one aspect one application but maybe we can talk about that what is the state-of-the-art with the vision language action models today so a generalized system a box a machine that can observe the world with a camera

Nếu bạn có thể tạo ra nó thì ừm đó là biểu hiện của hệ thống của bạn hiểu uh những động lực đó - và điều đó dẫn đến một thế giới robot cuối cùng ừm một khía cạnh một ứng dụng nhưng có lẽ chúng ta có thể nói về điều đó trạng thái tiên tiến nhất với các mô hình hành động ngôn ngữ thị giác ngày nay là gì vậy một hệ thống tổng quát một hộp một cỗ máy có thể quan sát thế giới bằng camera

9:32

and then I can use language I can use text or speech to tell I want you to do it.

Và sau đó tôi có thể sử dụng ngôn ngữ tôi có thể sử dụng văn bản hoặc giọng nói để bảo tôi muốn bạn làm điều đó.

9:36

And then it knows how to act physically to do something in the physical world for me.

Và sau đó nó biết cách hành động vật lý để làm điều gì đó trong thế giới vật lý cho tôi.

9:41

- That's right.

- Đúng vậy.

9:41

So, if you if you look at our uh Gemini live version of Gemini where you can hold up your phone to the world around you, uh I'd recommend any of you try it.

Vậy, nếu bạn nhìn vào phiên bản Gemini live của chúng tôi nơi bạn có thể giơ điện thoại lên với thế giới xung quanh, uh tôi khuyên bất kỳ ai trong các bạn thử nó.

9:51

It's kind of magical what it already understands about the physical world.

Nó khá kỳ diệu những gì nó đã hiểu về thế giới vật lý.

9:54

Um you can think of the next step as incorporating that in some sort of more handy device like glasses.

Ừm bạn có thể nghĩ bước tiếp theo là kết hợp điều đó vào một loại thiết bị tiện dụng hơn như kính.

10:00

Um and then

Ừm và sau đó

10:01

it will be an everyday assistant.

Nó sẽ là một trợ lý hàng ngày.

10:02

and it'll be able to recommend things to you uh as you're walking the streets or we can embed it into Google Maps.

Và nó sẽ có thể đề xuất những thứ cho bạn uh khi bạn đang đi trên đường phố hoặc chúng tôi có thể nhúng nó vào Google Maps.

10:09

Um and then with robotics uh we've we've built a something called Gemini robotics models which are sort of fine-tuned Gemini with extra robotics data.

Ừm và sau đó với robot uh chúng tôi đã xây dựng một thứ gọi là mô hình robot Gemini được tinh chỉnh từ Gemini với dữ liệu robot bổ sung.

10:16

And what's really cool about that is and we released some demos of this over the

Và điều thực sự thú vị về điều đó là và chúng tôi đã phát hành một số bản demo về điều này trong

10:21

summer was um you can have you know we've got these tabletop setups of two hands uh interacting with objects on a table, two robotic hands and you can just talk to the robot.

Mùa hè là ừm bạn có thể có bạn biết đấy chúng tôi có những thiết lập trên bàn với hai bàn tay uh tương tác với các vật thể trên bàn, hai bàn tay robot và bạn chỉ cần nói chuyện với robot.

10:31

So you can say you know put the yellow object into the red bucket or whatever it is and it will just it will it will interpret that instruction that language instruction into motor movements and that's the

Vậy bạn có thể nói bạn biết đấy đặt vật thể màu vàng vào xô màu đỏ hoặc bất cứ điều gì và nó sẽ chỉ nó sẽ diễn giải hướng dẫn đó hướng dẫn ngôn ngữ đó thành chuyển động động cơ và đó là

10:43

power of a multimodal model rather than just a robotic specific model is that it will be able to bring in real world understanding to the way you interact with it.

Sức mạnh của một mô hình đa phương thức thay vì chỉ một mô hình robot cụ thể là nó sẽ có thể mang lại hiểu biết thế giới thực vào cách bạn tương tác với nó.

10:51

So in the end it will be the UI UX that you need for as well as the understanding the robotic the robots need to navigate the world safely.

Vậy cuối cùng nó sẽ là UI UX mà bạn cần cũng như sự hiểu biết mà robot cần để điều hướng thế giới một cách an toàn.

10:59

I asked Sundar this, does that mean that ultimately you could build what would be

Tôi đã hỏi Sundar điều này, điều đó có nghĩa là cuối cùng bạn có thể xây dựng thứ sẽ là

11:04

the equivalent of call it either a Unix like an operating system layer or like an Android for generalized robotics at which point if it works well enough across enough devices, there will be a proliferation of robotics uh devices and and companies and products that will suddenly take off in the world because this software exists to do this generally.

Tương đương với gọi nó là Unix như một lớp hệ điều hành hoặc như Android cho robot tổng quát tại thời điểm đó nếu nó hoạt động đủ tốt trên đủ thiết bị, sẽ có sự gia tăng của các thiết bị robot uh và các công ty và sản phẩm sẽ đột nhiên cất cánh trên thế giới vì phần mềm này tồn tại để làm điều này một cách tổng quát.

11:27

- Exactly.

- Chính xác.

11:27

That's certainly one strategy we're pursuing is a is a kind of Android play if you like a cross as a kind of robotics almost an OS layer cross robotics.

Đó chắc chắn là một chiến lược chúng tôi đang theo đuổi là một loại chiến lược Android nếu bạn thích một loại robot gần như một lớp OS xuyên robot.

11:37

Um but there's also some quite interesting things about vertically integrating our latest models uh with specific robot uh types and robot designs and some kind of end-to-end learning of that too.

Ừm nhưng cũng có một số điều khá thú vị về việc tích hợp theo chiều dọc các mô hình mới nhất của chúng tôi uh với các loại robot cụ thể uh và thiết kế robot và một loại học tập đầu cuối của điều đó nữa.

11:47

So both are

Vậy cả hai đều

11:48

actually pretty interesting and we're pursuing uh both strategies.

Thực ra khá thú vị và chúng tôi đang theo đuổi cả hai chiến lược.

11:51

- Do you think that there's humanoid robots as a good kind of um form factor?

- Bạn có nghĩ rằng robot hình người là một dạng yếu tố hình dạng tốt không?

11:56

Is that does that make sense in the world?

Điều đó có hợp lý trong thế giới không?

11:57

Because some folks have criticized it as being good for humans cuz we're meant to do lots of different things, but if we want to solve a problem, there may be a different form factor to fold laundry or do dishes or clean the house or whatever.

Bởi vì một số người đã chỉ trích nó là tốt cho con người vì chúng ta được sinh ra để làm nhiều thứ khác nhau, nhưng nếu chúng ta muốn giải quyết một vấn đề, có thể có một dạng hình dạng khác để gấp quần áo hoặc rửa bát hoặc dọn dẹp nhà cửa hoặc bất cứ điều gì.

12:08

- Yeah, I think I think there's going to be a place for both.

- Vâng, tôi nghĩ tôi nghĩ sẽ có một vị trí cho cả hai.

12:11

So, so actually I used to be of the opinion maybe five 5 10 years ago that we'll have form specific robots for certain tasks and I think in industry industrial robots will definitely be like that where you can optimize the robot for the specific task whether it's a laboratory or a production line you'd want quite

Vì vậy, thực ra tôi đã từng có quan điểm có thể năm 5 10 năm trước rằng chúng ta sẽ có robot dành riêng cho các nhiệm vụ cụ thể và tôi nghĩ trong công nghiệp robot công nghiệp chắc chắn sẽ như vậy, nơi bạn có thể tối ưu hóa robot cho nhiệm vụ cụ thể cho dù đó là phòng thí nghiệm hay dây chuyền sản xuất, bạn sẽ muốn khá

12:28

different types of robots.

Các loại robot khác nhau.

12:29

Uh on the other hand, for um uh general use or personal use robotics um and just interacting with the ordinary world, uh the humanoid form factor could be pretty important because of course we've designed the physical world around us uh to be for humans.

Mặt khác, đối với robot sử dụng chung hoặc cá nhân và chỉ tương tác với thế giới thông thường, yếu tố hình dạng hình người có thể khá quan trọng vì tất nhiên chúng ta đã thiết kế thế giới vật lý xung quanh mình để dành cho con người.

12:46

And so steps, doorways, all the things that we've designed for ourselves, um rather than

Và vì vậy các bậc thang, cửa ra vào, tất cả những thứ chúng ta đã thiết kế cho chính mình, thay vì

12:52

changing all of those in the real world, it might be easier to design the form factor to work seamlessly uh with the way we've already designed the world.

Thay đổi tất cả những thứ đó trong thế giới thực, có thể dễ dàng hơn để thiết kế yếu tố hình dạng hoạt động liền mạch với cách chúng ta đã thiết kế thế giới.

12:59

So I think there's an argument to be made that the humanoid form factor could be very important for those types of tasks.

Vì vậy tôi nghĩ có một lập luận để đưa ra rằng yếu tố hình dạng hình người có thể rất quan trọng cho những loại nhiệm vụ đó.

13:05

Um but I think there is a place also for specialized robotic forms.

Nhưng tôi nghĩ cũng có một vị trí cho các dạng robot chuyên dụng.

13:09

- Do you have a view on hundreds of millions, millions, thousands over the next 5 years, seven years?

- Bạn có quan điểm về hàng trăm triệu, hàng triệu, hàng nghìn trong 5 năm, bảy năm tới không?

13:12

I mean, do you have a like in your head, do you have a vision on - Yeah, I do and I spend quite a lot of time on this and I think we're we're we're still I feel we're still a little bit early on robotics.

Ý tôi là, bạn có một cái gì đó trong đầu, bạn có một tầm nhìn không - Vâng, tôi có và tôi dành khá nhiều thời gian cho việc này và tôi nghĩ chúng ta vẫn còn hơi sớm trong lĩnh vực robot.

13:22

I think in the next couple of years there'll be a sort of real wow moment with robotics,

Tôi nghĩ trong vài năm tới sẽ có một khoảnh khắc thực sự ấn tượng với robot,

13:26

but um I think the algorithms need a bit more development.

Nhưng tôi nghĩ các thuật toán cần phát triển thêm một chút.

13:29

Uh the general purpose uh uh models that these these robotics models are built on still need to be better and more reliable uh and and better understanding the world around it.

Các mô hình đa năng mà các mô hình robot này được xây dựng dựa trên vẫn cần tốt hơn và đáng tin cậy hơn và hiểu rõ hơn về thế giới xung quanh.

13:38

Um and I think that will come in the next couple of years.

Và tôi nghĩ điều đó sẽ đến trong vài năm tới.

13:42

And then also on the on the hardware side, the key is I think eventually we will have

Và sau đó về phần cứng, điều quan trọng là tôi nghĩ cuối cùng chúng ta sẽ có

13:48

millions of robots uh helping helping society and increasing productivity.

Hàng triệu robot giúp đỡ xã hội và tăng năng suất.

13:51

But the key there is when you talk to hardware experts is at what point uh do you have the right level of hardware to go for the scaling uh option because effectively when you start building factories around trying to make tens of thousands hundreds of thousands of particular robot type um you know

Nhưng điều quan trọng ở đó là khi bạn nói chuyện với các chuyên gia phần cứng là ở điểm nào bạn có mức phần cứng phù hợp để đi đến lựa chọn mở rộng quy mô bởi vì thực tế khi bạn bắt đầu xây dựng nhà máy xung quanh việc cố gắng sản xuất hàng chục nghìn hàng trăm nghìn loại robot cụ thể, bạn biết đấy

14:10

it's harder for you to update quickly iterate the robot design.

Sẽ khó hơn cho bạn để cập nhật nhanh chóng lặp lại thiết kế robot.

14:13

So, it's one of those kind of questions where if you call it too early, uh, then then the next generation of robot might be invented in 6 months time that's just more reliable and better and more dextrous.

Vì vậy, đó là một trong những câu hỏi kiểu như nếu bạn gọi quá sớm, thì thế hệ robot tiếp theo có thể được phát minh trong 6 tháng nữa, chỉ đáng tin cậy hơn và tốt hơn và khéo léo hơn.

14:24

- Sounds like using a computing analogy, we're kind of in the 70s era PC DOSs kind of uh, - yeah, potentially.

- Nghe có vẻ như sử dụng phép so sánh máy tính, chúng ta đang ở thời kỳ PC DOS những năm 70, - vâng, có thể.

14:30

But of course, I think the the maybe that's where we are, but I think the except that 10 years happens in one year probably.

Nhưng tất nhiên, tôi nghĩ có thể đó là nơi chúng ta đang ở, nhưng tôi nghĩ ngoại trừ việc 10 năm xảy ra trong một năm có lẽ.

14:38

So, right one of those years, right?

Vì vậy, đúng một trong những năm đó, phải không?

14:40

Exactly.

Chính xác.

14:41

Yeah.

Vâng.

14:41

Um so let's talk about other applications um particularly in science.

Vậy hãy nói về các ứng dụng khác, đặc biệt là trong khoa học.

14:45

Uh true to your heart as as a - as a scientist as the Nobel Prize winning scientist um I always felt like the greatest thing things that we would be able to do with AI would be the problems that are intractable to humans with our current technology and capabilities and our brains and whatnot

Đúng với trái tim bạn như một nhà khoa học đoạt giải Nobel, tôi luôn cảm thấy những điều tuyệt vời nhất mà chúng ta có thể làm với AI sẽ là những vấn đề nan giải đối với con người với công nghệ và khả năng hiện tại của chúng ta và bộ não của chúng ta và những thứ tương tự

15:06

and we can unlock all of this potential.

Và chúng ta có thể mở khóa tất cả tiềm năng này.

15:08

what are the areas of science and breakthroughs in science that you're most excited about and what kinds of models do we use to get there?

Những lĩnh vực khoa học và đột phá trong khoa học mà bạn hào hứng nhất là gì và chúng ta sử dụng những loại mô hình nào để đạt được điều đó?

15:15

Yeah, I mean a AI to accelerate scientific discovery and help with things like human health is the reason I spent my whole career on AI and I think um it's the most important thing we can do with AI and I feel like if we build AGI in

Vâng, ý tôi là AI để tăng tốc khám phá khoa học và giúp đỡ những thứ như sức khỏe con người là lý do tôi dành cả sự nghiệp cho AI và tôi nghĩ đó là điều quan trọng nhất chúng ta có thể làm với AI và tôi cảm thấy nếu chúng ta xây dựng AGI theo

15:29

the right way it will be the ultimate tool for science and I think we've been showing at DeepMind a lot of the way of that obviously AlphaFold uh most famously but actually we've we've um applied uh our AI systems to many branches of science whether it's material design um helping with controlling plasma and fusion reactors, predicting the weather, um solving, you know, mass olympiad uh uh math

Cách đúng đắn thì nó sẽ là công cụ tối thượng cho khoa học và tôi nghĩ chúng tôi đã thể hiện tại DeepMind rất nhiều cách làm đó, rõ ràng AlphaFold nổi tiếng nhất nhưng thực ra chúng tôi đã áp dụng các hệ thống AI của mình cho nhiều ngành khoa học khác nhau, cho dù đó là thiết kế vật liệu, giúp kiểm soát plasma và lò phản ứng nhiệt hạch, dự đoán thời tiết, giải các bài toán olympiad

15:53

problems and um the same types of systems uh with some uh extra fine-tuning can basically uh solve a lot of these complex problems.

Và cùng các loại hệ thống với một số tinh chỉnh bổ sung về cơ bản có thể giải quyết nhiều vấn đề phức tạp này.

16:00

So I think we're just scratching the surface of what AI will be able to do and there are some things that are missing.

Vì vậy tôi nghĩ chúng ta chỉ mới chạm đến bề mặt của những gì AI sẽ có thể làm và có một số thứ còn thiếu.

16:07

So uh AI today I would say doesn't have true creativity in the sense that it can't come up with a new conjecture yet or new hypothesis.

Vì vậy AI ngày nay tôi muốn nói là không có sự sáng tạo thực sự theo nghĩa nó chưa thể đưa ra một phỏng đoán mới hay giả thuyết mới.

16:15

It can

Nó có thể

16:16

maybe prove something uh that you give it uh but it's not able to come up with a sort of new idea or new theory itself.

Có thể chứng minh điều gì đó mà bạn đưa cho nó nhưng nó không thể tự đưa ra một ý tưởng mới hay lý thuyết mới.

16:23

So I think that would be one of the tests actually for - AGI.

Vì vậy tôi nghĩ đó sẽ là một trong những bài kiểm tra thực sự cho - AGI.

16:26

What is that creativity as a human?

Sự sáng tạo đó là gì đối với con người?

16:28

- Yeah.

- Vâng.

16:29

- What is creativity?

- Sáng tạo là gì?

16:30

- I think it's this sort of intuitive leaps that we often celebrate with the best scientists in history and and artists of course.

- Tôi nghĩ đó là những bước nhảy trực giác mà chúng ta thường tôn vinh với những nhà khoa học giỏi nhất trong lịch sử và tất nhiên cả các nghệ sĩ.

16:37

Um and you know maybe it's done through analogy or analogical reasoning.

Và bạn biết đấy có thể nó được thực hiện thông qua phép loại suy hoặc lý luận loại suy.

16:40

There are many theories in psychology and neuroscience and as to how uh we as human scientists do it.

Có nhiều lý thuyết trong tâm lý học và khoa học thần kinh về cách chúng ta với tư cách là nhà khoa học con người làm điều đó.

16:46

But a good test for it would be something like um give one of these modern AI

Nhưng một bài kiểm tra tốt cho nó sẽ là đưa cho một trong những hệ thống AI hiện đại

16:51

systems a knowledge cutoff of 1901 and see if it can come up with special relativity like Einstein did in 1905.

Một kiến thức cắt đến năm 1901 và xem liệu nó có thể đưa ra thuyết tương đối hẹp như Einstein đã làm năm 1905 không.

16:59

Right?

Đúng không?

16:59

If it's able to do that then I think we're on to something really uh really important where perhaps we're nearing an AGI.

Nếu nó có thể làm được điều đó thì tôi nghĩ chúng ta đang tiến đến một điều thực sự quan trọng, nơi có lẽ chúng ta đang gần đạt được AGI.

17:06

Another example would be with our AlphaGo program that beat the world champion at Go.

Một ví dụ khác là với chương trình AlphaGo của chúng tôi đã đánh bại nhà vô địch thế giới cờ vây.

17:11

Um, not only did it win in, you know, back 10 years ago, it invented new strategies that had never been seen before uh for the game of Go, this famously move 37 in game two

Ừm, nó không chỉ thắng, bạn biết đấy, cách đây 10 năm, nó còn phát minh ra những chiến lược mới chưa từng thấy trước đây cho trò chơi cờ vây, nước đi nổi tiếng số 37 trong ván thứ hai

17:22

that is now studied.

Điều đó hiện đang được nghiên cứu.

17:23

But can an AI system come up with a game as elegant, as satisfying, as aesthetically beautiful as go, not just a new strategy?

Nhưng liệu một hệ thống AI có thể tạo ra một trò chơi thanh lịch, thỏa mãn và đẹp về mặt thẩm mỹ như cờ vây, chứ không chỉ là một chiến lược mới không?

17:30

And the answer to those things at the moment is no.

Và câu trả lời cho những điều đó hiện tại là không.

17:33

So that's one of the things I think that's missing uh from uh a true general system an AGI system is it should be able to do uh those kinds of things as well.

Vì vậy, đó là một trong những điều tôi nghĩ còn thiếu ở một hệ thống tổng quát thực sự, một hệ thống AGI, là nó cũng nên có khả năng làm những loại việc đó.

17:43

- Can you break down what's missing and maybe related to the point of view shared by Dario Sam others about AGI is a few years away.

- Ông có thể phân tích những gì còn thiếu và có thể liên quan đến quan điểm được chia sẻ bởi Dario, Sam và những người khác về việc AGI sẽ đến trong vài năm tới không?

17:52

Do you not subscribe to that belief and maybe help us understand what is it - in your understanding of structure in your understanding of the system architecture what's lacking - well so I think the fundamental aspect of this is um can we mimic these

Ông không đồng tình với niềm tin đó và có thể giúp chúng tôi hiểu điều gì còn thiếu trong hiểu biết của ông về cấu trúc, trong hiểu biết của ông về kiến trúc hệ thống - Vâng, tôi nghĩ khía cạnh cơ bản của điều này là liệu chúng ta có thể mô phỏng những

18:08

intuitive leaps rather than incremental uh advances that the best human scientists seem to be able to do.

Bước nhảy trực giác thay vì những tiến bộ tăng dần mà những nhà khoa học giỏi nhất của con người dường như có thể làm được.

18:13

I always say like what separates a great scientist from a good scientist is they're both technically very capable of course.

Tôi luôn nói rằng điều phân biệt một nhà khoa học vĩ đại với một nhà khoa học giỏi là cả hai đều rất có năng lực về mặt kỹ thuật, tất nhiên.

18:20

Um but the great scientist is more creative and so maybe they'll spot some pattern from another subject area that can be uh can sort of have an

Ừm, nhưng nhà khoa học vĩ đại thì sáng tạo hơn, và vì vậy có thể họ sẽ phát hiện ra một mẫu nào đó từ một lĩnh vực khác có thể có một

18:30

analogy or some sort of pattern matching to the area they're trying to solve.

Sự tương tự hoặc một kiểu khớp mẫu nào đó với lĩnh vực họ đang cố gắng giải quyết.

18:34

And I think one day AI will be able to do this, but it doesn't have the reasoning uh capabilities and some of the um uh thinking capabilities that um are going to be needed to make that kind of breakthrough.

Và tôi nghĩ một ngày nào đó AI sẽ có thể làm được điều này, nhưng nó không có khả năng lập luận và một số khả năng tư duy sẽ cần thiết để tạo ra loại đột phá đó.

18:47

Um I also think that we're lacking consistency.

Ừm, tôi cũng nghĩ rằng chúng ta đang thiếu tính nhất quán.

18:49

So you often hear some of our competitors talk about

Vì vậy, bạn thường nghe một số đối thủ cạnh tranh của chúng tôi nói về

18:53

uh you know these modern systems that we have today are PhD intelligences.

Ừm, bạn biết đấy, những hệ thống hiện đại mà chúng ta có ngày nay là trí tuệ cấp độ tiến sĩ.

18:57

I think that's a nonsense.

Tôi nghĩ đó là điều vô lý.

18:59

They're not they're not PhD intelligences.

Chúng không phải là trí tuệ cấp độ tiến sĩ.

19:01

They have some capabilities that are PhD level.

Chúng có một số khả năng ở mức độ tiến sĩ.

19:03

um but they're not in general uh capable and that's what exactly what general intelligence should be of performing across the board at the PhD level.

Ừm, nhưng nói chung chúng không có khả năng, và đó chính xác là điều mà trí tuệ tổng quát nên làm, là thể hiện đồng đều ở mức độ tiến sĩ.

19:12

In fact, as we all know interacting with

Trên thực tế, như chúng ta đều biết khi tương tác với

19:15

today's chat bots, if you pose the question in a certain way, they can make simple mistakes with even like high school maths um and simple counting.

Các chatbot ngày nay, nếu bạn đặt câu hỏi theo một cách nhất định, chúng có thể mắc những lỗi đơn giản ngay cả với toán trung học và đếm đơn giản.

19:24

So, uh that shouldn't be possible for a true AGI system.

Vì vậy, ừm, điều đó không nên xảy ra với một hệ thống AGI thực sự.

19:27

So I think that we are maybe you know I would say sort of five to 10 years away um from having an AGI system that's capable of doing those things.

Vì vậy, tôi nghĩ rằng chúng ta có thể, bạn biết đấy, tôi sẽ nói rằng còn khoảng năm đến mười năm nữa để có một hệ thống AGI có khả năng làm những điều đó.

19:37

Um another thing that's missing is continual learning.

Ừm, một điều khác còn thiếu là khả năng học liên tục.

19:39

This ability to like online teach the system something new um or some or adjust its behavior in some way.

Khả năng này giống như dạy trực tuyến cho hệ thống một điều gì đó mới hoặc điều chỉnh hành vi của nó theo một cách nào đó.

19:45

And so a lot of these I

Và vì vậy, nhiều thứ trong số này, tôi

19:48

think core capabilities are still missing and maybe scaling will get us there but I feel if I was to bet I think there are probably one or two missing breakthroughs that are still required um and will come over the next uh five or so years.

Nghĩ rằng các khả năng cốt lõi vẫn còn thiếu và có thể việc mở rộng quy mô sẽ đưa chúng ta đến đó, nhưng tôi cảm thấy nếu phải đặt cược, tôi nghĩ có lẽ vẫn cần một hoặc hai đột phá còn thiếu và sẽ đến trong khoảng năm năm tới.

20:02

In the meantime some of the reports and the scoring systems that are used seem to be demonstrating two things.

Trong khi đó, một số báo cáo và hệ thống tính điểm được sử dụng dường như đang chứng minh hai điều.

20:08

One perhaps, and tell me if

Một là có lẽ, và hãy cho tôi biết nếu

20:10

we're wrong on this, a convergence of performance of large language models, and number two perhaps is a slowing down or a flatlining of improvements in performance on each generation.

Chúng tôi sai về điều này, sự hội tụ về hiệu suất của các mô hình ngôn ngữ lớn, và thứ hai có lẽ là sự chậm lại hoặc đi ngang của những cải thiện về hiệu suất ở mỗi thế hệ.

20:19

Are those two statements generally true or not so much?

Hai nhận định đó có đúng về cơ bản hay không?

20:23

- No, I mean, we're not we're not seeing that internally and um we're still seeing a huge rate of progress.

- Không, ý tôi là, chúng tôi không thấy điều đó trong nội bộ và ừm, chúng tôi vẫn đang thấy tốc độ tiến bộ rất lớn.

20:30

Um but also uh we're sort of looking at things more broadly.

Ừm, nhưng chúng tôi cũng đang nhìn nhận mọi thứ một cách rộng hơn.

20:34

You see with our Genie models and VO models and nano banana is insane.

Bạn thấy đấy, với các mô hình Genie và mô hình VO của chúng tôi và nano banana thì thật điên rồ.

20:38

It's bananas.

Thật là điên rồ.

20:39

It's bananas.

Thật là điên rồ.

20:40

- Has anyone here can I see who's used it?

- Có ai ở đây, tôi có thể xem ai đã sử dụng nó không?

20:42

Has anyone used Nano Banana?

Có ai đã sử dụng Nano Banana chưa?

20:44

- It's incredible, right?

- Nó thật đáng kinh ngạc, phải không?

20:45

I mean, I'm I'm a nerd who used to use Adobe Photoshop as a kid and Kai's power tools and I was telling you Bryce 3D.

Ý tôi là, tôi là một người mê công nghệ từng sử dụng Adobe Photoshop khi còn nhỏ và Kai's Power Tools và tôi đã nói với bạn về Bryce 3D.

20:51

So, like the graphic systems and like recognizing what's going on there was just like mind-blowing.

Vì vậy, giống như các hệ thống đồ họa và việc nhận ra những gì đang diễn ra ở đó thật sự gây kinh ngạc.

20:56

Well, I think that's the future of uh a lot of these creative tools is you're just going to sort of vibe with it or just talk to them and

Vâng, tôi nghĩ đó là tương lai của nhiều công cụ sáng tạo này, là bạn sẽ chỉ cần tương tác theo cảm hứng với chúng hoặc chỉ nói chuyện với chúng và

21:04

they'll be consistent enough where like with Nana Banana, what's amazing about it is it's an image generator.

Chúng sẽ đủ nhất quán để, giống như với Nana Banana, điều tuyệt vời ở nó là nó là một trình tạo hình ảnh.

21:09

It's best in best, you know, it's state-of-the-art and best-in-class, but it's one of the things that makes it so great is it's consistency.

Nó là tốt nhất trong số tốt nhất, bạn biết đấy, nó là tiên tiến nhất và tốt nhất trong phân khúc, nhưng một trong những điều khiến nó tuyệt vời đến vậy là tính nhất quán.

21:16

It's able to un instruction follow what you want changed and keep everything else the same.

Nó có thể tuân theo hướng dẫn về những gì bạn muốn thay đổi và giữ mọi thứ khác nguyên vẹn.

21:20

And so you can iterate with it uh and eventually get

Và vì vậy bạn có thể lặp lại với nó và cuối cùng có được

21:24

the kind of output that you want.

Loại đầu ra mà bạn muốn.

21:25

And that's um I think what the future of a lot of these creative tools is going to be um and sort of signals the direction and people love it and they love creating with it.

Và đó là, tôi nghĩ, tương lai của nhiều công cụ sáng tạo này sẽ là như vậy và phần nào báo hiệu hướng đi, và mọi người yêu thích nó và họ thích sáng tạo với nó.

21:35

- So democratization of creativity I think is really powerful.

- Vì vậy, việc dân chủ hóa sự sáng tạo, tôi nghĩ, thực sự rất mạnh mẽ.

21:37

I remember having to buy books on Adobe Photoshop as a kid and then you'd read them to learn how to remove something from a from an image and how to fill it in and feather and all this stuff.

Tôi nhớ hồi nhỏ mình phải mua sách về Adobe Photoshop rồi đọc để học cách xóa một thứ gì đó khỏi hình ảnh, cách lấp đầy nó, làm mềm viền và đủ thứ.

21:47

Now anyone can do it with Nano Banana and just they can explain to the software what they want it to do and it just does it.

Giờ thì ai cũng làm được với Nano Banana, chỉ cần giải thích cho phần mềm điều họ muốn nó làm và nó tự làm.

21:54

- Yeah.

- Ừ.

21:54

I think you're going to see two things which is that um uh this sort of democratization of these tools for everybody to just use and create with without having to learn, you know, incredibly complex UX's and UIs uh like like we had to do in the past.

Tôi nghĩ bạn sẽ thấy hai điều, đó là kiểu dân chủ hóa các công cụ này để mọi người đều có thể dùng và sáng tạo mà không cần phải học những UX và UI cực kỳ phức tạp như chúng ta từng phải làm trước đây.

22:09

But on the other hand, I think we and we're also collaborating with filmmakers and top creators and artists.

Nhưng mặt khác, tôi nghĩ chúng tôi cũng đang hợp tác với các nhà làm phim, những nhà sáng tạo hàng đầu và các nghệ sĩ.

22:15

Um so they're

Ừm, nên họ đang

22:16

helping us design what these new tools should be, what features would they want.

Giúp chúng tôi thiết kế những công cụ mới này nên như thế nào, họ muốn những tính năng gì.

22:19

people like the director Darren Aronofsky who's a good friend of mine, an amazing director and he's been making and his team making films using VO and some of our other tools and we're learning a lot by observing them and collaborating them.

Những người như đạo diễn Darren Aronofsky, một người bạn tốt của tôi, một đạo diễn tuyệt vời, và anh ấy cùng đội của mình đã làm phim bằng VO và một số công cụ khác của chúng tôi, và chúng tôi học được rất nhiều khi quan sát và hợp tác với họ.

22:31

And what we find is that it's it also superpowers and

Và điều chúng tôi nhận ra là nó cũng tiếp sức và

22:34

turbocharges the best professionals too cuz they're suddenly um the best creatives, the professional creatives, they're suddenly able to be 10x, 100x more productive.

Tăng tốc cho cả những chuyên gia giỏi nhất, vì đột nhiên những nhà sáng tạo giỏi nhất, những nhà sáng tạo chuyên nghiệp, có thể đạt năng suất gấp 10 lần, 100 lần.

22:40

they can just try out all sorts of ideas they have in mind, you know, very low cost and then get to the beautiful thing that they wanted.

Họ có thể thử đủ mọi ý tưởng trong đầu với chi phí rất thấp rồi đạt được thứ tuyệt đẹp mà họ muốn.

22:49

So, I actually think it's sort of both things are true.

Nên tôi thực sự nghĩ cả hai điều đều đúng.

22:51

We're we're democratizing it for everyday use, uh, for YouTube creators and so on.

Chúng ta đang dân chủ hóa nó cho việc sử dụng hằng ngày, cho các nhà sáng tạo YouTube và vân vân.

22:55

But on the other hand, at the high end, um, the people who are who understand these tools and it's and it's not everyone can get the same output out of these tools, there's a skill in that as well as um, the vision and the storytelling and the

Nhưng mặt khác, ở phân khúc cao cấp, những người hiểu rõ những công cụ này, và không phải ai cũng có thể tạo ra cùng một kết quả từ những công cụ này, có một kỹ năng trong đó, cũng như tầm nhìn và khả năng kể chuyện và

23:08

narrative style of uh, the top creatives.

Phong cách tự sự của những nhà sáng tạo hàng đầu.

23:10

And I think it just allows them, they really enjoy using these tools.

Và tôi nghĩ nó chỉ cho phép họ, họ thực sự thích dùng những công cụ này.

23:14

It allows them to iterate way faster.

Nó cho phép họ lặp lại nhanh hơn nhiều.

23:17

- Do we get to a world where each individual describes what sort of content they're interested in?

- Liệu chúng ta có đi đến một thế giới nơi mỗi cá nhân mô tả loại nội dung họ quan tâm không?

23:22

Play me music like Dave Matthews and it'll play some new track.

Phát cho tôi nhạc giống Dave Matthews và nó sẽ phát một bài mới.

23:26

Yes.

Đúng.

23:27

- Or I want to play a video game set, you know, in the movie Braveheart and I want to be in that movie.

- Hoặc tôi muốn chơi một trò chơi điện tử lấy bối cảnh trong phim Braveheart và tôi muốn được ở trong bộ phim đó.

23:32

Yes.

Đúng.

23:33

- And I just have that experience.

- Và tôi chỉ có trải nghiệm đó.

23:34

Do we end up there or do we still have a one to many creative process in society?

Liệu chúng ta sẽ đi đến đó hay vẫn có một quy trình sáng tạo một-nhiều trong xã hội?

23:39

How important culturally and I know this is a little bit philosophical but it's interesting to me which is - are we still going to have storytelling where we have one story that we all share because someone made it - or we each going to start to develop and

Điều đó quan trọng thế nào về mặt văn hóa, và tôi biết điều này hơi triết lý, nhưng nó thú vị với tôi, đó là - liệu chúng ta vẫn sẽ có kể chuyện nơi tất cả cùng chia sẻ một câu chuyện vì ai đó đã tạo ra nó - hay mỗi người sẽ bắt đầu phát triển và

23:51

pull on our own kind of virtual - I actually foresee a world and I think a lot about this having started in the games industry as a game designer and programmer is that uh in the '90s is that you know I think the future of enter this is what we're seeing is the beginning of the future of entertainment maybe some new genre or new art form and where there's a bit of co-creation.

Kéo theo kiểu thế giới ảo của riêng mình - Tôi thực sự dự đoán một thế giới, và tôi nghĩ nhiều về điều này vì tôi bắt đầu trong ngành game với vai trò nhà thiết kế game và lập trình viên, rằng vào những năm 90, tôi nghĩ tương lai của giải trí, đây là điều chúng ta đang thấy, là khởi đầu của tương lai giải trí, có thể là một thể loại mới hoặc một loại hình nghệ thuật mới, nơi có một chút đồng sáng tạo.

24:09

Tôi

24:10

still think that you'll have the top creative visionaries.

Vẫn nghĩ rằng bạn sẽ có những nhà sáng tạo có tầm nhìn hàng đầu.

24:12

Um they will be creating these compelling experiences and dynamic story lines and they'll be of higher quality even if they're using the same tools than the everyday person can do.

Họ sẽ tạo ra những trải nghiệm hấp dẫn và những mạch truyện năng động này, và chúng sẽ có chất lượng cao hơn, ngay cả khi họ dùng cùng công cụ, so với người thường có thể làm.

24:22

But also and so millions of people will potentially dive into those worlds, but maybe they'll also be able to create co-create certain parts of

Nhưng đồng thời, hàng triệu người có thể sẽ lao vào những thế giới đó, nhưng có lẽ họ cũng có thể tạo ra, đồng sáng tạo một số phần nhất định của

24:30

those worlds and perhaps that you know the the main creative uh person is almost an editor of that world.

Những thế giới đó, và có lẽ người sáng tạo chính gần như là biên tập viên của thế giới đó.

24:36

So that's the kind of things I'm foreseeing in the next few years and I'd actually like to explore ourselves with with technologies like Genie.

Đó là kiểu điều tôi dự đoán trong vài năm tới, và tôi thực sự muốn tự mình khám phá với những công nghệ như Genie.

24:45

- Right.

- Đúng.

24:45

Incredible.

Thật đáng kinh ngạc.

24:45

And how are you spending your time?

Và bạn đang dành thời gian của mình như thế nào?

24:47

Are you at is and maybe you can describe Isomorphic?

Bạn có ở, và có lẽ bạn có thể mô tả Isomorphic?

24:50

- Of course.

- Tất nhiên.

24:51

- What isomorphic is and are you spending a lot of your time there?

- Isomorphic là gì và bạn có dành nhiều thời gian ở đó không?

24:53

- I am.

- Đúng vậy.

24:54

So, so I also run Isomorphic which is our spinout company uh to revolutionize drug discovery building on our alpha fold breakthrough in protein folding and of course um pro knowing the structure of a protein is only one step in the drug discovery process.

Vậy nên tôi cũng điều hành Isomorphic, công ty tách ra của chúng tôi, nhằm cách mạng hóa việc phát hiện thuốc dựa trên đột phá AlphaFold của chúng tôi về gấp protein, và tất nhiên, biết cấu trúc của một protein chỉ là một bước trong quá trình phát hiện thuốc.

25:09

So isomorphic you can think of it as building many uh adjacent alpha folds to help with things like designing

Nên Isomorphic có thể được coi là xây dựng nhiều AlphaFold liền kề để hỗ trợ những việc như thiết kế

25:16

chemical compounds that don't have any side effects but bind to the right place on the protein.

Các hợp chất hóa học không có tác dụng phụ nhưng liên kết đúng vị trí trên protein.

25:21

And um I think we could reduce down drug discovery from taking years, sometimes a decade to do down to maybe weeks or even days uh over the next 10 years.

Và tôi nghĩ chúng ta có thể giảm thời gian phát hiện thuốc từ nhiều năm, đôi khi cả thập kỷ, xuống còn có thể vài tuần hoặc thậm chí vài ngày trong 10 năm tới.

25:31

- It's incredible.

- Thật đáng kinh ngạc.

25:31

Do you think that's in clinic soon or is that still in the discovery phase?

Bạn có nghĩ điều đó sẽ sớm vào giai đoạn lâm sàng hay vẫn còn trong giai đoạn khám phá?

25:35

And - we're building up the platform right now and it's uh we have great partnerships with Eli Liy.

Và - hiện tại chúng tôi đang xây dựng nền tảng, và chúng tôi có những quan hệ đối tác tuyệt vời với Eli Lilly.

25:40

I think you had the CEO speaking earlier and Novartis which are fantastic and our own internal drug programs and I think we'll be entering sort of pre-clinical phase sometime next

Tôi nghĩ bạn đã có CEO phát biểu trước đó, và Novartis, những đối tác tuyệt vời, cùng các chương trình thuốc nội bộ của chúng tôi, và tôi nghĩ chúng tôi sẽ bước vào giai đoạn tiền lâm sàng vào khoảng

25:48

year.

Năm sau.

25:48

So candidates get handed over to the pharma company and they then take them forward.

Vậy nên các ứng viên được chuyển giao cho công ty dược và họ tiếp tục đưa chúng tiến lên.

25:52

- That's right.

- Đúng vậy.

25:53

And we're working on cancers and immunology and oncology and we're working with uh uh places like MD Anderson.

Và chúng tôi đang nghiên cứu về ung thư, miễn dịch học và ung thư học, và chúng tôi đang hợp tác với những nơi như MD Anderson.

25:59

- How much of this requires and I just want to go back to your point about AGI as it relates to what you just said.

- Điều này đòi hỏi bao nhiêu và tôi chỉ muốn quay lại quan điểm của bạn về AGI liên quan đến những gì bạn vừa nói.

26:05

models can be probabilistic or deterministic and tell me if I'm reducing this down too simplistically that the model takes an input and it outputs something very specific like it's got a logical algorithm and it outputs the same thing every time and it could be probabilistic where it can change things and make selections the probability is 80% I'll select this

Các mô hình có thể là xác suất hoặc tất định và hãy cho tôi biết nếu tôi đơn giản hóa điều này quá mức rằng mô hình nhận đầu vào và đưa ra một thứ rất cụ thể như nó có một thuật toán logic và nó đưa ra cùng một kết quả mỗi lần và nó có thể là xác suất nơi nó có thể thay đổi mọi thứ và đưa ra lựa chọn xác suất là 80% tôi sẽ chọn cái này

26:24

letter 90% I'll select this letter next etc um how much do we have to kind of develop deterministic models that sync up with for example the the physics or the chemistry underlying the molecular interactions as you do your drug discovery modeling.

Chữ cái 90% tôi sẽ chọn chữ cái này tiếp theo v.v. ừm chúng ta phải phát triển bao nhiêu mô hình tất định để đồng bộ với ví dụ như vật lý hoặc hóa học cơ bản của các tương tác phân tử khi bạn thực hiện mô hình hóa khám phá thuốc.

26:39

How much are you building novel deterministic models that work with the models that are probabilistic trained on data?

Bạn đang xây dựng bao nhiêu mô hình tất định mới lạ hoạt động với các mô hình xác suất được huấn luyện trên dữ liệu?

26:46

- Yeah, it's a great question.

- Vâng, đó là một câu hỏi tuyệt vời.

26:47

Actually, we for the moment and I think probably for the next 5 years or so, we're building what maybe you could call hybrid models.

Thực ra, hiện tại và tôi nghĩ có lẽ trong khoảng 5 năm tới, chúng tôi đang xây dựng cái mà bạn có thể gọi là mô hình lai.

26:54

So, alphafold itself is a hybrid model where you have the learning component, this probabilistic component you're talking about which is you know based on neuronet networks and transformers and things and that's

Vì vậy, bản thân alphafold là một mô hình lai nơi bạn có thành phần học, thành phần xác suất mà bạn đang nói đến dựa trên mạng nơ-ron và transformers và những thứ tương tự và đó là

27:03

learning from the data you give it uh you know any data you have available but also to in a lot of cases with biology and chemistry there isn't enough data to learn from.

Học từ dữ liệu bạn cung cấp ừm bạn biết bất kỳ dữ liệu nào bạn có sẵn nhưng cũng trong nhiều trường hợp với sinh học và hóa học không có đủ dữ liệu để học.

27:12

So you also have to build in some of the rules about chemistry and physics that you already know about.

Vì vậy, bạn cũng phải tích hợp một số quy tắc về hóa học và vật lý mà bạn đã biết.

27:18

So for example with alpha fold um the angle of bonds between atoms.

Ví dụ với alpha fold ừm góc của liên kết giữa các nguyên tử.

27:22

um so and make sure that the alpha fold understood

Ừm vậy và đảm bảo rằng alpha fold hiểu

27:25

you couldn't have atoms overlapping with each other and things like that.

Bạn không thể có các nguyên tử chồng lên nhau và những thứ như vậy.

27:28

Now in theory it could learn that but it would waste a lot of the learning capacity.

Về lý thuyết nó có thể học được điều đó nhưng nó sẽ lãng phí rất nhiều năng lực học tập.

27:32

So actually it's better to kind of have that as a as a yeah as a as a constraint in there.

Vì vậy, thực ra tốt hơn là có điều đó như một ràng buộc ở đó.

27:37

Now the trick is with all hybrid systems is and Alpha Go was another hybrid system where a neural network learning about the game of Go

Bây giờ điều khó khăn với tất cả các hệ thống lai là và Alpha Go là một hệ thống lai khác nơi mạng nơ-ron học về trò chơi Go

27:44

and what's what kind of patterns are good and then we had Monte Carlo research on top which was doing the planning and so the trick is how do you marry up a learning system with a more handcrafted system bespoke system and actually have them work well together.

Và những loại mẫu nào là tốt và sau đó chúng tôi có nghiên cứu Monte Carlo ở trên thực hiện việc lập kế hoạch và vì vậy điều khó khăn là làm thế nào để bạn kết hợp một hệ thống học với một hệ thống thủ công hơn, hệ thống tùy chỉnh và thực sự để chúng hoạt động tốt cùng nhau.

27:58

Uh and that's that's pretty tricky to do.

Ừm và điều đó khá khó khăn để làm.

28:00

- Does that sort of architecture ultimately lead to the breakthroughs needed for AGI do you think?

- Loại kiến trúc đó cuối cùng có dẫn đến những đột phá cần thiết cho AGI không theo bạn?

28:05

Are there deterministic components that need to be solved?

Có những thành phần tất định cần được giải quyết không?

28:08

- I think ultimately you what you want to do is um when you figure out something where this one of these hybrid systems, what you want what you ultimately want to do is upstream it into the learning component.

- Tôi nghĩ cuối cùng điều bạn muốn làm là ừm khi bạn tìm ra điều gì đó với một trong những hệ thống lai này, điều bạn muốn cuối cùng là đưa nó lên thành phần học.

28:17

So it's always better if you can do endto-end learning and and directly predict the thing that you're after from the data that you you're given.

Vì vậy, luôn tốt hơn nếu bạn có thể học từ đầu đến cuối và trực tiếp dự đoán điều bạn đang theo đuổi từ dữ liệu bạn được cung cấp.

28:24

So um so once you figured out

Vì vậy, ừm một khi bạn đã tìm ra

28:26

something uh using one of these hybrid systems, you then try and go back and reverse engineer what you've done and see if you can incorporate that learning uh that that information into the learning system.

Điều gì đó ừm sử dụng một trong những hệ thống lai này, bạn sau đó cố gắng quay lại và đảo ngược kỹ thuật những gì bạn đã làm và xem liệu bạn có thể kết hợp việc học đó ừm thông tin đó vào hệ thống học không.

28:36

And this is sort of what we did with Alpha Zero, the more general form of Alph Go.

Và đây là điều chúng tôi đã làm với Alpha Zero, dạng tổng quát hơn của Alpha Go.

28:41

So Alph Go had some uh Go specific knowledge in it.

Vì vậy, Alpha Go có một số kiến thức cụ thể về Go trong đó.

28:44

But then with Alpha Zero, we got rid of

Nhưng sau đó với Alpha Zero, chúng tôi đã loại bỏ

28:47

that including the human data human games that we learned from and actually just did self-learning from scratch.

Điều đó bao gồm dữ liệu con người, các ván cờ của con người mà chúng tôi học được và thực sự chỉ tự học từ đầu.

28:52

And of course then it was able to learn any game not just go.

Và tất nhiên sau đó nó có thể học bất kỳ trò chơi nào không chỉ cờ vây.

28:56

- A lot of hype and hoopla has been made about the demand for energy arising from AI.

- Rất nhiều lời đồn đại và ồn ào đã được tạo ra về nhu cầu năng lượng phát sinh từ AI.

29:00

Uh this is a big part of the AI summit we held in Washington DC a few weeks ago and it seems to be the number one topic everyone talks about in tech nowadays.

Ừm đây là một phần lớn của hội nghị thượng đỉnh AI chúng tôi tổ chức ở Washington DC vài tuần trước và dường như là chủ đề số một mà mọi người nói đến trong công nghệ ngày nay.

29:10

Where's all this power going to come from?

Tất cả năng lượng này sẽ đến từ đâu?

29:12

But I ask the question of you, are there changes in the architecture of the models or the

Nhưng tôi hỏi bạn câu hỏi, có những thay đổi trong kiến trúc của các mô hình hoặc

29:17

hardware or the relationship between the models and the hardware that brings down the energy per token of output or the cost per token of output that ultimately maybe say mutes the energy demand curve that's in front of us or do you not think that's the case and we're still going to have a pretty kind of geometric energy demand curve?

Phần cứng hoặc mối quan hệ giữa các mô hình và phần cứng giúp giảm năng lượng trên mỗi token đầu ra hoặc chi phí trên mỗi token đầu ra mà cuối cùng có thể làm dịu đường cong nhu cầu năng lượng trước mắt chúng ta hoặc bạn không nghĩ đó là trường hợp và chúng ta vẫn sẽ có một đường cong nhu cầu năng lượng khá hình học?

29:35

Well, look, interestingly again, I think both

Chà, nhìn này, thú vị là một lần nữa, tôi nghĩ cả hai

29:37

cases are true in the sense that uh especially us at Google and at DeepMind, we focus a lot on very efficient models uh that are powerful because we have our own internal use cases of course where we need to serve say AI overviews to billions of users uh every day and it has to be extremely efficient, extremely low latency and very cheap to serve and so we've we've kind of pioneered many um

Trường hợp đều đúng theo nghĩa là ừm đặc biệt là chúng tôi tại Google và DeepMind, chúng tôi tập trung rất nhiều vào các mô hình rất hiệu quả ừm mạnh mẽ vì tất nhiên chúng tôi có các trường hợp sử dụng nội bộ riêng nơi chúng tôi cần phục vụ ví dụ như tổng quan AI cho hàng tỷ người dùng ừm mỗi ngày và nó phải cực kỳ hiệu quả, độ trễ cực thấp và rất rẻ để phục vụ và vì vậy chúng tôi đã tiên phong nhiều ừm

30:00

techniques that allow us to do that like distillation where you sort of have a bigger model internally that trains the smaller model, right?

Kỹ thuật cho phép chúng tôi làm điều đó như chưng cất nơi bạn có một mô hình lớn hơn nội bộ huấn luyện mô hình nhỏ hơn, đúng không?

30:06

So, you train the smaller model to mimic the bigger model.

Vì vậy, bạn huấn luyện mô hình nhỏ hơn bắt chước mô hình lớn hơn.

30:09

And over time, you look at the progress of the last 2 years, uh the model efficiencies are like 10x, you know, even 100x better for the same performance.

Và theo thời gian, bạn nhìn vào tiến bộ của 2 năm qua, ừm hiệu quả của mô hình tốt hơn khoảng 10 lần, bạn biết đấy, thậm chí 100 lần cho cùng hiệu suất.

30:17

Now, the reason that that isn't reducing demand is because we're still not got to AGI yet.

Bây giờ, lý do điều đó không làm giảm nhu cầu là vì chúng ta vẫn chưa đạt đến AGI.

30:23

So, also the frontier models, you keep wanting to train and experiment with uh new ideas at larger and larger scale, whilst at

Vì vậy, cả các mô hình tiên tiến, bạn vẫn muốn huấn luyện và thử nghiệm ừm những ý tưởng mới ở quy mô ngày càng lớn, trong khi ở

30:30

the same time at the serving side, uh things are getting more and more efficient.

Cùng lúc đó ở phía phục vụ, ừm mọi thứ ngày càng hiệu quả hơn.

30:34

So both things are true and I and in the end I think that from the energy perspective um I think AI systems will give back a lot more to energy uh uh and climate change and these kind of things than they take in terms of efficiency of of grid systems and electrical systems material design new

Vì vậy, cả hai điều đều đúng và tôi và cuối cùng tôi nghĩ rằng từ góc độ năng lượng ừm tôi nghĩ các hệ thống AI sẽ trả lại nhiều hơn cho năng lượng ừm ừm và biến đổi khí hậu và những thứ như vậy so với những gì chúng tiêu thụ về hiệu quả của hệ thống lưới điện và hệ thống điện thiết kế vật liệu mới

30:52

types of properties new energy sources.

Các loại thuộc tính mới nguồn năng lượng mới.

30:54

I think AI uh will help with all of that over the next 10 years that will far outweigh um the energy that it uses today.

Tôi nghĩ AI ừm sẽ giúp với tất cả những điều đó trong 10 năm tới sẽ vượt xa ừm năng lượng mà nó sử dụng ngày nay.

31:02

As the last question, describe the world 10 years from now.

Như câu hỏi cuối cùng, hãy mô tả thế giới 10 năm nữa.

31:06

- Wow.

- Chà.

31:06

Okay.

Được rồi.

31:06

Well, I mean, you know, 10 years uh even 10 weeks is a lifetime in AI.

Chà, ý tôi là, bạn biết đấy, 10 năm ừm thậm chí 10 tuần là cả một đời người trong AI.

31:11

So, um field of 10 years, - right?

Vì vậy, ừm lĩnh vực 10 năm, - đúng không?

31:14

But I do feel like if we will have AGI in the next 10 years, you know, full AGI and um I think that will usher in a new golden era of science.

Nhưng tôi thực sự cảm thấy nếu chúng ta sẽ có AGI trong 10 năm tới, bạn biết đấy, AGI hoàn chỉnh và ừm tôi nghĩ điều đó sẽ mở ra một kỷ nguyên vàng mới của khoa học.

31:24

So, a kind of new renaissance.

Vậy, một kiểu phục hưng mới.

31:26

Um, and I think we'll see the benefits of that right across from energy to human health.

Ừm, và tôi nghĩ chúng ta sẽ thấy những lợi ích của điều đó ngay từ năng lượng đến sức khỏe con người.

31:32

- Amazing.

- Tuyệt vời.

31:33

Please join me in thanking Nobel laurate Dennis.

Xin hãy cùng tôi cảm ơn người đoạt giải Nobel Dennis.

31:37

Thank you.

Cảm ơn.

31:39

That was great.

Điều đó thật tuyệt.

31:40

Thank you.

Cảm ơn.

31:42

Applause

[Vỗ tay]

Transcript

Hiển thị

Demis Hassabis and DeepMind's Mission

Demis Hassabis, CEO of Google DeepMind, reflects on winning the Nobel Prize and leading AI research. DeepMind operates as the engine room of Alphabet, developing the Gemini model used by billions. The team of 5,000 researchers pushes the frontier of AI with projects like Genie 3, a world model that generates interactive 3D environments from text.

Demis Hassabis, CEO của Google DeepMind, suy ngẫm về việc giành giải Nobel và lãnh đạo nghiên cứu AI. DeepMind hoạt động như phòng máy của Alphabet, phát triển mô hình Gemini được hàng tỷ người sử dụng. Nhóm 5.000 nhà nghiên cứu thúc đẩy biên giới của AI với các dự án như Genie 3, một mô hình thế giới tạo ra môi trường 3D tương tác từ văn bản.