AI suy nghĩ như thế nào? (Lý thuyết đằng sau ChatGPT)

Tạo ứng dụng, sinh nội dung, giải quyết vấn đề, những nhiệm vụ từng dành riêng cho chuyên gia giờ đây có thể được xử lý chỉ bằng vài câu hỏi đúng ý. Sự chuyển dịch này rất đáng kể, và để hiểu vì sao chúng ta đến được điểm này, cần khám phá quá trình phát triển của trí tuệ nhân tạo.

Bài viết này theo dõi sự tiến bộ của AI qua các giai đoạn chính:

• AI là gì và nó bắt nguồn từ đâu?
  Tổng quan về nguồn gốc và quá trình phát triển ban đầu.

• Sự trỗi dậy của Deep Learning
  Cách sức mạnh tính toán và dữ liệu gia tăng đã định hình lại học máy.

• Sự ra đời của các mô hình ngôn ngữ
  Sự xuất hiện của các hệ thống có khả năng xử lý và tạo ra ngôn ngữ con người.

• LLM thực sự là gì?
  Phân tích các mô hình ngôn ngữ lớn và cách chúng hoạt động.

• AI sinh nội dung là gì?
  Khám phá khả năng tạo ra nội dung mới của AI ở dạng văn bản, hình ảnh và hơn thế nữa.

• Hướng dẫn số: Chatbot dẫn dắt chúng ta qua AI như thế nào
  Vai trò của giao diện hội thoại trong việc giúp AI trở nên dễ tiếp cận.

Mỗi phần đều xây dựng nên bức tranh rõ ràng hơn về các hệ thống đang định hình bối cảnh công nghệ ngày nay.

AI là gì và nó bắt nguồn từ đâu?

Con người luôn băn khoăn liệu chúng ta có thể xây dựng được cỗ máy biết suy nghĩ hay không. Khi máy tính lần đầu tiên được tạo ra, câu hỏi này càng được thúc đẩy và vào năm 1950, Alan Turing đã đặt ra chính câu hỏi này và đưa ra Bài kiểm tra Turing nổi tiếng, một thí nghiệm tư duy nơi máy móc cố gắng đánh lừa con người rằng nó cũng là con người. Đây chính là tia lửa châm ngòi cho ngọn lửa AI. Họ định nghĩa AI là thực hiện các nhiệm vụ mà bình thường cần trí tuệ con người, có thể hiểu ngôn ngữ, nhận diện hình ảnh, giải quyết vấn đề và tự ra quyết định, về cơ bản trở thành một con người ảo có thể trả lời mọi câu hỏi và giải quyết mọi vấn đề của bạn. Vì thế mà Bài kiểm tra Turing trở nên quan trọng, về cơ bản bạn sẽ đặt một Trí tuệ Nhân tạo đối mặt với con người, người này phải xác định xem họ đang nói chuyện với con người hay robot. AI về cơ bản là bắt chước tư duy của con người. Đó là lý do John McCarthy đặt tên cho nó là Trí tuệ Nhân tạo. Họ nghĩ rằng chỉ cần một mùa hè là có thể vượt qua các bài kiểm tra này và hoạt động hoàn hảo một mình, nhưng thực tế quá trình phát triển AI vẫn còn tiếp tục.

AI là gì và nó bắt nguồn từ đâu?

AI thời kỳ đầu, vào những năm 60 và 70, là dựa trên luật lệ. Nếu bạn muốn máy tính “suy nghĩ”, bạn phải chỉ cho nó chính xác cách suy nghĩ. Đó là các hệ chuyên gia, nơi mọi quy tắc đều phải được con người lập trình. Điều này chỉ hiệu quả đến một mức nào đó, bạn không thể dạy AI mọi quyết định cho mọi tình huống có thể xảy ra, điều đó là bất khả thi, hoặc ít nhất chưa thể, họ phải tìm ra cách để máy tính tự đưa ra quyết định mới, quyết định mà trước đó chưa từng phải đối mặt.

Máy học ra đời. Vào thập niên 1980 và 1990, các nhà nghiên cứu chuyển sang một ý tưởng mới, điều gì sẽ xảy ra nếu chúng ta có thể dạy máy tính học từ dữ liệu thay vì chỉ là luật lệ? Đó là machine learning, huấn luyện thuật toán bằng vô số ví dụ, để nó có thể nhận ra các mẫu và dự đoán kết quả, nghĩa là gì? Hãy tưởng tượng trước đây bạn muốn dạy AI về ngữ pháp bằng cách viết ra từng quy tắc ngữ pháp, còn machine learning về lý thuyết là để AI đọc hàng ngàn bài báo, sách và tài liệu rồi tự tìm hiểu cách tiếng Anh vận hành, tự học.

Sự trỗi dậy của Deep Learning

Machine learning rất tuyệt vời, nhưng có giới hạn. Nó thường cần con người chỉ ra đặc trưng cần chú ý. Sau đó xuất hiện Deep Learning, được hỗ trợ bởi mạng nơ-ron, một cấu trúc lấy cảm hứng lỏng lẻo từ cách não người vận hành, nó nhìn vào khối lượng dữ liệu khổng lồ, nhưng theo từng bước, nhờ vậy phát hiện ra nhiều mẫu hơn.

Bước đột phá thực sự diễn ra vào khoảng năm 2012, khi AlexNet, một mạng nơ-ron sâu, đánh bại mọi đối thủ trong một cuộc thi nhận diện hình ảnh lớn. Đột nhiên, deep learning có thể vượt mặt con người trong việc nhận diện mèo trên mạng. Không chỉ tốt hơn, mà còn tốt đến mức đáng sợ. Deep learning cho phép bạn nhập dữ liệu thô (văn bản, hình ảnh, âm thanh) vào mô hình và nó sẽ tự tìm ra mẫu quan trọng. Không cần dắt tay chỉ việc nữa. Chỉ cần nhiều dữ liệu hơn, nhiều tầng hơn, nhiều tính toán hơn. AI bắt đầu học theo cấp số nhân.

Sự ra đời của các mô hình ngôn ngữ

Khi deep learning đã giải quyết được hình ảnh, các nhà nghiên cứu đặt câu hỏi: liệu nó có thể xử lý ngôn ngữ không? Câu trả lời là có, nhưng không dễ dàng. Ngôn ngữ rất nhiều sắc thái. Nhưng với đủ dữ liệu và kiến trúc đủ thông minh, các mô hình deep learning như Mạng nơ-ron hồi tiếp (RNN) có thể hiểu dữ liệu theo chuỗi, nghĩa là nó không chỉ nhìn vào một từ, mà còn xem các từ xuất hiện theo thứ tự như thế nào và vì sao lại như vậy, về sau còn có Transformer, không chỉ nhìn từng từ riêng lẻ trong chuỗi mà còn xem được toàn bộ văn bản một lần, từ đó bắt đầu hiểu và sinh ra văn bản.

Năm 2017, Google giới thiệu kiến trúc Transformer. Nó thay đổi hoàn toàn cuộc chơi. Transformer có thể xử lý ngôn ngữ song song, nhanh hơn, và tập trung vào các phần khác nhau của câu, bắt chước sự chú ý của con người. Kiến trúc này là nền tảng cho các Mô hình Ngôn ngữ Lớn hay LLM, như GPT, Gemini, Mistral, đột nhiên ai cũng muốn tạo ra LLM của riêng mình vượt trội hơn đối thủ.

LLM thực sự là gì?

Mô hình Ngôn ngữ Lớn (LLM) là một loại hệ thống trí tuệ nhân tạo được thiết kế để tạo ra và hiểu ngôn ngữ con người. Nó được huấn luyện trên khối lượng dữ liệu văn bản khổng lồ, như sách, trang web, bài báo và mã nguồn và được xây dựng bằng deep learning. Thay vì hiểu từ ngữ như con người, nó học các mẫu trong cách chúng ta viết và nói.

Công nghệ đằng sau nó? Một thứ gọi là Transformer architecture cho phép nó xử lý và tạo ra ngôn ngữ ở quy mô lớn. Đó là lý do vì sao trong ChatGPT có “GPT”:

• Generative – tạo ra nội dung mới
• Pre-trained – học từ dữ liệu tổng quát trước
• Transformer – cấu trúc mô hình thực hiện tác vụ chính

Tùy vào phiên bản của LLM, trí tuệ, độ chính xác, và khả năng hội thoại của chatbot có thể khác biệt rất lớn. Phiên bản mới hơn hiểu ngữ cảnh tốt hơn, ít mắc lỗi hơn, và đưa ra phản hồi hữu ích hơn.

Sự khác biệt này nằm ở tham số – hàng tỷ kết nối quyết định cách mô hình xử lý thông tin. Nhiều tham số hơn thường đồng nghĩa với trí nhớ tốt hơn và hiểu biết sâu hơn.

Chắc chắn bạn từng nghe về GPT-4, Claude, Gemini, LLaMA. Giờ điều quan trọng cần hiểu là: bất kỳ mô hình nào trong số này cũng không “hiểu” những gì nó nói, chúng chỉ rất giỏi dự đoán từ tiếp theo, dựa vào ngữ cảnh.

AI sinh nội dung là gì?

AI sinh nội dung là một khái niệm bạn sẽ thường nghe khi nói về AI. Đây là thuật ngữ chỉ bất kỳ AI nào có khả năng tạo ra thứ mới. Nếu nó có thể viết, vẽ, nói, hoặc hát mà không sao chép nội dung sẵn có, đó là AI sinh nội dung — nó tạo ra cái mới. Nó có thể tạo ra văn bản mới (như ChatGPT), hình ảnh (chẳng hạn DALL·E hoặc Midjourney), video (như Sora), hoặc mã nguồn (như GitHub Copilot). Có rất nhiều loại khác nhau được hỗ trợ bởi nhiều LLM khác nhau.

Chatbot: Hướng dẫn số của chúng ta

Chatbot là “người bạn dẫn đường” thân thiện giúp chúng ta tiếp cận tri thức phức tạp của toàn thế giới. Thay vì phải có kiến thức kỹ thuật, chúng ta chỉ cần bắt đầu hội thoại và khám phá AI một cách tự nhiên. Chúng chuyển đổi công nghệ phức tạp thành ngôn ngữ của chúng ta.

Chatbot sử dụng:

• Deep learning: để học mẫu ngôn ngữ từ dữ liệu văn bản khổng lồ
• Transformer architecture: để hiểu ngữ cảnh ở quy mô lớn, hiệu quả
• Machine learning: liên tục cải thiện và thích nghi dựa trên phản hồi
• AI sinh nội dung: tạo ra phản hồi giống con người theo thời gian thực

Nhưng đừng quên: nó không “hiểu” theo cách của con người. Nó bắt chước sự hiểu biết. Điều đó hiện tại là đủ. Chúng ta chưa đến điểm kỳ dị AI, nhưng chắc chắn đang trên con đường đó. Và ChatGPT? Đó chỉ là một cột mốc trên con đường dài phía trước.