AGI (Trí tuệ nhân tạo tổng quát)
Khái niệm AI có thể làm mọi việc trí tuệ ở mức con người. Hiện vẫn là mục tiêu tương lai, chưa tồn tại.
Liên quan:AI (Trí tuệ nhân tạo)
LearnAI dùng cookie để bạn đăng nhập và để website hoạt động tốt hơn. Xem chi tiết tại Privacy Policy.
Gặp một từ lạ khi đọc về AI? Tra nhanh ở đây. Mỗi thuật ngữ được giải thích ngắn gọn bằng tiếng Việt, tránh dùng thuật ngữ để giải thích thuật ngữ.
Khái niệm AI có thể làm mọi việc trí tuệ ở mức con người. Hiện vẫn là mục tiêu tương lai, chưa tồn tại.
Công nghệ giúp máy tính làm những việc thường cần trí thông minh của con người: hiểu ngôn ngữ, nhận diện hình ảnh, đưa ra gợi ý. Chatbot như ChatGPT là một dạng AI.
AI không chỉ trả lời mà còn tự thực hiện chuỗi hành động để đạt mục tiêu — gọi công cụ, tra dữ liệu, làm nhiều bước liên tiếp.
Hiện tượng AI trả lời sai nhưng nghe rất tự tin — bịa số liệu, ngày tháng, trích dẫn không có thật. Vì vậy luôn kiểm chứng thông tin quan trọng.
Cách để phần mềm của bạn gọi trực tiếp tới AI qua mã lệnh (thay vì gõ trên web). Dùng khi muốn tích hợp AI vào ứng dụng, tự động hoá.
Xu hướng lệch trong câu trả lời của AI do dữ liệu huấn luyện. Vì vậy không nên coi kết quả AI là khách quan tuyệt đối.
Kỹ thuật yêu cầu AI 'suy nghĩ từng bước' trước khi kết luận. Giúp AI làm tốt hơn các bài toán logic, tính toán, phân tích.
Chương trình trò chuyện bằng ngôn ngữ tự nhiên. Chatbot AI hiện đại (ChatGPT) dựa trên LLM nên trả lời linh hoạt hơn chatbot kịch bản cũ.
Chatbot AI của OpenAI, phổ biến nhất hiện nay. Bản miễn phí đủ để thực hành hầu hết việc cơ bản.
Lượng thông tin tối đa (tính bằng token) mà AI có thể 'nhớ' trong một cuộc hội thoại. Vượt quá thì AI bắt đầu quên phần đầu.
AI hỗ trợ ngay trong công cụ bạn đang dùng (viết code, soạn văn bản, bảng tính) — gợi ý, hoàn thiện, tóm tắt. Bạn vẫn là người quyết định.
Tập dữ liệu dùng để huấn luyện hoặc đánh giá AI. Chất lượng dataset ảnh hưởng trực tiếp tới chất lượng và thiên lệch của mô hình.
Kiểu học máy dùng mạng nơ-ron nhiều lớp, mạnh với ảnh, giọng nói và ngôn ngữ. Là nền của LLM và mô hình tạo ảnh.
Kỹ thuật tạo ảnh bằng AI: bắt đầu từ nhiễu ngẫu nhiên rồi 'khử nhiễu' dần thành hình theo mô tả. Nền của nhiều công cụ tạo ảnh.
Cách biến văn bản thành dãy số để máy đo độ 'giống nghĩa' giữa các đoạn. Là nền của tìm kiếm ngữ nghĩa và RAG.
Cho AI vài ví dụ mẫu ngay trong prompt để nó bắt chước phong cách/định dạng bạn muốn. Thường cho kết quả sát ý hơn zero-shot.
Huấn luyện thêm một mô hình có sẵn trên dữ liệu riêng để nó chuyên cho một lĩnh vực/phong cách. Tốn kém hơn so với chỉ viết prompt tốt.
Dòng mô hình ngôn ngữ của OpenAI (Generative Pre-trained Transformer) — 'bộ não' đứng sau ChatGPT.
Buộc câu trả lời của AI dựa trên nguồn/dữ liệu cụ thể thay vì 'tự nghĩ ra' — giảm ảo giác. RAG là một cách grounding.
Các quy tắc và cơ chế giới hạn hành vi AI để tránh nội dung có hại hoặc sai phạm. Ví dụ: từ chối yêu cầu nguy hiểm.
Lúc mô hình đã huấn luyện xong và bạn đưa prompt vào để nhận câu trả lời. Đây là 'lúc dùng' AI, khác với 'lúc học' (training).
Cách lách để AI bỏ qua rào an toàn và tạo nội dung bị chặn. Là rủi ro an toàn; nhà phát triển liên tục vá.
Việc tự đối chiếu câu trả lời của AI với nguồn đáng tin. Bắt buộc với số liệu, pháp lý, y tế và mọi việc quan trọng vì AI có thể sai.
Thời gian từ khi bạn gửi prompt đến khi AI bắt đầu/hoàn tất trả lời. Ảnh hưởng trải nghiệm khi tích hợp AI vào ứng dụng.
Loại AI được huấn luyện trên khối lượng văn bản khổng lồ để hiểu và tạo ra ngôn ngữ. ChatGPT, Claude, Gemini đều là LLM.
Nhánh của AI: máy 'học' quy luật từ dữ liệu thay vì được lập trình từng bước. Là nền của hầu hết AI hiện đại.
AI xử lý được nhiều loại dữ liệu — văn bản, hình ảnh, âm thanh, video — chứ không chỉ chữ. Ví dụ: gửi ảnh và hỏi AI về nội dung ảnh.
Mô hình toán học lấy cảm hứng từ nơ-ron não người, gồm nhiều lớp 'nút' nối nhau để nhận diện quy luật trong dữ liệu.
Mô hình AI công khai để ai cũng tải, chạy, tuỳ biến (ví dụ Llama). Khác với mô hình đóng chỉ dùng qua dịch vụ (ChatGPT).
Các con số bên trong mô hình được điều chỉnh khi huấn luyện. 'Mô hình 70 tỉ tham số' nói lên quy mô, không phải lúc nào cũng đồng nghĩa thông minh hơn.
Câu lệnh, câu hỏi hoặc yêu cầu bạn nhập cho AI. Prompt càng rõ, kết quả càng sát ý. Đây là kỹ năng nền khi dùng AI.
Kỹ năng viết prompt tốt để AI trả về kết quả chất lượng: nêu rõ vai trò, bối cảnh, yêu cầu, định dạng và ví dụ.
Kiểu tấn công gài chỉ dẫn độc hại vào nội dung AI đọc, khiến AI làm sai lệnh gốc. Rủi ro an toàn cần lưu ý khi cho AI đọc dữ liệu ngoài.
Kỹ thuật cho AI tra cứu tài liệu bên ngoài (của bạn) rồi mới trả lời — giúp câu trả lời bám dữ liệu thật, giảm bịa.
Chỉ dẫn nền đặt ra vai trò và quy tắc cho AI trước khi bạn trò chuyện — ví dụ 'Bạn là trợ lý viết content tiếng Việt'. Định hình toàn bộ cách AI phản hồi.
Tham số điều chỉnh mức sáng tạo của AI. Thấp → trả lời ổn định, bám sát; cao → đa dạng, sáng tạo nhưng dễ lệch.
Đơn vị nhỏ AI dùng để xử lý văn bản — thường là một từ hoặc một phần của từ. Độ dài hội thoại và chi phí API thường tính theo số token.
Quá trình cho mô hình 'học' từ khối dữ liệu lớn để nó dự đoán tốt. Tốn nhiều tính toán; xong rồi mới đem ra dùng (inference).
Kiến trúc mạng nơ-ron làm nền cho hầu hết LLM hiện nay, cho phép mô hình 'chú ý' vào những phần quan trọng của câu.
Cơ sở dữ liệu lưu embedding để tìm nhanh các đoạn văn bản gần nghĩa nhất với câu hỏi. Dùng nhiều trong hệ thống RAG.
Chuỗi bước ghép AI với công cụ khác để tự động hoá một việc lặp lại — ví dụ: tóm tắt email rồi soạn phản hồi tự động.
Yêu cầu AI làm một việc mà không cho ví dụ mẫu nào. Nhanh gọn nhưng kết quả có thể kém ổn định hơn khi có ví dụ.