Từ điển ChatGPT: 52 thuật ngữ AI cần biết

Khi thảo luận về AI trong bữa tối hay buổi hẹn, hãy nắm vững những thuật ngữ này để tỏ ra am hiểu và tự tin.

AI đã trở thành một phần không thể thiếu

Trí tuệ nhân tạo (AI) giờ đây len lỏi vào cuộc sống hàng ngày. Từ sự bùng nổ của ChatGPT đến việc Google tích hợp AI summaries ở đầu kết quả tìm kiếm, AI đang chiếm lĩnh internet. Với AI, bạn có thể nhận được câu trả lời tức thì cho hầu hết mọi câu hỏi, cảm giác như trò chuyện với một chuyên gia biết tuốt.

Tuy nhiên, chatbot chỉ là một phần nhỏ trong bức tranh AI rộng lớn. Dù việc nhờ ChatGPT làm bài tập hay dùng Midjourney tạo ra những hình ảnh độc đáo về robot theo phong cách từng quốc gia rất thú vị, tiềm năng của generative AI có thể định hình lại cả nền kinh tế. Theo McKinsey Global Institute, AI có thể đóng góp tới 4.4 nghìn tỷ USD mỗi năm cho kinh tế toàn cầu, lý do khiến AI ngày càng được nhắc đến.

AI xuất hiện trong vô số sản phẩm, từ Google Gemini, Microsoft Copilot, Anthropic Claude, đến Perplexity. Khi con người ngày càng quen thuộc với thế giới đan xen AI, nhiều thuật ngữ mới xuất hiện. Dù bạn muốn gây ấn tượng trong buổi phỏng vấn hay tỏ ra am hiểu khi trò chuyện, dưới đây là những thuật ngữ AI quan trọng bạn nên biết.

Artificial General Intelligence (AGI): Khái niệm về một phiên bản AI tiên tiến hơn hiện nay, có khả năng thực hiện nhiệm vụ vượt trội hơn con người, đồng thời tự học hỏi và phát triển năng lực.
Agentive: Các hệ thống hoặc mô hình thể hiện tính tự chủ, có khả năng tự động thực hiện hành động để đạt mục tiêu. Trong AI, một mô hình agentive có thể hoạt động mà không cần giám sát liên tục, như xe tự lái cấp cao. Khác với “agentic” (hoạt động nền), agentive tập trung vào trải nghiệm người dùng.
AI Ethics: Các nguyên tắc nhằm ngăn AI gây hại, thông qua việc xác định cách thu thập dữ liệu hoặc xử lý thiên kiến (bias).
AI Safety: Lĩnh vực liên ngành nghiên cứu tác động dài hạn của AI, đặc biệt là khả năng AI đột ngột tiến hóa thành siêu trí tuệ có thể gây nguy hiểm cho con người.
Algorithm: Chuỗi hướng dẫn cho phép chương trình máy tính học và phân tích dữ liệu theo cách cụ thể, như nhận diện mẫu, để tự học và hoàn thành nhiệm vụ.
Alignment: Tinh chỉnh AI để tạo ra kết quả mong muốn, từ kiểm duyệt nội dung đến duy trì tương tác tích cực với con người.
Anthropomorphism: Xu hướng con người gán đặc điểm giống người cho các đối tượng không phải con người. Trong AI, điều này có thể là tin rằng chatbot có cảm xúc như vui, buồn hoặc thậm chí có ý thức.
Artificial Intelligence (AI): Sử dụng công nghệ để mô phỏng trí tuệ con người, trong phần mềm hoặc robot. Một lĩnh vực trong khoa học máy tính nhằm xây dựng hệ thống thực hiện nhiệm vụ của con người.
Autonomous Agents: Mô hình AI với khả năng, lập trình và công cụ để hoàn thành nhiệm vụ cụ thể, như xe tự lái với cảm biến, GPS và thuật toán điều hướng.
Bias: Lỗi trong các mô hình ngôn ngữ lớn do dữ liệu huấn luyện, dẫn đến việc gán sai đặc điểm cho một số nhóm hoặc chủng tộc dựa trên định kiến.
Chatbot: Chương trình giao tiếp với con người qua văn bản, mô phỏng ngôn ngữ tự nhiên.
ChatGPT: Chatbot AI do OpenAI phát triển, sử dụng công nghệ large language model.
Cognitive Computing: Thuật ngữ khác để chỉ trí tuệ nhân tạo.
Data Augmentation: Kết hợp hoặc bổ sung dữ liệu đa dạng để huấn luyện AI.
Dataset: Bộ sưu tập thông tin số dùng để huấn luyện, kiểm tra và xác thực mô hình AI.
Deep Learning: Phương pháp AI, thuộc nhánh machine learning, sử dụng nhiều tham số để nhận diện mẫu phức tạp trong hình ảnh, âm thanh và văn bản, lấy cảm hứng từ não người với các mạng nơ-ron nhân tạo.
Diffusion: Phương pháp machine learning thêm nhiễu ngẫu nhiên vào dữ liệu, như ảnh, và huấn luyện mạng để tái tạo hoặc khôi phục dữ liệu đó.
Emergent Behavior: Khi mô hình AI thể hiện khả năng không được dự đoán trước.
End-to-End Learning (E2E): Quy trình deep learning yêu cầu mô hình hoàn thành nhiệm vụ từ đầu đến cuối, học trực tiếp từ đầu vào mà không qua các bước tuần tự.
Ethical Considerations: Nhận thức về tác động đạo đức của AI, liên quan đến quyền riêng tư, sử dụng dữ liệu, công bằng và an toàn.
Foom: Còn gọi là “fast takeoff” hoặc “hard takeoff”, khái niệm cho rằng nếu AGI được tạo ra, có thể đã quá muộn để bảo vệ nhân loại.
Generative Adversarial Networks (GANs): Mô hình AI generative gồm hai mạng nơ-ron – một tạo nội dung mới, một kiểm tra tính xác thực.
Generative AI: Công nghệ tạo nội dung như văn bản, video, mã hoặc hình ảnh, dựa trên việc tìm mẫu từ dữ liệu huấn luyện để tạo ra phản hồi mới.
Google Gemini: Chatbot AI của Google, hoạt động tương tự ChatGPT nhưng lấy thông tin từ web hiện tại, không giới hạn ở dữ liệu trước 2021 như ChatGPT.
Guardrails: Chính sách và hạn chế áp dụng cho mô hình AI để đảm bảo xử lý dữ liệu an toàn và tránh tạo nội dung gây rối.
Hallucination: Phản hồi sai từ AI, như đưa ra câu trả lời sai nhưng tự tin, ví dụ nói Leonardo da Vinci vẽ Mona Lisa vào năm 1815, muộn hơn 300 năm so với thực tế.
Inference: Quá trình AI sử dụng dữ liệu huấn luyện để tạo ra văn bản, hình ảnh hoặc nội dung khác dựa trên dữ liệu mới.
Large Language Model (LLM): Mô hình AI được huấn luyện trên lượng lớn dữ liệu văn bản để hiểu và tạo nội dung giống ngôn ngữ con người.
Latency: Độ trễ từ khi AI nhận đầu vào đến khi tạo ra đầu ra.
Machine Learning (ML): Thành phần của AI cho phép máy tính học và đưa ra dự đoán tốt hơn mà không cần lập trình rõ ràng.
Microsoft Bing: Công cụ tìm kiếm của Microsoft, tích hợp công nghệ từ ChatGPT để cung cấp kết quả tìm kiếm AI, tương tự Google Gemini với kết nối internet.
Multimodal AI: Loại AI xử lý nhiều loại đầu vào như văn bản, hình ảnh, video và giọng nói.
Natural Language Processing (NLP): Nhánh AI sử dụng machine learning và deep learning để máy tính hiểu ngôn ngữ con người, thường thông qua thuật toán học, mô hình thống kê và quy tắc ngôn ngữ.
Neural Network: Mô hình tính toán mô phỏng cấu trúc não người, gồm các nơ-ron liên kết để nhận diện mẫu và học theo thời gian.
Overfitting: Lỗi trong machine learning khi mô hình hoạt động quá sát với dữ liệu huấn luyện, chỉ nhận diện được ví dụ cụ thể mà không xử lý tốt dữ liệu mới.
Paperclips: Lý thuyết “Paperclip Maximiser” của triết gia Nick Boström, mô tả kịch bản giả định một AI cố gắng tạo ra nhiều kẹp giấy nhất có thể, tiêu thụ mọi tài nguyên, kể cả phá hủy máy móc hữu ích cho con người, dẫn đến hậu quả không mong muốn.
Parameters: Giá trị số định hình cấu trúc và hành vi của LLM, giúp dự đoán.
Perplexity: Chatbot và công cụ tìm kiếm AI của Perplexity AI, sử dụng LLM để trả lời câu hỏi, kết nối internet để cung cấp thông tin cập nhật. Phiên bản Pro có thêm tính năng phân tích tài liệu, tạo hình ảnh và diễn giải mã.
Prompt: Câu hỏi hoặc gợi ý nhập vào chatbot AI để nhận phản hồi.
Prompt Chaining: Khả năng AI sử dụng thông tin từ tương tác trước để định hình phản hồi sau.
Quantization: Quá trình làm mô hình AI nhỏ và hiệu quả hơn bằng cách giảm độ chính xác từ định dạng cao xuống thấp, như giảm từ ảnh 16-megapixel xuống 8-megapixel.
Stochastic Parrot: Ví von về LLM, cho thấy chúng chỉ bắt chước ngôn ngữ mà không thực sự hiểu ý nghĩa hoặc thế giới xung quanh, giống như con vẹt lặp lại lời người mà không hiểu.
Style Transfer: Khả năng áp dụng phong cách của một hình ảnh lên nội dung hình ảnh khác, như tái tạo chân dung tự họa của Rembrandt theo phong cách Picasso.
Temperature: Tham số kiểm soát mức độ ngẫu nhiên của đầu ra mô hình ngôn ngữ; giá trị cao khiến mô hình mạo hiểm hơn.
Text-to-Image Generation: Tạo hình ảnh từ mô tả văn bản.
Tokens: Đơn vị văn bản nhỏ mà mô hình AI xử lý để tạo phản hồi, tương đương khoảng 4 ký tự tiếng Anh hoặc 3/4 từ.
Training Data: Bộ dữ liệu (văn bản, hình ảnh, mã, v.v.) dùng để huấn luyện AI.
Transformer Model: Kiến trúc mạng nơ-ron học bối cảnh bằng cách theo dõi mối quan hệ trong dữ liệu, như câu văn hoặc phần hình ảnh, để hiểu ngữ cảnh toàn diện.
Turing Test: Thử nghiệm do Alan Turing đề xuất, kiểm tra khả năng máy móc hành xử như con người, thành công nếu con người không phân biệt được phản hồi của máy với của người.
Unsupervised Learning: Dạng machine learning không cung cấp dữ liệu gắn nhãn, buộc mô hình tự tìm mẫu trong dữ liệu.
Weak AI (Narrow AI): AI tập trung vào một nhiệm vụ cụ thể, không thể học vượt ngoài phạm vi đó; phần lớn AI hiện nay là weak AI.
Zero-Shot Learning: Thử nghiệm yêu cầu mô hình hoàn thành nhiệm vụ mà không có dữ liệu huấn luyện phù hợp, như nhận diện sư tử dù chỉ được huấn luyện về hổ.

Theo CNET, https://www.cnet.com/tech/services-and-software/chatgpt-glossary-52-ai-terms-everyone-should-know/