Tổng hợp: 40 thuật ngữ Trí tuệ nhân tạo tạo sinh (Generative AI) cần biết
Published on: October 01, 2024
Last updated: March 02, 2025 Xem trên toàn màn hình
Last updated: March 02, 2025 Xem trên toàn màn hình
Recommended for you
- 26 Jul 2024
"Khổ tận cam lai" - Làm thế nào để chuyển hóa từ khổ thành sướng? 1859 - 03 Nov 2022 BAU (Business-As-Usual) là gì? 1241
- 01 Nov 2023 Lệnh thay đổi kỹ thuật (Engineering Change Order - ECO) là gì? 1040
- 12 Nov 2024 "Nhân tình thế thái" là gì? "Thời thế" là gì? 730
- 01 Nov 2021 Phân tích quy trình hiện tại (AS-IS) là gì? 585
- 05 Jan 2024 Value-Added Distributors (VAD) là gì? 506
- 24 Jun 2024 Apache Pulsar là gì? 406
- 09 Jan 2024 Domain Knowledge là gì? Ưu và nhược điểm? 387
- 01 Sep 2022 Thiên kiến xác nhận (Confirmation Bias) có phải là một dạng bảo thủ? 387
- 01 Nov 2022 Like for like là gì 351
- 01 Dec 2022 Business Critical là gì? 345
- 28 Dec 2023 "Watered-down version" và "Stripped-down version" là gì? 333
- 04 Sep 2020 IQ, EQ hay LQ quan trọng nhất trong thời đại 4.0? 313
- 04 Oct 2023 Authority bias (Thiên kiến uy quyền) là gì? 310
- 01 Jan 2024 Phân tích tổ hợp (Cohort Analysis) là gì? 298
- 02 Jan 2024 Domain Engineering là gì? 296
- 01 Aug 2022 Đỉnh cao ứng xử của kẻ trí tuệ: Nhìn thấu không nói, biết người không bình, hiểu lý không tranh 284
- 19 Aug 2024 Kiểm toán công nghệ thông tin (IT Audit) - Nghề mới mẻ ở Việt Nam 273
- 08 Dec 2023 Resource Leveling là gì? 262
- 08 Dec 2023 Giải mã bí mật của trò chơi vô hạn và hữu hạn 261
- 01 Aug 2024 Infomercial - Chiến thuật "cô đọng" điều gì đó trong đầu người dùng 261
- 01 Mar 2024 Google thử nghiệm Search AI (Search Generative Experience - SGE) 255
- 21 Jan 2022 SSO (Single Sign On) là gì? Bạn đã hiểu đúng và đẩy đủ vè chìa khóa thông minh SSO? 253
- 28 Nov 2023 Nén tiến độ dự án (Crashing) là gì? 247
- 01 Sep 2023 "Data steward" là gì? 242
- 02 Nov 2023 "State-of-the-art product" là gì? 238
- 05 Aug 2024 Giải mã 10 sai lầm về quản lý thay đổi 235
- 09 Mar 2025 'Vibe Coding': Sự Kết Thúc Của Lập Trình Truyền Thống? 214
- 08 Dec 2023 Hiệu ứng Barnum là gì? Hiệu ứng Barnum tốt hay xấu? 213
- 07 Dec 2022 Lean Software Development là gì? 205
- 08 Dec 2022 Phân biệt Cookbook, In a nutshell và Dummies 197
- 04 May 2024 Hiệu ứng FOMO trong phát triển phần mềm 197
- 11 Dec 2022 Sustaining Engineering là gì? 180
- 05 Mar 2024 [Học tiếng Anh] "Go with caveats" là gì? 175
- 22 Nov 2023 Phân biệt tư duy hệ thống khác với tư duy thiết kế 174
- 24 Mar 2023 Mô hình kinh doanh Open-Core là gì? 162
- 08 Apr 2024 Hiệu ứng Matthew: Tác động và Ứng dụng trong Chuyển đổi Số và Công nghệ tại Việt Nam 144
- 14 Dec 2022 Phương pháp kiểm tra Fagan Inspection là gì? 135
- 23 Aug 2024 Nghịch lý toán học chứng minh giới hạn của AI 129
- 06 Dec 2023 Loại phần mềm "fire-and-forget" là gì? 128
- 19 Jun 2024 Giải mã AI, ML và DL: Chìa khóa nắm bắt xu hướng chuyển đổi số 125
- 08 Oct 2024 Giải thích 25 thuật ngữ Data Science theo cách dễ hiểu cho người ngoại đạo 120
- 01 Dec 2023 Microsoft Power Apps là gì? 117
- 09 Dec 2023 Phần mềm Best-of-class là gì? 116
- 07 Aug 2024 Top 15 Kỹ Thuật Tối Ưu Khi Sử Dụng ChatGPT 112
- 21 Mar 2024 12 triết lý sống tối giản bạn nên biết 106
- 03 May 2024 AI Đàm Thoại (Conversational AI) – Cuộc Cách Mạng Công Nghệ Đầy Hứa Hẹn 106
- 01 Nov 2021 Knowldge Base là gì? 94
- 02 Aug 2024 Tổng hợp các câu nói động lực - chất xúc tác cho sự phát triển bản thân 89
- 09 Apr 2025 10 bẫy thao túng bạn có thể chưa biết 84
- 27 Nov 2024 Ứng dụng AI theo dõi thu chi gây sốt vì 'mắng' người tiêu tiền 78
- 08 Aug 2019 10 lý do tại sao việc sử dụng và vận hành phần mềm điều hành doanh nghiệp không được hiệu quả 62
- 23 Apr 2025 Multimodal Agent AI – Cuộc cách mạng trong tương tác người – máy 45
- Generative AI: AI tạo sinh, tạo ra dữ liệu mới, thường được sử dụng trong các tác vụ như tạo văn bản hoặc tổng hợp hình ảnh.
- Discriminative AI: AI phân biệt, tập trung vào việc phân loại giữa các danh mục khác nhau dựa trên dữ liệu đầu vào.
- AGI (Artificial General Intelligence): Trí tuệ nhân tạo tổng quát, nhằm tạo ra máy móc có khả năng học tập và suy luận như con người trong nhiều tác vụ khác nhau.
- ASI (Artificial Super Intelligence): Trí tuệ nhân tạo siêu việt, một khái niệm lý thuyết về AI vượt trội hơn trí thông minh của con người trong mọi khả năng.
- ANI (Artificial Narrow Intelligence): Trí tuệ nhân tạo hẹp, chuyên biệt trong việc thực hiện một tập hợp các tác vụ cụ thể, thiếu trí thông minh tổng quát của con người.
- Foundation LLM: Mô hình ngôn ngữ lớn nền tảng, được thiết kế để tạo ra và hiểu văn bản giống con người trong nhiều trường hợp sử dụng khác nhau.
- Self-Supervision: Tự giám sát, phương pháp huấn luyện mà mô hình học từ dữ liệu không có nhãn rõ ràng, thường bằng cách dự đoán các phần ẩn của đầu vào.
- Domain Adaptation: Thích ứng miền, điều chỉnh một mô hình đã được huấn luyện trên một miền để hoạt động tốt trong một miền khác nhưng có liên quan.
- Context Length: Độ dài ngữ cảnh, số lượng từ/token đầu vào tối đa mà một mô hình có thể xem xét khi tạo ra đầu ra.
- Zero Shot Learning: Học không mẫu, chỉ cung cấp hướng dẫn nhiệm vụ cho mô hình, dựa hoàn toàn vào kiến thức sẵn có của nó.
- Few Shot Learning: Học ít mẫu, cung cấp rất ít ví dụ cho mô hình để hỗ trợ nó thực hiện một nhiệm vụ cụ thể.
- Transformer: Kiến trúc mô hình phổ biến trong LLM, nổi tiếng với cơ chế chú ý (attention) và khả năng xử lý song song.
- Attention: Cơ chế chú ý, phổ biến trong mạng nơ-ron cho phép tập trung vào các phần cụ thể của dữ liệu đầu vào.
- Weights: Trọng số, tham số nội tại của mô hình quyết định cách nó xử lý và tạo ra văn bản.
- MM-LLM: Mô hình ngôn ngữ lớn đa phương thức (multi modal), có khả năng hiểu và tạo ra nội dung trên nhiều phương thức như hình ảnh và âm thanh cùng với văn bản.
- Diffusion Models: Mô hình khuếch tán, tạo ra dữ liệu bằng cách tinh chỉnh lặp đi lặp lại một tín hiệu nhiễu, thường được sử dụng trong tạo hình ảnh.
- RAG (Retrieval-Augmented Generation): Tạo sinh tăng cường truy xuất, bổ sung thông tin được truy xuất để cải thiện sự chính xác trong phản hồi của mô hình.
- Tokenization: Phân mảnh, quá trình chia nhỏ văn bản thành các đơn vị nhỏ hơn (token), thường được sử dụng làm đầu vào cho LLM.
- Knowledge Base: Cơ sở kiến thức, tập hợp các tài liệu từ đó thông tin liên quan được truy xuất trong RAG.
- Structured Data: Dữ liệu có cấu trúc, được tổ chức theo định dạng được xác định trước với mối quan hệ rõ ràng giữa các phần tử khác nhau, như bảng hoặc cơ sở dữ liệu.
- Unstructured Data: Dữ liệu phi cấu trúc, thiếu định dạng hoặc tổ chức được xác định trước, như văn bản ngôn ngữ tự nhiên hoặc hình ảnh.
- Vector DB: Cơ sở dữ liệu vector, được tối ưu hóa để lưu trữ và truy xuất các biểu diễn vector được tạo ra từ cơ sở kiến thức.
- Embeddings: Nhúng, một định dạng số được sử dụng để biểu diễn các đặc trưng dữ liệu. Còn được gọi là vector.
- Vector Search: Tìm kiếm vector, tìm các phần liên quan nhất của cơ sở kiến thức dựa trên điểm tương đồng vector cho một truy vấn đầu vào cụ thể.
- Prompting: Gợi ý, cung cấp đầu vào được thiết kế cẩn thận cho LLM để tạo ra đầu ra mong muốn.
- User Prompt: Gợi ý người dùng, truy vấn do người dùng cung cấp để tương tác với LLM, chỉ định nhiệm vụ, câu hỏi hoặc ngữ cảnh mong muốn.
- System Prompt: Gợi ý hệ thống, đầu vào ban đầu được đưa ra cho LLM để xác định nhiệm vụ, thường giữ nguyên trong nhiều gợi ý người dùng.
- Meta Prompting: Gợi ý meta, yêu cầu LLM tạo ra gợi ý tối ưu cho nhiệm vụ dự định của bạn.
- In-Context Learning: Học trong ngữ cảnh, tích hợp các ví dụ nhiệm vụ vào gợi ý, cho phép LLM xử lý các nhiệm vụ mới mà không cần fine-tuning.
- Chaining: Chuỗi hóa, kỹ thuật liên kết nhiều gợi ý hoặc nhiệm vụ tuần tự, trong đó kết quả của một gợi ý thông báo (làm đầu vào) cho gợi ý tiếp theo.
- Fine-Tuning: Tinh chỉnh, điều chỉnh LLM cho một nhiệm vụ hoặc lĩnh vực cụ thể bằng cách huấn luyện thêm trên dữ liệu đặc thù cho nhiệm vụ.
- PEFT (Parameter-Efficient Fine-Tuning): Tinh chỉnh hiệu quả tham số, chỉ cập nhật một số ít tham số của LLM, do đó hiệu quả về mặt tính toán và chi phí.
- Distillation: Chưng cất, quá trình huấn luyện một mô hình nhỏ hơn, hiệu quả hơn để bắt chước hành vi của một mô hình lớn hơn, phức tạp hơn.
- Quantization: Lượng tử hóa, giảm độ chính xác của các tham số mô hình để tiết kiệm tài nguyên tính toán mà không làm giảm hiệu suất.
- GGUF: Định dạng lưu trữ nhị phân được thiết kế để tải và lưu mô hình nhanh chóng, và dễ dàng đọc.
- Reinforcement Learning: Học tăng cường, huấn luyện mô hình thông qua thử nghiệm và sai sót, với phần thưởng/hình phạt dựa trên đầu ra được tạo ra.
- RLHF (Reinforcement Learning from Human Feedback): Học tăng cường từ phản hồi của con người, được sử dụng làm phần thưởng/hình phạt cho mô hình.
- Adversarial Attacks: Tấn công đối kháng, nỗ lực cố ý đánh lừa mô hình bằng các đầu vào được thiết kế cẩn thận, khiến chúng mắc lỗi.
- MoE (Mixture of Experts): Hỗn hợp chuyên gia, kiến trúc mô hình kết hợp nhiều chuyên gia để cải thiện hiệu suất thông qua các điểm mạnh bổ sung.
- Hallucination: Ảo giác, xu hướng của LLM đôi khi tạo ra thông tin không chính xác hoặc không có thực.
Nguồn: Aishwarya Naresh Reganti
[{"displaySettingInfo":"[{\"isFullLayout\":false,\"layoutWidthRatio\":\"\",\"showBlogMetadata\":true,\"showAds\":true,\"showQuickNoticeBar\":true,\"includeSuggestedAndRelatedBlogs\":true,\"enableLazyLoad\":true,\"quoteStyle\":\"1\",\"bigHeadingFontStyle\":\"1\",\"postPictureFrameStyle\":\"1\",\"isFaqLayout\":false,\"isIncludedCaption\":false,\"faqLayoutTheme\":\"1\",\"isSliderLayout\":false}]"},{"articleSourceInfo":"[{\"sourceName\":\"\",\"sourceValue\":\"\"}]"},{"privacyInfo":"[{\"isOutsideVietnam\":false}]"},{"tocInfo":"[{\"isEnabledTOC\":true,\"isAutoNumbering\":false,\"isShowKeyHeadingWithIcon\":false}]"},{"termSettingInfo":"[{\"showTermsOnPage\":true,\"displaySequentialTermNumber\":true}]"}]
Nguồn
{content}
Khám phá thêm các chủ đề sau
Guest Blogging: The Definitive Guide
Các chủ đề được quan tâm nhiều nhất
CHIA SẺ BÀI VIẾT