Written by: Claude AI.
Curator/Editor: Học Trò.
Hiểu AI, từng khái niệm một — Bài 2
Tối thứ Bảy, Khoa ngồi trên chuyến xe buýt chạy về Gò Vấp sau buổi học nhóm, ngoài cửa kính là dòng xe máy nối đuôi nhau trên đường Nguyễn Kiệm. Mẹ nhắn Zalo: "Mấy giờ con về?" Khoa gõ "Con đang…", và bàn phím điện thoại lập tức hiện ba chữ gợi ý: "đi", "về", "ăn". Khoa bấm "về", rồi bàn phím lại gợi ý tiếp: "nhà", "rồi", "đây". Cũng tối hôm đó, Khoa mở chatbot ra hỏi bài lịch sử, và nó trả lời cả một trang dài, mạch lạc, có đầu có đuôi. Khoa chợt tự hỏi: hai cái máy này — cái bàn phím đoán chữ và cái chatbot viết cả trang — có họ hàng gì với nhau không?
Có. Họ hàng rất gần. Bài này kể vì sao.
Bên trong cái chatbot trả lời mình mỗi ngày thật ra là cái gì?
Cần biết trước: Chatbot (trợ lý trò chuyện) là những ứng dụng như ChatGPT, Claude, Gemini: bạn gõ câu hỏi, nó viết câu trả lời. Bạn không cần biết gì về máy tính ngoài việc đã từng nhắn tin trên điện thoại. Mọi chữ chuyên môn sẽ được giải thích ngay chỗ nó xuất hiện.
Cái bàn phím đã đọc cả một thư viện
Cái bàn phím gợi ý chữ trên điện thoại của Khoa làm một việc rất đơn giản: nhìn mấy chữ vừa gõ, rồi đoán chữ kế tiếp. Nó đoán dựa trên những gì nó đã "thấy" — chủ yếu là những tin nhắn bạn hay gõ. Vì nó chỉ thấy có chừng đó, nên nó chỉ đoán được những câu ngắn, quen thuộc: "con đang về", "con ăn rồi".
Bây giờ hãy tưởng tượng một cái bàn phím như vậy, nhưng đã đọc cả một thư viện khổng lồ: sách, báo, thư từ, thơ, truyện, chuyện trò trên mạng — bằng nhiều thứ tiếng. Nó sẽ đoán được chữ tiếp theo của một lá thư xin việc, một bài văn tả cảnh, một lời giải toán.
Đó chính là mô hình ngôn ngữ lớn (large language model, LLM).
- Mô hình ngôn ngữ nghĩa là: một cái máy học cách nói năng, viết lách, bằng cách đoán chữ.
- Lớn nghĩa là: nó đã đọc rất, rất nhiều chữ, và bên trong nó có rất nhiều "núm vặn" để ghi nhớ những gì đã đọc.
Một việc duy nhất: đoán chữ kế tiếp
Điều đáng ngạc nhiên nhất về LLM là nó chỉ được dạy đúng một việc: nhìn một đoạn chữ, rồi đoán chữ kế tiếp.
Nhưng nó không đoán kiểu "chắc là chữ này". Nó cho điểm mọi chữ có thể đi tiếp, giống như khi Khoa ngồi trên xe buýt tự nhủ trong đầu: "Hôm nay chắc 'về' là nhiều khả năng nhất, 'tới' thì cũng có thể, 'ra' thì ít lắm."
Hình 1. LLM không chỉ đoán một chữ — nó chấm điểm mọi ứng viên, rồi chọn. Các con số ở đây là minh họa, không phải số đo từ một mô hình thật.
Nhìn Hình 1 (con số minh họa): với câu "Con đang trên đường ___", chữ "về" được 0,52 — nghĩa là trong khoảng một nửa những câu giống vậy mà mô hình từng đọc, chữ đi tiếp là "về". Chữ "tới" được 0,18, "đi" được 0,12, "ra" được 0,08, và tất cả những chữ khác cộng lại được 0,10. Cộng hết lại thì vừa tròn 1 — tức là trăm phần trăm.
Bây giờ đến phần làm cho chatbot viết được cả trang: chọn một chữ, ghép nó vào cuối câu, rồi đoán tiếp.
Hình 2. Cả một câu trả lời dài chỉ là nhiều lượt đoán nối nhau. Mỗi lượt thêm đúng một mẩu chữ.
Lượt 1 chọn "về", lượt 2 chọn "nhà", lượt 3 chọn dấu chấm. Rồi tới lúc nó chọn một "chữ" đặc biệt có nghĩa là "xong rồi", và câu trả lời dừng lại. Khi bạn nhìn chatbot "gõ" ra màn hình từng chữ một, đó không phải hiệu ứng cho đẹp: mỗi chữ hiện ra là một lượt đoán.
Một chi tiết nhỏ: mô hình không luôn chọn chữ điểm cao nhất, mà thường "bốc thăm" có trọng số — chữ điểm cao dễ được chọn, chữ điểm thấp thỉnh thoảng mới được chọn. Vì vậy hỏi cùng một câu hai lần, bạn có thể nhận hai câu trả lời hơi khác nhau.
Thêm một chi tiết: thật ra mô hình đoán theo từng token (mẩu chữ) — có khi là nguyên một chữ, có khi chỉ là một mẩu chữ, như một phần của "Nguyễn". Trong bài này, cứ hình dung token là "chữ" cho dễ.
"Lớn" là lớn ở chỗ nào?
Chữ "lớn" trong LLM nói về hai thứ.
Thứ nhất, đọc nhiều. Một LLM được huấn luyện (training) — cho "đọc" và tập đoán — trên một lượng chữ nhiều hơn một người có thể đọc trong hàng ngàn đời người.
Thứ hai, có nhiều núm vặn. Bên trong LLM là một mạng nơ-ron (neural network) — hình dung như một bức tường có rất nhiều núm vặn nhỏ, giống mấy cái trục lên dây của cây đàn tranh. Mỗi núm là một tham số (parameter). Mỗi lần đoán sai, các núm được vặn nhẹ để lần sau đỡ sai hơn. Một LLM lớn có hàng tỉ núm như vậy. Những gì nó "biết" không nằm trong tủ hồ sơ nào, mà nằm rải rác trong vị trí của hàng tỉ núm vặn ấy.
Đoán chữ mà sao làm được nhiều việc vậy?
Câu hỏi tự nhiên tiếp theo là: nếu nó chỉ biết đoán chữ, sao nó viết được thơ, giải được bài toán, dịch được thư, lại còn viết được cả mấy dòng lệnh cho máy tính?
Câu trả lời ngắn: vì tất cả những thứ đó đều là chữ. Bài thơ là chữ. Lời giải toán là chữ. Một lá thư tiếng Anh là chữ. Mấy dòng lệnh máy tính cũng là chữ. Một mô hình đã đọc đủ nhiều thơ, toán, thư từ, thì "đoán chữ kế tiếp" của một bài thơ hay của một lời giải toán cũng chỉ là cùng một việc.
Nhưng có một điều quan trọng hơn, và đây là chỗ nhiều người hiểu lầm. Người ta hay nói: "Nó chỉ đoán chữ kế tiếp thôi mà." Câu đó đúng, nhưng chữ "chỉ" làm cho nó nghe nhẹ hơn thực tế rất nhiều.
Hãy thử nghĩ: muốn đoán đúng chữ kế tiếp trong câu "Vừa gà vừa chó, bó lại cho tròn, ba mươi sáu con, một trăm chân chẵn. Hỏi có bao nhiêu gà? Đáp: có ___ con gà", thì phải làm gì? Đoán bừa một con số thì sai. Muốn đoán đúng, cách chắc ăn nhất là thật sự giải được bài toán. Muốn đoán đúng chữ kế tiếp trong một câu tiếng Việt có chữ "nó", phải biết "nó" là ai.
Nói cách khác, khi một cái máy bị bắt đoán chữ thật giỏi trên một khối chữ thật lớn, nó bị ép phải học được rất nhiều thứ nằm phía sau con chữ: ngữ pháp, sự việc, cách lập luận, giọng điệu. Nó học những thứ đó không ai dạy trực tiếp — chỉ vì học được thì đoán đúng hơn. Đến mức nào thì gọi được là "hiểu" theo nghĩa con người, các nhà nghiên cứu vẫn còn tranh luận, và bài này không ngả về bên nào. Nhưng "chỉ đoán chữ" thì chắc chắn không có nghĩa là "chẳng biết gì".
Một cuộc trò chuyện là một văn bản cứ dài ra
Nếu LLM chỉ đoán chữ kế tiếp, làm sao nó nói chuyện với mình qua lại được?
Bí mật nằm ở chỗ: với LLM, cả cuộc trò chuyện chỉ là một văn bản duy nhất, cứ dài ra mãi.
Hình 3. Phần mô hình đọc vào gọi là token đầu vào; phần nó viết ra gọi là token đầu ra.
Mỗi khi bạn gửi một câu, ứng dụng xếp lại tất cả: trên cùng là lời dặn do hãng viết sẵn mà bạn không thấy, rồi các câu qua lại giữa bạn và AI, cuối cùng là chữ "AI:" bỏ lửng. Mô hình làm đúng việc duy nhất nó biết: viết tiếp. Viết tiếp sau chữ "AI:" thì tự nhiên thành câu trả lời.
Từ đó có hai khái niệm bạn sẽ gặp trong bảng giá của các hãng AI:
- Token đầu vào (input tokens): mọi thứ mô hình phải đọc — lời dặn, tất cả các câu cũ, câu hỏi mới.
- Token đầu ra (output tokens): những gì mô hình viết ra.
Hiểu điều này rồi, bạn sẽ hiểu vì sao một cuộc trò chuyện rất dài thì chậm hơn và tốn hơn: mỗi lượt, mô hình phải đọc lại cả "cuốn sổ" từ đầu. Và hiểu vì sao chatbot "nhớ" được điều bạn nói hồi nãy: không phải vì nó có trí nhớ như người, mà vì câu nói đó vẫn còn nằm trong văn bản nó đang đọc.
LLM không phải là…
Không phải một cuốn từ điển hay một kho dữ liệu. Nó không tra cứu một ô nào cả. Khi bạn hỏi năm sinh của một nhân vật, nó không mở sổ ra xem — nó đoán những chữ thường đi sau câu hỏi đó. Thường thì đoán đúng, vì đã đọc nhiều. Nhưng khi đã đọc ít về chuyện đó, nó vẫn đoán ra một câu nghe rất trơn tru, và câu đó có thể sai.
Không phải một công cụ tìm kiếm. Tự nó không đi tìm gì cả; nó viết ra từ những gì đã đọc lúc huấn luyện. Nhiều chatbot được gắn thêm công cụ tìm kiếm — khi đó bạn sẽ thấy chữ "đang tìm…" và đường link — nhưng đó là phần gắn thêm.
Không phải một con người. Nó viết "tôi rất vui" vì những chữ đó hay xuất hiện trong văn người viết. Nó không có ngày hôm qua, không có quê hương.
Hiểu lầm thường gặp
"Nó chỉ đoán chữ, nên chẳng hiểu gì." Đoán chữ thật giỏi trên một khối chữ khổng lồ buộc mô hình phải học rất nhiều thứ phía sau con chữ. Nó không hiểu theo kiểu con người, nhưng cũng không phải là con vẹt lặp lại.
"Nó chép câu trả lời có sẵn ở đâu đó." Phần lớn câu trả lời được viết mới, từng chữ một. Vì vậy nó viết được những câu chưa ai viết bao giờ — và cũng vì vậy nó có thể viết ra những điều sai mà nghe như thật.
"Hỏi lại mà nó trả lời khác, chắc nó lừa mình." Không phải — nó chỉ "bốc thăm" ra chữ khác. Nhưng nếu hai câu trả lời khác nhau ở sự việc (con số, tên người, ngày tháng), đó là dấu hiệu nên kiểm tra lại.
Thử ngay 5 phút
Mở một chatbot bất kỳ và gõ đúng câu thơ mở đầu Truyện Kiều, kèm dấu phẩy ở cuối:
Trăm năm trong cõi người ta,
Đừng hỏi gì thêm, chỉ gửi đi. Xem nó viết tiếp thế nào. Rất có thể nó viết ra câu thứ hai: "Chữ tài chữ mệnh khéo là ghét nhau" — vì cặp câu này xuất hiện vô số lần trong những gì nó đã đọc.
Rồi thử thêm hai việc:
- Hỏi lại câu đó trong một cuộc trò chuyện mới. Nó có viết ra y hệt không?
- Lấy một cuốn Kiều in ra so. Những câu đầu thì thường đúng. Càng đi xa, càng dễ có một chữ trật, một câu bị "sáng tác" lại cho trơn tru. Đó là bằng chứng nhỏ cho thấy nó đoán, không tra: chỗ nào nó đã đọc rất nhiều lần thì đoán gần như đúng hết; chỗ nào ít gặp hơn thì nó đoán ra chữ nghe hợp tai nhất — chưa chắc là chữ của Nguyễn Du.
Mang về một ý
Lần tới thấy chatbot "gõ" câu trả lời ra từng chữ, hãy hình dung một cái bàn phím đã đọc cả một thư viện, đang chấm điểm mọi chữ có thể đi tiếp, chọn một, ghép vào, rồi đoán tiếp — hàng trăm lần cho một câu trả lời.
Hình dung đó giúp bạn hai điều. Bạn sẽ bớt ngạc nhiên khi nó viết hay — vì nó đã đọc nhiều hơn bất cứ ai. Và bạn sẽ bớt bất ngờ khi nó viết sai mà nghe rất thật — vì nó đang đoán chữ nghe hợp nhất, chứ không phải mở sổ ra xem.
Bảng thuật ngữ nhỏ
| Tiếng Việt | Tiếng Anh | Nghĩa ngắn |
|---|---|---|
| mô hình ngôn ngữ lớn | large language model (LLM) | Mạng nơ-ron rất lớn, học từ chữ để đoán chữ kế tiếp |
| chatbot (trợ lý trò chuyện) | chatbot | Ứng dụng để nói chuyện với một LLM |
| token (mẩu chữ) | token | Đơn vị chữ mà mô hình đọc và viết — một chữ hoặc một mẩu của chữ |
| token đầu vào / đầu ra | input / output tokens | Phần mô hình đọc vào / phần mô hình viết ra |
| tham số | parameter | Một "núm vặn" bên trong mô hình, được chỉnh dần lúc huấn luyện |
| huấn luyện | training | Cho mô hình đọc thật nhiều chữ và tập đoán, để chỉnh các núm vặn |
| mạng nơ-ron | neural network | Nhiều tầng "núm vặn" được chỉnh bằng ví dụ |
Thông tin tính đến tháng 11/2026.
No comments:
Post a Comment