Nền tảng AI: hiểu bản chất để không bị ngợp

Chín phần:

1. AI là gì — 4 vòng tròn lồng nhau
2. Dòng thời gian cách mạng AI (8 mốc phải nhớ)
3. LLM hoạt động thế nào — giải thích bằng đời thường
4. Từ chatbot đến agent — cái gì đang xảy ra 2025–2026
5. Ảnh, video, giọng nói: một họ khác, không phải LLM
6. Ba cách "dạy" AI việc của mình: Prompt/RAG · Fine-tune · Memory
7. Model đóng vs model mở, chạy trên mây vs chạy trên Mac
8. Bảy nguyên tắc để ra quyết định (phần quan trọng nhất)
9. Từ điển 35 thuật ngữ hay gặp

---

1. AI là gì — 4 vòng tròn lồng nhau

• AI (trí tuệ nhân tạo): mọi thứ máy làm được việc "trông có vẻ thông minh".
  Machine Learning: máy tự rút quy luật từ dữ liệu, không cần người viết luật.
  Deep Learning: ML dùng mạng nơ-ron nhiều tầng, cần GPU và dữ liệu khổng lồ.
  Generative AI: mạng nơ-ron SINH ra nội dung mới. LLM (Claude, GPT, Gemini) sinh chữ; diffusion (Veo, Midjourney) sinh ảnh và video.

• Bộ lọc spam Gmail là ML cổ điển. Facebook nhận diện mặt trong ảnh là deep learning. Claude viết kịch bản là generative AI, cụ thể là LLM.
• Khi báo chí nói "AI" năm 2026, 90% là nói về vòng trong cùng: LLM và model sinh ảnh/video.

2. Dòng thời gian cách mạng AI — 8 mốc phải nhớ

Cách nhớ 5 giây: Luật cứng → Học từ dữ liệu → Mạng sâu + GPU → Transformer → Đọc cả internet → ChatGPT → Biết nghĩ → Biết làm việc (agent).

3. LLM hoạt động thế nào — giải thích bằng đời thường

3.1 Bản chất: máy đoán từ tiếp theo, đoán cực giỏi

• LLM (Large Language Model) được huấn luyện với đúng một bài: che từ tiếp theo, bắt đoán. Lặp hàng nghìn tỷ lần trên gần toàn bộ chữ của nhân loại.
• Để đoán đúng "từ tiếp theo" của một bài phân tích chiến dịch ads, model buộc phải học ngữ pháp, kiến thức, logic, phong cách. Trí thông minh là sản phẩm phụ của việc đoán chữ.
• Hệ quả quan trọng: model không tra cứu sự thật, nó sinh ra chuỗi chữ "có vẻ đúng nhất". Vì thế mới có ảo giác (hallucination): bịa số liệu, bịa nguồn, bịa tên nghị định, với giọng rất tự tin. Đây là lý do mọi số Tin AI đều có mục "chưa xác minh".

3.2 Token — đơn vị tính tiền và tính trí nhớ

• Model không đọc chữ, nó đọc token (mảnh chữ). Tiếng Anh ~1 token = ¾ từ. Tiếng Việt có dấu tốn hơn, thường 1,5–2 lần tiếng Anh cùng nghĩa → cùng gói tiền, làm tiếng Việt "nhanh hết" hơn.
• Giá API tính theo triệu token vào (input) và ra (output). Output luôn đắt hơn input 4–5 lần.

3.3 Context window — bộ nhớ làm việc, không phải bộ nhớ dài hạn

• Context = mọi thứ model "nhìn thấy" trong một lần trả lời: hướng dẫn hệ thống, lịch sử chat, file bạn dán, kết quả công cụ. 2026 phổ biến 200K–1 triệu token (≈ 300–1.500 trang).
• Hết context là quên. Hội thoại dài bị "tóm tắt" lại, chi tiết cũ mờ đi. Đó là lý do phải có file hướng dẫn nền (CLAUDE.md), file memory, sổ bàn giao — chúng là bộ nhớ ngoài nạp lại mỗi phiên.
• Context càng đầy, model càng dễ lẫn (giống bàn làm việc bừa). Chia việc nhỏ, phiên mới, đúng file cần đọc = kết quả tốt hơn.

3.4 Tham số, huấn luyện, hậu huấn luyện

• Tham số (parameters): số "nút vặn" bên trong model, hàng trăm tỷ đến hàng nghìn tỷ. Nhiều hơn thường giỏi hơn nhưng đắt và chậm hơn → mỗi hãng có 3 cỡ: nhỏ-nhanh-rẻ (Haiku, Flash, mini) · vừa (Sonnet, Pro) · lớn (Opus, Ultra).
• Pretraining (tiền huấn luyện): đọc internet, tốn hàng trăm triệu đô, tạo ra "model thô" biết rất nhiều nhưng không biết nghe lời.
• Post-training (hậu huấn luyện): dạy làm trợ lý. Gồm SFT (cho xem ví dụ hội thoại tốt) và RLHF/RLAIF (người hoặc AI chấm điểm câu trả lời, model học theo). Đây là bước quyết định "tính cách" và độ an toàn; cũng là lý do Claude và GPT cùng kiến trúc nhưng "người" khác nhau.
• Knowledge cutoff (mốc kiến thức): ngày cuối của dữ liệu huấn luyện. Sau mốc đó model không biết gì trừ khi được cho tra web. Ví dụ model có mốc 06/2026 thì tin từ tháng 7 trở đi nó phải tìm trên web.

3.5 "Nghĩ trước khi nói" — reasoning / thinking / extended thinking

• Từ 2024, model được huấn luyện để viết ra chuỗi suy nghĩ nháp trước câu trả lời cuối (bằng học tăng cường trên toán/code có đáp án đúng). Kết quả: toán, code, lập kế hoạch nhiều bước tốt hẳn lên.
• Đổi lại: chậm hơn, tốn token hơn. Vì thế 2026 mọi hãng cho vặn mức nghĩ (thấp/vừa/cao). Việc viết caption thì nghĩ thấp, việc dựng hệ thống thì nghĩ cao.

3.6 Nhiệt độ và tính ngẫu nhiên

• Cùng câu hỏi hỏi 2 lần ra 2 câu khác nhau là bình thường — model chọn từ theo xác suất. "Temperature" cao = sáng tạo hơn nhưng dễ lạc. Với việc cần đúng (số liệu, luật), nên yêu cầu model trích nguồn thay vì tin bản thân nó.

4. Từ chatbot đến agent — cái gì đang xảy ra 2025–2026

• Agent = LLM + công cụ + vòng lặp. Không có phép màu: model quyết định gọi công cụ nào (đọc file, chạy lệnh, mở trình duyệt, gọi API), nhận kết quả, quyết định bước tiếp. Claude Code chính là một agent chạy ngay trên máy bạn.
• MCP (Model Context Protocol): chuẩn mở của Anthropic (11/2024), giờ OpenAI, Google, Microsoft đều dùng. Hiểu như cổng USB-C của AI: một server MCP (Chrome, Google Drive, vidIQ, Supermetrics…) cắm vào là mọi model đều dùng được.
• Skill: gói hướng dẫn + quy trình để agent làm một việc theo đúng cách của mình (một kho skill marketing viết sẵn là ví dụ). Khác MCP: MCP cho tay (công cụ), skill cho cách làm.
• Sub-agent / hội đồng: một agent chia việc cho nhiều agent con chạy song song rồi gộp. Mỗi số Tin AI dựng bằng 4 agent con quét 4 mảng song song.
• Computer use / browser agent: model nhìn màn hình, bấm chuột, gõ phím. Còn chậm và hay trượt nhưng tiến nhanh; Claude in Chrome là dạng này.
• Vì sao agent hay hỏng: (1) ảo giác lan theo chuỗi — sai bước 2 thì bước 3–10 sai theo; (2) context đầy; (3) công cụ trả kết quả lạ. Cách chống: chia việc nhỏ, có điểm kiểm (nghiệm thu), bắt ghi nhật ký, giữ "nút vặn" cho người.

5. Ảnh, video, giọng nói: một họ khác, không phải LLM

• Diffusion (khuếch tán): cách sinh ảnh/video chủ đạo. Model học cách khử nhiễu: bắt đầu từ nhiễu ngẫu nhiên, từng bước "dọn" thành ảnh khớp mô tả. Midjourney, Flux, Veo, Sora, Kling đều gốc từ đây (video = diffusion trên chuỗi khung hình + thời gian).
• Xu hướng 2025–2026: model native đa phương thức — một model vừa hiểu chữ vừa sinh ảnh (Gemini "Nano Banana", GPT Image) → sửa ảnh bằng câu lệnh, giữ nhân vật nhất quán, chữ trong ảnh không lỗi. Video có âm thanh + lip-sync sinh cùng lúc (từ Veo 3, 5/2025).
• Giọng nói: TTS (chữ → giọng) đã tự nhiên ở tiếng Anh; tiếng Việt đang tiến nhanh (ElevenLabs, Google, các hãng VN). STT (giọng → chữ): Whisper, faster-whisper để bóc băng.
• Watermark & nhãn: SynthID (Google), C2PA — nội dung AI ngày càng bị đóng dấu ẩn; Facebook/TikTok/YouTube bắt gắn nhãn. Với kênh chuyên gia đây là rủi ro tin cậy cần theo dõi mỗi tháng.

6. Ba cách "dạy" AI việc của mình

Nguyên tắc: dữ liệu riêng + quy trình riêng nằm ngoài model (file, Sheet, skill). Model đổi thì vẫn giữ được. Đừng để tri thức nằm trong một hội thoại.

7. Model đóng vs mở, chạy mây vs chạy Mac

• Đóng (closed): Claude, GPT, Gemini — dùng qua API/app, không tải về. Mạnh nhất, tiện nhất, dữ liệu đi qua máy chủ hãng.
• Mở trọng số (open-weight): Llama (Meta), Qwen (Alibaba), DeepSeek, Gemma (Google), Mistral — tải về chạy trên máy mình. Kém top đóng vài tháng, nhưng miễn phí, riêng tư, chạy offline. Ollama / LM Studio / MLX trên Mac là cách chạy.
• Thực dụng: một Mac Apple Silicon chạy được model 7B–30B đủ cho phân loại, tóm tắt, bóc băng, việc nội bộ không cần đỉnh cao. Việc cần chất lượng (viết, phân tích, agent) vẫn dùng model đóng.
• Trung Quốc đang là nguồn model mở mạnh nhất (Qwen, DeepSeek, Kimi, MiniMax, Wan video). Rẻ, tốt, nhưng cân nhắc dữ liệu nhạy cảm nếu dùng API của họ.

8. Bảy nguyên tắc để ra quyết định — phần quan trọng nhất

1. Model nào cũng đang đoán. Số liệu, luật, tên người, link: bắt trích nguồn hoặc tự kiểm. Ảo giác giảm nhưng không mất.
2. Context là bộ nhớ làm việc, file là bộ nhớ dài hạn. Đầu tư vào file hướng dẫn nền, DNA thương hiệu, skill, sổ nhật ký — đó là tài sản, model chỉ là công nhân thuê tháng.
3. Giá giảm ~10 lần mỗi 12–18 tháng cho cùng mức thông minh. Việc "đắt quá" năm nay sẽ rẻ năm sau → thiết kế quy trình trước, chờ giá.
4. Agent ≠ chatbot. Lợi ích thật đến khi AI làm (đăng bài, quét số, ghi Sheet, báo cáo) chứ không chỉ viết. Đa số thị trường Việt Nam chưa tới giai đoạn này.
5. Lợi thế cạnh tranh không nằm ở model (ai cũng mua được) mà ở dữ liệu riêng + quy trình riêng + tốc độ áp dụng. Đây là thứ đối thủ không copy được.
6. Đừng khoá cứng vào một hãng. MCP, skill, file markdown là chuẩn mở; giữ mọi thứ ở dạng model nào đọc cũng được.
7. Chọn model theo cỡ việc: nhỏ-rẻ cho việc lặp (phân loại, tóm tắt), lớn cho việc khó (chiến lược, dựng hệ thống). Đừng dùng Opus để viết 1 caption, đừng dùng Haiku để thiết kế phễu.

9. Từ điển 35 thuật ngữ