Thuật Ngữ AI cơ bản, trong bài viết này chúng ta sẽ cùng tìm hiểu về 6 thuật ngữ cơ bản mà bạn thường được nghe khi nhắc đến AI – Trí tuệ nhân tạo, đó là AI, Machine Learning, Deep Learning, Generative AI, Large Language Model (LLM) và Prompt. Những thuật ngữ này cũng chính là những định nghĩa quan trọng trong lĩnh vực AI, giúp bạn tự tin hơn để tiến vào một lĩnh vực mới.
Dưới đây là nội dung chi tiết liên quan đến từng thuật ngữ:
1. AI (Artificial Intelligence – Trí tuệ nhân tạo)
- Khái niệm: AI là viết tắt của artificial intelligence hay trí tuệ nhân tạo, là một lĩnh vực rộng lớn của khoa học máy tính giúp máy móc có vẻ như có trí thông minh của con người. Về cơ bản, AI là một hệ thống máy tính siêu thông minh có thể bắt chước con người theo một số cách như cảm nhận, suy luận, hành động hoặc thích ứng. Nó được gọi là nhân tạo vì được con người tạo ra bằng cách sử dụng công nghệ.
- Mối quan hệ: AI là một lĩnh vực rộng lớn, bao gồm nhiều nhánh con như Machine Learning, Computer Vision, Robotics, và Natural Language Processing (NLP).
- Ứng dụng: Đôi khi bạn sẽ tương tác trực tiếp với hệ thống AI như ra lệnh cho ChatGPT hay trò chuyện với Siri. Nhưng thường thì AI sẽ hoạt động ngầm bên dưới các công cụ mà bạn đang sử dụng, ví dụ như gợi ý từ khi tìm kiếm trên Google, đề xuất bài hát trên Spotify, hay gợi ý mua sắm trên Shopee dựa trên lịch sử của bạn.
- Lịch sử: Thuật ngữ “artificial intelligence” được đề xuất bởi nhà khoa học máy tính người Mỹ John McCarthy tại hội nghị Dartmouth từ năm 1956. Bạn có thể xem thêm bài viết này Lịch sử trí tuệ nhân tạo AI – Bừng tỉnh sau giấc ngủ đông kéo dài vài thập kỷ .
2. Machine Learning (Máy học)
- Khái niệm: Machine learning là một nhánh con của AI. Nói một cách dễ hiểu, machine learning là làm cho máy học giống con người thông qua trải nghiệm. Một chương trình machine learning sẽ phân tích hàng nghìn ví dụ để xây dựng thuật toán, sau đó thuật toán sẽ được điều chỉnh dựa trên việc chương trình có đạt được mục tiêu hay không, giúp chương trình trở nên thông minh hơn theo thời gian.
- Cách thức hoạt động: Machine learning sử dụng nhiều dữ liệu đầu vào để huấn luyện mô hình, sau đó mô hình đã đào tạo đó có thể đưa ra dự đoán dựa trên dữ liệu mới mà nó chưa từng thấy trước đây.
- Các loại thuật toán học: Các thuật toán machine learning có thể được phân loại theo bốn cách học tùy thuộc vào loại dữ liệu đầu vào và kết quả kỳ vọng, bao gồm: supervised learning (học có giám sát), unsupervised learning (học không giám sát), semi-supervised learning (học nửa giám sát), và reinforcement learning (học tăng cường).
3. Deep Learning (Học sâu)
- Khái niệm: Deep learning là một nhánh con của machine learning. Theo Amazon Web Services, Deep learning là một loại hình kỹ thuật máy học được xây dựng mô phỏng theo não người. Các thuật toán Deep learning phân tích dữ liệu bằng cấu trúc logic tương tự như logic của con người, sử dụng các hệ thống thông minh được gọi là Artificial Neural Networks (ANN) hay mạng neuron nhân tạo để xử lý thông tin theo lớp.
- Cách thức hoạt động: Dữ liệu đi từ lớp đầu vào qua nhiều lớp mạng neuron ẩn sâu trước khi tới được lớp kết quả. Điều này giống như việc nhìn kỹ vào một bức tranh để thấy tất cả những chi tiết nhỏ khiến nó trở nên đặc biệt.
- Mối quan hệ: Deep learning là công nghệ hỗ trợ các ứng dụng rất nổi tiếng như ChatGPT hay Gemini.
4. Generative AI (AI tạo sinh)
- Khái niệm: Generative AI là một nhánh con của Deep learning và là một dạng AI có thể tạo ra nội dung và ý tưởng mới thay vì chỉ tìm kiếm hay phân loại các nội dung sẵn có.
- Khả năng tạo nội dung: Các nội dung mới được tạo ra có thể là các cuộc trò chuyện, câu chuyện, hình ảnh, video và âm nhạc.
- Các loại mô hình Generative AI:
- Mô hình chuyển văn bản thành văn bản: Phổ biến như ChatGPT hay Gemini, văn bản có thể là ngôn ngữ tự nhiên hoặc đoạn mã.
- Mô hình chuyển văn bản thành hình ảnh: Ví dụ Image Creator trong Microsoft Designer, Midjourney và DALL-E, cho phép bạn mô tả và AI sẽ tạo ra hình ảnh cho bạn.
- Mô hình chuyển lời nói thành văn bản: Ví dụ Turboscribe.
- Mô hình tạo âm thanh/bài hát: Từ câu lệnh bằng văn bản.
- Mô hình chuyển văn bản thành video: Ví dụ Imagine Video của Google, Make-A-Video của Meta.
- Mô hình chuyển văn bản thành mô hình 3D: Ứng dụng trong các trò chơi.
- Mô hình kết hợp: Các sản phẩm AI như ChatGPT-4 có thể kết hợp các mô hình khác nhau để làm việc cùng lúc với văn bản, hình ảnh, giọng nói.
- Cách thức hoạt động: Generative AI đã học từ một nguồn dữ liệu rất lớn với hàng triệu hình ảnh, câu chuyện, âm thanh… và có thể kết hợp chúng lại thành một nội dung mới dựa trên yêu cầu của bạn.
5. LLM (Large Language Model – Mô hình ngôn ngữ lớn)
- Khái niệm: LLM là một nhánh của Deep learning. Thông thường, các LLM sẽ được đào tạo trước với một bộ dữ liệu rất lớn, sau đó mới được điều chỉnh cho các mục đích cụ thể.
- Khả năng: Một mô hình ngôn ngữ được đào tạo trước để giải quyết các vấn đề ngôn ngữ phổ biến như trả lời câu hỏi, tạo văn bản, phân loại văn bản, viết quảng cáo hay thậm chí là lập trình. Sau đó, LLM này sẽ sử dụng các bộ dữ liệu nhỏ hơn, chuyên biệt hơn để giải quyết vấn đề cụ thể của từng ngành như tài chính, chăm sóc sức khỏe, giải trí, giao nhận hàng hóa.
- Cách thức hoạt động: Các mô hình ngôn ngữ được cung cấp một lượng văn bản khổng lồ từ sách báo, mạng internet, dữ liệu người dùng,… để học. Khi bạn nhập một vài từ làm đầu vào, mô hình này sẽ thực hiện quá trình đoán từ tiếp theo cho đến khi nó có thể tạo thành một câu hay đoạn văn có nghĩa hoàn chỉnh.
- Quy mô: Một mô hình ngôn ngữ lớn có thể có hàng nghìn tỷ đến hàng trăm tỷ tham số, ví dụ mô hình GPT-3 của OpenAI có 175 tỷ tham số hay mô hình Jurassic-1 của AI21 Labs có 178 tỷ tham số, và có một kho từ vựng (Tokens) gồm 250.000 thành phần từ.
6. Prompt (Câu lệnh)
- Khái niệm: Prompt được hiểu đơn giản là một hướng dẫn được nhập vào hệ thống bằng ngôn ngữ, hình ảnh, video hoặc đoạn mã ngôn ngữ lập trình để yêu cầu AI thực hiện một nhiệm vụ mà bạn muốn.
- Tầm quan trọng: Đây là một công việc, một kỹ năng cực kỳ quan trọng để sử dụng các công cụ trí tuệ nhân tạo như ChatGPT, Veo 3, Leonardo AI một cách hiệu quả.
- Cách viết Prompt hiệu quả: Khi bạn viết prompt, tương tự như khi giao việc cho một người khác, bạn cần cung cấp hướng dẫn cụ thể với các tình huống, yêu cầu, và định dạng, và kết quả cần đạt được, càng cụ thể càng tốt để AI làm đúng yêu cầu của bạn.
- Giới hạn: Hạn chế lớn nhất của việc sử dụng các công cụ AI có lẽ là trí tưởng tượng và khả năng giao tiếp hiệu quả của của chúng ta với với những công cụ và cổ máy AI.
Công nghệ AI – trí tuệ nhân tạo nói chung và những ứng dụng, và công cụ sử dụng nền tảng của nó đang thay đổi cách chúng ta sống và làm việc với một tốc độ chóng mặt. Do đó, việc hiểu biết về AI và khả năng tự động hóa công việc với AI ngày càng quan trọng đối với tất cả mọi người.
Nội dung liên quan, bạn có thể xem thêm bài viết này “Máy học – Machine Learning một phần quan trọng để tạo ra trí tuệ nhân tạo.”
Bài viết này cũng được đăng tại gocnhosaigon.com, mình sẽ tiếp tục cập nhật loạt bài về nội dung này. Cảm ơn các bạn đã xem thông tin.
Recent Comments