LLM là gì mà một câu hỏi về thuế, ChatGPT trả lời mạch lạc như một chuyên viên, dẫn cả số điều khoản, và rồi điều khoản đó không hề tồn tại? Máy không bị lỗi, mô hình ngôn ngữ lớn vốn được tạo ra như vậy: nó rất giỏi viết câu nghe đúng, còn chuyện đúng hay sai là một việc khác. Hiểu điểm này, bạn sẽ biết nên giao cho ChatGPT, Gemini hay Claude những việc gì và việc nào phải kiểm lại. Bạn cũng sẽ thấy vì sao chính các mô hình này đang dần trở thành nơi khách hàng hỏi về doanh nghiệp của bạn, thay cho Google.
LLM là gì: mô hình đoán chữ tiếp theo, giỏi tới mức trông như hiểu
LLM (Large Language Model, mô hình ngôn ngữ lớn) là một loại AI được huấn luyện trên lượng văn bản rất lớn để dự đoán phần chữ tiếp theo trong một câu. Lặp lại việc đoán đó rất nhiều lần, nó viết được đoạn văn, trả lời câu hỏi, tóm tắt tài liệu hay dịch thuật. ChatGPT, Gemini và Claude là các sản phẩm chạy trên những mô hình như vậy.
Trang giới thiệu mô hình ngôn ngữ lớn của Google mô tả mô hình ngôn ngữ là thứ ước lượng xác suất một từ hay một chuỗi từ xuất hiện bên trong một chuỗi dài hơn. Chữ "lớn" nằm ở 2 chỗ: lượng văn bản dùng để huấn luyện, và số tham số bên trong mô hình, thường tính bằng hàng tỉ. 4 điều đáng nhớ về LLM:
- Nó đoán dựa trên xác suất, không tra cứu một kho dữ liệu sự thật.
- Nó biết những gì có trong dữ liệu huấn luyện tới một thời điểm, sau đó thì không, trừ khi được nối với công cụ tìm kiếm.
- Nó trả lời theo ngữ cảnh bạn đưa vào, nên cách hỏi ảnh hưởng lớn tới câu trả lời.
- Nó có thể viết sai với giọng rất tự tin.
LLM học từ đâu và ghép câu trả lời thế nào, giải thích không cần công thức
Hãy hình dung trò chơi điền vào chỗ trống: "Hà Nội là thủ đô của ___". Người đọc nhiều điền "Việt Nam" gần như ngay lập tức, vì đã gặp cụm này vô số lần. LLM học đúng theo kiểu đó, chỉ ở quy mô lớn hơn rất nhiều. Nó đọc lượng văn bản khổng lồ từ sách, website, tài liệu, rồi tự điều chỉnh bên trong để đoán phần tiếp theo ngày càng chuẩn.
Văn bản được cắt thành những mẩu nhỏ gọi là token, có thể là một từ, một phần của từ hay một dấu câu. Khi bạn hỏi, mô hình đọc toàn bộ câu hỏi, tính xem token nào có khả năng đứng tiếp theo cao nhất, viết nó ra, rồi lặp lại với đoạn văn vừa dài thêm một chút. Một câu trả lời dài cả trang là kết quả của hàng trăm lần đoán nối tiếp như vậy.
Điểm làm LLM khác các mô hình ngôn ngữ đời trước là nó xét cả đoạn văn cùng lúc chứ không chỉ vài chữ đứng gần, nên giữ được mạch ý qua nhiều câu. Đó là lý do câu trả lời đọc trôi chảy, có đầu có cuối, giống người viết. Và cũng chính vì trôi chảy như vậy mà người đọc dễ quên rằng bên dưới chỉ là phép đoán.
Vì sao LLM trôi chảy mà vẫn bịa: nó chọn câu nghe hợp lý, không tra sự thật
LLM bịa vì mục tiêu khi huấn luyện là viết ra câu có khả năng xuất hiện cao, không phải câu đúng. Gặp câu hỏi mà dữ liệu huấn luyện có ít thông tin, mô hình vẫn đoán tiếp. Và câu đoán nghe hợp lý nhất có thể là một con số, một tên sách hay một điều luật không có thật. Hiện tượng này được gọi là ảo giác AI (hallucination).
OpenAI, công ty làm ra ChatGPT, giải thích trong bài vì sao mô hình ngôn ngữ bịa rằng cách huấn luyện và chấm điểm hiện nay thưởng cho việc đoán nhiều hơn việc thừa nhận không chắc. Giống một học sinh làm bài trắc nghiệm mà sai không bị trừ điểm: đoán bừa vẫn lợi hơn bỏ trống.
3 kiểu câu hỏi dễ bị bịa nhất:
- Số liệu cụ thể: giá, thống kê, ngày tháng, số điều luật.
- Nguồn dẫn: tên bài báo, tên sách, đường link.
- Thông tin mới hoặc ngách: sự kiện gần đây, doanh nghiệp nhỏ, sản phẩm ít người viết về.
Khi công cụ AI được nối với tìm kiếm, như chế độ tìm trên web của ChatGPT hay Gemini, nó tìm và đọc các trang liên quan trước khi trả lời nên ít bịa hơn. Câu trả lời kiểu này thường kèm link nguồn để bạn kiểm. Nhưng ít bịa hơn chưa phải là không bịa. Nó vẫn có thể đọc nhầm, hiểu sai trang nguồn, hoặc ghép thông tin của 2 trang thành một.
ChatGPT, Gemini, Claude là sản phẩm, còn GPT, Gemini, Claude là mô hình bên trong
ChatGPT là ứng dụng trò chuyện, còn GPT là tên dòng mô hình ngôn ngữ chạy bên dưới nó. Tương tự, ứng dụng Gemini chạy trên các mô hình Gemini của Google, và Claude chạy trên các mô hình Claude của Anthropic. Một ứng dụng có thể đổi mô hình theo thời gian, hoặc cho bạn chọn giữa mô hình trả lời nhanh và mô hình suy luận kỹ hơn.
Với người dùng văn phòng, phân biệt này có ích ở 2 chỗ. Thứ nhất, khi so "ChatGPT hay Gemini tốt hơn", thật ra là so mô hình nào đang chạy và bạn dùng gói nào, nên kết luận thay đổi sau mỗi đợt cập nhật. Thứ hai, rất nhiều phần mềm khác như trợ lý soạn thảo, chatbot chăm sóc khách hay công cụ viết bài cũng đang gọi chính các mô hình này ở phía sau. Chúng mang theo cùng điểm mạnh, và cùng thói quen bịa khi thiếu dữ kiện.
Dùng LLM trong công ty: 3 việc giao được, 3 việc phải kiểm lại
LLM làm tốt những việc mà sai một chút vẫn sửa được, và rủi ro ở những việc mà sai một chút là mất tiền hoặc mất uy tín.
| Giao được | Phải kiểm lại |
|---|---|
| Viết nháp email, bài đăng, mô tả sản phẩm từ thông tin bạn đưa | Số liệu, giá, thông số kỹ thuật trong câu trả lời |
| Tóm tắt tài liệu, biên bản họp bạn dán vào | Thông tin pháp lý, thuế, y tế |
| Gợi ý ý tưởng, dàn ý, cách diễn đạt khác | Mọi nguồn dẫn, tên tài liệu, đường link nó đưa ra |
Điểm chung của cột bên trái là bạn đã đưa đủ dữ kiện, AI chỉ sắp xếp và diễn đạt lại. Cột bên phải là chỗ AI phải tự lấy thông tin từ "trí nhớ" của nó, đúng chỗ dễ bịa nhất. Cách ra đề tốt giảm rủi ro đáng kể. Một prompt có đủ bối cảnh, kèm câu "chỉ dùng thông tin trong tài liệu đính kèm, không có thì nói không biết", sẽ ít bịa hơn hẳn một câu hỏi trống.
Nếu đang chọn việc để bắt đầu, những việc phổ biến nhất khi ứng dụng AI trong công việc ở văn phòng phần lớn nằm ở cột bên trái: soạn thư, tóm tắt, lên dàn ý. Đó là chỗ LLM mang lại nhiều thời gian nhất với ít rủi ro nhất.
LLM cũng đang trả lời khách thay Google, nên website cần được nó đọc hiểu
Ngày càng nhiều người hỏi ChatGPT, Gemini hay chế độ AI của Google thay vì tự đọc 10 kết quả tìm kiếm: "nên chọn phòng khám nha khoa nào ở Cầu Giấy", "phần mềm kế toán nào hợp với hộ kinh doanh". Câu trả lời họ nhận được do một LLM viết ra, dựa trên những trang nó tìm và đọc được.
Với doanh nghiệp, điều đó đặt ra một câu hỏi mới: AI có nhắc tới bạn không, và nếu có thì nhắc có đúng không. Muốn được nhắc, website cần có thông tin rõ ràng, nhất quán, dễ trích dẫn, và được các nguồn khác nói tới. Làm cho website được AI đọc hiểu và trích dẫn khi trả lời khách được gọi là GEO, một phần mới của SEO. Còn muốn biết hiện tại AI đang nói gì về thương hiệu của mình, có thể bắt đầu bằng việc kiểm tra AI visibility với vài câu hỏi mà khách hay hỏi.
Biết LLM bịa khi thiếu dữ kiện còn có một hệ quả thực tế. Nếu thông tin về doanh nghiệp của bạn trên mạng ít, cũ hoặc mâu thuẫn, AI sẽ đoán phần còn thiếu. Và nó đoán với giọng tự tin y như khi nói đúng.
Câu hỏi thường gặp về LLM
LLM khác AI ở chỗ nào?
AI là khái niệm rộng, gồm mọi hệ thống máy làm được những việc cần tới trí thông minh, từ nhận diện khuôn mặt tới xe tự lái. LLM là một nhánh hẹp trong đó, chuyên xử lý và tạo ra ngôn ngữ. Mọi LLM đều là AI, nhưng không phải AI nào cũng là LLM.
Chatbot có phải là LLM không?
Không hẳn. Chatbot là giao diện trò chuyện, có thể chạy bằng kịch bản cố định, bấm nút nào thì trả lời câu đó, hoặc chạy bằng LLM. Các chatbot đời cũ trên fanpage thường theo kịch bản, còn chatbot kiểu ChatGPT dùng LLM nên trả lời được câu hỏi tự do.
Có LLM nào hiểu tốt tiếng Việt không?
Có. Các mô hình lớn như GPT, Gemini và Claude đều đọc và viết tiếng Việt đủ tốt cho phần lớn việc văn phòng. Một số đơn vị trong nước cũng phát triển mô hình riêng cho tiếng Việt. Với chủ đề chuyên ngành hẹp ở Việt Nam như thuế hay luật, chất lượng câu trả lời vẫn phụ thuộc nhiều vào tài liệu bạn đưa kèm.