AI chatbot hoạt động thế nào? Giải thích dễ hiểu

Bạn không cần phải hiểu tường tận toán học để sử dụng AI chat hiệu quả, nhưng nắm được nguyên lý cơ bản sẽ giải thích được rất nhiều điều: tại sao câu trả lời nghe rất tự tin dù hoàn toàn sai, tại sao cùng một câu hỏi lại nhận được các câu trả lời khác nhau, tại sao AI bị "loãng" thông tin trong các đoạn chat dài, và tại sao nó có thể không biết về các sự kiện gần đây. Dưới đây là lời giải thích dễ hiểu, không dùng thuật ngữ rườm rà.

Tóm tắt nhanh

Một chatbot AI được xây dựng trên mô hình ngôn ngữ lớn (LLM): một mạng nơ-ron khổng lồ được huấn luyện trên lượng văn bản khổng lồ để dự đoán từ tiếp theo. Khi bạn gửi một tin nhắn, mô hình sẽ đọc đoạn hội thoại và tạo câu trả lời từng đoạn nhỏ một, mỗi lần sẽ chọn phần tiếp theo có khả năng xuất hiện cao nhất dựa trên toàn bộ nội dung phía trước. Quá trình huấn luyện tiếp theo sẽ dạy nó cách làm theo chỉ dẫn, duy trì cuộc trò chuyện và từ chối các yêu cầu độc hại.

Không hề có cơ sở dữ liệu câu trả lời soạn sẵn nào được tra cứu, và cũng không có ai ngồi gõ phím sau màn hình. Hầu như mọi điều trong hướng dẫn này đều bắt nguồn từ nguyên lý đó.

Bước 1: Văn bản được chuyển thành token

Mô hình không đọc từng chữ cái hay nguyên cả từ. Chúng chia nhỏ văn bản thành các token: các từ phổ biến thường là một token duy nhất, trong khi các từ dài hơn hoặc hiếm hơn sẽ bị tách thành nhiều mảnh. Khoảng trắng, dấu câu và số cũng trở thành token. Đó là lý do tại sao AI có thể lúng túng trước các tác vụ như đếm số chữ cái trong một từ hoặc đảo ngược chuỗi ký tự: nó không nhìn thấy từng chữ cái riêng lẻ như bạn.

Cùng một ý nghĩa có thể tốn số lượng token khác nhau tùy theo ngôn ngữ, đó là một lý do tại sao chất lượng và giới hạn độ dài có thể khác biệt giữa các ngôn ngữ.

Bước 2: Tiền huấn luyện (Pre-training) trên lượng dữ liệu khổng lồ

Trong giai đoạn đầu tiên và lớn nhất, mô hình được tiếp xúc với lượng văn bản khổng lồ, chẳng hạn như các trang web công khai, sách báo, mã nguồn và nhiều nguồn khác tùy thuộc vào nhà phát triển, từ đó học cách dự đoán token tiếp theo. Nó được điều chỉnh liên tục qua vô số lần thử và dần hoàn thiện các số liệu nội bộ, gọi là tham số hoặc trọng số (parameters/weights).

Để dự đoán văn bản chuẩn xác, mô hình tiếp thu được lượng lớn kiến thức về ngữ pháp, sự thật đời thực, quy luật tư duy và văn phong. Nhưng nó không lưu lại một bản sao dữ liệu huấn luyện như một thư viện. Nó chỉ lưu các mẫu thống kê. Đó là lý do tại sao nó có thể giải thích trôi chảy một khái niệm nhưng vẫn nhớ nhầm một ngày tháng, tên riêng hoặc câu trích dẫn cụ thể.

Bước 3: Tinh chỉnh (Fine-tuning) biến công cụ dự đoán thành trợ lý

Một mô hình chỉ biết dự đoán văn bản sẽ chỉ đơn giản là viết tiếp tin nhắn của bạn thay vì trả lời nó. Do đó, các nhà phát triển huấn luyện thêm cho nó dựa trên các đoạn hội thoại mẫu chất lượng và dùng phản hồi—từ con người, và ngày càng nhiều từ các bài kiểm tra tự động cũng như các mô hình khác—để khuyến khích các câu trả lời hữu ích, trung thực và an toàn. Một phương pháp nổi tiếng là học tăng cường từ phản hồi của con người (RLHF).

Giai đoạn này định hình phong cách cho chatbot: làm theo hướng dẫn, định dạng văn bản rõ ràng, thừa nhận khi không chắc chắn và từ chối các yêu cầu gây hại. Nó cũng có thể tạo ra vài thói quen đặc trưng, như xu hướng chiều theo ý người dùng hoặc tỏ ra chắc chắn hơn mức cần thiết.

Nhiều mô hình gần đây cũng được huấn luyện để suy luận: chúng giải quyết vấn đề qua từng bước trung gian trước khi đưa ra câu trả lời cuối cùng. Điều này giúp cải thiện đáng kể kết quả giải toán, lập trình và lập kế hoạch, dù vẫn không thể đảm bảo chính xác tuyệt đối.

Bước 4: Cuộc trò chuyện của bạn và cửa sổ ngữ cảnh (Context window)

Khi bạn chat, ứng dụng sẽ gửi cho mô hình một gói văn bản bao gồm: hướng dẫn từ hệ thống mà bạn không thấy (system prompt), các tin nhắn trước đó trong cuộc trò chuyện, và tin nhắn mới của bạn. Bản thân mô hình không lưu lại ký ức nào giữa các lượt gửi yêu cầu. Nó "nhớ" được ngữ cảnh chỉ vì toàn bộ cuộc trò chuyện được gửi lại cho nó ở mỗi lần bạn nhắn.

Nói một cách đơn giản, gói dữ liệu gửi đi ở tin nhắn thứ ba của bạn sẽ trông như thế này:

[hệ thống]   Bạn là một trợ lý hữu ích. Hãy trả lời rõ ràng...
[người dùng] Gợi ý giúp tôi tên hay cho tiệm bánh mì?
[trợ lý]     Dưới đây là vài gợi ý: Bánh Mì Ban Mai, Vụn Bánh Nhỏ...
[người dùng] Làm cho chúng nghe kiểu Pháp hơn đi.
[trợ lý]     (mô hình bắt đầu viết phần này, từng token một)

Yêu cầu "Làm cho chúng nghe kiểu Pháp hơn đi" chỉ có nghĩa khi các câu trước đó được đính kèm. Nếu ứng dụng bỏ qua chúng, mô hình sẽ không hiểu "chúng" ở đây là gì.

Lượng văn bản mà mô hình có thể tiếp nhận cùng một lúc được gọi là cửa sổ ngữ cảnh (context window), và các ứng dụng thường phải cắt bớt các đoạn chat quá dài để không vượt mức giới hạn. Đó là lý do tại sao trong một cuộc trò chuyện rất dài, AI có thể quên mất chi tiết ở phần mở đầu. Bắt đầu một đoạn chat mới kèm theo bản tóm tắt ngắn thường sẽ giải quyết được vấn đề này.

Một số dịch vụ có thêm tính năng ghi nhớ riêng để lưu lại thông tin về bạn giữa các đoạn chat. Đó là tính năng do ứng dụng xây dựng bên ngoài, không phải khả năng tự thân của mô hình.

Bước 5: Tạo câu trả lời

Với mỗi token tiếp theo, mô hình tính toán xác suất cho hàng loạt lựa chọn khả thi. Sau đó, ứng dụng sẽ chọn một token, thường đi kèm một mức độ ngẫu nhiên được kiểm soát để văn bản không bị máy móc. Điều này giải thích hai hiện tượng bạn có thể từng thấy:

• Cùng một câu hỏi có thể cho ra các câu trả lời khác nhau. Bấm tạo lại câu trả lời là cách nhanh nhất để xem phương án khác.
• Một câu văn trôi chảy chưa chắc đã là sự thật. Mô hình chọn các từ ăn khớp với nhau; nó không hề kiểm tra lại tính xác thực khi đang viết.

Hãy thử xem: yêu cầu AI giải thích về token kèm ví dụ, sau đó bấm tạo lại câu trả lời và so sánh hai phiên bản.

Tại sao AI lại "bịa" chuyện

Khi một mô hình đưa ra thông tin sai lệch nhưng với giọng điệu rất tự tin, hiện tượng đó được gọi là ảo giác (hallucination). Điều này xảy ra vì mô hình được thiết kế để tạo ra văn bản nghe có vẻ hợp lý, và việc tạo ra một trích dẫn, số liệu thống kê hoặc tiểu sử trông có vẻ đúng là rất dễ dàng ngay cả khi nó không hề biết sự thật. Quá trình huấn luyện đã giảm bớt tình trạng này nhưng chưa thể loại bỏ hoàn toàn. Các trường hợp dễ gặp rủi ro bao gồm:

• Các con số, ngày tháng và câu trích dẫn chính xác.
• Tài liệu tham khảo về sách, bài báo học thuật, án lệ và trang web.
• Các chủ đề ngách có ít dữ liệu huấn luyện.
• Các sự kiện xảy ra sau khi dữ liệu huấn luyện của mô hình kết thúc.

Hướng dẫn kiểm tra thông tin của chúng tôi sẽ chỉ cho bạn cách xác minh câu trả lời nhanh chóng.

Tại sao AI có thể không biết các sự kiện gần đây

Kiến thức của mô hình đến từ dữ liệu được thu thập tính đến một thời điểm nhất định, gọi là mốc ngắt kiến thức (knowledge cutoff). Sau mốc đó, nó không biết thêm điều gì mới trừ khi ứng dụng cung cấp dữ liệu mới, ví dụ thông qua công cụ tìm kiếm web hoặc văn bản do bạn dán vào. Khi trợ lý tìm kiếm trên web, chất lượng câu trả lời phụ thuộc hoàn toàn vào các trang web mà nó tìm được, vì vậy bạn vẫn nên kiểm tra lại nguồn dẫn. Nếu câu hỏi của bạn cần thông tin mới nhất, hãy tự dán văn bản liên quan vào hoặc đối chiếu câu trả lời với nguồn tin cập nhật.

Mô hình, nhà phát triển và menu lựa chọn mô hình

Nhiều công ty đang phát triển các mô hình ngôn ngữ lớn, bao gồm OpenAI (các mô hình GPT của ChatGPT), Anthropic (Claude), Google (Gemini), Meta (Llama), xAI (Grok), DeepSeek, Alibaba (Qwen) và Mistral AI. Một số bên công khai trọng số mô hình để ai cũng có thể tải về và chạy; số khác chỉ cung cấp mô hình qua ứng dụng và API riêng của họ. Các mô hình khác nhau về phong cách, thế mạnh, độ bao phủ ngôn ngữ và mức độ thận trọng. Hướng dẫn về mô hình và các bài so sánh như ChatGPT vs Claude của chúng tôi sẽ mô tả chi tiết hơn.

Trên ChatG, bạn có thể chọn kiểu mô hình yêu thích trong menu, hoặc để mặc định ChatG Auto. ChatG là trang web độc lập và không liên kết với bất kỳ công ty nào trong số này.

Câu hỏi thường gặp

AI có thực sự hiểu những gì nó nói không?

Điều này vẫn đang gây tranh cãi. Các mô hình nắm bắt rất tốt cấu trúc ngôn ngữ và kiến thức thế giới, đồng thời có thể giải quyết các vấn đề chúng chưa từng thấy trước đây. Nhưng chúng không có trải nghiệm thực tế, và có thể mắc những lỗi mà một người hiểu vấn đề sẽ không bao giờ gặp phải. Trên thực tế, hãy xem AI như một công cụ đắc lực, không phải một chuyên gia phán quyết.

AI có học từ cuộc trò chuyện của tôi không?

Không học ngay trong lúc chat: trọng số của mô hình không thay đổi khi bạn trò chuyện với nó. Một số dịch vụ có thể dùng các đoạn chat sau đó để huấn luyện các mô hình tương lai, tùy thuộc vào chính sách của họ và cài đặt của bạn.

AI có kết nối với internet không?

Bản thân mô hình thì không. Nó hoạt động dựa trên những gì đã học trong quá trình huấn luyện cộng với nội dung có trong cuộc trò chuyện. Một số ứng dụng tích hợp thêm tính năng tìm kiếm web như một công cụ riêng biệt. Trừ khi câu trả lời hiển thị các nguồn đã tra cứu, bạn nên ngầm hiểu rằng thông tin đến từ dữ liệu huấn luyện và có thể đã cũ.

Tại sao một số câu trả lời bằng tiếng Anh lại tốt hơn các ngôn ngữ khác?

Mô hình thường tiếp xúc với lượng văn bản tiếng Anh nhiều hơn hẳn các ngôn ngữ khác trong quá trình huấn luyện, và các ngôn ngữ khác có thể tốn nhiều token hơn để diễn đạt cùng một ý. Các ngôn ngữ phổ biến nhìn chung được xử lý tốt; các ngôn ngữ ít thông dụng hơn có thể sẽ kém hơn đôi chút.