EXPLORINEER
vi

KR — ZDNet Korea

Hanmi Pharmaceutical xây dựng hạ tầng chatbot trong nước cho nền tảng chăm sóc sức khỏe số 'eppiday'

AI2 phút đọc

Hanmi Pharmaceutical, một công ty dược Hàn Quốc, đang xây hệ thống AI riêng cho chatbot trong ứng dụng sức khỏe số eppiday. Công ty ký thỏa thuận hợp tác với ba đối tác AI để chuyển chatbot từ máy chủ đám mây ở nước ngoài sang hệ thống do Hàn Quốc làm.

Chuyện gì đã xảy ra?

Hanmi Pharmaceutical đã ký biên bản ghi nhớ (MOU, tức là một thỏa thuận cơ bản để cùng làm việc) với FuriosaAI, Xpferix và Bagel Labs. Mục tiêu là chuyển chatbot của eppiday sang một mô hình ngôn ngữ lớn (LLM, loại AI có thể viết văn bản) kiểu Hàn Quốc và xây dựng hệ thống AI ngay tại Hàn Quốc.

eppiday là gì?

eppiday là dịch vụ sức khỏe số. Người dùng nhập thông tin sức khỏe và trả lời bảng câu hỏi, rồi ứng dụng đưa ra lời khuyên sức khỏe riêng. Người dùng có thể theo dõi cân nặng, bữa ăn và việc tập luyện. Một huấn luyện viên sức khỏe AI hỗ trợ các việc như điều trị béo phì. Công ty nói mục tiêu chính là giúp mọi người hình thành thói quen lành mạnh, chứ không chỉ trả lời các câu hỏi đơn giản.

Vai trò của từng công ty

  • Hanmi Pharmaceutical: chủ dịch vụ, đặt định hướng và ưu tiên chung.
  • Bagel Labs: xây ứng dụng và chatbot, thay mô hình AI mới và kiểm tra chất lượng câu trả lời.
  • Xpferix: thiết lập và vận hành máy chủ AI ở Hàn Quốc, cung cấp môi trường chạy LLM Hàn Quốc.
  • FuriosaAI: cung cấp chip AI do Hàn Quốc sản xuất và giúp tối ưu mô hình.
  • Bốn công ty đã thử trong môi trường thử nghiệm và thấy phần trả lời huấn luyện AI có thể chạy trên máy chủ trong nước.

Vì sao chuyện này quan trọng?

Dữ liệu sức khỏe rất nhạy cảm, nên việc lưu trữ và xử lý dữ liệu ở đâu rất quan trọng. Khi chuyển từ máy chủ đám mây nước ngoài sang hệ thống trong nước, Hanmi hy vọng kiểm soát dữ liệu bệnh nhân tốt hơn. Công ty cũng muốn chi phí dễ dự đoán hơn khi số người dùng tăng lên.

Cần theo dõi điều gì?

  • Chưa có thời điểm chính thức đưa hệ thống mới vào dùng thật; việc này phụ thuộc vào kiểm tra chất lượng và an toàn.
  • Bốn công ty đang so sánh độ chính xác của câu trả lời và tốc độ phản hồi trước và sau khi chuyển.
  • Hanmi sẽ chuyển tính năng huấn luyện trả lời trước, sau đó thay các tính năng khác như tìm kiếm thuốc và thực phẩm, và nhận diện món ăn qua ảnh.

Chú giải

MOU
Biên bản ghi nhớ, tức là thỏa thuận cơ bản để cùng làm việc, chưa phải hợp đồng ràng buộc đầy đủ.
LLM
Mô hình ngôn ngữ lớn, loại AI học từ lượng văn bản khổng lồ để viết và trả lời bằng ngôn ngữ tự nhiên.
FuriosaAI
Công ty làm chip AI, dùng để chạy các hệ thống trí tuệ nhân tạo.
Xpferix
Công ty cung cấp giải pháp AI, vận hành máy chủ AI ở Hàn Quốc.
Bagel Labs
Đơn vị chăm sóc sức khỏe của Xpferix, xây ứng dụng và chatbot.
eppiday
Ứng dụng sức khỏe số của Hanmi Pharmaceutical, đưa ra lời khuyên sức khỏe cá nhân hóa.

Quảng cáo

Thêm 150 từ, học 10 từ mỗi ngày

Sổ từ vựng Dicter chỉ đưa những từ bạn đã thuộc vào sổ ôn tập.

AIVnExpress

Quản lý Anthropic không còn kiểm tra lập trình khi tuyển dụng

Felix Rieseberg, quản lý tuyển dụng tại Anthropic, cho biết công ty đã ngừng hoàn toàn bài kiểm tra lập trình khi tuyển dụng vì các mô hình Claude hiện viết code giỏi hơn con người. Thay vào đó, ông xem xét hồ sơ năng lực để tìm gu thẩm mỹ, sự thấu cảm và tư duy có nguyên tắc, đồng thời đánh giá cao ứng viên tự xây dựng nguyên mẫu bằng AI. Khảo sát được dẫn trong bài cho thấy AI khiến việc đánh giá năng lực kỹ thuật khó hơn, và các kỹ năng thiết kế hệ thống, gỡ lỗi, cộng tác với AI đang được coi trọng hơn.

AITechNode

SenseTime mã nguồn mở mô hình AI 9 tỷ tham số tái sử dụng các lớp để xử lý sâu hơn

SenseTime đã phát hành SenseNova Loop-9B-Preview, một mô hình đa phương thức mã nguồn mở được công bố ngày 30/10, sử dụng tính toán lặp lại để tăng độ sâu xử lý mà không nhân bản trọng số. Mô hình nhận đầu vào là văn bản và hình ảnh, tạo ra văn bản cho các tác vụ hiểu tài liệu, lập trình và sử dụng công cụ bên ngoài, đồng thời chạy hai lần một khối 24 lớp decoder dùng chung trong mô hình khoảng 9 tỷ tham số. SenseTime đã công bố trọng số mô hình, hướng dẫn suy luận và hướng dẫn huấn luyện theo giấy phép Apache 2.0.

AITechNode

Nhóm DeepSeek mã nguồn mở nguyên mẫu nghiên cứu về tác tử lập trình chủ động

Nhóm Harness của DeepSeek đã mã nguồn mở dsh-superagent, một nguyên mẫu nghiên cứu nhận yêu cầu phát triển từ GitHub và tùy chọn từ Feishu, xử lý từng yêu cầu trong phiên làm việc riêng và trả kết quả như pull request về cuộc trò chuyện gốc. Dự án được cấu hình xoay quanh một kho GitHub duy nhất, chuyển các yêu cầu đã được ủy quyền thành mục công việc và có bảng điều khiển web hiển thị những việc cần con người chú ý. Dự án được phát hành theo giấy phép MIT.

AIVnExpress

Người dùng ngôn ngữ ít phổ biến tốn nhiều tiền hơn cho AI

Khi sử dụng ngôn ngữ ít phổ biến, AI tiêu thụ nhiều token hơn, khiến người dùng bất lợi so với người nói tiếng Anh hoặc ngôn ngữ thịnh hành khác. Nghiên cứu của CLEAR gọi đây là "thuế tokenizer ẩn": trong nhóm 20 ngôn ngữ phổ biến nhất Internet, ngôn ngữ đắt nhất cần nhiều token gấp 1,5-5 lần ngôn ngữ rẻ nhất, và khoảng cách tăng lên 17 lần khi mở rộng sang 200 ngôn ngữ.