Lợi nhuận:
- Có thể phân biệt các khái niệm về trí tuệ nhân tạo, học máy và mô hình ngôn ngữ lớn
- Giải thích những công nghệ này khác với phần mềm truyền thống như thế nào
- Có thể nhận biết các ví dụ AI gặp phải trong đời sống kinh doanh hàng ngày
Trong những năm gần đây, từ “trí tuệ nhân tạo” xuất hiện ở khắp mọi nơi: trong tin tức, trong quảng cáo, trong các cuộc họp kinh doanh, thậm chí trong camera của điện thoại bạn sử dụng. Nhưng chính xác nó có nghĩa là gì? Học phần này giải thích chủ đề từ những điều cơ bản mà không sử dụng thuật ngữ chuyên môn và bằng cách kết nối nó với cuộc sống kinh doanh của bạn. Mục đích không phải là biến bạn thành kỹ sư; Để giúp bạn trở thành người dùng có ý thức, hiểu rõ công cụ bạn sử dụng là gì và lý do họ làm những việc đó. Bởi vì bạn càng hiểu rõ về một phương tiện thì bạn sẽ sử dụng nó càng an toàn và hiệu quả hơn.
Bạn thường nghe thấy ba khái niệm đan xen: trí tuệ nhân tạo, học máy và mô hình ngôn ngữ lớn. Đây không phải là điều tương tự; Chúng ngày càng thu hẹp các vòng, cái này ở trong cái kia. Bây giờ hãy giải thích từng điều một bằng các ví dụ hàng ngày.
Ba khái niệm, ba vòng lồng vào nhau
Trí tuệ nhân tạo (AI): Là tên chung của một lĩnh vực rộng lớn cho phép máy tính thực hiện các nhiệm vụ thường đòi hỏi trí thông minh của con người (hiểu biết, ra quyết định, nhận dạng, sử dụng ngôn ngữ). Chương trình cờ vua, ứng dụng dịch thuật và trợ lý giọng nói cũng nằm trong phạm vi này.
Học máy (ML): Đây là nhánh phụ phổ biến nhất của trí tuệ nhân tạo. Ở đây, chúng tôi không viết từng quy tắc một vào máy tính; Chúng tôi cho anh ấy xem rất nhiều mẫu và anh ấy tự chọn mẫu trong đó. Do đó có tên “machine learning”: máy học từ các ví dụ.
Mô hình ngôn ngữ lớn (LLM): Đây là một loại máy học đặc biệt chuyên về văn bản. Nó được đào tạo với hàng tỷ câu; Nó được sử dụng trong các nhiệm vụ như hiểu ngôn ngữ, sản xuất, tóm tắt và dịch thuật. Đây là công nghệ đằng sau các công cụ như ChatGPT, Gemini, Claude. Các công cụ trong mô-đun này, mà chúng tôi gọi là "AI tạo thế hệ" (AI tạo văn bản/hình ảnh), chủ yếu dựa trên LLM.
Gợi ý: Hãy nhớ điều này: AI là chiếc hộp lớn nhất, máy học là chiếc hộp bên trong nó và mô hình ngôn ngữ lớn là chiếc hộp trong cùng. “Mọi LLM đều là sản phẩm của máy học và mọi máy học đều là AI, nhưng điều ngược lại không phải lúc nào cũng đúng.”
Sự khác biệt với phần mềm truyền thống: Ai viết quy tắc?
Đây là sự khác biệt quan trọng nhất để hiểu. Trong phần mềm truyền thống, con người (lập trình viên) viết từng quy tắc một: "Nếu số lượng đặt hàng vượt quá 500 TL, việc vận chuyển sẽ được miễn phí." Máy tính tuân theo quy tắc này đến từng chữ cái, không hơn, không kém.
Trong học máy, con người không viết ra các quy tắc; Mô hình tự khám phá quy tắc từ các ví dụ được hiển thị cho nó. Ví dụ: bạn hiển thị hàng nghìn email "spam" và "không spam"; Bản thân mô hình sẽ tìm hiểu những từ và cụm từ nào chỉ ra thư rác. Không ai viết từng chữ một rằng “có chữ này thì là spam”.
tính năng
Phần mềm truyền thống
Học máy / AI
Ai đặt ra các quy tắc?
Người đàn ông viết từng cái một
Mô hình suy luận từ các ví dụ
Đầu ra có luôn giống nhau không?
Đầu vào giống nhau → đầu ra giống nhau
Cùng một đầu vào → tương tự nhưng đầu ra thay đổi
Khi nào nó mạnh?
Làm việc với những quy định rõ ràng, dứt khoát
Hoạt động với nhiều mẫu và quy tắc khó
độ tin cậy
có thể đoán trước được, ổn định
Thống kê, yêu cầu xác minh
ví dụ
tài khoản trả lương
Cải thiện âm thanh email
Sự khác biệt này là cơ sở của chủ đề “ảo giác” và “xác minh” mà bạn sẽ học sau: Vì mô hình tự rút ra quy tắc nên đôi khi sai nên đầu ra của nó không thể tin cậy một cách mù quáng.
Bạn đã nhìn thấy nó trong cuộc sống kinh doanh hàng ngày của bạn
Đừng nghĩ AI là thứ gì đó mới mẻ; Có lẽ bạn đã sử dụng nó trong nhiều năm:
- Bộ lọc thư rác trong hộp thư email của bạn (một mô hình đã biết email nào là rác).
- Dự đoán bàn phím trên điện thoại của bạn (một mô hình ngôn ngữ nhỏ gợi ý từ tiếp theo).
- Cảnh báo giao dịch gian lận của ngân hàng của bạn (mô hình phát hiện chi tiêu bất thường).
- Tính năng tự động điền và đề xuất của chương trình bảng tính của bạn.
- Hệ thống khuyến nghị trong các ứng dụng video và âm nhạc.
Điều mới là công nghệ này hiện có thể nói bằng ngôn ngữ tự nhiên. Vì vậy, bạn viết như thể bạn đang nói chuyện với một chuyên gia, anh ấy hiểu và trả lời. Đây là nơi cơ hội thực sự nằm ở nơi làm việc.
Ba hộp nhỏ
Trường hợp 1 — Ayşe, giám đốc văn phòng. Anh ấy đang phân loại thủ công khoảng 40 email của nhà cung cấp mỗi tuần; Phải mất trung bình 90 phút. Nó bắt đầu có các email gắn nhãn trợ lý AI của công ty là "khẩn cấp/bình thường/thông tin". Thời gian giảm xuống còn 20 phút; Anh ấy đã dành ~70 phút tiết kiệm được để kiểm soát hợp đồng. AI đã tự học được quy tắc; Ayşe không viết từng bộ lọc một.
Trường hợp 2 — Mehmet, kỹ thuật viên hiện trường. Khách hàng đang viết hồ sơ lỗi bằng văn bản tự do (“thiết bị nóng, tắt liên tục”). Người quản lý của anh ấy không thể đọc và phân loại 500 hồ sơ này một cách thủ công. Một mô hình ngôn ngữ đã tóm tắt các bản ghi là "lỗi phần cứng/phần mềm/người dùng" và trích xuất khiếu nại thường gặp nhất. Mô hình đã phác thảo trong vài phút khoảng thời gian mà con người phải mất gần 2 ngày; nhóm chỉ xác nhận.
Trường hợp 3 - Elif, kế toán. Anh ấy đã nhờ AI tóm tắt một văn bản lập pháp mới và lấy danh sách dài 1 trang các bài báo từ văn bản 12 trang. Nhưng bản thân ông đã xác nhận một tỷ lệ quan trọng từ nguồn chính thức; vì đó là vấn đề đòi hỏi sự chính xác về mặt số học. Vì vậy, nó hoạt động vừa nhanh chóng vừa an toàn.
Nhắc yếu / Nhắc mạnh
Biết công cụ này cũng thay đổi cách bạn yêu cầu nó. Hai câu hỏi khác nhau từ cùng một trợ lý:
Dấu nhắc yếu: Trí tuệ nhân tạo là gì?
Kết quả: Một mô tả bách khoa dài, không dành riêng cho bạn.
Lời nhắc mạnh mẽ: Tôi là nhân viên văn phòng không chuyên về kỹ thuật. Giải thích sự khác biệt giữa trí tuệ nhân tạo, máy học và mô hình ngôn ngữ lớn bằng 3 gạch đầu dòng ngắn gọn và ví dụ từ cuộc sống hàng ngày cho mỗi gạch đầu dòng. Sử dụng tiếng Thổ Nhĩ Kỳ đơn giản.
Kết quả: Một câu trả lời hữu ích phù hợp với vai trò, trình độ và mục đích của bạn. Sự khác biệt: bạn đã đưa ra bối cảnh, đối tượng và hình thức.
Mẫu có thể sao chép
Giúp tôi tìm hiểu một công nghệ.Chủ đề: [e.g. machine learning]Tôi: [vai trò của tôi / trình độ kiến thức của tôi]Tôi muốn: Một lời giải thích đơn giản trong 5 mục + một ví dụ từ cuộc sống kinh doanh cho mỗi mục + một câu tóm tắt "hãy ghi nhớ" 1 câu ở cuối.
Hãy chỉ cho tôi nơi tôi gặp khái niệm sau trong cuộc sống hàng ngày: Khái niệm: [ví dụ: hệ thống khuyến nghị]Hãy cho tôi 5 ví dụ thực tế và giải thích trong một câu chính xác những gì AI làm trong mỗi ví dụ.
So sánh hai khái niệm này và đặt chúng vào một bảng:Khái niệm A: [phần mềm truyền thống]Khái niệm B: [học máy]Cột: ai đặt ra quy tắc, là hằng số đầu ra, khi nào mạnh, một ví dụ.
Hãy đơn giản hóa câu sau đây như thể đang giải thích nó cho một đồng nghiệp không rành về kỹ thuật. Nếu có biệt ngữ, hãy thêm lời giải thích ngắn gọn trong ngoặc đơn. Câu: [dán vào đây]
Những lỗi thường gặp
Những lỗi thường gặp
- Suy nghĩ “AI = robot/ý thức”. Các phương tiện ngày nay không suy nghĩ hay cảm nhận; nhận ra các mẫu và tạo ra các phần tiếp theo có thể có. Việc quên điều này sẽ dẫn đến những kỳ vọng và thất vọng thái quá.
- Coi mọi kết quả đầu ra của AI là sự thật dứt khoát. Mô hình hoạt động thống kê; Sẽ rất rủi ro khi sử dụng các con số, ngày tháng và nguồn yêu cầu độ chính xác mà không xác minh chúng.
- Nói rằng “Công việc này xa tôi” và không bao giờ cố gắng. AI tiết kiệm thời gian nhất cho những công việc tẻ nhạt và lặp đi lặp lại của những nhân viên không chuyên về kỹ thuật. Ai không cố gắng sẽ bỏ lỡ cơ hội.
- Đặt câu hỏi một từ mà không có ngữ cảnh. Nếu bạn không cho công cụ biết bạn là ai và bạn muốn gì, bạn sẽ nhận được những câu trả lời chung chung và vô ích.
Thận trọng: Việc "học" AI không giống như việc học của con người. Mô hình "học" không phải bằng cách hiểu thế giới mà bằng cách nắm bắt các mẫu thống kê trong dữ liệu. Vì vậy, anh ấy có thể nói rất trôi chảy nhưng vẫn hiểu sai một sự thật cơ bản. Sự lưu loát không đảm bảo tính chính xác.
Tóm lại
- Trí tuệ nhân tạo là chiếc ô rộng nhất; học máy là nhánh phụ học từ các ví dụ; Mô hình ngôn ngữ lớn (LLM) là một loại máy học chuyên về ngôn ngữ.
- Điểm khác biệt chính: Trong phần mềm truyền thống, con người viết quy tắc; Trong học máy, mô hình trích xuất quy tắc từ các ví dụ.
- AI đã có mặt trong cuộc sống của bạn: bộ lọc thư rác, dự đoán bàn phím, cảnh báo giao dịch giả mạo, hệ thống đề xuất. Điều mới là nó có thể nói bằng ngôn ngữ tự nhiên.
- Bởi vì mô hình hoạt động theo thống kê nên nó linh hoạt nhưng không phải lúc nào cũng chính xác; đây là cơ sở cho các đơn vị tiếp theo (ảo giác, xác minh).
Nhiệm vụ ứng dụng
Mở công cụ AI mà bạn sử dụng và tự giải thích sự khác biệt giữa machine learning và mô hình ngôn ngữ lớn bằng mẫu "Lời nhắc mạnh mẽ" ở trên. Sau đó viết ra 3 vị trí trong doanh nghiệp của bạn mà AI đã được sử dụng (hoặc có thể được sử dụng). Đối với mỗi câu hỏi, “Chính xác thì AI có thể làm gì ở đây?” Trả lời câu hỏi trong một câu.
Danh sách kiểm tra
- [ ] Tôi có thể phân biệt giữa trí tuệ nhân tạo, học máy và LLM.
- [ ] Tôi có thể giải thích sự khác biệt "ai viết quy tắc" giữa phần mềm truyền thống và học máy.
- [ ] Tôi biết ít nhất 3 ví dụ về AI trong cuộc sống hàng ngày của mình.
- [ ] Bằng cách đưa ra bối cảnh, đối tượng và hình thức, tôi có thể hỏi một câu hỏi mạnh mẽ hơn.
- [ ] Tôi biết rằng chỉ vì AI mượt mà không có nghĩa là nó chính xác.