Từ điển ChatGPT: 45 Thuật ngữ Trí tuệ Nhân tạo Mà Ai Cũng Nên Biết

Sự bùng nổ của Trí tuệ nhân tạo (AI) đang diễn ra mạnh mẽ, với các công ty như Google, Microsoft, Meta và Apple tích hợp AI vào mọi thứ. Điều này dẫn đến sự xuất hiện của vô số thuật ngữ mới. Bài viết này sẽ là cẩm nang của bạn, cung cấp một danh sách các thuật ngữ AI quan trọng để bạn nắm bắt được xu hướng công nghệ này.

Sự Lột Xác Của Công Nghệ:

Khi ChatGPT ra mắt vào cuối năm 2022, nó đã hoàn toàn thay đổi mối quan hệ của con người với công nghệ. Đột nhiên, việc tìm kiếm trực tuyến trở nên chủ động hơn, cho phép người dùng trò chuyện với chatbot bằng ngôn ngữ tự nhiên và nhận được những câu trả lời sáng tạo, giống như khi giao tiếp với một con người. Sự biến đổi này mạnh mẽ đến mức Google, Meta, Microsoft và Apple nhanh chóng bắt đầu tích hợp AI vào bộ sản phẩm của mình.

Tuy nhiên, khía cạnh chatbot của AI chỉ là một phần của bức tranh toàn cảnh về Trí tuệ nhân tạo. Việc sử dụng ChatGPT để làm bài tập về nhà hay Midjourney tạo ra những hình ảnh robot ấn tượng dựa trên quốc gia nguồn gốc là rất thú vị, nhưng tiềm năng của AI sáng tạo có thể định hình lại nền kinh tế hoàn toàn. Theo Viện McKinsey Toàn cầu, AI có thể đóng góp 4,4 nghìn tỷ đô la cho nền kinh tế toàn cầu hàng năm, đây là lý do tại sao bạn nên mong đợi nghe nhiều hơn về Trí tuệ nhân tạo trong tương lai.

AI Xâm Nhập Mọi Ngóc Ngách:

AI hiện đang xuất hiện trong một loạt các sản phẩm, từ Google Gemini, Microsoft Copilot, Anthropic Claude, công cụ tìm kiếm Perplexity AI cho đến các thiết bị của Humane và Rabbit. Bạn có thể đọc các bài đánh giá, trải nghiệm thực tế của chúng tôi về những sản phẩm này, cũng như các bài tin tức, giải thích và hướng dẫn tại trung tâm AI Atlas mới của chúng tôi.

Thế Giới AI Và Các Thuật Ngữ:

Khi con người ngày càng làm quen với một thế giới gắn liền với AI, những thuật ngữ mới liên tục xuất hiện. Vì vậy, dù bạn đang cố gắng thể hiện sự hiểu biết của mình trong một cuộc trò chuyện hay gây ấn tượng trong một buổi phỏng vấn xin việc, thì việc nắm vững các thuật ngữ AI sau đây là điều cần thiết.

Danh Sách Thuật Ngữ:

Trí tuệ nhân tạo chung (AGI - Artificial General Intelligence): Một khái niệm về một phiên bản AI tiên tiến hơn những gì chúng ta biết hiện nay, có khả năng thực hiện các nhiệm vụ tốt hơn con người đồng thời có thể tự học hỏi và nâng cao khả năng của mình.
Đạo đức AI (AI ethics): Các nguyên tắc nhằm ngăn chặn AI gây hại cho con người, thông qua việc xác định cách thức các hệ thống AI thu thập dữ liệu hoặc xử lý các định kiến.
An toàn AI (AI safety): Một lĩnh vực liên ngành quan tâm đến tác động lâu dài của AI và cách thức nó có thể tiến triển đột ngột thành một siêu trí tuệ có thể gây hại cho con người.
Thuật toán (Algorithm): Một chuỗi các hướng dẫn cho phép một chương trình máy tính học hỏi và phân tích dữ liệu theo một cách cụ thể, chẳng hạn như nhận dạng các mẫu, để từ đó tự học hỏi và hoàn thành các nhiệm vụ.
Điều chỉnh (Alignment): Điều chỉnh AI để tạo ra kết quả mong muốn tốt hơn. Điều này có thể bao gồm bất cứ thứ gì, từ điều tiết nội dung đến duy trì các tương tác tích cực với con người.
Hình người hóa (Anthropomorphism): Khi con người có xu hướng gán cho các đối tượng phi nhân các đặc điểm giống con người. Trong AI, điều này có thể bao gồm việc tin rằng chatbot giống con người và có ý thức hơn thực tế, ví dụ như tin rằng nó vui, buồn hoặc thậm chí có cảm xúc.
Trí tuệ nhân tạo (AI - Artificial Intelligence): Việc sử dụng công nghệ để mô phỏng trí tuệ con người, trong các chương trình máy tính hoặc robot. Một lĩnh vực trong khoa học máy tính nhằm mục đích xây dựng các hệ thống có thể thực hiện các nhiệm vụ của con người.
Các tác nhân tự trị (Autonomous agents): Mô hình AI có khả năng, lập trình và các công cụ khác để hoàn thành một nhiệm vụ cụ thể. Ví dụ, một chiếc xe tự lái là một tác nhân tự trị, vì nó có đầu vào cảm biến, GPS và các thuật toán lái xe để tự điều hướng trên đường. Các nhà nghiên cứu tại Stanford đã chứng minh rằng các tác nhân tự trị có thể phát triển văn hóa, truyền thống và ngôn ngữ chung của riêng chúng.
Định kiến (Bias): Liên quan đến các mô hình ngôn ngữ lớn, các lỗi phát sinh từ dữ liệu đào tạo. Điều này có thể dẫn đến việc gán sai các đặc điểm nhất định cho một số chủng tộc hoặc nhóm dựa trên định kiến.
Chatbot: Một chương trình giao tiếp với con người thông qua văn bản, mô phỏng ngôn ngữ của con người.
ChatGPT: Chatbot AI được phát triển bởi OpenAI, sử dụng công nghệ mô hình ngôn ngữ lớn.
Điện toán nhận thức (Cognitive computing): Một thuật ngữ khác cho trí tuệ nhân tạo.
Tăng cường dữ liệu (Data augmentation): Trộn lại dữ liệu hiện có hoặc thêm một tập dữ liệu đa dạng hơn để đào tạo AI.
Học sâu (Deep learning): Một phương pháp của AI, và là một nhánh của học máy, sử dụng nhiều thông số để nhận dạng các mẫu phức tạp trong hình ảnh, âm thanh và văn bản. Quá trình này lấy cảm hứng từ não người và sử dụng mạng nơ-ron nhân tạo để tạo ra các mẫu.
Khuếch tán (Diffusion): Một phương pháp học máy lấy một phần dữ liệu hiện có, chẳng hạn như ảnh, và thêm nhiễu ngẫu nhiên. Các mô hình khuếch tán huấn luyện mạng lưới của chúng để tái tạo hoặc phục hồi ảnh đó.
Hành vi nổi lên (Emergent behavior): Khi một mô hình AI thể hiện các khả năng không mong muốn.
Học đầu cuối (End-to-end learning, or E2E): Quá trình học sâu trong đó một mô hình được hướng dẫn thực hiện một nhiệm vụ từ đầu đến cuối. Nó không được đào tạo để hoàn thành một nhiệm vụ theo trình tự mà thay vào đó học hỏi từ các đầu vào và giải quyết tất cả cùng một lúc.
Xét nghiệm đạo đức (Ethical considerations): Nhận thức về các hàm ý đạo đức của AI và các vấn đề liên quan đến quyền riêng tư, sử dụng dữ liệu, sự công bằng, lạm dụng và các vấn đề an toàn khác.
Foom: Còn được gọi là khởi động nhanh hoặc khởi động cứng. Khái niệm cho rằng nếu ai đó tạo ra một AGI, thì có thể đã quá muộn để cứu nhân loại.
Mạng đối kháng sinh sản (GANs - Generative adversarial networks): Một mô hình AI sinh sản bao gồm hai mạng nơ-ron để tạo ra dữ liệu mới: một bộ tạo và một bộ phân biệt. Bộ tạo tạo ra nội dung mới, và bộ phân biệt kiểm tra xem nó có xác thực hay không.
AI sinh sản (Generative AI): Một công nghệ tạo nội dung sử dụng AI để tạo ra văn bản, video, mã máy tính hoặc hình ảnh. AI được cung cấp một lượng lớn dữ liệu đào tạo, tìm ra các mẫu để tạo ra phản hồi mới của riêng mình, đôi khi có thể tương tự như tài liệu nguồn.
Google Gemini: Chatbot AI của Google hoạt động tương tự như ChatGPT nhưng lấy thông tin từ web hiện tại, trong khi ChatGPT bị giới hạn trong dữ liệu cho đến năm 2021 và không kết nối với internet.
Thanh chắn (Guardrails): Các chính sách và hạn chế được đặt ra đối với các mô hình AI để đảm bảo dữ liệu được xử lý một cách có trách nhiệm và mô hình không tạo ra nội dung gây phiền nhiễu.
Ảo giác (Hallucination): Một phản hồi không chính xác từ AI. Có thể bao gồm AI sinh sản tạo ra các câu trả lời không chính xác nhưng được đưa ra một cách tự tin như thể đúng. Nguyên nhân của điều này không hoàn toàn được biết đến. Ví dụ, khi hỏi một chatbot AI, "Leonardo da Vinci đã vẽ Mona Lisa vào năm nào?", nó có thể đưa ra một câu trả lời không chính xác rằng, "Leonardo da Vinci đã vẽ Mona Lisa vào năm 1815", tức là 300 năm sau khi nó thực sự được vẽ.
Mô hình ngôn ngữ lớn (LLM - Large language model): Một mô hình AI được đào tạo trên khối lượng lớn dữ liệu văn bản để hiểu ngôn ngữ và tạo ra nội dung mới bằng ngôn ngữ giống con người.
Học máy (ML - Machine learning): Một thành phần trong AI cho phép máy tính học hỏi và đưa ra kết quả dự đoán tốt hơn mà không cần lập trình rõ ràng. Có thể kết hợp với các tập huấn luyện để tạo ra nội dung mới.
Microsoft Bing: Công cụ tìm kiếm của Microsoft hiện có thể sử dụng công nghệ hỗ trợ ChatGPT để cung cấp kết quả tìm kiếm dựa trên AI. Tương tự như Google Gemini ở chỗ kết nối với internet.
AI đa phương thức (Multimodal AI): Một loại AI có thể xử lý nhiều loại đầu vào, bao gồm văn bản, hình ảnh, video và giọng nói.
Xử lý ngôn ngữ tự nhiên (Natural language processing): Một nhánh của AI sử dụng học máy và học sâu để cung cấp cho máy tính khả năng hiểu ngôn ngữ của con người, thường sử dụng các thuật toán học, mô hình thống kê và quy tắc ngôn ngữ.
Mạng nơ-ron (Neural network): Một mô hình tính toán giống với cấu trúc của não người và được thiết kế để nhận dạng các mẫu trong dữ liệu. Bao gồm các nút được kết nối với nhau, hoặc nơ-ron, có thể nhận dạng các mẫu và học hỏi theo thời gian.
Phù hợp quá mức (Overfitting): Lỗi trong học máy khi nó hoạt động quá gần với dữ liệu đào tạo và chỉ có thể xác định các ví dụ cụ thể trong dữ liệu đó nhưng không phải dữ liệu mới.
Kẹp giấy: Lý thuyết Kẹp giấy tối đa hóa, được đặt ra bởi nhà triết học Nick Boström của Đại học Oxford, là một kịch bản giả định trong đó một hệ thống AI sẽ tạo ra càng nhiều kẹp giấy thật càng tốt. Trong mục tiêu tạo ra số lượng kẹp giấy tối đa, một hệ thống AI sẽ giả định tiêu thụ hoặc chuyển đổi tất cả các vật liệu để đạt được mục tiêu của nó. Điều này có thể bao gồm tháo dỡ các máy móc khác để tạo ra thêm kẹp giấy, các máy móc có thể có lợi cho con người. Hậu quả không mong muốn của hệ thống AI này là nó có thể tiêu diệt nhân loại trong mục tiêu tạo ra kẹp giấy.
Thông số (Parameters): Các giá trị số cung cấp cấu trúc và hành vi cho LLM, cho phép nó đưa ra dự đoán.
Lệnh (Prompt): Đề xuất hoặc câu hỏi bạn nhập vào chatbot AI để nhận được phản hồi.
Chuỗi lệnh (Prompt chaining): Khả năng của AI sử dụng thông tin từ các tương tác trước để làm phong phú hơn các phản hồi trong tương lai.
Con vẹt ngẫu nhiên (Stochastic parrot): Một phép ẩn dụ về LLM minh họa rằng phần mềm không có sự hiểu biết sâu sắc hơn về ý nghĩa đằng sau ngôn ngữ hoặc thế giới xung quanh nó, bất kể đầu ra có nghe có vẻ thuyết phục đến đâu. Cụm từ này đề cập đến cách một con vẹt có thể bắt chước lời nói của con người mà không hiểu ý nghĩa đằng sau chúng.
Chuyển giao phong cách (Style transfer): Khả năng thích ứng phong cách của một hình ảnh với nội dung của hình ảnh khác, cho phép AI diễn giải các thuộc tính trực quan của một hình ảnh và sử dụng nó trên hình ảnh khác. Ví dụ, lấy chân dung tự họa của Rembrandt và tái tạo nó theo phong cách của Picasso.
Nhiệt độ (Temperature): Các thông số được thiết lập để kiểm soát mức độ ngẫu nhiên của đầu ra của mô hình ngôn ngữ. Nhiệt độ cao hơn có nghĩa là mô hình chấp nhận nhiều rủi ro hơn.
Tạo hình ảnh từ văn bản (Text-to-image generation): Tạo hình ảnh dựa trên mô tả bằng văn bản.
Mã thông báo (Tokens): Các đoạn văn bản nhỏ mà các mô hình ngôn ngữ AI xử lý để xây dựng phản hồi cho các lệnh của bạn. Một mã thông báo tương đương với bốn ký tự trong tiếng Anh, hoặc khoảng ba phần tư từ.
Dữ liệu đào tạo (Training data): Các tập dữ liệu được sử dụng để giúp các mô hình AI học hỏi, bao gồm văn bản, hình ảnh, mã hoặc dữ liệu.
Mô hình chuyển đổi (Transformer model): Kiến trúc mạng nơ-ron và mô hình học sâu học hỏi ngữ cảnh bằng cách theo dõi các mối quan hệ trong dữ liệu, như trong câu hoặc các phần của hình ảnh. Vì vậy, thay vì phân tích một câu một từ một lần, nó có thể xem xét toàn bộ câu và hiểu ngữ cảnh.
Bài kiểm tra Turing (Turing test): Được đặt theo tên của nhà toán học và nhà khoa học máy tính nổi tiếng Alan Turing, nó kiểm tra khả năng của một máy hoạt động giống như một con người. Máy vượt qua bài kiểm tra nếu con người không thể phân biệt phản hồi của máy với một con người khác.
AI yếu (Weak AI), còn được gọi là AI hẹp (Narrow AI): AI tập trung vào một nhiệm vụ cụ thể và không thể học hỏi ngoài kỹ năng của nó. Hầu hết các AI hiện nay đều là AI yếu.
Học không cần mẫu (Zero-shot learning): Một bài kiểm tra trong đó một mô hình phải hoàn thành một nhiệm vụ mà không được cung cấp dữ liệu đào tạo cần thiết. Ví dụ sẽ là nhận dạng một con sư tử trong khi chỉ được đào tạo về hổ.

Từ điển ChatGPT: 45 Thuật ngữ Trí tuệ Nhân tạo Mà Ai Cũng Nên Biết