96 thuật ngữ

Từ điển AI

Gặp chữ lạ trên báo hay trong app? Mỗi từ một dòng giải thích dễ hiểu, kèm bài học khi bạn muốn biết thêm. Thuật ngữ giữ nguyên tiếng Anh để bạn nhận ra khi gặp lại.

A B C D E F G H I J K L M N O P Q R S T U V W Z

A

A/B testthử nghiệm A/B: Cho hai nhóm người dùng thử hai phiên bản khác nhau để xem phiên bản nào hiệu quả hơn.
Agenttác tử AI: AI tự làm nhiều bước: Hệ thống AI tự làm nhiều bước, như tìm kiếm, bấm nút hay dùng ứng dụng, để hoàn thành mục tiêu bạn giao.; Bài học: AI agent: AI biết tự hành động →
AGIArtificial General Intelligence: trí tuệ nhân tạo tổng quát: Loại AI trong tương lai, được kỳ vọng hoặc lo ngại, có thể học và làm gần như mọi việc trí óc như con người. Hiện chưa có.
AIArtificial Intelligence: trí tuệ nhân tạo: Phần mềm học quy luật từ ví dụ để nhận biết, dự đoán hoặc tạo ra nội dung, thay vì chỉ làm theo luật do người viết sẵn.; Bài học: AI thật ra là gì? →
AI literacyhiểu biết về AI: Hiểu đủ về cách AI hoạt động để dùng tốt, nhận ra lỗi của nó và biết khi nào không nên dùng.; Bài học: Theo kịp AI mà không kiệt sức →
Algorithmthuật toán: Chuỗi chỉ dẫn từng bước mà máy tính làm theo để giải một bài toán hoặc ra một quyết định.
Alignmentcăn chỉnh: giữ AI làm đúng ý người: Công việc giúp AI làm đúng điều con người thực sự muốn và tránh hành vi gây hại, kể cả trong tình huống bất ngờ.
APIApplication Programming Interface: giao diện lập trình ứng dụng: Cánh cửa để một chương trình gửi yêu cầu sang chương trình khác, ví dụ một ứng dụng hỏi mô hình AI để lấy câu trả lời.
Attentioncơ chế chú ý: Phần trong transformer giúp mỗi từ cân nhắc xem các từ khác trong đoạn văn quan trọng thế nào với nghĩa của nó.
Automation biasthiên kiến tự động hóa: tin máy quá dễ: Thói quen tin câu trả lời của máy quá dễ, kể cả khi phán đoán của bạn hoặc bằng chứng khác nói ngược lại.; Bài học: Duyệt bài AI như một người quản lý →

B

Benchmarkbộ đề chuẩn để chấm điểm: Bộ câu hỏi chuẩn dùng để chấm và so sánh các mô hình AI. Điểm cao không đảm bảo làm tốt việc của bạn.; Bài học: Chọn model nào →
Biasthiên kiến: Khi AI đối xử bất công với một số người hoặc quan điểm vì dữ liệu nó học bị lệch.

C

Chain of thoughtchuỗi suy luận: nghĩ từng bước: Yêu cầu AI giải bài theo từng bước trước khi trả lời. Cách này thường giúp câu trả lời chính xác hơn.; Bài học: Bảo nó nghĩ từng bước →
Chatbottrợ lý trò chuyện: Chương trình bạn nói chuyện bằng ngôn ngữ đời thường, gõ hoặc nói, và nó trả lời lại cũng như vậy.; Bài học: Chatbot thật ra đang làm gì →
Classifierbộ phân loại: Mô hình chia đồ vật vào các nhóm, như thư rác hay không, hoặc ảnh này là cây gì.
Computer visionthị giác máy tính: AI hiểu hình ảnh và video, như đọc biển báo, nhận diện khuôn mặt hay kiểm tra sản phẩm trên dây chuyền.
Content credentialschứng nhận nguồn gốc nội dung: Nhãn gắn vào ảnh hoặc video, khó sửa lén, ghi lại nguồn gốc và việc có dùng AI để tạo hay chỉnh sửa hay không.; Bài học: Deepfake và giả giọng nói →
Context engineeringthiết kế ngữ cảnh: Chọn tài liệu, chỉ dẫn và lịch sử nào đưa cho AI để nó có đúng những gì cần cho một việc.
Context windowcửa sổ ngữ cảnh: Lượng chữ tối đa AI xem được trong một lần. Phần vượt quá sẽ bị quên trong cuộc trò chuyện đó.; Bài học: Context window: trí nhớ ngắn hạn của AI →
Copilottrợ lý AI tích hợp: Trợ lý AI có sẵn trong công cụ bạn đang dùng, như ứng dụng email hay trình soạn code, gợi ý ngay khi bạn làm việc.

D

Data labellinggán nhãn dữ liệu: Con người đánh dấu ví dụ, như ảnh nào có con mèo, để mô hình học được mỗi thứ trông ra sao.
Data privacyquyền riêng tư dữ liệu: Kiểm soát thông tin cá nhân hoặc bí mật, kể cả việc chọn gõ gì vào công cụ AI và dữ liệu được lưu ở đâu.; Bài học: Những gì không nên dán vào AI →
Deep learninghọc sâu: Học máy dùng mạng nơ-ron nhiều lớp. Đây là nền tảng của phần lớn AI về giọng nói, hình ảnh và ngôn ngữ hiện nay.
Deep researchnghiên cứu chuyên sâu: Chế độ của chatbot tự tìm đọc nhiều trang web trong vài phút rồi viết báo cáo dài có dẫn nguồn.
Deepfakenội dung giả mạo bằng AI: Video, ảnh hoặc âm thanh giả làm bằng AI, cho thấy một người thật nói hoặc làm điều họ chưa từng làm.; Bài học: Deepfake và giả giọng nói →
Diffusion modelmô hình khuếch tán: Loại AI tạo ảnh hoặc video bằng cách bắt đầu từ nhiễu ngẫu nhiên rồi làm sạch dần từng bước.
Distillationchưng cất mô hình: Huấn luyện mô hình nhỏ, rẻ hơn bắt chước câu trả lời của mô hình lớn, giữ lại phần lớn khả năng.

E

Edge AIAI chạy trên thiết bị: AI chạy ngay trên điện thoại, camera hay thiết bị khác thay vì trên máy chủ ở xa, nên dữ liệu có thể ở lại máy.
Embeddingvector nhúng: con số mang nghĩa: Dãy số thể hiện ý nghĩa của một đoạn chữ hay hình ảnh. Nghĩa giống nhau thì dãy số gần nhau.; Bài học: Embedding: ý nghĩa như một tấm bản đồ →
EvalEvaluation: bài kiểm tra AI: Bài kiểm tra bạn tự thiết kế để xem AI có làm tốt việc cụ thể của bạn không, dùng ví dụ đã biết đáp án đúng.
Explainabilitykhả năng giải thích: Mức độ con người hiểu được vì sao AI đưa ra một câu trả lời hay quyết định cụ thể.

F

Few-shot promptingprompt kèm vài ví dụ: Đưa vài ví dụ về thứ bạn muốn vào prompt để AI làm theo phong cách và định dạng đó.; Bài học: Cho nó xem ví dụ →
Fine-tuningtinh chỉnh mô hình: Huấn luyện thêm một mô hình có sẵn bằng ví dụ của bạn để nó giỏi hơn ở một loại việc hẹp.; Bài học: Fine-tuning hay viết prompt tốt hơn →
Foundation modelmô hình nền tảng: Mô hình lớn, đa năng, học từ dữ liệu rất rộng, rồi được dùng làm nền cho nhiều sản phẩm khác nhau.

G

Generative AIAI tạo sinh: AI tạo ra chữ, hình ảnh, âm thanh, video hoặc code mới, chứ không chỉ phân loại hay chấm điểm thứ có sẵn.
GPUGraphics Processing Unit: bộ xử lý đồ họa: Con chip làm cùng lúc rất nhiều phép tính nhỏ. Ban đầu làm cho game, nay là động cơ chính của AI.
Groundingneo vào nguồn thật: Gắn câu trả lời của AI với nguồn thật bạn đưa hoặc nó tự tìm, để kiểm tra được thay vì bị bịa.; Bài học: Kiểm tra lại lời AI nói →
Guardrailshàng rào an toàn: Quy tắc và bộ lọc quanh hệ thống AI để chặn yêu cầu và câu trả lời có hại, lạc đề hoặc không an toàn.

H

Hallucinationảo giác: AI bịa: Khi AI nói sai một cách tự tin, như bịa ra sự kiện, câu trích dẫn hay nguồn tham khảo.; Bài học: Vì sao AI bịa chuyện →
Human in the loopcó người duyệt: Thiết kế quy trình sao cho có người xem lại hoặc duyệt kết quả của AI trước khi nó gây hậu quả thật.

I

Image generationtạo ảnh bằng AI: Tạo hình ảnh từ một đoạn mô tả, nhờ AI đã học từ rất nhiều ảnh kèm chú thích.
Inferencesuy luận: lúc mô hình trả lời: Lúc mô hình đã huấn luyện xong được dùng thật để trả lời, khác với giai đoạn học trước đó.

J

Jailbreakbẻ khóa AI: Prompt mẹo nhằm khiến AI bỏ qua quy tắc an toàn và làm điều nó thường từ chối.

K

Knowledge cutoffmốc kiến thức: Ngày mà sau đó mô hình không học thêm gì. Nếu không tìm được trên web, nó có thể không biết tin mới.; Bài học: Kiểm tra lại lời AI nói →

L

Latencyđộ trễ: Khoảng chờ từ lúc bạn hỏi AI đến lúc nó bắt đầu trả lời.
LLMLarge Language Model: mô hình ngôn ngữ lớn: AI học từ khối lượng chữ khổng lồ để đoán từ tiếp theo, nhờ đó viết, tóm tắt, dịch và trò chuyện được.; Bài học: Chatbot thật ra đang làm gì →
Local modelmô hình chạy trên máy bạn: Mô hình AI chạy ngay trên máy tính hoặc điện thoại của bạn, nên dữ liệu không rời khỏi thiết bị.

M

Machine learninghọc máy: Dạy máy tính bằng cách cho xem thật nhiều ví dụ để nó tự tìm quy luật, thay vì viết sẵn mọi luật.; Bài học: Máy học như thế nào →
MCPModel Context Protocol: chuẩn kết nối AI với ứng dụng: Chuẩn mở giúp trợ lý AI cắm vào ứng dụng và nguồn dữ liệu, giống một ổ cắm đa năng cho công cụ.; Bài học: MCP: ổ cắm chung cho AI →
Memorybộ nhớ của chatbot: Tính năng chatbot lưu thông tin về bạn giữa các cuộc trò chuyện để bạn không phải nhắc lại.
Mixture of expertshỗn hợp chuyên gia: Thiết kế mô hình mà mỗi yêu cầu chỉ bật một phần mạng, giúp mô hình lớn chạy nhanh và rẻ hơn.
Modelmô hình: Tệp chứa các quy luật đã học, làm phần việc chính bên trong sản phẩm AI. Một mô hình có thể chạy cho nhiều ứng dụng.; Bài học: Chọn model nào →
Multimodalđa phương thức: Làm việc được với nhiều loại đầu vào hoặc đầu ra, như chữ, hình ảnh, âm thanh và video cùng lúc.

N

Neural networkmạng nơ-ron: Nhiều lớp đơn vị tính toán đơn giản, lấy cảm hứng từ tế bào não, có kết nối được chỉnh trong lúc huấn luyện để tìm quy luật.
Next-word predictionđoán từ tiếp theo: Việc cốt lõi của mô hình ngôn ngữ: đoán đoạn chữ tiếp theo có khả năng nhất, lặp đi lặp lại để tạo câu trả lời.; Bài học: Chatbot thật ra đang làm gì →
NLPNatural Language Processing: xử lý ngôn ngữ tự nhiên: Lĩnh vực tin học giúp máy hiểu và tạo ra ngôn ngữ con người, như tiếng Việt, tiếng Anh hay tiếng Hindi.

O

OCROptical Character Recognition: nhận dạng ký tự quang học: Chuyển chữ trong ảnh chụp hoặc trang scan thành văn bản sửa được, tìm kiếm được.
Open-source modelmô hình mã nguồn mở: Mô hình công bố trọng số để ai cũng tải, chạy và chỉnh sửa được, thường trên máy của chính mình.; Bài học: Chọn model nào →
Overfittingquá khớp: học vẹt: Khi mô hình học thuộc ví dụ huấn luyện quá kỹ nên làm kém với ví dụ mới chưa từng thấy.

P

Parameterstham số: Các con số điều chỉnh được bên trong mô hình, được đặt trong lúc huấn luyện. Mô hình lớn có hàng tỷ tham số.
Phishinglừa đảo giả danh: Tin nhắn giả danh người bạn tin để lừa bạn bấm link, chuyển tiền hoặc đưa mật khẩu.; Bài học: Nhận ra lừa đảo dùng AI →
Pre-trainingtiền huấn luyện: Giai đoạn đầu và dài nhất khi xây mô hình, lúc nó học quy luật chung từ một kho dữ liệu khổng lồ, đủ loại.
Promptcâu lệnh cho AI: Lời yêu cầu hoặc câu hỏi bạn đưa cho AI. Prompt rõ ràng, có ngữ cảnh thường cho câu trả lời tốt hơn nhiều.; Bài học: Prompt bốn phần →
Prompt chainingchuỗi prompt: Chia việc lớn thành chuỗi prompt nhỏ, lấy câu trả lời bước trước làm đầu vào cho bước sau.; Bài học: Prompt chaining: làm từng bước một →
Prompt engineeringkỹ thuật viết prompt: Cách chọn lời, sắp xếp và thử prompt để AI cho kết quả đáng tin và hữu ích.; Bài học: Prompt bốn phần →
Prompt injectionchèn lệnh độc: Lệnh ẩn được cài trong trang web, email hoặc tệp, nhằm chiếm quyền điều khiển AI khi nó đọc nội dung đó.; Bài học: AI agent: AI biết tự hành động →

Q

Quantizationlượng tử hóa: Lưu các con số của mô hình với độ chính xác thấp hơn để tốn ít bộ nhớ và chạy nhanh hơn, chất lượng giảm chút ít.

R

RAGRetrieval-Augmented Generation: truy xuất rồi mới trả lời: AI tìm đoạn liên quan trong tài liệu của bạn trước, rồi dựa vào đó để trả lời, nên chính xác hơn.; Bài học: RAG: đưa tài liệu của bạn cho AI →
Rate limitgiới hạn lượt gọi: Mức trần số yêu cầu hoặc tin nhắn bạn được gửi tới dịch vụ AI trong một khoảng thời gian.
Reasoning modelmô hình suy luận: Mô hình dành thêm thời gian tự suy nghĩ trước khi trả lời, giúp ích cho toán, logic và lập kế hoạch.; Bài học: Chọn model nào →
Red teamingtấn công thử: Cố tình tấn công hệ thống AI của chính mình như kẻ xấu sẽ làm, để tìm điểm yếu trước khi ra mắt.
Reinforcement learninghọc tăng cường: Học bằng thử và sai: hệ thống được thưởng khi làm tốt và học cách lặp lại những gì được thưởng.
RLHFReinforcement Learning from Human Feedback: học tăng cường từ phản hồi của người: Cải thiện mô hình bằng cách cho người chấm câu trả lời, rồi dạy nó trả lời theo kiểu được chấm cao.
Role promptingprompt giao vai: Mở đầu prompt bằng việc bảo AI đóng vai ai đó, như một biên tập viên lâu năm, để định giọng văn và trọng tâm.; Bài học: Prompt bốn phần →

S

Semantic searchtìm kiếm theo nghĩa: Tìm theo ý nghĩa chứ không theo từng chữ, nên gõ "vé máy bay rẻ" vẫn ra "vé bay giá tốt".; Bài học: Embedding: ý nghĩa như một tấm bản đồ →
Small language modelmô hình ngôn ngữ nhỏ: Mô hình ngôn ngữ gọn, rẻ và nhanh hơn, thường đủ tốt cho việc chuyên biệt và chạy được trên thiết bị.
Speech-to-textchuyển giọng nói thành chữ: AI chuyển lời nói thành văn bản, như biên bản cuộc họp hay gõ bằng giọng nói.; Bài học: Cuộc họp và ghi chú →
Supervised learninghọc có giám sát: Huấn luyện mô hình bằng ví dụ có sẵn đáp án đúng, như email đã được đánh dấu là thư rác.; Bài học: Máy học như thế nào →
Sycophancynịnh người dùng: Xu hướng AI đồng ý hoặc khen ý tưởng của bạn thay vì chỉ ra chỗ bạn sai.; Bài học: Kiểm tra lại lời AI nói →
Synthetic datadữ liệu tổng hợp: Ví dụ nhân tạo do máy tạo ra, thường bằng AI khác, dùng để huấn luyện hoặc kiểm tra khi dữ liệu thật hiếm hoặc riêng tư.
System promptprompt hệ thống: Chỉ dẫn nền do nhà làm ứng dụng đặt sẵn, bạn không thấy, quy định cách AI cư xử trong mọi cuộc trò chuyện.; Bài học: Chatbot thật ra đang làm gì →

T

Temperaturenhiệt độ: độ ngẫu nhiên: Thiết lập quyết định cách chọn từ của AI dễ đoán hay đa dạng. Thấp thì ổn định, cao thì bất ngờ hơn.; Bài học: Temperature: an toàn hay sáng tạo →
Text-to-speechchuyển chữ thành giọng nói: AI đọc to văn bản bằng giọng nghe tự nhiên.
Tokenmẩu chữ: Một mẩu chữ, thường là một phần của từ, mà AI đọc và viết. Giới hạn và giá tiền được tính theo token.; Bài học: Token: cách AI đọc chữ →
Tool usedùng công cụ: Khả năng AI gọi công cụ bên ngoài, như máy tính, tìm kiếm web hay lịch, để làm việc nó không tự làm được.; Bài học: AI agent: AI biết tự hành động →
Traininghuấn luyện: Quá trình cho mô hình xem nhiều ví dụ và chỉnh các con số bên trong cho đến khi kết quả tốt lên.; Bài học: Máy học như thế nào →
Training datadữ liệu huấn luyện: Những ví dụ, như chữ, hình ảnh hay bản ghi âm, mà mô hình học quy luật từ đó.; Bài học: Máy học như thế nào →
Transformerkiến trúc transformer: Thiết kế mạng nơ-ron đứng sau các chatbot hiện đại, giỏi theo dõi mỗi từ liên quan thế nào với các từ khác.
Turing testphép thử Turing: Thí nghiệm tưởng tượng cũ: nếu bạn không phân biệt được máy với người khi trò chuyện, máy có biết nghĩ không? Chatbot giờ thường qua được.

U

Unsupervised learninghọc không giám sát: Để mô hình tự tìm nhóm và cấu trúc trong dữ liệu, không cần đưa sẵn đáp án.

V

Vector databasecơ sở dữ liệu vector: Cơ sở dữ liệu lưu embedding để hệ thống nhanh chóng tìm ra những mục gần nghĩa nhất với câu hỏi.; Bài học: RAG: đưa tài liệu của bạn cho AI →
Vibe codingcode theo cảm hứng: Làm phần mềm bằng cách mô tả điều bạn muốn cho AI rồi nhận code của nó, thường không đọc kỹ.
Voice cloningnhân bản giọng nói: Dùng AI bắt chước giọng một người từ đoạn ghi âm ngắn để nói bất cứ điều gì. Hay gặp trong lừa đảo qua điện thoại.; Bài học: Nhận ra lừa đảo dùng AI →

W

Watermarkingđóng dấu ẩn: Giấu một tín hiệu vô hình trong chữ, ảnh hoặc âm thanh do AI tạo, để phần mềm sau này nhận ra nguồn gốc.; Bài học: Deepfake và giả giọng nói →
Weightstrọng số: Các con số đã học tạo nên một mô hình. Chia sẻ mô hình thường là chia sẻ tệp trọng số của nó.

Z

Zero-shot promptingprompt không kèm ví dụ: Yêu cầu AI làm một việc mà không đưa ví dụ nào, chỉ dựa vào chỉ dẫn của bạn.; Bài học: Cho nó xem ví dụ →