Thuật ngữ ChatGPT: 49 thuật ngữ AI mọi người nên biết

Giờ đây iPhone đã có Apple Intelligence, AI đang đạt được bước tiến chủ đạo. ChatGPT, Google Gemini và Microsoft Copilot đang đẩy AI vào mọi lĩnh vực công nghệ, thay đổi cách chúng ta tương tác với công nghệ. Đột nhiên, mọi người có thể trò chuyện có ý nghĩa với máy móc, nghĩa là bạn có thể đặt câu hỏi cho chatbot AI bằng ngôn ngữ tự nhiên và nó sẽ trả lời bằng những câu trả lời mới lạ, giống như con người.

Nhưng khía cạnh đó của chatbot AI chỉ là một phần của bối cảnh AI. Chắc chắn, việc nhờ ChatGPT giúp bạn làm bài tập về nhà hoặc nhờ Midjourney tạo ra những hình ảnh hấp dẫn về máy móc dựa trên quốc gia xuất xứ là điều tuyệt vời, nhưng tiềm năng của AI có thể tạo ra hoàn toàn có thể định hình lại nền kinh tế. Theo Viện Toàn cầu McKinsey, số tiền đó có thể trị giá 4,4 nghìn tỷ USD cho nền kinh tế toàn cầu hàng năm, đó là lý do tại sao bạn nên mong đợi được nghe nhiều hơn về trí tuệ nhân tạo.

Nó xuất hiện trong một loạt sản phẩm chóng mặt — một danh sách ngắn bao gồm Gemini của Google, Copilot của Microsoft, Claude của Anthropic, công cụ tìm kiếm AI Perplexity và các tiện ích của Humane and Rabbit. Bạn có thể đọc các bài đánh giá và đánh giá thực tế của chúng tôi về những sản phẩm đó và các sản phẩm khác, cùng với tin tức, lời giải thích và bài đăng hướng dẫn tại trung tâm AI Atlas của chúng tôi.

Khi mọi người trở nên quen hơn với một thế giới gắn liền với AI, các thuật ngữ mới sẽ xuất hiện ở khắp mọi nơi. Vì vậy, cho dù bạn đang cố gắng tỏ ra thông minh khi uống rượu hay gây ấn tượng trong một cuộc phỏng vấn xin việc thì đây là một số thuật ngữ AI quan trọng mà bạn nên biết.

Bảng thuật ngữ này được cập nhật thường xuyên.

---

trí tuệ tổng hợp nhân tạo, hay AGI: Một khái niệm gợi ý về một phiên bản AI tiên tiến hơn chúng ta biết ngày nay, một phiên bản có thể thực hiện các nhiệm vụ tốt hơn nhiều so với con người đồng thời giảng dạy và nâng cao khả năng của chính nó.

đại lý: Các hệ thống hoặc mô hình thể hiện khả năng tự chủ theo đuổi các hành động để đạt được mục tiêu. Trong bối cảnh AI, một mô hình tác nhân có thể hoạt động mà không cần sự giám sát liên tục, chẳng hạn như một chiếc ô tô tự hành cấp cao. Không giống như khung “tác nhân” ở chế độ nền, khung tác nhân nằm ở phía trước, tập trung vào trải nghiệm người dùng.

Đạo đức AI: Các nguyên tắc nhằm ngăn chặn AI làm hại con người, đạt được thông qua các biện pháp như xác định cách hệ thống AI nên thu thập dữ liệu hoặc xử lý sự thiên vị.

An toàn AI: Một lĩnh vực liên ngành liên quan đến những tác động lâu dài của AI và làm thế nào nó có thể đột ngột phát triển thành siêu trí thông minh có thể gây thù địch với con người.

thuật toán: Một loạt hướng dẫn cho phép chương trình máy tính tìm hiểu và phân tích dữ liệu theo một cách cụ thể, chẳng hạn như nhận dạng các mẫu, để sau đó học hỏi từ dữ liệu đó và tự mình hoàn thành các nhiệm vụ.

căn chỉnh: Tinh chỉnh AI để tạo ra kết quả mong muốn tốt hơn. Điều này có thể đề cập đến bất cứ điều gì từ việc kiểm duyệt nội dung đến duy trì những tương tác tích cực với con người.

nhân hóa: Khi con người có xu hướng gán cho những vật thể không phải con người những đặc điểm giống con người. Trong AI, điều này có thể bao gồm việc tin rằng chatbot giống con người hơn và có nhận thức hơn thực tế, như tin rằng nó đang vui, đang buồn hoặc thậm chí là có tri giác.

trí tuệ nhân tạo hoặc AI: Việc sử dụng công nghệ để mô phỏng trí thông minh của con người, trong các chương trình máy tính hoặc robot. Một lĩnh vực khoa học máy tính nhằm mục đích xây dựng các hệ thống có thể thực hiện các nhiệm vụ của con người.

đại lý tự trị: Một 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 của Stanford đã chỉ ra rằng các tác nhân tự trị có thể phát triển nền văn hóa, truyền thống và ngôn ngữ chung của riêng họ.

thiên vị: Liên quan đến các mô hình ngôn ngữ lớn, các lỗi phát sinh từ dữ liệu huấn luyện. Điều này có thể dẫn đến việc gán sai một số đặc điểm nhất định cho các chủng tộc hoặc nhóm nhất định dựa trên khuôn mẫu.

trò chuyện: Một chương trình giao tiếp với con người thông qua văn bản mô phỏng ngôn ngữ của con người.

Trò chuyệnGPT: Một chatbot AI do OpenAI phát triển sử dụng công nghệ mô hình ngôn ngữ lớn.

tính toán nhận thức: Một thuật ngữ khác cho trí tuệ nhân tạo.

tăng cường dữ liệu: Phối hợp lại dữ liệu hiện có hoặc thêm bộ dữ liệu đa dạng hơn để đào tạo AI.

học sâu: Một phương pháp AI và một trường con của học máy sử dụng nhiều tham số để nhận dạng các mẫu phức tạp trong hình ảnh, âm thanh và văn bản. Quá trình này được lấy cảm hứng từ bộ não con người và sử dụng mạng lưới thần kinh nhân tạo để tạo ra các mẫu.

khuếch tán: Một phương pháp học máy lấy một phần dữ liệu hiện có, chẳng hạn như một bức ảnh, và thêm nhiễu ngẫu nhiên. Các mô hình khuếch tán huấn luyện mạng của họ để tái thiết kế hoặc khôi phục bức ảnh đó.

hành vi nổi lên: Khi một mô hình AI thể hiện những khả năng ngoài ý muốn.

học tập từ đầu đến cuối, hoặc E2E: Một 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 nhiệm vụ một cách tuần tự mà thay vào đó học hỏi từ các dữ liệu đầu vào và giải quyết tất cả cùng một lúc.

cân nhắc về mặt đạo đức: Nhận thức về ý nghĩa đạo đức của AI và các vấn đề liên quan đến quyền riêng tư, sử dụng dữ liệu, tính công bằng, lạm dụng và các vấn đề an toàn khác.

bọt: Còn được gọi là cất cánh nhanh hoặc cất cánh cứng. Khái niệm cho rằng nếu ai đó xây dựng AGI thì có thể đã quá muộn để cứu nhân loại.

mạng đối thủ tổng hợp hoặc GAN: Một mô hình AI tổng quát bao gồm hai mạng thần kinh để tạo ra dữ liệu mới: một trình tạo và một trình phân biệt đối xử. Trình tạo tạo nội dung mới và trình phân biệt đối xử sẽ kiểm tra xem nội dung đó có xác thực hay không.

AI sáng tạo: Công nghệ tạo nội dung sử dụng AI để tạo 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 giống với tài liệu nguồn.

Google Song Tử: Một chatbot AI của Google có chức năng tương tự như ChatGPT nhưng lấy thông tin từ trang web hiện tại, trong khi ChatGPT bị giới hạn dữ liệu cho đến năm 2021 và không được kết nối với Internet.

lan can: 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 đó không tạo ra nội dung đáng lo ngại.

ảo giác: Một phản hồi không chính xác từ AI. Có thể bao gồm AI tổng hợp tạo ra các câu trả lời không chính xác nhưng được tuyên bố một cách tự tin như thể đúng. Những lý do cho điều này không hoàn toàn được biết đến. Ví dụ: khi hỏi một chatbot AI, “Leonardo da Vinci vẽ bức Mona Lisa khi nào?” nó có thể trả lời bằng một tuyên bố không chính xác rằng, “Leonardo da Vinci đã vẽ bức Mona Lisa vào năm 1815”, tức là 300 năm sau khi bức tranh này thực sự được vẽ.

suy luận: Quá trình mà các mô hình AI sử dụng để tạo ra văn bản, hình ảnh và nội dung khác về dữ liệu mới, bằng cách suy luận từ dữ liệu huấn luyện của họ.

mô hình ngôn ngữ lớn hoặc LLM: Một mô hình AI được đào tạo dựa trên lượng lớn dữ liệu văn bản để hiểu ngôn ngữ và tạo ra nội dung mới bằng ngôn ngữ giống con người.

học máy, hoặc ML: 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 bộ huấn luyện để tạo ra nội dung mới.

Microsoft Bing: Một công cụ tìm kiếm của Microsoft hiện có thể sử dụng công nghệ hỗ trợ ChatGPT để đưa ra kết quả tìm kiếm do AI cung cấp. Nó tương tự như Google Gemini ở chỗ được kết nối với internet.

AI đa phương thức: 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: Một nhánh của AI sử dụng machine learning và deep learning để cung cấp cho máy tính khả năng hiểu ngôn ngữ của con người, thường sử dụng các thuật toán học tập, mô hình thống kê và quy tắc ngôn ngữ.

mạng lưới thần kinh: Một mô hình tính toán giống với cấu trúc của bộ não con người và nhằm mục đích nhận dạng các mẫu trong dữ liệu. Bao gồm các nút hoặc nơ-ron được kết nối với nhau, có thể nhận ra các mẫu và học hỏi theo thời gian.

trang bị quá mức: Lỗi trong học máy khi nó hoạt động quá gần với dữ liệu huấn luyện và chỉ có thể xác định được các ví dụ cụ thể trong dữ liệu nói trên chứ không phải dữ liệu mới.

kẹp giấy: Lý thuyết Paperclip Maximiser, do triết gia Nick Boström của Đại học Oxford đặt ra, là một kịch bản giả định trong đó hệ thống AI sẽ tạo ra càng nhiều kẹp giấy càng tốt. Với mục tiêu sản xuất số lượng kẹp giấy tối đa, hệ thống AI theo giả thuyết sẽ tiêu thụ hoặc chuyển đổi tất cả vật liệu để đạt được mục tiêu. Điều này có thể bao gồm việc tháo dỡ các máy móc khác để sản xuất nhiều kẹp giấy hơn, những máy móc có thể mang lại lợi ích cho con người. Hậu quả không lường trước của hệ thống AI này là nó có thể tiêu diệt loài người trong mục tiêu làm kẹp giấy.

thông số: Các giá trị số cung cấp cấu trúc và hành vi của LLM, cho phép nó đưa ra dự đoán.

bối rối: Tên của một chatbot và công cụ tìm kiếm được hỗ trợ bởi AI thuộc sở hữu của Perplexity AI. Nó sử dụng một mô hình ngôn ngữ lớn, giống như mô hình được tìm thấy trong các chatbot AI khác, để trả lời các câu hỏi bằng những câu trả lời mới lạ. Kết nối của nó với internet mở cũng cho phép nó cung cấp thông tin cập nhật và lấy kết quả từ khắp nơi trên web. Perplexity Pro, một dịch vụ trả phí, cũng có sẵn và sử dụng các mẫu khác, bao gồm GPT-4o, Claude 3 Opus, Mistral Large, LlaMa 3 mã nguồn mở và Sonar 32k của riêng nó. Người dùng chuyên nghiệp có thể tải thêm tài liệu lên để phân tích, tạo hình ảnh và giải thích mã.

nhắc: Đề xuất hoặc câu hỏi bạn nhập vào chatbot AI để nhận được phản hồi.

chuỗi nhắc nhở: Khả năng AI sử dụng thông tin từ các tương tác trước đó để tô màu cho các phản hồi trong tương lai.

con vẹt ngẫu nhiên: Một sự tương tự của LLM minh họa rằng phần mềm không hiểu rõ hơn về ý nghĩa đằng sau ngôn ngữ hoặc thế giới xung quanh nó, bất kể âm thanh đầu ra thuyết phục đến mức nào. Cụm từ này đề cập đến việc một con vẹt có thể bắt chước lời nói của con người mà không hiểu ý nghĩa đằng sau chúng.

chuyển giao phong cách: Khả năng điều chỉnh phong cách của một hình ảnh với nội dung của hình ảnh khác, cho phép AI diễn giải các thuộc tính hình ảnh của một hình ảnh và sử dụng nó trên một hình ảnh khác. Ví dụ như lấy bức chân dung tự họa của Rembrandt và tái tạo nó theo phong cách của Picasso.

nhiệt độ: Các tham số được đặt để kiểm soát mức độ ngẫu nhiên của đầu ra của mô hình ngôn ngữ. Nhiệt độ cao hơn có nghĩa là mô hình gặp nhiều rủi ro hơn.

tạo văn bản thành hình ảnh: Tạo hình ảnh dựa trên mô tả văn bản.

mã thông báo: Các đoạn văn bản nhỏ mà mô hình ngôn ngữ AI xử lý để hình thành phản hồi của chúng đối với lời nhắc của bạn. Mã thông báo tương đương với bốn ký tự bằng tiếng Anh hoặc khoảng 3/4 từ.

dữ liệu đào tạo: Các bộ 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 máy biến áp: Kiến trúc mạng thần kinh và mô hình học sâu tìm hiểu ngữ cảnh bằng cách theo dõi các mối quan hệ trong dữ liệu, chẳng hạn như trong câu hoặc các phần của hình ảnh. Vì vậy, thay vì phân tích từng từ một câu, nó có thể nhìn vào toàn bộ câu và hiểu ngữ cảnh.

bài kiểm tra turing: Được đặt theo tên nhà toán học và nhà khoa học máy tính nổi tiếng Alan Turing, nó kiểm tra khả năng của một cỗ máy để hành xử giống con người. Máy sẽ vượt qua nếu con người không thể phân biệt được phản ứng của máy với người khác.

học tập không giám sát: Một dạng học máy trong đó dữ liệu đào tạo được gắn nhãn không được cung cấp cho mô hình và thay vào đó, mô hình phải tự xác định các mẫu trong dữ liệu.

AI yếu hay còn gọi là AI hẹp: AI tập trung vào một nhiệm vụ cụ thể và không thể học hỏi ngoài bộ kỹ năng của nó. Hầu hết AI ngày nay đều là AI yếu.

học tập không bắn: Một bài kiểm tra trong đó một mô hình phải hoàn thành một nhiệm vụ mà không được cung cấp dữ liệu huấn luyện cần thiết. Một ví dụ là nhận ra một con sư tử khi chỉ được huấn luyện trên hổ.