Những người có ảnh hưởng hàng đầu về AI năm 2025: Đã được xác minh, được tôn trọng, được theo dõi

Trí tuệ nhân tạo vào năm 2025 đã vượt ra khỏi sự cường điệu. Giờ đây, nó được thúc đẩy bởi các nghiên cứu đã được chứng minh, cơ sở hạ tầng vững chắc hơn và thực tế của việc xây dựng các sản phẩm bền vững. X (trước đây là Twitter) Nhiều người dẫn dắt cuộc trò chuyện này cũng đang dẫn dắt công nghệ. Họ thiết kế, nghiên cứu và quản lý các hệ thống định hình việc sử dụng công nghệ trong kinh doanh, nghiên cứu và các dự án nguồn mở.

Đây không phải là danh sách người nổi tiếng. Mỗi người ở đây đều có ảnh hưởng thực sự, chuyên môn rõ ràng và thành tích dẫn dắt các cuộc thảo luận trong cộng đồng AI. Quan điểm của họ rất quan trọng vì chúng đến từ việc xây dựng, định hướng và thách thức các hệ thống định hình tương lai của chúng ta.

Yann LeCun (@ylecun) — Nhà khoa học AI trưởng tại Siêu dữ liệu

Yann LeCun vẫn là một trong những tiếng nói mạnh mẽ nhất trong lĩnh vực AI, đặc biệt là trong nghiên cứu cơ bản. Những bình luận công khai của ông thường đi ngược lại xu hướng chung, đặc biệt là trong các cuộc tranh luận về các mô hình ngôn ngữ lớn. Ông ủng hộ các hệ thống học với ít dữ liệu hơn và tiêu thụ ít năng lượng hơn đáng kể, khác biệt với tư duy "càng lớn càng tốt".

Vị thế của LeCun trong lịch sử được củng cố bằng việc phát minh ra mạng nơ-ron tích chập (CNN), hiện là yếu tố thiết yếu của thị giác máy tính. Ngày nay, ông là người tiên phong ủng hộ học tập tự giám sát và AI tự động — những cỗ máy phát triển khả năng hiểu biết thông qua quan sát thay vì thu thập dữ liệu vô tận.

Hiện tại, anh ấy hiếm khi đăng nội dung gốc lên Twitter nhưng thường đăng lại hoặc liên kết đến các bài luận chuyên sâu về nghiên cứu AI và thiết kế hệ thống.

• Chủ đề cốt lõi: kiến trúc tiết kiệm năng lượng, học tập lấy đối tượng làm trung tâm, mô hình thế giới;
• Lượng khán giả tiếp cận: hơn 900,000 người theo dõi;
• Động lực đáng chú ý: trao đổi kỹ thuật thường xuyên với các nhà nghiên cứu tại OpenAI và DeepMind;

Trong hơn ba mươi năm, công trình của ông đã định hình chiến lược AI của Meta, hướng tới các hệ thống có thể quan sát và suy nghĩ theo cách gần với lý luận của con người hơn, chứ không chỉ dự đoán từ tiếp theo trong một chuỗi.

Andrej Karpathy (@karpathy) — Thành viên sáng lập của OpenAI

Andrej Karpathy kết hợp kỹ năng chuyên môn sâu rộng với góc nhìn của một người đã hiện thực hóa những sản phẩm lớn. Anh ấy phân tích những ý tưởng phức tạp — từ thiết kế mô hình đến lựa chọn đào tạo và những rào cản triển khai — theo cách phù hợp với cả các nhà nghiên cứu và người thực hành.

Nguồn cấp dữ liệu của ông kết hợp hiểu biết chuyên môn với tầm nhìn—ví dụ, gần đây ông đề xuất rằng các mô hình ngôn ngữ lớn đang trở thành nền tảng của phần mềm hiện đại.

• Di sản: những đột phá ban đầu trong học sâu và thị giác máy tính, dẫn đầu về AI tại Tesla ;
• Phạm vi tiếp cận: hơn 1 triệu người theo dõi;
• Sự tham gia: thường xuyên tổ chức các buổi nói chuyện tại hội nghị và giáo dục cộng đồng;

Sau khi trở về OpenAI Năm 2024, Karpathy tập trung vào việc giúp các mô hình dễ quản lý hơn và mở rộng quy mô mà không mất quyền kiểm soát. Ông cũng nỗ lực mở rộng nguồn lực cho cộng đồng nhà phát triển. Trong các bài đăng của mình, ông kết nối tư duy kỹ thuật chuyên sâu với công việc xây dựng phần mềm hàng ngày, cung cấp cho các kỹ sư những phương pháp thiết thực để tạo ra các hệ thống có thể hoạt động tốt trong điều kiện sử dụng thực tế.

Fei-Fei Li (@drfeifei) — Giáo sư tại Stanford

Fei-Fei Li đã xây dựng danh tiếng của mình bằng cách kết nối AI với nhu cầu của con người. Cô thúc đẩy các thiết kế phục vụ chăm sóc sức khỏe, giáo dục và lợi ích công cộng cũng như phục vụ chương trình nghị sự của doanh nghiệp hoặc chính phủ. Cô đã lãnh đạo việc tạo ra ImageNet, một dự án đã định hình lại học sâu và để lại một trong những dấu ấn mạnh mẽ nhất cho AI ngày nay.

Các bài đăng của cô tập trung vào khía cạnh con người của AI—ý nghĩa về mặt đạo đức, tác động đến chăm sóc sức khỏe và tầm quan trọng của việc bảo vệ phẩm giá con người.

• Được biết đến với: IMAGEnet Viện AI lấy con người làm trung tâm của Stanford;
• Đối tượng: Hơn 500,000 người theo dõi, tư vấn cho các nhà hoạch định chính sách của Hoa Kỳ và quốc tế;
• Trọng tâm hiện tại: đạo đức, khả năng tiếp cận và hòa nhập xã hội trong các ứng dụng AI;

Cô ấy đưa ra quan điểm từ những người thường bị bỏ qua trong lĩnh vực công nghệ — chẳng hạn như nhân viên y tế, nhà giáo dục và người khuyết tật — và luôn tập trung vào mối quan tâm của họ. Li định hình AI có trách nhiệm là vấn đề của sự đồng cảm, tầm nhìn xa và sự tham gia từ những tiếng nói nằm ngoài phòng họp của Thung lũng Silicon.

Emad Mostaque (@ETostaque) — Người sáng lập Stability AI

Emad Mostaque là một defiÔng là một nhân vật quan trọng trong lĩnh vực AI tạo sinh nguồn mở. Ông thúc đẩy việc các mô hình và tập dữ liệu có thể được tiếp cận ngoài tầm kiểm soát của các tập đoàn lớn, tác động đến làn sóng các công ty khởi nghiệp phát hành các hệ thống có trọng số mở.

Trên trang cá nhân của mình, anh chia sẻ những thông tin cập nhật sống động về AI tạo sinh nguồn mở và lời mời phản hồi của công chúng về quá trình phát triển.

• Cột mốc: ra mắt Stable Diffusion;
• Các lĩnh vực trọng tâm: minh bạch chi phí, cởi mở về cơ sở hạ tầng, nguyên tắc an toàn AI;
• Đối tượng: Hơn 250,000 người theo dõi;

Mostaque thường xuyên phân tích chi phí thực tế và những hạn chế của việc xây dựng các mô hình tiên tiến, cung cấp một cái nhìn hiếm hoi về ngân sách và nỗ lực kỹ thuật thúc đẩy các công cụ tạo sinh. Sự kiên trì của ông về tính minh bạch đã thay đổi kỳ vọng về những gì các nhà phát triển và nhà nghiên cứu nên có khả năng kiểm tra và kiểm soát.

Timnit Gebru (@timnitGebru) — Người sáng lập Viện DAIR

Nghiên cứu của Timnit Gebru về thiên kiến thuật toán và tính minh bạch dữ liệu đã thay đổi cách thảo luận về tính công bằng của AI trên quy mô toàn cầu. Bà xem xét ai nắm giữ quyền lực trong phát triển AI và quyền lực đó định hình kết quả như thế nào.

Bà sử dụng sự hiện diện của mình để nêu bật các vấn đề thiên vị, thường nhắc đến nghiên cứu của bà hoặc những phát triển chính sách quan trọng về tính công bằng trong AI.

• Các lĩnh vực chính: sự thiên vị có hệ thống trong LLM, quản trị do cộng đồng lãnh đạo, tiêu chuẩn dữ liệu đạo đức;
• Đối tượng: Hơn 160,000 người theo dõi; được trích dẫn trong các khuôn khổ chính sách trên toàn thế giới;

Bà xây dựng lập luận của mình dựa trên bằng chứng rõ ràng. Nghiên cứu của bà cho thấy những sai sót trong dữ liệu đào tạo có thể dẫn đến bất bình đẳng thực tế liên quan đến chủng tộc, giới tính và giai cấp. Các nhà lập pháp và cơ quan quản lý hiện nay tham khảo nghiên cứu của bà khi xây dựng quy định, điều này đã đưa bà trở thành tiếng nói phản biện hàng đầu trong các cuộc thảo luận.

Chris Olah (@ch402) — Đồng sáng lập của nhân loại

Chris Olah đã làm sáng tỏ một số phần phức tạp nhất của mạng nơ-ron. Những giải thích trực quan và tường thuật của ông về cách các mô hình xử lý thông tin đã trở thành tài liệu giảng dạy tại các trường đại học và là nguồn tham khảo cho các nhà nghiên cứu an toàn AI.

Ông thường xuyên đăng các bản cập nhật về khả năng diễn giải—công trình gần đây về phân tích mạch mô hình nguồn mở đã thu hút sự chú ý trong giới nghiên cứu an toàn.

• Chuyên môn: công cụ diễn giải, trực quan hóa đường dẫn quyết định;
• Đối tượng: Hơn 150,000 người theo dõi;
• Công việc gần đây: căn chỉnh mô hình, giao thức an toàn, AI theo Hiến pháp;

Bằng cách làm cho hoạt động bên trong của AI trở nên rõ ràng, Olah đã chuyển khả năng diễn giải từ sự tò mò học thuật thành một yêu cầu cốt lõi cho sự tin cậy và an toàn. Ảnh hưởng của ông định hình cách các phòng thí nghiệm và nhà hoạch định chính sách suy nghĩ về việc giám sát và định hướng hành vi của mô hình.

Sara Hooker (@sarahookr) — Giám đốc tại Cohere cho AI

Sara Hooker nỗ lực cải thiện hiệu quả và khả năng tiếp cận của máy học. Cô tập trung vào các nhà nghiên cứu ở những khu vực có ít nguồn lực hơn, nhằm mục đích phân cấp quyền đóng góp cho lĩnh vực này.

Các bài đăng của cô nhấn mạnh vào tính bao hàm trong nghiên cứu AI—gần đây cô đã thu hút sự chú ý đến những giới hạn của quy định dựa trên máy tính.

• Trọng tâm chính: mô hình thưa thớt, khả năng tái tạo, nghiên cứu AI toàn diện;
• Đối tượng: Hơn 45,000 người theo dõi;

Công trình của bà đặt câu hỏi về quan niệm rằng nghiên cứu nghiêm túc chỉ có thể diễn ra với cơ sở hạ tầng khổng lồ. Bằng cách thúc đẩy kiến trúc hiệu quả và hợp tác toàn cầu, Hooker đang định hình lại kỳ vọng về cả hiệu suất và sự tham gia vào AI.

Ethan Mollick (@emollick) — Giáo sư tại Wharton

Ethan Mollick chứng minh cách các công cụ AI thay đổi cách con người học tập và làm việc. Các thí nghiệm của anh với các mô hình ngôn ngữ lớn trong lớp học và môi trường kinh doanh mang lại kết quả cụ thể, có thể nhân rộng.

Nguồn cấp dữ liệu của anh ấy đưa AI vào các tình huống thực tế trong lớp học và văn phòng—khám phá cách thiết kế nhanh chóng và các công cụ tại nơi làm việc phát triển và ảnh hưởng đến việc học như thế nào.

• Các lĩnh vực trọng tâm: LLM ứng dụng, kỹ thuật nhanh chóng, quy trình làm việc hỗ trợ AI;
• Đối tượng: Hơn 280,000 người theo dõi;

Mollick làm việc bằng cách tự mình thử nghiệm các công cụ, quan sát diễn biến và điều chỉnh phương pháp trong quá trình thực hiện. Vòng lặp thực tế này cung cấp cho các nhà giáo dục và chuyên gia một bản thiết kế để tích hợp AI với ít phỏng đoán nhất.

Dario Amodei (@darioamodei) — Tổng giám đốc điều hành của nhân loại

Dario Amodei dẫn đầu một trong những nỗ lực an toàn AI được theo dõi chặt chẽ nhất. Sự phát triển của Anthropic Claude là một phần của chiến lược lớn hơn nhằm mở rộng quy mô an toàn hơn mà không làm trì hoãn sự đổi mới.

Ông hiếm khi đăng bài, nhưng mỗi khi đăng, quan điểm của ông lại gây tranh cãi - gần đây ông đã chỉ trích một câu chuyện mà ông mô tả là bóp méo sứ mệnh an toàn hàng đầu của Anthropic.

• Trọng tâm: AI theo hiến pháp, độ tin cậy của hệ thống, sự liên kết ở quy mô lớn;
• Đối tượng: Hơn 70,000 người theo dõi; được công nhận tại các phiên điều trần lập pháp và hội nghị thượng đỉnh toàn cầu;

Phong cách cân nhắc của Amodei và sự nhấn mạnh vào cơ chế kiểm soát đã biến tác phẩm của ông thành điểm tham chiếu cho cả ngành công nghiệp và chính phủ trong việc thiết lập kỳ vọng cho việc giám sát mô hình.

Grady Booch (@Grady_Booch) — Nhà khoa học trưởng về Kỹ thuật phần mềm tại Nghiên cứu của IBM

Sự nghiệp của Grady Booch xoay quanh việc thiết kế và quản lý các hệ thống phần mềm phức tạp, điều này khiến quan điểm của ông về cách AI hiện đại được xây dựng và bảo trì đặc biệt có giá trị. Hàng thập kỷ dành cho việc thiết kế các hệ thống bền vững cho phép ông làm nổi bật những yêu cầu của kỹ thuật AI lâu dài.

Giọng nói của ông kết hợp quan điểm thiết kế hệ thống sâu sắc với bối cảnh AI—mặc dù các bản cập nhật ít thường xuyên hơn, ông mang lại sự rõ ràng về mặt kiến trúc cho cuộc tranh luận về AI.

Được biết đến nhiều nhất với việc tạo ra UML (Ngôn ngữ mô hình thống nhất), Booch áp dụng tư duy kiến trúc nghiêm ngặt vào các vấn đề triển khai AI và độ tin cậy.

• Các chủ đề cốt lõi: thiết kế hệ thống, độ bền, đạo đức trong kỹ thuật;
• Đối tượng: Hơn 160,000 người theo dõi trong cộng đồng AI và kỹ thuật truyền thống;

Ông cảnh báo rằng việc hành động quá nhanh có nguy cơ làm suy yếu nền tảng đã được xây dựng. Đối với ông, những tiến bộ lâu dài đến từ thiết kế kiên nhẫn, thử nghiệm nghiêm ngặt và cam kết thực hành kỹ thuật vững chắc.