Các thuật ngữ liên quan tới AI

[timingdeptry]

1. Các Thuật Ngữ Cơ Bản

• Artificial Intelligence (AI): Trí tuệ nhân tạo, khả năng của máy móc thực hiện các nhiệm vụ đòi hỏi trí thông minh như con người.
• Machine Learning (ML): Học máy, một nhánh của AI, nơi các hệ thống tự học từ dữ liệu thay vì lập trình cứng.
• Deep Learning (DL): Học sâu, một nhánh của ML, sử dụng mạng nơ-ron sâu để học từ dữ liệu phức tạp.
• Data Set: Tập dữ liệu, thường được dùng để huấn luyện hoặc kiểm tra các mô hình AI.
• Algorithm: Thuật toán, chuỗi các bước logic để giải quyết vấn đề.

2. Thuật Ngữ Xử Lý Ngôn Ngữ Tự Nhiên (NLP)

• Natural Language Processing (NLP): Xử lý ngôn ngữ tự nhiên, AI chuyên phân tích và hiểu ngôn ngữ con người.
• Tokenization: Chia văn bản thành các phần nhỏ (từ, cụm từ, ký tự) để AI xử lý.
• Named Entity Recognition (NER): Nhận dạng thực thể có tên, như tên người, địa điểm, tổ chức.
• Sentiment Analysis: Phân tích cảm xúc, xác định ý nghĩa tích cực, tiêu cực hoặc trung lập trong văn bản.

3. Thuật Ngữ Xử Lý Hình Ảnh (Computer Vision)

• Computer Vision (CV): Khả năng của AI trong việc "nhìn" và hiểu hình ảnh hoặc video.
• Convolutional Neural Network (CNN): Mạng nơ-ron tích chập, chuyên xử lý dữ liệu hình ảnh.
• Object Detection: Phát hiện đối tượng trong ảnh hoặc video.
• Image Segmentation: Phân vùng hình ảnh, chia một bức ảnh thành các phần tương ứng với các đối tượng khác nhau.

4. Các Mô Hình AI

• Large Language Model (LLM): Mô hình ngôn ngữ lớn, như GPT, dùng để xử lý và tạo ra văn bản tự nhiên.
• Vision-Language Model (VLM): Mô hình kết hợp ngôn ngữ và hình ảnh, như CLIP hoặc GPT-4 Vision.
• Generative Adversarial Network (GAN): Mạng đối sinh, dùng để tạo dữ liệu mới (hình ảnh, âm thanh).
• Transformer: Kiến trúc mạng nơ-ron nổi tiếng, nền tảng của nhiều mô hình AI hiện đại.

5. Thuật Ngữ Kỹ Thuật

• Training: Quá trình huấn luyện mô hình bằng cách sử dụng dữ liệu.
• Inference: Giai đoạn mô hình đưa ra dự đoán sau khi đã được huấn luyện.
• Overfitting: Khi mô hình học quá kỹ dữ liệu huấn luyện, không thể áp dụng tốt trên dữ liệu mới.
• Backpropagation: Phương pháp tối ưu hóa mạng nơ-ron, lan truyền lỗi ngược để điều chỉnh trọng số.
• Gradient Descent: Thuật toán tối ưu giúp tìm ra giá trị tốt nhất cho các tham số của mô hình.

6. Các Khái Niệm Liên Quan Đến Học Máy

• Supervised Learning: Học có giám sát, mô hình được huấn luyện với dữ liệu có nhãn.
• Unsupervised Learning: Học không giám sát, không có nhãn mà chỉ phân nhóm hoặc phát hiện mẫu.
• Reinforcement Learning (RL): Học tăng cường, AI học cách đưa ra quyết định thông qua "thưởng" và "phạt".
• Clustering: Phân cụm, nhóm các điểm dữ liệu dựa trên sự tương đồng.

7. Các Công Nghệ Liên Quan

• Neural Network: Mạng nơ-ron, hệ thống mô phỏng cách hoạt động của não bộ con người.
• Embedding: Biểu diễn dữ liệu dưới dạng vector để xử lý dễ dàng hơn.
• Hyperparameter: Tham số siêu, các giá trị được thiết lập trước khi mô hình học.
• Epoch: Một vòng hoàn chỉnh trong quá trình huấn luyện dữ liệu.

8. Thuật Ngữ Liên Quan Đến Ứng Dụng

• Recommendation System: Hệ thống gợi ý, thường thấy trong Netflix, Amazon, YouTube.
• Chatbot: Trợ lý ảo sử dụng NLP để giao tiếp với con người.
• Speech Recognition: Nhận diện giọng nói, chuyển đổi âm thanh thành văn bản.
• Autonomous Vehicles: Xe tự lái, sử dụng CV và RL để điều hướng.