Đơn Giản Hoá Khái Niệm AI: 6 Thuật Ngữ Cơ Bản Để Bắt Đầu

ChatGPT ra mắt vào ngày 30/11/2022 và chỉ mất 5 ngày để có 1 triệu người dùng. So sánh với các công ty công nghệ khổng lồ khác, các bạn sẽ thấy đây là một con số cực kỳ ấn tượng. Netflix mất 3.5 năm, Facebook 10 tháng, và Instagram là 2.5 tháng để đạt đến cột mốc này.

Tính đến tháng 5 năm 2024, ChatGPT hiện có hơn 180 triệu người dùng, tăng 80% so với con số 100 triệu vào tháng 1 năm 2023. Hơn 92% công ty Fortune 500 đang sử dụng nền tảng của OpenAI. Một cuộc khảo sát với các lãnh đạo cho thấy 66% công ty ở Mỹ đã tiết kiệm được từ $5,001 đến $75,000 nhờ sử dụng ChatGPT.

Những con số này cho thấy điều gì? Đó là công nghệ AI nói chung và những ứng dụng của nó như ChatGPT nói riêng đang thay đổi cách chúng ta sống và làm việc với một tốc độ rất nhanh.

Ngay lúc này, khi bạn đi phỏng vấn, sẽ không ai hỏi bạn có biết dùng máy vi tính, dùng Word, hay PowerPoint không. Đây là những kỹ năng hiển nhiên bạn phải biết. Bây giờ nhà tuyển dụng sẽ quan tâm đến việc bạn có hiểu biết về AI hay không, có khả năng tự động hoá công việc của mình với AI như thế nào.

Trong bài viết này, bạn sẽ được giải thích về 6 thuật ngữ AI cơ bản nhất mà ai cũng nên biết, và mối quan hệ giữa các thuật ngữ này với nhau theo một cách cấu trúc và dễ hiểu. Điều này có thể giúp bạn hiểu biết hơn về AI so với phần lớn những người khác.

1. MỐI QUAN HỆ GIỮA CÁC THUẬT NGỮ VỀ AI

Linh sẽ bắt đầu bằng việc mô tả mối quan hệ giữa các thuật ngữ này để các bạn có thể hiểu và nhớ chúng một cách dễ dàng hơn.
Mối quan hệ giữa các thuật ngữ AI 
(Nguồn: Medium)
AI là viết tắt của Artificial Intelligence, hay còn gọi là Trí tuệ nhân tạo. Đây một lĩnh vực rộng lớn của khoa học máy tính giúp máy móc có vẻ như có trí thông minh của con người.
Machine Learning hay Máy học là một nhánh con của AI. Nghĩa là ngoài Máy học, AI còn bao gồm nhiều lĩnh vực khác. Ba trong số đó là Computer Vision (Thị giác máy tính), Robotics (Robot học), và Natural Language Processing, gọi tắt là NLP, Xử lý ngôn ngữ tự nhiên.
  • HỘP HỌC HỎI

Khi bạn học một điều gì đó mới, một trong những trở ngại lớn nhất là bạn không biết những gì mình không biết. Khi nghe một video, đọc một bài báo, bạn có thể nghe thấy những từ mà bạn không hiểu. Đây là CƠ HỘI để bạn khám phá những khái niệm mà bạn chưa từng nghe nói tới. Vì vậy khi nghe các từ mới, bạn nên ghi xuống và tìm kiếm những video khác để được giải thích rõ hơn về những khái niệm đó.

Linh vừa đề cập đến Computer Vision, Robotics, và Natural Language Processing. Trong bài viết này, sẽ quá chi tiết để Linh có thể giải thích những khái niệm trên. Nhưng bạn có thể tìm kiếm những thuật ngữ này và đọc thêm về chúng để hiểu sâu hơn về Machine Learning nha.

Đi xuống một cấp độ khác, Deep Learning hay Học Sâu là một nhánh con của Machine Learning. Bên dưới Deep Learning là Generative AI (hay AI tạo sinh). Đây cũng là công nghệ hỗ trợ các ứng dụng rất nổi tiếng như ChatGPT hay Gemini. Nhưng những ứng dụng của Generative AI còn rộng lớn hơn nhiều.
​​Đến đây, chắc nhiều bạn sẽ bắt đầu nghĩ: Hình như mình đã nghe về những khái niệm này ở đâu đó. Đúng rồi, chúng rất phổ biến. Nhưng bạn có biết chính xác ý nghĩa của chúng là gì không? Nếu không thể giải thích các khái niệm này, bạn sẽ không gây ấn tượng với nhà tuyển dụng. Các bạn hãy đọc đến cuối bài viết để khám phá thế giới rộng lớn của Generative AI và AI nhé!
Top 50 sản phẩm web AI tạo sinh hàng đầu, theo số lượt truy cập hàng tháng
(Nguồn: Andreessen Horowitz)

2. Artificial Intelligence (AI)

Đó là góc nhìn tổng quát về mối quan hệ giữa các khái niệm. Bây giờ Linh sẽ chia sẻ rõ hơn về từng khái niệm. Đầu tiên là khái niệm AI. AI là một khái niệm không mới. Cụm từ Artificial Intelligence hay Trí tuệ nhân tạo được đề xuất bởi nhà khoa học máy tính người Mỹ John McCarthy tại Hội nghị Dartmouth từ năm 1956.

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, như cảm nhận, suy luận, hành động hoặc thích ứng như con người. Chúng ta gọi nó là Nhân tạo bởi vì nó được tạo ra bởi con người bằng cách sử dụng công nghệ.

Đôi khi bạn sẽ tương tác với hệ thống AI như ra lệnh cho ChatGPT, 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 các từ khi bạn tìm kiếm trên Google, đề xuất bài hát khi bạn nghe nhạc trên Spotify, hay gợi ý cho bạn một món đồ cần mua trên Shopee dựa trên lịch sử các món đồ mà bạn đã xem hay mua trước đó.

  • HỘP HỌC HỎI

Những gì Linh vừa chia sẻ là các thuật ngữ công nghệ. Chúng sẽ cung cấp cho bạn các từ vựng chuyên ngành trong việc đọc các bài báo, hay xem video về chủ đề AI. Tuy nhiên, chúng cũng hơi khó hiểu cho những người mới bắt đầu đúng không? Vì vậy, ở phần Hộp Học Hỏi, Linh sẽ một lần nữa giải thích các thuật ngữ trên bằng cách sử dụng ngôn ngữ và bối cảnh đời thường để bạn thấy dễ hiểu nhất. Sau khi đã hiểu một cách tổng quan rồi, các bạn có thể quay lại phần giải thích bằng thuật ngữ công nghệ ban đầu để nghe thêm một lần nữa. Như vậy các bạn sẽ nhớ lâu hơn.

Linh sẽ nói về khái niệm AI. Hãy tưởng tượng bạn có một người bạn robot siêu thông minh, người có thể làm nhiều việc như nói chuyện, suy nghĩ và thậm chí chơi trò chơi với bạn. Người bạn này sẽ có tên là Trí, Trí trong “Trí” tuệ nhân tạo. Trí được gọi là "nhân tạo" vì được con người tạo ra bằng máy tính và công nghệ.

Trí là người bạn thân, luôn sẵn sàng giúp đỡ bạn khi cần. Ví dụ: khi bạn nói chuyện với Siri trên điện thoại, đó là Trí đang lắng nghe và trả lời bạn. Hoặc khi bạn đi mua sắm, Trí sẽ biết bạn thích gì và đưa cho bạn món đồ mà bạn muốn. Nói chung là Trí sẽ cố gắng làm cho mọi việc trở nên dễ dàng hơn với bạn bằng cách đoán xem bạn cần gì hoặc thích gì, giống như một người bạn tốt biết rất rõ về bạn vậy.

3. MACHINE LEARNING

Khái niệm thứ hai là một ứng dụng của AI, mang tên Machine Learning hay Máy học. Nói một cách dễ hiểu thì Machine Learning là làm cho máy học giống con người. Các bạn có nhớ lúc nhỏ chúng ta học nói, học đi như thế nào không? Đúng rồi, chúng ta đã học thông qua trải nghiệm.

Với Machine Learning, các chương trình 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. Cứ như vậy, theo thời gian, chương trình sẽ trở nên thông minh hơn.

Chung quy lại, Machine Learning là một chương trình sử dụng nhiều dữ liệu đầu vào để huấn luyện mô hình. Sau đó, mô hình được đào tạo đó có thể đưa ra dự đoán dựa trên dữ liệu mới mà nó chưa từng thấy trước đây.

Các thuật toán có thể được phân loại theo 4 cách học tùy thuộc vào loại dữ liệu đầu vào và kết quả kỳ vọng. Đó là:

(1) Supervised learning (Học có giám sát)

(2) Unsupervised learning (Học không giám sát)

(3) Semi-supervised learning (Học nửa giám sát)

(4) Reinforcement learning (Học tăng cường).

  • HỘP HỌC HỎI

Trở lại với người bạn thân tên Trí rất thông minh của chúng ta. Hãy tưởng tượng Trí muốn học cách sắp xếp đồ chơi của bạn vào từng hộp: một hộp cho ô tô, một hộp cho búp bê, và một hộp cho viên bi. Trí chưa biết đồ chơi nào sẽ cho vào hộp nào, nhưng bạn có thể giúp Trí học hỏi!

Machine Learning giống như dạy người bạn robot của bạn sắp xếp đồ chơi. Đầu tiên, bạn cho Trí xem nhiều đồ chơi, và mỗi lần bạn nói với nó: "Đây là một chiếc ô tô, hãy cho vào trong hộp ô tô" hoặc "Đây là một viên bi, hãy xếp vào hộp đựng bi". Trí sẽ nhớ những hướng dẫn đó của bạn.

Sau khi bạn cho Trí xem nhiều đồ chơi, người bạn robot này sẽ bắt đầu tự sắp xếp chúng! Khi Trí xếp sai, chẳng hạn như đặt viên bi vào hộp ô tô, bạn sẽ nói Trí sửa lại. Trí sẽ ghi nhớ và rút kinh nghiệm cho lần sau. Đây là cách người bạn robot ngày càng giỏi hơn trong việc phân loại đồ chơi.

Nhìn chung, Machine Learning cũng giống như giúp người bạn robot của bạn học hỏi từ việc chơi với đồ chơi. Theo thời gian, Trí sẽ thành thạo hơn và có thể tự mình phân loại đồ chơi mà không cần bạn giúp nữa.

Giống như bạn có nhiều cách khác nhau để học, ví dụ học với giáo viên, tự học qua sách, qua video, người bạn robot cũng có nhiều cách học khác nhau. Ý tưởng chính là theo thời gian, Trí sẽ thông minh hơn và có thể giúp bạn nhiều hơn vì Trí đã học được rất nhiều điều từ tất cả thông tin mà nó nhìn thấy.

4. DEEP LEARNING

Theo Amazon Web Services, Deep learning là một loại hình kỹ thuật Máy học được xây dựng mô phỏng theo não người. Thuật toán Deep learning phân tích dữ liệu bằng cấu trúc logic tương tự như logic của con người. Nghĩa là, Deep learning sẽ sử dụng các hệ thống thông minh được gọi là Artificial Neural Networks (ANN, hay mạng nơ-ron nhân tạo) để xử lý thông tin theo lớp. Dữ liệu đi từ lớp đầu vào này, qua nhiều lớp mạng nơ-ron ẩn “sâu” trước khi tới được lớp kết quả.

Mạng nơ-ron nhân tạo
(Nguồn: The Data Scientist)
  • HỘP HỌC HỎI

Hãy tưởng tượng Trí, người bạn robot thông minh của bạn, có một bộ não siêu đặc biệt do con người tạo ra. Bộ não này được gọi là Mạng thần kinh nhân tạo hay viết tắt là ANN. Bộ não này là một phần của thứ thậm chí còn thú vị hơn được gọi là Deep Learning, một cách đặc biệt để dạy AI suy nghĩ giống con người.

Hãy nghĩ về Deep Learning giống như một cuốn sách tô màu khổng lồ và kỳ diệu. Khi bạn bắt đầu tô màu, trang đầu tiên có thể đơn giản với một vài hình khối lớn. Nhưng khi bạn lật nhiều trang hơn, hình ảnh sẽ trở nên chi tiết và phức tạp hơn. Trong Deep Learning, thông tin bắt đầu ở một lớp đơn giản, giống như trang đầu tiên trong cuốn sách tô màu của bạn. Sau đó, nó di chuyển qua nhiều lớp ẩn bên trong, mỗi lớp bổ sung thêm chi tiết và màu sắc cho đến trang cuối cùng, nơi bạn nhìn thấy một bức tranh đẹp, hoàn chỉnh.

Cuốn sách thần kỳ này giúp người bạn robot của bạn hiểu và học rất tốt. Tốt hơn rất nhiều so với việc chỉ nhìn vào bức tranh một lần. Nó đi sâu vào chi tiết, giống như bạn nhìn kỹ vào một bức tranh để thấy tất cả những chi tiết nhỏ khiến nó trở nên đặc biệt. Vì vậy, nhờ có Deep Learning, người bạn robot của bạn thực sự giỏi trong việc tìm ra mọi thứ, chẳng hạn như giúp bạn chọn một bài hát hoặc gợi ý món đồ nào cần mua tiếp theo!

5. GENERATIVE AI

Tiếp theo, chúng ta sẽ tìm hiểu về một thuật ngữ rất phổ biến là Generative AI (hay AI tạo sinh). Generative AI 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. Các nội dung mới được tạo ra có thể là các cuộc trò chuyện, câu chuyện, hình ảnh, video và âm nhạc.

Có rất nhiều loại mô hình Generative AI khác nhau. Ví dụ như các mô hình chuyển văn bản thành văn bản phổ biến như ChatGPT hay Gemini. Văn bản có thể là ngôn ngữ tự nhiên, và cũng có thể là các đoạn mã.

Các mô hình chuyển văn bản thành hình ảnh như Image Creator in Microsoft Designer, MidJourney, DALL-E. Hãy mô tả những gì bạn muốn, và một hình ảnh sẽ được tạo ra cho bạn. Ví dụ Linh đang sử dụng tính năng Image Creator của Microsoft Designer. Nếu bạn chưa có ý tưởng nào, bạn có thể nhấp chọn “Surprise me", hệ thống sẽ đề xuất câu lệnh mẫu cho bạn điền vào.

Chọn "Surprise me" để hệ thống đề xuất câu lệnh mẫu

Hoặc bạn có thể chọn một hình mình thích, và nhấn “Select to try" để được đề xuất câu lệnh tạo ra hình ảnh tương tự phong cách với hình ảnh bạn chọn.

Chọn "Select to try" để nhận câu lệnh tạo hình ảnh theo phong cách bạn chọn.

Ngược lại, bạn cũng có thể dùng công cụ như ChatGPT4 để yêu cầu hệ thống mô tả, hay phân tích một hình ảnh nhất định. Các nội dung trong hình ảnh này có thể là các bảng, biểu đồ, hay bất kỳ nội dung có định dạng hình ảnh nào mà bạn có.

Dùng ChatGPT4 để phân tích hình ảnh

Chúng ta cũng có các mô hình chuyển lời nói thành văn bản như Turbo Scribe mà bạn và Linh đã thực hành trong bài Tự Động Hóa Việc Ghi Chép Trong Cuộc Họp của chuỗi video Làm Bạn Với AI. Chúng ta cũng có các mô hình tạo ra các âm thanh hay bài hát từ các câu lệnh bằng văn bản.

Bạn cũng có thể chuyển văn bản thành video bằng các công cụ như Imagen Video của Google, Make-A-Video của Meta. Ngoài ra còn có các mô hình khác như chuyển văn bản thành mô hình 3D được ứng dụng trong các trò chơi, mô hình chuyển văn bản thành một nhiệm vụ cụ thể. Thậm chí, có những sản phẩm AI kết hợp các mô hình khác nhau để bạn cùng lúc có thể làm việc với văn bản, hình ảnh, giọng nói như ChatGPT 4.

  • HỘP HỌC HỎI

Các bạn còn nhớ Trí, người bạn robot có khả năng học hỏi như bạn và có bộ não siêu thông minh không? Hãy tưởng tượng Trí có một cây đũa thần. Cây đũa thần này có thể tạo ra nhiều thứ và cũng có thể học hỏi! Trong thực tế, nó thích học hỏi. Nó đã đọc từng trang trên Internet, và nó cũng ghi nhớ nhiều dữ liệu riêng tư không có trên internet. Ngoài ra, mỗi khi ai đó yêu cầu đũa thần làm gì, nó sẽ học hỏi từ những nhiệm vụ đó và từ những phản hồi mà người dùng đưa ra. Với những điều đã học được, cây đũa kỳ diệu này có thể tạo ra những thứ mới mẻ như hình ảnh, câu chuyện, âm thanh hoặc thậm chí video chỉ bằng một vài ý tưởng của bạn. Tên của cây đũa là Generative AI.

Nếu bạn nói với cây đũa là: "Tôi muốn có hình ảnh một con rồng bay qua cầu vồng", nó có thể tạo ra bức ảnh đó cho bạn! Đũa thần có thể làm được điều này vì nó đã học về hàng triệu con rồng và hàng triệu cầu vồng khác nhau. Và bây giờ nó có thể kết hợp tất cả những hình ảnh khác nhau đó thành một hình ảnh mới dựa trên yêu cầu của bạn. Hoặc nếu bạn nói: "Tôi muốn nghe bài hát về một chú mèo nhảy múa vui vẻ", nó có thể sáng tác một bài hát dành riêng cho bạn. Rất thú vị đúng không?

Sử dụng Generative AI để tạo bài hát về một chú mèo nhảy múa vui vẻ

6. LARGE LANGUAGE MODELS (LLMs)

Một thuật ngữ phổ biến khác là Large Language Models, LLMs, hay Mô hình ngôn ngữ lớn. LLMs cũng là một nhánh của Deep Learning. Thông thường, các LLMs sẽ được đào tạo trước với một bộ dữ liệu rất lớn, sau đó mới được điều chỉnh cho các mục đích cụ thể.

Nghĩa là một mô hình ngôn ngữ được đào tạo trước để giải quyết các vấn đề ngôn ngữ phổ biến như trả lời những câu hỏi cụ thể dựa trên thông tin được lưu trữ, tạo văn bản, phân loại văn bản, viết quảng cáo, hay thậm chí là lập trình. Sau đó, các LLMs này sẽ sử dụng các bộ dữ liệu nhỏ hơn, chuyên biệt hơn để giải quyết vấn đề cụ thể của từng ngành như bán lẻ, tài chính, chăm sóc sức khỏe, hay giải trí.

Vậy mô hình này hoạt động như thế nào? Trong bài viết này, Linh sẽ không nói quá sâu về phần công nghệ. Linh sẽ giải thích theo một cách khái quát và đơn giản nhất. Cách máy học cũng giống như cách bạn học nói lúc nhỏ. Nghĩa là bạn sẽ lắng nghe mọi người xung quanh nói chuyện. Khi nghe đủ nhiều, bạn sẽ phát hiện ra các khuôn mẫu. Ban đầu, bạn sẽ chỉ bập bẹ một vài từ đơn giản như ba ba, ma ma. Sau đó bạn nói được nhiều từ rời rạc hơn, rồi ghép thành một câu đầy đủ.

Tương tự, các mô hình ngôn ngữ cũng được cung cấp một lượng văn bản khổng lồ, phần lớn từ sách báo, mạng Internet, 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.

Ví dụ, nếu hệ thống đọc trên Internet một câu như “Hà Nội là thủ đô của nước Việt Nam", thì câu đó sẽ được chuyển thành nhiều điểm dữ liệu để mô hình học cách dự đoán từ tiếp theo.

Cụ thể, với câu trên, nếu dữ liệu đầu vào là “Hà Nội là", từ tiếp theo cần điền là gì? Đúng rồi, là “thủ đô". Từ tiếp theo sau “Hà Nội là thủ đô" là gì? Từ “của". “Hà Nội là thủ đô của”.

Cứ tiếp tục như vậy cho đến khi hệ thống đoán hết các từ trong câu. Từ câu này qua câu khác. Các bạn có thể thấy điều thú vị ở đây là nếu chúng ta lấy đoạn văn bản đầu ra nhận được bỏ trở lại làm đầu vào, mô hình sẽ tiếp tục bổ sung các từ mới.

Mô hình ngôn ngữ lớn (LLMs) đang thực sự trở nên khổng lồ
(Nguồn: The Low Down Momentum)

Đó cũng là cách mà các công cụ như ChatGPT hoạt động khi bạn nhập một đoạn văn bản hay chúng ta thường gọi là câu lệnh prompt vào ChatGPT. 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 Open AI có 175 tỷ tham số, hay Mô hình Jurassic-1 của AI21 Labs có 178 tỷ tham số và một kho từ vựng token gồm 250.000 thành phần từ. Như các bạn có thể thấy, mặc dù các mô hình GPT của OpenAI là phổ biến, nhưng cũng có rất nhiều mô hình LLMs khác đang được phát triển và ngày càng lớn hơn, chứa nhiều tham số hơn.

  • HỘP HỌC HỎI

Bạn có nhớ Trí có một chiếc đũa thần có thể tạo ra những câu chuyện, bài hát và hình ảnh không? Và nó cũng đã học rất nhiều thứ từ mạng Internet và những nguồn khác. Giả sử tất cả kiến thức mà đũa thần học được sẽ lưu trữ trong một cuốn sách. Cuốn sách này được gọi là Large Language Models hay LLMs.

Khi bạn nói với Trí: “Mình muốn nghe một câu chuyện về xứ sở thần tiên", cuốn sách ma thuật của Trí sẽ ghi nhớ các từ, các tình tiết trong tất cả các câu chuyện nó đã đọc và trộn chúng lại để tạo thành một câu chuyện mới về xứ sở thần tiên dành riêng cho bạn.

Những cuốn sách lớn, thông minh này, như ChatGPT hay Gemini chứa rất nhiều từ ngữ và ý tưởng. Bạn có thể tưởng tượng chúng chứa cả một thư viện rộng lớn, lớn hơn bất kỳ thư viện nào bạn từng thấy!

7. PROMPT

Cuối cùng, để sử dụng các công cụ như ChatGPT hiệu quả, một kỹ năng cực kỳ quan trọng mà các bạn cần học đó là viết câu lệnh prompt.

Prompt được hiểu đơn giản là một hướng dẫn được nhập vào hệ thống bằng ngôn ngữ, hình ảnh, hoặc đoạn mã để yêu cầu AI thực hiện một nhiệm vụ mà bạn muốn.

Khi giao việc, bạn không thể nói với một nhân viên mới là “Hãy gửi cho chị một báo cáo". Bạn cần nói rõ ra báo cáo đó là về chủ đề gì, nội dung ra sao, cấu trúc như thế nào. Ví dụ, “Hãy gửi cho chị báo cáo kết quả kinh doanh quý 1 của sản phẩm A trong 5 slides. Lưu ý là hãy so sánh với kết quả của quý 1 năm ngoái và với sản phẩm B”. Điều này sẽ giúp bạn nhân viên làm đúng yêu cầu của bạn hơn. Khi bạn yêu cầu trợ lý ChatGPT hay Gemini làm việc cho bạn cũng vậy thôi, hãy cung cấp một prompt với các tình huống, yêu cầu, định dạng càng cụ thể càng tốt.

Như các bạn có thể thấy, AI và các công cụ của nó làm được rất nhiều việc. Hạn chế lớn nhất của việc sử dụng các công cụ này có lẽ là trí tưởng tượng và khả năng bạn giao tiếp hiệu quả của bạn với chúng. Đừng chỉ lên mạng và tải về bộ công cụ 100 hay 1,000 prompt giúp bạn làm việc này, việc kia hiệu quả. Bởi vì nếu không hiểu logic đằng sau chúng, bạn không thể sáng tạo và linh hoạt tạo ra những prompt tương tự khi có yêu cầu mới phát sinh.

Lời Kết: AI Không Phải Là Cuộc Cách Mạng Đầu Tiên Của Loài Người!

Chúng ta đã chế ngự được lửa, học cách làm nông nghiệp, phát minh ra năng lượng hơi nước, điện, hay Internet. Những thay đổi mang tính cách mạng này đều cần một thời gian rất dài để trở nên phổ biến. Nhưng trong cuộc cách mạng AI, công nghệ mới lan rộng khắp thế giới gần như ngay lập tức. Các bạn còn nhớ ChatGPT mất bao nhiêu ngày để đạt được 1 triệu người dùng không? Chỉ 5 ngày thôi. Và tương lai sẽ còn các ứng dụng khác đạt đến cột mốc này nhanh hơn nữa.
Để không bị bỏ lại phía sau trong dòng chảy mạnh mẽ của AI, Linh đề xuất bạn tự nhắc mình mỗi ngày với câu khẳng định: “AI là bạn của tôi. AI sẽ giúp tôi, nhóm của tôi, công ty của tôi mở rộng tiềm năng của mình”. AI sẽ giúp bạn học tốt hơn, biến ý tưởng thành hiện thực nhanh hơn. Điều bạn cần là bắt đầu học về nó, từ những khái niệm cơ bản nhất.

Đơn Giản Hoá Khái Niệm AI: 6 Thuật Ngữ Cơ Bản Để Bắt Đầu

ChatGPT ra mắt vào ngày 30/11/2022 và chỉ mất 5 ngày để có 1 triệu người dùng. So sánh với các công ty công nghệ khổng lồ khác, các bạn sẽ thấy đây là một con số cực kỳ ấn tượng. Netflix mất 3.5 năm, Facebook 10 tháng, và Instagram là 2.5 tháng để đạt đến cột mốc này.

Tính đến tháng 5 năm 2024, ChatGPT hiện có hơn 180 triệu người dùng, tăng 80% so với con số 100 triệu vào tháng 1 năm 2023. Hơn 92% công ty Fortune 500 đang sử dụng nền tảng của OpenAI. Một cuộc khảo sát với các lãnh đạo cho thấy 66% công ty ở Mỹ đã tiết kiệm được từ $5,001 đến $75,000 nhờ sử dụng ChatGPT.

Những con số này cho thấy điều gì? Đó là công nghệ AI nói chung và những ứng dụng của nó như ChatGPT nói riêng đang thay đổi cách chúng ta sống và làm việc với một tốc độ rất nhanh.

Ngay lúc này, khi bạn đi phỏng vấn, sẽ không ai hỏi bạn có biết dùng máy vi tính, dùng Word, hay PowerPoint không. Đây là những kỹ năng hiển nhiên bạn phải biết. Bây giờ nhà tuyển dụng sẽ quan tâm đến việc bạn có hiểu biết về AI hay không, có khả năng tự động hoá công việc của mình với AI như thế nào.

Trong bài viết này, bạn sẽ được giải thích về 6 thuật ngữ AI cơ bản nhất mà ai cũng nên biết, và mối quan hệ giữa các thuật ngữ này với nhau theo một cách cấu trúc và dễ hiểu. Điều này có thể giúp bạn hiểu biết hơn về AI so với phần lớn những người khác.

1. MỐI QUAN HỆ GIỮA CÁC THUẬT NGỮ VỀ AI

Linh sẽ bắt đầu bằng việc mô tả mối quan hệ giữa các thuật ngữ này để các bạn có thể hiểu và nhớ chúng một cách dễ dàng hơn.
Mối quan hệ giữa các thuật ngữ AI 
(Nguồn: Medium)
AI là viết tắt của Artificial Intelligence, hay còn gọi là Trí tuệ nhân tạo. Đây một lĩnh vực rộng lớn của khoa học máy tính giúp máy móc có vẻ như có trí thông minh của con người.
Machine Learning hay Máy học là một nhánh con của AI. Nghĩa là ngoài Máy học, AI còn bao gồm nhiều lĩnh vực khác. Ba trong số đó là Computer Vision (Thị giác máy tính), Robotics (Robot học), và Natural Language Processing, gọi tắt là NLP, Xử lý ngôn ngữ tự nhiên.
  • HỘP HỌC HỎI

Khi bạn học một điều gì đó mới, một trong những trở ngại lớn nhất là bạn không biết những gì mình không biết. Khi nghe một video, đọc một bài báo, bạn có thể nghe thấy những từ mà bạn không hiểu. Đây là CƠ HỘI để bạn khám phá những khái niệm mà bạn chưa từng nghe nói tới. Vì vậy khi nghe các từ mới, bạn nên ghi xuống và tìm kiếm những video khác để được giải thích rõ hơn về những khái niệm đó.

Linh vừa đề cập đến Computer Vision, Robotics, và Natural Language Processing. Trong video hôm nay, sẽ quá chi tiết để Linh có thể giải thích những khái niệm trên. Nhưng bạn có thể tìm kiếm những thuật ngữ này và đọc thêm về chúng để hiểu sâu hơn về Machine Learning nha.

Đi xuống một cấp độ khác, Deep Learning hay Học Sâu là một nhánh con của Machine Learning. Bên dưới Deep Learning là Generative AI (hay AI tạo sinh). Đây cũng là công nghệ hỗ trợ các ứng dụng rất nổi tiếng như ChatGPT hay Gemini. Nhưng những ứng dụng của Generative AI còn rộng lớn hơn nhiều.
​​Nghe đến đây, chắc nhiều bạn sẽ bắt đầu nghĩ: Hình như mình đã nghe về những khái niệm này ở đâu đó. Đúng rồi, chúng rất phổ biến. Nhưng bạn có biết chính xác ý nghĩa của chúng là gì không? Nếu không thể giải thích các khái niệm này, bạn sẽ không gây ấn tượng với nhà tuyển dụng. Các bạn hãy xem đến cuối video để khám phá thế giới rộng lớn của Generative AI và AI nhé!
Top 50 sản phẩm web AI tạo sinh hàng đầu, theo số lượt truy cập hàng tháng
(Nguồn: Andreessen Horowitz)

2. Artificial Intelligence (AI)

Đó là góc nhìn tổng quát về mối quan hệ giữa các khái niệm. Bây giờ Linh sẽ nói rõ hơn về từng khái niệm. Đầu tiên là khái niệm AI. AI là một khái niệm không mới. Cụm từ Artificial Intelligence hay Trí tuệ nhân tạo được đề xuất bởi nhà khoa học máy tính người Mỹ John McCarthy tại Hội nghị Dartmouth từ năm 1956.

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, như cảm nhận, suy luận, hành động hoặc thích ứng như con người. Chúng ta gọi nó là Nhân tạo bởi vì nó được tạo ra bởi con người bằng cách sử dụng công nghệ.

Đôi khi bạn sẽ tương tác với hệ thống AI như ra lệnh cho ChatGPT, 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 các từ khi bạn tìm kiếm trên Google, đề xuất bài hát khi bạn nghe nhạc trên Spotify, hay gợi ý cho bạn một món đồ cần mua trên Shopee dựa trên lịch sử các món đồ mà bạn đã xem hay mua trước đó.

  • HỘP HỌC HỎI

Những gì Linh vừa chia sẻ là các thuật ngữ công nghệ. Chúng sẽ cung cấp cho bạn các từ vựng chuyên ngành trong việc đọc các bài báo, hay xem video về chủ đề AI. Tuy nhiên, chúng cũng hơi khó hiểu cho những người mới bắt đầu đúng không? Vì vậy, ở phần Hộp Học Hỏi, Linh sẽ một lần nữa giải thích các thuật ngữ trên bằng cách sử dụng ngôn ngữ và bối cảnh đời thường để bạn thấy dễ hiểu nhất. Sau khi đã hiểu một cách tổng quan rồi, các bạn có thể quay lại phần giải thích bằng thuật ngữ công nghệ ban đầu để nghe thêm một lần nữa. Như vậy các bạn sẽ nhớ lâu hơn.

Linh sẽ nói về khái niệm AI. Hãy tưởng tượng bạn có một người bạn robot siêu thông minh, người có thể làm nhiều việc như nói chuyện, suy nghĩ và thậm chí chơi trò chơi với bạn. Người bạn này sẽ có tên là Trí, Trí trong “Trí” tuệ nhân tạo. Trí được gọi là "nhân tạo" vì được con người tạo ra bằng máy tính và công nghệ.

Trí là người bạn thân, luôn sẵn sàng giúp đỡ bạn khi cần. Ví dụ: khi bạn nói chuyện với Siri trên điện thoại, đó là Trí đang lắng nghe và trả lời bạn. Hoặc khi bạn đi mua sắm, Trí sẽ biết bạn thích gì và đưa cho bạn món đồ mà bạn muốn. Nói chung là Trí sẽ cố gắng làm cho mọi việc trở nên dễ dàng hơn với bạn bằng cách đoán xem bạn cần gì hoặc thích gì, giống như một người bạn tốt biết rất rõ về bạn vậy.

3. MACHINE LEARNING

Khái niệm thứ hai là một ứng dụng của AI, mang tên Machine Learning hay Máy học. Nói một cách dễ hiểu thì Machine Learning là làm cho máy học giống con người. Các bạn có nhớ lúc nhỏ chúng ta học nói, học đi như thế nào không? Đúng rồi, chúng ta đã học thông qua trải nghiệm.

Với Machine Learning, các chương trình 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. Cứ như vậy, theo thời gian, chương trình sẽ trở nên thông minh hơn.

Chung quy lại, Machine Learning là một chương trình sử dụng nhiều dữ liệu đầu vào để huấn luyện mô hình. Sau đó, mô hình được đào tạo đó có thể đưa ra dự đoán dựa trên dữ liệu mới mà nó chưa từng thấy trước đây.

Các thuật toán có thể được phân loại theo 4 cách học tùy thuộc vào loại dữ liệu đầu vào và kết quả kỳ vọng. Đó là:

(1) Supervised learning (Học có giám sát)

(2) Unsupervised learning (Học không giám sát)

(3) Semi-supervised learning (Học nửa giám sát)

(4) Reinforcement learning (Học tăng cường).

Đây cũng là những khái niệm mà bạn cần biết khi tìm hiểu về AI. Tuy nhiên, trong phạm vi video này, chúng ta sẽ không nói quá chi tiết về chúng. Song các bạn hãy nhớ, đây là cơ hội để bạn biết những gì mình chưa biết. Bạn có thể ghi lại các khái niệm này và tra cứu sau nhé.

  • HỘP HỌC HỎI

Trở lại với người bạn thân tên Trí rất thông minh của chúng ta. Hãy tưởng tượng Trí muốn học cách sắp xếp đồ chơi của bạn vào từng hộp: một hộp cho ô tô, một hộp cho búp bê, và một hộp cho viên bi. Trí chưa biết đồ chơi nào sẽ cho vào hộp nào, nhưng bạn có thể giúp Trí học hỏi!

Machine Learning giống như dạy người bạn robot của bạn sắp xếp đồ chơi. Đầu tiên, bạn cho Trí xem nhiều đồ chơi, và mỗi lần bạn nói với nó: "Đây là một chiếc ô tô, hãy cho vào trong hộp ô tô" hoặc "Đây là một viên bi, hãy xếp vào hộp đựng bi". Trí sẽ nhớ những hướng dẫn đó của bạn.

Sau khi bạn cho Trí xem nhiều đồ chơi, người bạn robot này sẽ bắt đầu tự sắp xếp chúng! Khi Trí xếp sai, chẳng hạn như đặt viên bi vào hộp ô tô, bạn sẽ nói Trí sửa lại. Trí sẽ ghi nhớ và rút kinh nghiệm cho lần sau. Đây là cách người bạn robot ngày càng giỏi hơn trong việc phân loại đồ chơi.

Nhìn chung, Machine Learning cũng giống như giúp người bạn robot của bạn học hỏi từ việc chơi với đồ chơi. Theo thời gian, Trí sẽ thành thạo hơn và có thể tự mình phân loại đồ chơi mà không cần bạn giúp nữa.

Giống như bạn có nhiều cách khác nhau để học, ví dụ học với giáo viên, tự học qua sách, qua video, người bạn robot cũng có nhiều cách học khác nhau. Ý tưởng chính là theo thời gian, Trí sẽ thông minh hơn và có thể giúp bạn nhiều hơn vì Trí đã học được rất nhiều điều từ tất cả thông tin mà nó nhìn thấy.

4. DEEP LEARNING

Theo Amazon Web Services, Deep learning là một loại hình kỹ thuật Máy học được xây dựng mô phỏng theo não người. Thuật toán Deep learning phân tích dữ liệu bằng cấu trúc logic tương tự như logic của con người. Nghĩa là, Deep learning sẽ sử dụng các hệ thống thông minh được gọi là Artificial Neural Networks (ANN, hay mạng nơ-ron nhân tạo) để xử lý thông tin theo lớp. Dữ liệu đi từ lớp đầu vào này, qua nhiều lớp mạng nơ-ron ẩn “sâu” trước khi tới được lớp kết quả.

Mạng nơ-ron nhân tạo
(Nguồn: The Data Scientist)
  • HỘP HỌC HỎI

Hãy tưởng tượng Trí, người bạn robot thông minh của bạn, có một bộ não siêu đặc biệt do con người tạo ra. Bộ não này được gọi là Mạng thần kinh nhân tạo hay viết tắt là ANN. Bộ não này là một phần của thứ thậm chí còn thú vị hơn được gọi là Deep Learning, một cách đặc biệt để dạy AI suy nghĩ giống con người.

Hãy nghĩ về Deep Learning giống như một cuốn sách tô màu khổng lồ và kỳ diệu. Khi bạn bắt đầu tô màu, trang đầu tiên có thể đơn giản với một vài hình khối lớn. Nhưng khi bạn lật nhiều trang hơn, hình ảnh sẽ trở nên chi tiết và phức tạp hơn. Trong Deep Learning, thông tin bắt đầu ở một lớp đơn giản, giống như trang đầu tiên trong cuốn sách tô màu của bạn. Sau đó, nó di chuyển qua nhiều lớp ẩn bên trong, mỗi lớp bổ sung thêm chi tiết và màu sắc cho đến trang cuối cùng, nơi bạn nhìn thấy một bức tranh đẹp, hoàn chỉnh.

Cuốn sách thần kỳ này giúp người bạn robot của bạn hiểu và học rất tốt. Tốt hơn rất nhiều so với việc chỉ nhìn vào bức tranh một lần. Nó đi sâu vào chi tiết, giống như bạn nhìn kỹ vào một bức tranh để thấy tất cả những chi tiết nhỏ khiến nó trở nên đặc biệt. Vì vậy, nhờ có Deep Learning, người bạn robot của bạn thực sự giỏi trong việc tìm ra mọi thứ, chẳng hạn như giúp bạn chọn một bài hát hoặc gợi ý món đồ nào cần mua tiếp theo!

5. GENERATIVE AI

Tiếp theo, chúng ta sẽ tìm hiểu về một thuật ngữ rất phổ biến là Generative AI (hay AI tạo sinh). Generative AI 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. Các nội dung mới được tạo ra có thể là các cuộc trò chuyện, câu chuyện, hình ảnh, video và âm nhạc.

Có rất nhiều loại mô hình Generative AI khác nhau. Ví dụ như các mô hình chuyển văn bản thành văn bản phổ biến như ChatGPT hay Gemini. Văn bản có thể là ngôn ngữ tự nhiên, và cũng có thể là các đoạn mã.

Các mô hình chuyển văn bản thành hình ảnh như Image Creator in Microsoft Designer, MidJourney, DALL-E. Hãy mô tả những gì bạn muốn, và một hình ảnh sẽ được tạo ra cho bạn. Ví dụ Linh đang sử dụng tính năng Image Creator của Microsoft Designer. Nếu bạn chưa có ý tưởng nào, bạn có thể nhấp chọn “Surprise me", hệ thống sẽ đề xuất câu lệnh mẫu cho bạn điền vào.

Chọn "Surprise me" để hệ thống đề xuất câu lệnh mẫu

Hoặc bạn có thể chọn một hình mình thích, và nhấn “Select to try" để được đề xuất câu lệnh tạo ra hình ảnh tương tự phong cách với hình ảnh bạn chọn.

Chọn "Select to try" để nhận câu lệnh tạo hình ảnh theo phong cách bạn chọn.

Ngược lại, bạn cũng có thể dùng công cụ như ChatGPT4 để yêu cầu hệ thống mô tả, hay phân tích một hình ảnh nhất định. Các nội dung trong hình ảnh này có thể là các bảng, biểu đồ, hay bất kỳ nội dung có định dạng hình ảnh nào mà bạn có.

Dùng ChatGPT4 để phân tích hình ảnh

Chúng ta cũng có các mô hình chuyển lời nói thành văn bản như Turbo Scribe mà bạn và Linh đã thực hành trong tập Tự Động Hóa Việc Ghi Chép Trong Cuộc Họp của chuỗi video Làm Bạn Với AI. Chúng ta cũng có các mô hình tạo ra các âm thanh hay bài hát từ các câu lệnh bằng văn bản.

Bạn cũng có thể chuyển văn bản thành video bằng các công cụ như Imagen Video của Google, Make-A-Video của Meta. Ngoài ra còn có các mô hình khác như chuyển văn bản thành mô hình 3D được ứng dụng trong các trò chơi, mô hình chuyển văn bản thành một nhiệm vụ cụ thể. Thậm chí, có những sản phẩm AI kết hợp các mô hình khác nhau để bạn cùng lúc có thể làm việc với văn bản, hình ảnh, giọng nói như ChatGPT 4.

  • HỘP HỌC HỎI

Các bạn còn nhớ Trí, người bạn robot có khả năng học hỏi như bạn và có bộ não siêu thông minh không? Hãy tưởng tượng Trí có một cây đũa thần. Cây đũa thần này có thể tạo ra nhiều thứ và cũng có thể học hỏi! Trong thực tế, nó thích học hỏi. Nó đã đọc từng trang trên Internet, và nó cũng ghi nhớ nhiều dữ liệu riêng tư không có trên internet. Ngoài ra, mỗi khi ai đó yêu cầu đũa thần làm gì, nó sẽ học hỏi từ những nhiệm vụ đó và từ những phản hồi mà người dùng đưa ra. Với những điều đã học được, cây đũa kỳ diệu này có thể tạo ra những thứ mới mẻ như hình ảnh, câu chuyện, âm thanh hoặc thậm chí video chỉ bằng một vài ý tưởng của bạn. Tên của cây đũa là Generative AI.

Nếu bạn nói với cây đũa là: "Tôi muốn có hình ảnh một con rồng bay qua cầu vồng", nó có thể tạo ra bức ảnh đó cho bạn! Đũa thần có thể làm được điều này vì nó đã học về hàng triệu con rồng và hàng triệu cầu vồng khác nhau. Và bây giờ nó có thể kết hợp tất cả những hình ảnh khác nhau đó thành một hình ảnh mới dựa trên yêu cầu của bạn. Hoặc nếu bạn nói: "Tôi muốn nghe bài hát về một chú mèo nhảy múa vui vẻ", nó có thể sáng tác một bài hát dành riêng cho bạn. Rất thú vị đúng không?

Sử dụng Generative AI để tạo bài hát về 
một chú mèo nhảy múa vui vẻ

6. LARGE LANGUAGE MODELS (LLMs)

Một thuật ngữ phổ biến khác là Large Language Models, LLMs, hay Mô hình ngôn ngữ lớn. LLMs cũng là một nhánh của Deep Learning. Thông thường, các LLMs sẽ được đào tạo trước với một bộ dữ liệu rất lớn, sau đó mới được điều chỉnh cho các mục đích cụ thể.

Nghĩa là một mô hình ngôn ngữ được đào tạo trước để giải quyết các vấn đề ngôn ngữ phổ biến như trả lời những câu hỏi cụ thể dựa trên thông tin được lưu trữ, tạo văn bản, phân loại văn bản, viết quảng cáo, hay thậm chí là lập trình. Sau đó, các LLMs này sẽ sử dụng các bộ dữ liệu nhỏ hơn, chuyên biệt hơn để giải quyết vấn đề cụ thể của từng ngành như bán lẻ, tài chính, chăm sóc sức khỏe, hay giải trí.

Vậy mô hình này hoạt động như thế nào? Trong bài viết này, Linh sẽ không nói quá sâu về phần công nghệ. Linh sẽ giải thích theo một cách khái quát và đơn giản nhất. Cách máy học cũng giống như cách bạn học nói lúc nhỏ. Nghĩa là bạn sẽ lắng nghe mọi người xung quanh nói chuyện. Khi nghe đủ nhiều, bạn sẽ phát hiện ra các khuôn mẫu. Ban đầu, bạn sẽ chỉ bập bẹ một vài từ đơn giản như ba ba, ma ma. Sau đó bạn nói được nhiều từ rời rạc hơn, rồi ghép thành một câu đầy đủ.

Tương tự, các mô hình ngôn ngữ cũng được cung cấp một lượng văn bản khổng lồ, phần lớn từ sách báo, mạng Internet, 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.

Ví dụ, nếu hệ thống đọc trên Internet một câu như “Hà Nội là thủ đô của nước Việt Nam", thì câu đó sẽ được chuyển thành nhiều điểm dữ liệu để mô hình học cách dự đoán từ tiếp theo.

Cụ thể, với câu trên, nếu dữ liệu đầu vào là “Hà Nội là", từ tiếp theo cần điền là gì? Đúng rồi, là “thủ đô". Từ tiếp theo sau “Hà Nội là thủ đô" là gì? Từ “của". “Hà Nội là thủ đô của”.

Cứ tiếp tục như vậy cho đến khi hệ thống đoán hết các từ trong câu. Từ câu này qua câu khác. Các bạn có thể thấy điều thú vị ở đây là nếu chúng ta lấy đoạn văn bản đầu ra nhận được bỏ trở lại làm đầu vào, mô hình sẽ tiếp tục bổ sung các từ mới.

Mô hình ngôn ngữ lớn (LLMs) đang thực sự trở nên khổng lồ
(Nguồn: The Low Down Momentum)

Đó cũng là cách mà các công cụ như ChatGPT hoạt động khi bạn nhập một đoạn văn bản hay chúng ta thường gọi là câu lệnh prompt vào ChatGPT. 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 Open AI có 175 tỷ tham số, hay Mô hình Jurassic-1 của AI21 Labs có 178 tỷ tham số và một kho từ vựng token gồm 250.000 thành phần từ. Như các bạn có thể thấy, mặc dù các mô hình GPT của OpenAI là phổ biến, nhưng cũng có rất nhiều mô hình LLMs khác đang được phát triển và ngày càng lớn hơn, chứa nhiều tham số hơn.

  • HỘP HỌC HỎI

Bạn có nhớ Trí có một chiếc đũa thần có thể tạo ra những câu chuyện, bài hát và hình ảnh không? Và nó cũng đã học rất nhiều thứ từ mạng Internet và những nguồn khác. Giả sử tất cả kiến thức mà đũa thần học được sẽ lưu trữ trong một cuốn sách. Cuốn sách này được gọi là Large Language Models hay LLMs.

Khi bạn nói với Trí: “Mình muốn nghe một câu chuyện về xứ sở thần tiên", cuốn sách ma thuật của Trí sẽ ghi nhớ các từ, các tình tiết trong tất cả các câu chuyện nó đã đọc và trộn chúng lại để tạo thành một câu chuyện mới về xứ sở thần tiên dành riêng cho bạn.

Những cuốn sách lớn, thông minh này, như ChatGPT hay Gemini chứa rất nhiều từ ngữ và ý tưởng. Bạn có thể tưởng tượng chúng chứa cả một thư viện rộng lớn, lớn hơn bất kỳ thư viện nào bạn từng thấy!

7. PROMPT

Cuối cùng, để sử dụng các công cụ như ChatGPT hiệu quả, một kỹ năng cực kỳ quan trọng mà các bạn cần học đó là viết câu lệnh prompt.

Prompt được hiểu đơn giản là một hướng dẫn được nhập vào hệ thống bằng ngôn ngữ, hình ảnh, hoặc đoạn mã để yêu cầu AI thực hiện một nhiệm vụ mà bạn muốn.

Khi giao việc, bạn không thể nói với một nhân viên mới là “Hãy gửi cho chị một báo cáo". Bạn cần nói rõ ra báo cáo đó là về chủ đề gì, nội dung ra sao, cấu trúc như thế nào. Ví dụ, “Hãy gửi cho chị báo cáo kết quả kinh doanh quý 1 của sản phẩm A trong 5 slides. Lưu ý là hãy so sánh với kết quả của quý 1 năm ngoái và với sản phẩm B”. Điều này sẽ giúp bạn nhân viên làm đúng yêu cầu của bạn hơn. Khi bạn yêu cầu trợ lý ChatGPT hay Gemini làm việc cho bạn cũng vậy thôi, hãy cung cấp một prompt với các tình huống, yêu cầu, định dạng càng cụ thể càng tốt.

Như các bạn có thể thấy, AI và các công cụ của nó làm được rất nhiều việc. Hạn chế lớn nhất của việc sử dụng các công cụ này có lẽ là trí tưởng tượng và khả năng bạn giao tiếp hiệu quả của bạn với chúng. Đừng chỉ lên mạng và tải về bộ công cụ 100 hay 1,000 prompt giúp bạn làm việc này, việc kia hiệu quả. Bởi vì nếu không hiểu logic đằng sau chúng, bạn không thể sáng tạo và linh hoạt tạo ra những prompt tương tự khi có yêu cầu mới phát sinh.

Lời Kết: AI Không Phải Là Cuộc Cách Mạng Đầu Tiên Của Loài Người!

Chúng ta đã chế ngự được lửa, học cách làm nông nghiệp, phát minh ra năng lượng hơi nước, điện, hay Internet. Những thay đổi mang tính cách mạng này đều cần một thời gian rất dài để trở nên phổ biến. Nhưng trong cuộc cách mạng AI, công nghệ mới lan rộng khắp thế giới gần như ngay lập tức. Các bạn còn nhớ ChatGPT mất bao nhiêu ngày để đạt được 1 triệu người dùng không? Chỉ 5 ngày thôi. Và tương lai sẽ còn các ứng dụng khác đạt đến cột mốc này nhanh hơn nữa.
Để không bị bỏ lại phía sau trong dòng chảy mạnh mẽ của AI, Linh đề xuất bạn tự nhắc mình mỗi ngày với câu khẳng định: “AI là bạn của tôi. AI sẽ giúp tôi, nhóm của tôi, công ty của tôi mở rộng tiềm năng của mình”. AI sẽ giúp bạn học tốt hơn, biến ý tưởng thành hiện thực nhanh hơn. Điều bạn cần là bắt đầu học về nó, từ những khái niệm cơ bản nhất.
Skills Bridge là công ty đào tạo cung cấp các chương trình phát triển kỹ năng cho các bạn trẻ, doanh nghiệp vừa và nhỏ cùng các công ty đa quốc gia. Linh thành lập công ty với mục tiêu sử dụng 25 năm kinh nghiệm của mình cùng các chuyên gia khác trong nhiều lĩnh vực để hỗ trợ các bạn trẻ thành công trong sự nghiệp.
Để biết thêm chi tiết về các chương trình đào tạo và phát triển đa dạng hiện có của Skills Bridge, hãy truy cập link này.

Viết bởi

Có hơn 24 năm kinh nghiệm trong lĩnh vực tài chính, tiếp thị và vận hành. Những nội dung của Thái Vân Linh cung cấp các công cụ và cảm hứng nhằm giúp các bạn trẻ Việt Nam thăng tiến trong công việc và khám phá trọn vẹn tiềm năng của mình.

Skills Bridge là công ty đào tạo cung cấp các chương trình phát triển kỹ năng cho các bạn trẻ, doanh nghiệp vừa và nhỏ cùng các công ty đa quốc gia. Linh thành lập công ty với mục tiêu sử dụng 25 năm kinh nghiệm của mình cùng các chuyên gia khác trong nhiều lĩnh vực để hỗ trợ các bạn trẻ thành công trong sự nghiệp.
Để biết thêm chi tiết về các chương trình đào tạo và phát triển đa dạng hiện có của Skills Bridge, hãy truy cập link này.

Viết bởi

Có hơn 24 năm kinh nghiệm trong lĩnh vực tài chính, tiếp thị và vận hành. Những nội dung của Thái Vân Linh cung cấp các công cụ và cảm hứng nhằm giúp các bạn trẻ Việt Nam thăng tiến trong công việc và khám phá trọn vẹn tiềm năng của mình.