Sự phát triển nhanh chóng của trí tuệ nhân tạo (AI) khiến ngày càng nhiều thuật ngữ chuyên ngành xuất hiện trong các bài viết, tài liệu, và cuộc trò chuyện hàng ngày. Để giúp bạn không bị lạc giữa thế giới công nghệ, bài viết này sẽ tổng hợp hơn 40 thuật ngữ AI phổ biến nhất hiện nay, với giải thích ngắn gọn, dễ hiểu và cập nhật theo ngữ cảnh mới nhất.
Các khái niệm cốt lõi
AI (Artificial Intelligence): Trí tuệ nhân tạo – khả năng của máy móc mô phỏng tư duy và hành vi của con người.
AGI (Artificial General Intelligence): Trí tuệ nhân tạo tổng quát – một AI có thể thực hiện bất kỳ tác vụ trí tuệ nào mà con người có thể làm được.
ML (Machine Learning): Học máy – AI học từ dữ liệu và đưa ra dự đoán mà không cần được lập trình cụ thể.
Deep Learning: Học sâu – một nhánh của học máy sử dụng mạng nơ-ron nhiều lớp.
LLM (Large Language Model): Mô hình ngôn ngữ lớn như GPT, Gemini – được huấn luyện trên lượng văn bản khổng lồ để tạo văn bản giống người.
Foundation Model: Mô hình nền tảng – các mô hình AI đa năng huấn luyện trên lượng lớn dữ liệu để thực hiện nhiều tác vụ khác nhau.
Generative AI (GenAI): AI tạo sinh – AI có khả năng tạo nội dung mới như văn bản, hình ảnh, âm thanh hoặc video.
GAN (Generative Adversarial Network): Mạng đối kháng tạo sinh – một hệ thống huấn luyện hai mạng để tạo ra dữ liệu giả giống thật.
Multimodal AI: AI đa phương thức – có thể xử lý cùng lúc văn bản, hình ảnh, âm thanh…
Transformer: Kiến trúc mạng nơ-ron quan trọng cho NLP và GenAI, do Google phát triển.
Dữ liệu & Huấn luyện
Dataset / Training Set: Tập dữ liệu dùng để huấn luyện AI, có thể là văn bản, ảnh, âm thanh…
Token: Đơn vị nhỏ nhất được LLM xử lý – có thể là từ, âm tiết hoặc ký tự.
Encoder / Decoder: Bộ mã hóa và giải mã dữ liệu trong hệ thống học máy.
Fine-tuning: Huấn luyện bổ sung một mô hình có sẵn trên dữ liệu cụ thể để cá nhân hóa.
Distillation: Tạo phiên bản nhỏ gọn hơn của LLM nhằm tăng tốc độ xử lý.
Zero-shot / Few-shot learning: Khả năng AI thực hiện nhiệm vụ chưa từng thấy trong quá trình huấn luyện (zero) hoặc chỉ thấy rất ít ví dụ (few).
Unsupervised learning: Học không giám sát – AI học từ dữ liệu chưa gắn nhãn.
Feedback loop: Vòng lặp phản hồi – kết quả dự đoán ảnh hưởng đến dữ liệu huấn luyện.
Ngôn ngữ & Giao tiếp
NLP (Natural Language Processing): Xử lý ngôn ngữ tự nhiên – giúp máy hiểu và tạo văn bản giống con người.
Chatbot: Phần mềm mô phỏng hội thoại, ví dụ như ChatGPT, Claude, Gemini Chat.
Prompt: Câu hỏi hoặc chỉ dẫn bạn nhập vào AI để nhận phản hồi.
Prompt Engineering: Kỹ thuật thiết kế prompt hiệu quả để tối ưu hóa phản hồi từ LLM.
RAG (Retrieval-Augmented Generation): Kỹ thuật trích xuất dữ liệu từ nguồn đáng tin cậy để hỗ trợ LLM đưa ra câu trả lời chính xác hơn.
Hallucination: Tình trạng AI tạo ra thông tin sai nhưng trình bày như thật.
Personalization: Tùy biến nội dung dựa trên hành vi, dữ liệu cá nhân của người dùng.
Kiến trúc & Tư duy AI
Agent: Một hệ thống AI có khả năng tự động hoàn thành tác vụ.
Agentic: Tập hợp các agent phối hợp để thích nghi, tự lên kế hoạch, sử dụng công cụ và làm việc theo nhóm.
Alignment: Quá trình đảm bảo AI hành xử theo giá trị, mục tiêu và đạo đức của con người.
Integration: Tích hợp AI vào hệ thống hoặc workflow sẵn có.
Thị giác máy & Giao diện
Computer Vision: Nhánh AI cho phép máy hiểu hình ảnh và video.
AR (Augmented Reality): Thực tế tăng cường – thêm lớp dữ liệu ảo lên thế giới thực.
Offline inference: Khả năng suy luận mà không cần kết nối mạng.
Multimodal Learning: AI học đồng thời từ nhiều định dạng dữ liệu (ảnh + chữ + âm thanh).
Công cụ, thư viện, mã nguồn
JAX: Thư viện Python tối ưu hoá tính toán AI trên GPU/TPU.
Keras: Thư viện mã nguồn mở cho deep learning (trong TensorFlow).
XLA: Trình biên dịch tăng tốc đại số tuyến tính, tối ưu hóa tốc độ chạy model AI.
TPU (Tensor Processing Unit): Chip xử lý dành riêng cho các mô hình học máy.
Các mẫu gọi tên phổ biến
GPT (Generative Pre-trained Transformer): Tên gọi chung cho các mô hình của OpenAI. Gồm các phiên bản như GPT-3.5, GPT-4, GPT-4o…
Claude: Mô hình LLM phát triển bởi Anthropic – chú trọng an toàn và đạo đức.
Gemini: Mô hình của Google – mạnh về xử lý đa phương thức.
Việc hiểu rõ các thuật ngữ AI không chỉ giúp bạn đọc hiểu tài liệu chuyên ngành, mà còn tăng khả năng áp dụng AI trong công việc và học tập. Trong thời đại công nghệ phát triển theo tuần, nắm vững ngôn ngữ của AI cũng là cách để giữ vững vị thế của mình.
Xem thêm: Thuật ngữ AI nâng cao – Đào sâu vào thế giới trí tuệ nhân tạo hiện đại
