Thuật ngữ AI

Một hệ thống AI làm việc hướng tới một mục tiêu qua nhiều bước với mức độ tự chủ nhất định, tự quyết định bước tiếp theo và dùng các công cụ như tìm kiếm, tệp hoặc ứng dụng khác trong quá trình đó.

Ví dụ: Bạn nhờ một agent tìm giờ tàu đến một thành phố khác vào thứ Sáu và soạn tin nhắn cho nhóm với hai phương án; nó tìm kiếm, so sánh và viết bản nháp để bạn xem lại.

Hay bị nhầm với: Trợ lý trò chuyện trả lời từng tin nhắn một trong khi bạn điều hướng, còn agent thực hiện một chuỗi hành động với ít chỉ dẫn hơn từ bạn. Vì agent có thể hành động, hãy kiểm tra nó được phép truy cập những gì và xem lại công việc của nó trước khi bất cứ thứ gì được gửi đi, mua hoặc xóa.

AI được phát hành theo điều khoản cho phép bất kỳ ai sử dụng, nghiên cứu, sửa đổi và chia sẻ cho bất kỳ mục đích nào, kèm theo code huấn luyện, trọng số đã huấn luyện và đủ thông tin về dữ liệu huấn luyện để một người có chuyên môn có thể xây dựng một hệ thống tương tự.

Ví dụ: Một nhóm nghiên cứu phát hành mô hình kèm trọng số, toàn bộ code huấn luyện và mô tả chi tiết về nguồn gốc dữ liệu huấn luyện, theo điều khoản cho phép mọi mục đích sử dụng, để các nhóm khác có thể xem xét và tự huấn luyện lại phiên bản của mình.

Hay bị nhầm với: AI mã nguồn mở và trọng số mở là hai nhãn khác nhau. Một mô hình mà bạn tải được trọng số, nhưng code huấn luyện hoặc thông tin dữ liệu không được chia sẻ, hoặc giấy phép hạn chế cách bạn sử dụng, là mô hình trọng số mở nhưng không phải AI mã nguồn mở theo định nghĩa của Open Source Initiative. Hãy đọc giấy phép thay vì tin vào nhãn.

Nguồn: The Open Source AI Definition – 1.0 (Open Source Initiative, đọc ngày 2026-10-10)

AI tạo ra nội dung mới, như văn bản, hình ảnh, âm thanh hoặc code, dựa trên các khuôn mẫu nó học được từ một số lượng rất lớn ví dụ.

Ví dụ: Bạn yêu cầu năm tiêu đề có thể dùng cho một áp phích ở trường về tái chế, và công cụ viết cho bạn năm tiêu đề mới.

Hay bị nhầm với: Công cụ tìm kiếm dẫn bạn đến những trang đã có sẵn, còn AI tạo sinh viết ra văn bản mới, có thể nghe đúng mà vẫn sai. Trừ khi công cụ cũng tìm kiếm trên web, nó không hề tra cứu gì cả.

Tìm hiểu thêm: AI làm được gì và không làm được gì cho bạn

Khi mô hình AI tạo ra văn bản sai sự thật hoặc không khớp với tài liệu được đưa cho nó.

Ví dụ: Bạn hỏi ba cuốn sách về một chủ đề, và một tựa sách cùng tác giả nghe có vẻ thật, nhưng khi tra danh mục thư viện thì cuốn sách đó không tồn tại.

Hay bị nhầm với: Bạn không thể nhận ra ảo giác qua giọng điệu: một câu trả lời sai có thể đọc lên tự tin không kém câu trả lời đúng. Nó cũng khác với thông tin lỗi thời do mốc giới hạn kiến thức gây ra, nhưng cả hai đều cần được đối chiếu với nguồn gốc.

Tìm hiểu thêm: Cách kiểm tra những gì AI nói với bạn, Nghiên cứu với AI và kiểm tra trích dẫn

Nguồn: Reduce hallucinations (Anthropic, đọc ngày 2026-10-10)

Một kết nối cho phép phần mềm gửi yêu cầu đến mô hình AI và nhận câu trả lời, để lập trình viên có thể tích hợp AI vào ứng dụng và quy trình của riêng họ.

Ví dụ: Lập trình viên của một cửa hàng trực tuyến kết nối với một mô hình qua API để mỗi khi thêm sản phẩm mới, một bản nháp mô tả sản phẩm sẽ xuất hiện, mà không ai cần mở ứng dụng trò chuyện.

Hay bị nhầm với: Dùng mô hình qua API khác với dùng ứng dụng trò chuyện của nhà cung cấp: tính năng khác nhau, và ở một số nhà cung cấp việc dùng API được tính phí riêng với gói đăng ký ứng dụng. Bạn không cần API để dùng công cụ AI cho các việc hằng ngày.

Tìm hiểu thêm: Sản phẩm, mô hình và gói

Một tập cố định các bài kiểm tra dùng để đo và so sánh các mô hình AI; điểm số cho thấy mô hình làm bài kiểm tra cụ thể đó tốt thế nào trong những điều kiện cụ thể, chứ không cho thấy nó hữu ích thế nào cho công việc của bạn.

Ví dụ: Một mô hình có thể đạt điểm cao trên một bộ đề thi toán chạy với cài đặt riêng mà vẫn viết bản tóm tắt ghi chú cuộc họp của bạn kém.

Hay bị nhầm với: Điểm benchmark không phải là bảng xếp hạng chung về mức độ hữu ích. Kết quả phụ thuộc vào bài kiểm tra, prompt và cài đặt được dùng, nên điểm từ các nguồn khác nhau có thể không khớp; thử chính việc của bạn trên hai hoặc ba công cụ là cách kiểm tra trực tiếp hơn cho nhu cầu của bạn.

Tìm hiểu thêm: Cải thiện câu trả lời từng bước, Chọn công cụ và xem lại kết quả

Nguồn: Artificial Analysis Intelligence Benchmarking Methodology (Artificial Analysis, đọc ngày 2026-10-10)

Các tùy chọn trong một sản phẩm AI kiểm soát điều gì xảy ra với dữ liệu của bạn, như việc cuộc trò chuyện có được dùng để cải thiện mô hình của nhà cung cấp hay không và lịch sử trò chuyện có được lưu hay không.

Ví dụ: Trước khi dùng một công cụ trò chuyện cho công việc, bạn mở phần cài đặt, tìm tùy chọn về việc dùng cuộc trò chuyện để cải thiện mô hình, và chọn điều phù hợp với hoàn cảnh của bạn và quy định của tổ chức.

Hay bị nhầm với: Cài đặt quyền riêng tư khác nhau theo sản phẩm, gói và loại tài khoản, và có thể thay đổi, nên hãy tự kiểm tra cài đặt hiện tại thay vì giả định một mặc định. Tắt tính năng cải thiện mô hình không nhất thiết có nghĩa là không có gì được lưu, nên vẫn tránh dán dữ liệu nhạy cảm của cá nhân, công ty hay của người khác.

Tìm hiểu thêm: Chọn công cụ và xem lại kết quả, Chia nhỏ một công việc văn phòng

Nguồn: Data controls in ChatGPT (OpenAI, đọc ngày 2026-10-10)

Toàn bộ văn bản mà mô hình có thể xét đến cùng lúc khi viết câu trả lời, bao gồm tin nhắn của bạn, mọi tài liệu bạn thêm vào và chính câu trả lời.

Ví dụ: Trong một cuộc trò chuyện rất dài, công cụ có thể quên các chi tiết bạn đưa ở đầu nếu những phần trước đó không còn nằm vừa trong cửa sổ ngữ cảnh của nó.

Hay bị nhầm với: Cửa sổ ngữ cảnh không phải là bộ nhớ dài hạn: nó bao gồm những gì đang ở trước mặt mô hình lúc này, còn tính năng bộ nhớ riêng, ở sản phẩm nào có, sẽ lưu ghi chú giữa các cuộc trò chuyện. Kích thước của nó được đo bằng token, không phải bằng từ hay trang.

Tìm hiểu thêm: Cung cấp đúng bối cảnh

Nguồn: Context windows (Anthropic, đọc ngày 2026-10-10)

Có thể làm việc với nhiều loại đầu vào hoặc đầu ra, như văn bản, hình ảnh, âm thanh hoặc video.

Ví dụ: Bạn chụp ảnh một danh sách đi chợ viết tay và yêu cầu công cụ chuyển nó thành danh sách đánh máy, nhóm theo loại thực phẩm.

Hay bị nhầm với: Đa phương thức không có nghĩa là mọi loại đầu vào đều dùng được trên mọi sản phẩm hay gói: một công cụ có thể đọc được hình ảnh nhưng không đọc được âm thanh, hoặc tạo được hình ảnh nhưng không tạo được video. Hãy kiểm tra công cụ của bạn chấp nhận những gì, và kiểm tra phần mô tả hình ảnh của nó cẩn thận như mọi đầu ra khác.

Một dãy số đại diện cho một đoạn văn bản để phần mềm có thể đo mức độ liên quan giữa hai đoạn văn bản dựa trên độ gần nhau của các con số.

Ví dụ: Một ứng dụng ghi chú có thể dùng embedding để tìm ghi chú có tiêu đề “chi phí sửa ô tô” khi bạn tìm “sửa xe hết bao nhiêu tiền”, dù các từ khác nhau.

Hay bị nhầm với: Embedding không phải là bản tóm tắt hay câu trả lời để bạn đọc; đó là một dạng biểu diễn nội bộ dùng ở phía sau cho tìm kiếm, phân nhóm và tạo sinh tăng cường truy xuất.

Nguồn: Vector embeddings (OpenAI, đọc ngày 2026-10-10)

Mức truy cập của bạn vào một sản phẩm AI, như bậc miễn phí hoặc gói đăng ký trả phí, ảnh hưởng đến những tính năng bạn có.

Ví dụ: Hai bạn cùng lớp dùng cùng một ứng dụng trò chuyện, nhưng một người dùng bậc miễn phí và một người trả phí hằng tháng, nên họ có thể thấy tính năng, giới hạn sử dụng hoặc lựa chọn mô hình khác nhau.

Hay bị nhầm với: Gói không phải là mô hình hay sản phẩm; đó là cấp tài khoản bạn đăng ký. Ở một số nhà cung cấp, gói đăng ký ứng dụng và việc dùng API cho lập trình viên được tính phí riêng.

Tìm hiểu thêm: Sản phẩm, mô hình và gói, Chọn công cụ và xem lại kết quả

Nguồn: I have a paid Claude subscription (Pro, Max, Team, or Enterprise plans). Why is Claude API usage billed separately from my paid Claude plan? (Anthropic, đọc ngày 2026-10-10)

Quá trình mô hình AI học các khuôn mẫu từ một lượng rất lớn dữ liệu mẫu, định hình cách nó phản hồi về sau.

Ví dụ: Một mô hình ngôn ngữ được huấn luyện trên những bộ sưu tập văn bản khổng lồ, nên nó nắm được câu thường được cấu tạo thế nào và những từ, dữ kiện nào hay đi cùng nhau.

Hay bị nhầm với: Việc huấn luyện diễn ra trước khi bạn dùng mô hình; khi bạn trò chuyện, nó làm việc dựa trên những gì đã học cộng với những gì có trong cuộc trò chuyện. Cuộc trò chuyện của bạn chỉ trở thành dữ liệu huấn luyện nếu nhà cung cấp dùng chúng theo cách đó, và cài đặt quyền riêng tư có thể cho bạn kiểm soát điều này.

Tìm hiểu thêm: AI làm được gì và không làm được gì cho bạn

Một loại mô hình AI được huấn luyện trên lượng văn bản rất lớn để dự đoán từ hoặc phần của từ nào có khả năng xuất hiện tiếp theo, nhờ đó nó có thể trả lời câu hỏi, viết và tóm tắt.

Ví dụ: Khi bạn gõ “Giải thích quang hợp cho một đứa trẻ 10 tuổi”, mô hình ngôn ngữ lớn đằng sau ứng dụng trò chuyện sẽ viết câu trả lời từng mẩu nhỏ một, mỗi mẩu được chọn dựa trên những gì có khả năng xuất hiện tiếp theo.

Hay bị nhầm với: Mô hình ngôn ngữ lớn là động cơ, không phải ứng dụng. Ứng dụng trò chuyện bạn mở là một sản phẩm AI chạy một hoặc nhiều mô hình và thêm các tính năng xung quanh, như tải tệp lên, tìm kiếm hoặc lưu cuộc trò chuyện.

Tìm hiểu thêm: AI làm được gì và không làm được gì cho bạn, Sản phẩm, mô hình và gói

Thời điểm mà dữ liệu huấn luyện của mô hình kéo dài đến, nên mô hình có thể không biết về các sự kiện hoặc thay đổi sau thời điểm đó.

Ví dụ: Nếu bạn hỏi về một quy định đã thay đổi tháng trước, một mô hình không có tìm kiếm web có thể mô tả quy định cũ như thể nó vẫn còn hiệu lực.

Hay bị nhầm với: Mốc giới hạn kiến thức không phải là ngày sản phẩm được phát hành hay cập nhật gần nhất; nó thường sớm hơn. Khi một công cụ tìm kiếm trên web, câu trả lời phụ thuộc vào các trang nó tìm được, nên dù thế nào cũng hãy kiểm tra ngày tháng và nguồn.

Tìm hiểu thêm: AI làm được gì và không làm được gì cho bạn, Nghiên cứu với AI và kiểm tra trích dẫn

Nguồn: How up-to-date is Claude's training data? (Anthropic, đọc ngày 2026-10-10)

Mô hình AI cụ thể, được xác định bằng tên và thường kèm số phiên bản, tạo ra câu trả lời bên trong một sản phẩm.

Ví dụ: Một ứng dụng trò chuyện có thể cho bạn chọn từ một danh sách ngắn tên mô hình kèm số; hỏi mỗi mô hình cùng một câu có thể cho ra câu trả lời khác nhau về độ dài, phong cách và độ chính xác.

Hay bị nhầm với: Phiên bản mô hình là động cơ; sản phẩm là ứng dụng bao quanh nó, và gói quyết định bạn được chọn những phiên bản nào. Số phiên bản mới hơn không đảm bảo kết quả tốt hơn cho việc của bạn, nên hãy thử với chính việc của bạn trước khi chuyển.

Tìm hiểu thêm: Sản phẩm, mô hình và gói

Chỉ dẫn, câu hỏi hoặc tài liệu bạn đưa cho công cụ AI để cho nó biết bạn muốn gì.

Ví dụ: “Viết lại đoạn văn này cho người đọc 12 tuổi, dưới 80 từ” là một prompt, và một email được dán vào kèm câu “Liệt kê ba việc tôi cần làm” cũng là prompt.

Hay bị nhầm với: Prompt không cần từ khóa đặc biệt hay mẹo gì. Ngôn ngữ thông thường là đủ: nêu việc cần làm, cho một chút bối cảnh và nói bạn muốn câu trả lời ở dạng nào.

Tìm hiểu thêm: Đặt câu hỏi đầu tiên, Bắt đầu với mục tiêu rõ ràng

Ứng dụng, trang web hoặc tính năng bạn thực sự dùng, như trợ lý trò chuyện hay công cụ hỗ trợ viết, chạy một hoặc nhiều mô hình AI ở phía sau.

Ví dụ: Một ứng dụng ghi chú thêm nút “Tóm tắt trang này”: nút đó và ứng dụng là sản phẩm, còn một mô hình phía sau viết bản tóm tắt.

Hay bị nhầm với: Sản phẩm không phải là mô hình và cũng không phải là gói. Một sản phẩm có thể cung cấp nhiều mô hình hoặc phiên bản mô hình, và những gì bạn làm được trong đó phụ thuộc vào sản phẩm, gói của bạn và đôi khi khu vực của bạn, chứ không chỉ vào mô hình bên trong.

Tìm hiểu thêm: Sản phẩm, mô hình và gói, Chọn công cụ và xem lại kết quả

Một cách làm việc trong đó mô hình thực hiện thêm các bước để chia nhỏ vấn đề trước khi đưa ra câu trả lời cuối cùng, thường dùng cho toán, logic, lập kế hoạch hoặc code.

Ví dụ: Khi được yêu cầu lập thời khóa biểu học hằng tuần xoay quanh hai kỳ thi và một công việc bán thời gian, một mô hình ở chế độ suy luận có thể mất nhiều thời gian hơn và xử lý lần lượt các ràng buộc trước khi đưa ra kế hoạch cuối cùng.

Hay bị nhầm với: Suy luận không đồng nghĩa với đúng: các bước có thể trông hợp lý mà vẫn có lỗi, nên hãy kiểm tra kết quả. Chế độ này thường chậm hơn và có thể tốn nhiều hạn mức sử dụng hơn, nên một việc viết lại hay tóm tắt nhanh có thể không cần đến.

Khả năng của mô hình AI gọi các hàm hoặc dịch vụ bên ngoài, như tìm kiếm web, công cụ tính toán hoặc lịch, và dùng kết quả trong câu trả lời.

Ví dụ: Khi bạn hỏi giờ mở cửa của một bảo tàng địa phương, một công cụ có tìm kiếm web có thể tra một trang hiện hành, còn một mô hình không có công cụ chỉ có thể trả lời từ những gì nó đã học khi huấn luyện.

Hay bị nhầm với: Sử dụng công cụ là một khả năng đơn lẻ; agent là một hệ thống có thể dùng nhiều công cụ qua nhiều bước. Một mô hình không có công cụ không thể kiểm tra web hay lịch của bạn, kể cả khi câu trả lời nghe như thể nó đã làm vậy.

Tìm hiểu thêm: AI làm được gì và không làm được gì cho bạn

Nguồn: Tool use with Claude (Anthropic, đọc ngày 2026-10-10)

Một phương pháp trong đó hệ thống trước tiên tìm các đoạn liên quan trong một tập tài liệu được chọn và chuyển chúng cho mô hình, để câu trả lời của nó dựa trên nội dung đó.

Ví dụ: Bot trợ giúp của một công ty tìm trong sổ tay nhân viên phần nói về nghỉ phép, rồi viết câu trả lời từ phần đó và có thể cho biết đã dùng phần nào.

Hay bị nhầm với: Tạo sinh tăng cường truy xuất không huấn luyện lại mô hình; mỗi lần nó thêm văn bản tra cứu được vào yêu cầu, và đó là điểm khác với tinh chỉnh. Câu trả lời vẫn có thể sai nếu tìm nhầm đoạn hoặc đọc sai, nên hãy mở đoạn văn mà nó đã dựa vào.

Nguồn: Retrieval-augmented generation (RAG) in Azure AI Search (Microsoft, đọc ngày 2026-10-10)

Huấn luyện thêm một mô hình có sẵn trên một tập nhỏ hơn các ví dụ đã gắn nhãn để nó hoạt động theo một cách cụ thể, như tuân theo văn phong riêng của tổ chức.

Ví dụ: Một nhóm hỗ trợ khách hàng tinh chỉnh mô hình trên các câu hỏi cũ của khách hàng kèm câu trả lời đã được duyệt, để các câu trả lời mới theo cùng giọng điệu và định dạng.

Hay bị nhầm với: Tinh chỉnh thay đổi chính mô hình và cần dữ liệu được chuẩn bị cùng thiết lập kỹ thuật. Đưa chỉ dẫn hoặc ví dụ vào prompt, hoặc kết nối tài liệu qua tạo sinh tăng cường truy xuất, không làm thay đổi mô hình và thường là lựa chọn đơn giản hơn cho các việc hằng ngày.

Nguồn: About supervised fine-tuning for Gemini models (Google Cloud, đọc ngày 2026-10-10)

Một đơn vị văn bản nhỏ mà mô hình đọc và viết, có thể là một ký tự, một phần của từ, cả một từ hoặc một dấu câu.

Ví dụ: Một từ ngắn, thông dụng thường là một token, còn một từ dài hoặc ít gặp có thể bị tách thành nhiều token.

Hay bị nhầm với: Token không giống với từ, nên các giới hạn và mức giá tính bằng token không quy đổi chính xác ra từ hay trang. Các mô hình khác nhau tách văn bản theo cách khác nhau, nên cùng một đoạn văn bản có thể được tính thành số token khác nhau.

Tìm hiểu thêm: Cung cấp đúng bối cảnh

Nguồn: Understanding and counting tokens (OpenAI, đọc ngày 2026-10-10)

Các hệ thống máy tính làm những việc mà người ta thường gắn với tư duy của con người, như hiểu ngôn ngữ, nhận diện hình ảnh hoặc đưa ra dự đoán.

Ví dụ: Một ứng dụng ảnh nhóm các bức ảnh theo khuôn mặt trong đó là đang dùng AI, và một công cụ trò chuyện soạn email từ ghi chú của bạn cũng vậy.

Hay bị nhầm với: AI là cả một lĩnh vực, không phải một sản phẩm. AI tạo sinh là phần tạo ra văn bản, hình ảnh hoặc âm thanh mới; nhiều hệ thống AI khác chỉ phân loại, xếp hạng hoặc dự đoán, như bộ lọc thư rác.

Tìm hiểu thêm: AI làm được gì và không làm được gì cho bạn

Một mô hình có trọng số đã huấn luyện, tức các con số nó học được trong quá trình huấn luyện, được công bố để mọi người có thể tự tải về, chạy và điều chỉnh theo điều khoản giấy phép của nó.

Ví dụ: Một lập trình viên tải về một mô hình trọng số mở và chạy trên máy tính của mình, nên tài liệu vẫn nằm trên máy đó, nhưng họ vẫn phải tuân theo giấy phép đi kèm mô hình.

Hay bị nhầm với: Trọng số mở không giống với AI mã nguồn mở. Giấy phép có thể hạn chế việc dùng thương mại hoặc một số mục đích nhất định, và dữ liệu huấn luyện cùng code huấn luyện có thể hoàn toàn không được công bố; AI mã nguồn mở, theo định nghĩa của Open Source Initiative, đòi hỏi quyền tự do sử dụng, nghiên cứu, sửa đổi và chia sẻ, cùng với thông tin dữ liệu, code và trọng số.

Nguồn: Gemma 4 model overview (Google, đọc ngày 2026-10-10)