AI đa phương thức: khi hình ảnh và ngôn ngữ gặp nhau
Hiểu AI đa phương thức qua ví dụ ghép ảnh với mô tả, phân biệt khả năng của mô hình và tự thiết kế một bài kiểm tra nhỏ.
Cơ bản
CHỦ ĐỀ 01 / 23 BÀI VIẾT
Nền tảng.
Học kiến thức AI cơ bản bằng tiếng Việt: trí tuệ nhân tạo, học máy, LLM, token và attention, với ví dụ gần gũi cho người mới bắt đầu.
AI, học máy và học sâu: phân biệt qua ba nhiệm vụ
Ba bài toán ở một cửa hàng giúp bạn phân biệt AI, machine learning và deep learning, rồi chọn điểm bắt đầu vừa đủ.
Cơ bản
Context window: mô hình đang nhìn thấy phần nào của cuộc trò chuyện?
Phân biệt cửa sổ ngữ cảnh với trí nhớ, hiểu vì sao tài liệu dài vẫn có thể bị bỏ sót và cách tổ chức đầu vào dễ kiểm tra.
Cơ bản
Cosine similarity: đo độ gần để tìm kiếm
Tính độ tương đồng giữa vector, hiểu vì sao điểm gần không phải xác suất đúng và kiểm tra tìm kiếm bằng các câu dễ nhầm.
Trung cấp
Độ chính xác và sai số: chọn con số trả lời đúng câu hỏi
Tính accuracy, precision, recall và sai số tuyệt đối bằng ví dụ nhỏ; hiểu khi nào một điểm trung bình che giấu vấn đề.
Cơ bản
Dữ liệu và nhãn: máy đang học từ câu trả lời nào?
Tạo một bộ dữ liệu nhỏ có nhãn rõ ràng, xử lý ví dụ mơ hồ và tránh đưa nhầm đáp án vào đầu vào của mô hình.
Cơ bản
Embedding là gì? Biến ý nghĩa thành biểu diễn có thể so sánh
Hiểu vector, độ tương tự và giới hạn của embedding qua ví dụ tìm hướng dẫn trong một thư viện tài liệu nhỏ.
Cơ bản
Hallucination: khi câu trả lời trôi chảy nhưng thiếu căn cứ
Nhận diện thông tin bịa hoặc không được nguồn hỗ trợ, tách câu trả lời thành các mệnh đề và thiết kế bài kiểm tra có đáp án.
Cơ bản
Học có giám sát: học từ ví dụ có đáp án
Đi từ bảng thời gian giao hàng đến phân loại và hồi quy; hiểu vòng lặp học, mốc so sánh và giới hạn của nhãn.
Cơ bản
Học không giám sát: tìm cấu trúc khi chưa có nhãn
Hiểu phân cụm qua một thư viện sách, vì sao cách biểu diễn thay đổi kết quả và cách kiểm tra một nhóm có ích hay không.
Cơ bản
Học tăng cường: học từ hành động và phần thưởng
Hiểu vòng lặp học tăng cường, phân biệt phần thưởng trước mắt với tổng lợi ích, và thử thiết kế một trò chơi nhỏ có tiêu chí rõ ràng.
Cơ bản
Huấn luyện và suy luận: hai lúc khác nhau của mô hình
Phân biệt học trọng số, dùng mô hình để dự đoán và lưu ngữ cảnh hội thoại; hiểu vì sao câu trả lời thay đổi chưa chứng minh mô hình vừa được huấn luyện.
Cơ bản
LoRA: học một phần cập nhật có hạng thấp
Tính số tham số của hai ma trận LoRA, hiểu điểm tiết kiệm bộ nhớ và những điều adapter không tự bảo đảm.
Nâng cao
Mô hình diffusion: học tạo ảnh từ nhiễu
Phân biệt quá trình thêm nhiễu và học khử nhiễu, hiểu đúng ví dụ diffusion, rồi tự kiểm tra một yêu cầu tạo ảnh bằng tiêu chí cụ thể.
Cơ bản
Overfitting và underfitting: học quá sát hay chưa học đủ?
Đọc lỗi trên train và validation để phân biệt quá khớp, thiếu khớp và các vấn đề dữ liệu dễ bị nhầm với chúng.
Cơ bản
Vị trí đi vào Transformer như thế nào?
Phân biệt mã hóa vị trí cộng vào embedding với RoPE, rồi tự kiểm quan hệ giữa góc quay và khoảng cách token.
Nâng cao
Precision, recall và F1: đọc đúng lỗi của mô hình
Tính ba chỉ số từ một ví dụ phân loại, hiểu đánh đổi giữa báo nhầm và bỏ sót, đồng thời tránh dùng F1 như điểm chất lượng duy nhất.
Trung cấp
Tính self-attention bằng một ví dụ nhỏ
Đi từ query, key, value đến softmax và causal mask bằng các vector đủ nhỏ để tự tính tay.
Nâng cao
Train, validation, test: chia dữ liệu để biết mô hình có học thật
Phân biệt ba tập dữ liệu, tránh trùng người và trùng thời gian, đồng thời giữ một lần đánh giá cuối đáng tin hơn.
Cơ bản
Temperature: điều chỉnh độ đa dạng, không chỉnh độ đúng
Hiểu temperature trong quá trình chọn token, tránh nhầm ngẫu nhiên với sáng tạo và thiết kế một phép so sánh có kiểm soát.
Cơ bản
Token và tiếng Việt: vì sao đếm từ chưa đủ?
Hiểu tokenizer, dấu tiếng Việt và giới hạn của việc ước lượng token; học cách kiểm tra đúng bộ mã hóa thay vì đoán.
Cơ bản
LLM là gì? Bên trong một mô hình ngôn ngữ lớn
Hiểu LLM là gì và cách mô hình ngôn ngữ lớn hoạt động: từ token, attention đến sinh câu trả lời, cùng những giới hạn cần kiểm chứng.
Cơ bản
AI là gì? Hiểu trí tuệ nhân tạo qua ví dụ gần gũi
AI là gì, khác học máy và AI tạo sinh thế nào? Tìm hiểu cách máy học từ dữ liệu, ví dụ ứng dụng và giới hạn cần biết khi bắt đầu.
Cơ bản