Thuật ngữ “AI” đã được sử dụng trong khoa học máy tính từ những năm 1950, nhưng hầu hết mọi người bên ngoài ngành này không bắt đầu nói về nó cho đến cuối năm 2022. Đó là vì những tiến bộ gần đây trong học máy đã dẫn đến những đột phá lớn đang bắt đầu có tác động sâu sắc đến hầu hết mọi khía cạnh trong cuộc sống của chúng ta. Chúng tôi ở đây để giúp bạn phân tích một số thuật ngữ thông dụng để bạn có thể hiểu rõ hơn về các thuật ngữ AI và trở thành một phần của cuộc trò chuyện toàn cầu.
1. Trí tuệ nhân tạo (Artificial Intelligence)
Trí tuệ nhân tạo về cơ bản là một hệ thống máy tính siêu thông minh có thể bắt chước con người theo một số cách, chẳng hạn như hiểu những gì mọi người nói, đưa ra quyết định, dịch giữa các ngôn ngữ, phân tích xem điều gì đó là tiêu cực hay tích cực, và thậm chí học hỏi từ kinh nghiệm. Nó là nhân tạo ở chỗ trí tuệ của nó được tạo ra bởi con người bằng cách sử dụng công nghệ. Đôi khi mọi người nói rằng các hệ thống AI có bộ não kỹ thuật số, nhưng chúng không phải là máy móc vật lý hay rô bốt — chúng là các chương trình chạy trên máy tính. Chúng hoạt động bằng cách đưa một bộ sưu tập dữ liệu khổng lồ qua các thuật toán, là các tập hợp hướng dẫn, để tạo ra các mô hình có thể tự động hóa các tác vụ thường đòi hỏi trí thông minh và thời gian của con người. Đôi khi mọi người cụ thể tương tác với một hệ thống AI — chẳng hạn như yêu cầu Bing Chat trợ giúp một việc gì đó — nhưng thường thì AI diễn ra ở chế độ nền xung quanh chúng ta, gợi ý các từ khi chúng ta nhập, đề xuất các bài hát trong danh sách phát và cung cấp thông tin có liên quan hơn dựa trên sở thích hợp của chúng ta.
2. Học máy (Machine Learning)
Nếu trí tuệ nhân tạo là mục tiêu, thì học máy là cách chúng ta đạt được mục tiêu đó. Đây là một lĩnh vực khoa học máy tính, nằm trong phạm vi của AI, nơi mọi người dạy hệ thống máy tính cách thực hiện một việc gì đó bằng cách đào tạo hệ thống để xác định các mẫu và đưa ra dự đoán dựa trên các mẫu đó. Dữ liệu được chạy qua các thuật toán nhiều lần, với thông tin đầu vào và phản hồi khác nhau mỗi lần để giúp hệ thống học hỏi và cải thiện trong quá trình đào tạo — chẳng hạn như luyện tập các thang âm piano 10 triệu lần để có thể đọc nhạc ngay từ đầu. Nó đặc biệt hữu ích với các vấn đề mà nếu không thì sẽ khó hoặc không thể giải quyết được bằng các kỹ thuật lập trình truyền thống, chẳng hạn như nhận dạng hình ảnh và dịch ngôn ngữ. Nó cần một lượng dữ liệu khổng lồ và đó là thứ mà chúng ta chỉ có thể khai thác trong những năm gần đây khi ngày càng có nhiều thông tin được số hóa và khi phần cứng máy tính trở nên nhanh hơn, nhỏ hơn, mạnh hơn và có khả năng xử lý tất cả thông tin đó tốt hơn. Đó là lý do tại sao các mô hình ngôn ngữ lớn sử dụng máy học — chẳng hạn như Bing Chat và ChatGPT — đột nhiên xuất hiện.
3. Mô hình ngôn ngữ lớn (Large Language Models)
Các mô hình ngôn ngữ lớn, hay LLM, sử dụng các kỹ thuật học máy để giúp chúng xử lý ngôn ngữ để chúng có thể bắt chước cách con người giao tiếp. Chúng dựa trên mạng nơ-ron, hay NN, là các hệ thống máy tính lấy cảm hứng từ bộ não con người — giống như một loạt các nút và kết nối mô phỏng các nơ-ron và khớp thần kinh. Chúng được đào tạo trên một lượng lớn văn bản để học các mẫu và mối quan hệ trong ngôn ngữ giúp chúng sử dụng các từ ngữ của con người. Khả năng giải quyết vấn đề của chúng có thể được sử dụng để dịch ngôn ngữ, trả lời các câu hỏi dưới dạng chatbot, tóm tắt văn bản và thậm chí viết truyện, thơ và mã máy tính. Chúng không có suy nghĩ hoặc cảm xúc, nhưng đôi khi chúng nghe giống như vậy, bởi vì chúng đã học được các mẫu giúp chúng phản ứng theo cách mà con người có thể làm. Chúng thường được các nhà phát triển tinh chỉnh bằng cách sử dụng một quy trình gọi là học tăng cường từ phản hồi của con người (RLHF) để giúp chúng nghe có vẻ đàm thoại trơn tru hơn.
4. Trí tuệ Nhân tạo Tạo sinh (Generative AI)
6. AI có trách nhiệm (Responsible AI)
AI có trách nhiệm hướng dẫn mọi người khi họ cố gắng thiết kế các hệ thống an toàn và công bằng — ở mọi cấp độ, bao gồm mô hình học máy, phần mềm, giao diện người dùng và các quy tắc và hạn chế được đưa ra để truy cập ứng dụng. Đây là một yếu tố quan trọng vì các hệ thống này thường được giao nhiệm vụ hỗ trợ đưa ra các quyết định quan trọng về con người, chẳng hạn như trong giáo dục và chăm sóc sức khỏe, nhưng vì chúng được tạo ra bởi con người và được đào tạo trên dữ liệu từ một thế giới không hoàn hảo, nên chúng có thể phản ánh bất kỳ thành kiến cố hữu nào. Một phần lớn của AI có trách nhiệm liên quan đến việc hiểu dữ liệu được sử dụng để đào tạo các hệ thống và tìm cách giảm thiểu mọi thiếu sót để giúp phản ánh tốt hơn xã hội nói chung, không chỉ một số nhóm người nhất định.
7. Mô hình đa phương thức (Multimodal Models)
Một mô hình đa phương thức có thể làm việc với nhiều loại dữ liệu khác nhau hoặc nhiều chế độ cùng một lúc. Nó có thể xem hình ảnh, nghe âm thanh và đọc từ. Đây là công cụ đa nhiệm tuyệt đỉnh! Nó có thể kết hợp tất cả thông tin này để thực hiện những việc như trả lời các câu hỏi về hình ảnh.
8. Prompt
Prompt là một hướng dẫn được nhập vào hệ thống bằng ngôn ngữ, hình ảnh hoặc mã lệnh cho AI biết nhiệm vụ nào cần thực hiện. Các kỹ sư — và thực sự là tất cả chúng ta, những người tương tác với hệ thống AI — phải thiết kế cẩn thận các lời nhắc để có được kết quả mong muốn từ các mô hình ngôn ngữ lớn. Giống như khi bạn đặt hàng tại quầy bán đồ ăn nhẹ: Bạn không chỉ yêu cầu một chiếc bánh sandwich, mà còn chỉ định loại bánh mì bạn muốn và loại cũng như số lượng gia vị, rau, phô mai và thịt để có được bữa trưa mà bạn thấy ngon và bổ dưỡng.
9. Copilot
Một Copilot giống như một trợ lý cá nhân làm việc cùng bạn trong mọi loại ứng dụng kỹ thuật số, giúp đỡ những việc như viết, mã hóa, tóm tắt và tìm kiếm. Nó cũng có thể giúp bạn đưa ra quyết định và hiểu nhiều dữ liệu. Sự phát triển gần đây của các mô hình ngôn ngữ lớn đã giúp phi công phụ trở nên khả thi, cho phép họ hiểu ngôn ngữ tự nhiên của con người và cung cấp câu trả lời, tạo nội dung hoặc thực hiện hành động khi bạn làm việc trong các chương trình máy tính khác nhau. Copilot được xây dựng với các rào chắn AI có trách nhiệm để đảm bảo chúng an toàn và bảo mật và được sử dụng theo cách tốt. Giống như một phi công phụ trên máy bay, nó không phải là người chịu trách nhiệm — mà là bạn — nhưng nó là một công cụ có thể giúp bạn làm việc hiệu quả và năng suất hơn.
10. Các plugin
Các plugin cũng giống như khi bạn thêm ứng dụng vào điện thoại thông minh của mình: Chúng sẽ can thiệp để đáp ứng các nhu cầu cụ thể có thể nảy sinh, cho phép các ứng dụng AI thực hiện nhiều việc hơn mà không cần phải sửa đổi mô hình cơ bản. Chúng là thứ cho phép các phi công phụ tương tác với các phần mềm và dịch vụ khác, ví dụ. Chúng có thể giúp các hệ thống AI truy cập thông tin mới, thực hiện các phép toán phức tạp hoặc nói chuyện với các chương trình khác. Chúng làm cho các hệ thống AI mạnh mẽ hơn bằng cách kết nối chúng với phần còn lại của thế giới kỹ thuật số.
Susanna Ray (news.microsoft.com)
Trụ sở: Số 6, ngõ 53, phố Phạm Tuấn Tài, Cổ Nhuế 1, Bắc Từ Liêm, Hà Nội
Hotline: +84 24 62956519
Email: info@VietTotal.com
Website: www.VietTotal.com ; www.DoanhnghiepSo.top
