Nền tảng
Bắt đầu với AI
Đi từ những khái niệm quan trọng nhất đến cách tư duy đúng khi làm việc với AI, không yêu cầu nền tảng kỹ thuật.
Bắt đầu họcLỊCH SỬ PHÁT TRIỂN AI
9 bước ngoặt đưa AI tiến lên.
Chọn một mốc để xem thay đổi quan trọng của từng giai đoạn.
Hội thảo Dartmouth đặt nền móng để AI trở thành một lĩnh vực nghiên cứu độc lập.
KIẾN THỨC NỀN TẢNG AI
Chọn chủ đề bạn muốn tìm hiểu.
Các bài độc lập, có thể học lần lượt hoặc mở thẳng nội dung đang cần.
AI là gì? Hiểu Trí tuệ nhân tạo từ con số 0
Giải thích AI bằng ngôn ngữ đời thường: AI làm được gì, khác phần mềm theo quy tắc ra sao và vì sao không nên đồng nhất AI với trí tuệ con người.
Xem bài họcAI, Machine Learning, Deep Learning và Generative AI khác nhau thế nào?
Phân biệt AI, Machine Learning, Deep Learning và Generative AI bằng quan hệ đơn giản cùng các ví dụ dễ hiểu.
Xem bài họcAI được sinh ra như thế nào? Từ dữ liệu đến một mô hình có thể trả lời
Đi qua vòng đời cơ bản của mô hình AI: dữ liệu, pre-training, tham số, post-training và đánh giá trước khi triển khai.
Xem bài họcMô hình AI là gì? Model, tham số và trọng số nghĩa là gì?
Hiểu model, parameters và weights theo cách trực quan; đồng thời phân biệt mô hình AI với ứng dụng như ChatGPT, Gemini hay Claude.
Xem bài họcMáy tính học như thế nào? Training và Inference là gì?
Phân biệt training khi mô hình học và inference khi mô hình đã huấn luyện được dùng để xử lý yêu cầu mới.
Xem bài họcMạng nơ-ron nhân tạo là gì?
Giải thích mạng nơ-ron, neuron, layer, weights và chữ “deep” trong Deep Learning mà không cần công thức toán.
Xem bài họcLLM là gì? Vì sao mô hình ngôn ngữ có thể trò chuyện?
Hiểu Large Language Model từ cơ chế dự đoán token, vai trò của context và vì sao LLM có thể tạo ngôn ngữ tự nhiên.
Xem bài họcToken là gì? Vì sao AI không đọc văn bản giống con người?
Token là đơn vị mô hình ngôn ngữ xử lý. Bài viết giải thích tokenization, input/output token và mối liên hệ với context.
Xem bài họcContext và Context Window là gì? AI “nhớ” được bao nhiêu?
Phân biệt context hiện tại, context window và memory; hiểu vì sao quá nhiều thông tin có thể làm AI bị nhiễu.
Xem bài họcTransformer và Attention là gì?
Giải thích trực quan self-attention và Transformer: cách mô hình xem mối quan hệ giữa các phần của chuỗi mà không cần toán ma trận.
Xem bài họcAI tạo sinh là gì? Văn bản, hình ảnh, âm thanh và video được tạo ra ra sao?
Bức tranh thống nhất về Generative AI: tạo nội dung khác phân loại ra sao, multimodal là gì và các giới hạn phổ biến.
Xem bài họcEmbedding là gì? Làm sao AI biến ý nghĩa thành vector?
Embedding biểu diễn dữ liệu dưới dạng vector để những nội dung gần nhau về nghĩa có thể được tìm thấy dù dùng từ khác nhau.
Xem bài họcPrompt là gì? Điều gì thực sự được gửi vào mô hình?
Prompt không chỉ là câu hỏi: nó có thể gồm chỉ dẫn, context, dữ liệu, file, hình ảnh và kỳ vọng đầu ra.
Xem bài họcHallucination là gì? Vì sao AI có thể trả lời sai rất thuyết phục?
Hallucination là khi AI tạo thông tin sai hoặc không được nguồn hỗ trợ dù câu trả lời có vẻ hợp lý; đây là lý do cần kiểm chứng.
Xem bài họcRAG và Grounding là gì? Làm sao AI dùng kiến thức bên ngoài?
Hiểu quy trình Retrieve → Context → Generate, sự khác biệt giữa RAG và huấn luyện lại model, cùng vai trò của grounding.
Xem bài họcAI Agent là gì? Khác chatbot và workflow như thế nào?
Phân biệt chatbot, workflow và AI agent; hiểu goal, planning, tools, observation, loop và vì sao agent cần giới hạn quyền hạn.
Xem bài họcTool Use, Function Calling và Computer Use là gì?
Giải thích cách AI dùng công cụ bên ngoài model: function/API call, search, code, file, database và computer use.
Xem bài họcAI có thực sự hiểu, suy nghĩ hay có ý thức không?
Phân biệt hành vi giống con người với bằng chứng về ý thức; tránh nhân hóa AI quá mức khi nói về hiểu, suy nghĩ và reasoning.
Xem bài họcLộ trình 7 ngày làm quen với AI
Một lộ trình nhỏ, thực tế, phù hợp với nhân viên văn phòng muốn xây nền tảng sử dụng AI có hệ thống.
Xem bài họcKhám phá tiếp
Cách dùng AI
Hướng dẫn sử dụng các nền tảng AI phổ biến theo tác vụ, thay vì chỉ giới thiệu tính năng rời rạc.