ONE is preparing: 01 / INITIALIZING MODEL ROUTER. Evaluating routing across providers.
Current state
01 / INITIALIZING MODEL ROUTER.

Evaluating routing across providers.

Start learning
← Bắt đầu với AI

AI Foundation

LLM

Vietnamese onlyThe learning content is available in Vietnamese only. The surrounding interface follows your language.

Làm quen với LLM (mô hình ngôn ngữ lớn) — cỗ máy nằm sau ChatGPT, Claude, Gemini. Hiểu nó đoán chữ thế nào, khi nào tin được, khi nào phải dè chừng.

lesson24 minBắt đầu với AIAI Foundation

Thử đoán

Bạn gõ vào ChatGPT: 'Soạn giúp tôi email xin nghỉ phép 3 ngày'. Theo bạn, trong đầu máy đang diễn ra chuyện gì?

Predict first

Chọn cách bạn nghĩ máy đang làm.

Bài hôm nay sẽ cho bạn nhìn tận mắt cỗ máy đoán chữ đó làm việc, bằng chính những tình huống văn phòng quen thuộc.

Ẩn dụ

Hình dung một bác bán phở Bát Đàn đứng ba mươi năm ở góc phố. Khách vừa bước vào, chưa kịp ngồi xuống bác đã biết hôm nay khách gọi tái gầu hay chín nạm, có dưa muối hay không. Bác không đọc được ý nghĩ ai cả — bác chỉ đã nhìn hàng chục vạn lượt khách, nên bộ não bác nắm được một quy luật mỏng manh nhưng đáng tin: người mặc sơ mi, đi xe tay ga, vào lúc 7 giờ sáng thường gọi cái gì.

LLM chính là bác bán phở đó, phóng to lên hàng triệu lần. Nó đã đọc gần như toàn bộ Internet, sách, báo, diễn đàn, email công khai... Khi bạn bắt đầu gõ một câu, nó nhìn các chữ đã có, dò lại ký ức khổng lồ ấy, rồi đoán chữ tiếp theo nào hợp vai nhất. Đó là toàn bộ phép thuật, không có gì hơn.

Điều hay là: vì đã đọc quá nhiều, nó biết văn phong email công sở khác văn tin nhắn bạn bè, biết câu trong biên bản họp không giống câu trong caption Tiktok. Điều đáng sợ là: khi không biết, nó vẫn đoán một cách tự tin — đôi khi bịa ra điều luật, tên sách, trích dẫn không tồn tại. Dùng LLM ở công việc nghĩa là học cách phát huy ưu thế và cảnh giác với điểm yếu đó.

Demo 1 — Đoán chữ tiếp theo

Bạn là LLM: đoán chữ sắp gõ tiếp theo

Máy đứng trước câu hỏi: “chữ nào hợp nhất để gõ tiếp?” Mỗi ứng viên có một mức tin cậy riêng. Có ba nhóm: chữ an toàn (đi đúng đường), chữ tạm được, và chữ bay bổng (có thể sai).

Khi viết email xin nghỉ phép, vì sao máy hay chọn chữ “an toàn”?

Demo 2 — Nút vặn 'độ bay bổng'

Temperature: chắc chắn hay sáng tạo?

Cũng tình huống trên, nhưng giờ bạn cầm một nút vặn. Ở temperature thấp, máy luôn chọn chữ an toàn — viết chắc chắn, khô khan. Ở temperature cao, máy dám chọn chữ lạ — viết bay bổng, nhưng dễ trượt chân.

Temperature

1 / 3
  1. 1. 0.00 — cứng như đá

    Luôn chọn chữ an toàn. Viết chắc chắn, khô khan. Hợp với hợp đồng và báo cáo số liệu.

Demo 3 — Cửa sổ ngữ cảnh

LLM nhớ được bao nhiêu chữ một lúc?

Mỗi model có một cửa sổ ngữ cảnh — giống trí nhớ ngắn hạn, đo bằng token (mảnh chữ).

Nội dungƯớc lượng token
Một trang Word (~300 từ tiếng Việt)600–900 token
Hợp đồng 50 trang≈ 40K token

Demo 4 — LLM 'gõ' thế nào?

LLM sinh câu trả lời theo từng từ một

Ở chế độ streaming, LLM vừa nghĩ vừa “gõ”. Mỗi chữ bạn thấy là một lần máy đoán xác suất và chọn từ.

Ở chế độ streaming, điều gì đúng?

Khoảnh khắc Aha

LLM không biết điều gì là đúng. Nó biết điều gì nghe hợp lý dựa trên hàng núi chữ đã đọc. Đó là vì sao email AI viết đọc trôi như người thật, nhưng con số và trích dẫn thì vẫn phải tự tay bạn kiểm lại. Biết rõ biên giới đó, bạn biến LLM thành trợ lý đắc lực; quên đi, bạn biến nó thành cái bẫy.

Thử thách

Sếp giao: 'Dùng ChatGPT soạn email gửi khách VIP xin gia hạn hợp đồng, đồng thời trích Điều 5.2 hợp đồng cũ'. Cách làm nào hợp lý nhất?

Trong tình huống này, cách nào đúng?

LLM soạn câu chữ giỏi, nhưng tuyệt đối đừng để nó 'nhớ hộ' điều khoản cụ thể trong hợp đồng của bạn — nó chưa từng đọc hợp đồng đó. Hãy dán trực tiếp đoạn Điều 5.2 vào prompt, hoặc dùng công cụ RAG để LLM đọc từ nguồn thật.

Giải thích

LLM (Large Language Model — mô hình ngôn ngữ lớn) là một cỗ máy đoán chữ tiếp theo, được luyện trên gần như toàn bộ chữ viết mà con người từng công khai. Ba chữ “lớn” có nghĩa thật sự:

Khía cạnhQuy mô (theo bài)Ý nghĩa
~10.000 tỷtừ đã đọc — tương đương gần hết sách, báo, Wikipedia, diễn đàn mở trên Internet.Lớn về tham số
~1.700 tỷ“nút vặn” bên trong model — mỗi nút tinh chỉnh cảm giác về một mẩu ngữ cảnh.Lớn về chi phí
~$100 triệutiền điện và GPU để huấn luyện một thế hệ model đầu bảng — bằng một dự án xây cầu vừa.Khi bạn gõ một câu, năm bước dưới đây diễn ra chớp nhoáng trong vòng chưa đầy một giây:

Khi bạn gõ một câu, máy lặp lại đúng việc đoán chữ tiếp theo, từng chữ một, cho tới khi xong câu trả lời.

Năm thuật ngữ sau sẽ đi cùng bạn suốt hành trình dùng AI. Ghép cặp để chắc chắn đã nắm:

  • LLM

  • Token

  • Temperature

  • Cửa sổ ngữ cảnh

  • Ảo giác (hallucination)

Bảng dưới xếp các việc văn phòng thường gặp, kèm mức độ phù hợp.

Vai tròViệc hợp với LLMLưu ý
Nhân viên văn phòng — rất hợpSoạn email trả khách hàng khó tính, giữ giọng lịch sựLLM bắt chước văn phong dễ, bạn chỉ cần nêu rõ đối tượng và mức độ trang trọng.
Giáo viên — rất hợpChấm 40 bài văn, đưa nhận xét cụ thể cho từng emDán bài, yêu cầu nhận xét theo 3 tiêu chí — LLM không biết mệt.
Luật sư / pháp chế — rất hợpRà lại hợp đồng 80 trang, gạch chân mọi điều khoản có từ 'độc quyền'Dùng kèm RAG để trích dẫn đúng điều khoản, không bịa án lệ.
Nhà báo / biên tập — rất hợpTóm tắt 10 bài báo tiếng Anh về giá dầu, viết lead 60 từLuôn yêu cầu trích nguồn gốc để tránh bịa số liệu.
Marketer — rất hợpĐặt tên chiến dịch, viết 10 caption TikTok cho nhãn trà sữaTăng temperature để có ý tưởng bay bổng, giảm khi cần bám brief.
Trợ lý hành chính — rất hợpGhi biên bản cuộc họp 90 phút từ bản ghi âm đã chuyển chữYêu cầu model bám vào transcript, không tự thêm thông tin.
Kế toán — cẩn thậnTính thuế thu nhập cá nhân chính xác đến từng nghìn đồngLLM là máy đoán chữ, không phải máy tính — luôn đối chiếu lại bằng Excel.
Bác sĩ, dược sĩ — đừng giao một mìnhTư vấn liều thuốc cho bệnh nhân cụ thểRủi ro quá cao: LLM có thể bịa liều, tên thuốc hoặc tương tác.

Để thấy khác biệt cụ thể, xem một buổi sáng thứ Hai của bạn trước và sau khi biết dùng LLM:

Không có LLMCó LLM
Thời gian2 giờ 15 phút để viết tay 8 email, mỗi email 3 đoạn.20 phút: soạn 1 prompt mẫu, LLM sinh 8 bản nháp, bạn biên tập cho khớp giọng công ty.
Chất lượngĐầu giờ viết kỹ, cuối giờ mệt, câu chữ cụt dần — dễ thiếu lịch sự.Chất lượng email ổn định từ cái đầu đến cái cuối — LLM không biết mệt.
Thời gian còn lạiKhông còn thời gian cho việc quan trọng khác: phân tích dữ liệu, chuẩn bị họp.Dành cho việc quan trọng hơn, và vẫn phải đọc lại kết quả.

Cùng một nhiệm vụ: 'soạn email phản hồi 8 khách hàng về chính sách đổi trả mới'.

Dành cho bạn muốn hiểu sâu hơn — làm sao LLM “đọc” câu của bạn?

LLM không nhìn chữ như mắt người. Nó cắt câu thành token — những mảnh nhỏ. Một câu tiếng Việt như “Kính gửi anh Minh” có thể bị cắt thành “Kính”, “ gửi”, “ anh”, “ Minh”. Sau đó mỗi token được chuyển thành một dãy số nhiều chiều, để máy có thể so sánh “gửi” với “nhận” (gần nhau) và với “bàn ghế” (xa nhau).

Phần lõi của LLM gọi là Transformer. Nó cho phép mỗi token “nhìn” tất cả các token đã có trong câu cùng một lúc, rồi tính xem chúng quan trọng với nhau đến đâu. Nhờ đó, khi model đọc “Anh ấy đặt hoa lên bàn, rót rượu và chờ cô ấy đến để...”, nó nối các manh mối “hoa”, “rượu”, “chờ” lại để đoán từ tiếp theo có thể là “cầu hôn” thay vì “ăn sáng”.

Bạn không cần hiểu công thức. Chỉ cần nhớ: prompt bạn gõ càng có ngữ cảnh đầy đủ, LLM càng đoán đúng. Prompt cụt lủn → kết quả nghe chung chung.

Hiểu được cỗ máy này sẽ thay đổi cách bạn làm việc. Bài tiếp theo trong lộ trình sẽ dạy bạn viết prompt sao cho LLM đoán đúng hơn — khác biệt giữa người dùng AI khá và người dùng AI giỏi nằm ở kỹ năng đó.

Tóm tắt

Năm điều mang theo ra khỏi bài

  • LLM là cỗ máy đoán chữ tiếp theo, luyện trên gần như toàn bộ chữ viết công khai của loài người.
  • Temperature là nút vặn 'độ bay bổng' — thấp cho hợp đồng, cao cho ý tưởng sáng tạo.
  • Cửa sổ ngữ cảnh là trí nhớ ngắn hạn của LLM; model hiện nay đủ nuốt cả hợp đồng 200 trang.
  • LLM viết câu trôi chảy nhưng có thể bịa số liệu, điều luật, trích dẫn — luôn kiểm chứng ở việc quan trọng.
  • Giao cho LLM: soạn email, tóm tắt báo cáo, viết caption. Đừng giao một mình: tính thuế, tư vấn thuốc, khẳng định điều luật.

Continue the path

Lesson 5 of 106