10 Thuật ngữ AI ai cũng nên biết

Biên dịch và giới thiệu: BAC (dựa trên bài gốc của Susanna Ray – Microsoft)

 

 

Thuật ngữ “AI” – trí tuệ nhân tạo – đã xuất hiện trong ngành khoa học máy tính từ những năm 1950. Tuy nhiên, phải đến cuối năm 2022, công nghệ này mới thật sự trở thành chủ đề được quan tâm rộng rãi ngoài phạm vi chuyên môn. Lý do là bởi những bước tiến vượt bậc trong lĩnh vực học máy (machine learning) đã tạo ra làn sóng đổi mới mạnh mẽ, bắt đầu lan tỏa và tác động sâu sắc đến hầu hết mọi lĩnh vực trong đời sống – từ công việc, giáo dục đến sáng tạo và giải trí.

Và vì AI đang ngày càng gắn bó với mọi mặt của công việc số, BAC muốn giúp bạn – dù là người học công nghệ, người làm phân tích nghiệp vụ hay chỉ đơn giản là người quan tâm đến tương lai – hiểu rõ những thuật ngữ quan trọng nhất, để có thể tham gia vào cuộc trò chuyện công nghệ đang diễn ra khắp thế giới.

 

AI là hệ thống máy tính được lập trình để bắt chước một số khả năng của con người: hiểu ngôn ngữ, ra quyết định, phân tích cảm xúc, dịch thuật, thậm chí học hỏi từ trải nghiệm.

 

 

Nó được gọi là “trí tuệ nhân tạo” vì trí tuệ này được xây dựng bằng công nghệ – không phải tự nhiên mà có. Dù đôi khi được ví như “bộ não số”, AI không phải robot vật lý mà là những chương trình phần mềm chạy trên máy tính.

AI hoạt động bằng cách xử lý một lượng dữ liệu khổng lồ thông qua các thuật toán, từ đó hình thành mô hình giúp tự động hóa các tác vụ từng cần đến thời gian và trí tuệ con người. Bạn có thể tương tác trực tiếp với AI – như trò chuyện với Bing Chat – hoặc gián tiếp qua các tính năng hỗ trợ như gợi ý từ khi gõ, đề xuất nhạc, hay hiển thị thông tin phù hợp với sở thích của bạn.

 

Nếu AI là đích đến, thì Machine Learning chính là con đường để đến đó. Đây là lĩnh vực cho phép máy tính “học” cách thực hiện tác vụ bằng cách nhận diện mẫu và đưa ra dự đoán từ dữ liệu đầu vào.

 

 

Tưởng tượng như luyện đàn piano: lặp đi lặp lại hàng triệu lần để đọc nhạc tốt hơn. Máy học cũng vậy – dữ liệu được đưa vào thuật toán nhiều lần để hệ thống học cách cải thiện. Điều này đặc biệt hiệu quả với những bài toán mà lập trình truyền thống không xử lý tốt, như nhận diện ảnh hay dịch ngôn ngữ.

Chỉ đến khi dữ liệu số bùng nổ và phần cứng trở nên mạnh mẽ hơn trong những năm gần đây, Machine Learning mới thật sự cất cánh. Đó là lý do vì sao các ứng dụng như ChatGPT hay Bing Chat đã bùng nổ nhanh chóng trong thời gian ngắn.

 

Mô hình ngôn ngữ lớn (LLM) sử dụng học máy để xử lý và tạo ra ngôn ngữ giống như con người. Chúng được xây dựng dựa trên mạng nơ-ron nhân tạo – mô phỏng theo cách não người hoạt động.

 

 

Nhờ được huấn luyện trên khối lượng văn bản khổng lồ, LLM có thể học cách viết, trả lời, dịch thuật, viết thơ, thậm chí là lập trình. Dù không có cảm xúc hay ý thức, nhưng phản hồi của chúng có thể nghe rất “thật” vì được huấn luyện theo các mẫu hội thoại tự nhiên. Đặc biệt, nhiều mô hình còn được tinh chỉnh thêm bằng kỹ thuật RLHF (học tăng cường từ phản hồi con người) để trở nên mượt mà và chính xác hơn khi trò chuyện.

 

AI tạo sinh là một trong những ứng dụng mạnh mẽ nhất của LLM – nó không chỉ phản hồi thông tin có sẵn, mà còn có thể tạo ra nội dung hoàn toàn mới: hình ảnh, nhạc, video, văn bản, mã nguồn,...

 

 

Với Generative AI, bạn có thể yêu cầu AI thiết kế sản phẩm, viết truyện, tạo slide, hỗ trợ công việc hành chính hoặc sáng tạo nghệ thuật. Tuy nhiên, mặt trái là nó cũng có thể tạo ra thông tin sai lệch hoặc hình ảnh giả mạo – vì vậy nhiều công nghệ nhận diện nội dung do AI tạo ra đang được phát triển để đảm bảo tính minh bạch.

 

Dù có thể tạo nội dung ấn tượng, AI không thật sự hiểu đúng – sai. Khi AI “tưởng tượng” ra điều gì đó không có thật nhưng nói như thật, đó gọi là ảo giác (hallucination).

 

 

Ví dụ: AI có thể “bịa” ra một tài liệu không tồn tại hoặc dẫn sai nguồn. Để giảm thiểu hiện tượng này, kỹ sư đang dùng kỹ thuật grounding – neo đầu ra của AI vào dữ liệu xác thực. Tuy nhiên, nếu mô hình chưa được cập nhật thông tin mới, nó vẫn có thể mắc lỗi.

 

AI có trách nhiệm là khung hướng dẫn để thiết kế hệ thống AI an toàn – công bằng – minh bạch từ giai đoạn xây dựng mô hình cho đến lúc sử dụng.

 

 

Vì AI đang tham gia vào nhiều quyết định quan trọng – như giáo dục, y tế, việc làm – nên việc kiểm soát rủi ro và tránh thiên vị là vô cùng cần thiết. Điều này bao gồm hiểu rõ dữ liệu huấn luyện, kiểm tra lỗi thiên kiến (bias) và đảm bảo rằng AI phản ánh được toàn bộ xã hội, chứ không chỉ một nhóm thiểu số.

 

Khác với các mô hình chỉ xử lý văn bản, mô hình đa phương thức có thể xử lý cùng lúc nhiều loại dữ liệu: hình ảnh, âm thanh, video,...

 

 

Chúng giống như một siêu trợ lý có khả năng “nhìn, nghe và đọc” – ví dụ: bạn có thể đưa vào một bức ảnh và hỏi AI “trong ảnh có gì?”, hoặc kết hợp video và câu hỏi để nhận được phân tích đầy đủ hơn.

 

Prompt là cách bạn giao tiếp với AI – có thể bằng câu lệnh, hình ảnh hoặc mã code. Một prompt rõ ràng, cụ thể sẽ giúp AI đưa ra kết quả tốt hơn.

 

 

Giống như gọi món ăn – nếu chỉ nói “làm bánh mì” thì kết quả sẽ mơ hồ. Nhưng nếu bạn mô tả cụ thể loại bánh, nguyên liệu, gia vị,... thì AI mới “nấu” đúng món bạn muốn.

 

Copilot là AI được tích hợp vào các ứng dụng để làm việc cùng bạn – từ viết lách, lập trình, tìm kiếm đến ra quyết định.

 

 

Nó giống như một người cộng sự hiểu bạn, luôn sẵn sàng hỗ trợ ở bên. Với khả năng xử lý ngôn ngữ tự nhiên, Copilot giúp bạn làm việc nhanh hơn, thông minh hơn – nhưng bạn vẫn là người điều khiển chính. Và để đảm bảo an toàn, các Copilot hiện đại đều được thiết kế dựa trên nguyên tắc AI có trách nhiệm.

 

 

Plugin giống như ứng dụng gắn thêm cho AI – giúp mở rộng khả năng mà không cần chỉnh sửa mô hình lõi. Nhờ plugin, AI có thể kết nối với các phần mềm khác, truy cập thông tin mới, tính toán nâng cao hoặc kết hợp đa nguồn dữ liệu.

Chúng giúp AI linh hoạt, mạnh mẽ và kết nối tốt hơn với thế giới số xung quanh bạn.

 

Nguồn gốc bài viết:

 

Tài liệu tham khảo thêm:

Nhu cầu đào tạo doanh nghiệp