LLM là gì? Giải thích đơn giản cho người mới bắt đầu

Blog về kiếm tiền online, học Tiếng Anh MMO, thương hiệu cá nhân

Theo Dõi

tumichael.com là blog về mmo, online marketing, học Tiếng Anh MMO. Giúp bạn xây dựng thương hiệu cá nhân, kinh doanh online bền vững

Để chuẩn bị cho livestream "Kiếm tiền với AI 101" cuối tuần này (8pm thứ Bảy 13/04/2024), đây là seri bài viết kiến thức nền về AI để bạn có thể theo dõi livestream tốt hơn.

Mục tiêu của Tú Michael là cung cấp cho bạn một hướng dẫn thực tế, dễ hiểu về cách sử dụng AI để tạo nội dung, tiết kiệm thời gian và cải thiện cuộc sống hàng ngày của bạn.

LLM là viết tắt của Large Language Model, nghĩa là Mô hình ngôn ngữ lớn. Đây là một dạng trí tuệ nhân tạo (AI) được huấn luyện trên một lượng dữ liệu khổng lồ gồm văn bản và mã code.

Nhờ vậy, LLM có thể thực hiện nhiều nhiệm vụ liên quan đến ngôn ngữ như:

• Tạo văn bản: LLM có thể viết ra các bài báo, bài blog, email, tin nhắn, v.v. một cách tự động và sáng tạo.
• Dịch ngôn ngữ: LLM có thể dịch văn bản từ ngôn ngữ này sang ngôn ngữ khác một cách chính xác và nhanh chóng.
• Trả lời câu hỏi: LLM có thể trả lời các câu hỏi của bạn một cách đầy đủ và chính xác, ngay cả khi câu hỏi mở, khó hoặc kỳ lạ.
• Viết mã code: LLM có thể viết mã code cho các ứng dụng phần mềm, trang web, v.v.
• Tóm tắt văn bản: LLM có thể tóm tắt các văn bản dài thành các đoạn ngắn gọn và dễ hiểu.

Để dễ hiểu hơn, hãy tưởng tượng LLM như một người bạn thông minh tốt bụng sẵn sàng trả lời mọi câu hỏi của bạn, hoặc là một thực tập sinh chăm chỉ sẵn sàng tìm kiếm tài liệu cho bạn:

• Bạn có thể hỏi LLM bất kỳ câu hỏi nào và LLM sẽ cố gắng hết sức để trả lời bạn một cách chính xác.
• Bạn có thể yêu cầu LLM viết một bài văn, dịch một đoạn văn bản, hoặc viết mã code cho một ứng dụng. LLM sẽ hoàn thành nhiệm vụ của bạn một cách nhanh chóng và hiệu quả.

LLM đang ngày càng trở nên phổ biến và được ứng dụng trong nhiều lĩnh vực khác nhau:

• Giáo dục: LLM có thể được sử dụng để tạo tài liệu học tập, trả lời câu hỏi của học sinh, và hỗ trợ giáo viên giảng dạy.
• Dịch vụ khách hàng: LLM có thể được sử dụng để trả lời các câu hỏi của khách hàng, giải quyết các vấn đề của khách hàng, và cung cấp dịch vụ khách hàng tốt hơn.
• Nghiên cứu khoa học: LLM có thể được sử dụng để phân tích dữ liệu, tóm tắt các bài báo khoa học, và hỗ trợ các nhà khoa học nghiên cứu.

Dưới đây là một số ví dụ về cách LLM có thể được sử dụng:

• Bạn là một học sinh: Bạn có thể sử dụng LLM để tóm tắt các bài học, trả lời các câu hỏi ôn tập, và viết bài tập.
• Bạn là một solopreneur: Bạn có thể sử dụng LLM để viết email marketing, tạo nội dung cho trang web, và dịch tài liệu kinh doanh.
• Bạn là một nhà khoa học: Bạn có thể sử dụng LLM để phân tích dữ liệu khoa học, tóm tắt các bài báo khoa học, và viết báo cáo nghiên cứu.

LLM là một công cụ mạnh mẽ có thể giúp bạn làm việc hiệu quả hơn, sáng tạo hơn và thành công hơn.

Để kiếm tiền với AI, bạn cần phải hiểu LLM hoạt động như thế nào để có thể làm chủ nó.

LLM hoạt động như thế nào?

Một LLM có hai thành phần:

• Một tập tin lớn chứa hàng tỷ tham số cho một mạng lưới thần kinh.
• Một tập tin nhỏ với vài trăm dòng code để chạy mô hình.

Hãy coi LLM như một "trình dự đoán từ tiếp theo" (next word predictor) hoặc một tính năng tự động hoàn thành (autocomplete) nâng cao. Ví dụ, với cụm từ "con mèo ngồi trên", LLM có thể dự đoán "thảm" với xác suất 97%.

LLM có thể bị "ảo giác" (hallucinate) như tự bịa ra các URL giả hoặc tạo ra các câu trả lời không có thật. Việc cung cấp cho LLM các công cụ như kết nối Internet để duyệt web (internet browsing) có thể giúp giảm nhẹ một số vấn đề này.

Hãy tưởng tượng một LLM như một đoàn tàu đang đặt đường ray của nó từng từ một:

Neural network là gì?

Neural network là một mạng lưới thần kinh, giống như một nhóm nhỏ những người ra quyết định, hay còn gọi là "nút" (node) tập hợp với nhau để thực hiện các nhiệm vụ cụ thể. Các nút này kết nối với nhau để tạo thành một mạng lưới. Mỗi nút tiếp nhận thông tin, xử lý dựa trên vai trò cụ thể của nó và truyền lại kết quả cho nút tiếp theo.

Điểm tuyệt vời của mạng lưới thần kinh là khả năng học hỏi và thích nghi. Bằng cách xử lý nhiều dữ liệu hơn, các nút này sẽ tinh chỉnh quá trình ra quyết định của chúng để trở nên chính xác hơn.

Điều này tương tự như não bộ của con người vậy.

Đây là một hình vẽ đơn giản từ sách thiếu nhi minh họa cách hoạt động của mạng lưới thần kinh:

LLM được đào tạo như thế nào?

Huấn luyện một LLM bao gồm hai giai đoạn:

Giai đoạn 1: Huấn luyện trước (pretraning)

Huấn luyện trước nén internet vào một mạng lưới thần kinh:

• Lấy 10 terabyte văn bản từ internet.
• Nén thành mạng lưới sử dụng các bộ xử lý đồ họa (graphic processing units - viết tắt là GPU).
• Thu được mô hình cơ bản (base model)

Do việc huấn luyện trước cực kỳ tốn kém, chỉ một số ít công ty (ví dụ: OpenAI, Anthropic, Meta, Google) có đủ khả năng đào tạo các mô hình cơ bản.

Giai đoạn 2: Điều chỉnh tinh (Finetuning)

Điều chỉnh tinh cải thiện mô hình cơ bản cho một trường hợp sử dụng cụ thể:

1. Huấn luyện mô hình dựa trên 1.000+ cuộc hội thoại của con người hoặc yêu cầu con người chọn câu trả lời tốt nhất của mô hình một cách thủ công.
2. Thu được mô hình đã được tinh chỉnh.
3. Chạy đánh giá để tinh chỉnh mô hình hơn nữa bằng cách tìm ra các phản hồi kém và nhờ con người sửa chúng.

Điều chỉnh tinh tốn kém hơn nhiều so với huấn luyện trước và có thể hoàn thành trong vài tuần hoặc vài tháng. Bạn cũng có thể sử dụng LLM để đánh giá câu trả lời của một LLM khác, nhưng bạn vẫn cần con người kiểm tra kết quả.

Vậy nên mới có những cáo buộc là OpenAI bóc lột người dân Kenya bằng việc trả lương bèo bọt (dưới $2/giờ).

Để hiểu thêm về LLM, bạn có thể xem video Andrej Karparthy nói về LLM ở dưới:

Ghi chú: Andrej Karpathy là nhà khoa học máy tính người Canada gốc Slovakia, từng giữ chức vụ giám đốc trí tuệ nhân tạo và Tầm nhìn lái tự động tại Tesla. Anh là người đồng sáng lập và trước đây làm việc tại OpenAI, nơi anh chuyên về học sâu và thị giác máy tính.

Đây là bản tóm tắt chi tiết và khá dễ hiểu 2 giai đoạn huấn luyện LLM:

Sự khác biệt giữa LLM độc quyền và mã nguồn mở là gì?

Các mô hình độc quyền (ví dụ: GPT4, Gemini) thuộc sở hữu của một công ty và được truy cập thông qua API. Ví dụ: bạn phải trả tiền cho OpenAI để sử dụng GPT4.

Các mô hình mã nguồn mở (ví dụ: Mixtral, LLAMA) miễn phí và mọi người đều có thể sử dụng. Ví dụ: bạn có thể download Mixtral để sử dụng trên máy tính xách tay của mình ngay cả khi không có kết nối internet.

Như trong biểu đồ (LMSYS Chatbot Arena Leaderboard) so sánh các chatbot, các mô hình mã nguồn mở vẫn kém chất lượng hơn các mô hình độc quyền. Chúng ta sẽ thảo luận về những tác động của mô hình độc quyền so với mã nguồn mở sau.

Từng đó lý thuyết đã đủ "ung não" rồi...

Bài tiếp theo sẽ đề cập đến: "Bí kíp sử dụng AI hiệu quả"

Tú Michael - Moondancer, Marketing Artist