Ba ý liên quan nhưng khác nhau
**Tri thức** là những hiểu biết hệ thống sử dụng khi xử lí nhiệm vụ. **Suy luận** là vận dụng thông tin và tri thức để đưa ra kết luận. **Học** là quá trình rút ra thông tin từ dữ liệu để điều chỉnh cách xử lí.
Với hệ dựa trên luật, tri thức có thể được chuyên gia cung cấp rõ ràng. Với hệ học máy, những đặc điểm và quan hệ học được từ dữ liệu được biểu diễn trong mô hình. Không nên hình dung mọi hệ AI đều giữ tri thức như một bảng câu hỏi–đáp án có sẵn.
Hệ thống nhận biết cây giả định
Một hệ thống được huấn luyện từ nhiều ảnh lá đã ghi tên cây. Quá trình rút ra các đặc điểm từ ảnh mẫu thể hiện **học**. Những đặc điểm và quan hệ đã học là cơ sở để hệ thống xử lí ảnh mới.
Trong tình huống minh họa, hệ còn có hai quy tắc đơn giản: “nếu ảnh quá mờ thì yêu cầu chụp lại”; “nếu đủ rõ thì đưa ra gợi ý tên cây”. Khi ảnh mới quá mờ, hệ dùng thông tin về ảnh và quy tắc thứ nhất để kết luận cần ảnh khác. Đó là một ví dụ **suy luận** dựa trên thông tin và tri thức.
Các quy tắc này chỉ dùng để phân biệt ba khái niệm, không phải mô tả đầy đủ một phần mềm nhận dạng cây.
AI tạo sinh và việc dùng ngữ cảnh
**AI tạo sinh** (*Generative AI*) tạo nội dung như văn bản, hình ảnh hoặc âm thanh. SGK dùng ChatGPT làm ví dụ về hệ xử lí và tạo ngôn ngữ. Viết một đoạn giới thiệu theo yêu cầu khác với chỉ tìm và trả lại nguyên một tệp đã lưu.
Giả sử một trợ lí nhận đoạn mô tả hư cấu về cây, tóm tắt thành ba câu, rồi viết ngắn hơn khi được yêu cầu. Điều quan sát được là xử lí yêu cầu và dùng ngữ cảnh cuộc trao đổi. Chỉ từ đó chưa thể kết luận mô hình đã được huấn luyện lại ngay sau mỗi tin nhắn. **Dùng thông tin trong ngữ cảnh** và **học qua huấn luyện** cần được phân biệt.
Văn bản tạo ra có thể có chi tiết sai dù câu chữ trôi chảy. Vì thế, các thông tin thực tế cần được đối chiếu với nguồn phù hợp trước khi sử dụng.
Bài luyện
Trong ví dụ nhận biết cây, bước nào trực tiếp thể hiện học?
Đúng. Hệ thống học từ các mẫu để điều chỉnh cách nhận dạng.
Lưu ảnh tự nó chưa cho thấy học từ ảnh.
Hiển thị nút là chức năng giao diện, chưa phải học.
Truyền dữ liệu chưa phải rút ra đặc điểm từ dữ liệu.
Lời giải
Quá trình huấn luyện rút ra đặc điểm từ các ảnh đã biết tên cây là biểu hiện học. Lưu, truyền hay hiển thị ảnh có thể phục vụ hệ thống nhưng tự chúng không chứng minh có học.
Bài luyện
Hệ biết ảnh quá mờ và áp dụng luật “nếu ảnh quá mờ thì yêu cầu chụp lại”. Việc đi tới yêu cầu chụp lại thể hiện gì?
Không có chuyển đổi ngôn ngữ trong tình huống.
Đề chỉ nêu áp dụng một luật, không có quá trình huấn luyện mới.
Đúng. Kết hợp điều kiện đang có với quy tắc dẫn đến kết luận.
Đây là quyết định xử lí ảnh, không phải tăng dung lượng.
Lời giải
Thông tin “ảnh quá mờ” thỏa mãn điều kiện của luật đã có, nên hệ đưa ra kết luận “yêu cầu chụp lại”. Đây là suy luận từ thông tin và tri thức, không phải bằng chứng huấn luyện lại.
Bài luyện
Trợ lí sửa bản tóm tắt theo yêu cầu mới trong cùng cuộc trao đổi. Kết luận nào có đủ căn cứ?
Điều chỉnh theo ngữ cảnh không chứng minh huấn luyện lại mô hình.
Đúng. Đây là biểu hiện trực tiếp quan sát được.
Số lần sửa không bảo đảm độ đúng của nội dung.
Đề không cho căn cứ về mọi thông tin bên ngoài.
Lời giải
Trợ lí nhận yêu cầu mới và điều chỉnh câu trả lời trong cuộc trao đổi, nên có căn cứ nói nó dùng ngữ cảnh. Không có dữ kiện để khẳng định huấn luyện lại ngay lúc đó hoặc nội dung luôn đúng.
Đang học