Generative AI là một dạng trí tuệ nhân tạo tạo nội dung như văn bản, hình ảnh, âm thanh, video hoặc mã nguồn từ một đầu vào hay yêu cầu. Nhiều người sử dụng các công cụ này trong công việc và học tập mà chưa hiểu rõ chúng khác gì với những hệ thống AI khác.
Generative AI tạo ra đầu ra, nhưng đầu ra đó có thể hữu ích, thiếu sót, không chính xác hoặc không phù hợp. Tạo nội dung không đồng nghĩa với bảo đảm nội dung đúng.
Tóm tắt cốt lõi (Key Takeaways)
- Đó là gì: Generative AI là nhóm công nghệ AI tạo nội dung từ các mẫu đã học qua những ví dụ.
- Hoạt động thế nào: Model được huấn luyện trên dữ liệu, có thể được điều chỉnh cho một ứng dụng cụ thể, rồi tạo đầu ra từ yêu cầu mới.
- Vì sao đáng quan tâm: Generative AI hỗ trợ tạo và biến đổi nội dung, nhưng các đầu ra quan trọng vẫn cần được con người kiểm tra và đối chiếu với bằng chứng phù hợp.
Generative AI là gì?
Generative AI là AI tạo nội dung để phản hồi một prompt hoặc yêu cầu. Nội dung có thể là đoạn văn, hình ảnh, âm thanh, video hoặc mã nguồn. IBM mô tả Generative AI là trí tuệ nhân tạo có thể tạo nội dung từ yêu cầu của người dùng.
Ví dụ, bạn có thể yêu cầu một ứng dụng Generative AI soạn bản nháp email theo dõi từ vài gạch đầu dòng. Hệ thống dựa vào các mẫu đã học và thông tin trong yêu cầu để tạo bản nháp. Nếu không được cung cấp hoặc không có sẵn trong ứng dụng, hệ thống không tự động biết chi tiết cuộc họp, chính sách công ty hay giọng điệu phù hợp.
Artificial Intelligence (trí tuệ nhân tạo) là khái niệm rộng hơn, bao gồm các hệ thống máy tính thực hiện những nhiệm vụ thường đòi hỏi khả năng nhận diện mẫu, suy luận hoặc sử dụng ngôn ngữ. Generative AI là một phần của nhóm này, tập trung vào việc tạo nội dung. Đây không phải tên của một sản phẩm hay chatbot cụ thể.
Generative AI có thể tạo ra những gì?
Generative AI có thể tạo văn bản, hình ảnh, âm thanh, video và mã nguồn, dù mỗi model hoặc ứng dụng có thể chỉ hỗ trợ một số định dạng. IBM liệt kê các loại nội dung này trong những lĩnh vực phổ biến của Generative AI.
Các nhóm đầu ra thường gặp gồm:
1. Văn bản: Soạn email, tóm tắt cuộc họp, viết mô tả sản phẩm, lập dàn ý hoặc giải thích một chủ đề khó.
2. Hình ảnh: Tạo hình minh họa, ý tưởng sản phẩm hoặc khung cảnh từ mô tả.
3. Âm thanh: Tạo giọng nói, hiệu ứng âm thanh hoặc nội dung giống âm nhạc, tùy khả năng và quyền được cấp của ứng dụng.
4. Video: Tạo hoặc chỉnh sửa nội dung video từ mô tả hay các đầu vào khác.
5. Mã nguồn: Tạo ví dụ mã, bản nháp của một hàm hoặc lời giải thích về chương trình hiện có.
Đây là các nhóm đầu ra, không phải cam kết rằng một công cụ có thể tạo tất cả loại nội dung. Hệ thống tạo văn bản, hệ thống tạo hình ảnh và hệ thống Multimodal AI (AI đa phương thức) có thể được thiết kế cho những tổ hợp đầu vào và đầu ra khác nhau. Multimodal AI là các hệ thống xử lý hoặc tạo ra nhiều hơn một loại dữ liệu, chẳng hạn văn bản và hình ảnh.
Generative AI hoạt động thế nào ở mức khái quát?
Generative AI học các mẫu từ những ví dụ rồi dùng các mẫu đó để tạo nội dung khi nhận đầu vào mới. Đây là cách giải thích đơn giản hóa; phương pháp thực tế khác nhau giữa các loại model.
Quy trình thường gồm ba phần:
1. Ví dụ cung cấp dữ liệu học. Training Data (dữ liệu huấn luyện) gồm các ví dụ dùng để điều chỉnh machine-learning model trong quá trình huấn luyện. Tùy hệ thống, dữ liệu có thể là ngôn ngữ, hình ảnh, âm thanh, mã nguồn hoặc loại dữ liệu khác.
2. Model nắm bắt các mẫu hữu ích. AI Model (model AI) là hệ thống tính toán sử dụng các mẫu hoặc quy tắc đã học để tạo dự đoán, quyết định hoặc đầu ra khác. Trong quá trình huấn luyện, model điều chỉnh các tham số bên trong để tái hiện những mối quan hệ hữu ích trong dữ liệu.
3. Yêu cầu mới dẫn đến một đầu ra. Khi nhận prompt, hệ thống sử dụng các mẫu đã học để tạo phản hồi. Việc dùng model đã huấn luyện để tạo đầu ra từ đầu vào mới được gọi là AI Inference (suy luận AI).
Ví dụ, một trợ lý viết có thể đã học các mẫu về ngữ pháp, cấu trúc và ngôn ngữ thường dùng ở nơi làm việc. Khi nhận ghi chú cuộc họp cùng yêu cầu soạn email theo dõi, trợ lý có thể tạo một bản nháp. Tuy nhiên, trợ lý không biết những quyết định không xuất hiện trong ghi chú.
Điều này không có nghĩa model suy nghĩ hoặc hiểu thế giới như con người. Model tạo đầu ra từ các mẫu đã học và thông tin trong yêu cầu hoặc ứng dụng được kết nối. IBM giải thích cách nhìn Generative AI dựa trên các mẫu.
Điều gì diễn ra từ lúc huấn luyện đến khi có đầu ra?
Quy trình Generative AI thường gồm huấn luyện, điều chỉnh nếu cần, tạo nội dung và đánh giá. Không phải sản phẩm nào cũng thực hiện các bước này theo cùng một cách.
1. Huấn luyện: Model học các mẫu từ dữ liệu huấn luyện. Model tổng quát có thể học các mối quan hệ trong một tập hợp lớn các ví dụ.
2. Điều chỉnh: Nhà phát triển có thể điều chỉnh model cho một ứng dụng, nhiệm vụ, phong cách hoặc nhóm yêu cầu cụ thể. Bước này đôi khi được gọi là tuning hoặc fine-tuning.
3. Tạo nội dung: Ứng dụng nhận yêu cầu mới và tạo nội dung bằng model.
4. Đánh giá: Con người hoặc các bài kiểm thử tự động đánh giá đầu ra. Ứng dụng có thể tiếp tục được cải thiện qua những điều chỉnh sau đó.
Ví dụ, một ứng dụng soạn tài liệu có thể dùng model được huấn luyện trên phạm vi rộng làm nền tảng. Nhà phát triển điều chỉnh ứng dụng theo một định dạng cụ thể. Khi người dùng cung cấp yêu cầu và ghi chú liên quan, hệ thống tạo bản nháp; người dùng vẫn phải kiểm tra bản nháp với ghi chú gốc và yêu cầu của tổ chức.
IBM mô tả trình tự khái quát này gồm huấn luyện, điều chỉnh, tạo nội dung, đánh giá và có thể điều chỉnh lại. Đây là mô hình tư duy khái quát, không đi sâu vào kiến trúc neural network hay phương pháp huấn luyện toán học.
Generative AI khác gì với những cách sử dụng AI khác?
Generative AI được dùng khi nhiệm vụ yêu cầu hệ thống tạo nội dung; các hệ thống AI khác có thể phân loại đầu vào, dự đoán kết quả, phát hiện mẫu hoặc chọn hành động.
| Nhiệm vụ AI | Đầu ra thường gặp | Ví dụ tại nơi làm việc |
|---|---|---|
| Nhiệm vụ tạo nội dung | Nội dung mới | Soạn phản hồi cho khách hàng |
| Nhiệm vụ phân loại | Một nhóm hoặc nhãn | Phân loại tin nhắn hỗ trợ theo loại vấn đề |
| Nhiệm vụ dự đoán | Kết quả ước tính | Ước tính nhu cầu tương lai từ dữ liệu lịch sử |
| Nhiệm vụ phát hiện | Mẫu hoặc sự kiện được nhận diện | Gắn cờ một giao dịch bất thường để kiểm tra |
Bảng này phân biệt các nhiệm vụ theo cách sử dụng thực tế, không phải phân loại kỹ thuật đầy đủ. AI có thể bao gồm cả hệ thống tạo nội dung và hệ thống phân tích hoặc phân loại thông tin hiện có. Machine Learning (học máy) là một cách xây dựng hệ thống AI, trong đó hệ thống học các mẫu từ dữ liệu thay vì chỉ dựa vào quy tắc được viết sẵn.
Một hệ thống tạo nội dung cũng có thể phân tích trước khi tạo. Chẳng hạn, hệ thống đọc ghi chú, xác định ý chính rồi tạo bản tóm tắt. Điểm phân biệt là hệ thống tạo ra một bản tóm tắt mới thay vì chỉ gán ghi chú vào một nhóm.
Generative AI có giống chatbot hoặc Large Language Model không?
Generative AI không đồng nghĩa với chatbot hoặc Large Language Model. Chatbot là giao diện hay ứng dụng cho phép con người giao tiếp với hệ thống bằng hội thoại; Generative AI là năng lực rộng hơn trong việc tạo nội dung.
Large Language Model, hay LLM, là model được huấn luyện trên lượng lớn dữ liệu ngôn ngữ để xử lý và tạo văn bản. LLM thường dùng cho việc viết và hội thoại, nhưng Generative AI còn bao gồm hệ thống tạo hình ảnh, âm thanh, video, mã nguồn hoặc các tổ hợp định dạng.
Ví dụ, một ứng dụng trò chuyện bằng văn bản có thể dùng LLM để soạn email. Một ứng dụng hình ảnh có thể tạo hình ảnh từ mô tả bằng văn bản. Cả hai đều có thể là Generative AI nhưng không nhất thiết dùng cùng loại model hoặc tạo cùng loại đầu ra.
Để tìm hiểu sâu hơn về công nghệ chuyên xử lý ngôn ngữ, xem Large Language Model là gì. Generative AI mô tả một năng lực rộng, chatbot là một ứng dụng, còn LLM là một loại model.
Foundation Model là gì, nếu giải thích đơn giản?
Foundation Model là model được huấn luyện trên phạm vi rộng và có thể làm điểm xuất phát cho nhiều ứng dụng hoặc nhiệm vụ. Trong Generative AI, foundation model cung cấp năng lực tổng quát trước khi được điều chỉnh cho mục đích cụ thể.
Có thể hình dung foundation model như một điểm khởi đầu rộng, không phải công cụ hoàn chỉnh cho một nơi làm việc. Ứng dụng có thể bổ sung hướng dẫn, giao diện, biện pháp bảo vệ, dữ liệu được kết nối hoặc điều chỉnh theo nhiệm vụ xung quanh model đó.
Thuật ngữ này giải thích vì sao một model được huấn luyện trên phạm vi rộng có thể hỗ trợ nhiều ứng dụng. Để tìm hiểu sâu hơn, xem foundation model là gì.
Một yêu cầu Generative AI trông như thế nào trong thực tế?
Một quy trình Generative AI cơ bản gồm cung cấp đầu vào, thêm ngữ cảnh và ràng buộc, nhận nội dung được tạo rồi kiểm tra kết quả.
Ví dụ, một quản lý dự án muốn lập danh sách việc cần làm từ ghi chú cuộc họp:
1. Cung cấp đầu vào: Thêm các ghi chú liên quan.
2. Nêu nhiệm vụ: Yêu cầu lập danh sách quyết định, việc cần làm, người phụ trách và thời hạn.
3. Thêm ràng buộc: Yêu cầu trình bày dưới dạng bảng và đánh dấu người phụ trách hoặc ngày tháng còn thiếu thay vì tự đoán.
4. Kiểm tra đầu ra: Đối chiếu danh sách với ghi chú gốc, rồi sửa những điểm bị hiểu sai hoặc bỏ sót.
Nếu ghi chú không xác định người phụ trách, quy trình cẩn trọng nên để trống thông tin đó thay vì xem một cái tên được tạo ra là sự thật. Đầu ra được tạo chỉ là bản nháp hoặc phản hồi của hệ thống, không tự động trở thành hồ sơ chính thức.
> Yêu cầu + ngữ cảnh liên quan + ràng buộc rõ ràng → nội dung được tạo → con người kiểm tra
Những cách sử dụng Generative AI phổ biến nhất là gì?
Generative AI hỗ trợ các công việc cần tạo, viết lại, biến đổi hoặc kết hợp nội dung, trong công việc hằng ngày cũng như học tập. Các cách sử dụng tiêu biểu gồm:
- Soạn email từ vài ý chính và giọng điệu được chỉ định.
- Chuyển ghi chú cuộc họp thành bản tóm tắt hoặc danh sách việc cần làm được đề xuất.
- Động não tên gọi, dàn ý bài viết, ý tưởng thuyết trình hoặc cách tiếp cận khác.
- Viết lại tài liệu cho một nhóm độc giả hoặc trình độ đọc khác.
- Giải thích khái niệm khó bằng ví dụ tại nơi làm việc hoặc trong lớp học.
- Tạo ý tưởng hình ảnh cho bài thuyết trình hoặc cuộc thảo luận marketing.
- Đề xuất mã nguồn hoặc giải thích một đoạn mã hiện có.
- Tạo câu hỏi ôn tập từ tài liệu học tập được cung cấp.
Đây là các khả năng hỗ trợ, không phải cam kết rằng hệ thống sẽ hoàn thành nhiệm vụ độc lập hoặc chính xác. Bản nháp được tạo vẫn cần chuyên gia kiểm tra, biên tập, kiểm chứng thông tin hoặc phê duyệt.
Câu hỏi thực tế hơn là: phần nào của nhiệm vụ có lợi từ nội dung được tạo, và cần kiểm tra gì trước khi có người dựa vào kết quả đó?
Cần lưu ý gì về đầu ra của Generative AI?
Đầu ra được tạo không chứng minh nội dung đúng, phù hợp, nguyên bản theo nghĩa của con người hoặc có bằng chứng đáng tin cậy hỗ trợ.
Ví dụ, một bản tóm tắt cuộc họp có thể rõ ràng nhưng chứa ngày tháng sai, bỏ sót quyết định hoặc giao nhầm việc. Trước khi dùng làm hồ sơ chính thức, hãy đối chiếu các chi tiết quan trọng với ghi chú cuộc họp, bản ghi, tài liệu nguồn hoặc tài liệu tham chiếu phù hợp.
Tạo nội dung và kiểm chứng là hai việc khác nhau. Generative AI tạo đầu ra dựa trên yêu cầu và các mẫu mà hệ thống có; kiểm chứng xem đầu ra có khớp với bằng chứng và yêu cầu của nhiệm vụ hay không.
Với hoạt động động não ít rủi ro, một lần kiểm tra nhanh có thể đủ. Với công việc pháp lý, tài chính, y tế, nhân sự, an ninh hoặc hướng tới khách hàng, mức độ kiểm tra nên tương xứng với hậu quả của sai sót. Không đưa tài liệu mật, thông tin cá nhân, mật khẩu, mã nguồn riêng tư hoặc API key vào dịch vụ AI nếu chưa kiểm tra chính sách của tổ chức và các điều khoản hiện hành về xử lý dữ liệu của nhà cung cấp.
Cách đơn giản nhất để ghi nhớ Generative AI là gì?
Generative AI học các mẫu từ những ví dụ rồi dùng chúng để tạo nội dung mới từ một yêu cầu. Tùy model và ứng dụng, hệ thống có thể tạo hoặc biến đổi văn bản, hình ảnh, âm thanh, video và mã nguồn.
Có thể xem Generative AI như một trợ lý nội dung dựa trên mẫu: hệ thống hỗ trợ lắp ghép bản nháp từ yêu cầu và ngữ cảnh nhận được, nhưng không suy nghĩ hoặc hiểu như con người. Quy tắc thực tế là dùng Generative AI để hỗ trợ tạo nội dung và khám phá ý tưởng, sau đó đánh giá các đầu ra quan trọng dựa trên nhiệm vụ và bằng chứng liên quan.
Khóa học nhập môn về Generative AI của Google cũng tiếp cận chủ đề qua việc Generative AI là gì, được sử dụng thế nào và khác các cách tiếp cận machine learning truyền thống ra sao. Đây là mức độ phù hợp cho bước tìm hiểu đầu tiên: nhận diện năng lực, hiểu quy trình cơ bản và ghi nhớ các giới hạn.