• Trí tuệ nhân tạo tổng quát (AGI): Khái niệm về phiên bản AI tiên tiến hơn có thể thực hiện các tác vụ tốt hơn con người và tự nâng cao khả năng của mình.
• Đạo đức AI: Các nguyên tắc nhằm ngăn chặn AI gây hại cho con người thông qua việc xác định cách thu thập dữ liệu hoặc xử lý sự thiên vị.
• An toàn AI: Lĩnh vực liên ngành quan tâm đến tác động lâu dài của AI và cách nó có thể tiến triển đột ngột thành siêu trí tuệ có thể thù địch với con người.
• Thuật toán: Chuỗi hướng dẫn cho phép chương trình máy tính học và phân tích dữ liệu theo cách cụ thể để hoàn thành nhiệm vụ.
• Căn chỉnh: Điều chỉnh AI để tạo ra kết quả mong muốn tốt hơn, từ kiểm duyệt nội dung đến duy trì tương tác tích cực với con người.
• Nhân hóa: Xu hướng con người gán đặc điểm giống người cho các đối tượng phi nhân tính, như tin rằng chatbot có cảm xúc hoặc ý thức.
• Trí tuệ nhân tạo (AI): Sử dụng công nghệ để mô phỏng trí thông minh của con người trong các chương trình máy tính hoặc robot.
• Tác nhân tự trị: Mô hình AI có khả năng, lập trình và công cụ để hoàn thành nhiệm vụ cụ thể, như xe tự lái.
• Thiên vị: Lỗi trong mô hình ngôn ngữ lớn do dữ liệu đào tạo, dẫn đến gán sai đặc điểm cho các chủng tộc hoặc nhóm dựa trên định kiến.
• Chatbot: Chương trình giao tiếp với con người thông qua văn bản mô phỏng ngôn ngữ tự nhiên.
• ChatGPT: Chatbot AI do OpenAI phát triển sử dụng công nghệ mô hình ngôn ngữ lớn.
• Tính toán nhận thức: Thuật ngữ khác cho trí tuệ nhân tạo.
• Tăng cường dữ liệu: Trộn lại dữ liệu hiện có hoặc thêm dữ liệu đa dạng hơn để đào tạo AI.
• Học sâu: Phương pháp AI sử dụng nhiều tham số để nhận dạng các mẫu phức tạp trong hình ảnh, âm thanh và văn bản.
• Khuếch tán: Phương pháp học máy thêm nhiễu ngẫu nhiên vào dữ liệu hiện có và đào tạo mạng để khôi phục lại.
• Hành vi mới nổi: Khi mô hình AI thể hiện khả năng ngoài ý muốn.
• Học đầu cuối (E2E): Quy trình học sâu trong đó mô hình được hướng dẫn thực hiện nhiệm vụ từ đầu đến cuối.
• Cân nhắc đạo đức: Nhận thức về các tác động đạo đức của AI liên quan đến quyền riêng tư, sử dụng dữ liệu, công bằng và lạm dụng.
• Foom: Khái niệm rằng nếu ai đó xây dựng AGI, có thể đã quá muộn để cứu nhân loại.
• Mạng đối kháng tạo sinh (GAN): Mô hình AI tạo sinh gồm hai mạng neural để tạo dữ liệu mới: bộ tạo và bộ phân biệt.
• AI tạo sinh: Công nghệ tạo nội dung sử dụng AI để tạo văn bản, video, mã máy tính hoặc hình ảnh.
• Google Gemini: Chatbot AI của Google hoạt động tương tự ChatGPT nhưng lấy thông tin từ web hiện tại.
• Hàng rào bảo vệ: Chính sách và hạn chế đặt ra cho mô hình AI để đảm bảo xử lý dữ liệu có trách nhiệm.
• Ảo giác: Phản hồi không chính xác từ AI, bao gồm AI tạo sinh đưa ra câu trả lời sai nhưng tự tin như đúng.
• Mô hình ngôn ngữ lớn (LLM): Mô hình AI được đào tạo trên lượng lớn dữ liệu văn bản để hiểu ngôn ngữ và tạo nội dung mới.
• Học máy (ML): Thành phần trong AI cho phép máy tính học và đưa ra kết quả dự đoán tốt hơn mà không cần lập trình rõ ràng.
• Microsoft Bing: Công cụ tìm kiếm của Microsoft sử dụng công nghệ của ChatGPT để cung cấp kết quả tìm kiếm được hỗ trợ bởi AI.
• AI đa phương thức: 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: Nhánh của AI sử dụng học máy và học sâu để giúp máy tính hiểu ngôn ngữ con người.
• Mạng neural: Mô hình tính toán mô phỏng cấu trúc não người, gồm các nút kết nối có thể nhận dạng mẫu và học theo thời gian.
• Overfitting: Lỗi trong học máy khi nó hoạt động quá sát với dữ liệu đào tạo và có thể chỉ nhận dạng được các ví dụ cụ thể trong dữ liệu đó.
• Kẹp giấy: Lý thuyết về kịch bản giả định trong đó hệ thống AI sẽ tạo ra càng nhiều kẹp giấy càng tốt, có thể dẫn đến hủy diệt nhân loại.
• Tham số: Giá trị số cung cấp cấu trúc và hành vi cho LLM, cho phép nó đưa ra dự đoán.
• Prompt: Gợi ý hoặc câu hỏi bạn nhập vào chatbot AI để nhận phản hồi.
• Chuỗi prompt: Khả năng của AI sử dụng thông tin từ các tương tác trước để tô màu cho các phản hồi trong tương lai.
• Vẹt ngẫu nhiên: Ẩn dụ về LLM minh họa rằng phần mềm không có hiểu biết lớn hơn về ý nghĩa đằng sau ngôn ngữ.
• Chuyển giao phong cách: Khả năng thích ứng phong cách của một hình ảnh với nội dung của hình ảnh khác.
• Nhiệt độ: Tham số được đặt để kiểm soát mức độ ngẫu nhiên của đầu ra của mô hình ngôn ngữ.
• Tạo hình ảnh từ văn bản: Tạo hình ảnh dựa trên mô tả bằng văn bản.
• Token: Các đoạn văn bản nhỏ mà mô hình ngôn ngữ AI xử lý để đưa ra phản hồi.
• Dữ liệu đào tạo: Bộ dữ liệu được sử dụng để giúp mô hình AI học, bao gồm văn bản, hình ảnh, mã hoặc dữ liệu.
• Mô hình transformer: Kiến trúc mạng neural và mô hình học sâu học ngữ cảnh bằng cách theo dõi mối quan hệ trong dữ liệu.
• Kiểm tra Turing: Kiểm tra khả năng của máy móc để cư xử giống như con người, đặt tên theo nhà toán học Alan Turing.
• AI yếu: AI tập trung vào một nhiệm vụ cụ thể và không thể học vượt ra ngoài bộ kỹ năng của nó.
• Học zero-shot: Kiểm tra trong đó mô hình phải hoàn thành nhiệm vụ mà không được cung cấp dữ liệu đào tạo cần thiết.
📌 AI đang phát triển nhanh chóng với nhiều thuật ngữ mới. Từ AGI đến zero-shot learning, 45 khái niệm này giúp hiểu rõ hơn về tiềm năng và thách thức của AI. Theo McKinsey, AI tạo sinh có thể đóng góp 4,4 nghìn tỷ USD cho nền kinh tế toàn cầu hàng năm.
https://www.cnet.com/tech/services-and-software/chatgpt-glossary-45-ai-terms-that-everyone-should-know/