Generative AI — Deep Dive

Mục tiêu học tập

• Hiểu AI tạo sinh khác gì các hệ thống AI phân loại truyền thống.
• Nắm trực giác về mô hình ngôn ngữ lớn và dự đoán xác suất.
• Nhận diện vì sao AI có thể tạo câu trả lời hợp lý nhưng sai.
• Biết liên hệ nền tảng kỹ thuật với yêu cầu kiểm chứng ở các bài sau.

Khái niệm cần nắm

• Generative AI
• large language model
• training data
• prediction
• hallucination
• context window

Mô hình tạo sinh làm gì?

Mô hình ngôn ngữ nhận văn bản thành các đơn vị nhỏ và ước lượng đơn vị nào có khả năng xuất hiện tiếp theo. Quá trình dự đoán lặp lại tạo thành câu trả lời hoàn chỉnh.

Vì học từ mẫu, AI có thể viết, tóm tắt, chuyển đổi định dạng và tạo biến thể rất nhanh.

Vì sao đầu ra trôi chảy vẫn có thể sai

Mục tiêu kỹ thuật của mô hình là tạo chuỗi phù hợp, không phải bảo đảm mọi mệnh đề đều đúng. Khi thiếu dữ liệu hoặc ngữ cảnh, AI vẫn có thể điền phần còn thiếu bằng nội dung nghe hợp lý.

Đây là lý do cần tách chất lượng diễn đạt khỏi độ chính xác và luôn xác minh các thông tin quan trọng.

Cách dùng phù hợp với bản chất mô hình

Hãy ưu tiên AI cho tác vụ tạo phương án, biến đổi, phân loại và hỗ trợ suy nghĩ; đặt quy trình kiểm chứng cho số liệu, nguồn, trích dẫn và quyết định quan trọng.

• Cung cấp dữ liệu nguồn thay vì yêu cầu AI tự nhớ.
• Yêu cầu nêu phần chưa chắc chắn.
• Kiểm chứng bằng nguồn độc lập.
• Không dùng độ tự tin của câu chữ làm thước đo sự thật.

Bài tập thực hành

• Yêu cầu AI giải thích cùng một khái niệm cho 3 đối tượng khác nhau.
• So sánh câu trả lời để thấy AI tạo nội dung theo ngữ cảnh prompt.
• Đánh dấu chỗ nào cần kiểm chứng bằng nguồn ngoài.

Checklist tự đánh giá

• Tôi có thể giải thích bài này bằng ngôn ngữ của mình trong 2-3 phút.
• Tôi có thể chỉ ra một tình huống thật trong công việc/học tập để áp dụng bài này.
• Tôi có thể nêu ít nhất một rủi ro nếu áp dụng sai bài này.
• Tôi đã tạo được đầu ra học tập: Một ghi chú ngắn giải thích cho người mới: AI tạo sinh mạnh ở đâu, giới hạn ở đâu.