Tổng hợp thuật ngữ trí tuệ nhân tạo bạn cần biết

- **AGI (Artificial General Intelligence)**: Trí tuệ nhân tạo tổng quát, hệ thống AI có khả năng tự động hóa cao và có thể vượt qua con người ở nhiều công việc khác nhau mà không cần sự can thiệp lớn từ con người. Hiện tại chưa có hệ thống AGI chính thức nào, nhưng các công ty như OpenAI đang cố gắng phát triển.

- **Agents**: Những AI agents là thế hệ kế tiếp của chatbot, với khả năng thực hiện các nhiệm vụ tự động như đặt hàng hay đặt bàn thay cho người dùng. Điều này tạo ra cơ hội lớn nhưng cũng làm tăng rủi ro khi AI có thể mắc lỗi.

- **Algorithm (Thuật toán)**: Một chuỗi các bước để giải quyết vấn đề. Thuật toán đã tồn tại qua nhiều thế kỷ, nhưng với sự phát triển của học máy, các thuật toán có thể tự cải thiện dựa trên dữ liệu lớn.

- **Alignment**: Việc đảm bảo rằng các hệ thống AI hoạt động tuân thủ các giá trị cơ bản của con người. Tuy nhiên, một thách thức lớn là xác định những giá trị nào nên được ưu tiên và đảm bảo AI không làm trái với mong muốn của xã hội.

- **Artificial Intelligence (Trí tuệ nhân tạo)**: Công nghệ mô phỏng trí tuệ của con người, có thể thực hiện các tác vụ từ xử lý dữ liệu đến hội thoại. AI hiện nay chủ yếu dựa vào các thuật toán và chưa thực sự hiểu sâu những gì nó đang làm.

- **Benchmarks**: Các công ty AI sử dụng những chỉ số hiệu suất để so sánh mô hình của họ với đối thủ. Tuy nhiên, chưa có một tiêu chuẩn độc lập nào để đánh giá hiệu suất AI, vì vậy các công ty tự tạo ra các benchmark riêng.

- **Chatbots**: Chatbots là các hệ thống có thể tương tác với người dùng qua văn bản hoặc giọng nói. Các chatbot hiện đại, như ChatGPT, có thể xử lý các cuộc hội thoại phức tạp và đang dần tiệm cận mục tiêu trở thành trợ lý ảo toàn diện.

- **Claude**: Chatbot của Anthropic, đối thủ chính của ChatGPT, được phát triển với mục tiêu đảm bảo an toàn cho người dùng và ưu tiên các doanh nghiệp.

- **Computer Vision**: Công nghệ giúp máy tính có thể phân tích, hiểu và phản hồi từ hình ảnh và video. Ứng dụng phổ biến trong xe tự lái, giám sát động vật hoang dã, nhưng cũng có những tranh cãi về tính chính xác và đạo đức khi sử dụng trong quân đội và an ninh.

- **Emergent Behaviors**: Khi các mô hình ngôn ngữ lớn như GPT đạt đến một quy mô nhất định, chúng có thể bắt đầu thể hiện những hành vi ngoài dự đoán, như tự viết mã hay tạo ra những câu chuyện lạ.

- **Fine-tuning**: Quá trình tinh chỉnh một mô hình AI đã có sẵn để phù hợp hơn với nhu cầu cụ thể của người dùng hoặc doanh nghiệp, bằng cách huấn luyện thêm mô hình với dữ liệu liên quan.

- **Frontier Models**: Các mô hình AI tiên tiến nhất hiện nay do những công ty như OpenAI, Google, Meta phát triển. Các mô hình này ngày càng phức tạp và tốn kém để xây dựng, làm cho các công ty khởi nghiệp khó cạnh tranh.

- **Gemini**: Mô hình AI hàng đầu của Google với khả năng xử lý các nhiệm vụ phức tạp như mã hóa và suy luận toán học. Gemini còn có khả năng multimodal, tức là có thể xử lý nhiều loại dữ liệu khác nhau như hình ảnh, âm thanh.

- **Generative AI**: Công nghệ AI tạo ra nội dung mới từ yêu cầu của người dùng, như hình ảnh, âm nhạc, bài viết. Ví dụ điển hình là DALL-E của OpenAI và Suno cho phép tạo ra nhạc từ mô tả văn bản.

- **GPT (Generative Pretrained Transformer)**: Một mô hình ngôn ngữ lớn có khả năng xử lý ngôn ngữ tự nhiên nhờ kiến trúc "transformer", giúp hiểu ngữ cảnh và thứ tự từ trong câu.

- **Grok**: Chatbot của xAI do Elon Musk phát triển, cạnh tranh với các sản phẩm của OpenAI với phong cách trả lời khác biệt và có nhiều tiềm năng vì khả năng truy cập vào dữ liệu khổng lồ từ nền tảng X (trước đây là Twitter).

- **Hallucination**: Hiện tượng AI đưa ra câu trả lời hoàn toàn sai nhưng nghe có vẻ thuyết phục. Đây là một vấn đề phổ biến của các mô hình như GPT khi chúng không có đủ thông tin đúng nhưng vẫn cố gắng tạo ra câu trả lời.

- **Large Language Models (LLMs)**: Những mô hình AI có kích thước cực lớn, được huấn luyện từ hàng tỷ câu chữ và dữ liệu, giúp hiểu và tạo ra văn bản phức tạp.

- **Llama**: Mô hình AI nguồn mở của Meta, cung cấp nền tảng cho nhiều sản phẩm khác nhau. Meta kỳ vọng Llama sẽ trở thành trung tâm của hệ sinh thái AI nhờ sự mở rộng và tính nguồn mở của nó.

- **Machine Learning (Học máy)**: Quá trình cải thiện thuật toán bằng cách cho nó học từ các dữ liệu đầu vào và kết quả đầu ra, thay vì lập trình chi tiết từng bước. Công nghệ này giúp AI "học" mà không cần đào tạo rõ ràng về từng nhiệm vụ.

- **Model Collapse**: Khi các mô hình AI được huấn luyện trên dữ liệu do AI khác tạo ra, có nguy cơ hệ thống trở nên kém chính xác và hiệu suất sụt giảm, hiện tượng này được gọi là model collapse.

- **Multimodal**: Hệ thống AI có khả năng xử lý nhiều loại dữ liệu như văn bản, hình ảnh, âm thanh. Công nghệ này làm cho tương tác với AI trở nên phong phú và đa dạng hơn.

- **Natural Language Processing (Xử lý ngôn ngữ tự nhiên - NLP)**: Nhánh AI giúp máy tính hiểu, xử lý và tạo ra văn bản, lời nói giống như con người. NLP được sử dụng trong trợ lý ảo như Siri hay Alexa, cũng như trong phân loại email, tìm kiếm web.

- **Neural Networks**: Mạng nơ-ron là một loại AI học tập thông qua thử và sai, tương tự cách bộ não con người học. Hệ thống này yêu cầu rất nhiều sức mạnh tính toán và dữ liệu.

- **Open Source**: Các mô hình AI nguồn mở cho phép mọi người sử dụng, chỉnh sửa và phân phối mã nguồn một cách tự do. Đây là một trong những yếu tố chính trong sự phát triển của hệ sinh thái AI.

- **Parameters (Tham số)**: Các biến số mà mô hình AI thu nhận trong quá trình huấn luyện, giúp mô hình "học" cách xử lý thông tin. Số lượng tham số của một mô hình thường rất lớn, ví dụ như Llama có 400 tỷ tham số.

- **Prompt**: Yêu cầu đầu vào từ người dùng khi tương tác với AI, như yêu cầu AI tóm tắt tài liệu hoặc sáng tác một đoạn văn.

- **Prompt Engineering**: Quá trình tối ưu hóa câu lệnh đầu vào để mô hình AI đưa ra kết quả chính xác và hữu ích hơn.

- **Reasoning (Lý luận)**: Khả năng của AI thực hiện các nhiệm vụ phức tạp đòi hỏi suy luận như giải toán hoặc lập trình. Các công ty như OpenAI, Google đang phát triển khả năng này cho các mô hình tiên tiến.

- **Small Models (Mô hình nhỏ)**: Các mô hình AI nhỏ hơn, tiêu thụ ít tài nguyên hơn nhưng vẫn có thể thực hiện các nhiệm vụ một cách hiệu quả, là giải pháp kinh tế cho những khách hàng không cần mô hình lớn.

- **Sentient AI**: AI có ý thức là một ý tưởng còn xa vời. Dù các mô hình hiện nay có khả năng mô phỏng một số hoạt động của con người, nhưng chúng chưa thực sự có khả năng nhận thức.

- **Synthetic Data (Dữ liệu tổng hợp)**: Dữ liệu được tạo ra bởi AI để huấn luyện mô hình AI khác, giúp giảm bớt các vấn đề về đạo đức và pháp lý khi sử dụng dữ liệu thật.

- **Training Data**: Dữ liệu được dùng để huấn luyện AI, có thể bao gồm văn bản, hình ảnh, bài viết, bình luận trên mạng xã hội. Các công ty AI thường giữ bí mật về nguồn dữ liệu này.

📌 Các thuật ngữ về AI như AGI, GPT, multimodal và học máy đang định hình cách trí tuệ nhân tạo phát triển. Hiểu rõ những thuật ngữ này sẽ giúp bạn nắm bắt cuộc cách mạng AI và tác động của nó đối với cuộc sống và công việc.

https://www.bloomberg.com/features/2024-artificial-intelligence-glossary/