Wikibooks viwikibooks https://vi.wikibooks.org/wiki/Trang_Ch%C3%ADnh MediaWiki 1.47.0-wmf.24 first-letter Phương tiện Đặc biệt Thảo luận Thành viên Thảo luận Thành viên Wikibooks Thảo luận Wikibooks Tập tin Thảo luận Tập tin MediaWiki Thảo luận MediaWiki Bản mẫu Thảo luận Bản mẫu Trợ giúp Thảo luận Trợ giúp Thể loại Thảo luận Thể loại Chủ đề Thảo luận Chủ đề Trẻ em Thảo luận Trẻ em Nấu ăn Thảo luận Nấu ăn TimedText TimedText talk Mô đun Thảo luận Mô đun Sự kiện Thảo luận Sự kiện 2 110538 543606 2026-10-24T18:28:38Z Qesefe 19666 trang cá nhân 543606 wikitext text/x-wiki Mình là [https://vi.wikipedia.org/wiki/Thành_viên:Qesefe| Qesefe]. Mình viết về trí tuệ nhân tạo & học máy. e9dlr20t5cuxtthl1ye4na7092k68z9 543607 543606 2026-10-24T18:29:13Z Qesefe 19666 trang cá nhân 543607 wikitext text/x-wiki Mình là [https://vi.wikipedia.org/wiki/Thành_viên:Qesefe Qesefe]. Mình viết về trí tuệ nhân tạo & học máy. p6ff9w8oxpu0f0s4hy21c9we5n5vekh 543609 543607 2026-10-24T20:14:06Z Qesefe 19666 trang cá nhân 543609 wikitext text/x-wiki Mình là [https://vi.wikipedia.org/wiki/Thành_viên:Qesefe Qesefe]. Mình viết về trí tuệ nhân tạo & học máy. [[Thành viên:Qesefe/Trí tuệ nhân tạo]] azls7ji67m2pp5ittcfjpl82y1r47uq 2 110539 543608 2026-10-24T20:10:45Z Qesefe 19666 AI 543608 wikitext text/x-wiki Trí tuệ nhân tạo (AI) Khi nhắc tới AI, người ta hẳn sẽ nghĩ tới trước tiên là các mô hình ngôn ngữ lớn (LLM) như ChatGPT, Claude, Gemini. Sâu hơn một tí thì chắc là các mô hình trí tuệ nhân tạo tạo sinh (''generative AI''), với khả năng tạo ra các ảnh và video đầy rẫy trên mạng – những cái mà người ta còn gọi là "rác AI" (''AI slop''). Hoặc ghê gớm hơn nữa thì chắc là những robot hình người trong khoa học viễn tưởng, với khả năng một ngày kia thay thế con người để thống trị thế giới... À thì chúng đúng đều là AI thật. Nhưng AI không chỉ có thế. AI là một phạm trù rất rộng lớn, bao gồm cả những thứ tầm thường như các thuật toán tìm kiếm hay các con bot trong trò chơi điện tử, cho đến các mô hình học máy tiên tiến hỗ trợ con người chẩn đoán hình ảnh, và tất nhiên, các mô hình ngôn ngữ lớn đang thay đổi cách xã hội vận hành theo từng ngày. Đừng thần thánh quá những gì AI có thể làm được, song cũng đừng vội phản đối mọi loại AI trên đời. Vì rất có thể, những gì bạn nghĩ là AI, nó không phải là AI! == Mục lục == === Tổng quan về Trí tuệ nhân tạo === * Trí tuệ nhân tạo là gì? * Lịch sử ngành trí tuệ nhân tạo * Tác nhân AI === Các bài toán cơ bản === * Giải thuật tìm kiếm ** Tìm kiếm theo chiều rộng (''Breadth-first Search'') ** Tìm kiếm theo chiều sâu (''Depth-first Search'') ** Tìm kiếm theo độ sâu sâu dần (''Iterative Deepening Search'') ** Tìm kiếm chi phí đồng nhất (''Uniform Cost Search''), thuật toán Dijkstra ** Thuật toán A* (''A* algorithm'') * Cây tìm kiếm đối kháng ** Minimax ** Thuật toán Alpha–Beta ** Expectimax * Bài toán thỏa mãn ràng buộc (''Constraints Satisfaction Problem'') === Học máy === * Học tăng cường (''Reinforcement learning'') ** Quá trình quyết định Markov (''Markov Decision Process'') *** Lặp giá trị (''Value Iteration'') *** Lặp chính sách (''Policy Iteration'') ** Monte Carlo ** TD learning ** Q learning ** SARSA * Học có giám sát (''Supervised learning'') ** Hồi quy tuyến tính (''Linear Regression'') ** Phân loại nhị phân (''Binary Classification'') *** Thuật toán Perceptron *** Hồi quy logistic (''Logistic Regression'') *** Ước lượng hợp lý cực đại (''Maximum Likelihood Estimation'') *** Entropy chéo (''Cross-Entropy'') *** Suy giảm độ dốc (''Gradient Descent'') *** Máy vector hỗ trợ (''Support Vector Machine'') *** Học PAC (''Probably Approximately Correct Learning'') ** Mạng thần kinh nhân tạo (''Artificial Neural Network'') *** Mạng Perceptron *** Hàm kích hoạt (''Activation Function'') *** Lan truyền ngược (''Backpropagation'') *** Suy giảm độ dốc ngẫu nhiên (''Stochastic Gradient Descent'') *** Động lượng (''Momentum'') và Adam ** Cây quyết định (''Decision Tree'') *** Random Forest *** XGBoost * Học không có giám sát (''Unsupervised learning'') ** Phân cụm K-means (''K-means Clustering'') ** Mô hình Gaussian hỗn hợp (''Gaussian Mixture Model'') ** Mô hình ngôn ngữ n-gram === Học sâu === * Mạng thần kinh tích chập (''Convolutional Neural Network'') ** LeNet ** AlexNet ** VGGNet ** GoogLeNet ** ResNet ** U-Net * Mạng thần kinh hồi quy (''Recurrent Neural Network'') ** Bộ nhớ dài–ngắn hạn (''Long Short-Term Memory'') ** Đơn vị hồi quy có cổng (''Gated Recurrent Unit'') ** Mô hình ngôn ngữ *** Túi từ (''Bag-of-word'') *** Word2vec *** seq2seq * Transformer ** Vision Transformer * Học biểu diễn ** Phép phân tích thành phần chính (''Principal Component Analysis'') ** Máy Boltzmann hạn chế (''Restricted Boltzmann Machine'') ** Bộ mã hóa tự động (''Autoencoder'') * Mô hình tạo sinh ** Mạng đối nghịch tạo sinh (''Generative Adversarial Network'') ** Bộ mã hóa tự động biến phân (''Variational Autoencoder'') ** Mô hình khuyếch tán (''Diffusion Model'') * Mô hình ngôn ngữ lớn ** Generative Pre-trained Transformer ** Bidirectional Encoder Representations from Transformers * Mạng thần kinh đồ thị * Các bài toán chung ** Tinh chỉnh (''Fine-tuning'') ** Học chuyển giao (''Transfer Learning'') ** Chưng cất tri thức (''Knowledge Distillation'') ** Học liên tục (''Continual Learning'') ** Thích ứng miền, tổng quát hóa miền (''Domain Adaptation/Generalization'') ** Học ít mẫu, học không mẫu (''Few-shot Learning, Zero-shot Learning'') ** Học cách quên (''Machine Unlearning'') === State-of-the-art === * Mô hình thị giác–ngôn ngữ (''Vision-Language Model'') * Mô hình thị giác–ngôn ngữ–hành động (''Vision-Language-Action Model'') * Mô hình nền tảng (''Foundation Model'') * Mô hình thế giới (''World Model'') rvnw3eiquz10kut8bpqx5q6eragtj3i 543610 543608 2026-10-25T01:04:16Z Qesefe 19666 /* Mục lục */ 543610 wikitext text/x-wiki Trí tuệ nhân tạo (AI) Khi nhắc tới AI, người ta hẳn sẽ nghĩ tới trước tiên là các mô hình ngôn ngữ lớn (LLM) như ChatGPT, Claude, Gemini. Sâu hơn một tí thì chắc là các mô hình trí tuệ nhân tạo tạo sinh (''generative AI''), với khả năng tạo ra các ảnh và video đầy rẫy trên mạng – những cái mà người ta còn gọi là "rác AI" (''AI slop''). Hoặc ghê gớm hơn nữa thì chắc là những robot hình người trong khoa học viễn tưởng, với khả năng một ngày kia thay thế con người để thống trị thế giới... À thì chúng đúng đều là AI thật. Nhưng AI không chỉ có thế. AI là một phạm trù rất rộng lớn, bao gồm cả những thứ tầm thường như các thuật toán tìm kiếm hay các con bot trong trò chơi điện tử, cho đến các mô hình học máy tiên tiến hỗ trợ con người chẩn đoán hình ảnh, và tất nhiên, các mô hình ngôn ngữ lớn đang thay đổi cách xã hội vận hành theo từng ngày. Đừng thần thánh quá những gì AI có thể làm được, song cũng đừng vội phản đối mọi loại AI trên đời. Vì rất có thể, những gì bạn nghĩ là AI, nó không phải là AI! == Mục lục == === Tổng quan về Trí tuệ nhân tạo === * Trí tuệ nhân tạo là gì? * Lịch sử ngành trí tuệ nhân tạo * Tác nhân AI === Các bài toán cơ bản === * Giải thuật tìm kiếm ** Tìm kiếm theo chiều rộng (''Breadth-first Search'') ** Tìm kiếm theo chiều sâu (''Depth-first Search'') ** Tìm kiếm theo độ sâu sâu dần (''Iterative Deepening Search'') ** Tìm kiếm chi phí đồng nhất (''Uniform Cost Search''), thuật toán Dijkstra ** Thuật toán A* (''A* algorithm'') * Cây tìm kiếm đối kháng ** Minimax ** Thuật toán Alpha–Beta ** Expectimax * Bài toán thỏa mãn ràng buộc (''Constraints Satisfaction Problem'') === Học máy === * Học tăng cường (''Reinforcement learning'') ** Quá trình quyết định Markov (''Markov Decision Process'') *** Lặp giá trị (''Value Iteration'') *** Lặp chính sách (''Policy Iteration'') ** Monte Carlo ** TD learning ** Q learning ** SARSA * Học có giám sát (''Supervised learning'') ** Hồi quy tuyến tính (''Linear Regression'') ** Phân loại nhị phân (''Binary Classification'') *** Thuật toán Perceptron *** Hồi quy logistic (''Logistic Regression'') *** Ước lượng hợp lý cực đại (''Maximum Likelihood Estimation'') *** Entropy chéo (''Cross-Entropy'') *** Suy giảm độ dốc (''Gradient Descent'') *** Máy vector hỗ trợ (''Support Vector Machine'') *** Học PAC (''Probably Approximately Correct Learning'') ** Mạng thần kinh nhân tạo (''Artificial Neural Network'') *** Mạng Perceptron *** Hàm kích hoạt (''Activation Function'') *** Lan truyền ngược (''Backpropagation'') *** Suy giảm độ dốc ngẫu nhiên (''Stochastic Gradient Descent'') *** Động lượng (''Momentum'') và Adam ** Cây quyết định (''Decision Tree'') *** Random Forest *** XGBoost * Học không có giám sát (''Unsupervised learning'') ** Phân cụm K-means (''K-means Clustering'') ** Mô hình Gaussian hỗn hợp (''Gaussian Mixture Model'') ** Mô hình ngôn ngữ n-gram === Học sâu === * Mạng thần kinh tích chập (''Convolutional Neural Network'') ** LeNet ** AlexNet ** VGGNet ** GoogLeNet ** ResNet ** U-Net * Mạng thần kinh hồi quy (''Recurrent Neural Network'') ** Bộ nhớ dài–ngắn hạn (''Long Short-Term Memory'') ** Đơn vị hồi quy có cổng (''Gated Recurrent Unit'') ** Mô hình ngôn ngữ *** Túi từ (''Bag-of-word'') *** Word2vec *** seq2seq * Transformer ** Vision Transformer * Học biểu diễn ** Phép phân tích thành phần chính (''Principal Component Analysis'') ** Máy Boltzmann hạn chế (''Restricted Boltzmann Machine'') ** Bộ mã hóa tự động (''Autoencoder'') * Mô hình tạo sinh ** Mạng đối nghịch tạo sinh (''Generative Adversarial Network'') ** Bộ mã hóa tự động biến phân (''Variational Autoencoder'') ** Mô hình khuyếch tán (''Diffusion Model'') * Mô hình ngôn ngữ lớn ** Generative Pre-trained Transformer ** Bidirectional Encoder Representations from Transformers * Mạng thần kinh đồ thị * Các bài toán chung ** Tinh chỉnh (''Fine-tuning'') ** Học chuyển giao (''Transfer Learning'') ** Chưng cất tri thức (''Knowledge Distillation'') ** Học liên tục (''Continual Learning'') ** Thích ứng miền, tổng quát hóa miền (''Domain Adaptation/Generalization'') ** Học ít mẫu, học không mẫu (''Few-shot Learning, Zero-shot Learning'') ** Học cách quên (''Machine Unlearning'') === State-of-the-art === * Mô hình thị giác–ngôn ngữ (''Vision-Language Model'') * Mô hình thị giác–ngôn ngữ–hành động (''Vision-Language-Action Model'') * Mô hình nền tảng (''Foundation Model'') * Mô hình thế giới (''World Model'') === Các vấn đề xã hội === * Tác động về môi trường của các mô hình lớn và các trung tâm dữ liệu * Bong bóng AI * Liệu AI có thay thế con người? mgfijtwxdbzxdin4dxf3bozpu5wo3dl 543611 543610 2026-10-25T01:23:45Z Qesefe 19666 /* Mục lục */ sửa thứ tự 543611 wikitext text/x-wiki Trí tuệ nhân tạo (AI) Khi nhắc tới AI, người ta hẳn sẽ nghĩ tới trước tiên là các mô hình ngôn ngữ lớn (LLM) như ChatGPT, Claude, Gemini. Sâu hơn một tí thì chắc là các mô hình trí tuệ nhân tạo tạo sinh (''generative AI''), với khả năng tạo ra các ảnh và video đầy rẫy trên mạng – những cái mà người ta còn gọi là "rác AI" (''AI slop''). Hoặc ghê gớm hơn nữa thì chắc là những robot hình người trong khoa học viễn tưởng, với khả năng một ngày kia thay thế con người để thống trị thế giới... À thì chúng đúng đều là AI thật. Nhưng AI không chỉ có thế. AI là một phạm trù rất rộng lớn, bao gồm cả những thứ tầm thường như các thuật toán tìm kiếm hay các con bot trong trò chơi điện tử, cho đến các mô hình học máy tiên tiến hỗ trợ con người chẩn đoán hình ảnh, và tất nhiên, các mô hình ngôn ngữ lớn đang thay đổi cách xã hội vận hành theo từng ngày. Đừng thần thánh quá những gì AI có thể làm được, song cũng đừng vội phản đối mọi loại AI trên đời. Vì rất có thể, những gì bạn nghĩ là AI, nó không phải là AI! == Mục lục == === Tổng quan về trí tuệ nhân tạo === * Trí tuệ nhân tạo là gì? * Lịch sử ngành trí tuệ nhân tạo * Tác nhân và môi trường * Các cách tiếp cận trí tuệ nhân tạo * Kiến thức nền tảng và hướng dẫn đọc sách === Tìm kiếm, suy luận và ra quyết định === * Giải bài toán bằng tìm kiếm ** Biểu diễn bài toán và không gian trạng thái (''State Space'') ** Tìm kiếm không có thông tin (''Uninformed Search'') *** Tìm kiếm theo chiều rộng (''Breadth-First Search'') *** Tìm kiếm theo chiều sâu (''Depth-First Search'') *** Tìm kiếm sâu dần (''Iterative Deepening Search'') *** Tìm kiếm chi phí đồng nhất (''Uniform-Cost Search'') và thuật toán Dijkstra ** Tìm kiếm có heuristic (''Heuristic Search'') *** Tìm kiếm tham lam tốt nhất trước (''Greedy Best-First Search'') *** Thuật toán A* *** Heuristic chấp nhận được và nhất quán (''Admissible and Consistent Heuristics'') * Tìm kiếm đối kháng (''Adversarial Search'') ** Minimax ** Cắt tỉa alpha–beta (''Alpha–Beta Pruning'') ** Expectimax * Tìm kiếm cục bộ và tối ưu hóa ** Leo đồi (''Hill Climbing'') ** Mô phỏng tôi luyện (''Simulated Annealing'') ** Thuật toán tiến hóa (''Evolutionary Algorithms'') * Bài toán thỏa mãn ràng buộc (''Constraint Satisfaction Problem'') ** Tìm kiếm quay lui (''Backtracking Search'') ** Heuristic chọn biến và giá trị ** Kiểm tra trước (''Forward Checking'') ** Tính nhất quán cung (''Arc Consistency'') và thuật toán AC-3 * Biểu diễn tri thức và suy luận logic ** Logic mệnh đề (''Propositional Logic'') ** Logic vị từ bậc nhất (''First-Order Logic'') ** Kiểm tra mô hình (''Model Checking'') ** Hợp giải (''Resolution'') ** Suy diễn tiến và suy diễn lùi (''Forward and Backward Chaining'') * Lập kế hoạch tự động (''Automated Planning'') * Suy luận dưới bất định ** Cơ sở xác suất và định lí Bayes ** Mạng Bayes (''Bayesian Network'') ** Mô hình Markov và mô hình Markov ẩn (''Hidden Markov Model'') * Ra quyết định ** Độ hữu dụng và độ hữu dụng kì vọng (''Utility and Expected Utility'') ** Quá trình quyết định Markov (''Markov Decision Process'') ** Lặp giá trị (''Value Iteration'') ** Lặp chính sách (''Policy Iteration'') === Học máy === * Nguyên lí chung ** Dữ liệu, mô hình và hàm mất mát (''Loss Function'') ** Ước lượng tham số và tối ưu hóa *** Ước lượng hợp lý cực đại (''Maximum Likelihood Estimation'') *** Entropy chéo (''Cross-Entropy'') *** Suy giảm độ dốc (''Gradient Descent'') ** Quá khớp, thiếu khớp và điều chuẩn (''Overfitting, Underfitting, Regularization'') ** Đánh giá và lựa chọn mô hình *** Tập huấn luyện, tập xác thực và tập kiểm tra *** Kiểm định chéo (''Cross-Validation'') *** Các chỉ số đánh giá *** Rò rỉ dữ liệu (''Data Leakage'') ** Khả năng tổng quát hóa (''Generalization'') và học PAC (''Probably Approximately Correct Learning'') * Học có giám sát (''Supervised Learning'') ** Hồi quy tuyến tính (''Linear Regression'') ** Phân loại nhị phân và đa lớp (''Binary and Multiclass Classification'') ** Thuật toán Perceptron ** Hồi quy logistic (''Logistic Regression'') ** K láng giềng gần nhất (''K-Nearest Neighbours'') ** Naive Bayes ** Máy vector hỗ trợ (''Support Vector Machine'') ** Cây quyết định (''Decision Tree'') ** Học tổ hợp (''Ensemble Learning'') *** Bagging và rừng ngẫu nhiên (''Random Forest'') *** Boosting và XGBoost * Học không có giám sát (''Unsupervised Learning'') ** Phân cụm (''Clustering'') *** Phân cụm K-means *** Phân cụm phân cấp (''Hierarchical Clustering'') ** Ước lượng mật độ (''Density Estimation'') *** Mô hình Gaussian hỗn hợp (''Gaussian Mixture Model'') *** Thuật toán cực đại hóa kì vọng (''Expectation–Maximization Algorithm'') ** Giảm chiều (''Dimensionality Reduction'') *** Phân tích thành phần chính (''Principal Component Analysis'') * Học tăng cường (''Reinforcement Learning'') ** Chính sách, hàm giá trị và phương trình Bellman (''Policy, Value Function, Bellman Equation'') ** Khám phá và khai thác (''Exploration and Exploitation'') ** Phương pháp Monte Carlo ** Học sai phân thời gian (''Temporal-Difference Learning'') *** Dự đoán bằng TD(0) *** SARSA: học cùng chính sách (''On-Policy Learning'') *** Q-learning: học khác chính sách (''Off-Policy Learning'') === Học sâu === * Cơ sở mạng thần kinh nhân tạo (''Artificial Neural Network'') ** Perceptron đa lớp (''Multilayer Perceptron'') ** Hàm kích hoạt (''Activation Function'') và hàm mất mát ** Lan truyền ngược (''Backpropagation'') ** Suy giảm độ dốc ngẫu nhiên (''Stochastic Gradient Descent'') ** Động lượng (''Momentum'') và Adam ** Khởi tạo trọng số ** Gradient tiêu biến và bùng nổ (''Vanishing and Exploding Gradients'') ** Điều chuẩn và chuẩn hóa (''Regularization and Normalization'') ** Tăng cường dữ liệu (''Data Augmentation'') * Mạng thần kinh tích chập (''Convolutional Neural Network'') ** LeNet ** AlexNet ** VGGNet ** GoogLeNet ** ResNet ** U-Net * Mạng thần kinh hồi quy (''Recurrent Neural Network'') ** Bộ nhớ dài–ngắn hạn (''Long Short-Term Memory'') ** Đơn vị hồi quy có cổng (''Gated Recurrent Unit'') * Biểu diễn dữ liệu bằng mạng thần kinh ** Word2vec ** Bộ mã hóa tự động (''Autoencoder'') ** Máy Boltzmann hạn chế (''Restricted Boltzmann Machine'') * Mô hình hóa chuỗi và cơ chế attention ** Kiến trúc mã hóa–giải mã (''Encoder–Decoder'') và seq2seq (''Sequence-to-Sequence'') ** Cơ chế attention * Transformer ** Transformer chỉ mã hóa (''Encoder-Only Transformer'') ** Transformer chỉ giải mã (''Decoder-Only Transformer'') ** Transformer mã hóa–giải mã (''Encoder–Decoder Transformer'') ** Vision Transformer * Mô hình tạo sinh (''Generative Model'') ** Mô hình tự hồi quy (''Autoregressive Model'') ** Bộ mã hóa tự động biến phân (''Variational Autoencoder'') ** Mạng đối nghịch tạo sinh (''Generative Adversarial Network'') ** Mô hình khuếch tán (''Diffusion Model'') * Mạng thần kinh đồ thị (''Graph Neural Network'') * Học tăng cường sâu (''Deep Reinforcement Learning'') * Tiền huấn luyện (''Pretraining'') và mô hình nền tảng (''Foundation Model'') ** Học tự giám sát (''Self-Supervised Learning'') ** Mô hình ngôn ngữ lớn (''Large Language Model'') *** GPT (''Generative Pre-trained Transformer'') *** BERT (''Bidirectional Encoder Representations from Transformers'') ** Mô hình đa phương thức (''Multimodal Model'') *** Mô hình thị giác–ngôn ngữ (''Vision–Language Model'') * Các thiết lập và phương pháp học mở rộng ** Học bán giám sát (''Semi-Supervised Learning'') ** Học chuyển giao và tinh chỉnh (''Transfer Learning and Fine-Tuning'') ** Chưng cất tri thức (''Knowledge Distillation'') ** Học liên tục (''Continual Learning'') ** Thích ứng miền và tổng quát hóa miền (''Domain Adaptation and Domain Generalization'') ** Học ít mẫu và học không mẫu (''Few-Shot Learning and Zero-Shot Learning'') ** Học cách quên (''Machine Unlearning'') * Các hướng nghiên cứu nâng cao ** Mô hình thị giác–ngôn ngữ–hành động (''Vision–Language–Action Model'') ** Mô hình thế giới (''World Model'') === Các lĩnh vực ứng dụng === * Thị giác máy tính (''Computer Vision'') * Xử lí ngôn ngữ tự nhiên (''Natural Language Processing'') ** Mô hình túi từ (''Bag-of-Words Model'') ** Mô hình ngôn ngữ n-gram * Xử lí tiếng nói * Hệ gợi ý (''Recommender System'') * Robot và hệ thống tự hành * Ứng dụng trong khoa học, y tế và các lĩnh vực khác === Các vấn đề xã hội === * Thiên lệch và công bằng * Quyền riêng tư và sử dụng dữ liệu * Bản quyền * An toàn, bảo mật và lạm dụng AI * Khả năng giải thích và trách nhiệm * Tác động đối với lao động và việc làm * Tác động đối với môi trường * Đầu tư, thương mại hóa và nguy cơ bong bóng AI 5al6me5tlf4u6e0ogzfze5gfcdyk6mn 543612 543611 2026-10-25T01:30:54Z Qesefe 19666 thêm các đề mục 543612 wikitext text/x-wiki Trí tuệ nhân tạo (AI) Khi nhắc tới AI, người ta hẳn sẽ nghĩ tới trước tiên là các mô hình ngôn ngữ lớn (LLM) như ChatGPT, Claude, Gemini. Sâu hơn một tí thì chắc là các mô hình trí tuệ nhân tạo tạo sinh (''generative AI''), với khả năng tạo ra các ảnh và video đầy rẫy trên mạng – những cái mà người ta còn gọi là "rác AI" (''AI slop''). Hoặc ghê gớm hơn nữa thì chắc là những robot hình người trong khoa học viễn tưởng, với khả năng một ngày kia thay thế con người để thống trị thế giới... À thì chúng đúng đều là AI thật. Nhưng AI không chỉ có thế. AI là một phạm trù rất rộng lớn, bao gồm cả những thứ tầm thường như các thuật toán tìm kiếm hay các con bot trong trò chơi điện tử, cho đến các mô hình học máy tiên tiến hỗ trợ con người chẩn đoán hình ảnh, và tất nhiên, các mô hình ngôn ngữ lớn đang thay đổi cách xã hội vận hành theo từng ngày. Đừng thần thánh quá những gì AI có thể làm được, song cũng đừng vội phản đối mọi loại AI trên đời. Vì rất có thể, những gì bạn nghĩ là AI, nó không phải là AI! == Mục lục == === Tổng quan về trí tuệ nhân tạo === * Trí tuệ nhân tạo là gì? * Lịch sử ngành trí tuệ nhân tạo * Tác nhân và môi trường * Các cách tiếp cận trí tuệ nhân tạo * Kiến thức nền tảng và hướng dẫn đọc sách === Tìm kiếm, suy luận và ra quyết định === * Giải bài toán bằng tìm kiếm ** Biểu diễn bài toán và không gian trạng thái (''State Space'') ** Tìm kiếm không có thông tin (''Uninformed Search'') *** Tìm kiếm theo chiều rộng (''Breadth-First Search'') *** Tìm kiếm theo chiều sâu (''Depth-First Search'') *** Tìm kiếm sâu dần (''Iterative Deepening Search'') *** Tìm kiếm chi phí đồng nhất (''Uniform-Cost Search'') và thuật toán Dijkstra ** Tìm kiếm có heuristic (''Heuristic Search'') *** Tìm kiếm tham lam tốt nhất trước (''Greedy Best-First Search'') *** Thuật toán A* *** Heuristic chấp nhận được và nhất quán (''Admissible and Consistent Heuristics'') * Tìm kiếm đối kháng (''Adversarial Search'') ** Minimax ** Cắt tỉa alpha–beta (''Alpha–Beta Pruning'') ** Expectimax * Tìm kiếm cục bộ và tối ưu hóa ** Leo đồi (''Hill Climbing'') ** Mô phỏng tôi luyện (''Simulated Annealing'') ** Thuật toán tiến hóa (''Evolutionary Algorithms'') * Bài toán thỏa mãn ràng buộc (''Constraint Satisfaction Problem'') ** Tìm kiếm quay lui (''Backtracking Search'') ** Heuristic chọn biến và giá trị ** Kiểm tra trước (''Forward Checking'') ** Tính nhất quán cung (''Arc Consistency'') và thuật toán AC-3 * Biểu diễn tri thức và suy luận logic ** Logic mệnh đề (''Propositional Logic'') ** Logic vị từ bậc nhất (''First-Order Logic'') ** Kiểm tra mô hình (''Model Checking'') ** Hợp giải (''Resolution'') ** Suy diễn tiến và suy diễn lùi (''Forward and Backward Chaining'') * Lập kế hoạch tự động (''Automated Planning'') * Suy luận dưới bất định ** Cơ sở xác suất và định lí Bayes ** Mạng Bayes (''Bayesian Network'') ** Mô hình Markov và mô hình Markov ẩn (''Hidden Markov Model'') * Ra quyết định ** Độ hữu dụng và độ hữu dụng kì vọng (''Utility and Expected Utility'') ** Quá trình quyết định Markov (''Markov Decision Process'') ** Lặp giá trị (''Value Iteration'') ** Lặp chính sách (''Policy Iteration'') === Học máy === * Nguyên lí chung ** Dữ liệu, mô hình và hàm mất mát (''Loss Function'') ** Ước lượng tham số và tối ưu hóa *** Ước lượng hợp lý cực đại (''Maximum Likelihood Estimation'') *** Entropy chéo (''Cross-Entropy'') *** Suy giảm độ dốc (''Gradient Descent'') ** Quá khớp, thiếu khớp và điều chuẩn (''Overfitting, Underfitting, Regularization'') ** Đánh giá và lựa chọn mô hình *** Tập huấn luyện, tập xác thực và tập kiểm tra *** Kiểm định chéo (''Cross-Validation'') *** Các chỉ số đánh giá *** Rò rỉ dữ liệu (''Data Leakage'') ** Khả năng tổng quát hóa (''Generalization'') và học PAC (''Probably Approximately Correct Learning'') * Học có giám sát (''Supervised Learning'') ** Hồi quy tuyến tính (''Linear Regression'') ** Phân loại nhị phân và đa lớp (''Binary and Multiclass Classification'') ** Thuật toán Perceptron ** Hồi quy logistic (''Logistic Regression'') ** K láng giềng gần nhất (''K-Nearest Neighbours'') ** Naive Bayes ** Máy vector hỗ trợ (''Support Vector Machine'') ** Cây quyết định (''Decision Tree'') ** Học tổ hợp (''Ensemble Learning'') *** Bagging và rừng ngẫu nhiên (''Random Forest'') *** Boosting và XGBoost * Học không có giám sát (''Unsupervised Learning'') ** Phân cụm (''Clustering'') *** Phân cụm K-means *** Phân cụm phân cấp (''Hierarchical Clustering'') ** Ước lượng mật độ (''Density Estimation'') *** Mô hình Gaussian hỗn hợp (''Gaussian Mixture Model'') *** Thuật toán cực đại hóa kì vọng (''Expectation–Maximization Algorithm'') ** Giảm chiều (''Dimensionality Reduction'') *** Phân tích thành phần chính (''Principal Component Analysis'') * Học tăng cường (''Reinforcement Learning'') ** Chính sách, hàm giá trị và phương trình Bellman (''Policy, Value Function, Bellman Equation'') ** Khám phá và khai thác (''Exploration and Exploitation'') ** Phương pháp Monte Carlo ** Học sai phân thời gian (''Temporal-Difference Learning'') *** Dự đoán bằng TD(0) *** SARSA: học cùng chính sách (''On-Policy Learning'') *** Q-learning: học khác chính sách (''Off-Policy Learning'') * Biểu diễn văn bản và mô hình ngôn ngữ thống kê ** Mô hình túi từ (''Bag-of-Words Model'') ** TF-IDF (''Term Frequency–Inverse Document Frequency'') ** Mô hình ngôn ngữ N-gram *** Ước lượng xác suất *** Làm trơn xác suất (''Smoothing'') === Học sâu === * Cơ sở mạng thần kinh nhân tạo (''Artificial Neural Network'') ** Perceptron đa lớp (''Multilayer Perceptron'') ** Hàm kích hoạt (''Activation Function'') và hàm mất mát ** Lan truyền ngược (''Backpropagation'') ** Suy giảm độ dốc ngẫu nhiên (''Stochastic Gradient Descent'') ** Động lượng (''Momentum'') và Adam ** Khởi tạo trọng số ** Gradient tiêu biến và bùng nổ (''Vanishing and Exploding Gradients'') ** Điều chuẩn và chuẩn hóa (''Regularization and Normalization'') ** Tăng cường dữ liệu (''Data Augmentation'') * Mạng thần kinh tích chập (''Convolutional Neural Network'') ** LeNet ** AlexNet ** VGGNet ** GoogLeNet ** ResNet ** U-Net * Mạng thần kinh hồi quy (''Recurrent Neural Network'') ** Bộ nhớ dài–ngắn hạn (''Long Short-Term Memory'') ** Đơn vị hồi quy có cổng (''Gated Recurrent Unit'') * Biểu diễn dữ liệu bằng mạng thần kinh ** Word2vec ** Bộ mã hóa tự động (''Autoencoder'') ** Máy Boltzmann hạn chế (''Restricted Boltzmann Machine'') * Mô hình hóa chuỗi và cơ chế attention ** Kiến trúc mã hóa–giải mã (''Encoder–Decoder'') và seq2seq (''Sequence-to-Sequence'') ** Cơ chế attention * Transformer ** Transformer chỉ mã hóa (''Encoder-Only Transformer'') ** Transformer chỉ giải mã (''Decoder-Only Transformer'') ** Transformer mã hóa–giải mã (''Encoder–Decoder Transformer'') ** Vision Transformer * Mô hình tạo sinh (''Generative Model'') ** Mô hình tự hồi quy (''Autoregressive Model'') ** Bộ mã hóa tự động biến phân (''Variational Autoencoder'') ** Mạng đối nghịch tạo sinh (''Generative Adversarial Network'') ** Mô hình khuếch tán (''Diffusion Model'') * Mạng thần kinh đồ thị (''Graph Neural Network'') * Tiền huấn luyện (''Pretraining'') và mô hình nền tảng (''Foundation Model'') ** Học tự giám sát (''Self-Supervised Learning'') ** Mô hình ngôn ngữ lớn (''Large Language Model'') *** GPT (''Generative Pre-trained Transformer'') *** BERT (''Bidirectional Encoder Representations from Transformers'') ** Mô hình đa phương thức (''Multimodal Model'') *** Mô hình thị giác–ngôn ngữ (''Vision–Language Model'') ** Trí tuệ nhân tạo mã nguồn mở * Học tăng cường sâu (''Deep Reinforcement Learning'') ** Học tăng cường từ phản hồi của con người (''Reinforcement Learning from Human Feedback'') * Các thiết lập và phương pháp học mở rộng ** Học bán giám sát (''Semi-Supervised Learning'') ** Học chuyển giao và tinh chỉnh (''Transfer Learning and Fine-Tuning'') ** Chưng cất tri thức (''Knowledge Distillation'') ** Học liên tục (''Continual Learning'') ** Thích ứng miền và tổng quát hóa miền (''Domain Adaptation and Domain Generalization'') ** Học ít mẫu và học không mẫu (''Few-Shot Learning and Zero-Shot Learning'') ** Học cách quên (''Machine Unlearning'') * Các hướng nghiên cứu nâng cao ** Mô hình thị giác–ngôn ngữ–hành động (''Vision–Language–Action Model'') ** Mô hình thế giới (''World Model'') === Các lĩnh vực ứng dụng === * Thị giác máy tính (''Computer Vision'') * Xử lí ngôn ngữ tự nhiên (''Natural Language Processing'') * Xử lí tiếng nói * Hệ gợi ý (''Recommender System'') * Robot và hệ thống tự hành * Ứng dụng trong khoa học, y tế và các lĩnh vực khác === Các vấn đề xã hội === * Thiên lệch và công bằng * Quyền riêng tư và sử dụng dữ liệu * Bản quyền * Trí tuệ nhân tạo mã nguồn mở * An toàn, bảo mật và lạm dụng AI * Khả năng giải thích và trách nhiệm * Tác động đối với lao động và việc làm * Tác động đối với môi trường * Đầu tư, thương mại hóa và nguy cơ bong bóng AI g2r1lo6p0562qsyq9uwxzk4vr0renhk